Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 91 vistas

    Ejemplos de Ejercicios para U2

    Cargado por

    Anonymous son4o6bP
    El documento describe el cálculo del factorial de un número natural y provee ejemplos. También introduce conceptos estadísticos como distribuciones binomiales, de Poisson, hipergeométrica y normal, incluyendo sus fórmulas y ejemplos ilustrativos.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd

    Ejemplos de Ejercicios para U2

    Cargado por

    Anonymous son4o6bP
    91 vistas27 páginas
    El documento describe el cálculo del factorial de un número natural y provee ejemplos. También introduce conceptos estadísticos como distribuciones binomiales, de Poisson, hipergeométrica y normal, incluyendo sus fórmulas y ejemplos ilustrativos.

    Descripción original:

    ok

    Título original

    Ejemplos de Ejercicios Para u2 (1)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    El documento describe el cálculo del factorial de un número natural y provee ejemplos. También introduce conceptos estadísticos como distribuciones binomiales, de Poisson, hipergeométrica y normal, incluyendo sus fórmulas y ejemplos ilustrativos.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    91 vistas27 páginas

    Ejemplos de Ejercicios para U2

    Cargado por

    Anonymous son4o6bP
    El documento describe el cálculo del factorial de un número natural y provee ejemplos. También introduce conceptos estadísticos como distribuciones binomiales, de Poisson, hipergeométrica y normal, incluyendo sus fórmulas y ejemplos ilustrativos.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Descargar como pptx, pdf o txt
    Está en la página 1de 27

    Carrera: Logística y Transporte

    Asignatura: Modelos de simulación

    Unidad 2 : Interpretación de modelos

    Docente: cDra. María Alejandra Hernández Zúñiga

    Tema: Factorial de un número natural


    FACTORIAL DE UN NÚMERO NATURAL
    En las distribuciones de probabilidad utilizaremos
    mucho el cálculo del factorial de un número
    natural, por lo cual comenzaremos conociendo la
    fórmula para obtenerlo.
    n!=n*(n-1)*(n-2)*(n-3)*...*3*2*1
    donde 0!=1
    Ejemplo: Calcular el factorial de n=5

    5! = 5 * (5-1) * (5-2) * (5-3) * (5-4)

    5! = 5*4*3*2*1=120
    Ejemplos

     Hallar el factorial de: n = 8


     8! = 8 * (8-1) * (8-2) * (8-3) * (8-4) * (8-5) * (8-6) * (8-7)
     8! = 8*7*6*5*4*3*2*1
     8! = 40,320

     Hallar el factorial de: n = 13


     13! = 13 * (13-1) * (13-2) * (13-3) * (13-4) * (13-5) * (13-6) *
    (13-7) * (13-8) * (13-9) * (13-10) * (13-11) * (13-12)
     13! = 13*12*11*10*9*8*7*6*5*4*3*2*1
     13! = 6,227,020,800
    == COMBINACIONES
    En las combinaciones interesa la presencia de los elementos en el grupo
    formado, en el que el contenido importa pero no el orden,

    Como en toda división hay elementos


    Fórmula: arriba que dividen a los de abajo, como
    Para hallar el valor de las siguientes 4/4 = 1 se procede a quitarlos:
    combinaciones, procederemos a
    realizar el factorial de dos números y
    de acuerdo a nuestra fórmula nos
    queda así: Con lo cual simplificamos y nos queda
    n=8 y r=4 de la siguiente manera para hacer
    nuestra división:
    Continuamos ya hicimos la resta
    que había en los paréntesis:

    Resultado: n = 8 y r = 4 = 70
    Distribución Binomial
    La distribución binomial es una distribución de probabilidad discreta y mide el
    número de éxitos en una secuencia de n ensayos idénticos e independientes de
    Bernoulli con una probabilidad fija p de ocurrencia del éxito entre los ensayos.

    Un experimento de Bernoulli se caracteriza por ser dicotómico, es decir, que sólo


    es posible que se obtengan dos resultados, por lo tanto, a uno de esos resultados
    se le denomina éxito y tendrá una probabilidad de ocurrencia “p” y al otro
    resultado se le denomina fracaso y tendrá una probabilidad “q”, dónde q = 1 – p

    La fórmula para la Distribución binomial es la siguiente:

    Donde : “n” es el número de pruebas que se realizarán “k” es el número de


    éxitos, en la prueba “p” es la probabilidad de que se tenga éxito y “q” es la
    probabilidad de que se tenga fracaso
    Ejemplo 1
    Un agente de seguros vende pólizas a cuatro personas de la misma edad y
    que disfrutan de buena salud. Según las tablas actuales, la probabilidad de
    que una persona en estas condiciones viva 29 años o más es 1/3. Hállese la
    probabilidad de que transcurridos 29 años, vivan:

    a) Las cuatro personas


    b) Al menos dos personas

    Solución:
    La probabilidad de que una persona en esas condiciones viva 29 años o más,
    la consideraremos como éxito, es decir, p = 1/3 y la probabilidad de que viva
    menos tiempo, será la probabilidad de fracaso, es decir, q = 2/3

    Los datos que tenemos son:


    n=5
    P = 1/3=0.33
    q = 2/3=0.66
    Ejemplo 1 continuación (b)
    a) Se desea calcular la probabilidad de que transcurridos 30 años,
    las 4 personas vivan.
    Son las 4 personas de las pólizas
    Los datos que tenemos son:
    n=5
    P = 1/3=0.33
    q = 2/3=0.66

    Es la probabilidad de que las 4


    personas vivan los 29 años
    Éxito y fracaso

    Cuatro entre 4 =1

    como 2/3 a la potencia 0 es cero se va P = (X ≥ 4) = 0.012345


    La probabilidad de que las 4 personas vivan29 años es 0.012345

    b) La probabilidad de que al menos 2 personas vivan transcurridos 29 años quiere


    decir que mínimo 2 personas (X≥3) vivan hasta esa fecha por lo cual debemos
    realizar una suma de probabilidades de la siguiente manera:

    P = (X ≥ 2) = P = (X = 2) + P = (X = 3) + P = (X = 4)

    Primero realizamos P = (x =2)

    Vamos simplificando cada paréntesis hasta llegar a su solución final


    Ejemplo 2 continuación (c)
    P = (X ≥ 3)

    b) La probabilidad de que al menos 2 personas vivan transcurridos


    29 años es de = ?

    P = (X ≥ 4) = 0.012345 P = (X ≥ 2) = P = (X = 2) + P = (X = 3) + P = (X = 4)
    P = (x =2) = 0.24691
    P = (X ≥ 3) = 0.098756

    P = (x =2) = 0.24691 + 0.012345 + 0.098756 = 0.358011

    b) La probabilidad de que al menos 2 personas vivan transcurridos 29 años


    es de = 0.358011
    LA DISTRIBUCIÓN DE POISSON
    La distribución de Poisson es discreta ya que los valores que puede tomar
    la variable aleatoria son números naturales.

    La fórmula de la distribución de Poisson es la siguiente:

    X representa el número de eventos que ocurren en un tiempo (o espacio) para el cual


    esperamos una ocurrencia promedio . Se considerará que la ocurrencia de los eventos
    son independientes. En el caso de que (X=k), quiere decir que el evento ocurre k veces.

    µ representa la media o promedio de éxitos por unidad de tiempo, área o producto, se


    debe tener cuidado con lo dicho anteriormente ya que esa distribución del número de
    éxitos que ocurren por unidad de tiempo, área o producto es totalmente al azar y que
    cada intervalo de tiempo es independiente de otro intervalo dado, así como cada área
    es independiente de otra área dad y cada producto es independiente de otro producto
    dado.
    EJEMPLO 1
    En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican
    0.2 imperfecciones en promedio por minuto.

    Determine las probabilidades de identificar:


    a) una imperfección en 3 minutos
    b) b) al menos dos imperfecciones en 5 minutos
    c) c) cuando más una imperfección en 15 minutos.

    a) K = 1 imperfecciones en 3 minutos
    Solución: Sí se identifican 0.2 imperfecciones en promedio en un minuto:
    0.2 imperfecciones → 1 minuto
    µ imperfecciones → 3 minutos

    Multiplicamos los 3 minutos por 0.2 imperfecciones y el resultado lo


    dividimos entre 1 minuto con lo cual tenemos = 0.6 imperfecciones por
    minutos.
    X = 1 imperfecciones en 3 minutos
    µ = 0.6 imperfecciones por minutos.
    e = e-0.6

    Primero buscamos
    en nuestra calculadora “e”
    y le ponemos
    e -0.6

    Nuestro resultado es = 0.329


    Ejemplo 1 continuación b
    b) Sí se identifican 0.2 imperfecciones en promedio en un minuto:

    0.2 imperfecciones → 1 minuto


    µ imperfecciones → 5 minutos
    Realizamos la multiplicación y división:

    Como hablamos de al menos dos imperfecciones en 5 minutos tendremos los


    casos en que se suma:
    Ejemplo 1 continuación c
    c) cuando más una imperfección en 15 minutos.

    0.2 imperfecciones → 1 minuto


    µ imperfecciones → 15 minutos

    Se requiere la probabilidad para cuando más una imperfección en 15 minutos:


    Datos
    X = 0.1
    µ = 3 imperfecciones en 15 minutos
    P(X = 0,1, µ = 3) = P(X = 0, µ = 3) + P(X = 1, µ = 3)
    DISTRIBUCIÓN HIPERGEOMÉTRICA
    La distribución hipergeométrica es una distribución discreta relacionada con
    muestreos aleatorios y sin reemplazo. Está muy relacionada con la binomial sólo que
    en la distribución hipergeométrica los experimentos no son independientes y por tanto
    la probabilidad de éxito cambia de un experimento a otro.

    La fórmula para calcular la probabilidad hipergeométrica es la siguiente:

    Donde:

    N es el tamaño de la muestran es el número de experimentos

    n es el número de experimentos

    M es el número de éxitos en el espacio muestral

    k es el número de éxitos en la muestra


    EJEMPLO 1
    En una oficina donde se ensamblan computadoras, en una mesa hay 20 chips de
    los cuales 6 están defectuosos. Primero llega el Sr. Bill Gates y recoge 8 chips y
    más tarde llega el Sr. Steve Jobs y se lleva los restantes. Hallar la probabilidad
    que solamente uno de ellos se haya llevado todos los chips defectuosos.

    N = 20 chips
    M = 6 chips defectuosos
    N = 8 chips que se lleva Gates
    K = cantidad de chips defectuosos que se lleve Gates

    En este problema tendremos dos casos:

    k=0 será cuanto Gates se lleve los 8 chips sin defecto y Jobs
    se lleve los 6 chips defectuosos.
    k=6 será cuando Gates se lleve 6 chips defectuosos de los 8
    que lleva y Jobs se lleve el resto sin defecto.
     Ejemplo 1 continuación a)
    Recordemos nuestros datos y los acomodamos en la fórmula
    N = 20 chips
    M = 6 chips defectuosos
    n = 8 chips que se lleva Gates
    K = 0 cantidad de chips defectuosos que
    se lleve Gates

    De acuerdo a lo aprendido anteriormente en la factorización empezamos el


    desarrollo de la siguiente manera:

    Empezamos realizando las restas para que nos queden los paréntesis despejados
    Realizamos las divisiones recuerden que 6 /6 = 1 y 1 / 1 = 1
    dejamos los restantes números y los multiplicamos:

    k= 0 será cuanto Gates se lleve los 8 chips sin defecto y Jobs se lleve los
    6 chips defectuosos es de = 0.0238
    k=6 será cuando Gates se lleve 6 chips
    defectuosos de los 8 que lleva y Jobs se lleve
    el resto sin defecto.

    Por lo tanto la probabilidad de que solamente uno de ellos se haya llevado todos los
    chips defectuosos realizamos la suma del resultado anterior con el segundo y es de:

    P = 0.0238 + 0.00072 = 0.0245


    Variables aleatorias continuas
    Distribución normal

    A la distribución normal se le conoce también con el nombre de distribución


    gaussiana. Se dice que una variable aleatoria continua tiene una distribución
    en forma de campana.

    Su función de densidad es: Para poder utilizar la tabla tenemos que


    transformar la variable x que sigue una distribución N(µ,σ) en otra variable Z
    que siga una distribución N(0,1)
    Esta tabla la encontraran en Internet se necesita para la siguiente actividad:

    Para buscar los valores de Z en la tabla de distribución normal por ejemplo : 1.67
    entonces debes en la columna de ”Z” buscar 1.6 y después el centésimo que sería
    0,07 dando como resultado 0.9525
    Ejemplo1
    La media de los pesos de 500 estudiantes de la UnADM es 70 kg y la desviación
    típica 3 kg. Suponiendo que los pesos se distribuyen normalmente, determinar
    cuántos estudiantes pesan:
    a) Entre 60 kg y 75 kg;
    b) b) Más de 90 kg;
    c) c) Menos de 64 kg;
    d) d) 64 kg;
    e) e) 64 kg o menos

    Solución:

    Tenemos que ; µ = 70 kg y σ = 3 kg, nuestro espacio muestral es n =


    500
    a) X1 = 60 kg y X2 = 75 kg, así que tendremos P(X1 ≤ X ≤ X2) =

    p(Z ≤ 1.67) – (1 - p(Z ≤ 3.33) = 0.9525 – (1- 0.9996) = 0.921 * 500 = ?


    b) Más de 90 kg

    c) Menos de 64 kg

    e) 64 kg o menos

    P(X ≤ 64) = P(Z ≤ -2) = 0.0228 * 500


    =?
    Carrera: Logística y Transporte

    Asignatura: Modelos de simulación

    Unidad 2 : Interpretación de modelos

    Docente: cDra. María Alejandra Hernández Zúñiga

    Tema: Actividad 3. Aplicabilidad de modelos físicos


    matemáticos
    En un camión se transporta alimentos perecederos, los alimentos que se
    depositan en el camión se encuentran a una temperatura de 18° C en el
    tiempo t=0. La temperatura en el camión se mantiene a 4.4° C. Después de
    3 minutos, la temperatura de los alimentos ha disminuido a 16.2° C.
    Datos Usando T (0)
    T (0) = 18°C T(0) = 18°C + ek(0) B
    T = 4.4°C 4.4°C = 18°C + e0B
    T(3) = 16.2°C B = 18°C – 4.4° C
    B = 13.6°C

    Para obtener la constante de proporcionalidad “ k” tenemos que:

    T (3) = 4.4°C + e k(3)


    Despejando el valor de “k”
    (13.6°C)
    K = (1/3) * in (-11.8 /
    16.2°C = 4.4°C + ek3 13.6)
    (13.6°C)
    =0.3333 * 0.6795
    ek3=4.4°C - 16.2 °C /
    13.6°C k = - 0.1420
    ek3= -11.8°C / 13.6°C
    Para saber la temperatura de los alimentos después de 5 minutos:
    T(5) = 4.4°+ e (-0.14197) (5) (13.6)

    Se multiplica -0.14197 x 5 = 0.7098

    Despues sacamos en nuestra calculadora

    e-0.7098 = 0.4917 x 13.6

    4.4 + 6.68 = 11.08 minutos

    ¿Cuánto tiempo pasará para que los alimentos se encuentren a una temperatura
    de 10°C?

    10°C = 4.4 + (e (-0.1420)(t) (-16.7) -0.1420 = 0.8873

    e(-0.1420)(t) = 4.4°C – 10°C / -13.6 despejamos pasa dividiendo

    e(-0.1420)(t) = -5.6°C / -13.6 =0.8873 / 0.1420

    e(-0.1420)(t) = In -5.6°C / -13.6 10°C = 6.25 minutos


    Evidencia de Aprendizaje. Elaboración de un modelo matemático
    1. Usted es un alumno de la carrera de Ingeniería en Logística y Transporte y le
    gustaría dedicar más tiempo a sus estudios, pero en el transcurso del día realiza
    diversas actividades que le gustan.

    En la siguiente tabla se muestra el nivel de satisfacción que siente ante cada


    actividad.
    Actividad Tiempo Restriccione Unidades de
    Identificar y plantear las s satisfacción
    1 Ver una película 120 minutos 1 1
    variables y restricciones del 2 Dar un paseo en 15 minutos 2 5
    modelo: el parque
    3 Estudiar 60 minutos 2 4
    4 Hacer deporte 60 minutos 1 6
    DEFINIR 5 Leer un libro 60 minutos 2
    Variables: 6 dormir 300 minutos 7 a 10 3
    1 día 24 horas 1440 minutos
    X1 = 1 (Ver una película)
    X2 = 5 (Dar un paseo en el parque) Restricciones
    X3 = ¿?
    X1 + ¿? ≤ 4
    X4 = ¿?
    X5 = ¿? X6 7 ≤ 10 sigue sacando tus
    X6 = ¿? restricciones de acuerdo al cuadro.
    Zmaz = X1 + X2 + ….. X6 ≤ ¿? minutos Maximizar Zmaz = X1 + X2 ≤ ? unidades de
    la satisfacción diaria satisfacción.

    También podría gustarte