1.
Un fabricante de escáneres IRM (imagen por resonancia magnética) que se utilizan para
los diagnósticos médicos posee datos que indican que la cantidad promedio de días entre
fallas del equipo es de 1020 días, con una desviación estándar de 20 días. Suponiendo una
distribución normal ¿cuál es la probabilidad de que la cantidad de días entre fallas sea
menor qué 1044 días? ¿más de 980 días? ¿entre 980 y 1044 días?
2. En qué difieren las distribuciones de probabilidad discretas de las distribuciones de probabilidad
continuas?
Las distribuciones de probabilidad son distribuciones de probabilidad continuas o distribuciones
de probabilidad discretas, dependiendo de si definen probabilidades para variables continuas o
discretas.
Una distribución continua describe las probabilidades de los posibles valores de una variable
aleatoria continua. Una variable aleatoria continua es una variable aleatoria con un conjunto de
valores posibles (conocido como el rango) que es infinito y no se puede contar.
Una distribución discreta describe la probabilidad de ocurrencia de cada valor de una variable
aleatoria discreta. Una variable aleatoria discreta es una variable aleatoria que tiene valores
contables, tales como una lista de enteros no negativos.
3. Señale que es una variable aleatoria e incluya un par de ejemplos de variables aleatorias
discretas y otro par de continuas.
En general, las variables aleatorias se denotan usando las últimas letras del alfabeto en
mayúsculas, 𝑈, 𝑉, 𝑊, 𝑋, 𝑌, 𝑍 ,y para un valor cualquiera de ellas se usa la misma letra pero en
minúscula.
Variable aleatoria discreta: Solo puede tomar valores representados por números enteros y un
número finito de ellos. Por ejemplo: X variable que nos define el número de alumnos aprobados
en el curso de historia universal en un grupo de 30 alumnos (1, 2 ,3 y así sucesivamente ó los 30).
Variable aleatoria continua: Esta puede tomar tanto valores expresados en números enteros como
fraccionarios y un número infinito de ellos dentro de un mismo intervalo. Por ejemplo: x es la
variable que nos define la concentración en gramos de oro de algunas muestras de mineral (7.4 gr,
6.1, 1.9, 23.3, 12.7, 8.1, 9.5, 11.8, ... n)
4. ¿Qué es una distribución de probabilidad?
Una distribución de probabilidad es aquella que permite establecer toda la gama de resultados
probables de ocurrir en un experimento determinado. Es decir, describe la probabilidad de que un
evento se realice en el futuro.
La distribución de probabilidad es una herramienta fundamental para la prospectiva, puesto
que con ella es posible diseñar un escenario de acontecimientos futuros considerando las
tendencias actuales de diversos fenómenos.
Las características más importantes para considerar en una distribución de probabilidad son:
La probabilidad de un resultado específico está entre cero y uno.
La suma de las probabilidades de todos los resultados mutuamente excluyentes es 1.
5. Explique en cada caso qué tipo de variables siguen una Distribución Binomial y Poisson.
La distribución de Poisson es una distribución de probabilidad discreta que expresa, a partir de una
frecuencia de ocurrencia media λ, la probabilidad que ocurra un determinado número de eventos
durante un intervalo de tiempo dado o una región específica.
La distribución binomial es una distribución discreta muy importante que surge en muchas
aplicaciones bioestadísticas. Esta distribución aparece de forma natural al realizar repeticiones
independientes de un experimento que tenga una respuesta binaria, generalmente clasificada
como éxito o fracaso. Un ejemplo, esa respuesta puede ser el hábito de fumar(si/NO). Este modelo
se aplica a poblaciones finitas de las que se toma elementos al azar con reemplazo y también a
poblaciones conceptualmente finitas como, por ejemplo, las piezas que produce una máquina,
siempre en el proceso de producción sea estable (la proporción de piezas defectuosas se mantiene
constante a largo plazo).
6. Verifique si los siguientes datos se ajustan bien a una distribución normal
2.51, 2.50, 1.08, 2.61, 2.91, 2.59, 2.13, 2.60, 2.29, 2.48, 2.25, 2.11, 1.84, 2.07, 1.98, 2.31, 2.27,
2.10, 5.70, 2.09, 3.10, 2.02, 2.19, 2.26, 3.30, 2.31, 2.78, 2.32, 2.18, 2.09, 2.86, 3.15, 2.00, 2.32,
2.59, 2.26, 2.48, 3.73, 2.27, 2.35, 2.59, 2.42, 2.10, 2.65, 2.98, 2.23, 1.76, 1.87, 2.04, 2.69.
Al observar el diagrama, los puntos no siguen una línea recta, por
lo que la gráfica de probabilidad en estos casos estaría detectando
que los datos no siguen una distribución normal.
De acuerdo con una de las propiedades que contiene una
distribución normal, la Moda debe tener un valor cercano al
promedio y mediana y aquí ciertamente son valores cercanos.
Promedio 2.4462
Mediana 2.31
Desviación 0.639
Varianza 0.408
Valor min. 1.08
Valor Max. 5.7
Moda 2.59
N° datos Valor
1 1.08
2 1.76
3 1.84
4 Distibución
1.87 normal
60 5 1.98
6 2
50
7 2.02
40 8 2.04 Referencias:
30 9 2.07
10 2.09 Oscar Fontanelli. Probability
20 distributions in the complexity sciences:
11 2.09
10 12 2.1 a contemporary perspective. UNAM.
2021
0 13 2.1
0 1
14 2.112 3 4 5 6
Meyer PL. Probabilidad y aplicaciones
15 2.13 estadísticas. México. Addison-Wesley
16 2.18 Iberoamericana;1986.
17 2.19
18 2.23
19 2.25
20 2.26
21 2.26
22 2.27
23 2.27
24 2.29
25 2.31
26 2.31
27 2.32
28 2.32
29 2.35
30 2.42
31 2.48
32 2.48
33 2.5
34 2.51
35 2.59
36 2.59
37 2.59
38 2.6
39 2.61
40 2.65
41 2.69
42 2.78
43 2.86
44 2.91
45 2.98
46 3.1
47 3.15
48 3.3
49 3.73
50 5.7
