Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Ejercicios Mod 10
Ejercicios Mod 10
z
a)
x4
1.22
b) Nivel de ingresos a partir del cual se sita el 10% de la poblacin con renta ms elevada.
Vemos en la tabla el valor de la variable tipificada cuya probabilidad acumulada es el 0,9 (90%),
lo que quiere decir que por encima se sita el 10% superior.
Ese valor corresponde a z=1,282. Ahora calculamos la variable normal x equivalente a ese valor
de la normal tipificada: 1.282=(x-4)/1.22
Despejando x=5,57. Por lo tanto, aquellas personas con ingresos superiores a 5,57 millones de
pesos constituyen el 10% de la poblacin con renta ms elevada.
c)
Nivel de ingresos mnimo y mximo que engloba al 60% de la poblacin con renta media. Vemos
en la tabla el valor de la variable normalizada Y cuya probabilidad acumulada es el 0,8. Como
sabemos que hasta la media la probabilidad acumulada es del 50%, quiere decir que entre la media
y este valor de z hay un 30% de probabilidad.
Por otra parte, al ser la distribucin normal simtrica, entre -z y la media hay otro 30% de
probabilidad. En definitiva, el segmento (-z,z) engloba al 60% de poblacin con renta media.
El valor de z que acumula el 80% de la probabilidad es 0,842 (aprox.), por lo que el segmento viene
definido por (-0,842, +0,842). Ahora calculamos los valores de la variable x correspondientes a estos
valores de z. Los valores de x son 2,97 y 5,03. Por lo tanto, las personas con ingresos superiores a 2,97
millones de pesos e inferiores a 5,03 millones de pesos constituyen el 60% de la poblacin con un
nivel medio de renta.
Ejercicio. Se est investigando el tiempo de aguante de unas bateras recargables. Por estudios
anteriores, se sabe que la distribucin de los tiempos de aguante es aproximadamente normal con una
desviacin tpica de 8mn. Se disea un experimento en el que se mide el tiempo de aguante para 10
bateras, y se encuentra una media de 121 minutos.
a). Construir detalladamente un intervalo de confianza al 95% de confianza para el tiempo promedio
de aguante de una batera.
b). Se puede afirmar al 95% de confianza que el tiempo promedio de aguante es mayor de 115mn?
Calcular el p-valor asociado a la prueba.
c). Cuntas bateras deberan probarse en el experimento si queremos asegurarnos que, con una
confianza de 95%, el margen de error cometido no ser mayor que 4mn?
d). Planeamos contrastar, con 95% de confianza y una muestra de 10 bateras, la hiptesis de que el
tiempo promedio de aguante es igual a 115mn. Cul es la potencia del test contra la alternativa =
120 ? Te parece suficiente? Como se podra mejorar?
Ejemplo. La vida media de los habitantes de un pas es de 68 aos, con una varianza de 25. Se hace un
estudio en una pequea ciudad de 10.000 habitantes:
a) Cuntas personas superarn previsiblemente los 75 aos?
b) Cuntos vivirn menos de 60 aos?
a)
b)
Z (t )
e itz
E (X )
e z
/2
2
V ( X) 2
x ( t ) e it ( t
2 / 2)
siendo
Ejemplo, En una pregunta del CIS sobre la edad hasta la que consideran
convenientes los padres controlar los programas y el tiempo de televisin de
los hijos, la media fue de 15,4 aos y la desviacin tpica de 2,11. Teniendo
en cuenta que las respuestas se distribuyen aproximadamente como la curva
normal y que van de los 7 a los 24 aos, calcular:
a)-Cuantos respondieron que la edad debe ser hasta los 13 aos
b)-Cuantos dijeron que debe estar entre 14 y 17 aos.
c)-Cuantos respondieron que debe estar por encima de los 19 aos
a)
x 15,4
Sx = 2,1
x x 13 15,4
1,13
Sx
2,11
Consultando las tablas de la curva normal comprobamos que entre la media y un desviacin tpica de
1,13 encontramos un rea de 0,3708 que si situara a la izquierda de la curva por tener signo negativo.
Si el rea que queremos calcular es el que queda a la izquierda del valor -1,13, es decir, los de menos
de 13 aos, restamos a 0,5 (que es la superficie de la mitad de la curva) 0,3708 y obtenemos el
resultado de 12,92%
0,5-0,3708= 0,1292
b)
z1
x x 14 15,4
0,66
Sx
2,11
z2
x x 17 15,4
0,75
Sx
2,11
Las reas correspondientes a estos valores z son 0,2454 y 0,2734 respectivamente. Como en este caso
nos preguntan por el rea comprendida entre las unidades z 0,66 y 0,75 sumaremos ambas con el
resultado de del 51,88% 0,2454+0,2734 = 0,5188
x x 19 15,4
1,70
S
2,11
c)
El rea correspondiente es de 0.4554 y los que estn por encima de 1,7 unidades z se obtienen restando
de 0,5, el 0,4554 de las tablas. 0,5-0,4554 = 0,0446, es decir el 4,46%.
Ejemplo, Supongamos que cierto fenmeno pueda ser representado mediante una variable aleatoria
X N( 45,9) , y queremos calcular la probabilidad de que X tome un valor entre 39 y 48, es decir,
P(39 X 48)
Solucin, hallamos la variable estandarizada
39 45
48 45
0.666
y z2
0.333 de modo que
9
9
P(39 X 48) P( 0.666 Z 0.333) 0.378
z1
Remitimos al lector a la tabla de la funcin de distribucin Normal para evaluar los valores de la
funcin acumulada, que se anexan a este captulo
Ejemplo, Durante cierta epidemia de gripe, enferma el 30% de la poblacin. En un aula con 200
estudiantes, Cul es la probabilidad de que al menos 40 de ellos padezcan la enfermedad? y Calcular la
probabilidad de que haya 60 estudiantes con gripe.
Solucin: La variable aleatoria que contabiliza el nmero de alumnos que padece la gripe es
X B(200,0.30)
cuya media es np=60 y varianza es npq=42. Realizar los clculos con la Binomial es muy engorroso,
ya que intervienen nmeros combinatorios de gran tamao, y potencias muy elevadas. Por ello
utilizamos la aproximacin normal de X, teniendo en cuenta que se verifican las condiciones
necesarias para que el error sea aceptable: n=200>30, np=60>4, y nq=140>4, entonces
X N (60, 42 )
As aproximando la variable aleatoria discreta binomial X, mediante la variable aleatoria continua
normal,
X 60
40 60
P( Z 3.09)
42
42
1 60
2
20 60 140 1
P(X60) *p *q o f(60) e 0. 63
60 2
Ejemplo, Los resultados de una prueba objetiva de seleccin pasada a 200 personas indicaron que la
distribucin de puntuaciones era normal, con media 60 puntos y desviacin tpica de 6 puntos. Cada
prueba se puntu con 0 1 puntos. Calcular cuntos examinados han obtenido una puntuacin entre 30
y 40 puntos, y cul es la mnima puntuacin por debajo de la cual estn el 75 % de los examinados.
Tipifiquemos la variable con los valores extremos dados:
30 60
5
6
40 60
z2
3,33
6
z1
con lo cual no hay ningn examinado con una puntuacin entre 30 y 40. Por otro lado, la mnima
puntuacin por debajo de la cual est el 75 % de los examinado la obtenemos as:
p ( z z x ) 0,75 z x
El valor de zx est entre 0,67 y 0,68 podemos realizar una interpolacin proporcional para obtener:
Para 0,01, la diferencia es 0,0031
Para x, la diferencia es 0,0014
luego:
0,0014 0,01
0,0045
0,0031
entonces:
zx=0,67+0,0045=0,6745
x1=6zx+60=6 . 0,6745+60=64
365 302
1,575
40
400 302
2,45
40
entonces:
p ( X 400) p ( z 2,45) 1 p ( z 2,45) 1 0,9929 0,0071 y
z1
la
esperanza
s npq
siempre que n tienda a infinito (en la prctica es suficiente que n sea mayor o igual que
30) y p sea muy prximo a 0,5. La aproximacin es muy buena cuando np y nq son superiores a 5.
En las tres binomiales dadas:
B (10;0,1) m np 1
Siendo la mejor aproximacin la ltima pues en ella n=200>300 y p=0,5 con np=nq=100>5
La peor es la primera pues n=10<30 y p=0,1 siendo np=1 inferior a 5 y nq=10.0,9=9
Ejemplo, Explica qu es una distribucin de probabilidad de variable continua.
Como ejemplo describe la ley de distribucin normal.
Suponiendo que las tallas de los adultos de un pas A siguen una distribucin normal con media 180
cm. y desviacin tpica 5 cm. y que las tallas de los adultos en un pas B siguen una distribucin
tambin normal, pero con media 180 cm. y desviacin tpica 15 cm., contestar razonadamente en cul
de los dos pases es ms probable encontrar adultos con talla superior a 195 cm. y dnde es ms
probable encontrar adultos con talla comprendida entre 175 y 185 cm.
Una variable aleatoria continua es aqulla que puede tomar todos los valores reales comprendidos en
un intervalo. Su distribucin de probabilidad es la expresin que asigna a cada valor de la variable su
correspondiente probabilidad. La distribucin normal es una variable aleatoria continua en la cual
mediante la expresin (funcin de distribucin):
x
p ( X x)
1
2
( x m)2
2s2
dx
calculamos la probabilidad de que un determinado valor X sea menor o igual que otro dado x. Y la
expresin:
f ( x)
1
s 2
( x m)2
2s2
es la funcin de densidad que da los valores de las probabilidades de que X tome un valor fijo x.
A la distribucin normal de media m y desviacin tpica s la representamos abreviadamente por
N(m,s), y su funcin densidad tiene las siguientes propiedades:
- Presenta un mximo en X=m
- La recta y=0 es una asntota horizontal.
- El rea encerrada por la curva de la funcin y el eje OX es 1.
- Presenta puntos de inflexin en m+s(decreciente) y en m-s(creciente.
- Su dominio es R.
- Es simtrica con relacin al eje OY
- Es siempre positiva.
Grficamente la funcin f(x) presenta el siguiente aspecto:
Donde se ha representado la distribucin normal N(0,1), esto es, con m=0 y s=1. Elegido un punto
cualquiera del eje OX, su ordenada correspondiente nos da el valor de la probabilidad de que la
variable independiente tome ese valor concreto.
En el problema planteado, empezaremos tipificando el valor 195 en ambas distribuciones:
195 180
3
5
195 180
z2
1
15
z1
p ( X 195) p( z 3) 1 p( z 3) 0
Y en la segunda:
175 180
175 180
1 z1 '
0,33
5
15
185 180
185 180
z2
1 z2 '
0,33
5
15
y las probabilidades son:
z1
63,5 65
0,5
3
66,5 65
z2
0,5
3
62 65
z3
1
3
68 65
z4
1
3
z1
La probabilidad de que un individuo tenga un peso comprendido entre 63,5 y 66,5 es:
2 p ( z 1) 1 2 0,8413 1 0,6826
y la de que el otro no est en ese intervalo es:
y la de que las dos cosas ocurran simultneamente es: 0,6826 . 0,3174 = 0,2167
Luego es ms probable lo que se indica en el apartado b) que lo que se indica en el a).
Ejemplo, Explica qu es una distribucin de probabilidad normal. Supn que x e y representan la talla
de ,los adultos de dos ciudades, que supondremos que se distribuyen normalmente con medias 168 y
171 cm. y desviaciones tpicas de 2 y 1 cm. respectivamente. Justifica, sin recurrir a tablas, que la
probabilidad de que x est comprendida entre 166 y 170 cm. coincide con la probabilidad de que y est
comprendida entre 170 y 172 cm.
Para el concepto de distribucin de probabilidad normal ver ejercicio n 4 de este mismo captulo.
Si tipificamos los datos proporcionados para las variables x e y tendremos:
x 168
166 168
1
2
2
y 171
z2
170 171 1
1
z1
170 168
1
2
172 171 1
Y, como los valores tipificados de los extremos de cada uno de los intervalos dados son iguales, se
cumplir:
158 170
2
6
182 170
z2
2
6
z1
p (158 X 182) p (2 z 2) p ( z 2) p( z 2) p ( z 2) 1 p ( z 2)
2 p ( z 2) 1 2 0,9772 1 0,9544
Ejemplo, Los resultados de una prueba objetiva de seleccin pasada a 200 personas indicaron que la
distribucin de puntuaciones era normal, con media de 80 puntos y desviacin tpica de 6 puntos.
Calcular cuntos examinados han obtenido una puntuacin entre 70 y 90 puntos. Si se eligen al azar
dos de esas 200 personas, calcular la probabilidad de que ambas personas tengan puntuacin superior a
90.
Tipificamos:
70 80
1,67
6
90 80
z2
1,67
6
z1
superiores a 55000 ptas.. Calcular cuntos das en un ao se espera obtener unas ventas superiores a
40620 ptas.
Tipificamos:
55000 35560
7,68
2530
40620 35560
z2
2
2530
z1
luego no es razonable.
La probabilidad de obtener ventas superiores a 40.620 ptas. es:
209 210
1,67
0,6
211 210
z2
1,67
0,6
Y la probabilidad de que una persona obtenga puntuacin entre 209 y 211 es:
z1
z1
2
s1
z2
3
s2
p ( X 2) p(Y 3) 0,1587 p ( z
2
1 p( z s ) 0,1587 p ( z
1
3
1 p( z ) 0,1587 p ( z
s2
2
3
) p ( z ) 0,1587
s1
s2
2
) 1 0,1587 0,8413
s1
3
) 1 0,1587 0,8413
s2
2
1 s1 2 s12 4
s1
3
1 s 2 3 s 22 9
s2
que son las varianzas pedidas.
Ejemplo, Las precipitaciones anuales en una regin son, en media, de 2000 mm., con una desviacin
tpica de 300 mm. Calcular, suponiendo distribucin normal, la probabilidad de que en un ao
determinado la lluvia no supere los 1200 mm.
Tipificamos para obtener:
1200 2000
2,67
300
f ( x) k x 2
para
x 0,1
Calcular:
a)
El valor de la constante k.
b) La varianza de dicha distribucin.
Para que se cumpla la condicin de normalizacin, se tendr:
1
kx 3
F ( x ) kx dx 1
3
0
k
1 k 3
3
m
0
3x 4
f ( x) xdx 3 x dx
4
0
3
0,75
4
3
3x 9
s ( x m) 2 f ( x )dx ( x ) 2 3 x 2 dx ( x 2
) 3 x 2 dx
4
2 16
0
0
0
1
3 x 3 27 x 2
3 x 5 3 x 4 27 x 3
(
3
x
)
dx
0
2
16
5
8
48
3 3 27 189 63
0,7875
5 8 48 240 80
155 165
0,83
12
150 165
1,25
12
178 165
z2
1,08
12
z1
0,7543
Lo que supone un 75,43 % de los alumnos:
Tipficamos ahora los valores 170 y 185:
170 165
0,42
12
185 165
z2
1,67
12
z1
__________________________________________________________________
Ejemplo, El peso de 600 alumnos se distribuye segn una distribucin normal N(67; 5).
Calcula cuntos de ellos pesan:
a)
Ms de 80 kg.
b) Menos de 50 kg.
c)
Entre 50 y 80 kg.
Tipificamos los valores 50 y 80 kg.:
50 67
3,4
5
80 67
z2
2,6
5
z1
menos de 50 kg.
La probabilidad de que un alumno pese entre 50 y 80 kg. es:
p ( z z1 ) 0,2
(1)
p ( z1 z z 2 ) 0,65
p ( z z 2 ) 0,15
(2)
(3)
x1 0,85 18 65 49,7 50
puntos
a)
Su presin sea mayor de 115 mm. Hg.
b) Su presin est comprendida entre 80 y 100 mm. Hg.
Tipificando los valores 90, 80 y 100 tenemos:
115 90
2,08
12
80 90
z2
0,83
12
100 90
z3
0,83
12
z1
Ejemplo, En una muestra de 1000 personas de una determinada poblacin, result que la talla media
era de 170 cm. con una desviacin tpica de 10 cm. Sabiendo que la talla se distribuye normalmente,
calcula el nmero de personas que miden:
a)
Menos de 160 cm.
b) Ms de 2 m.
Tipificamos los valores dados:
160 170
1
10
200 170
z2
3
10
z1
p ( X 200) p ( z 3) 1 p ( z 3) 1 1 0
70 58,2
3,81
3,1
65 52,4
zP
2,47
5,1
zJ
Como:
p ( z 3,81) p ( z 247)
pues
1 0,932
Se puede afirmar que Juan L. es igual de grueso que Pilar S. dentro de su grupo de sexo. Entre los
chicos habrn 1 . 15 = 15 (todos) alumnos que pesan menos que Juan L. Entre las chicas habrn 0,9932
. 20 = 19,8
175 160
0,75
20
180 170
zB
0,67
15
zA
Como:
p ( z 0,75) p ( z 0,67)
pues
0,7734 0,7486
p ( z z1 ) 0,8 z1 0,85
Ejemplo, Se lanza una moneda al aire 100 veces, si sale cara le damos el valor 1 y si sale Sello el valor
0. Cada lanzamiento es una variable independiente que se distribuye segn el modelo de Bernoulli, con
media 0,5 y varianza 0,25. Calcular la probabilidad de que en estos 100 lanzamientos salga ms de 60
caras.
La variable suma de estas 100 variables independientes se distribuye, por tanto, segn una distribucin
normal.
Media = 100 * 0,5 = 50
Varianza = 100 * 0,25 = 25
Para ver la probabilidad de que salgan ms de 60 caras calculamos la variable normal tipificada
equivalente z=(60-50)/5=2.0
Por lo tanto P(x>60) = P(z>2,0) = 1- P(z< 2,0) = 1 - 0,9772 = 0,0228
Es decir, la probabilidad de que al tirar 100 veces la moneda salgan ms de 60 caras es tan slo del
2,28%
Ejemplo:
Si asumimos que la resistencia de las baldosas se distribuye normalmente con
y
Resistencia de 100 Baldosas
1.
2.
3.
4.
5.
6.
4. Un lote de arandelas tiene un dimetro normal con media 10 milmetros y desviacin tpica
0.5 milmetros. Se toma una arandela al azar. Cul es la probabilidad de que tenga un
dimetro:
4.1
4.2
Superior
Entre
a
9
10.5
y
milmetros?
11
milmetros?