Documentos de Académico
Documentos de Profesional
Documentos de Cultura
3.1. Introduccin
C CCC
C
S CCS
C
C CSC
S
S CSS
C SCC
C
S SCS
S
C SSC
S
S SSS
= 1,2,3,4,5,6
i) A observar un nmero impar, entonces A = {1, 3, 5 }
ii) B observar un nmero menor que 4, entonces B = {1, 2, 3 }
iii) C observar
2 2 1 3
mayor de 35)
5 5 5 5
Solucin.-
Sean los eventos: A: " ganar el primer premio" y B: "ganar el segundo premio".
P A B P A P B / A
P A1 A2 A3 .... AK P A1 P A2 P A3 ...P Ak
Ejemplo 3.6. Dos divisiones de productos distintos de una empresa grande son
productos marinos (M) y equipos de oficina (O). Se estima que la probabilidad de
que productos marinos tenga un margen de utilidad de cuando menos 10% en este
ao fiscal es de 0.30, la probabilidad de que la divisin de equipo de oficina tenga un
margen de utilidad de cuando menos 10% es 0.20 y la probabilidad de que ambas
divisiones tengan un margen de utilidad de cuando menos 10% es 0.06.
Solucin.
P O M 0.06
A) P O / M 0.20
P M 0.30
B) P O M P O P M
0.06 = 0.30 x 0.20
Como 0.06 = 0.60, los dos eventos son independientes
Ejemplo 3.7. De doce cuentas que se tiene en un archivo, cuatro contienen un error
de procedimiento en la elaboracin de los saldos.
A). Si un auditor elige al azar dos de las 12 cuentas (sin reemplazo), cul es la
probabilidad de que las cuentas contenga error de procedimiento?
Solucin.
4 3 12
P E 1 E 2 P E 1 P E 2 / E 1 0.091
12 11 132
b) P E1 E2 P E1 P E2 / E1
8 4 32
0.2222
12 12 144
8
12
7 6
c) P E1 E2 E 3 P E1 P E2 / E1 P E3 / E1 E2
336
11 10 1320
0.2545
P E1 E 2 P E1 E2 P E1 E 2
P E1 P E 2 / E1 P E1 P E2 / E1 P E1 P E 2 / E1
4 3 4 8 8 4 76
= 0.5758
12 11 12 11 12 11 132
Si los eventos B1, B2, ... , Bk constituyen una particin del espacio muestral de tal
forma que P(Bi) >0 para i =1, 2, ..., k, entonces para cualquier evento A en ,
k
P A P Bi P A / Bi
i 1
a) Al utilizar I e I' para indicar que se dan los aumentos y que no se dan aumentos
en las inversiones de capital, y utilizando A y A' para representar los aumentos
y los no aumentos en los precios del acero estructural, construya un diagrama
de rbol para esta situacin que implica eventos dependientes.
b) 0.90 A
0.10 A
0.40 A
0.40 I
0.60 A
P Br P A
P Br / A k Br
para i=1, 2, 3, .., k
P Bi P A
i 1 Bi
Ejemplo 3.9. Con respecto al ejemplo 3.8, suponga que, de hecho, aumentan los
precios del acero estructural en el siguiente ao. Cul es la probabilidad de que haya
habido un aumento en las inversiones de capital?. Solucin. Mediante la frmula de
Bayes, tenemos:
1
3.5. Variables aleatorias.
Definicin. Una funcin X definida sobre un espacio maestral , donde cada
elemento W le corresponde un nmero real x = X(w), se denomina variable
aleatoria.
ESTADSTICA APLICADA | Universidad Particular Antenor Orrego - Piura
Una variable aleatoria puede ser:
X(SSS)= 0
X(CSS) =.X(SCS)= X(SSC) = 1
X(CCS) =.X(CSC)= X(SCC) = 2
X(CCC) = 3
Luego Rx = { 0, 1, 2, 3 }.
Solucin.-
n x nx
P X x p q q 1 p
x
Teorema . Si X~ B(n ,p), entonces,
a) = E(X) = n p, b) 2
= V(X) = n p (l -p)
Ejemplo 3.12. Debido a las elevadas tasas de inters, una empresa reporta que el 30%
0% de sus cuentas por cobrar de otras empresas estn vencidas. Si un contador
toma una muestra aleatoria de cinco de esas cuentas, determine la probabilidad de
cada uno de los siguientes eventos: a) ninguna de las cuentas est vencida, b)
exactamente dos cuentas estn vencidas, c) a lo ms hay tres cuentas vencidas d) la
mayor parte de las cuentas estn vencidas e) exactamente el 20% de las cuentas
estn vencidas.
Solucin.
Sea la variable aleatoria
X: nmero de cuentas vencidas, Rx={0, 1, 2, 3, 4, 5 }
X ~ B(5, 0.3)
1
5
b) P(X = 2) = (0.30)2(0.7 0)3 = 0.3087
2
c) P(X3)=P(X=0)+P(X=1)+P(X=2)+P(X=3)
X
e) P 0.20 P X 1 0.3602
n
Solucin. Sea la v.a X: "el nmero de clientes que curiosean compren algo durante 1
una hora dada".
a) P(X = 0) = 0.0047
ESTADSTICA APLICADA | Universidad Particular Antenor Orrego - Piura
b) P(X4)=0.5154
e x
P(x) =P(X =x) = , x = 0, 1, 2, ... ,
X!
1
Teorema. Si X ~P(), entonces: a) E(X) = , b) V(X) =
Ejemplo 3.14. Suponga que llegan en forma aleatoria una serie de llamadas a
una central telefnica con un promedio de tres llamadas por minuto.
ESTADSTICA APLICADA | Universidad Particular Antenor Orrego - Piura
a) calcular la probabilidad de que en el perodo de un minuto:
a1) no ocurra llamada alguna,
a2) ocurra al menos 4 llamadas.
b) Si cada llamada cuesta S/. 0.50, cunto es el costo esperado por llamadas.
Solucin.
a) Sea X el nmero de llamadas que ocurren en el perodo de un minuto.
X~ P(), donde = 3 es el promedio del nmero de llamadas por minuto.
Ejemplo 3.15. Una empresa textil produce un tipo de tela en rollos de 100 metros. El
numero de defectos que se encuentra al desenrollar la tela es una variable aleatoria
de Poisson que tiene en promedio 4 defectos por cada 20 metros de tela.
a) Qu probabilidad hay de que al desenrollar la tela se encuentre menos
de tres defectos en los primeros 50 metros?
b) Hallar la probabilidad de que al desenrollar la tela no se encuentre defectos
en el primer segmento de 5 metros de tela.
e t t
k
P(X = k) = , k = 0 , 1 , 2 , 3,.......
k!
donde t es el promedio de defectos en el se gmento de 20 x t metros de tela.
a) El promedio de defectos en los primeros 50 metros de tela es t = 4 x 2.5 = 10 (t
=2.5 aumenta la longitud de 20 a 50 metros) y la probabilidad de que se
encuentre menos de tres defectos en los primeros 50 metros de tela es: 1
2
e 1010 k
P X3 P X 2 0.0028
k 0 k!
e 1 1
0
P X 0 0.3679
!
e np np
x
P(X=x)=
x!
Solucin.
= 1- 0.969 = 0.031
1000 e 5 5
x
0.005 0.995
x 1000 x
P(X=x)= y
x x!
e5 5
9 x
P(X>9)=(X10)=1-P(X9) 1
x0 x!
=1-0.968=0.030
Como podemos darnos cuenta, diferencia entre las dos distribuciones de probabilidad
es pequea (slo de aproximadamente 3% de error en este ejemplo).
Existen dos razones bsicas por las cuales la distribucin normal ocupa un lugar tan
prominente en la estadstica. Primero, tiene algunas propiedades que la hacen
aplicable a un gran nmero de situaciones en las que es necesario hacer inferencias
mediante la toma de muestras. Segundo, la distribucin normal casi se ajusta a las
dist ribuciones de frecuencias r eales observadas en muchos f enm enos,
incluyendo caractersticas humanas (pesos, alturas, IQ), resultados de
1
procesos fsicos (dimensiones y rendimientos) y muchas otras medidas de
inters para los profesionales , tanto en el sector pblico como en el privado.
3.7.1.1. Definicin. Se dice que la variable aleatoria X tiene distribucin normal con
ESTADSTICA APLICADA | Universidad Particular Antenor Orrego - Piura
media y varianza 2 , y se escribe X ~ N( , 2 ), si su funcin de densidad es
dada por:
x
1
f x .e 2 2 x
2 .
Observe durante un momento la figura 3.2. Este grfico pone de manifiesto varias
caractersticas importantes de una distribucin normal de probabilidad.
z2
1 2
f z e -<z<
2
0 z
Figura 3.3. Curva normal estandarizada.
t2
1 2
z P Z z
z
e dt
2
Z
0 z
Figura 3.4 rea bajo la curva normal estandarizada
No es necesario tener una tabla distinta para cada curva normal posible. En lugar de
ello podemos utilizar la distribucin de probabilidad normal estndar para encontrar
reas (probabilidades) bajo cualquier curva normal.
Solucin .
0.8849
Z
0 1.2
c) P(0.81 Z 1.94) = P(0 Z1.94) - P(0 Z 0.81) =
Z
-3 0 0.81 1.94 3
c) P(Z-1.28)=
Z 1
-3 -1.28 0
Z
-3 -0.46 0 2.21 3
e) P(-2.5Z-1.98)=
Z
-3 -2.5 -1.98 0 3
f) P(Z -0.68)
Z
3 -0.68 0 3
Solucin.
Sea la v.a X: tiempo que dura el traslado de un abogado desde su casa a la oficina.
Se sabe adems que X ~ N[24, (3.8)2]
x 30 24
a) P(x30)=p P ( Z 1.58) 0.5 P(0 Z1.58)
3.8
b) P(X>15)=
c) P(X>25)=
X
24
Z
0 1.28
Luego :
X 24 X 0 24 X 0 24
P X X 0 P P Z 0.1
3.8 3.8 3.8
x 0 24
Se observa en la tabla de la normal estandariza que 1.28 = de donde
3.8
resulta: xo = 28.86 minutos
Solucin.
100
P(X=x) 0.4 x 0.6 100 x X=0,1,2,..,100
X
Dado que n =100 es grande, deben obtenerse resultados bastantes precisos utilizando
la aproximacin de la curva normal con:
X 40 29.5 40
P P Z 2.14 0.0162
4.899 4.899