Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Apunte 4 - Segunda Parte PDF
Apunte 4 - Segunda Parte PDF
4.
VARIABLES
ALEATORIAS
UNI DI MENSI ONALES
CONTENIDO
4.3 ALGUNAS DISTRIBUCIONES IMPORTANTES DE PROBABILIDAD... 75
4.3.1 DISTRIBUCION BINOMIAL................................................. 75
4.3.2 DISTRIBUCION HIPERGEOMETRICA............................. 81
4.3.3 DISTRIBUCION DE POISSON............................................... 83
4.3.4 DISTRIBUCIN UNIFORME................................................ 88
4.3.5 DISTRIBUCIN NORMAL.................................................... 90
4.3.6 DISTRIBUCIN EPONENCIAL......................................... 98
4.3.7. E!ERCICIOS RESUELTOS................................................. 101
4.4 FUNCION DE "ARIABLE ALEATORIA................................................... 104
4.5 E!ERCICIOS PROPUESTOS....................................................................... 106
G.Carnevali-E.Franchelli-G.Gervasoni
VARIABLES ALEATORIAS UNIDIMENSIONALES
SEGUNDA PARTE
4.3 ALGUNAS DISTRIBUCIONES IMPORTANTES DE PROBABILIDAD
Seguidamente se presentan las distribuciones de probabilidad de tres variables
aleatorias discretas:
4.3.1 DISTRIBUCION BINOMIAL
Se han estudiado numerosas distribuciones de probabilidad ue !modeli"an# caracter$sticas
asociadas a %en&menos ue se presentan %recuentemente en la realidad'
Una distribuci&n de probabilidad de (ariable aleatoria discreta ue se usa %recuentemente es
la distribucin binomi!.
A partir de una e)periencia en la ue ocurre uno de dos resultados posibles* A o
A
+llamada
e)periencia de Bernoulli, - ante n repeticiones independientes de la misma. se de%ine la
(ariable binomial / * n0 de (eces ue ocurre el resultado A en las n repeticiones'
HIPOTESIS DE LA DISTRIBUCION BINOMIAL
1.- E)isten n repeticiones id1nticas ue conducen a uno de dos resultados* 1)ito o
%racaso +A -
A
,'
2.- La probabilidad de cada resultado permanece constante de repetici&n en repetici&n'
La probabilidad de uno de estos resultados. llamado 1)ito. se desi2na por " +"3
4+A,,'
5'6 Las repeticiones son independientes'
Un e7emplo de un e)perimento binomial es el de lan"ar una moneda al aire (arias (eces'
S&lo ha- dos resultados posibles en cada tirada +o repetici&n de la e)periencia, de la
moneda* cara o cru"' La probabilidad de obtener cara o cru" se mantiene constante de
tirada en tirada +8.9 para cada una, - las tiradas son independientes entre s$'
E7emplo
Supon2a ue 8.: es la probabilidad de ue una persona. ue se conecta a un sitio
espec$%ico en un centro comercial en la red ;;;. compre un art$culo' Si el sitio tiene en
un momento determinado tres personas ue se han conectado. <cu=l es la probabilidad
de ue e)actamente dos personas compren un art$culo>'
Este es un e7emplo ue se puede modali"ar por binomial. -a ue*
s&lo ha- dos resultados posibles ante cada cone)i&n a la red de una persona* compra
+ ?, o no compra + C ,'
La probabilidad de comprar o no comprar se mantiene estable. con una probabilidad
hist&rica de ocurrencia de 8.: - 8.@ respecti(amente'
Las cone)iones se consideran independientes entre s$'
G.Carnevali-E.Franchelli-G.Gervasoni
75
VARIABLES ALEATORIAS UNIDIMENSIONALES
Un m1todo 2r=%ico Atil para (isuali"ar esta situaci&n es el di#rm d$ %rbo! ue aparece
en la si2uiente %i2ura*
FIGURA 4.2
?ada rama en la %i2ura B': representa la cone)i&n de una persona +recuerde ue se
consideran tres,' La re2la de la multiplicaci&n se usa para calcular la probabilidad de cada
manera independiente en la ue pueden ocurrir dos compras' Obser(e ue cada manera
tiene la misma probabilidad +8.85:,' La re2la de la suma se usa despu1s para calcular la
probabilidad %inal de ue dos personas de tres ue se conectaron al sitio realicen una
compra +8.8CD,'
As$ la probabilidad %inal es*
5 ' +8.: ' 8.: ' 8.@, 3 8.8CD
La primera parte de este c=lculo indica el nAmero de maneras + 5 , en las ue puede ocurrir
el resultado deseado + dos personas compran un art$culo, '
El se2undo c=lculo + 8.: ' 8.: ' 8.@ , indica la probabilidad de lo2rar este resultado usando
una de las tra-ectorias posibles en el dia2rama'
El resultado %inal +8.8CD, es la probabilidad de ue al conectarse tres personas al sitio. dos
compren un art$culo'
Este c=lculo reuiere la %&rmula binomial*
En 2eneral. siendo / * n0 de (eces ue ocurre el resultado A en las n repeticiones'
( ) ( )
x n x
p p x X P
x
n
,
_
1
G.Carnevali-E.Franchelli-G.Gervasoni
76
C 0,2
C 0,2
C 0,2
C 0,2
C 0,2
C 0,2
C 0,2
8 , 0 C
8 ,0 C
8 ,0 C
8 ,0 C
8 , 0 C
8 ,0 C
8 ,0 C
0,032
0,032
0,032
8 , 0 C
8 , 0 C
VARIABLES ALEATORIAS UNIDIMENSIONALES
Distribucin de probabilidad de una variable discreta X binomial
donde 4 + / 3 ) , 3 probabilidad de & 1)itos en n repeticiones
n 3 nAmero de repeticiones
,
_
x
n
3 nAmero de maneras de obtener e)actamente & 1)itos en n repetic'
p 3 probabilidad de 1)ito en cualuier repetici&n
+ E 6 p , 3 probabilidad de %racaso en cualuier repetici&n
4ara lle2ar a la %&rmula binomial planteada se considera la (ariable /* n0 de 1)itos en n
repeticiones de una e)periencia + , - el resultado / 3 F' Tal resultado aparecer$a. por
e7emplo. si A ocurre en las primeras F repeticiones de . mientras ue en las Altimas n6F
repeticiones resultase
A
. es decir*
k n K
A A A A A A A A
k
n
-a ue ha-
,
_
k
n
ordenamientos distintos de los k A - de los +n-k,
A
. siendo resultados mutuamente
e)clu-entes' 4or lo tanto*
( ) ( )
k n
p p
k
k X P
k
n
,
_
1
En el e7emplo de la cone)i&n en la red al sitio de un centro comercial. la probabilidad
buscada se podr$a haber calculado de la si2uiente %orma *
Se de%ine la (ariable /* nAmero de personas ue compran entre tres ue se conectan'
/ Bi + 5 G 8.: ,
lo ue se lee *
la (ariable aleatoria / se distribu-e + , se2An una distribuci&n binomial + Bi , de par=metros
5 + n , - 8.: + p , '
G.Carnevali-E.Franchelli-G.Gervasoni
77
VARIABLES ALEATORIAS UNIDIMENSIONALES
Entonces*
( ) ( ) 096 , 0 2 , 0 1 2 , 0 2 X
2 3 2
2
3
P
,
_
PARAMETROS ESTADISTICOS
Se demuestra ue*
( ) ( ) p n p p k X E
k n k
n
k
k
n
,
_
1
0
( ) ( ) ( ) [ ] ( ) p p n X E X E X V 1 . .
2 2
CALCULO DE PROBABILIDADES BINOMIALES
Se pueden calcular por tablas espec$%icas +(er ap1ndice :. tabla :'E,. con calculadoras.
con al2unas planillas de c=lculos o con so%t;ares estad$sticos'
E7emplo*
Una %irma comercial posee un 2ran nAmero de cuentas por cobrar - se conoce ue el
E8H de estas cuentas est=n (encidas' Si se esco2en aleatoriamente 9 cuentas. calcule la
probabilidad de ue*
a , e)actamente dos cuentas est1n (encidas
b , a lo sumo dos cuentas est1n (encidas
c , por lo menos una cuenta est1 (encida
d , por lo menos una cuenta no est1 (encida
e , entre : - B cuentas est1n (encidas
4or tabla
De la tabla de probabilidades acumuladas se puede obtener la probabilidad puntual por
di%erencia de probabilidades acumuladas' As$*
/ * nAmero de cuentas (encidas en un total de 9
/ Bi + n . p , 3 Bi + 9 G 8.E8 ,
a) 4 + / 3 : , 3 4 + / : , 6 4 + / E , 3 I + : , 6 I + E , 3 8.CCE 6 8.CE@ 3 8.8J5
b) 4 + / : , 3 I + : , 3 8.CCE
) 4 + / E , 3 E 6 4 + / 3 8 , 3 E 6 I + 8 , 3 E 6 8.9CE 3 8.B8C
G.Carnevali-E.Franchelli-G.Gervasoni
78
VARIABLES ALEATORIAS UNIDIMENSIONALES
d, ?alcular la probabilidad de ue entre 9 cuentas ele2idas al a"ar. por lo menos una
cuenta no est1 (encida . es eui(alente a calcular la probabilidad de ue a lo sumo
cuatro est1n (encidas. en el e7emplo *
4 + / B , 3 E
!) 4 + : / B , 3 I + B , 6 I + E , 3 E 6 8.CE@ 3 8.8@:
Utili"ando E'CEL en Iunciones estad$sticas el c=lculo de las probabilidades binomiales se
presenta de la si2uiente %orma +se consideran los puntos b - a del e7emplo anterior,*
ASISTENTE PARA FUNCI"NES
D#$%. &#'()#a* +A,"R 0,99144
'-)!.( /0#%( 1 20) 2
!'$a3($ 1 20) 5
4.(b. /0#%( 1 20) 0.10
a5)5*a6( 1 20) +ERDADER"
ASISTENTE PARA FUNCI"NES
D#$%. &#'()#a* +A,"R 0,0729
'-)!.( /0#%( 1 20) 2
!'$a3($ 1 20) 5
4.(b. /0#%( 1 20) 0.10
a5)5*a6( 1 20) FA,S"
G.Carnevali-E.Franchelli-G.Gervasoni
79
P(b*a#7'
F#'#%a I'1#'#%a
85!$%.!( ('
.!4($##7'
85!$%.!( $#'
.!4($##7'
Ta)a9( 6! *a )5!$%.a
#'1!.#(. a* 10: 6!* %a)a9(
6! *a 4(b*a#7'
2 ';N < 0,1 )
VARIABLES ALEATORIAS UNIDIMENSIONALES
?omo se puede obser(ar. si se escribe (erdadero calcula la probabilidad acumulada. al
poner %also calcula la probabilidad puntual'
La distribuci&n binomial es (=lida si *
E#$%&'&'()
E'6 Se conoce ue el :8H de las cuentas de un Banco tienen saldos superiores a K:'888'
Supon2a ue se eli2en E8 cuentas al a"ar de las muchas cuentas ue tiene el Banco'
?alcule la probabilidad de ue*
a , dos cuentas ten2an saldos superiores a K:'888
b , a lo sumo dos cuentas ten2an saldos superiores a K:'888
c , por lo menos dos cuentas ten2an saldos superiores a K:'888
d , a lo sumo dos cuentas ten2an saldos in%eriores a K:'888
G.Carnevali-E.Franchelli-G.Gervasoni
80
VARIABLES ALEATORIAS UNIDIMENSIONALES
4.3.( DISTRIBUCION )I*ER+EOMETRICA
La distribuci&n binomial no se usa en situaciones en las ue la poblaci&n es %inita. el
muestreo se reali"a sin reposici&n - el tamaLo de la muestra es superior al E8H del tamaLo
de la poblaci&n' En estos casos la distribuci&n ue se aplica es la distribucin
,i"$r#$om-tric.
Sea /* n0 de 1)itos en n repeticiones'
/ Mip'+ N . r . n ,
( )
n N
x n r N x r
C
C C
x X P
,
, ,
donde*
N 3 tamaLo de la poblaci&n
n 3 tamaLo de la muestra
r 3 nAmero de 1)itos en la poblaci&n
) 3 nAmero de 1)itos en una muestra para los cuales se calcula la probabilidad
? 3 combinaciones
Nota* ?
N. n
es una %orma de indicar las combinaciones de N elementos de los cuales se
seleccionan n de los mismos'
E7emplo
En una reuni&n ha- ocho personas de las cuales B son miembros de un sindicato' Se
seleccionan al a"ar tres personas para %ormar un comit1' <?u=l es la probabilidad de ue
e)actamente una de ellas sea miembro de un sindicato>
?omo la poblaci&n es peueLa - la muestra debe hacerse sin reempla"o. no resulta
apropiada la distribuci&n binomial de all$ ue se usa la distribuci&n hiper2eom1trica con
los si2uientes par=metros*
N 3 @ . n 3 5 . r 3 B . ) 3 E G es decir / Mip' + @.B.5 ,
/ * n0 de personas miembros del sindicato en una muestra de 5'
- la probabilidad pedida ser=*
?
B.E
?
B.:
4 + / 3 E , 3 3 8.B:C
?
@.5
G.Carnevali-E.Franchelli-G.Gervasoni
81
VARIABLES ALEATORIAS UNIDIMENSIONALES
PARAMETROS ESTADISTICOS
Se demuestra ue*
E 2 X ) = ' . 4 siendo
N
.
4
1 - N
' - N
) 4 - 1 2 . 4 . ' ) X 2 +
CALCULO DE PROBABILIDADES HIPERGEOMETRICAS
Utili"ando E'CEL en Iunciones estad$sticas el c=lculo de las probabilidades
hiper2eom1tricas se presenta de la si2uiente %orma *
ASISTENTE PARA FUNCI"NES
D#$%. >#4!.?!()/%.#a +A,"R 0.42851429
'-)!.( /0#%( 1 20) 1
)5!$%.a 1 20) 3
4.(b. /0#%( 1 20) 4
4(b*a#7' 1 20) 8
E#$%&'&'()
E'6 La seccional A de un determinado sindicato tiene :9 miembros' Nuince est=n a %a(or de
la huel2a - E8 no' Se eli2en al a"ar D traba7adores' ?alcule la probabilidad de ue :
est1n a %a(or de la huel2a'
:'6<?u=l es la probabilidad de ue una auditor$a bancaria detecte solamente : cuentas
especiales con irre2ularidades. si se seleccionan al a"ar D de las E@ cuentas e)istentes. @
de las cuales tienen irre2ularidades >
G.Carnevali-E.Franchelli-G.Gervasoni
82
VARIABLES ALEATORIAS UNIDIMENSIONALES
4.3.3 DISTRIBUCION DE *OISSON
La distribuci&n de 4oisson se usa para modeli"ar situaciones en las ue ha- ocurrencias
aleatorias de sucesos por unidad de espacio o tiempo - en donde se desea conocer la
probabilidad de un nAmero espec$%ico de 1)itos'
Numerosos %en&menos discretos se representan mediante un proceso de 4oisson'
Se dice ue e)iste un 4roceso de 4oisson si al considerar un e)perimento en el ue se
obser(a la aparici&n de sucesos puntuales en un inter(alo cont$nuo +de tiempo. lon2itud.
=rea. etc',. en cualuier inter(alo su%icientemente peueLo del inter(alo continuo. se (eri%ica
ue*
E'6 La probabilidad de obser(ar e)actamente un 1)ito en el inter(alo es estable
:'6 La probabilidad de obser(ar e)actamente m=s de un 1)ito en el inter(alo dado. es 8
5'6 La ocurrencia de un 1)ito en cualuier inter(alo es estad$sticamente independiente de
auella en cualuier otro inter(alo'
Se de%ine / * nAmero de 1)itos en un inter(alo'
La %&rmula para la distribuci&n de 4oisson es*
( )
@ 0
!
0 X P
0
X P
(
2 )
Distribucin de probabilidad de una variable discreta X de Poisson
donde es el nAmero promedio de ocurrencias por unidad de tiempo o espacio'
) es el nAmero de ocurrencias cu-a probabilidad se desea conocer
e base de los lo2aritmos naturales
La %&rmula de la distribuci&n de 4oisson muestra ue la misma describe una (ariable
aleatoria discreta ue puede tomar cualuier (alor de una sucesi&n in%inita +) 3 8. E. :. OO
O,
PARAMETROS ESTADISTICOS
4uede demostrarse ue*
( ) A
@ B
A . !
B X E
0 B
B A
( ) ( ) ( ) [ ] A X E X E X +
2 2
G.Carnevali-E.Franchelli-G.Gervasoni
83
VARIABLES ALEATORIAS UNIDIMENSIONALES
ECE8P,"
4ara comprender me7or el proceso de 4oisson. sup&n2ase ue se anali"a la (ariable
nAmero de clientes ue lle2an a un banco entre las E: - E5 hs' ?ualuier lle2ada de un
cliente es un e(ento discreto en un punto particular sobre el inter(alo continuo de E hora'
Durante tal inter(alo de tiempo puede haber un promedio de E@8 lle2adas'
4ara responder cu=l es la probabilidad de ue en un minuto lle2uen e)actamente dos
clientes. es necesario conocer el nAmero promedio de clientes en un minuto' Si el nAmero
promedio de lle2adas en una hora es E@8. en un minuto ser= i2ual a 5 +E@8 * D8,. lue2o*
( ) 224 , 0
@ 2
3
2
3 2
e
X P siendo / 3 n0 de personas ue lle2an al banco en EP
Si hubi1ramos estado interesados en el n0 de personas ue lle2an al banco en un
inter(alo de BP. se debe considerar un promedio de lle2adas i2ual a B' 3 B ' 5 3 E:'
En 2eneral. se escribe*
/
t
* nAmero de 1)itos en un inter(alo t
/
t
4o +t ,
( )
( )
@ 0
! %
0 X P
% 0
%
En el e7emplo /
t
3 n0 de personas ue lle2an al banco en tP
/
t
4o +5t ,
/
B
4o +E: ,
CALCULO DE LAS PROBABILIDADES DE POISSON
Lo mismo ue lo (isto para la distribuci&n binomial. para calcular las probabilidades de
4oisson se dispone de tablas estad$sticas tabuladas para distintos (alores de +(er
ap1ndice :. tablas :': - :'5,. de so%t;ares estad$sticos - planillas de c=lculos'
E7emplo
Una compaL$a tele%&nica obser(a ue entran en promedio 5.: llamadas por minuto en
una l$nea determinada' Suponiendo ue el nAmero de llamadas se distribu-e se2An un
modelo de 4oisson. se puede plantear el c=lculo de las si2uientes probabilidades para
el inter(alo de un minuto*
a , probabilidad de ue entren e)actamente : llamadas
b , probabilidad de ue entren a lo sumo tres llamadas
G.Carnevali-E.Franchelli-G.Gervasoni
84
VARIABLES ALEATORIAS UNIDIMENSIONALES
c , probabilidad de ue entren por lo menos tres llamadas
d , probabilidad de ue entren entre : - J llamadas + incluidos estos (alores ,
a, Usando la tabla de probabilidades acumuladas +tabla :'5 del ap1ndice :,. la
probabilidad puntual se puede obtener por di%erencia de probabilidades acumuladas'
As$*
4 + / 3 : , 3 4 + / : , 6 4 + / E , 3 8.5@ 6 8.EJE 3 8.:8C
b, 4 + / 5 , 3 8.D85
c, 4 + / 5 , 3 E 6 4 + / : , 3 E 6 8.5@ 3 8.D:
d, 4 + : / J , 3 4 + / J , 6 4 + / E , 3 8.C@5 6 8.EJE 3 8.@E:
Utili"ando E'CEL en Iunciones estad$sticas el c=lculo de las probabilidades de 4oisson se
presenta de la si2uiente %orma*
ASISTENTE PARA FUNCI"NES
P"ISS"N +A,"R 0.379903741
0 1 20) 2
)!6#a 1 20) 3,2
a5)5*a6( 1 20) +ERDADER"
ASISTENTE PARA FUNCI"NES
P"ISS"N +A,"R 0,208702484
0 1 20) 2
)!6#a 1 20) 3,2
a5)5*a6( 1 20) FA,S"
?omo se puede obser(ar si se escribe (erdadero calcula la probabilidad acumulada. al
poner %also calcula la probabilidad puntual
G.Carnevali-E.Franchelli-G.Gervasoni
85
VARIABLES ALEATORIAS UNIDIMENSIONALES
E#$%&'&'()
E'6 A un muelle de car2a lle2an camiones en %orma aleatoria con un promedio de E por
hora' <cu=l es la probabilidad de ue en una hora no lle2ue nin2An cami&n al muelle>
:'6 Una casa de cr1ditos recibe en promedio :.: solicitudes de pr1stamos para
me7oramiento de la (i(ienda por semana' ?alcule la probabilidad de ue en una semana*
a, lle2uen tres solicitudes de cr1dito
b, lle2ue por lo menos una solicitud
c, lle2uen entre : - 9 solicitudes +incluidos estos (alores,
d, lle2uen a lo sumo tres solicitudes
5'6 La lle2ada de (eh$culos a un puesto de pea7e si2ue un proceso de 4oisson con promedio
B lle2adas por minuto' ?alcule la probabilidad de ue en dos minutos lle2uen por lo
menos tres (eh$culos al puesto de pea7e'
B'6 El nAmero de a(er$as semanales de una computadora es una (ariable aleatoria ue tiene
distribuci&n de 4oisson con promedio 3 8.B' <?u=l es la probabilidad de ue la
computadora traba7e sin a(er$as durante dos semanas consecuti(as>
APROIMACION DE POISSON A LA BINOMIAL
En problemas de distribuci&n binomial donde n es 2rande - la probabilidad de 1)ito p es
mu- peueLa +o mu- 2rande,. se puede demostrar ue la distribuci&n binomial se acerca
a una distribuci&n de 4oisson'
?omo re2la emp$rica. el uso de la distribuci&n de 4oisson es apropiado cuando n Q :8 -
np 9 o n'+E 6 p, 9' +En el ap1ndice : se muestra el 2r=%ico de apro)imaciones a la
binomial,'
Es decir. si / es una (ariable distribuida binomialmente con par=metro p +con base en n
repeticiones independientes del e)perimento,' Esto es*
( ) ( )
k n
p p
k
k X P
k
n
,
_
1
- n , np = +constante, . o eui(alente* cuando n . p 8 tal ue np G
ba7o estas condiciones se tiene *
( )
@ k
e
k X P lim
k
n
la distribuci&n de 4oisson con par=metro '
ECE8P,"
Un EH de los empleados de una %=brica se ausentan diariamente del traba7o' Si se
eli2en J8 empleados al a"ar. <cu=l es la probabilidad de ue s&lo E est1 ausente>
/ 3 n0 de empleados ausentes en un total de J8 / Bi +J8 G 8.8E,
4 + / 3 E , 3 8.59
G.Carnevali-E.Franchelli-G.Gervasoni
86
VARIABLES ALEATORIAS UNIDIMENSIONALES
?omo n es 2rande - p chico se puede utili"ar la apro)imaci&n de 4oisson de la
si2uiente %orma*
3 np 3 J8 ' 8.8E 3 8.J
- usando la tabla de 4oisson. la probabilidad pedida es 8.5BJ
G.Carnevali-E.Franchelli-G.Gervasoni
87
VARIABLES ALEATORIAS UNIDIMENSIONALES
A continuacin se vern algunas de las distribuciones de variable aleatoria
continua de mayor aplicacin:
4.3.4 DISTRIBUCI.N UNI/ORME
La distribucin uni0orm$ describe una (ariable aleatoria ue tiene i2ual probabilidad de
ocurrir en subinter(alos de i2ual tamaLo. dentro del campo de de%inici&n de la misma'
La si2uiente %i2ura muestra una distribuci&n uni%orme' El inter(alo en el ue est= de%inida la
(ariable aleatoria es +a. b,' La !cur(a# de probabilidad tiene una altura uni%orme en todos
los puntos entre a - b'
1 20)
a 6 b X
El =rea del rect=n2ulo es i2ual a E. de all$*
La probabilidad de ue la (ariable cai2a entre cualesuiera dos puntos c - d +(1ase la
%i2ura, es i2ual a*
( )
a b
c d
dx
a b
d X c P
d
c
1
PARAMETROS ESTADISTICOS
Se demuestra ueD
( )
2
) 2
b a
dx x f x X E
b
a
+
( ) [ ]
( )
12
2
2 2
) 2 ) 2
2
a b
X E X E X
G.Carnevali-E.Franchelli-G.Gervasoni
88
[ ]
caso otro en
x f
b a x si
a b
0
) 2
,
1
a b
1
VARIABLES ALEATORIAS UNIDIMENSIONALES
CALCULO DE PROBABILIDADES UNIFORMES
E7emplo *
Se sabe ue en una empresa. los aLos de e)periencia de los traba7adores de planta
tienen una distribuci&n uni%orme con un m$nimo de 8 - un m=)imo de E:.9 aLos' Se
eli2e un empleado al a"ar' Determine la probabilidad de ue esta persona ten2a entre
:.9 - J.9 aLos de e)periencia en la compaL$a'
La (ariable aleatoria uni%orme se presenta escribiendo*
/ * aLos de e)periencia de un traba7ador
/ U + 8 G E:.9 , ( )
5 . 12
1
x f
J.9
:.9
8
8.8@
8 E:.9
aLos de e)periencia
0,4
5 , 12
5
0 5 , 12
5 , 2 5 , 7
60
12,5
1
) 7,5 X 2,5 2
7,5
5 , 2
P
< <
Ma- un B8 H de probabilidad de ue un empleado de la compaL$a ele2ido al a"ar ten2a
entre :'9 - J'9 aLos de e)periencia'
El promedio - la des(iaci&n est=ndar son*
( ) aos x E 25 , 6
2
5 , 12 0
( )
( )
aos x 61 , 3
12
2
0 5 , 12
,a 6#$%.#b5#7' 6! *($ a9($ 6! !04!.#!'#a !' 5'a !)4.!$a 4a.a *($ %.abaEa6(.!$ 6! 4*a'%a %#!'! 5'
4.()!6#( 6! 6,25 a9($ 3 5'a 6!$F#a#7' !$%G'6a. 6! 3,61 a9($
E#$%&'&'()
E' El tiempo total necesario para procesar una solicitud de pr1stamo hipotecario en un banco
si2ue una distribuci&n uni%orme entre 9 - C d$as'
G.Carnevali-E.Franchelli-G.Gervasoni
89
VARIABLES ALEATORIAS UNIDIMENSIONALES
a) <?u=l es el tiempo promedio para procesar un pr1stamo>
b) <?u=l es la des(iaci&n est=ndar del tiempo de procesamiento de pr1stamos>
) Determine la probabilidad de ue un pr1stamo tarde m=s de seis d$as en ser
procesado'
d, <?u=l es el porcenta7e de pr1stamos procesados en a lo sumo ocho d$as>
:'6 Un sem=%oro est= pro2ramado para cambiar de ro7o a (erde se2An una distribuci&n
uni%orme con una media de B9 se2undos' La di%erencia entre el menor - el ma-or nAmero
de se2undos ue tarda la lu" en cambiar es de @ se2undos'
a) ?alcule la des(iaci&n est=ndar de esta distribuci&n'
b) ?alcule la probabilidad de ue la lu" tarde por lo menos B5 se2undos en cambiar'
) <?u=l es la probabilidad de ue tarde menos de B5 se2undos en cambiar>
4.3.1 DISTRIBUCI.N NORMAL
Muchas obser(aciones de la (ida real se pueden modeli"ar usando la distribuci&n normal' Si
la situaci&n real satis%ace las condiciones de este importante modelo. se pueden encontrar
respuestas (aliosas sin necesidad de dedicar demasiado tiempo a costosas obser(aciones'
Son tres las ra"ones por las ue la distribuci&n normal es la distribuci&n te&rica m=s
importante en la estad$stica*
La distribuci&n normal se apro)ima a las distribuciones de %recuencias obser(adas de
muchas medidas naturales - %$sicas. como coe%icientes mentales. pesos. alturas. (entas.
(ida Atil de productos. (ariabilidad en la producci&n humana - de las m=uinas. etc'
La distribuci&n normal se puede usar para apro)imar las probabilidades binomiales. de
4oisson. etc'. cuando sus par=metros matem=ticos alcan"an determinados (alores'
La distribuci&n normal es una buena apro)imaci&n de la distribuci&n de una (ariable
suma de otras (ariables aleatorias independientes +por e7emplo* medias muestrales.
proporciones muestrales. etc,G conceptos mu- importantes en estad$stica ue se (er=n
m=s adelante +cap$tulo 9,'
La distribucin norm! es una distribuci&n continua ue tiene %orma de campana sim1trica
- est= determinada por su promedio - su des(iaci&n est=ndar'
La si2uiente %i2ura muestra la %orma de una distribuci&n normal' La misma tiende a in%inito
en ambas direcciones a partir de su promedio'
G.Carnevali-E.Franchelli-G.Gervasoni
90
VARIABLES ALEATORIAS UNIDIMENSIONALES
Esto se corresponde con una probabilidad decreciente de encontrar (alores de la
caracter$stica en estudio mientras m=s ale7ados del promedio 1stos se encuentren'
El =rea total ba7o la cur(a es i2ual a E' El 98H del =rea est= a la derecha del promedio - el
otro 98H a la i"uierda del mismo +en consecuencia. promedio. mediana - moda son e7e de
simetr$a de la distribuci&n,'
La %unci&n de densidad de probabilidad para la distribuci&n normal es*
( )
2
0
2
1
!
2
0 1
1
,
_
X
con E2 H ) = 0 3 2H) = 1
?ualuier distribuci&n normal se puede con(ertir en una distribuci&n est=ndar si se
estandari"a cada una de sus obser(aciones en t1rminos de 2!or$s 3*
x
!
,a *')+%',-&'./ /(%012 $)+3/*1% !$ aI5!**a 53a Fa.#ab*! a*!a%(.#a H $#!)4.!
%#!'! 5'a )!6#a = 0 3 6!$F#a#7' !$%G'6a. = 1.
La (ariable S es una trans%ormaci&n lineal de /' Mientras el promedio - la des(iaci&n
est=ndar de una (ariable normal 2eneral / pueden adoptar cualuier (alor. la (ariable
normal est=ndar S es Anica. con promedio 8 - des(iaci&n est=ndar E'
Una (e" ue se ha reali"ado la estandari"aci&n de la distribuci&n. las probabilidades
asociadas a los sucesos de inter1s se buscan en la tabla de probabilidades para la N+8.E,'
Las tabla normal est=ndar +(er Ap1ndice tabla :'B, da las probabilidades acumuladas o
=reas ba7o la cur(a normal. para distintos (alores de S' El e7emplo si2uiente permitir=
(isuali"ar esta operatoria'
G.Carnevali-E.Franchelli-G.Gervasoni
92
VARIABLES ALEATORIAS UNIDIMENSIONALES
E7emplos*
E' Una (ariable normal tiene esperan"a matem=tica i2ual a J9 - una des(iaci&n est=ndar
i2ual a D +se e)presa* /
N +J9.D,' En la %i2ura si2uiente se obser(a ue cada (alor de la
(ariable / tiene un (alor correspondiente en la (ariable S'
Supon2amos ue uisi1ramos conocer la probabilidad de ue la (ariable / tome (alores
menores ue @E. lue2o*
( ) ( ) 8413 , 0 1 H P
6
75 - 81
H P 81 X P <
,
_
< <
Los sucesos + / T @E , - + S T E , son sucesos eui(alentes - por lo tanto tienen la misma
probabilidad' Despu1s de calcular el (alor " para la distribuci&n normal est=ndar. el
si2uiente paso es usar la tabla normal est=ndar para buscar la probabilidad planteada' El
(alor 8.@BE5 de la probabilidad se obtiene de dicha tabla'
La %i2ura si2uiente describe la probabilidad buscada
La probabilidad del suceso complementario del anterior se obtiene*
( ) ( ) 1587 , 0 8413 , 0 1 81 X P 1 81 X P < >
G.Carnevali-E.Franchelli-G.Gervasoni
93
VARIABLES ALEATORIAS UNIDIMENSIONALES
La probabilidad de ue la (ariable tome (alores entre DC - @E*
( )
( ) ( ) 0,6826 0,1587 - 8413 . 0 1 - H P - 1 H P
6
75 - 69
H P -
6
75 - 81
H P 81 X 9 6 P
< <
,
_
<
,
_
> >
<
,
_
< <
<
,
_
< <
( ) ( ) 1 16 5
25
500 371
371 ) 4 >
,
_
<
,
_
@ 0
) 2
) 0 2 ) 2
0
Lue2o*
( ) t f
% -
!
6%
) % 2 F 6
% -
! - 1 ) % 2 F
% -
! - 1 ) % T 2 P - 1 ) % 2T P
e
e
3 8.8BC@
Iormali"ando se dice ue una (ariable aleatoria continua / tiene distribuci&n e)ponencial si*
'
CALCULO DE PROBABILIDADES
4ara el e7emplo planteado anteriormente. consideramos*
G.Carnevali-E.Franchelli-G.Gervasoni
99
VARIABLES ALEATORIAS UNIDIMENSIONALES
/ * tiempo entre dos lle2adas sucesi(as a un banco / Exp + 5 minutos
6E
,
9502 , 0
3
1
0
0 3
! 1 60 ! ) 1 X 2 P 3 <
,
_
,
_
k
n
V* utilidad obtenida en una semana de cinco d$as V 3 M +/,'
La distribuci&n de probabilidad de V se presenta a continuaci&n*
5
'
)-&$)() $6-'712$/+$) P%(,1,'2'*1*
S X = 0 P2Q = S) = P 2 X = 0 ) = 0,774
R 1 X 2 P2Q = R) = P2 1 X 2 ) = 0,225
-, X 3 P2Q = -,) = P2 X 3 ) = 0,001
1
/ (ariable aleatoria continua G V (ariable aleatoria discreta
La entrada en un canal de comunicaci&n es una (ariable aleatoria / distribuida
uni%ormemente en el inter(alo +6:.9 G E.9 ,'
La salida V toma los (alores* 8 si |) Q E
E/: si 6E ) 8
E si 8 < ) E
Sea / * entrada en un canal de comunicaci&n
/ U +a G b, 3 U + 6:.9 G E.9 , % +), 3 EW B
V* salida del canal de comunicaci&n V 3 M + / ,
G.Carnevali-E.Franchelli-G.Gervasoni
104
VARIABLES ALEATORIAS UNIDIMENSIONALES
A continuaci&n se presenta la distribuci&n de probabilidad de V*
5
'
)-&$)() $6-'712$/+$) P%(,1,'2'*1*
0 X R 1 X < -1 P2Q = 0) = P 2 X R1) S P 2 X <-1) = 0,125 S 0,375 = 0,5
T -1 X 0 P2Q = T ) = P2-1 X 0 ) = 0,25
1 0 < X 1 P2Q = 1 ) = P 20 < X 1 ) = 0,25
1
G.Carnevali-E.Franchelli-G.Gervasoni
105
VARIABLES ALEATORIAS UNIDIMENSIONALES
4.5 E!ERCICIOS PROPUESTOS
E'6 Una (ariable aleatoria continua / tiene distribuci&n de probabilidad*
% +), 3 5 )
:
8 ) E
3 8 en otro caso
a, Represente 2r=%icamente % +),'
b, Encuentre promedio. mediana - (arian"a'
c, ?alcule la probabilidad de ue / supere 8.J9'
:'6 La etiueta en las ca7as de una marca de deter2ente indica un peso de @88 2ramos' Una
m=uina llena estas ca7as donde el contenido de las mismas es una (ariable aleatoria
uni%orme en el inter(alo +J@8G@:8,' El control de calidad acepta las ca7as llenas con E9
2ramos m=s o menos de la cantidad ue indica la etiueta'
a, <?u=l es la (ariabilidad del contenido de las ca7as>
b, <?u=l es la probabilidad de ue una ca7a conten2a entre J@9 - JC9 2ramos>
c, <?u=l es la probabilidad de ue una ca7a no cumpla con el est=ndar de control de
calidad>
5'6 El nAmero de llamadas tele%&nicas ue lle2an a un conmutador es una (ariable aleatoria
/ ue se distribu-e se2An una le- de 4oisson de par=metro 3 E9 llamadas por minuto'
Se2An el nAmero de llamadas ue lle2uen puede ser necesario descon2estionar el
conmutador diri2iendo al2unas llamadas a l$neas au)iliares' Si el nAmero de llamadas es
a lo sumo E9. no se necesita l$nea au)iliarG si es ma-or ue E9 pero menor o i2ual ue
:9. se necesita una l$neaG para un nAmero ma-or ue :9 se utili"an dos l$neas au)iliares'
a) Encuentre la distribuci&n de probabilidad de la (ariable aleatoria V* nAmero de l$neas
au)iliares necesarias en un minuto'
b, Encuentre promedio - des(iaci&n est=ndar de la (ariable aleatoria V'
B'6 Un art$culo puede tener dos de%ectos D
E
- D
:
' El nAmero de de%ectos D
E
es una (ariable
aleatoria de 4oisson con par=metro
E
3 8.E - el nAmero de de%ectos D
:
si2ue una
distribuci&n de 4oisson con par=metro
:
3 8.5' Los de%ectos son independientes' Un
art$culo se considera de%ectuoso cuando presenta al menos uno de los de%ectos'
?alcule la probabilidad de ue en una muestra de 98 art$culos ha-a a lo sumo E8
de%ectuosos'
9'6 Una (ariable aleatoria / se distribu-e uni%ormemente en [U G ] . + Q 8,' ?ada (e" ue
sea posible. determine ue satis%a2a*
a, 4 + / Q E , 3 EW5
b, 4 + / Q E , 3 EW:
) 4 + / T E , 3 4 + / Q E ,
D'6 El nAmero de clientes ue lle2an a una ca7a de un supermercado es una (ariable
aleatoria de 4oisson con promedio E8 clientes en 9 minutos' <?u=l es la probabilidad de
ue transcurran al menos : minutos entre dos lle2adas sucesi(as>
G.Carnevali-E.Franchelli-G.Gervasoni
106
VARIABLES ALEATORIAS UNIDIMENSIONALES
J'6 Las mediciones repetidas de una cierta ma2nitud . con una determinada t1cnica.
permite a%irmar ue tales medidas tienen distribuci&n normal con promedio 3 UE@5.:
unidades - 3 8.8@ unidades'
a, <?u=l es la probabilidad de ue la medici&n resulte superior a UE@5>
b) Se reali"an E8 mediciones de . calcule la probabilidad de ue s&lo dos de ellas
superen el (alor UE@5'
@'6 El tiempo de %uncionamiento sin %allas +en aLos, de un cierto tipo de componente es una
(ariable aleatoria / con distribuci&n e)ponencial de par=metro 8.:'
a, ?alcule la probabilidad de ue una componente no ten2a %allas durante los dos
primeros aLos de %uncionamiento'
b) <?u=l es la probabilidad de ue en un lote de E9 componentes ele2idas al a"ar. por
lo menos EE componentes no ten2an %allas durante los dos primeros aLos de
%uncionamiento>
) Se sabe de ue en un lote de E9 componentes ele2idas al a"ar. por lo menos EE no
tu(ieron %allas durante los dos primeros aLos' ?alcule la probabilidad de ue en ese
per$odo. no ha-an tenido %allas e)actamente E5 componentes'
d, Se arma un lote con cinco componentes ele2idas al a"ar - se las numera del E al 9'
<?u=l es la probabilidad de ue s&lo las componentes E - : no ten2an %allas durante
los dos primeros aLos de %uncionamiento> +En todos los casos lle2ar al resultado
num1rico,'
C'6 Una e)periencia aleatoria tiene dos resultados posibles +A -
A
,' Se conoce ue
4+A, 3 8.:8'
?alcule la probabilidad de ue en E8 repeticiones de la e)periencia *
a) ha-a i2ual cantidad de resultados A -
A
'
b) la cantidad de resultados A supere la cantidad de resultados
A
'
c, en la cuarta e)periencia ocurra el primer resultado A
d, en las Altimas cuatro e)periencias ocurran todos los resultados A
E8'6 El nAmero de accidentes ue ocurren diariamente en un cruce de a(enidas es una
(ariable aleatoria con distribuci&n de 4oisson con promedio 8.E accidentes diarios'
?alcule. entre los d$as en los ue hubo m=s de un accidente. la proporci&n de d$as en
los ue ha-an ocurrido solamente dos'
EE'6 Una prueba consta de 98 pre2untas con cuatro respuestas alternati(as dadas de las
cuales s&lo una es correcta' ?ada pre2unta se re%iere a un tema espec$%ico' Sea !p# la
probabilidad de ue un alumno ha-a estudiado el tema' Se sabe ue la probabilidad de
contestar correctamente una pre2unta cuando el alumno estudi& el tema es 8.C' Si el
alumno no estudi& el tema ele2ir= al a"ar una de las respuestas alternati(as'
a) <?u=l debe ser el (alor de !p# para ue la probabilidad de ue un alumno responda
correctamente una pre2unta sea 8.@>
b) <?u=l es la probabilidad de ue el alumno ha-a estudiado el tema si respondi&
correctamente la pre2unta>
c, Si se aprueba con el @8H de respuestas correctas. <u1 porcenta7e de alumnos
aprobar=>
G.Carnevali-E.Franchelli-G.Gervasoni
107
VARIABLES ALEATORIAS UNIDIMENSIONALES
E:'6 La demanda semanal de copias de un procesador de te)tos en un ne2ocio de so%t;are
es una (ariable aleatoria / con la si2uiente distribuci&n de probabilidades*
0 0 1 2 3 4 5 6 7 8 9 10
P2X=0) 0,06 0,14 0,16 0,14 0,12 0,10 0,08 0,07 0,06 0,04 0,03
a, ?alcule la probabilidad de ue en una semana cualuiera se soliciten*
i, tres & m=s copias
ii, por lo menos : pero no m=s de D copias
b, La pol$tica del ne2ocio es tener @ copias del pro2rama al inicio de cada semana'
<?u=l es la probabilidad de ue. en una semana cualuiera. la demanda supere la
o%erta>
c, Encuentre la %unci&n de distribuci&n de probabilidad acumulada I+),
d, ?alcule nue(amente las probabilidades del punto a, pero usando la I+),'
e, ?alcule el promedio. la (arian"a - la des(iaci&n est=ndar de la (ariable aleatoria /
E5'6 Una compaL$a de procesamiento de datos tiene una macrocomputadora a la cual se
accede a tra(1s de un 2ran nAmero de terminales remotas' Un modelo ra"onable de
probabilidad para el tiempo V +en minutos, transcurrido entre en($os sucesi(os de los
traba7os a la computadora supone ue*
I +-, 3 4+V T -, 3 E U e
U8.9-
8 - T
a, ?alcule los (alores num1ricos de I +-, para - 3 E.8G :.8 G '''''' hasta ue I +-,
e)ceda de 8.C@ +apro)imadamente,
b, ?alcule 4+ V T 8.J9 , . 4 + V Q B.8 , - 4 + :.8 T V T 5.9 ,
c, Encuentre la %unci&n de densidad de probabilidad % +-,
EB'6 Un %abricante de cierto tipo de pie"as somete cada unidad a una prueba mu- ri2urosa'
De las pie"as reci1n ensambladas. el @BH pasa la prueba sin nin2una modi%icaci&n' Las
ue %allan en la prueba inicial son reelaboradasG de 1stas. el J9H pasa una se2unda
prueba' Auellas pie"as ue %allan en la se2unda prueba se rehacen por se2unda (e" -
se (uel(en a probarG C8H de ellas pasan la prueba - el resto se desarman' De%ina /
como la (ariable aleatoria* nAmero de (eces ue debe reprocesarse una pie"a
seleccionada al a"ar'
a, Especi%iue el recorrido de la (ariable /
b, Encuentre la distribuci&n de probabilidad de /
c, Encuentre promedio. (arian"a - des(iaci&n est=ndar de la (ariable /
E9'6 El operador de una computadora recibe peticiones impre(istas para montar cintas de
datos en el sistema' ?omo pol$tica. estas solicitudes deben ser atendidas a la bre(edad
posibleG debido a ello. se tiene ue interrumpir el %lu7o del traba7o pro2ramado'
Sea la (ariable aleatoria / * nAmero de solicitudes recibidas en un turno de C a EJ horas'
Se conoce ue la (ariable / si2ue una le- de 4oisson con promedio E.9 solicitud por
hora'
a, Encuentre la media - la des(iaci&n de la (ariable /
b, ?alcule 4+ / Q @ ,
) Encuentre la probabilidad de ue el tiempo transcurrido entre dos solicitudes
consecuti(as sea al menos de dos horas'
G.Carnevali-E.Franchelli-G.Gervasoni
108
VARIABLES ALEATORIAS UNIDIMENSIONALES
ED'6 En una compaL$a de redes de c&mputo se obser(a la (ariable aleatoria /* nAmero de
interrupciones diarias ue tiene la si2uiente distribuci&n de probabilidades*
I'%!..54#('!$ 0 1 2 3 4 5 6
P2X=0) 0,32 0,35 0,18 0,08 0,04 0,02 0,01
a, ?alcule la probabilidad de en un d$a dado *
i, ha-a menos de B interrupciones
ii, ha-a a lo sumo B interrupciones
iii, ha-a por lo menos B interrupciones
i(, ha-a B interrupciones
(, ha-a m=s de B interrupciones
(i, ha-a entre : - D interrupciones +incluidos estos (alores,
b, ?alcule el promedio - la des(iaci&n est=ndar de a (ariable /' Interprete los
resultados'
EJ'6 En una concesionaria de autos de la marca // los re2istros de 2arant$a de un
autom&(il nue(o permiten decir ue la probabilidad de ue un auto nue(o necesite
reparaci&n amparada por la 2arant$a durante los primeros C8 d$as. es de 8.89' Se
selecciona al a"ar una muestra de cinco autos nue(os.
a, calcule la probabilidad de ue *
i, nin2uno necesite reparaci&n amparada por la 2arant$a
ii, por lo menos uno necesite reparaci&n amparada por la 2arant$a
b, encuentre el nAmero promedio de la (ariable ue de%ini& en el punto a,
) ?onteste las mismas pre2untas del punto a, - b, si la probabilidad de necesitar una
reparaci&n amparada por la 2arant$a %uera de 8.E8'
E@'6 Los 2astos mensuales en alimentaci&n para %amilias de cuatro miembros en una ciudad
es una (ariable aleatoria normal con promedio B:8K - des(iaci&n est=ndar @8K'
a, < Nu1 porcenta7e de estos 2astos *
i, es menor ue 598K>
ii, est= entre :98 - 598K>
iii, es menor ue :98K o ma-or ue B98K>
b, Determine el cuartil E - el cuartil 5
c, <?u=les ser$an sus respuestas al punto a, si la des(iaci&n es de E88K>
EC'6 Se supone ue la cali%icaci&n obtenida en el e)amen %inal de un curso introductorio de
estad$stica es una (ariable aleatoria con distribuci&n normal con promedio J5 -
des(iaci&n est=ndar @'
a, <?u=l es la probabilidad de obtener en este e)amen una cali%icaci&n no ma-or de
CE>
b, <Nu1 porcenta7e de estudiantes obtu(o una cali%icaci&n entre D9 - @C>
) <?u=l %ue la cali%icaci&n superada s&lo por el 9H de los estudiantes ue hicieron el
e)amen>
6) Si el pro%esor le otor2a 4romoci&n al E8H m=s alto de la clase sin importar la
cali%icaci&n. <le con(iene a usted una cali%icaci&n de @E con este e)amen o una
G.Carnevali-E.Franchelli-G.Gervasoni
109
VARIABLES ALEATORIAS UNIDIMENSIONALES
cali%icaci&n de D@ en un e)amen di%erente en el ue el promedio %uera D: - la
des(iaci&n est=ndar 5>
:8'6 Una o%icina ue procesa permisos para remodelaci&n de edi%icios tiene como pol$tica
ue el permiso se entre2ar= sin costo si no est= listo al %inal de 9 d$as h=biles. a partir
de la %echa de la solicitud' Se mide el tiempo de procesamiento a partir del momento
en ue se recibe la solicitud hasta completar el procesamiento +Supon2a ue el tiempo
tiene distribuci&n normal,'
a) Si el proceso tiene una media de 5 d$as - una des(iaci&n est=ndar de E d$a. <u1
proporci&n de los permisos ser=n 2ratis>
b) Si el proceso tiene una media de : d$as - una des(iaci&n est=ndar de E.9 d$as.
<u1 proporci&n de los permisos ser= 2ratis>
c, <En cu=l de los dos procesos. +a, & +b,. resultar=n m=s permisos 2ratis> E)pliue'
d, 4ara el proceso del punto +a,. <ser$a me7or reducir el promedio a : d$as o la
des(iaci&n est=ndar a 8.J9 d$as> E)pliue'
:E'6 El ni(el de llenado de unas botellas de re%rescos tiene una distribuci&n normal con
media : litros - des(iaci&n est=ndar 8.8D litros' Las botellas ue contienen menos de
C9H del contenido neto anunciado +E.C en este caso, pueden causar una multa al
%abricante por parte de la o%icina de protecci&n al consumidor. mientras ue las botellas
ue tienen un contenido neto ma-or ue :.E litros pueden pro(ocar un derrame del
e)ceso al abrirlas'
a, <?u=l es la probabilidad de ue le pon2an una multa al %abricante. si se selecciona al
a"ar una botella de la producci&n>
b, <Nu1 proporci&n de las botellas pueden pro(ocar un derrame al abrirlas>
c, <Nu1 cantidad m$nima de re%resco se espera ue conten2a CCH de las botellas>
d, <Entre u1 dos (alores +con distribuci&n sim1trica, se espera encontrar el contenido
del CCH de las botellas>
e, Supon2a ue en un es%uer"o por reducir el nAmero de botellas ue contienen menos
de E.C litros. el embotellador arre2la la m=uina de llenado de manera ue la media
sea de :.8E litros' En estas circunstancias. <cu=les ser$an sus respuestas a las
pre2untas de los puntos a,. b, - c,>
G.Carnevali-E.Franchelli-G.Gervasoni
110