Está en la página 1de 19

Tenemos cartas que estn enumeradas del 1 al 9 Cul es la probabilidad de sacar la carta 9? La probabilidad de que obtengamos la carta 9.

. P(x=1) = (1/9) 1 * (8/9) 0 = 1/9 = 0.111

La probabilidad de que NO obtengamos la carta 9. P(x=0) = (1/9)0 * (8/9)1 = 8/9 = 0.888

Una maestra enumera a sus alumnos del 1 al 16, para as poder darles un premio, pero la maestra los seleccionar con los ojos cerrados, Cual es la probabilidad de que salga el alumno numero 16? La probabilidad de que seleccione al alumno numero 16. P(x=1) = (1/16) 1 * (15/16) 0 = 1/16 = 0.0625

La probabilidad de que NO seleccione al alumno numero 16. P(x=0) = (1/9)0 * (15/16)1 = 15/16 = 0.9375

Hay una urna con 342 boletos, para ganar un automvil, al momento de sacar alguno de ellos que probabilidad hay para que pueda salir premiado el boleto nmero 342? La probabilidad de que saque el boleto nmero 342. P(x=1) = (1/342) 1 * (341/342) 0 = 1/342 = 0.00292

La probabilidad de que NO seleccione al alumno numero 342. P(x=0) = (1/342)0 * (341/342)1 = 341/342 = 0.99707

"Lanzar una moneda, probabilidad de conseguir que salga cruz". Se trata de un solo experimento, con dos resultados posibles: el xito (p) se considerar sacar cruz. Valdr 0,5. El fracaso (q) que saliera cara, que vale (1 - p) = 1 - 0,5 = 0,5. La variable aleatoria X medir "nmero de cruces que salen en un lanzamiento", y slo existirn dos resultados posibles: 0 (ninguna cruz, es decir, salir cara) y 1 (una cruz). Por tanto, la v.a. X se distribuir como una Bernoulli, ya que cumple todos los requisitos. La probabilidad de obtener cruz. P(x=1) = (0.5) 1 * (0.5) 0 = 0.5 = 0.5 La probabilidad de no obtener cruz. P(x=0) = (0.5)0 * (0.5)1 = 0.5 = 0.5

En un examen formado por 20 preguntas, cada una de las cuales se responde declarando verdadero o falso, el alumno sabe que, histricamente, en el 75% de los casos la respuesta correcta es verdadero y decide responder al examen tirando dos monedas, pone falso si ambas monedas muestran una cara y verdadero si al menos hay una cruz. Se desea saber qu probabilidad hay de que tenga al menos 14 aciertos. Hay que proporcionarle a Epidat 3.1 los parmetros de la distribucin y el punto k a partir del cual se calcular la probabilidad. En este caso n=20, p=0,75 y el punto k=14. Resultados con Epidat 3.1 Clculo de probabilidades. Distribuciones discretas Binomial (n,p) n: Nmero de pruebas 20 p: Probabilidad de xito 0,7500 Punto K 14

Probabilidad Pr[X=k] 0,1686 Cola Izquierda Pr[X<=k] Cola Derecha Pr[X>k] Media Varianza 0,3828 0,6172

15,0000 3,7500

La probabilidad de que el alumno tenga ms de 14 aciertos se sita en 0,61.

Tenemos cartas que estn enumeradas del 1 al 9 Cul es la probabilidad de sacar la carta 9? La probabilidad de que obtengamos la carta 9. P(x=1) = (1/9) 1 * (8/9) 0 = 1/9 = 0.111

La probabilidad de que NO obtengamos la carta 9. P(x=0) = (1/9)0 * (8/9)1 = 8/9 = 0.888

Una maestra enumera a sus alumnos del 1 al 16, para as poder darles un premio, pero la maestra los seleccionar con los ojos cerrados, Cual es la probabilidad de que salga el alumno numero 16? La probabilidad de que seleccione al alumno numero 16. P(x=1) = (1/16) 1 * (15/16) 0 = 1/16 = 0.0625

La probabilidad de que NO seleccione al alumno numero 16. P(x=0) = (1/9)0 * (15/16)1 = 15/16 = 0.9375

Hay una urna con 342 boletos, para ganar un automvil, al momento de sacar alguno de ellos que probabilidad hay para que pueda salir premiado el boleto nmero 342? La probabilidad de que saque el boleto nmero 342. P(x=1) = (1/342) 1 * (341/342) 0 = 1/342 = 0.00292

La probabilidad de que NO seleccione al alumno numero 342. P(x=0) = (1/342)0 * (341/342)1 = 341/342 = 0.99707

"Lanzar una moneda, probabilidad de conseguir que salga cruz". Se trata de un solo experimento, con dos resultados posibles: el xito (p) se considerar sacar cruz. Valdr 0,5. El fracaso (q) que saliera cara, que vale (1 - p) = 1 - 0,5 = 0,5. La variable aleatoria X medir "nmero de cruces que salen en un lanzamiento", y slo existirn dos resultados posibles: 0 (ninguna cruz, es decir, salir cara) y 1 (una cruz). Por tanto, la v.a. X se distribuir como una Bernoulli, ya que cumple todos los requisitos. La probabilidad de obtener cruz. P(x=1) = (0.5) 1 * (0.5) 0 = 0.5 = 0.5 La probabilidad de no obtener cruz. P(x=0) = (0.5)0 * (0.5)1 = 0.5 = 0.5

Una poblacin normal tiene una media de 80 una desviacin estndar de 14.0 = 80 = 14 z

a) Calcule la probabilidad de un valor localizado entre 75.0 y 90.0 p (75 x 90) 75 80


Probabilidad acumulada.

90

z z

0.7611

= 0.3594

p (75 x 90) = 0.7611 0.3594 = 0.4017

b) Calcule la probabilidad de un valor de 75.0 menor. p(x 75) z p(x 75) = 0.3594 c) Calcule la probabilidad de un valor localizado entre 55.0 y 70.0 p (55 x 70) z z = 0.2389 = 0.0367
Probabilidad acumulada.
75 80

Probabilidad acumulada.

0.3594

p (55 x 70) = 0.2389 0.0367= 0.2022

55

70

80

Los montos de dinero que se piden en las solicitudes de prstamos en Down River Federal Savings tiene una distribucin normal, una media de $70,000 y una desviacin estndar de $20,000. Esta maana se recibi una solicitud de prstamo. Cul es la probabilidad de que: = $70,00 =$20,0 z
x

a) El monto solicitado sea de $80,000 o superior? p(x 80,000) z

= 0.6915

Probabilidad acumulada.

p(x 80,000) = 1 0.6915= 0.3085


70000 80000

b) El monto solicitado oscile entre $65,000 y $80,000? p(65,000 x 80,000) z z


= 0.6915 = 0.4013

Probabilidad acumulada.

65000 70000 80000

p(65,000 x 80,000) = 0.6915 0.4013 = 0.2902 c) El monto solicitado sea de $65,000 o superior. p(x 65,000)
Probabilidad acumulada.

0.4013

p(x 65,000) = 1 0.4013 = 0.5987


65000 70000

Entre las ciudades de Estados Unidos con una poblacin de ms de 250,000 habitantes, la media del tiempo de viaje de ida al trabajo es de 24.3 minutos. El tiempo de viaje ms largo pertenece a la ciudad de Nueva York, donde el tiempo medio es de 38.3 minutos. Suponga que la distribucin de los tiempos de viaje en la ciudad de Nueva York tiene una distribucin de probabilidad normal y la desviacin estndar es de 7.5 minutos. = 38.3 min. = 7.5 min. z

a) Qu porcentaje de viajes en la ciudad de Nueva York consumen menos de 30 minutos? p( x 30) z

Probabilidad acumulada.

0.1335

p( x 30) = 0.1335 = 13.35%

30

38.3

b) Qu porcentaje de viajes consumen entre 30 y 35 minutos? p(30 x 35) z z


= =

Probabilidad acumulada.

0.3300 0.1335

30

35

38.3

p(30 x 35) = 0.3300 0.1335 = 19.65%

0.1965

c) Qu porcentaje de viajes consumen entre 30 y 40 minutos? p(30 x 40) z

Probabilidad acumulada.

0.5910 0.1335

=
30 38.3

p(30 x 40) = 0.5910 0.1335 = 0.4575 = 45.75%

Las ventas mensuales de silenciadores en el rea de Richmond, Virginia, tiene una distribucin normal, con una media de $1,200 y una desviacin estndar de $225. Al fabricante le gustara establecer niveles de inventario de manera que solo haya 5% de probabilidad de que se agoten las existencias. Dnde se deben establecer los niveles de inventario? 1 - 0.0500 = 0.9500 Valor z = 1.65 z 1.65
x
5% 0.0500

x = 1,571.25

X= 1,571.25

En 2004 y 2005, el costo medio anual para asistir a una universidad privada en Estados Unidos era de $20,082. Suponga que la distribucin de los costos anuales se rigen por una distribucin de probabilidad normal y que la desviacin estndar es de $4,500. El 95% de los estudiantes de universidades privadas paga menos de Qu cantidad? z 1.64
x
95% 0.9500

x = 27,462.

X= 27,462 75

= 20,082 = 4,500
Probabilidad acumulada.

z
Valor de z

95% =

.9500

La distribucin gamma se puede caracterizar del modo siguiente: si se est interesado en la ocurrencia de un evento generado por un proceso de Poisson de media lambda, la variable que mide el tiempo transcurrido hasta obtener n ocurrencias del evento sigue una distribucin gamma con parmetros a= n lambda(escala) y p=n (forma). Se denota Gamma(a,p). Por ejemplo, la distribucin gamma aparece cuando se realiza el estudio de la duracin de elementos fsicos (tiempo de vida). Esta distribucin presenta como propiedad interesante la falta de memoria. Por esta razn, es muy utilizada en las teoras de la fiabilidad, mantenimiento y fenmenos de espera (por ejemplo en una consulta mdica tiempo que transcurre hasta la llegada del segundo paciente).

El nmero de pacientes que llegan a la consulta de un mdico sigue una distribucin de Poisson de media 3 pacientes por hora. Calcular la probabilidad de que transcurra menos de una hora hasta la llegada del segundo paciente. Debe tenerse en cuenta que la variable aleatoria tiempo que transcurre hasta la llegada del segundo paciente sigue una distribucin Gamma (6, 2). Solucin: Clculo de probabilidades. Distribuciones continuas
Gamma (a p) a : Escala p : Forma Punto X 60000 20000 10000

Cola Izquierda Pr[X<=k]

0,9826

Cola Derecha Pr[X>=k] 0,0174 Media 0,3333 Varianza 0,0556 Moda 0,1667 La probabilidad de que transcurra menos de una hora hasta que llegue el segundo paciente es 0,98.

Suponiendo que el tiempo de supervivencia, en aos, de pacientes que son sometidos a una cierta intervencin quirrgica en un hospital sigue una distribucin Gamma con parmetros a=0,81 y p=7,81, calclese: 1. El tiempo medio de supervivencia. 2. Los aos a partir de los cuales la probabilidad de supervivencia es menor que 0,1. Clculo de probabilidades. Distribuciones continuas
Gamma (a,p) a : Escala 0,8100 p : Forma 7,8100

Cola Izquierda Pr [X<=k] 0,9000 Cola Derecha Pr [X>=k] 0,1000 Punto X 14,2429 Media 9,6420 Varianza 11,9037 Moda 8,4074 El tiempo medio de supervivencia es de, aproximadamente,10 aos.

Un fabricante de focos afirma que su producto durar un promedio de 500 horas de trabajo. Para conservar este promedio esta persona verifica 25 focos cada mes. Si el valor y calculado cae entre t 0.05 y t 0.05, l se encuentra satisfecho con esta afirmacin. Qu conclusin deber l sacar de una muestra de 25 focos cuya duracin fue?:

520 513 496 510 506

521 522 488 510 503

511 500 500 475 487

513 521 502 505 493

510 495 512 521 500

=500 h n=25 Nc=90% X=505.36 S=12.07

SOLUCIN.
t= x - SI v = n-1 = 24 t = 2.22 Enseguida se muestra la distribucin del problema segn el grafico sig. n = 1- Nc = 10%

El profesor Prez olvida poner su despertador 3 de cada 10 das. Adems, ha comprobado que uno de cada 10 das en los que pone el despertador acaba no levantndose a tiempo de dar su primera clase, mientras que 2 de cada 10 das en los que olvida poner el despertador, llega a tiempo adar su primera clase. (a) Identica y da nombre a los sucesos que aparecen en el enunciado. (b) Cual es la probabilidad de que el profesor Prez llegue a tiempo a dar su primera clase?

Solucin: En primer lugar conviene identicar el experimento aleatorio que estamos


realizando. Este consiste en tomar un dia al azar en la vida del profesor Prez y analizarlo en base a los siguientes sucesos. (a) Para un da al azar decimos que se ha dado el suceso: O cuando el profesor ha olvidado poner el despertador T cuando el profesor ha llegado tarde a su primera clase. Notemos que tanto {O, O} como {T, T} forman un sistema completo de sucesos. A continuacin traducimos en trminos de probabilidad de los sucesos anteriores todos los datos que nos dan en el enunciado. P(O) = , P (T |O) = , P(O) = , P(T |O) = . (b) El sucesollegar a tiempo a su clase es el complementario de T , por tanto nos piden que calculemos P(T). Puesto que {O, O} es un sistema completo de sucesos, podemos aplicar la formulas de la probabilidad total, de donde tenemos que: P (T) = P (T |O) P(O) + P (T | O) P (O). En la expresin anterior aparecen varios de los datos que nos ha proporcionando el enunciado, sin embargo no conocemos directamente el valor de P(T | O). Para calcularlo utilizamos que P(T | O) = 1 P(T |O) = 1 = De esta forma, la expresin anterior se puede escribir como: P(T) = + =0.69

La longitud de los tornillos fabricados en una fbrica tienen media =10 mm y desviacin s=1 mm, calcular la probabilidad de que en una muestra de tamao n=25, la longitud media del tornillo sea inferior a 20.5 mm:

P (<20.5) Estandarizamos T=(X-)/(s/n) que sigue una distribucin t de n-1 grados de libertad T=(20.5-20)/(1/25) = 2.5 P (<20.5) --> P (T<2.5) ~ t(24) P (T<2.5) = 0.9902 P (<20.5)=0.9902 La probabilidad que la longitud media de la muestra de 25 tornillos sea inferior a 20.5 mm es del 99.02%

Calcular el percentil w0=95 y w0=25 en cada uno de los siguientes casos: 1. En una distribucin t-Student con 3 grados de libertad. 2. En una distribucin t-Student con 30 grados de libertad.

Solucin.
1. Recordemos que w0=95 es aquel nmero real que verifica: S [W w0=95] = 0=95 Para encontrar este valor en la tabla de la distribucin t-Student bastar: - ) Localizar en la primera columna los grados de libertad, en este caso: 3. - ) Localizar en la primer fila la probabilidad acumulada, en nuestro caso: 0=95= - ) Movernos horizontal y verticalmente desde las posiciones anteriores hasta cruzarnos en el punto w0=95. Por tanto el percentil w0=95, en una t-Student con 3 grados de libertad ser el valor: w0=95 = 2=3534

Es decir, si desde el valor 2.3534 nos movemos horizontalmente hasta la primera columna, llegaremos al valor 3 (grados de libertad), y si lo hacemos verticalmente hacia la primera fila la llegaremos al valor 0.95 (probabilidad acumulada). Como en la tabla nicamente tenemos tabulada la t-Student para colas probabilsticas que van desde 0=75 hasta 0=999, para calcular el percentil w0=25, tendremos que realizar la siguiente consideracin: S [W w0=25] = 1 s[W w0=25] Como la distribucin t-Student es simtrica, se verifica: w0=25 = w0=75 Y resulta: s[W w0=25] = 1 s[W w0=75] Por tanto, buscando en la tabla con los datos: Grados de libertad: 3 Cola de probabilidad: 0.75 Tenemos: w0=25 = w0=75 = 0=7649 2. En el caso de 30 grados de libertad actuaremos de modo similar al caso anterior, pero buscando en la fila 30 de la tabla. Resultando: w0=95 = 1=6973 Y w0=25 = w0=75 = 0=6828

Calcular los percentiles I8>7;0=99 y I8>7;0=01

Solucin.
Para buscar en la tabla de la F-Snedecor el percentil I8>7; 0=99 hemos de tener en cuenta que: df_1 = 8 (1d Fila de la tabla) df_2 = 7 (1 d Columna de la tabla) 0=99 = Probabilidad acumulada (ltima columna de la tabla) El valor donde se cruzan todos estos datos ser el percentil buscado. Por tanto: I9>7; 099 = 6=840