Documentos de Académico
Documentos de Profesional
Documentos de Cultura
FacultadCienciasEconmicasyEmpresariales
DepartamentodeEconomaAplicada
Profesor:SantiagodelaFuenteFernndez
DISTRIBUCIN UNIFORME
La variable aleatoria discreta X se dice que tiene una distribucin uniforme si puede
tomar los n valores x1 , x 2 , , xn con probabilidad
1 n 1 n2 1 n2 1
P(X x i ) i X
2
X X
n 2 12 12
DISTRIBUCIN de BERNOUILLI
Experimento aleatorio que slo admite dos resultados excluyentes (xito y fracaso).
X P(X xi )
0 q X p 2X p . q X p.q
1 p
DISTRIBUCIN BINOMIAL
Cuando se realizan n pruebas de Bernouilli sucesivas e independientes.
n
La funcin de probabilidad o cuanta: P(X k) . pk . qn k
k
qp
X n. p 2X n. p.q X n. p.q As (coeficiente asimetra)
n. p.q
1
considerar que X N n. p ; n. p.q
X B(n, p) N n. p ; n. p.q siendo n 30 y 0,1 p 0,9
X n.p
y, por tanto, la variable z N(0, 1) Teorema de Moivre
n.p.q
n k n k n . p 5 k
B(n, k) p q P( ) e con n.p
k k!
DISTRIBUCIN de POISSON
Una variable X se dice que sigue una distribucin de probabilidad de Poisson si puede
tomar todos los valores enteros (0,1, 2, , n) con probabilidades
k
P(X k) e siendo 0 X 2X X
k!
2
DISTRIBUCIN GEOMTRICA o de PASCAL
X = "nmero de la prueba en que aparece por primera vez el suceso A", donde X G(p)
Para hallar la funcin de probabilidad o cuanta P(X k) hay que notar que la
k-1
probabilidad del suceso es: A . A . A . .A . A
En consecuencia, P(X k) qk 1. p
1 q q
2
p p2 p
n 1 n 1 n 1
P(X n) p.q p.q
0
3
DISTRIBUCIN POLINOMIAL o MULTINOMIAL
Es una generalizacin de la distribucin binomial cuando en cada prueba se consideran
k sucesos excluyentes (A1 , A 2 , , A k ) con probabilidades respectivas (p1 , p2 , , pk ) ,
siendo p1 p2 pk 1
n!
P(X1 n1 ; X2 n2 ; ; Xk nk ) p1n1 pn22 pknk
n1 ! n2 ! nk !
DISTRIBUCIN HIPERGEOMTRICA
Es una variante de la distribucin binomial (experiencias independientes o extracciones
con reemplazamiento).
N.p N.q
k n k Nn Nn
P(X k) n.p 2X n.p.q. X n.p.q.
N N 1 N 1
n
n
Cuando N es grande respecto a n, es decir, 0,1, se puede decir que la variable
N
hipergeomtrica sigue aproximadamente una distribucin binomial. Esto es,
N.p N.q
n 0,1
k n k N n k n k
P(X k) p .q
N k
n
4
N1 N2 Nk
. ..
n n nk N N2 Nk N
P(X1 n1 ; X2 n2 ; ; Xk nk ) 1 2 siendo 1
N n1 n2 nk n
n
b
F(x) P(X x) P(a X b) f(x) dx f(x) dx 1
a
x d F(x)
F(x)
f(x) dx f(x)
dx
DISTRIBUCIN UNIFORME
Una variable aleatoria continua X sigue una distribucin uniforme en el intervalo [a, b], y
se denota como X U(a, b) , cuando su funcin de densidad es:
0 xa
1
f(x) axb
b a
0 xb
0 xa
x a
F(x) axb
b a
1 xb
ab (b a)2 ba
X 2X X
2 12 12
5
DISTRIBUCIN NORMAL o de LAPLACE-GAUSS
Una variable aleatoria continua X se dice que tiene una distribucin normal o de Laplace-
Gauss de media y desviacin tpica si su funcin de densidad es:
( x )2
1 2 2
f(x) .e 0
. 2
x ( x )2
1 2 2
La funcin de distribucin: F(x) . e dx
. 2
N 1 2 ,
12 22 . Propiedad que se puede generalizar a n variables aleatorias
independientes.
X
Si una variable X sigue una distribucin normal N( , ) , la nueva variable z
sigue tambin una distribucin normal N(0, 1) . La variable z se le denomina variable
tipificada de X y a la curva de su funcin de densidad curva normal tipificada.
z2
1
La funcin de densidad ser, f(z) .e 2
z
2
z t2
1
Funcin de distribucin: F(z) . e 2
dt
2
6
Para utilizar correctamente la transformacin de una variable discreta X (con distribucin
binomial) en una variable continua z (con distribucin normal) es necesario realizar una
correccin de continuidad.
DISTRIBUCIN 2 de PEARSON
La funcin gamma se define (p)
0
xp 1 e x dx
1
(p) (p 1)! (p 1) (p 1) (p) . (p 1)
2 senp
7
Si n21 y n22 son dos 2 de Pearson, respectivamente con n1 y n2 grados de libertad,
independientes entre s, entonces la suma de las dos n21 n2 n21 n22 es tambin una
2 de Pearson con n1 n2 grados de libertad.
Esta propiedad se puede generalizar a n variables aleatorias independientes.
Al aumentar el nmero de grados de libertad, la distribucin 2 se aproxima
asintticamente a la distribucin normal.
2 n2 n 30
N 2n 1, 1
En el muestreo, al tomar muestras de media x y desviacin tpica x de una
(n 1).s2x
poblacin N( , ) , la variable n21 es una 2 de Pearson con (n 1) grados
2
de libertad, donde s2x es la cuasivarianza muestral, n 2x (n 1) s2x
P n2 2 , n 1 P n2 2 , n 1
DISTRIBUCIN t de STUDENT
X
tn
n
X
1 2
i
n i 1
X X z
tn
n n 2
1 2
Xi Xi
1 2 1 n
n n n
i 1 i 1
8
n 1
1 x2 2
La funcin de densidad: ftn (x) 1
1 n n
n . ,
2 2
sen t cos t
2 p 1 2 q 1
otra forma de representar la funcin, (p, q) 2 dt
0
(p) . (q)
(p, q) (p, q) (q, p) simetra
(p q)
9
DISTRIBUCIN F de FISHER-SNEDECOR
n n n n1 2
1 2 . 1
2 n2 x ( x1 2) 1
(n1 n2 )/ 2
x0
fn1 ,n2 (x) n n n1
1 . 2
2 2 1 x
n2
0 x0
1
Para valores de 0,95 y 0,99 se considera la relacin F ; n1 ,n2
F1 ; n2 ,n1
10
DISTRIBUCIN de PARETO
Una variable aleatoria continua X se dice que sigue una distribucin de Pareto de
parmetros (, ) si puede tomar valores iguales o superiores a y tiene como funcin
de densidad:
.
x0 0
f(x) x 1
0 x
1 x
Funcin de distribucin F(x) x
0 x
. . 2 . 2
x 2
x x
1 ( 1)2 . ( 2) ( 1)2 . ( 2)
. 2
( 1)2 . ( 2) ( 1) ( 2) 1
El Coeficiente de Variacin CV
. . . ( 2)
1 1
Atendiendo a su funcin de distribucin: P( x) 1 P( x) 1 F(x) que
x
permita determinar el nmero de personas que superan la renta
11
Al determinar la Curva de Lorenz para una distribucin de Pareto, se trata de
encontrar la relacin entre la funcin de distribucin F(x) y la funcin T(x) que acumula
los ingresos de todos los individuos que no superan una cantidad x
Curva de Lorenz:
1
T(x) 1 1 F(x)
1
Recta
equidistribucin:
T(x) F(x)
.
N. .
N. N.E(X) N.
x. f(x) dx N.
x.
x 1
dx N. . .
x dx
1
. x1
N. . N. .
.( 1 )
1 1
x x
. x
N. . 1 x
N. N.E(Y) N.
t . f(t) dt N.
t . 1 dt N. . .
t
t dt
1
. t
N. . 1 N. . 1
.(x 1 ) 1
1 1 x
N. . 1
1
N.E(Y) 1 x 1
1
T(x)
N.E(X) N. . x
1
La relacin entre distribucin F(x) y la funcin T(x) que acumula los ingresos de
todos los individuos que no superan una cantidad x
F(x) 1 1 F(x) 1 F(x)
1/
x x x
1 1 1 1
T(x) 1 1 1 F(x) 1 1 F(x) 1 1 F(x)
1/ 1
12
1
La relacin T(x) 1 1 F(x)
1
slo depende del parmetro , verificando
F() 0 y F( ) 1, T() 0 y T( ) 1
1
T '(x) 1 1 F(x 0 para F 0, 1 creciente
1/
1 1 1 /
T ''(x) 1 . . 1 F(x 0 para F 0, 1 cncava
1
2 2
1
1
1
F 1 1 F
1 1
F (1 F)
F 1 1 F
1 1
IG 2
dF 2
dF 2 2 F
0 0 2
1
0
1 1 1 2 1 2 1
2 1 2 2
2 2 1 2 2 1 2 2 1 2 1
1
El ndice de Gini IG slo depende del parmetro , es independiente del ingreso
2 1
mnimo . Tiende a 1 cuando 1
DISTRIBUCIN LOGNORMAL
Una variable X se dice que tiene una distribucin lognormal si los logaritmos neperianos
de sus valores estn normalmente distribuidos, es decir, si la variable
loge X es N( , )
2
(log e x )
1 2
e 2 x0
f(x) 2 . x.
0 x0
2
La media y varianza son: x e
2
2x e
2 2 e2 2
13
Describe la dispersin de las tasas de fallo de componentes, ocasionada por bancos
de datos diferentes, entorno, origen diferente de los datos, distintas condiciones de
operacin, etc. En este caso la variable independiente de la distribucin es la tasa de
fallos.
.Representa la evolucin con el tiempo de la tasa de fallos, l(t), en la primera fase de
vida de un componente, la correspondiente a los fallos infantiles en la 'curva de la
baera', entendiendo como tasa de fallos la probabilidad de que un componente que
ha funcionado hasta el instante t, falle entre t y t + dt. En este caso la variable
independiente de la distribucin es el tiempo.
DISTRIBUCIN LOGSTICA
La curva logstica es una curva adecuada para describir el crecimiento de las
poblaciones, estudio de la mortalidad, y en general, los procesos de crecimiento que
experimentan estados de saturacin.
X
Con el cambio Y se obtiene la distribucin logstica estndar L(0, 1) , que
( )2
tiene: Y Me Md 2Y
3
e x x0
La funcin de densidad: f(x)
0 x0
1 e x x0
La funcin de distribucin F(x) P(X x)
0 x0
14
1 1 1 f(x)
X E(X) 2X X (x) tasa instantnea ocurrencia
2 1 F(x)
1
La funcin caracterstica de la v.a. X Exp ( ) es: (t) E eitX t
1
1 it
El tiempo entre las llegadas en las instalaciones de servicios y el tiempo de fallos en los
componentes elctricos y electrnicos frecuentemente estn relacionados con la
distribucin exponencial. Con aplicacin importante en biometra (estudio de las leyes
probabilsticas que gobiernan la mortalidad humana) y cuestiones actuariales.
P X x h e ( x h)
P X x h X x e h P X h
P X x e x
DISTRIBUCIN GAMMA
Se dice que una variable aleatoria absolutamente continua X sigue una distribucin
Gamma de parmetros y , si la v.a. X describe el tiempo transcurrido hasta el
- simo suceso de Poisson.
x 1 e x x0
La funcin de densidad: f(x) ( ) X ( , )
0 x0
( )
0
x 1 e x dx siendo ( ) ( 1)! N
15
La esperanza matemtica, varianza y desviacin tpica de la v.a. X ( , ) es:
X E(X) 2X X
2
DISTRIBUCIN BETA
Se dice una variable aleatoria absolutamente continua X sigue una distribucin Beta de
parmetros y , con > 0 y > 0 , y se denota como X (, ) , si la funcin de
densidad de la v.a. X viene definida por
( )
f(x) . x 1. (1 x)1 x (0, 1)
( ). ()
Esperanza matemtica de la v.a. X (, ) : E X
.
Varianza v.a. X (, ) : 2 Var(X)
( ) .( 1) 2
S 1 y 1 f(x) 1 s 0 x 1 X U 0, 1
16
Sea X (, ) 1 X (, )
( ). ()
(, ) x 1. (1 x)1 dx siendo (, )
0 ( )
Simetra: (, ) (, )
2
t t 1
Con el cambio x se tiene: (, ) dt
1 t 0 (1 t)
DISTRIBUCIN de CAUCHY
Se dice que una variable aleatoria absolutamente continua X sigue una distribucin de
Cauchy con parmetro de escala > 0 y parmetro de localizacin , y se denota
como X C (, ) , si su funcin de densidad viene dada tal que
f(x) x
(x )2
2
t
(t) E eitX eit e t
1
S 1 y 0 X C(0, 1) con f(x) x
(1 x 2 )
X
X C(, ) C(1, 0)
17
GestinAeronutica:EstadsticaTerica
FacultadCienciasEconmicasyEmpresariales
DepartamentodeEconomaAplicada
Profesor:SantiagodelaFuenteFernndez
a) Ms de ocho personas
b) Algunas de las diez personas
c) Calcular la media y desviacin tpica
Solucin:
n
b (10, 0,3) b (10, k , 0,3) con k xitos : P(X k) . pk . qn k
k
10 10
a) P X 8 P X 9 P X 10 0,39 . 0,7 0,310 . 0,70
9 10
10 10! 10 . 9! 10
10
9 9! (10 1)! 9! . 1! 1
n n!
k k! (n k)! 10
10!
1 1
1
10 10! (10 10)! 0! 1
10
b) P X 0 1 P X 0 1 0,30 . 0,710 1 0,710 0,972
0
c) Media: n . p 10 . 0,3 3
18
Ejercicio 2.- El jefe de recursos humanos de una empresa realiza un test de diez tems
a los aspirantes a un puesto, teniendo en cada tems cuatro posibles respuestas, de las
que slo una es correcta. Suponiendo que los aspirantes teniendo la misma probabilidad
de responder. Se pide hallar las probabilidades para el aspirante:
a) Conteste todos los tems mal
b) Conteste al menos cuatro tems bien
c) Conteste entre cuatro y seis tems bien
d) Conteste todos los tems bien
e) Conteste menos de tres tems bien
Solucin:
Sea X = "contestar tems bien en el test", la variable sigue una distribucin binomial
1 10
n 10 , p 0,25 , b(10, 0,25) , P(X k) .0,25 k .0,7510 k k 0,1,,10
4 k
10
a) P(X 0) .0,250 .0,7510 0,25 0 .0,7510 0,0563
0
10 10 10 10
1 .0,250 .0,7510 .0,251 .0,759 .0,252 .0,758 .0,253 .0,757
0 1 2 3
10 10 10
.0,254 .0,756 .0,255 .0,755 .0,256 .0,75 4 0,1460 0,0584 0,0162 0,2206
4 5 6
10
d) P(X 10) .0,2510 .0,750 0
10
10 10 10
.0,250 .0,7510 .0,251 .0,759 .0,252 .0,758 0,0563 0,1877 0,2816 0,5256
0 1 2
19
Ejercicio 3.- Una compaa de seguros garantiza plizas de seguros individuales contra
retrasos areos de ms de doce horas. Una encuesta ha permitido estimar a lo largo de
un ao que cada persona tiene una probabilidad de cada de mil de ser vctima de un
retraso areo que est cubierto por este tipo de pliza y que la compaa aseguradora
podr vender una media de cuatro mil plizas al ao.
Se pide hallar las siguientes probabilidades:
a) Que el nmero de retrasos cubiertos por la pliza no pase de cuatro por ao
b) Nmero de retrasos esperados por ao
c) Que el nmero de retrasos sea superior a dos por ao
d) Que ocurran doce retrasos por ao
Solucin:
Sea X = "nmero de retrasos por ao", la variable sigue una distribucin binomial
1
n 4000 , p 0,001 , b(4000, 0,001)
1000
4000 4000 k
con lo que, P(X k) k
.0,001 .0,999 k 0,1,, 4000
k
Es necesario buscar una distribucin que sea una buena aproximacin de sta. La
distribucin de Poisson es una buena aproximacin de la binomial b(4000, 0,001) , ya
que p 0,001 es muy pequea y n.p 4000.0,001 4 5 .
4k 4
Por tanto, X b(4000, 0,001) X P( n.p 4) P(X 4) .e
k!
40 41 42 43 4 4 4
.e 1 4 8 10,667 10,667 .e 4 0,6289
0! 1! 2! 3! 4!
40 41 42
1 .e4 1 1 4 8 .e4 1 0,381 0,7619
0! 1! 2!
412 4
d) P(X 12) .e 0,035.e 4 0,00064
12!
20
Ejercicio 4.- Para El tiempo empleado, en horas, en hacer un determinado producto
sigue una distribucin N(10, 2) . Se pide la probabilidad de que ese producto se tarde en
hacer:
a) Menos de 7 horas
b) Entre 8 y 13 horas
Solucin:
x 10 7 10
a) P x 7 P P z 1,5 P z 1,5 0,0668
tipificando 2 2
8 10 x 10 13 10
a) P 8 x 13 P P 1 z 1,5
tipificando 2 2 2
P 1 z 1,5 P z 1 P z 1,5
P z 1 1 P z 1
Ejercicio 5.- El 7% de los pantalones de una determinada marca salen con algn
defecto. Se empaquetan en caja de 80 pantalones para diferentes tiendas. Cul es la
probabilidad de que en una caja haya entre 8 y 10 pantalones defectuosos?
Solucin:
Se trata de una distribucin binomial (los pantalones son o no son defectuosos), es decir,
una binomial con n 80 y p 0,07 : b (80, 0,07) , donde:
Advirtase que se dan las condiciones para aproximar la distribucin discreta binomial a
una distribucin continua normal:
21
con lo que, b (n, p) N n. p , n.p.q b (80, 0,07) N 5,6, 2,28
TIPIFICANDO
TRANSFORMACIN N(5,6 ; 2,28)
P 8 X 10 P 7,5 X ' 10,5
Solucin:
Sea X " nmero de llamadas recibidas al da"
15k 15
La variable aleatoria X P 15 : P X k .e
k!
15 10 : P N 15,
15
15 (20 0,5) 15
P 20 P P z 1,16 0,1230
15 15
Ejercicio 7.- En una fbrica se sabe que la probabilidad de que r artculos sean
4k . e 4
defectuosos es P X k . Determinar la probabilidad de que en 100 das el
k!
nmero de artculos defectuosos est comprendido entre (400, 600)
Solucin:
k
Se trata de una distribucin de Poisson P X k .e , 4 , 4 2
k!
E X n. 100 . 4 400
V X n. 100 . 4 400 x 400 20
2
22
n. 400 10 : P n. N 400,
400 N 400, 20
P z 0 P z 10 0,5
Ejercicio 8.- Una compaa area observa que el nmero de componentes que fallan
antes de cumplir 100 horas de funcionamiento es una variable aleatoria de Poisson. Si el
nmero promedio de fallos es ocho. Se pide:
a) Cul es la probabilidad de que falle un componente en 25 horas?
b) Cul es la probabilidad de que fallen menos de dos componente en 50 horas?
c) Cul es la probabilidad de que fallen por lo menos tres componentes en 125 horas?
Solucin:
Sea la variable aleatoria discreta X = "n componentes que fallan antes de 100 horas"
El parmetro E X 8
ku u 2 2 2
P U k .e P U 1 . e2 2 0,27067
k! 1! e
b) Anlogamente, la v.a. V = "n componentes que fallan antes de 50 horas" sigue una
8
distribucin de Poisson de parmetro v E V 4
2
40 41
P V 2 P V 0 P V 1 . e4 . e4 1 4 . e4 5 . e 4 0,0916
0! 1!
c) La v.a. Z = "n componentes que fallan antes de 125 horas" sigue una distribucin de
Poisson de parmetro 10
P Z 3 1 P Z 3 1 P Z 0 P Z 1 P Z 2
23
Ejercicio 9.- Un tcnico realiza un test de cien tems a unos doscientos opositores.
Suponiendo que las puntuaciones X obtenidas por los opositores siguen una distribucin
normal de media 60 puntos y desviacin tpica 10 puntos. Se pide obtener:
Solucin:
La variable aleatoria X = 'puntuacin obtenida en el test' sigue una distribucin N(60, 10) ,
X 60
luego su variable tipificada ser z con distribucin normal N(0, 1)
10
X 60 70 60
a) P(X 70) P P z 1 0,1587
10 10
X 60 80 60
b) P(X 80) P P z 2 1 P z 2 1 0,0288 0,9772
10 10
24
X 60 30 60
c) P(X 30) P P z 3 P z 3 0,00135
10 10
X 60 46 60
d) P(X 46) P P z 1, 4 P z 1, 4 1 P z 1, 4
10 10
1 0,0808 0,9192
39 60 X 60 80 60
e) P(39 X 80) P P 2,1 z 2
10 10 10
25
80 60 X 60 82,5 60
f) P(80 X 82,5) P P 2 z 2,25
10 10 10
30 60 X 60 40 60
g) P(30 X 40) P P 3 z 2 P 2 z 3
10 10 10
h) P( X 60 20) P 20 X 60 20 P 40 X 80
40 60 X 60 80 60
P P 2 z 2 P z 2 P z 2
10 10 10
26
X 60 20 X 80
i) X 60 20
X 60 20 X 40
X 60 80 60 X 60 40 60
P X 60 20 P X 80 P X 40 P P
10 10 10 10
j) P X 70 0,1587
27
Ejercicio 10.- Una agencia ofrece un premio entre los distribuidores si venden
trescientos veinte o ms paquetes de viajes por da. Sabiendo que el nmero de
paquetes de viajes vendidos al da por los distribuidores A y B siguen una ley normal de
la forma siguiente:
Se pide:
Solucin
La variable aleatoria X N(290, 20) . El porcentaje de los das que obtendr premio el
distribuidor A ser el correspondiente a la probabilidad:
28
El resultado indica que si se asociaran los distribuidores A y B prcticamente todos los
das obtendran premio.
Solucin
X 4,5 5 4,5
P(X 5) P P(z 1) 0,1587
0,5 0,5
b) Para hallar el tanto por ciento hay que calcular primero la probabilidad:
29
c) Sea x = "nmero de operaciones con tarjeta del 20% ms alto de la poblacin"
Abscisas reas
z0,2005 z0,1977 0,2005 0,1977
z0,20 z0,1977 0,20 0,1977
0,84 0,85 0,0028
z0,20 0,85 0,0023
0,01
0,0028 0,01.0,0023
z0,20 0,85 0,85 0,008 0,842
z0,20 0,85
0,0023 0,0028
x 4,5
As, z0,20 0,842 x 4,5 0,5.0,842 4,921
0,5
Cuando los clculos que se pretenden obtener no se muestran muy rigurosos, se puede
tomar el rea ms prxima sin necesidad de interpolar.
30
x 4,5
En este caso, se puede tomar z0,20 0,84 x 4,5 0,5.0,84 4,92
0,5
P(X x) 0,90
x 4,5
de donde, z0,90 1,28 x 4,5 0,5.1,28 3,86
0,5
es decir, el 10% ms bajo de la poblacin utiliza la tarjeta en menos del 3,96% de las
operaciones comerciales.
31
a 4,5 X 4,5 b 4,5
tipificando, P P z0.90 z z0,10 0,80
0,5 0,5 0,5
a 4,5
z0,10 1,28 0,5 a 4,5 1,28.0,5 3,86
P z0.10 z z0,10 0,80
z 1,28 b 4,5 b 4,5 1,28.0,5 5,14
0,10 0,5
32
Ejercicio 12.- El peso de un determinado tipo de manzanas flucta normalmente con
media 150 gramos y desviacin tpica 30 gramos. Una bolsa de llena con 15 manzanas
seleccionadas al azar. Cul es la probabilidad de que el peso total de la bolsa sea
inferior a 2 kilos?
Solucin:
15
Y
x N 15. ,
i 1
i x 15. 2x N 15.150,
15.302 N 2250 gr ,
13500 gr
Solucin:
33
Ejercicio 14.- Determinar la probabilidad de realizar determinado experimento con xito
si se sabe que si se repite 24 veces es igual de probable obtener 4 xitos que 5.
Solucin:
24 4 20
P X 4 . p .q
4 24 4 20 24 5 19
siendo P X 4 P X 5 . p .q . p .q
P X 5 24 . p5 .q19 4 5
5
p4 42504.q19 1 4
4
10626.p .q 20
42504.p .q
5 19
q 4.q
p5 10626.q20 p q
1
siendo q 1 p , resulta: 1 p 4.p p 0,2
5
Ejercicio 15.- Los mensajes que llegan a una computadora utilizada como servidor lo
hacen de acuerdo con una distribucin de Poisson con una tasa promedio de 0,1
mensajes por minuto.
a) Cul es la probabilidad de que lleguen como mucho 2 mensajes en una hora?
b) Determinar el intervalo de tiempo necesario para que la probabilidad de que no llegue
ningn mensaje durante ese lapso de tiempo sea 0,8
Solucin:
60 6 6 2
P Y 2 P Y 0 P Y 1 P Y 2 .e6 1 6 18 .e 6 0,062
0! 1! 2!
0
P X 0 0,8 .e 0,8 e 0,8 Ln 0,8 0,2231
0!
34
Ejercicio 16.- La probabilidad de que un banco reciba un cheque sin fondos es 0.01
Solucin:
a) X = "nmero de cheques sin fondos" sigue una distribucin binomial X b(20, 0,01)
20
P X 1 1 P X 1 1 P X 0 1 .0,010 .0,9920 1 0,980 0,182
0
Y b(12, 0,182)
P Y 4 1 P Y 4 1 P X 0 P X 1 P X 2 P X 3
12 12 12 12
1 .0,1820 .0,81812 .0,1821 .0,81811 .0,1822 .0,81810 .0,1823 .0,8189
0 1 2 3
1hora 6 horas
c) n 120 cheques
20 cheques n cheques
d) U = "nmero de cheques sin fondos computados" donde U b(500, 0,01) , que al ser
n. p 500.0,01 5 se aproxima a una distribucin de Poisson de parmetro P 5
P 3 U 6 P U 3 P U 4 P U 5 P U 6
53 5 4 55 56 5
.e 20,833 26,042 26,042 21,701 .e5 0,6375
3! 4! 5! 6!
35
Ejercicio 17.- Un pasajero opta por una compaa area con probabilidad 0,5. En un
grupo de 400 pasajeros potenciales, la compaa vende billetes a cualquiera que se lo
solicita, sabiendo que la capacidad de su avin es de 230 pasajeros. Se pide:
a) Probabilidad de que la compaa tenga overbooking, es decir, que un pasajero no
tenga asiento.
b) Si existen 10 compaas areas que realizan el mismo viaje con condiciones
similares a la anterior, cul ser la probabilidad de que al menos dos de ellas tenga
overbooking?
Solucin:
a) La variable X = "pasajeros que optan por esa compaa", donde X b (400, 0,5)
P Y 2 1 P Y 2 1 P(Y 0) P(Y 1)
10 10
1 .0,00130 .0,998710 .0,00131 .0,99879 1 0,987 0,0128 0,00015
0 1
Solucin:
13 30 X 30 31 30
P 13 X 31 P P 12,02 z 0,707
2 2 2
36
X 30 k 30 k 30
b) P(X k) 0,90 P 0,90 P z 0,90
2 2 2
k 30 k 30
P z 0,10 1,28 k 30 1,28. 2 31,81 peridicos
2 2
10 10 10
1 .0,77940 .0,220610 .0,77941 .0,22069 .0,77942 .0,22068 0,9998
0 1 2
Ejercicio 19.- Un banco recibe un promedio de 6 cheques falsos al da, suponiendo que
el nmero de cheques falsos sigue una distribucin de Poisson. Se pide:
Solucin:
64 6
P(X 4) .e 0,1338
4!
Y 42 30 42
P Y 30 P P z 1,85 P z 1,85 1 P z 1,85 0,9678
42 42
Solucin:
37
Para calcular el parmetro por cada 100.000 km se establece la proporcin:
0,3
0,6 , X P( 0,6)
50.000 100.000
0,60 0,6
P(X 0) .e 0,5488
0!
0
c) Se calcula el valor del parmetro considerando que P(X 0) .e 0, 4066
0!
0,3 0,9
Estableciendo la proporcin: x 150.000 km
50.000 x
Solucin:
20
1 1 1 12 3
x 8 (20 8) 0,6
20
P(X 8) dx
8 20 20 20 20 5
8 12
o bien, P(X 8) 1 P(X 8) 1 F(8) 1 0,6
20 20
38
0 20 (20 0)2 400 100
10 , 2
2 12 12 3
10
1
c) P(X 10) dx 0
10 20
Solucin:
1 1
a) La variable aleatoria X = "duracin del marcapasos" X Exp
16
1 x 16
e x0
tiene como funcin de densidad: f(x) 16
0 x0
1 e x 16 x0
Funcin de distribucin: F(x) P(X x)
0 x0
20 20
1 x 16 20
o bien, P(X 20) f(x) dx e dx e x 16 e 20 16 1 0,7135
0 0 16 0
25 25
1 x 16 25
P(5 X 25) f(x) dx e dx e x 16 e 25 16 e 5 16 0,522
5 5 16 5
1 x 16
P(X 5) f(x) dx e dx e x 16 0 e 5 16 0,7136
5 5 16 5
39
Es decir, la duracin que se espera tenga el marcapasos, no influye en nada el tiempo
que lleva funcionando. Esta particularidad lleva a decir que 'la distribucin exponencial
no tiene memoria'.
Ejercicio 23.- Un lote contiene 100 piezas de tuberas de un proveedor local y 200
piezas de tuberas de un proveedor de otra ciudad. Seleccionando cuatro piezas al azar
sin reemplazo. Se pide:
Solucin:
a) Sea X = "nmero de piezas del proveedor local", donde la variable X sigue una
distribucin hipergeomtrica X H n, N, NA H 4, 300, 100
NA 100 1 1
N NA NB 100 200 300 , n 4 , p , N.p 300. 100 , N.q 200
N 300 3 3
100 200
.
4 0 100.99.98.97 4! 100.99.98.97
P X 4 0,0119
300 300.299.298.297 4! 300.299.298.297
4
b) P X 2 P X 2 P X 3 P X 4
100 200
.
0 4 200.199.198.197 4!
c) P X 1 1 P X 0 1 1 1 0,196 0,804
300 300.299.298.297 4!
4
40
Ejercicio 24.- Una mquina automtica llena latas de una bebida gaseosa siguiendo
una distribucin normal de media 34 cl. y desviacin tpica 1,5 cl.
Solucin:
X 34 33 34
P(X 33) P P(z 0,66) P(z 0,66) 0,2546
1,5 1,5
X 33 33 33
P(X 33) P P z 0,01 P z 0,01
1,5 1,5 1,5 1,5
33
Observando la tabla N(0, 1) : 2,33 33 2,33.1,5 36, 495 cl.
1,5
10
P(Y 0) .0,25460 .0,745410 0,05295
0
Como el nmero de latas es elevado la distribucin binomial se puede aproximar por una
distribucin normal de media n.p 500.0,2546 127,3 y desviacin tpica
n.p.q 500.0,2546.0,7454 9,74 , es decir, Y N(127,3, 9,74)
41
Ejercicio 25.- El tiempo de revisin del motor de un avin sigue aproximadamente una
distribucin exponencial, con media 22 minutos.
Solucin:
1 1
x E(X) 22 minutos X Exp 1 22
22
P X 10 F(10) 1 e 10 22 1 e 5 11 0,365
o bien,
10 10
1 x 22
P X 10 f(x) dx 22 e dx e
x 22 10
e 10 22 1 1 e 5 11 0,365
0 0 0
b) Como el costo de la revisin del motor es de 200 euros por cada media hora o
fraccin, para que la revisin cueste 400 euros la duracin de la revisin debe de ser
inferior o igual a 60 minutos. Es decir, se tendr que calcular P 30 X 60
o bien,
60 60
1 x 22
P 30 X 60 f(x) dx 22 e dx e
x 22 60
e 60 22 e 30 22
30 30 30
e 15 11 e 30 11 0,19
1 x 22 x 22
P X t f(x) dx 22 e dx e 0 e t 22 0,1
t t t
42
Ejercicio 26.- El consumo familiar de cierto artculo se distribuye uniformemente con
esperanza 10 y varianza unidad. Determinar la probabilidad de que el consumo de dicho
artculo se encuentre comprendido entre 8 y 12 unidades.
Solucin:
a b 20 b 10 3 11,73
b (20 b)
2
12 (2b 20) 12
(b a) 12
2
a 10 3 8,27
Ejercicio 27.- Una fbrica aeronutica produce en cada turno 100000 bolas para
rodamientos, siendo la probabilidad de bola defectuosa 0,04. Las bolas se supervisan
todas, depositando las defectuosas en un recipiente que se vaca al final de cada turno.
Cuntas bolas ha de contener el recipiente para que la probabilidad de que su
capacidad no sea rebasada sea 0,95?
Solucin:
Sea X = "nmero de bolas defectuosas entre 100000", donde X b (100000, 0,04) , que
como el nmero de bolas es muy grande se puede aproximar por una normal de media
100000.0,04 4000 y desviacin tpica 100000.0,04.0,96 61,96
X N 4000, 61,96
C 4000
1,645 C 4000 1,645.61,96 4101,92 4102 bolas
61,96
43
Ejercicio 28.- Una variable aleatoria X se distribuye uniformemente en (2, 4) . Se pide:
Solucin:
2,5 2
a) P(X 2,5) F(2,5) 0,25
2
2,5 2,5
1 1 2,5 2
dx x 2
2,5
o tambin, P(X 2,5) f(x) dx 0,25
2 2 2 2 2
3,2 2 4 3,2
b) P(X 3,2) 1 P(X 3,2) 1 F(3,2) 1 0, 4
2 2
4 4
1 1 4 3,2
dx x 3,2
4
o tambin, P(X 3,2) f(x) dx 0, 4
3,2 3,2 2 2 2
1 1 3,5 2,2
dx x 2,2
3,5
o tambin, P(2,2 X 3,5) f(x) dx 0,65
2,2 2,2 2 2 2
24 (4 2)2 4 1
d) E(X) 3 2
2 12 12 3
Ejercicio 29.- Una empresa produce un artculo que sigue una distribucin uniforme
entre 25000 y 30000 unidades. Sabiendo que vende cada unidad a 10 euros y la funcin
de costes viene dada por C 100000 2 X , cul ser el beneficio esperado?
Solucin:
X U(25000, 30000)
1 1
25000 x 30000
Funcin de densidad f(x) 30000 25000 5000
0 otros valores
44
E(B) E(V C) E 10. X (100000 2. X E(8. X 100000) 8. E(X) 100000
25000 30000
siendo, E(X) 27500
2
Ejercicio 30.- La duracin de vida de una pieza de un motor sigue una distribucin
exponencial, sabiendo que la probabilidad de que sobrepase las 100 horas de uso es
0,9. Se pide:
Solucin:
f(x) .e x F(x) 1 e x x 0
o bien, P X 200 f(x) dx 0,00105.e 0,00105. x dx e 0,00105. x 0,81
200
200 200
45
Ejercicio 31.- La cabina de un avin tiene 30 dispositivos electrnicos (E1 , E2 , ,E30 ) ,
tan pronto como falla E1 se activa E2 , y as sucesivamente. El tiempo de fallo de
cualquier dispositivo electrnico Ei es de tipo exponencial con parmetro 0,1 hora.
Hallar la probabilidad de que el tiempo total de funcionamiento de todos los dispositivos
supere las 350 horas.
Solucin:
Sea Xi " Fallo de cualquier dispositivo electrnico", Xi Exp (0,1) i 1,2, ,30
1 1 1
i E Xi 10 i 10
0,1
30
30
30
X X N 300,
i 1
i 3000
Solucin:
Denotando por X = "Ganancia por accin" y G ="Ganancia total del corredor de bolsa"
1 1 x 1000
X U(1000, 2000) f(x) F(x) 1000 x 2000
2000 1000 1000 2000 1000
2000 2000
1 1 800
x 1200
2000
f(x) dx dx 0,8
1200 1200 1000 1000 1000
46
Ejercicio 33.- Un Instituto de opinin pblica quiere obtener una muestra de votantes.
La muestra debe ser suficientemente grande para que la proporcin de votos a favor de
la consulta inferior al 50% tenga una probabilidad de 0,01. Qu tamao deber tener la
muestra?, si la intencin del voto es realmente del 52%
Solucin:
X p.q
Y ="frecuencia obtenida con una muestra n", donde Y N p, p 0,52
n n
0,52. 0, 48 0, 49968
Y N 0,52, N 0,52,
n n
2
2,33.0, 49968
n 3389
0,02
Ejercicio 34.- Un individuo juega con probabilidad de ganar igual a 1 2 en cada partida.
Si gana en una partida obtiene 5 euros y si pierde paga 5 euros. En una tarde juega 400
partidas. Qu cantidad debe llevar si quiere tener una probabilidad de 0,95 de hacer
frente a posibles prdidas?
Solucin:
47
2000 C 2000 C C
P z P z P z 0,95
100 100 100
C C
P z 0,05 1,65 C 165 euros
100 100
Solucin:
Sea v.a. Xi = "demanda del producto cada da", donde Xi U(20, 40) , con media
20 40 (40 20)2 400 100
i 30 y varianza i
2
2 12 12 3
Lmite X X
i 1
i se ajusta a una distribucin normal de media
182
100
182. i 182.30 5460 y desviacin tpica 2
i 182. 77,89 ,
i 1
3
182
X X N5460, 77,89
i 1
i
Ejercicio 36.- Dos jvenes A y B juegan a los dados bajo condiciones: Si sale (1 o 2) el
jugador A paga 6 euros a B, pero si sale (3, 4, 5 o 6) el jugador B paga 21 euros a A.
a) Con 300 partidas determinar la probabilidad de que A gane entre 175 y 230 euros
b) Beneficio esperado por ambos jvenes en 300 partidas
c) Si B lleva 200 euros, cuntas partidas el menos tendr que jugar para que pierda
todo con una probabilidad al menos de 0,9772?
Solucin:
Siendo la muestra grande (n 30) , se aproxima por una distribucin normal de media
2 2 1
n.p 300. 200 y desviacin tpica 300. . 8,165 , X N(200, 8,165)
3 3 3
48
175 200 X 200 230 200
P 175 X 230 P P 3,06 z 3,67
8,165 8,165 8,165
200 6.n
P PB 200 P 27. X 6.n 200 P X 0,9772
27
2 2 1 2.n 2.n
X = "partidas ganadas por A en n partidas", X N n, . .n N ,
3 3 3 3 3
2
100 6.n 9. 2.n
2
n 28 partidas
Ejercicio 37.- Para aprobar la asignatura de estadstica terica se realiza un test con
veinte tems. Sabiendo que una persona determinada tiene una probabilidad de 0,8 de
contestar bien cada tem. Se pide:
a) Probabilidad de que la primera pregunta que contesta bien sea la tercera que hace.
b) Para aprobar el test es necesario contestar diez tems bien. Cul es la probabilidad
de que apruebe al contestar el doceavo tem?.
Solucin:
a) La variable X = "nmero de tems que tiene que hacer hasta que responda uno bien"
sigue una distribucin de Pascal o geomtrica, siendo p 0,8 , q 0,2 . X G(0,8)
49
b) La variable X = "nmero de tems que tiene que realizar hasta contestar 10 bien"
sigue una distribucin binomial negativa
12 1 11 11! 11. 10
P(X 12) 0,8 . 0,2 0,8 . 0,2
10 2 10 2
0,810 . 0,22 0,810 . 0,22 0,24
10 1 9 2! 9! 2
Solucin:
8 8! 8.7. 6 .5
P(X 4) 0,3 4 0,74 0,214 0,214 70.0,214 0,136
4 4! 4! 4. 3. 2 .1
8 1 7 7! 7.6.5
P(X 8) 0,3 . 0,7 0,21
4 4 4
0,214 0,214 0,0681
4 1 3 4! 3! 3.2
c) X = "aparece el primer crculo en la octava extraccin"
3 3 2
8! 5 3 2
P(T 3 ; C 3 ; R 2) 560 . 0,53 . 0,33 . 0,22 0,0756
3! 3! 2! 10 10 10
50
e) Hay dos situaciones excluyentes (crculo, no-crculo).
N.p N.q 3 7
k n k 2 4 3 . 35
P(X k) P(X 2) 0,5
N 10 210
n 6
Ejercicio 39.- Por prescripcin mdica, un enfermo debe hacer una toma de tres
pldoras de un determinado medicamento. De las doce pldoras que contiene el envase
hay cuatro en malas condiciones. Se pide:
b) Probabilidad de que de las tres pldoras de la toma al menos una est en malas
condiciones
c) Cul es el nmero de pldoras que se espera tome el enfermo en buenas
condiciones en cada toma?
d) Si existe otro envase que contenga cuarenta pldoras, de las que diez se encuentran
en malas condiciones. qu envase sera ms beneficiosos para el enfermo?
Solucin:
8 buenas p 8 12 2 3
N 12 pldoras
4 malas q 4 12 1 3
2 q
N. p 12. 8 N. q 12. 4 n3
3 3
N.p N.q 8 4 4!
8.
k n k 1 2 2! 2! 24
P(X k) P(X 1) 0,22
N 12 12! 110
3! 9!
n 3
2 24 56 82
P(X 2) P(X 0) P(X 1) P(X 2) 0,75
110 110 110 110
51
8 4
0 3 1. 4 4 . 3! 9! 4 . 3 .2 2
P(X 0) 0,02
12 12! 12! 12 . 11. 10 110
3! 9!
3
8 4 8!
. 4 8 . 7 . 4 .3! 9!
2 1 2! 6! 56
P(X 2) 2 0,51
12 12! 12! 110
3! 9!
3
2
X n.p 3 . 2 pldoras
3
d) Para tomar una decisin, hay que calcular el nmero de pldoras esperado en buenas
condiciones al tomar tres del segundo envase.
30 buenas p 30 40 3 4 0,75
N 40 pldoras
10 malas q 10 40 1 4 0,25
Solucin:
Se trata de una variable polinomial con n 10 p A 0,1 pB 0, 4 pC 0,5
10!
a) P(X A 5 ; XB 0 ; XC 5) 0,15 . 0, 40 . 0,55 7875 . 10 5
5! 0! 5!
10!
b) P(X A 10 ; XB 0 ; XC 0) 0,110 . 0, 40 . 0,50 1010
10! 0! 0!
52
Ejercicio 41.- En una prueba auditiva, la deteccin de una seal sobre un fondo de
ruido sigue una distribucin binomial con media 3 y varianza 2,25. Se pide:
a) Probabilidad de detencin de la seal.
b) Si el experimento termina con la quinta deteccin correcta, la probabilidad de que se
necesiten menos de 7 ensayos.
Solucin:
5 1 6 1
P(X 7) P(X 5) P(X 6) 0,25 . 0,75
5 0
0,25 . 0,75
5 1
5 1 5 1
Ejercicio 42.- Un individuo lanza un dardo a una diana. La distancia (d) entre el punto
central de la diana y el punto obtenido en el lanzamiento del dardo se distribuye como
una normal de media 10 y varianza 4. Si el individuo consigue la puntuacin mxima
cuando la distancia d es menor que 8.
a) Calcular la probabilidad de que en 50 lanzamientos obtenga la puntuacin mxima al
menos una vez. (binomial)
b) Calcular la probabilidad de que obtenga la primera puntuacin mxima en el segundo
lanzamiento. (geomtrica)
c) Calcular la probabilidad de que se necesiten 10 lanzamientos para obtener tres
puntuaciones mximas (binomial negativa)
d) Calcular el nmero medio de lanzamientos para obtener tres puntuaciones mximas
(binomial negativa)
Solucin:
X 10 8 10
P(X 8) P P (z 1) P (z 1) 0,1587
2 2
50
P (X 1) 1 P (X 0) 1 0,15870 . (1 0,1587)50 0,9998
0
53
P(X 2) q . p (1 0,1587) . 0,1587 0,1335
3 1 2
n . q 3 . (1 0,1587)
X 15,9 16 lanzamientos
p 0,1587
Ejercicio 43.- Sea X la variable aleatoria que describe el nmero de clientes que llega a
un supermercado durante un da (24 horas). Sabiendo que la probabilidad de que llegue
un cliente en un da es equivalente a 100 veces la que no llegue ningn cliente en un da,
se pide:
a) Probabilidad de que lleguen al menos 3 clientes al da
b) Si acaba de llegar un cliente, calcular la probabilidad que pase ms de 25 minutos
hasta que llegue el siguiente cliente (o hasta que llegue el primer cliente)
c) En dos semanas, cul es la probabilidad aproximada de que lleguen como mucho
1300 clientes al supermercado?
Solucin:
k
Se trata de una distribucin de Poisson: P(X k) e
k!
0
P(X 1) 100 . P(X 0) e 100 . e . e 100 . e 100
1! 0!
3 100
a) P (X 3) P z P(z 9,7) P(z 9,7) 1
10
100 10 0 . 25 250
1,736
24 . 60 25 24 . 6 0 144
54
1300 1400
c) P (X 1300) P z P(z 2,67) P(z 2,67) 0,00379
1400
Solucin:
c) P X 10
X5
P(5 X 10) F(10) F(5) 1 e 30 (1 e 15 ) e 15 e 30
P(X 5)
1 F(5)
e 15
e 15
1 e15
Advirtase que P X 10
X5 P(X 5) lo que significa que la variable aleatoria
exponencial no tiene memoria.
Ejercicio 45.- Una web tiene un nmero promedio de 5 visitantes por hora. Se piden las
probabilidades:
a) Sea visitada por un mnimo de 6 personas
b) Qu pase ms de una hora sin que sea visitada
Solucin:
5 5
5k 5
P(X 6) 1 P(X 5) 1 P(X k) 1 e
k 0 K 0 k !
55