Objetivos del curso: Comprender los conceptos básicos de probabilidad, analizar diferentes tipos de distribuciones, y aplicar estos conceptos en problemas de ingeniería.
Prerequisites: Conocimientos básicos de álgebra y estadística descriptiva, familiaridad con funciones y gráficas.
I. Introducción a la probabilidad
La probabilidad es una rama de las matemáticas que estudia los fenómenos aleatorios. Un espacio muestral es el conjunto de todos los posibles resultados de un experimento aleatorio.
Espacio muestral (Ω): Conjunto de todos los resultados posibles de un experimento aleatorio.
Por ejemplo, al lanzar un dado, el espacio muestral es Ω = {1, 2, 3, 4, 5, 6}. Un evento es un subconjunto del espacio muestral.
Ejemplo: Si definimos el evento A como "sacar un número par", entonces A = {2, 4, 6}. La probabilidad de A se calcula como el número de resultados favorables sobre el total de resultados posibles.
Key point: La probabilidad de un evento A se denota P(A) y se calcula como P(A) = |A| / |Ω| para eventos equiprobables.
II. Variables aleatorias y sus distribuciones
Una variable aleatoria es una función que asigna un valor numérico a cada resultado de un experimento aleatorio.
Variable aleatoria (X): Función que asociado cada resultado del espacio muestral a un número real.
Existen dos tipos principales: variables discretas (toman valores finitos o contables) y continuas (toman valores en un intervalo).
Ejemplo: Sea X el número de defectos en un lote de 10 productos. X es una variable discreta que puede tomar valores 0, 1, ..., 10.
Key point: La función de densidad (para variables discretas) o de probabilidad (para variables continuas) describe cómo se distribuyen los valores de una variable aleatoria.
III. Distribuciones discretas
Las distribuciones discretas son Those donde la variable aleatoria toma valores finitos o contables.
Distribución binomial: Modela el número de éxitos en n ensayos independientes con probabilidad de éxito p.
La función de probabilidad es P(X=k) = C(n,k) p^k (1-p)^(n-k), donde C(n,k) es el coeficiente binomial.
Ejemplo: En un proceso de fabricación, la probabilidad de que un producto sea defectuoso es p=0.1. Si se fabrican n=5 productos, la probabilidad de que exactamente 2 sean defectuosos es P(X=2) = C(5,2) (0.1)^2 (0.9)^3 ≈ 0.0729.
¡Cuidado! No confundir la distribución binomial con la de Poisson, que es adecuada para eventos raros.
Key point: La distribución binomial es simétrica si p=0.5, de lo contrario es asimétrica.
IV. Distribuciones continuas
En las distribuciones continuas, la variable aleatoria puede tomar cualquier valor en un intervalo.
Distribución normal (Gaussiana): Una de las distribuciones más importantes, definida por su media μ y desviación estándar σ. Su función de densidad es simétrica y en forma de campana.
Ejemplo: El tiempo de vida de una bombilla puede modelarse con una distribución normal con media μ=1000 horas y σ=100 horas.
Key point: Aproximadamente el 68% de los datos en una distribución normal están dentro de μ ± σ.
V. Aplicaciones en ingeniería
Estos conceptos son fundamentales en control de calidad, análisis de fallos y diseño de experimentos.
Ejemplo: En control de calidad, se usa la distribución normal para establecer límites de tolerancia. Si un proceso tiene media μ=10 y σ=0.5, los límites pueden ser μ ± 3σ, es decir, entre 8.5 y 11.5.
Key point: La probabilidad de que un producto caiga fuera de los límites de tolerancia se calcula usando la función de distribución acumulativa.
VI. Récapitulativo
En este curso, hemos cubierto:
- Conceptos básicos de probabilidad: espacio muestral, eventos, probabilidad.
- Variables aleatorias y sus distribuciones: discretas y continuas.
- Distribuciones binomial y normal con ejemplos prácticos.
- Aplicaciones en ingeniería, como control de calidad.
Exercices d'application
1. Si lanzas una moneda 10 veces, ¿cuál es la probabilidad de sacar exactamente 6 caras? Usa la distribución binomial con p=0.5.
2. El tiempo de espera en una cola puede modelarse con una distribución exponencial con λ=2 por hora. Calcula P(X ≤ 1).
3. En un lote de 20 productos, la probabilidad de defecto es p=0.05. Calcula la probabilidad de tener como máximo 1 defecto usando la aproximación de Poisson.
Free resources. Explore more courses, quizzes, exercises and revision sheets — Browse all content for your country.