Documentos de Académico
Documentos de Profesional
Documentos de Cultura
II - Unidad.probabilidad y Modelos de Prob.
II - Unidad.probabilidad y Modelos de Prob.
OBJETIVOS DE LA UNIDAD.
1. Interpretar el concepto de probabilidad.
2. Describir los enfoques de probabilidad clsica a priori, clsica emprica y
probabilidad subjetiva.
3. Calcular probabilidades aplicando reglas de adicin, multiplicacin y teorema de
Bayes.
4. Construir la distribucin de probabilidad y la funcin de distribucin acumulada de
una variable aleatoria discreta.
5. Calcular el valor esperado y la varianza de una variable aleatoria discreta.
6. Explicar las caractersticas de la distribucin binomial, poisson y normal.
7. Calcular probabilidades mediante la distribucin: binomial, poisson y normal
8. Aplicar las distribuciones anteriores en la resolucin de problemas.
CONTENIDO:
1
2
3
4
5
6
7
8
9
2.1.1
Introduccin:
El nuevo perodo el ms fructfero, est relacionado con los nombres de P.L. Chebishev
(1821 1894) y sus alumnos A. A. Markov (1856 1922) y A. M. Liapunov (1857
1918). En este perodo la teora de las probabilidades se convierte en una ciencia
matemtica ordenada. Su desarrollo posterior se debe, en primer trmino a los matemticos
rusos y soviticos ( S. N. Bernshtein, V.I.Romanovski, A. N. Kolmogorov, A. Ya, Jinchin,
B.V. Gnedenko, N. V. Smirnov, etc.)
Los mtodos de la teora de probabilidad se utilizan ampliamente en las distintas ramas de
las ciencias naturales y de la tcnica; en la teora de fiabilidad, la teora de servicio de
masas, en fsica terica, geodesia, astronoma, teora del tiro, teora de errores de
observaciones, teora del mando automtico, teora general de las comunicaciones y en
muchas otras ciencias tericas y aplicadas. La teora de las probabilidades sirve tambin
como base de la estadstica matemtica y aplicada, la que, a su vez, se emplea en la
planificacin y organizacin de la produccin, al analizar procesos tecnolgicos, el control
preventivo y de recepcin de la calidad de la produccin y para muchos otros fines.
En la actualidad, la teora matemtica de la probabilidad constituye el fundamento de las
aplicaciones estadsticas, tanto en la investigacin social como en la toma de decisiones.
2.1.2 Conceptos bsicos de probabilidad
En el estudio de la teora de la probabilidad es preciso saber utilizar con exactitud la
comunicacin. El lenguaje exacto que en general se emplea para enunciar y resolver
problemas de probabilidades es la teora de conjuntos; en base a ella pueden realizarse
operaciones relacionadas con la probabilidad.
1.1.1 Experimento Aleatorio (E): Es aquel que al repetirse bajo condiciones
aproximadamente idnticas el resultado no es necesariamente el mismo.
EJEMPLO 1: E1: Lanzar una moneda al aire
E2: Lanzar un dado
E3: El encargado de control de calidad revisa 10 camisas producidas,
luego cuenta el No. de camisas con algn defecto.
E4: De un alista tomada de todas las cuentas de ahorro en un banco
seleccionar al azar una y luego anotar su vida actual (vida mxima 15 aos).
1.1.2 Espacio Muestral (S): Es el conjunto de todos los resultados posibles de un
experimento aleatorio. Cada elemento de este conjunto se denomina un punto
muestral.
EJEMPLO 2: S1 = {Lado A, lado B}= {cara, sol}
S2 = {1,2,3,4,5,6}
S3 = {0,1,2,3,4,5,6,7,8,9,10}
S4 = (0,15]
2
Sea E: lanzar dos dados y observar los nmeros de las caras superiores.
Sea E: de una urna que contiene 7 bolas blancas y 3 negras se sacan 2 bolas en forma
consecutiva y sin reposicin y se observan. Hacer diagrama de rbol.
Solucin: S = {BB, BN, NB, NN}
e)
Sea E: De un lote que contiene 3 artculos malos y 17 buenos sacar uno por uno y sin
reposicin hasta sacar todos los malos
Solucin: S = {3,4,5,6,7,.........,20}
1.1.3 Un evento o suceso: Conjunto de uno o ms resultados de un experimento. Son
subconjuntos del espacio muestral. Los eventos sern simbolizados con letras
maysculas, A, B, C
EJEMPLO 4: Si lanzamos una moneda, el hecho que salga el lado B sol ser un evento
y conseguir que salga el lado A cara ser otro evento.
EJEMPLO 5: Si estamos extrayendo naipes de una baraja, seleccionar un as de corazones
constituir un evento.
EJEMPLO 6: Si lanzamos un dado, un evento ser obtener un nmero impar, es decir, A
={1,3,5}.
2.2.4 Tipos de eventos
1)
Evento imposible (): es aquel que nunca ocurre. Cumple con la caracterstica de
ser un subconjunto del espacio muestral. Por ejemplo si nos interesa el evento de que
aparezca un as verde en la baraja comn. Es claro que esto nunca suceder porque ninguna
carta de la baraja cumple con esas caractersticas. Este conjunto es .
2)
Evento seguro (S): es aquel que siempre ocurre. Es un subconjunto del mismo. Por
ejemplo el evento que un nmero par o impar de puntos aparezca al tirar un dado es el
conjunto S = {1,2,3,4,5,6}.
3
3)
Evento simple: es el describe solamente una caracterstica. Por ejemplo el evento
simple ser obtener un nmero impar, es decir, A ={1,3,5}.
4)
Evento conjunto: describe dos o ms caractersticas. Por ejemplo: el nmero de
camisas defectuosas menor de 5 y es impar. (Hay dos eventos).
5) Unin de dos eventos: El evento unin de A y B denotado por AUB (A o B) es aquel
que ocurre si A ocurre o B ocurre o si ocurren ambos. Por ejemplo, el No. de camisas
defectuosas es ninguna o menor que 3. A = {0}; B={0,1,2}; AUB = {0,1,2,}.
6) Evento complementario de A (A ): es aquel que ocurre cuando A no ocurre.
7) Eventos mutuamente excluyentes:
Se dice que dos sucesos A y B son mutuamente excluyentes si no pueden ocurrir juntos
(simultneamente), es decir, la ocurrencia de A excluye automticamente la ocurrencia de
B, esto es AB = Por ejemplo, en el lanzamiento de la moneda, hay dos resultados
posibles: lado A y lado B. En cualquier lanzamiento, ambos lados pueden salir, pero no los
dos simultneamente.
8) Eventos colectivamente exhaustivos: si por lo menos uno de ellos debe ocurrir durante
el experimento. Estos eventos al ser unidos forman el espacio muestral. Los eventos A1, A2,
A3,.. An son exhaustivos si A1U A2U A3U..U An= S. por ejemplo al lanzar un dado y
sea los eventos A caiga No. par y B caiga No. impar, A= {2,4,6,} y B= {1,3,5,}; AUB = S=
{1,2,3,4,5,6,}, A y B son exhaustivos.
2.2.5 Definicin de probabilidad
Con cada suceso o evento A asociamos un nmero real designado por p(A), y lo
llamamos probabilidad de que A ocurra. La probabilidad simple se refiere a la
probabilidad de ocurrencia de un evento simple, a sta probabilidad se le llama
probabilidad marginal. La probabilidad de ocurrencia de A, la definimos por
( )=
Figura 3.
1.2.1
p( ) =
P( )
EJEMPLO 2: Antes de incluir la cobertura para ciertos tipos de problemas
dentales en plizas de seguros mdicos para adultos con empleo. Una compaa
de seguros desea determinar la probabilidad de ocurrencia de esa clase de
problemas, para que pueda fijarse la prima de seguros de acuerdo con esas
cifras. Por ello, se recopila datos para 10,000 adultos que se encuentran en las
categoras de edad apropiadas y encuentra que 100 de ellos han experimentado
el problema dental especfico durante el ao anterior.
La probabilidad de ocurrencia es: P( )
1.2.3
EJEMPLO 3. Debido a los impuestos y a los posibles usos alternativos de sus fondos,
un inversionista ha determinado que la compra de terreno vale la pena slo si existe
un aprobabilidad de cuando menos 0.90 de que el terreno obtenga plusvala por 50%
o ms en los en los prximos 4 aos. Al evaluar un determinado terreno, el
inversionista estudia los cambios de los precios en el rea en aos recientes, considera
los niveles corrientes de precios, estudia el estado corriente y futuro probable de los
proyectos de desarrollo inmobiliarios y revisa las estadsticas referentes al desarrollo
econmico del rea geogrfica. Con base en esta revisin, concluye que existe una
7
P( A) 0
2)
P(S ) 1
3)
P( ) 0
4)
P( A) P( A`) 1
5)
P( A`) 1 P( A)
1.4.1
Si no lo son, entonces
P( AB) P( A) P( B) p( AyB) P( A B) P( A) P( B) P( A B)
P(
P( )
)
)
2.4.4 (
( )
)
( )
(
( )
)
(
(
) (
)
2.4.5
A o B pero no ambos a la vez)
)
( )
( )
1.4.6
Regla de la Multiplicacin
P( A / B) P( A)
p( AyB) P( A B) p( A) p( B)
a)
b)
Sea mujer:
c)
d)
e)
136
10
f)
g)
h)
( )
)=
j)
( )
i)
( )
( )
( )
)
( )
11
k)
( )
l)
)
( )
EJEMPLO 2:
Diagrama de rbol
Una forma alternativa de anlisis de las probabilidades en cuatro celdas es mediante el uso
de un rbol de decisin.
P(
P(
P(
( )
Grupo de
Entrevistados
( )
P(
12
EJEMPLO 3.
Si A es el evento de que el precio de cierta accin se mantenga sin cambios en cierto
da de negociaciones y B es el evento de que suba su precio, P(A) = 0.64 y P(B) = 0.21,
determine:
b)
( )
c)
d)
( )
) como A y B son mutuamente excluyentes,
)
( )
( )
(
) como A Y B son mutuamente excluyentes,
)
( )
deduce que (
y se
para todo i
(Excluyentes)
(Exhaustivos)
) .
( ) . /
S
13
Teorema de Bayes
Queremos saber ahora, cul es la probabilidad de que
La P( )
( )
(
) . /
( ) . /
teorema de Bayes est dado por la expresin :
( )
Donde
) . /
( )
) .
/ por lo que el
) . /
(
) . /
EJEMPLO 1
A un consultor en Administracin se le pide su opinin acerca de la razn por la cual la
secretaria de un ejecutivo, insatisfecha, renunci a su trabajo. Sin poder obtener ninguna
informacin directa acerca de la secretaria, toma los siguientes datos de un estudio de
motivacin corporativos a gran escala: entre todas las secretarias insatisfechas, el 20% lo
estn porque les desagrada su trabajo, el 50% porque sienten que estn mal pagadas y el
30% porque les desagrada su jefe. Adems, las probabilidades correspondientes d que
renuncien son 0.60, 0.40 y 0.90. Con base en estas cifras, cules son las probabilidades de
que la secretaria haya renunciado debido al trabajo, al sueldo o al jefe?
0.20
0.60
0.40
0.40
0.50
0.30
0.90
0.60
B
0.10
( )
) .
( )
)(
)(
) (
)(
) (
/
(
)(
(
(
)(
)(
)(
)
)
)(
) .
( )
/
(
)(
)(
) (
)(
) (
)(
15
f)
g)
a)
b)
c)
d)
e)
Crdito
70
40
Pago
Contado
50
40
Total
19
Total
20
20.)
Tres mquinas M1, M2 y M3 producen respectivamente 50%, 30% y 20% del total de
artculos de una fbrica. Las mquinas producen artculos defectuosos en un
porcentaje de 7%, 6% y 4% respectivamente. Al colocar la produccin de las tres
mquinas en fila y escoger un artculo. Si el artculo escogido es defectuoso. Cul es
la probabilidad que haya sido producido en cualquiera de las tres mquinas? Tome
como decisin el elemento mayor probabilidad de producir artculos defectuosos.
21.)
22.)
23.) El gerente de crdito de una empresa, sabe que la compaa emplea (3) mtodos para
alentar el cobro de cuentas atrasadas. Al consultar los archivos de la cobranza,
descubre que el 70% de las cuentas se cobran en forma personal (P), el 20% se cobran
por telfono (T), y el 10% se les enva cartas de cobro; La probabilidad de cobrar una
cuenta vencida con los (3) mtodos es de 0.75, 0.6 y 0.65, respectivamente. El
gerente recibe el pago de una cuenta vencida; Cul es la probabilidad de que a ese
cliente lo hayan llamado por telfono.
21
E( X ) X P( X )
2
VARIANZA: X P( X )
DESVIACION ESTANDAR:
EJEMPLO 1.
Una empresa recibe un lote de 100 discos de clutch. El historial de la empresa muestra que
el 10% de discos recibidos es defectuosa . Saquemos al azar 2 discos uno a uno de dicho
lote ( sin reposicin) y anotamos el nmero de discos defectuosos.
a) Construya la distribucin de probabilidad de X.
b) Obtenga la esperanza y la varianza (comente el resultado).
Solucin:
Sea X : Nmero de discos defectuosos, 0,1 y 2
D : Defectuoso
: No defectuoso.
S=*
22
P(
P(
P(
P(
, ( )-
X
P(X)
0
0.8091
1
0.182
2
0.0091
= ( )= , (
E(X)= 0.200
0
0.182
0.0182
)-
(X-)2
0.04
0.64
3.24
(X-)2P(X)
0.032364
0.11648
0.029484
= 0.1783
2 X 2 P( X ) =0.1783,
( )
=
0.200 +0.4221= 0.6221 Lmite superior
0.200-0.4221= -0.2221 lmite inferior;
(0,1)
En proceso repetido se espera que ninguno, salga defectuoso, pero el resultado puede
variar entre 0 y 1, lo ms probable es 0.
2.6 Tcnicas de Conteo
Al estudiar los resultados de experimentos, frecuentemente se encuentran dos
conceptos adicionales que son las permutaciones y combinaciones.
2.6.1 Regla de la multiplicacin.
Si una operacin se puede llevar a cabo n1 formas y si para cada una de stas se puede
realizar una segunda operacin en n2 formas, entonces las dos operaciones se pueden
ejecutar juntas de n1n2 formas.
EJEMPLO 1.
Cuntos puntos muestrales hay en el espacio muestral cuando se lanza una vez un
par de dados?
Solucin:
23
1 dado cae de 6 maneras n1 = 6, para cada una de esas 6 maneras el 2do dado tambin puede
caer en n2 =6 maneras por tanto el par de dados puede caer en n1n2= ( )( )
EJEMPLO 2.
Un cliente desea instalar un telfono Trinline y puede elegir entre n1=10 colores
decorativos que supondremos disponibles en cualesquiera de n2=3 longitudes opcionales
de cordn con n3=2 tipos de marcado, a saber, de disco o por tonos. Estas 3
clasificaciones tienen como resultado n1 n2 n3= ( )( )( )
diferentes formas
para que un cliente ordene uno de estos telfonos n1 n2 n3. nk formas.
EJEMPLO 3.
Cuntos almuerzos que asisten en una sopa, emparedados, postre y una bebida son
posibles si podemos seleccionar 4 sopas, 3 tipos de emparedados, 5 postres y 4 bebidas.
Solucin: n1 n2 n3. nk formas. = ( )( )( )( )
para elegir un
almuerzo.
2.6.2 Permutacin
Una permutacin es un arreglo de un conjunto de objetos en el cual se tiene en cuenta el
orden. Diferentes ordenaciones determinan diferentes permutaciones.
El nmero de permutaciones de n objetos distintos es n
(
)(
)(
)
n
EJEMPLO 4.
Cuntas permutaciones (arreglos) pueden darse en las letras A, B y C.
3
B
C = ABC
A
C
B= ACB 2
C= BAC 3
B
C
A
A = BCA 4
B = CAB 5
B
2
A= CBA 6
1=6
C
3
24
(
)
EJEMPLO 5.
Se sacan dos billetes de lotera de 20 para un primer y un segundo premio. Encuentre
el nmero de puntos muestrales en el espacio S.
20P2
=
)
Ejercicio propuesto.
De cuntas formas puede una organizacin de relaciones, programar a tres conferencistas
para 3 reuniones diferentes si todos estn disponibles en cualquiera de cinco fechas
posibles. R/60
2.6.3 Combinacin
Una combinacin de objetos es un conjunto diferente de objetos en el cual no se considera
el orden. Cuando de n objetos se escogen n, no hay sino una combinacin. Si entre n
objetos se selecciona uno existen n combinaciones. El problema consiste en determinar
una expresin general para el nmero de combinaciones cuando se seleccionan r objetos a
la vez entre n objetos.
. /
por definicin.
B
C
AB
AC
25
D
B
C
AD
C
D
D
BC
BD
CD
D
Ejercicio propuesto
Hay 10 candidatos para un comit que no puede estar integrado sino por siete miembros.
Cuntos comits diferentes pueden formarse con estos diez candidatos?
2.7 Modelos de probabilidad
2.7.1 Distribucin de Probabilidad Binomial
La distribucin binomial es una distribucin de probabilidad de una variable aleatoria
discreta que ser aplicable cuando estemos en un proceso de Bernoulli.
Proceso de Bernoulli
Es un proceso de muestreo, esto es una muestra de tamao n que resulta de repetir un
mismo experimento aleatorio (que llamaremos ensayo) n veces y que cumple las siguientes
condiciones:
1) Los resultados posibles de cada ensayo se clasifica en una de dos categoras
mutuamente excluyentes y exhaustivos que llamaremos: xito o fracaso
2) La probabilidad de xito y fracaso permanece igual en todos los ensayos.
3) Cualquier serie de eventos xitos y fracaso obtenidos en los n ensayos constituyen
eventos independientes.
Modelo Binomial
Supongamos que estamos en un proceso de Bernoulli con n ensayos donde uno de los dos
eventos ser xito y la probabilidad de que exista un xito se representar por p, y un
fracaso por q=1-p.
Sea X: el nmero de xitos en la muestra, donde el objetivo principal ser una expresin
matemtica que defina a la distribucin de probabilidad de X.
P( X x)
n!
p x q n x
x!(n x)!
Probabilidad de xito
EJEMPLO 1:
En un archivo hay 5 documentos de la empresa A y 15 documentos de la empresa B.
Seleccionar al azar y con reposicin 4 documentos anotando la empresa de cada uno.
26
a)
b)
c)
d)
Solucin:
Empresa A = 5
Empresa B= 15
20
n= 4 ensayos
x= No. de documentos de B; ( )
;
q = 1-p =1-0.75=0.25 No. de documentos de A
P( X x)
a)
n!
p x q n x
x!(n x)!
. /(
) (
)(
(
)
Es la probabilidad que al sacar 4 documentos 3 sean
de la empresa B.
b) Menos de 3 documentos sean de B
(
)
(
)
(
)
(
)
. /(
) (
. /(
) (
. /(
) (
27
xe
x!
Probabilidad de xito
EJEMPLO 1:
Supngase que en un momento cualquiera del da, el nmero promedio de llamadas
telefnicas recibidas por minuto en una central es de 5. Sea X el nmero de llamadas
recibidas en un minuto dado.
a)
Hallar la probabilidad de que se reciban exactamente 3 llamadas en un minuto
dado.
b)
Hallar la probabilidad de que se reciban ms de 3 llamadas en un minuto dado.
c)
Hallar la probabilidad de que se reciban menos de 3 llamadas en un minuto
dado.
Solucin:
28
,(
)-
0
1
[0.00674+0.0337+0.08425+0.14042]=
0.26511=0.7349= 73.49% es la probabilidad de recibir 3 o ms llamadas.
b)
)
(
)
la probabilidad de recibir menos de tres llamadas en
un minuto dado.
EJEMPLO 2.
Una fbrica de cerillos sabe que 0.1% de su produccin tiene algn defecto. Encuentre la
probabilidad de que en un paquete de 50 cerillos, ninguno de ellos tenga defecto.
Solucin: n= 50 , p = 0.1% =0.001 ; X = No. de cerillos defectuosos.
= np = (
)(
P( x 0)
P( x)
x e
x!
0.05 0 e 0.05
0!
xe
x!
10.9512 0.9512
1
95 .12 %
29
30
Modelo Normal
Decimos que la variable aleatoria X, tiene una distribucin normal con parmetro y 2, lo
cual denotamos por X~N(
), si la funcin de densidad de probabilidad de x est
definida por:
( )
/ ;
; e= 2.71828
31
EJEMPLO 1:
Una fabrica usa una mquina para llenar cajas con polvo facial. En un informe de parte del
control estadstico de la calidad se afirma que los pesos netos de las cajas estn distribuidos
uniformemente con una media igual a 15 onzas y desviacin estndar 0.8 onzas.
Se selecciona una caja al azar:
a) cul es la probabilidad de que tenga peso neto mayor de 14.5 onzas?
b) De que tenga entre 12.8 y 16.5 onzas
c) Que tenga peso neto menor de 15.8 onzas
d) Si cierto da mquina llena 1500 cajas cuntas cajas tendrn pesos netos menores
que 14.5 onzas?
Solucin:
= 15 onzas
=0.8 onzas
) (
X=14.5
=15
Z
0.63 0
b) (
X= 12.8
Z
-2.75
) (
1.88
32
x=12.8
= 15
-2.75
) (
cajas.
EJEMPLO 2.
El gasto promedio mensual por alimentos para familias de cuatro personas en una gran
ciudad es de C$1420, con una desviacin estndar de C$180. Suponiendo que los gastos
mensuales por alimentos estn distribuidos en forma normal,
a) Qu porcentaje de estos gastos son inferiores a C$1350?
= 1420 ; = 180
(
= 34.83%
)
(
(
)
)
(
33
EJEMPLO 3:
Algunos estudios muestran que el rendimiento de gasolina de los autos compactos
vendidos por Japn se distribuyen normalmente con una media de 45 km por galn
y una desviacin estndar de 8 km por galn. Si un fabricante desea disear un auto
compacto ms econmico que el 95% de los autos compactos actuales, cul debe
ser el rendimiento del nuevo auto?
Como primer paso se calcula: z0=
Y la probabilidad requerida correspondiente al rea izquierda de z0 en la
distribucin normal estndar. Por tanto, P(Z
)
, este valor se encuentra
en el cuerpo de la tabla normal, buscamos la probabilidad de 0.9500, sta
probabilidad no se encuentra pero si los valores cercanos: 0.9495 que corresponde a
z=1.64, tambin est 0.9505 cuya z=1.65. Note que el rea de 0.95 est exactamente
a la mitad entre las reas z=1.64 y z= 1.65,
entonces z0= 1.645.
En segundo lugar se sustituye
que:
en la frmula: 1.645=
despejando
se tiene
(
)( )
De lo anterior se deduce que el nuevo auto compacto debe tener un rendimiento de
58.16 km por galn para ser mejor que el 95% de los autos compactos que
actualmente vende Japn.
34
Gua de Ejercicios N4
Modelos de Probabilidad
1) El nmero de barcos que llegan a un puerto en un da determinado es una variable
aleatoria representada por X. Su distribucin de probabilidad es:
X
10 11 12 13 14
P(X) 0.4 0.2 0.2 0.1 0.1
a. Encuentre la probabilidad de que en un da cualquiera:
Lleguen al menos 12 barcos.
Lleguen cuando mucho 11 barcos.
b. En promedio, Cuntos barcos se espera que lleguen?
2) Una escuela primaria ha programado cuatro fechas de reunin al ao con los padres de
familia. Los registros de la escuela indican que la probabilidad de que los padres de un
nio (uno o ambos) asistan desde 0 hasta 4 de las reuniones son las indicadas en el cuadro
siguiente:
Nmero de reuniones
a las que asisten
0
1
2
3
4
Probabilidad
0.13 0.37 0.29 0.14 0.08
a. Cul es la probabilidad de que los padres de un nio en particular asistan al
menos a una de esas reuniones?
b. En promedio a cuntas reuniones asiste un padre de familia y con que variabilidad lo
hace?
3) Un inspector encargado del control de calidad de los camiones de juguete producidos
por una fbrica ha observado que cierto defecto en las llantas se presenta en el 5% de los
vehculos. En cada uno se colocan seis llantas. Cul es la probabilidad de que en un
conjunto de seis llantas seleccionadas aleatoriamente no se presente el defecto?
4) Una organizacin especializada en encuestas afirma que el 90% de los votantes
registrados nunca ha escuchado acerca de Carmelo Garca, quien fue candidato a un
puesto pblico. Si esto es correcto, Cul es la probabilidad de que en una muestra de 15
votantes seleccionada aleatoriamente, 2 o menos de ellos hayan escuchado algo acerca de
ste seor?
35
5) Un banco en promedio recibe 6 cheques sin fondos por da. Cul es la probabilidad de
que reciba cuatro cheques sin fondo en un da dado?
6) Los registros muestran que la probabilidad es 0.0012 de que una persona ingiera
comida envenenada al pasar un da en cierta feria agropecuaria. Obtenga la probabilidad
de que en 1000 personas que asisten a la feria, cuando mucho dos ingieran comida
envenenada, Y por lo menos dos?
7) Una fbrica de cerillos sabe que 0.1% de su produccin tiene algn defecto. Encuentre
la probabilidad de que en un paquete de 50 cerillos, ninguno de ellos tenga defecto.
8) El 0.5% de las piezas producidas por una mquina son defectuosas. La mquina se
lleva a reparacin si al tomar una muestra aleatoria de 10 piezas se encuentra dos o ms
defectuosa. Obtenga la probabilidad de que la mquina sea cometida a reparacin con este
esquema de muestreo.
9) Las observaciones durante un largo perodo muestran que un vendedor determinado
puede concluir una venta en una sola entrevista con una probabilidad de 0.30. Suponga
que el vendedor entrevista a 6 prospectos (o compradores prospectivos).
a) Cul es la probabilidad que exactamente dos prospectos compren el producto?
b) Cul es la probabilidad de que todos los prospectos compren el producto?
c) Cul es la probabilidad que al menos dos prospectos compren el producto?
10) Una empresa compra determinado componente electrnico en grandes cantidades. La
decisin de aceptar el lote o de rechazarlo se basa en una muestra de 1000 productos. Si
alguno de los 1000 productos resulta defectuoso el lote se rechaza de otro modo se acepta,
suponga p = 0.0002
a) Cul es la probabilidad de aceptar el lote?
b) Cul es la probabilidad de rechazar el lote?
11)
Peridicamente se suspende el servicio de una computadora para darle
mantenimiento, instalar nuevo equipo, etc. El tiempo que permanece inactiva una
computadora en particular, est distribuida normalmente con media igual a 1.5 horas y
desviacin estndar de 0.4 horas Cul es el porcentaje de perodo de inactividad
a) mayores de 2 horas?
b) entre 1 y 2 horas?
c) menos de 1 hora?
12) Una compaa de transporte premia con un bono especial a aquellos empleados que
venden 300 o ms boletos durante una jornada de 8 horas. El nmero de boletos vendidos
por empleado en dicha jornada est distribuido de manera aproximadamente normal, con
= 270 y = 16. Cul es la probabilidad que un vendedor seleccionado aleatoriamente
no reciba el premio?
13)
El tiempo de espera en cierto banco est distribuido en forma normal,
aproximadamente, con media y desviacin estndar iguales a 3.7 y 1.4 minutos,
36
a)
b)
19)
suponga que el tiempo necesario para que germine una variedad de semillas de una
planta est normalmente distribuido con una media de de 15 das y desviacin
estndar de 4 das.
Qu proporcin de las semillas deben germinar
a.1 dentro de 19 das?
a.2 despus de 23 das?
Despus de cuntos das deben haber germinado las partes de las semillas?
El editor de una casa editorial calcula que transcurren en promedio 11 meses antes de
terminar el proceso de publicacin, desde la elaboracin del manuscrito hasta
terminar con el libro, con una desviacin de 2.4 meses. Piensa que la distribucin
normal describe bien los tiempos de publicacin. De 19 libros que tendr a su cargo
este ao, aproximadamente cuntos finalizarn el proceso de menos de un ao?
37