Está en la página 1de 18

4.

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

4.3 Distribuciones de Probabilidad para variables aleatorias discretas


4.3.1 Distribuciones de Probabilidad Discreta 4.3.1.1. Distribucin Binomial 4.3.1.2. Distribucin Geomtrica 4.3.1.3. Distribucin Hipergeomtrica 4.3.1.4. Distribucin de Poisson . 4.3.2. Ejercicios Resueltos 4.3.3 Ejercicios Propuestos

Vzquez, H. 2009

4.3.1 Introduccin
Caso Real: Variables Aleatorias Discretas Un ingeniero de control de calidad inspecciona una muestra aleatoria de 3 bateras de cada lote de 24 bateras para automvil listo para ser embarcado. Si uno de esos lotes contiene seis bateras con ligeros defectos, qu probabilidades hay de que la muestra del inspector contenga al menos dos bateras con defectos?

El nmero de mensajes que se envan por computadora a un boletn electrnico es una variable aleatoria Poisson con una media de cinco mensajes por hora. Cul es la probabilidad de que el boletn reciba cinco mensajes en una hora?

4.3.1.1. Distribucin de Probabilidad Binomial:


La distribucin binomial es una de las distribuciones discretas de probabilidad ms tiles. Sus reas de aplicacin incluyen inspeccin de calidad, ventas, mercadotecnia, medicina, investigacin de opiniones, etc. Un experimento binomial tiene las siguientes propiedades: 1.- El experimento consiste en "n" ensayos idnticos e independientes entre s. 2.- Cada ensayo tiene dos resultados posibles: el xito, ocurrencia del evento, y el fracaso, la no ocurrencia. 3.- La probabilidad de xito en un ensayo es igual a "p", la cual permanece constante para cada ensayo. La probabilidad de fracaso es igual a l - p = q. 4.- La variable aleatoria discreta "x" representa el nmero de xitos en los "n" ensayos.

Definicin: Sea "x" una variable aleatoria que se presenta el nmero de xitos en "n" ensayos y "p" la probabilidad de xito con cualquiera de stos. Se dice entonces que "x" tiene una distribucin binomial con funcin de probabilidad:

b( x; n; p) n Cx p x q n x
Donde: n: nmero de intentos repetidos x: nmero de xitos p: probabilidad de xito q: probabilidad de fracaso.

Vzquez, H. 2009

Ejemplo: Si la probabilidad de cualquier elector registrado (seleccionando al azar de las listas oficiales) vote en una eleccin determinada es 0.70. Cul es la probabilidad de que dos de cinco electores registrados voten en la eleccin?. Solucin: x = variable aleatoria discreta que representa el evento. "Electores que votan en la eleccin" : x = 2. p = probabilidad de xito: p = 0.70 l-p = probabilidad de fracaso: q = 1 - 0.70 = 0.30. n = total de electores: n = 5.

De una distribucin de probabilidad binomial, se puede calcular su valor esperado, (media o esperanza matemtica) su varianza y desviacin estndar. Media: Varianza: Desviacin Estndar:

Las observaciones durante un largo periodo muestran que un vendedor determinado puede concluir una sola entrevista con una probabilidad de 0.2. Supngase que el vendedor entrevista a cuatro prospectos. a) Cul es la probabilidad de que dos prospectos compren el producto? b) Cul es la probabilidad de que al menos dos prospectos compren el artculo? c) Cul es la probabilidad de que todos los prospectos compren el producto? d) Cul es la probabilidad de que por lo mucho dos prospectos compren el artculo? e) Calcular la media y desviacin estndar.

Vzquez, H. 2009

Solucin:

4.3.1.2. Distribucin de Probabilidad Geomtrica:


De nuevo supngase una serie de ensayos Bernoulli independientes con una probabilidad constante de xito p en cada ensayo. Sin embargo, lugar de tener un nmero fijo de ensayos, ahora stos se realizan hasta que se obtiene un xito. Se la variable aleatoria X el nmero de ensayos realizados hasta obtener el primer xito. Considere que se analiza una serie de cilindros de aire, uno tras otro, hasta que se encuentra uno que contenga una molcula rara. En este caso, X es el nmero de muestras analizadas. En la transmisin de bits, X puede ser el nmero de bits transmitidos hasta que se presenta un error en la transmisin. Ejemplo: La probabilidad de recibir de manera errnea un bit enviado por un canal de transmisin digital es 0.1. supngase que las transmisiones son eventos independientes, y sea la variables aleatoria X el nmero de bits transmitidos hasta que se presenta el primer error. Entonces P(X=5) es la probabilidad de que se transmitan de manera correcta los cuatro primeros bits y que el quinto sea errneo. Este evento puede denotarse como {CCCCE}, donde C indica una transmisin correcta del bit. Dado que los ensayos son independientes y la probabilidad de una transmisin correcta es 0.9,

Vzquez, H. 2009

Ntese que existe cierta probabilidad de que X sea igual a cualquier entero. Por otra parte si el primer ensayo es un xito, entonces X= 1. Por consiguiente, el rango de X es {1,2,3...}, esto es, todos los enteros positivos. Definicin: En una serie de ensayos Bernoulli independientes, con una probabilidad constante p de xito, sea la variable aleatoria X el nmero de ensayos realizados hasta la obtencin del primer xito. Entonces X tiene una distribucin geomtrica con parmetro p:

g ( x; p) pq n x para x 1,2,.....
Ejemplo: La probabilidad de que una muestra de aire contenga una molcula rara es 0.01. si se supone que las muestras son independientes con respecto a la presencia de la molcula rara cul es la probabilidad de que sea necesario analizar exactamente 125 muestras antes de detectar una molcula rara? Solucin: Sea X el nmero de muestras analizadas hasta que se detecta las presencia de la molcula rara. Entonces X es una variable aleatoria geomtrica con p= 0.01. La probabilidad pedida es

Si X es una variable aleatoria geomtrica con parmetro p, entonces las media y la varianza de X son

Ejemplo: Considrese de nuevo la transmisin de bits del ejemplo anterior. Calcular la media y desviacin estndar Solucin: En este caso, p= 0.1. El nmero promedio de transmisiones hasta que se presente el primer error es

La desviacin estndar del nmero de transmisiones hasta que se presente el primer error es:

Propiedad de la Carencia de Memoria: Se ha definido una variable aleatoria geomtrica como el nmero de ensayos realizados hasta obtener el primer xito. Sin embargo, dado que los ensayos son independientes, el conteo del nmero de stos hasta que tienen el primer xito puede comenzar en cualquier ensayo sin cambiar la distribucin de probabilidad de Vzquez, H. 2009 5

la variable aleatoria. Por ejemplo, en la transmisin de bits, si se transmite 100 bits, la probabilidad de que el primer error, despus del bits 100, se presente en l bit 106, es la probabilidad de que los prximos seis resultados sean CCCCCE. Esta probabilidad es (0.9)5 (0.1) = 0.059 , que es idntica a la probabilidad de que el error inicial ocurra en el bit seis. La suposicin para el uso de un modelo geomtrico es que el sistema presuntamente no se desgastar. La probabilidad del error permanece constante para todas las transmisiones. En este sentido, se dice que la distribucin geomtrica carece de memoria. La propiedad de la carencia de memoria ser discutida de nuevo en el captulo siguiente, dentro del contexto de la variable aleatoria exponencial.

4.3.1.3. Distribucin Hipergeomtrica:


Considrense un sistema de produccin diaria de 850 partes, el cual contiene 50 que no cumplen con los requerimientos del cliente. Se toman dos partes al azar, sin reemplazo, de la produccin del da. Cul es la probabilidad de que las dos partes no cumplan con los requerimientos?. Este experimento consiste en dos ensayos: seleccionar la primera parte y luego escoger la segunda. Sin embargo, el experimento es fundamentalmente distinto de los ejemplos basados en la distribucin binomial. En este experimento, los ensayos no son independientes. Ntese que, en el caso poco usual de que cada unidad seleccionada se devuelva al lote antes de hacer la seleccin siguiente, los ensayos son independientes y la probabilidad de que una parte no cumpla con los requerimientos es constante. En este caso, el nmero de partes que no cumplen con los requerimientos es una variable aleatoria binomial. Sean A y B los eventos donde la primera y la segunda parte no cumplen con los requerimientos, respectivamente. Aplicando probabilidad condiciona P(B|A) = 49/849 y P(B)=50/850. En consecuencia, el hecho de saber que la primera parte no cumple con los requerimientos sugiere que es menos probable que la segunda tampoco los cumpla. En este ejemplo, sea X igual al nmero de partes en la muestra que no cumplen con los requerimientos. P(X=0) = P (ambas apartes cumplen con los requerimientos)} __..___= (800/850)(799/849)=0.886 P(X=1) = P (primera parte seleccionada cumple con los requerimientos y la segunda no, o la primera no los cumple pero la segunda s) ___..__= (800/850)(50/849)+(50/850)(800/849)=0.111 P(X=2) = P (ambas partes no cumplen con los requerimientos) ___..__= (50/850)(49/849)=0.003 Tal como sucede en este ejemplo, a menudo las muestras se seleccionan sin reemplazo; esto es, las unidades seleccionadas no se devuelven al lote antes de hacer la siguiente seleccin. Aunque las probabilidades pueden obtenerse con un razonamiento similar al del ejemplo anterior, siempre es de gran utilidad tener una frmula general para el clculo de las probabilidades cuando las muestras se toman sin reemplazo.

Vzquez, H. 2009

Un conjunto de N objetos contiene: a = Objetos clasificados como xitos y N-a = Objetos clasificados como fallas Se toma una muestra de "n" objetos al zar (sin reemplazo) que contiene: x= Objetos clasificados como de xitos n= Objetos que conforman la muestra Donde: AN n<N xa nxNa Sea la variable aleatoria X el nmero de xitos en la muestra. Entonces, X tiene una distribucin hipergeomtrica es aquella en la que se seleccionan x xitos de a xitos totales y n-x fracasos de N-a fracasos totales:

h( x; n; a; N )
a: Nmero de xitos totales x: Nmero de xitos seleccionados N-a: Nmero de fracasos totales n-x: Nmero de fracasos seleccionados

Cx

N a N

Cn x

Cn

Ejemplo: El ejemplo antes mencionado del proceso de produccin, ahora se resolver con la formula:

h( x 0) h( x 1) h( x 2)

50

C0

800

C2

850 C2 50

0.886 0.111 0.003

C1
850

800

C1 C0

C2
800

50

C2
850

C2

Observe que son los mismos resultados.

Ejemplo: Un lote de piezas contiene 100 de un proveedor local de tubera, y 200 de un proveedor del mismo material, pero de otro estado. Si se eligen cuatro piezas al azar y sin reemplazo, cul es la probabilidad que todas provengan del proveedor local? Vzquez, H. 2009 7

Sea X el nmero de partes en la muestra que son del proveedor local. Entonces, X tiene una distribucin hipergeomtrica y la probabilidad pedida es P(X=4). En consecuencia,

h( x 4)

100

C4
300

200

C0

C4

0.0119

Cul es la probabilidad de que dos o ms piezas de la muestra sean del proveedor local?

P( x 2) h(2) h(3) h(4) h( x 2) h( x 3) h( x 3) C2


300 100

100

200

C2 C1 C0

C4
200

0.298 0.098 0.0119

C3
300

C4
200

100

C4
300

C4

P(x2) =0.298+0.098+0.0119= 0.108

La media y la varianza de una variable aleatoria hipergeomtrica pueden obtenerse alconsiderar los ensayos que conforman el experimento. Sin embargo, los ensayos no son independientes, razn por la que resultan inapropiados los clculos utilizados para la variable aleatoria binomial. Se deja como ejercicio de comprensin para el lector el clculo de la media y la varianza de una variable aleatoria hipergeomtrica. Sea p=a/N. Entonces, p puede interpretarse como la proporcin de xitos en el conjunto del cual se toma la muestra. Si X es una variable aleatoria hipergeomtrica con parmetros N, a y n, entonces la media y la varianza de X son Media y desviacin estndar: Ejemplo: Continuando con el ejemplo de produccin. Calcular la media y la desviacin estndar. Solucin: La variable aleatoria X es el nmero de partes defectuosas contenidas en la muestra. Entonces, p=50/850=1/17. Por consiguiente, E(X)=4(1/17)=0.235 2= 4(1/17)(16/17) = 0.457 Vzquez, H. 2009 8 = 0.209

4.3.1.4. Distribucin Poisson:


Considrese la transmisin de "n" bits sobre un canal de comunicacin digital. Sea la variable aleatoria X el numero de bits transmitidos de manera errnea. Cuando la probabilidad de transmitir un bit de manera errnea es constante y las transmisiones son independientes, X tiene una distribucin binomial. Sea "p" la probabilidad de transmitir un bit de manera errnea. Entonces, E(X)=np. Ahora supngase que el nmero de bits transmitidos aumenta y la probabilidad del error disminuye de modo que "np" se mantenga igual a una constante, por ejemplo " . Esto es, "n" aumenta y " p" disminuye, de modo que E(X) permanezca constante. E Adems, dado que el nmero de bits transmitido tiende a infinito, el nmero de errores puede ser igual a cualquier entero no negativo. Por consiguiente, el recorrido de X es el conjunto de los enteros desde cero hasta infinito. La distribucin obtenida como el lmite en el ejemplo anterior es mucho ms til de lo que la deduccin de la misma deja entrever. El ejemplo siguiente ilustra la aplicabilidad de esta distribucin. Definicin: Dado un intervalo de nmeros reales, supngase que el conteo de ocurrencias es aleatorio en dicho intervalo. Si ste puede dividirse en subintervalos suficientemente tales que: 1.- La probabilidad de mas de una ocurrencia en el subintervalo es cero, 2.- La probabilidad de una ocurrencia en un subintervalo es la misma para todos los subintervalos, y se proporcional a la longitud de stos y 3.- El conteo de ocurrencias en cada subintervalo es independientes del de los dems subintervalos, Entonces el experimento aleatorio recibe el nombre de proceso Poisson. Si el nmero promedio de ocurrencias en el intervalo es >0, la variable aleatoria X que es igual al nmero de ocurrencias en el intervalo tiene una distribucin Poisson con parmetro y la funcin de probabilidad de X es:

e x p( x; ) x!
Donde: x: Nmero de xitos en un intervalo de tiempo o regin dada. : Promedio de xitos en un intervalo de tiempo o regin dada. e: es la base del logaritmo neperiano: e=2.71828.

En el clculo de probabilidades, medias y varianzas de variables aleatorias Poisson, es importante utilizar unidades que sean consistentes. El ejemplo que sigue ilustra conversiones entre unidades. Por ejemplo, si el Nmero promedio de fallas por milmetro de alambre es 3.4, entonces el Nmero promedio de fallas en 10 milmetros de alambres es 34, y el Nmero promedio de fallas en 100 milmetros de alambres es 340. 9

Vzquez, H. 2009

Ejemplo: Para el caso del alambre delgado de cobre supngase que el nmero de fallas est descrito por una distribucin Poisson con una media de 2.3 fallas por milmetro. Determnese la probabilidad de tener exactamente dos fallas en un mm de alambre. Sea X el nmero de fallas en un mm de alambre. Entonces, E(X)=2.3 fallas y

Calclese la probabilidad de tener 10 fallas en cinco milmetros de alambre. Sea X el nmero de fallas en cinco milmetros de alambre. Entonces, X tiene una distribucin Poisson con E(X)=5mm * 2.3 fallas mm =11.5 fallas Por consiguiente

Determnese la probabilidad de tener al menos una falla en dos milmetros de alambre. Sea X el nmero de fallas en dos milmetros de alambre. Entonces X tiene una distribucin Poisson con E(X) = 2mm * 2.3 fallas / mm =4.6 mm Por tanto,

La deduccin de las expresiones para la media y la varianza de una variable aleatoria Poisson se deja como ejercicio para el lector. Los resultados son los siguientes. Si X es una variable aleatoria Poisson con parmetro , entonces la media y la varianza de X son

Existen tablas de distribuciones de probabilidades de Poisson: Tabla # 7 lambda=0.1,...,3 Tabla # 8 lambda=3.1.5 Tabla # 9 lambda=6,...,15

(Consultarlas en la Carpeta adjunta:"Tablas") Para trabajar con la tabla, basta con conocer el valor de , y el valor de la variable aleatoria que se desea calcular su probabilidad. Considere el siguiente ejemplo Para el caso del alambre delgado de cobre supngase que el nmero de fallas est descrito por una distribucin Poisson con una media de 2.3 fallas por milmetro. Determnese la probabilidad de tener exactamente dos fallas en un Vzquez, H. 2009 10

mm de alambre. Sea X el nmero de fallas en un mm de alambre. Entonces, = E(X)=2.3 fallas

Entra con = 2.3 en la primera fila y para x=2 en la columna correspondiente P(X=2)= P(2, 2.3)= 0.2652

4.3.2. Ejercicios resueltos


1.- Todos los das se seleccionan de manera aleatoria 15 unidades de un proceso de manufactura con el propsito de unificar el porcentaje de unidades defectuosas en la produccin. Con base en informacin pasada, la probabilidad de tener una unidad defectuosa es de 0.05. La gerencia ha decidido detener la produccin cada vez que una muestra de 15 unidades tenga dos o ms defectuosos. Cul es la probabilidad de que, en cualquier da, la produccin se detenga?. Solucin: n x p q = = = = 15 Nmero de piezas defectuosas. 0.05 1 - p = 1 - 0.05 = 0.95

La produccin se detiene si por lo menos 2 piezas son defectuosas: P (x 2) = 1 - P(x = 0) - P(x =1) Por tabla P(x=0)=P(0; 15, 0.05) = 0.463 P(x=1)=P(1; 15, 0.05) = 0.366 P(x 2) = 1 - 0.463 - 0.366 = 0.171 2.- En una planta industrial, los lotes grandes de artculos recibidos se inspeccionan para detectar los defectuosos por medio de un esquema de muestreo. Se examinan 10 artculos y el lote ser rechazado si se encuentran dos o ms artculos defectuosos. Si un lote contiene exactamente 5% de defectuosos: a) Cul es la probabilidad de que el lote sea aceptado? b) Cul es la probabilidad de que el lote sea rechazado? c) Calcular la media y la desviacin estndar Solucin: Al analizar el enunciado, usted puede observar que es una aplicacin de la distribucin binomial, puesto que cumple con sus propiedades: Vzquez, H. 2009 11

Sea: x = nmero de artculos defectuosos Entonces: n=10 p= 0.05 q= 1 - p = 1 - 0.05 = 0.95 a) El lote es aceptado si ( x < 2) Por lo tanto la probabilidad de ser aceptado: P(x < 2)= P(x=0)+ P(x=1) Aplicando la frmula de distribucin binomial:

P(x < 2)= P ( 0, 10, 0.05)+ P ( 1, 10, 0.05)

______.= b) El lote es rechazado si x 2, por lo tanto la probabilidad de rechazo, se calcula por medio del evento complemento: P(x 2)= 1 - P(x < 2)= 1- 0.914 = 0.086 3.- Suponga que cada una de las llamadas que hace una persona a una estacin de radio muy popular tiene una probabilidad de 0.02 de que la lnea no est ocupada. Suponga que las llamadas son independientes. a. Cul es la probabilidad de que la primera llamada que entre sea la dcima que realiza la persona? b. Cul es el nmero promedio de llamadas que deben hacerse para hallar desocupada la lnea? c. Calcule la desviacin estndar Solucin: p=0.02

4.- Un embarque de 20 grabadoras contiene 5 defectuosas. Si 10 de ellas se eligen aleatoriamente para su inspeccin a) Cul es la probabilidad de que 2 de las 10 sean defectuosas? b) Calcule el promedio y la desviacin estndar de grabadoras defectuosas Solucin: N= 20, a=5, n=10, x=2 Vzquez, H. 2009 12

a)

P(x=2)= P (2, 10, 5, 20) =

b)

5.- La contaminacin es un problema en la fabricacin de discos de almacenamiento ptico. El nmero de partculas contaminantes que aparecen en un disco ptico tienen una distribucin Poisson, y el nmero promedio de partculas por centmetro cuadrado de superficie del medio de almacenamiento es 0.1. El rea de un disco bajo estudio es de 100 centmetros cuadrados. Encuntrese la probabilidad de encontrar 12 partculas en rea del disco. Sea X el nmero de partculas en el rea del disco. Dado que el nmero promedio de partculas es 0.1 de stas por cm2, E(X) = 100 cm 2 * 0.1 partculas / cm =10 partculas Por consiguiente
2

6.- En una central telefnica el nmero promedio de llamadas por segundo es de 0.05. Cual es la probabilidad: a) De que se reciban 3 llamadas por segundo b) De que se reciban por lo menos 5 llamadas por segundo c) De que se reciban 2 llamadas por minuto d) Calcule la media y la desviacin estndar de llamadas por segundo Solucin: = 0.05 llamadas por segundo a) P (x=3) = P(3, 0.05)= b) P( x > =5)= 1 - p(x < =4)= 1- ( P (x=0)+ P(x=1)+P(x=2)+P(x=3)+P (x=4))= Utilizando tablas P( x > =5)=1-0.9998=0.0002 c) = 0.05 llamadas por segundo = (0.05) 60= 3 P(X=2)= P(2, 3)= Vzquez, H. 2009 llamadas por minuto

13

d)

4.3.3 Ejercicios Propuestos


Distribucin Binomial 1.- Para una distribucin binomial con n=7 y p= 0.2, encuentre a) P(X = 5) b) P(X > 2) c) P(X < 7) d) P(x mayor o igual a 4) 2.- Encuentre la media y la desviacin estndar las siguientes distribuciones binomiales: a) n=16, p=0.40. b) n=10, p=0.75 c) n=22, p=0.15 d) n=350, p=0.90 e) n=78, p=0.05 3.- Susana Gutirrez es la alcaldesa de una ciudad grande. ltimamente, se ha estado preocupando acerca de la posibilidad de que grandes cantidades de personas que cobran el seguro de desempleo en realidad, tenga un trabajo en secreto. Sus asistentes estiman que el 40% de los beneficiarios del seguro de desempleo entran en esta categora, pero la seora Gutierrez no est convencida. Le pide a uno de sus ayudantes que haga una investigacin de 10 beneficiarios del seguro tomados al azar. a) Si los asistentes de la alcaldesa tienen razn Cul es la probabilidad de que uno de los individuos investigados tengan un empleo? (no utilice las tablas) b) Si los asistentes de la alcaldesa estn en lo correcto. Cul es la probabilidad de que slo tres de los individuos tengan trabajo? (no utilice las tablas). 4.- Con base en la experiencia anterior, el 15% de las facturas de una importante compaa que vende libros por correo estn incorrectas. Si se selecciona una muestra aleatoria de tres facturas actuales, cul es la probabilidad de que a) Exactamente dos facturas estn incorrectas? b) No ms de dos facturas estn incorrectas? c) Cuando menos dos facturas estn incorrectas? d) Realice un histograma de distribucin de probabilidad.

Vzquez, H. 2009

14

5.- Un conocido jugador de baloncesto tiene una posibilidad de 80% de anotar los tiros de castigo cada vez que lanza el baln desde la lnea de tiro libre. a) Cul es la probabilidad de que haga 4 tiros en el juego y anote las cuatro veces? b) Cul es la probabilidad de que anote cuando mucho tres veces en sus cuatro intentos? c) Calcular el valor esperado (Interprete los datos) d) Calcular la varianza y la desviacin estndar. (Interprete los datos) 6.- Un artillero antitanque tiene una posibilidad de 70% de dar en el blanco cada vez que dispara desde una distancia de 200 m. a) Cul es la probabilidad de que dispare a su blanco 10 veces y falle las 10 veces? b) Cuntas veces se puede esperar que d en el blanco? c) Cul es la probabilidad de que d en el blanco cuando menos nueve en 10 tiros? 7.- 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 encuentran 2 o ms defectuosas. Obtenga la probabilidad de que la mquina sea sometida a reparacin con este esquema de muestreo. 8.- Un estudio demuestra que 50% de las familias de un rea metropolitana grande tienen por lo menos dos automviles. Obtener las probabilidades de que entre 16 familias seleccionadas al azar en esta rea metropolitana a) exactamente nueve tengan por lo menos dos automviles; b) a lo sumo seis tengan por lo menos dos automviles; c) cualquier cantidad de ocho a doce tenga por lo menos dos automviles. 9.- La probabilidad de que un paciente no se recupere de una operacin particular es de 0.1 a) cul es la probabilidad de que exactamente dos de ocho paciente sometidos no se recuperen? b) Cul es la probabilidad de que como mximo un paciente entre los ocho pacientes no se recupere? c) Calcule el nmero esperado de pacientes que no se recuperen. d) Calcule la varianza y la desviacin estndar. Distribucin Geomtrica 1.- La Administracin Nacional de Aeronutica y el Espacio (NASA) de Estados Unidos estima que la probabilidad de que falle un "componente crtico" dentro del motor principal de un transbordador espacial es de aproximadamente 1 en 63 (Tampa Tribune, 3 de diciembre de 1993). La falla de un componente crtico durante el vuelo conducir directamente a una catstrofe del transbordador. a. En promedio, cuntas misiones del transbordador volarn antes de que ocurra una falla de componente crtico? b. Cul es la desviacin estndar del nmero de misiones antes de que ocurra una falla de componente crtico? c. Cul es la probabilidad de que ocurra una falla de componente crtico c.1) En el quinto vuelo c.2) En el cuarto vuelo o antes

Vzquez, H. 2009

15

2.- Suponga que el hecho de encontrar petrleo en un sitio de perforacin es independiente de encontrarlo en otro y que, en una regin determinada, la probabilidad de xito en un sitio individual es de 0.3. a. Qu probabilidad hay de que un perforador encuentre petrleo en su tercera perforacin, o antes? b. Si X es el nmero de perforaciones hasta que ocurre el primer xito, calcule la media y la desviacin estndar de X. 3.- Un jugador de basquetball acierta el 90% de sus tiros libre. Cul es la probabilidad de que falle por primera vez en el sptimo tiro? a) Cul es la probabilidad de que falle despus del sptimo tiro? 4.- suponga que la variable aleatoria X tienen una distribucin geomtrica con p=0.5. calcule las probabilidades siguientes: a. P(X=1) b. P(X=4) c. P(X=8) d. P(X<=2) e. P(X>2) 5.- La probabilidad de un alineamiento ptico exitoso en el ensamblado de un producto de almacenamiento ptico de datos es 0.8. suponga que los ensayos son independientes. a. Cul es la probabilidad de que el primer alineamiento exitoso requiera exactamente cuatro ensayos? b. Cul es la probabilidad de que el primer alineamiento exitoso requiera como mximo cuatro ensayos? c. Cul es la probabilidad de que el primer alineamiento exitoso requiera al menos cuatro ensayos? Distribucin Hipergeomtrica 1.- Determine lo siguiente: a) Si n = 4, N = 10 y a = 5, entonces P(X = 3) b) Si n = 4, N = 6 y a = 3, entonces P(X = 1) c) Si n = 5, N = 12 y p = 0.25, entonces P(X = 0) d) Si n = 3, a= 3 y p = 0.3, entonces P(X = 3) 2.- Consulte el problema anterior a) Calcule la media, la varianza y la desviacin estndar para la distribucin ipergeomtrica descrita en a). b) Calcule la media, la varianza y la desviacin estndar para la distribucin hipergeomtrica descrita en b). 3.- Cul es la probabilidad de que un auditor de impuestos encuentre slo 2 declaraciones de impuestos sobre ingresos con deducciones improcedentes si seleccion aleatoriamente 6 declaraciones entre 18, 8 de las cuales contienen deducciones improcedentes? 4.- Entre los 12 colectores solares en exhibicin en una feria comercial, 9 son de placas planas y los dems de concentracin. Si una persona de visita en la feria Vzquez, H. 2009 16

seleccionara aleatoriamente cuatro de los recolectores solares para su examen, cul sera la probabilidad de que 3 de ellos fueran de placas planas? 5.- Un ingeniero de control de calidad inspecciona una muestra aleatoria de 3 bateras de cada lote de 24 bateras para automvil listo para ser embarcado. Si uno de esos lotes contiene seis bateras con ligeros defectos, qu probabilidades hay de que la muestra del inspector contenga a) ninguna batera con defectos, b) slo una batera con defectos; c) al menos dos bateras con defectos? 6.- Si 6 de 18 edificios nuevos en una ciudad violan el reglamento de construccin, cul es la probabilidad de que un inspector de construcciones, que selecciona aleatoriamente 4 de los nuevos edificios para su inspeccin, encuentre a) que ninguno de los edificios nuevos viola el reglamento de construccin, b) que uno de los edificios nuevos viola el reglamento de construccin; c) que dos de los edificios nuevos violan el reglamento de construccin; d) que al menos tres de los edificios nuevos violan el reglamento de construccin? 7.- Las tarjetas de circuito impreso se envan a una prueba de funcionamiento despus de haber montado en ellas todos los chips. Un lote contiene 140 tarjetas y se toman 20 sin reemplazo para hacerles la prueba de funcionamiento. a. Si 20 tarjetas estn defectuosas cul es la probabilidad de que al menos una de ellas se encuentre en la muestra? b. Si 5 tarjetas estn defectuosas , cul es la probabilidad de que al menos una de ellas aparezca en la muestra? Distribucin Poisson 1.- Dada =4.2, para una distribucin de Poisson, encuentre a) P(X 2) b) P(X 5) c) P(X = 8) d) Desviacin estndar e) Valor esperado 2.- Las fallas en el interior de plstico utilizado en automviles se presentan de acuerdo con una distribucin de Poisson que tiene una media de 0.02 fallas por panel. a) Si se examinan 50 paneles, cul es la probabilidad de que ninguno de ellos tenga fallas? 3.- El nmero de mensajes que se envan por computadora a un boletn electrnico es una variable aleatoria Poisson con una media de cinco mensajes por hora. a) Cul es la probabilidad de que el boletn reciba cinco mensajes en una hora? b) Cul es la probabilidad de que el boletn reciba 10 mensajes en una hora y media? c) Cul es la probabilidad de que el boletn reciba menos de dos mensajes en media hora? 4.- El nmero de defectos superficiales de los paneles de plstico utilizados en los interiores de automviles tiene una distribucin Poisson con una media de 0.5 Vzquez, H. 2009 17

defectos por pie cuadrado de panel. Suponga que el interior de un automvil contiene 10 pies cuadrados de este material. a) Cul es la probabilidad de que no haya defectos superficiales en los interiores de un automvil? 5.- La concertista de piano Donna Prima se preocupa cada vez ms por el nmero de tosidos que se presentan en la audiencia justo antes de que empiece a tocar. Durante su ltima gira, Donna estim un promedio de ocho tosidos justo antes de empezar su concierto. La seora Prima le ha prometido a su director que si escucha ms de cinco tosidos en el concierto de esa noche, se rehusar a tocar. Cul es la probabilidad de que la artista toque esa noche ? 6.- La contaminacin es un problema en la fabricacin de discos almacenamiento ptico. El nmero promedio de partculas contaminantes por centmetro cuadrado de superficie del medio de almacenamiento es del 0.1. El rea de un disco bajo estudio es 100 cm2 . de

a) Calcule la probabilidad de encontrar 12 partculas contaminantes en el rea del disco. b) Encuentre la probabilidad de que no haya partculas contaminantes en el rea del disco bajo estudio. 7.- Se supone que el nmero de defectos en los rollos de tela de cierta industria textil es una variable aleatoria Poisson con media de 0.1 defectos por metro cuadrado. a. Cul es la probabilidad de tener dos defectos en un metro cuadrado de tela? b. Cul es la probabilidad de tener un defectos en 10 metros cuadrado de tela? c. Cul es la probabilidad de que no haya defectos en 20 metros cuadrado de tela? d. Cul es la probabilidad de que existan al menos dos defectos en 10 metros cuadrado de tela? 8.- El nmero de defectos superficiales de los paneles de plstico utilizados en los interiores de automviles tiene una distribucin Poisson con una media de 0.5 defectos por pie cuadrado de panel. Suponga que el interior de un automvil contiene 10 pies cuadrados de este material. a. Cul es la probabilidad de que no haya defectos superficiales en los interiores del auto? b. Si se venden 10 autos a una compaa que los renta, Cul es la probabilidad de que los interiores de cualquiera de ellos no tengan defectos superficiales? c. Si se venden 10 autos a una compaa que los renta, Cul es la probabilidad de que, como mximo, uno de ellos tengan defectos superficiales en sus interiores?

Vzquez, H. 2009

18