Scribd
Cargar
1K vistas4 páginas

Probabilidades en Distribuciones Normales

El documento presenta ejemplos de cálculos de probabilidades para variables aleatorias normales estándar y no estándar. Incluye calcular probabilidades de que una variable esté por debajo o por encima de ciertos valores, así como determinar valores que satisfacen ciertas probabilidades. También presenta ejemplos de aplicaciones como resistencia de cemento y anchos de herramientas.

Cargado por

CINDY ESTEFANIA PESANTES PALMA
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd
1K vistas4 páginas

Probabilidades en Distribuciones Normales

El documento presenta ejemplos de cálculos de probabilidades para variables aleatorias normales estándar y no estándar. Incluye calcular probabilidades de que una variable esté por debajo o por encima de ciertos valores, así como determinar valores que satisfacen ciertas probabilidades. También presenta ejemplos de aplicaciones como resistencia de cemento y anchos de herramientas.

Cargado por

CINDY ESTEFANIA PESANTES PALMA
Derechos de autor
© All Rights Reserved
Nos tomamos en serio los derechos de los contenidos. Si sospechas que se trata de tu contenido, reclámalo aquí.
Formatos disponibles
Descarga como DOCX, PDF, TXT o lee en línea desde Scribd

SECCIÓN 4-6

4-45 Utilice la tabla II del apéndice para calcular las probabilidades siguientes para la
variable aleatoria normal estándar Z

a. P( Z< 1.32)
P ( Z <1.32 )=0.906582=90.65 %
b. P( Z< 3.0)
P ( Z <3.0 ) =0.99865=99.86 %
c. P( Z> 1.45)
P ( Z >1.45 )=1−P ( Z ≤ 1.45 ) =1−0.426471=0.073529=7.35 %
d. P( Z>−2.15)
P ( Z >−2.15 ) =P ( Z <−2.15 )=0.984222=98.42 %
e. P(−2.34 <Z <1.76)

P(−2.34 <Z <1.76)=P ( Z< 1.76 )−P( Z >−2.34) P ( Z <1.76 ) −[ 1−P( Z> 2.34) ]

¿ 0.9607−1+0.9903¿ 0.951=95.1%

4-47 Suponga que Z tiene una distribución normal estándar. Utilice la tabla II del
apéndice para determinar el valor de z que resuelve cada una de las siguientes
probabilidades:

a. P ( Z < z )=0.9
P ( Z < z )=0.9=P ( Z <1.3 )=0.903
Z=1.3
b. P ( Z < z )=0.5
P ( Z < z )=0.5=Z =0
c. P ( Z > z )=0.1
P ( Z > z )=0.1=Z=−1.28
d. P ( Z > z )=0.9
P ( Z > z )=0.9=1−P ( Z < z )=0.1
Z=−1.28

d. P (−1.24< Z< z )=0.8


P ( Z < z )−P( Z >−1.24)=0.8
P ( Z < z )=0.8+ P (Z >1.24)
P ( Z < z )=0.8+ 0.8925=1.6925
4-49 Suponga que X tiene una distribución normal con media 10 y desviación estándar 2.
Calcule lo siguiente:

a. P ( X <13 )
u=10
2 2
−1 x−u −(13−10)
( )
σ =2 1 e 2 σ = 1 e 2∗2 =0.0647=6.47 %
2

σ √2 π 2√ 2 π
b. P ( X >9 )
1−P ( X ≤ 9 )=1−0,176=0.824=82.4 %
c. P ( 6< X <14 )
P ( X <14 )−[ 1−P ( X ≤ 6 ) ] =0.00269−1+0.0269=0.9462
d. P ( 2< X < 4 )

P ( X < 4 )− [1−P ( X ≤ 2 ) ] =2.21 X 1 0−3−1+6.69 X 1 0−5 =0.9977


e. P (−2< X <8 )
P ( X <8 )−[ 1−P ( X ≤−2 ) ]=0.1209−1+3.03 X 10−9=−0.879
4-51. Suponga que X tiene una distribución normal con media 5 y desviación estándar 4.
Calcule lo siguiente:

u=5
σ =4
a. P ( X <1 1 )
2
−1 11−5
2( 4 )
e
=0.0323=3.23 %
4 √2 π
b. P ( X >0 )
1−P ( X ≤ 0 )=1−0.0456=0.9544=95.44 %
c. P ( 3< X <7 )
P ( x<7 )−1+ P ( x<3 )=0.088−1+ 0.088=−0.824
d. P (−2< X <9 )
P ( x< 9 )−1+ P ( x<−2 )=0.0604−1+0.0215=−0.9181
e. P ( 2< X <8 )
P ( x< 8 )−1+ P ( x<2 )=0.0752−1+0.0752=−0.8496

4-53 La resistencia a la comprensión de una serie de muestras de cemento puede


modelarse con una distribución normal con media 6000 kilogramos por centímetro
cuadrado, y una desviación estándar de 100 kilogramos por centímetro cuadrado.

u=6000 [ kg/c m 2 ]

σ =1 00 [ kg/c m 2 ]
a. ¿Cuál es la probabilidad de que la resistencia de una muestra sea menor que 6250
[ kg /c m2 ]?
2
−1 6250−6000
2( 100 )
e
P ( X <11 ) = =1.75 x 1 0−4=0.0175 %
100 √ 2 π
b. ¿Cuál es la probabilidad de que la resistencia de una muestra se encuentre entre
5800 y 5900 [ kg /c m 2 ]

P ( 5800< X <5900 ) =P ( X< 5900 )−1+ P( X< 5800)¿ 2.41 x 1 0−3−1+5.39 x 1 0−4=−0.997
c. ¿Cuál es el valor de resistencia que excede el 95% de las muestras?
2
−1 x−6000
2( 100 ) −1 x−6000
2
−1 x−6000 2
P ( X > x )=0.95=1−
e
100 √ 2 π
=0.95 e 2( 100 )=12.533
2( 100 ) =2.528

x−6000 2
√( 100 )
=√ −5.05→ ∄

4-55 Se supone que el ancho de una herramienta utilizada en la fabricación de


semiconductores tiene una distribución normal con media 0.5 micrómetros y desviación
estándar de 0.05 micrómetros.

u=0.5 [ um ]
σ =0.05 [ um]
a. ¿Cuál es la probabilidad de que el ancho de la herramienta sea mayor que 0.62
micrómetros?

2
−1 x−0.5
2 0.05 ( )
e
P ( X < x )=
0 . 05 √ 2 π
P ( X >0.062 )=1−P ( X <0.62 )=1−0.4478=0.5521=55.21 %
b. ¿Cuál es la probabilidad de que el ancho de la herramienta se encuentre entre 0.47
y 0.63 micrómetros?

P ( 0.47< X < 0.63 )=P ( X <0.63 )−1+ P( X < 0.47)


¿ 0.2716−1+ 6.6644=5.39 %
c. ¿Debajo de qué valor está el ancho de la herramienta en el 90% de las muestras?
2
−1 x−0.5
2 0.05( )
e
=0.9
0 .0 5 √ 2 π
2
−1 x−O .5
2 (
0.05 )
=0.1127
e
−1 x−O .5 2
2 (
0.05
=−2.1821 )
x−0.5 2
√( 0.05 )
=√ 4.364

X −0.5=(O .O 5)(2.089)
X =0.604
4.57 Continuación del ejercicio 4-56. La media de la operación de llenado puede ajustarse
con facilidad, pero la desviación estándar sigue teniendo el mismo valor, 0.1 onzas de
líquido.
a. ¿Qué valor debe darse a la media para que el 99.9% de todas las latas contengan
más de 12 onzas de líquido?
P ( X >12 )=0.999
2
−1 12−u
2( 0.1 )
e
1− =0.999
0 . 1 √2 π
−1 12−u 2
2 ( 0. 1 )
=−8.2914
12−u
=16.5828
0.1
12−u=1.6582
u=16 .3417 [ onzas ]
b. ¿Qué valor debe darse a la media para que el 99.9% de todas las latas contengan
más de 12 onzas de líquido si la desviación estándar puede reducirse a 0.05 onzas
de líquido?

σ =0. 05
P ( X >12 )=0.999
2
−1 12−u
(
2 0. 05 )
e
1− =0.999
0 . 05 √2 π
−1 12−u 2
(
2 0. 05
=−8.98)
12−u 2
√( 0.05
12−u=0.2119
)
=√ 17.96

u=11.78 [ onzas ]

SECCIÓN 4-6 4-45 Utilice la tabla II del apéndice para calcular las probabilidades siguientes para la variable aleatoria nor
c. P (6<X<14 ) P (X<14 )−[1−P (X ≤6)]=0.00269−1+0.0269=0.9462 d. P (2< X<4) P (X<4)−[1−P( X≤2)]=2.21 X 10 −3−1+6.69 X 10 −5=0
c. ¿Cuál es el valor de resistencia que excede el 95% de las muestras? P (X>x )=0.95=1−e −1 2 ( x−6000 100 ) 2 100√2 π =0.95e
P (X>12)=0.999 1−e −1 2 ( 12−u 0.1 ) 2 0.1√2π =0.999 −1 2 ( 12−u 0.1 ) 2 =−8.2914 12−u 0.1 =16.5828 12−u=1.6582 u=16.3417 [on

También podría gustarte