Ejercicios de Modelos de Probabilidad

Documentos relacionados
Ejercicios de Modelos de Probabilidad

Tema 4: Ejercicios de Modelos de Probabilidad

Tema 4: Ejercicios de Modelos de Probabilidad

Tema 4: MODELOS DE PROBABILIDAD

Distribuciones de probabilidad más usuales

INGENIERIA de TELECOMUNICACION

Ejercicios de Vectores Aleatorios

Ejercicios de Modelos de Probabilidad

PRUEBA DE BONDAD DE AJUSTE O PRUEBA CHI - CUADRADO

Tema 6: Ejercicios de Inferencia con muestras grandes

UNIVERSIDAD TECNICA PARTICULAR DE LOJA ESTADISTICA Y PROBABILIDAD ENSAYO N 4

ETSI de Topografía, Geodesia y Cartografía

Ejercicios de Procesos Estocásticos

MANTENIMIENTO INDUSTRIAL.

PROBABILIDAD Y ESTADÍSTICA ININ4010 Prof. DAVID GONZÁLEZ BARRETO SOLUCIÓN ASIGNACIÓN 6

Ejercicios de Probabilidad

Tema 3:Introducción a las variables aleatorias PROBLEMAS PROPUESTOS. 2. La función de densidad de la variable aleatoria X viene dada por la expresión

TEMA 2.- VARIABLES ALEATORIAS UNIDIMENSIONALES.- CURSO 17/18

b) Si decides elegir el trabajo que con más probabilidad te permita ganar más de 900 euros al mes, qué trabajo debes elegir?

ESTADISTICA INFERENCIAL

Ejercicio 4.1. Ejercicio 4.2

Selección de distribuciones de probabilidad

Relación de Problemas. Tema 4

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3 P (X > 0) P ( 0,5 < X < 0,5) P ( X > 0,25) 1 si 2 x P (X 1) P (0,5 X 1) P (0,5 < X 1 X < 1)

Ejercicios de Estimación

Tema 6: Modelos de probabilidad.

ESTADÍSTICA I. A continuación se presentan los Modelos Probabilísticos Continuos más importantes.

OBJETIVOS: Simular en MATLAB/Octave procesos estocásticos sencillos.

Introducción al Tema 8. Tema 6. Variables aleatorias unidimensionales Distribución. Características: media, varianza, etc. Transformaciones.

Tema 4: Variables aleatorias. Tema 4: Variables Aleatorias. Tema 4: Variables aleatorias. Objetivos del tema:

Tema 6: Ejercicios de Inferencia con muestras grandes

PROBABILIDADES Y ESTADÍSTICA (C) Práctica 3

Tema 7: Ejercicios de Inferencia en una población Normal

ESTADÍSTICA Y ANÁLISIS DE DATOS. Práctica del Tema 5. Variable aleatoria (en R y R 2 )

CUADERNILLO DE TRABAJO 3 DE PROBABILIDAD Y ESTADÍSTICA

Apuntes de Clases. Modelos de Probabilidad Discretos

ENUNCIADO y SOLUCIONES. Problema 1

Examen de Estadística

PROBABILIDADES Trabajo Práctico 5. 0 si x<0. x3 si 0 x<2 1 si x 2

Universidad Nacional Abierta Estadística General (745) Vicerrectorado Académico Cód. Carrera: Área de Matemática Fecha:

GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS

5 DISTRIBUCIONES BINOMIAL Y DE POISSON

GRADO en INGENIERIA de TELECOMUNICACION (Sistemas de comunicaciones, audiovisuales y telemática)

PROBLEMAS TEMA 2: TEORÍA DE COLAS. Curso 2013/2014

0 en otro caso. P (X > 0) P ( 0.5 < X < 0.5) P ( X > 0.25) x 3 si 0 x < 2. 1 si 2 x P(X 1) P(0.5 X 1) P(0.5 < X 1 X < 1) f X (x) = (1+αx) 2

Probabilidad, Variables Aleatorias y Distribuciones

GENERACION DE NUMEROS ALEATORIOS Y VARIABLES ALEATORIAS

Soluciones Examen de Estadística Ingeniería Superior de Telecomunicación

Tema 3 - Introducción. Tema 2. Distribuciones en el muestreo Estadísticos y distribución muestral. Ejemplos: X y S 2.

GRADO de TELECOMUNICACIONES

Relación de Problemas. Tema 5

Hoja de Problemas Tema 3 (Variables aleatorias multidimensionales)

INGENIERÍA INDUSTRIAL EN COMPETENCIAS PROFESIONALES ASIGNATURA DE ESTADÍSTICA APLICADA A LA INGENIERÍA

Instalación y programación del equipo

CURSO INTENSIVO #R03-40hrs CONFIABILIDAD Y MANTENIBILIDAD DE PLANTAS. NIVEL II -MODELOS ESTADISTICOS-MATEMATICOS CON APLICACIONES PRACTICAS-

Probabilidad II Algunas distribuciones notables. Antonio Cuevas Departamento de Matemáticas Universidad Autónoma de Madrid

Tema 1: Ejercicios de Estadística Descriptiva

Algunas Distribuciones Continuas de Probabilidad. UCR ECCI CI-1352 Probabilidad y Estadística Prof. M.Sc. Kryscia Daviana Ramírez Benavides

Apellido y Nombres: Fecha: Carrera: Calificación 1ª Parte: Legajo: Calificación 2ª Parte: DNI: Calificación Definitiva:

TEMA 3.- MODELOS DISCRETOS

Tema 2: Ejercicios de Probabilidad

SERVICIOS DE INGENIERÍA DE CONFIABILIDAD Colombia, Cali

Modelos de probabilidad. Modelos de probabilidad. Modelos de probabilidad. Proceso de Bernoulli. Objetivos del tema:

Definición 4.1 Diremos que una variable aleatoria discreta X tiene una distribución Uniforme de parámetro N, N 1, si. rg(x) = {1, 2,...

UNIVERSIDAD DE ATACAMA

UNIVERSIDAD DE ATACAMA

MODELOS DE SIMULACIÓN ESTADÍSTICOS CLASE 4: DISTRIBUCIÓN t, CHI-CUADRADA y EXPONENCIAL PROFESOR: OSCAR SAAVEDRA ANDRÉS DURANGO.

Maestría en Bioinformática Probabilidad y Estadística: Clase 3

Variables aleatorias 1. Problema 1

Tema 6 Algunas distribuciones importantes Hugo S. Salinas

Selección de distribuciones de probabilidad

Objetivos: Construir un modelo de Simulación de un Sistema Embarque de Inventarios, con las herramientas de Promodel.

Distribución de Probabilidad

Procesos estocásticos

Gráficas de funciones de masa de probabilidad y de función de densidad de probabilidad de Distribuciones especiales. x n

Tema 6. Estimación puntual

Estadística. 2 o examen parcial

Preparación de los datos de entrada

Tema 4: Probabilidad y Teoría de Muestras

PROBABILIDADES Y ESTADÍSTICA (C) PRÁCTICA 3. ..,, f 0,75(1 -x2) -l<x<l fy (X) < [O en otro caso. P(X > 0) P(-0,5 < X < 0,5) P( X > 0,25) ' 0

Distribuciones Probabilísticas. Curso de Estadística TAE,2005 J.J. Gómez Cadenas

Probabilidad, Variables aleatorias y Distribuciones

EJERCICIOS. 1 Repaso de probabilidad

Dimensionamiento y Planificación de Redes

UNIVERSIDAD DE ATACAMA FACULTAD DE INGENIERÍA / DEPARTAMENTO DE MATEMÁTICA

Tema 6: Ejercicios de Inferencia con muestras grandes

III Verano de Probabilidad y Estadística Curso de Procesos de Poisson (Víctor Pérez Abreu) Lista de Ejercicios

Transcripción:

Bernardo D Auria Departamento de Estadística Universidad Carlos III de Madrid GRUPO 66 GRADO EN INGENIERÍA DE SISTEMAS AUDIOVISUALES 16/03/2009

Las llamadas de teléfono recibidas en una casa siguen un proceso de Poisson con parámetro λ = 2 cada hora. a) Cual es la probabilidad de que el teléfono suene durante ese tiempo? b) Durante cuanto tiempo puede tomar una ducha si desea que la probabilidad de no recibir ninguna llamada sea como mucho 0.5? Bernardo D Auria (UC3M - G.I. de Sistemas Audiovisuales) 16/03/2009 2 / 6

Las llamadas de teléfono recibidas en una casa siguen un proceso de Poisson con parámetro λ = 2 cada hora. a) Cual es la probabilidad de que el teléfono suene durante ese tiempo? b) Durante cuanto tiempo puede tomar una ducha si desea que la probabilidad de no recibir ninguna llamada sea como mucho 0.5? SOLUCIÓN: a) 0.864; b) t 21 minutos. Bernardo D Auria (UC3M - G.I. de Sistemas Audiovisuales) 16/03/2009 2 / 6

Un aparcamiento tiene 2 entradas. Los coches llegan a la entrada I según una Poisson con 3 coches por hora y a la entrada II con 2 coches por media hora. Si el número de coches que llega a cada entrada son independientes, cuál es la probabilidad de que en una hora lleguen 3 coches al aparcamiento? Bernardo D Auria (UC3M - G.I. de Sistemas Audiovisuales) 16/03/2009 3 / 6

Un aparcamiento tiene 2 entradas. Los coches llegan a la entrada I según una Poisson con 3 coches por hora y a la entrada II con 2 coches por media hora. Si el número de coches que llega a cada entrada son independientes, cuál es la probabilidad de que en una hora lleguen 3 coches al aparcamiento? SOLUCIÓN: 7 3 3! e 3 = 0.05 Bernardo D Auria (UC3M - G.I. de Sistemas Audiovisuales) 16/03/2009 3 / 6

1/2 Un sistema está formado por 3 componentes conectados en serie. El sistema falla cuando falla uno de los componentes. Los componentes C 1 y C 2 tienen tiempo de vida T 1 y T 2 que se distribuyen como una exponencial de media 28000 horas. La distribución de probabilidad de la vida, T 3, del componente C 3 es N(3000, 200). Los tiempos de vida de los tres componentes son independientes. A C 1 C 2 C 3 B a) Calcular la probabilidad de que el componente C 1 dure más de 3000 horas. b) Calcular la probabilidad de que el componente C 1 dure más de 6000 horas, si ha durado ya 3000 horas. c) Calcular la probabilidad de que el sistema dure más de 3000 horas. Bernardo D Auria (UC3M - G.I. de Sistemas Audiovisuales) 16/03/2009 4 / 6

2/2 d) Para reforzar el componente C 3 se instala un componente gemelo en paralelo. Calcular la probabilidad de que el sistema dure más de 3000 horas. C 3 A C 1 C 2 B C 3 Bernardo D Auria (UC3M - G.I. de Sistemas Audiovisuales) 16/03/2009 5 / 6

2/2 d) Para reforzar el componente C 3 se instala un componente gemelo en paralelo. Calcular la probabilidad de que el sistema dure más de 3000 horas. C 3 A C 1 C 2 B C 3 SOLUCIÓN: a) Pr(T 1 > 3000) = e 3/28 = 0.898 b) Pr(T 1 > 6000 T > 3000) = e 3/28 = 0.898 c) Pr(T s > 3000) = 1 2 e 6/28 = 0.4036 d) Pr(T s > 3000) = 3 4 e 6/28 = 0.6053 Bernardo D Auria (UC3M - G.I. de Sistemas Audiovisuales) 16/03/2009 5 / 6

Ex. SEP 2007 Ing. Téc. Tel. (P2b). La duración en días de un tipo de sensores sigue un modelo Weibull con F(t) = 1 exp ` (t/α) 1/2 ; f(t) = 1/2 α 1/2 t 1/2 exp ` (t/α) 1/2, con α > 0. a) Se supone que se tiene una caja de 60 sensores sin usar cuya duracióon siguen el modelo Weibull con α = 1/4 que verifica que E[T] = 1/2 días y Var[T] = 5/4 días 2. Si se comienza con un sensor de dicha caja y se va reemplazando instantáneamente según se vaya fundiendo con un sensor de la misma caja, cuál es la probabilidad de que cuando haya fallado el último sensor de la caja hayan pasado menos de 47 días? Utilizar alguno de los siguientes valores de la función Q(x) = Pr(Z > x) con Z N(0, 1) x 1.64 1.64 1.96 1.96 47 47 Q(x) 0.05 0.95 0.025 0.975 0 1 b) Calcula la probabilidad del apartado anterior mediante simulación en MATLAB/Octave. Bernardo D Auria (UC3M - G.I. de Sistemas Audiovisuales) 16/03/2009 6 / 6