Location via proxy:   [ UP ]  
[Report a bug]   [Manage cookies]                
Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • 234 vistas

    Aplicaciones de La Distribución Normal 05

    Cargado por

    Jhon Jairo Rivera Ramirez
    Este documento presenta varios ejemplos de cómo se puede aplicar la distribución normal para resolver problemas estadísticos en diversos campos como la producción de refrescos, medición de estaturas humanas, fuerzas en columnas de edificios y tamaños de gotas en aplicaciones de pesticidas. En todos los casos se proporcionan los parámetros de la distribución normal como la media, desviación típica y se calculan probabilidades utilizando tablas de la distribución normal estándar.

    Copyright:

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

    Aplicaciones de La Distribución Normal 05

    Cargado por

    Jhon Jairo Rivera Ramirez
    234 vistas3 páginas
    Este documento presenta varios ejemplos de cómo se puede aplicar la distribución normal para resolver problemas estadísticos en diversos campos como la producción de refrescos, medición de estaturas humanas, fuerzas en columnas de edificios y tamaños de gotas en aplicaciones de pesticidas. En todos los casos se proporcionan los parámetros de la distribución normal como la media, desviación típica y se calculan probabilidades utilizando tablas de la distribución normal estándar.

    Título original

    Aplicaciones de la distribución normal 05 (2) (1)

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    DOCX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Este documento presenta varios ejemplos de cómo se puede aplicar la distribución normal para resolver problemas estadísticos en diversos campos como la producción de refrescos, medición de estaturas humanas, fuerzas en columnas de edificios y tamaños de gotas en aplicaciones de pesticidas. En todos los casos se proporcionan los parámetros de la distribución normal como la media, desviación típica y se calculan probabilidades utilizando tablas de la distribución normal estándar.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    234 vistas3 páginas

    Aplicaciones de La Distribución Normal 05

    Cargado por

    Jhon Jairo Rivera Ramirez
    Este documento presenta varios ejemplos de cómo se puede aplicar la distribución normal para resolver problemas estadísticos en diversos campos como la producción de refrescos, medición de estaturas humanas, fuerzas en columnas de edificios y tamaños de gotas en aplicaciones de pesticidas. En todos los casos se proporcionan los parámetros de la distribución normal como la media, desviación típica y se calculan probabilidades utilizando tablas de la distribución normal estándar.

    Copyright:

    © All Rights Reserved
    Descargue como DOCX, PDF, TXT o lea en línea desde Scribd
    Descargar como docx, pdf o txt
    Está en la página 1de 3

    Aplicaciones de la distribución normal

    1. La fábrica de refrescos Tan envasa su producto en frascos cuyo peso neto tiene
    distribución normal, con desviación típica de 6,3 gramos. Si el 8% de los frascos
    tiene un peso mayor de 142 gramos. ¿Cuál es el peso medio de ellos?
    σ =6,3 x = 142 p = (x > 142) = 8% = 0,08
    A = 0,5 – 0,08 = 0,42 z = 1,41
    x−u
    z= u=x−zσ
    σ
    u=142−( 1,41 )( 6,3 )
    u = 133,12

    2. Si la estatura promedio de un grupo de 1000 personas fueron de 160 centímetros y


    la varianza de 100; además se sabe que se distribuyeron normalmente, ¿Cuántas
    personas miden:
    n = 1000 u = 160 σ 2 = 100 T = 10
    a) entre 140 y 165 centímetros
    X1 = 140 X2 = 165
    140−160
    Z1 = = -2 A1 = 0,4773
    10
    P1 = 0,4773 = 47,73%
    165−160
    Z2 = = 0.5 A2 = 0,1915
    10
    P2 = 0,1915 = 19,15%
    Pr = P1 + P2 Pr = 47,73% + 19,15% = 66,88%

    b) entre 170 y 180 centímetros


    X1 = 170 X2 = 180
    170−160
    Z1 = =1 A1 = 0,34,13
    10
    P1 = 0,3413 = 34,13%
    180−160
    Z2 = =2 A2 = 0,4773
    10
    P2 = 0,4773 = 47,73%
    Pr = P1 - P2 Pr = 34,13% - 47,73% = 13,6%

    c) 185 y mas
    X = 185
    185−160
    Z= = 2,5 A1 = 0,4958
    10
    P (x ≥ 185) = 0,5 – 0,4958 = 0,0062 = 0,62%

    d) 130 y menos?
    X = 130
    130−160
    Z= = -3 A1 = 0,4987
    10
    P (x ≥ 130) = 0,5 – 0,4987 = 0,0013 = 0,13%

    3. Suponga que la fuerza que actúa en una columna que ayuda a soportar un edificio
    esta normalmente distribuida con media de 15.0 kips y desviación estándar de 1.25
    kips. ¿Cuál es la probabilidad de que la fuerza
    a) sea de más de 18 kips?
    18−15
    (
    P(x ≤ 18) = P ¿ ≤
    1.25 ) = P(Z ≤ 2.4) = ϕ ( 2.4 )=0.9452

    b) entre 10 y 12 kips?
    P(10 ≤ x ≤ 12) = P(-4.00 ≤ Z ≤ -2.40) ≈ P(Z ≤ .2.40) = ϕ(-2.40) = 0.0082

    c) difiera de 15.0 kips en cuanto mucho 1.5 desviaciones estándar?


    P|x -10| ≤ 2(1.25)) = P (-2.50 ≤ x -15 ≤ 2.50) = P (12.5 ≤ x ≤ 17.5)
    P (-2.00 ≤ Z ≤ 2.00) = 0.9544

    4. La deriva de las atomizaciones de pesticidas es una preocupación constante de los


    fumigadores y productores agrícolas. La relación inversa entre el tamaño de gota y
    el potencial de deriva es bien conocida. El artículo “Effects of 2.4 D Formulation
    and Quinclorac on Spray Droplet Size and Deposition” (Weed Technology, 2005:
    1030-1036) investigo los efectos de formulaciones de herbicidas en atomizaciones.
    Una figura en el artículo sugirió que la distribución normal con media de 1050 µm y
    desviación estándar de 150 µm fue un modelo razonable de tamaño de gotas de
    agua (el “tratamiento de control”) pulverizada a través de una boquilla de 760
    ml/min.
    a) ¿Cuál es la probabilidad de que el tamaño de una sola gota sea de menos de
    1500 µm? ¿Por lo menos de 1000 µm?
    P (Z ≤ 1500µ)
    Z = (X -µ) / σ = (1500 – 1050) /150 = 3
    P(Z) = 0.9987

    P(Z ≤ 1000µ)
    Z = (X -µ) / σ = (1000 – 1050) /150 = -0.333
    P(Z) = 0.3707

    b) ¿Cuál es la probabilidad de que el tamaño de una sola gota este entre 1000 y
    1500 µm?
    P (1000 < Z < 1500) = P (Z) = 0.9987 – 0.3707 = 0.628
    c) ¿Cómo caracterizaría el 2% más pequeño de todas las gotas?
    2˚ = 0.0200 Z = -2.05
    Z = (X -µ) / σ X = (Z * σ) + µ = (-2.05 * 150) + 1050 = 742.5µ

    d) Si se miden los tamaños de cinco gotas independientemente seleccionadas,


    ¿Cuál es la probabilidad de que por lo menos una exceda de 1500 µm?
    P (Z ≥ 1500µ)
    Z = (X -µ) / σ = (1500 – 1050) /150 = 3
    P(Z) = 1 - 0.9987 = 0.0013
    P (1 de 5 gotas ≥ 1500) = 0.00135 = 3.7129x10-15

    También podría gustarte