5 Probabilidad y Conteo

UNIVERSIDAD MAYOR DE SAN ANDRÉS
FACULTAD DE INGENIERÍA - INGENIERÍA ELECTRÓNICA

PROBABILIDAD Y ESTADÍSTICA
ETN 401
SOLUCIONARIO DE PROBABILIDAD Y
ESTADÍSTICA
DOCENTE:
Ing. ARMANDO ROSAS
AUXILIAR DE DOCENCIA:
Univ. RHEM HUARACHI M.
Julio 2018
U.M.S.A. - INGENIERÍA ELECTRÓNICA PROBABILIDAD Y ESTADÍSTICA
ESTADÍSTICA DESCRIPTIVA
1. Se tienen los siguientes datos sobre errores porcentuales obtenidos en las mediciones de
laboratorio de todo el paralelo:
2.6 3.6 3.1 2.6 2.7 3.9 2.4 2.7 2.5 2.3 4.0 3.2
2.5 1.7 0.3 3.1 2.6 1.3 4.3 1.5 2.8 1.8 4.2 3.5
2.4 2.2 3.4 3.7 0.8 2.3 1.9 4.5 1.2 2.2 2.2 3.0
2.1 1.8 2.9 3.8 3.5 1.6 3.2 4.4 1.4 0.7 2.8 3.3
0.5 2.3
a) Realice la tabla de frecuencias completa.
b) Determinar el porcentaje de estos errores que son inferiores a 3.1%.
c) Determinar el porcentaje de los datos que se encuentran entre 1.5% y 3.5%.
d) Determine la media aritmética, la mediana, la moda y el coeficiente de variación.
Solución
a) Para empezar, se reconoce que es necesario realizar una tabla tipo B, con intervalos de
clase para los datos; comenzando por determinar el número de intervalos de clase de la
siguiente manera:
𝑁𝑁𝑐𝑐 = √𝑁𝑁
𝑁𝑁𝑐𝑐 = √50 = 7.071 ≅ 7 (aproximando al entero más próximo)
Es posible usar la regla de Sturges de la misma manera:
𝑁𝑁𝑐𝑐 = 1 + 3.3 log(𝑁𝑁) = 1 + 3.3 log(50) = 6.607 ≅ 7 (entero más próximo)
Determinando el ancho del intervalo:
𝑅𝑅 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚á𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥 − 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚í𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 4.5 − 0.3
𝐴𝐴 = = = = 0.6
𝑁𝑁𝑐𝑐 𝑁𝑁𝑐𝑐 7
Con el anterior resultado se sabe que el producto 𝑁𝑁𝑐𝑐 ∗ 𝐴𝐴 es exactamente el rango R de

los datos, por lo que no es necesario hacer un ajuste (R’). Se procede a confeccionar la
tabla de frecuencias:
Marca Frecuencia Frecuencia Frecuencia

Frecuencia
de Clase absoluta relativa relativa acumulada
i I.C. absoluta
𝒇𝒇𝒊𝒊 𝑭𝑭𝒊𝒊
M.C. acumulada
𝒇𝒇𝒊𝒊 𝒉𝒉𝒊𝒊 = 𝑯𝑯𝒊𝒊 =
𝑭𝑭𝒊𝒊 𝒏𝒏 𝒏𝒏
1 [0.3-0.9) 0.6 4 4 0.08 0.08
2 [0.9-1.5) 1.2 3 7 0.06 0.14
3 [1.5-2.1) 1.8 6 13 0.12 0.26
4 [2.1-2.7) 2.4 14 27 0.28 0.54
5 [2.7-3.3) 3.0 10 37 0.2 0.74
6 [3.3-3.9) 3.6 7 44 0.14 0.88
7 [3.9-4.5] 4.2 6 50 0.12 1
Total 50 1
b) Se necesita conocer un porcentaje del total de los datos por debajo de un valor (3.1 en
este caso), por lo que, para esta posición (3.1) se aplica la fórmula de los percentiles:
ETN 401 SOLUCIONARIO

𝑁𝑁
𝐾𝐾 ∗ − 𝐹𝐹𝑖𝑖−1
𝑃𝑃𝐾𝐾 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖 + 100 ∗ 𝐴𝐴
𝑓𝑓𝑖𝑖
Para la anterior ecuación se debe reconocer primero el número de intervalo “i”, para lo
cual es esencial ubicar el dato 3.1 en uno de los intervalos, el cual se encuentra en el
intervalo cinco, entonces i=5, en consecuencia:
𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿5 = 2.7
𝑓𝑓5 = 10
𝐹𝐹5−1 = 𝐹𝐹4 = 27
También se conoce: 𝐴𝐴 = 0.6 𝑁𝑁 = 50 𝑃𝑃𝐾𝐾 = 3.1
De la ecuación para posición de percentiles despejando K y calculando:
100 𝑓𝑓𝑖𝑖 100 10
𝐾𝐾 = � (𝑃𝑃𝐾𝐾 − 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖 ) + 𝐹𝐹𝑖𝑖−1 � = � (3.1 − 2.7) + 27�
𝑁𝑁 𝐴𝐴 50 0.6
𝐾𝐾 = 67.333 ≅ 68 (K es un entero)
Entonces se concluye: “El 68% de los datos son inferiores a 3.1” o también: “El 68% de
las mediciones realizadas presenta un error porcentual inferior al 3.1%”.
c) En este caso, se debe determinar el porcentaje de datos por debajo de 3.5 y restarle el
porcentaje de datos por encima de 1.5, para proceder con esto se sigue el procedimiento
antes visto.
Para 3.5: 𝑖𝑖 = 6
𝑓𝑓6 = 7
𝐹𝐹6−1 = 𝐹𝐹5 = 37
𝑃𝑃𝐾𝐾 = 3.5
100 7
𝐾𝐾 = � (3.5 −
50 0.6
3.3) + 37� = 78.667 ≅ 79 (K es un entero)
Para 1.5: 𝑖𝑖 = 3
𝑓𝑓3 = 6
𝐹𝐹3−1 = 𝐹𝐹2 = 7
𝑃𝑃𝐾𝐾 = 1.5
100 6
𝐾𝐾 = � (1.5 − 1.5) + 7� = 14
50 0.6
Finalmente: 79 − 14 = 65

Concluyendo: “El 65% de los datos se encuentra entre 3.5 y 1.5” o también: “El 65% de
las mediciones presentan un error porcentual mayor a 1.5% y menor a 3.5%”
d) Para determinar la media aritmética se sabe que:
𝑁𝑁𝑐𝑐
1
𝑥𝑥̅ = � 𝑀𝑀𝑀𝑀𝑖𝑖 ∗ 𝑓𝑓𝑖𝑖
𝑁𝑁
𝑖𝑖=1
4∗0.6+3∗1.2+6∗1.8+14∗2.4+10∗3.0+7∗3.6+6∗4.2
Entonces: 𝑥𝑥̅ = = 2.616
50
� = 𝟐𝟐. 𝟔𝟔𝟔𝟔𝟔𝟔
𝒙𝒙
Para la mediana se aplicará la ecuación del percentil 50, donde “i” es el número del
𝑁𝑁
intervalo de clase que cumple: 𝐹𝐹𝑖𝑖 ≥
2
De la tabla de frecuencias 𝐹𝐹4 = 27 que cumple la anterior condición, se tiene i=4.
Entonces:
50
50 ∗ 100 − 𝐹𝐹4−1
𝑚𝑚 = 𝑃𝑃50 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿4 + ∗ 𝐴𝐴
𝑓𝑓4
25 − 13
𝑚𝑚 = 2.1 + ∗ 0.6
14
𝒎𝒎 = 𝟐𝟐. 𝟔𝟔𝟔𝟔𝟔𝟔
La ecuación para la moda es:
𝑓𝑓𝑖𝑖 − 𝑓𝑓𝑖𝑖−1
𝑀𝑀𝑀𝑀 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖 + ∗ 𝐴𝐴
𝑓𝑓𝑖𝑖 − 𝑓𝑓𝑖𝑖−1 + 𝑓𝑓𝑖𝑖 − 𝑓𝑓𝑖𝑖+1
Donde 𝑓𝑓𝑖𝑖 es la frecuencia absoluta mayor, de la tabla de frecuencias vemos que
esta es 14, por lo que i=4. Entonces:
𝑓𝑓4 − 𝑓𝑓3 14 − 6
𝑀𝑀𝑀𝑀 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿4 + ∗ 𝐴𝐴 = 2.1 + ∗ 0.6
𝑓𝑓4 − 𝑓𝑓3 + 𝑓𝑓4 − 𝑓𝑓5 14 − 6 + 14 − 10
𝑴𝑴𝑴𝑴 = 𝟐𝟐. 𝟓𝟓
Para calcular el coeficiente de variación, se debe calcular la desviación estándar
de la siguiente manera (se trata de una muestra):
𝑁𝑁𝑐𝑐
1
𝑠𝑠 = � �(𝑀𝑀𝑀𝑀𝑖𝑖 − 𝑥𝑥̅ )2 ∗ 𝑓𝑓𝑖𝑖
𝑁𝑁 − 1
𝑖𝑖=1
Calculando: 𝑠𝑠 = 1.012
El coeficiente de variación será:
𝑠𝑠 1.012
𝐶𝐶𝐶𝐶 = =
𝑥𝑥̅ 2.616
𝑪𝑪𝑪𝑪 = 𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑

2. Se presentan 28 postulantes para el programa de becas de auxiliares de docencia, los cuales

dieron un examen con los siguientes resultados:
79 97 86 76 93 87 98 69 84 88 81 91
86 87 70 94 77 92 66 85 63 68 98 88
46 72 59 79
Se pide calcular la media aritmética, mediana y moda de estas calificaciones empleando
necesariamente una amplitud A=9 para los intervalos de clase.
Solución
Del enunciado se tiene A=9, entonces se procede directamente a confeccionar la tabla de
frecuencias con las columnas de datos únicamente necesarias para los cálculos pedidos,
entonces:
𝑅𝑅 = 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚á𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥 − 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚í𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 = 98 − 46 = 52
𝑅𝑅 52
𝑁𝑁𝑐𝑐 = = = 5.778 ≅ 6
𝐴𝐴 9
Se necesita el siguiente ajuste: 𝑅𝑅 ′ = 𝑁𝑁𝑐𝑐 ∗ 𝐴𝐴 = 54
𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 = 𝐼𝐼 = |𝑅𝑅 ′ − 𝑅𝑅| = 2
Este incremento se debe distribuir, para este ejercicio se hará lo siguiente:
′ 𝐼𝐼 2
𝑋𝑋𝑚𝑚í𝑛𝑛 = 𝑋𝑋𝑚𝑚í𝑛𝑛 − = 46 − = 45
2 2
′
𝐼𝐼 2
𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 = 𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 + = 98 + = 99
2 2
Marca Frecuencia Frecuencia
𝒊𝒊 I.C. de Clase absoluta absoluta acumulada
M.C. 𝒇𝒇𝒊𝒊 𝑭𝑭𝒊𝒊
1 [45-54) 49.5 1 1
2 [54-63) 58.5 1 2
3 [63-72) 67.5 5 7
4 [72-81) 76.5 5 12
5 [81-90) 85.5 9 21
6 [90-99] 94.5 7 28
Total 28
1
𝑁𝑁𝑐𝑐
Se sabe que: 𝑥𝑥̅ = ∑𝑖𝑖=1 𝑀𝑀𝑀𝑀𝑖𝑖 ∗ 𝑓𝑓𝑖𝑖
𝑁𝑁
49.5 ∗ 1 + 58.5 ∗ 1 + 67.5 ∗ 5 + 76.5 ∗ 5 + 85.5 ∗ 9 + 94.5 ∗ 7
𝑥𝑥̅ = = 80.678
28
� = 𝟖𝟖𝟖𝟖. 𝟔𝟔𝟔𝟔𝟔𝟔
𝒙𝒙

La mediana coincide con la ecuación del percentil 50, para “i” se busca el intervalo de clase que
𝑁𝑁
cumple: 𝐹𝐹𝑖𝑖 ≥ . De la tabla de frecuencias 𝐹𝐹5 = 21 que cumple la anterior condición, se tiene
2
i=5. Entonces:
28
50 ∗ 100 − 𝐹𝐹5−1
𝑓𝑓5
14 − 12
𝑚𝑚 = 81 + ∗9
9
𝒎𝒎 = 𝟖𝟖𝟖𝟖
La ecuación para la moda es:
𝑓𝑓𝑖𝑖 − 𝑓𝑓𝑖𝑖−1
𝑀𝑀𝑀𝑀 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖 + ∗ 𝐴𝐴
𝑓𝑓𝑖𝑖 − 𝑓𝑓𝑖𝑖−1 + 𝑓𝑓𝑖𝑖 − 𝑓𝑓𝑖𝑖+1
Donde 𝑓𝑓𝑖𝑖 es la frecuencia absoluta mayor, de la tabla de frecuencias vemos que esta es
9, por lo que i=5. Entonces:
𝑓𝑓5 − 𝑓𝑓4 9−5
𝑀𝑀𝑀𝑀 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿5 + ∗ 𝐴𝐴 = 81 + ∗9
𝑓𝑓5 − 𝑓𝑓4 + 𝑓𝑓5 − 𝑓𝑓6 9−5+9−7
𝑴𝑴𝑴𝑴 = 𝟖𝟖𝟖𝟖
3. Un prototipo de sensor electrónico presenta los siguientes datos en cuanto a su tiempo de vida
en meses:
2.1 4.4 2.7 32.3 9.9 9.0 2.0 6.6 3.9 1.6 14.7 9.6
16.7 7.4 8.2 19.2 6.9 4.3 3.3 1.2 4.1 18.4 0.2 6.1
13.5 7.4 0.2 8.3 0.3 1.3 5.8 14.1 1.0 2.4 2.4 18
1.6 3.5 11.4 18.0 26.7 3.7 12.6 23.1 5.6 24 1.4 8.2
0.4 8.7
Determine el porcentaje de los tiempos menores o iguales a 10 a partir de la tabla de
distribución de frecuencias.
Solución
Se debe realizar una tabla tipo B, con intervalos de clase para los datos; el número de intervalos
de clase está dado de la siguiente manera:
También es posible usar la regla de Sturges de la misma manera:
𝑅𝑅 𝑉𝑉𝑉𝑉𝑙𝑙𝑙𝑙𝑙𝑙 𝑚𝑚á𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥−𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚í𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 32.3−0.2
𝐴𝐴 = = = = 4.586 ≅ 4.6 (misma cantidad de decimales)
Se hace el siguiente ajuste: 𝑅𝑅 ′ = 𝑁𝑁𝑐𝑐 ∗ 𝐴𝐴 = 32.2

𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 = 𝐼𝐼 = |𝑅𝑅 ′ − 𝑅𝑅| = 0.1

Se distribuye este incremento:
′ 𝐼𝐼 0.1
𝑋𝑋𝑚𝑚í𝑛𝑛 = 𝑋𝑋𝑚𝑚í𝑛𝑛 − = 0.2 − = 0.15
2 2
′
𝐼𝐼 0.1
𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 = 𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 + = 32.3 + = 32.35
2 2
1 [0.15-4.75) 2.45 22 22
2 [4.75-9.35) 7.05 12 34
3 [9.35-13.95) 11.65 5 39
4 [13.95-18.55) 16.25 6 45
5 [18.55-23.15) 20.85 2 47
6 [23.15-27.75) 25.45 2 49
7 [27.75-32.35] 30.05 1 50
Total 50
Se busca conocer un porcentaje del total de los datos por debajo del valor diez (10 meses de la
vida del prototipo del sensor), por lo que, para esta posición (3.1) se aplica la fórmula de los
percentiles:
𝑁𝑁
𝐾𝐾 ∗ 100 − 𝐹𝐹𝑖𝑖−1
𝑃𝑃𝐾𝐾 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖 + ∗ 𝐴𝐴
𝑓𝑓𝑖𝑖
Para la anterior ecuación se debe reconocer primero el número de intervalo “i”, para lo cual es
esencial ubicar el dato “10” en uno de los intervalos, se encuentra en el intervalo tres, entonces
i=3, en consecuencia:
𝑓𝑓3 = 5
𝐹𝐹3−1 = 𝐹𝐹2 = 34
También se sabe: 𝐴𝐴 = 4.6 𝑁𝑁 = 50 𝑃𝑃𝐾𝐾 = 10
100 5
𝐾𝐾 = � (10 − 9.35) + 34�
50 4.6
𝐾𝐾 = 69.413 ≅ 70 (K es un entero)
Entonces se concluye: “El 70% de los datos son inferiores a 10” o también: “El 70% de los
prototipos electrónicos presenta un tiempo de vida menor a 10 meses”.

4. Cierta sucursal de una determinada agencia bancaria tiene los siguientes datos sobre el
tiempo de uso de sus cajeros automáticos en minutos:
3.6 1.9 2.1 0.3 0.8 0.2 1.0 1.4 1.8 1.6 1.1 1.8
0.3 1.1 0.5 1.2 0.6 1.1 0.8 1.7 1.4 0.2 1.3 3.1
0.4 2.3 1.8 4.5 0.9 0.7 0.6 2.8 2.5 1.1 0.4 1.2
0.4 1.3 0.8 1.3 1.1 1.2 0.8 1.0 0.9 0.7 3.1 1.7
1.1 2.2 1.6 1.9 5.2 0.5 1.8 0.3 1.1 0.6 0.7 0.6
Calcule el promedio del tiempo de uso de los cajeros automáticos a partir de la tabla de
distribución de frecuencias. Se busca la eficiencia del software de los cajeros automáticos se
define que esto ocurre cuando el tiempo de atención es menor a minuto y medio, determine
en qué porcentaje de esta muestra de datos el software es eficiente.
Solución
Se procede a realizar una tabla tipo B, con intervalos de clase para los datos; el número de
intervalos de clase está dado por la regla de Sturges que nos da una menor cantidad de
intervalos que la otra regla.

𝑅𝑅 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚á𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥−𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚í𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 5.2−0.2
𝐴𝐴 = = = = 0.714 ≅ 0.8 (misma cantidad de decimales)
Se hace el siguiente ajuste: 𝑅𝑅 ′ = 𝑁𝑁𝑐𝑐 ∗ 𝐴𝐴 = 5.6

𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 = 𝐼𝐼 = |𝑅𝑅 ′ − 𝑅𝑅| = 0.6
Se distribuirá este incremento en el límite superior (en este caso):
′
𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 = 𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 + 𝐼𝐼 = 5.2 + 0.6 = 5.8

1 [0.2-1.0) 0.6 23 23
2 [1.0-1.8) 1.4 21 44
3 [1.8-2.6) 2.2 10 54
4 [2.6-3.4) 3.0 3 57
5 [3.4-4.2) 3.8 1 58
6 [4.2-5.0) 4.6 1 59
7 [5.0-5.8] 5.4 1 60
Total 60
1
𝑁𝑁𝑐𝑐
Para determinar la media aritmética se sabe que: 𝑥𝑥̅ = ∑𝑖𝑖=1 𝑀𝑀𝑀𝑀𝑖𝑖 ∗ 𝑓𝑓𝑖𝑖
𝑁𝑁
0.6 ∗ 23 + 1.4 ∗ 21 + 2.2 ∗ 10 + 3.0 ∗ 3 + 3.8 ∗ 1 + 4.6 ∗ 1 + 5.4 ∗ 1
𝑥𝑥̅ =
60
� = 𝟏𝟏. 𝟒𝟒𝟒𝟒𝟒𝟒
𝒙𝒙
“El promedio de uso de los cajeros automáticos es de 1.47 minutos”

Interpretando el enunciado, se pide determinar el porcentaje del total de los datos por debajo
de 1.5 minutos, para esto se aplicará la fórmula de los percentiles:
𝑁𝑁
𝐾𝐾 ∗ 100 − 𝐹𝐹𝑖𝑖−1
𝑓𝑓𝑖𝑖
Entonces se debe reconocer primero el número de intervalo “i”, para lo cual es esencial ubicar
1.5 en uno de los intervalos, el mismo se encuentra en el intervalo dos, entonces i=2, en
consecuencia:
𝑓𝑓2 = 21
𝐹𝐹2−1 = 𝐹𝐹1 = 23
𝐴𝐴 = 0.8 𝑁𝑁 = 60 𝑃𝑃𝐾𝐾 = 1.5
100 21
𝐾𝐾 = � (1.5 − 1.0) + 23�
60 0.8
𝐾𝐾 = 60.208 ≅ 61 (K es un entero)
Concluyendo: “El 61% de los datos son inferiores a 1.5” o también: “En el 61% de los datos de
esta muestra, el software es eficiente”.
5. La siguiente tabla de frecuencias muestra la agrupación de las calificaciones finales de química
del curso prefacultativo.
Calificaciones Frecuencias
90-94 4
85-89 10
80-84 14
75-79 19
70-74 32
65-69 31
60-64 40
55-59 28
50-54 29
45-49 21
40-44 18
35-39 10
30-34 6
25-29 1
20-24 3
Calcular la media aritmética, mediana y moda.
Solución
La tabla del enunciado debe ser ordenada (de menor a mayor) y luego completada (con la
frecuencia absoluta acumulada) de la siguiente manera:


1 20-24 22 3 3
2 25-29 27 1 4
3 30-34 32 6 10
4 35-39 37 10 20
5 40-44 42 18 38
6 45-49 47 21 59
7 50-54 52 29 88
8 55-59 57 28 116
9 60-64 62 40 156
10 65-69 67 31 187
11 70-74 72 32 219
12 75-79 77 19 238
13 80-84 82 14 252
14 85-89 87 10 262
15 90-94 92 4 266
Total 266
1
𝑁𝑁𝑐𝑐
Para la media aritmética: 𝑥𝑥̅ = ∑𝑖𝑖=1 𝑀𝑀𝑀𝑀𝑖𝑖 ∗ 𝑓𝑓𝑖𝑖
𝑁𝑁
22∗3+27∗1+32∗6+37∗10+42∗18+47∗21+52∗29+57∗28+62∗40+67∗31+72∗32+77∗19+82∗14+87∗10+92∗4
𝑥𝑥̅ =
266
� = 𝟔𝟔𝟔𝟔. 𝟗𝟗𝟗𝟗𝟗𝟗
𝒙𝒙
La mediana estará dada por la ecuación del percentil 50, donde “i” es el número del intervalo
𝑁𝑁
de clase que cumple: 𝐹𝐹𝑖𝑖 ≥
2
De la tabla de frecuencias 𝐹𝐹9 = 156 que cumple la anterior condición, se tiene i=9. Entonces:
266
50 ∗ 100 − 𝐹𝐹9−1
𝑓𝑓9
133 − 116
𝑚𝑚 = 60 + ∗5
40
𝒎𝒎 = 𝟔𝟔𝟔𝟔. 𝟏𝟏𝟏𝟏𝟏𝟏
𝑓𝑓𝑖𝑖 −𝑓𝑓𝑖𝑖−1
La ecuación para la moda es: 𝑀𝑀𝑀𝑀 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖 + 𝑓𝑓 −𝑓𝑓 ∗ 𝐴𝐴
𝑖𝑖 𝑖𝑖−1 +𝑓𝑓𝑖𝑖 −𝑓𝑓𝑖𝑖+1
𝑓𝑓9 − 𝑓𝑓8 40 − 28
𝑀𝑀𝑀𝑀 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿9 + ∗ 𝐴𝐴 = 60 + ∗5
𝑓𝑓9 − 𝑓𝑓8 + 𝑓𝑓9 − 𝑓𝑓10 40 − 28 + 40 − 31
𝑴𝑴𝑴𝑴 = 𝟔𝟔𝟔𝟔. 𝟖𝟖𝟖𝟖𝟖𝟖

6. Se realiza la toma de datos del peso de un equipo del laboratorio de telecomunicaciones que
presenta diferentes modelos de acuerdo a sus actualizaciones, llegando a tener los siguientes
datos (en centenas de gramos):
40 45 42 55 45 45 46 40 38 42 38 42
45 50 52 42 42 55 45 36 45 50 52 38
50 40 52 50 52 58
Se pide elaborar la tabla de frecuencias completa con amplitud 5 y cuyo valor mínimo sea
36. Calcular el porcentaje que representa a los modelos con peso menor a 5100 gramos,
calcular el porcentaje que representa a los modelos con peso mayor a 5 kilogramos.
Solución
Es necesario realizar una tabla tipo B, con intervalos de clase para los datos; comenzando por
determinar el número de intervalos de clase de la siguiente manera por presentarnos la menor
cantidad de intervalos:
𝑅𝑅 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚á𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥 − 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑚𝑚í𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 58 − 36
𝐴𝐴 = = = = 4.4 ≅ 5
Se hace el siguiente ajuste: 𝑅𝑅 ′ = 𝑁𝑁𝑐𝑐 ∗ 𝐴𝐴 = 25

𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 = 𝐼𝐼 = |𝑅𝑅 ′ − 𝑅𝑅| = 3
Se distribuirá este incremento en el límite superior (en este caso):
′
𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 = 𝑋𝑋𝑚𝑚𝑚𝑚𝑚𝑚 + 𝐼𝐼 = 58 + 3 = 61
Para los límites de los intervalos de clase, el cierre de los conjuntos para el límite superior
será de la forma discreta por tratarse de datos con números enteros:
Marca Frecuencia Frecuencia Frecuencia

Frecuencia
de Clase absoluta relativa relativa acumulada
i I.C. absoluta
𝒇𝒇𝒊𝒊 𝑭𝑭𝒊𝒊
M.C. acumulada
𝒇𝒇𝒊𝒊 𝒉𝒉𝒊𝒊 = 𝑯𝑯𝒊𝒊 =
𝑭𝑭𝒊𝒊 𝒏𝒏 𝒏𝒏
1 36-40 38 7 7 0.23 0.23
2 41-45 43 11 18 0.37 0.60
3 46-50 48 5 23 0.17 0.77
4 51-55 53 6 29 0.20 0.97
5 56-61 58 1 30 0.30 1
Total 30 1
Interpretando el enunciado, se busca el porcentaje de datos menor a 51 centenas de gramos,

también el porcentaje superior a 50 centenas de gramos, para esto se aplicará la fórmula de
los percentiles:
𝑁𝑁
𝐾𝐾 ∗ 100 − 𝐹𝐹𝑖𝑖−1
𝑓𝑓𝑖𝑖

Se debe reconocer primero el número de intervalo “i”, para lo cual es esencial ubicar 51 en uno
de los intervalos, el mismo se encuentra en el intervalo cuatro, entonces i=4, en consecuencia:
𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿4 = 51 𝑓𝑓4 = 6 𝐹𝐹4−1 = 𝐹𝐹3 = 18
𝐴𝐴 = 5 𝑁𝑁 = 30 𝑃𝑃𝐾𝐾 = 51
100 6
𝐾𝐾 = � (51 − 51) + 23�
30 5
𝐾𝐾 = 76.667 ≅ 77 (K es un entero)
Concluyendo: “El 77% de los datos son inferiores en peso a 51 centenas de gramos” o también:
“Los modelos del equipo cuyo peso es inferior a 5100 gramos están representados por el 77%”.
Nuevamente interpretando el enunciado se debe reconocer primero lo que se busca en su
totalidad, el porcentaje de los pesos mayores a 50, por tratarse de cantidades discretas se debe
tomar el valor que incluyendo al 50 nos exprese un porcentaje de pesos menores o iguales a 50,
para posteriormente restar este porcentaje a la totalidad y así obtener el porcentaje de pesos
mayora a 50; el valor que se debe tomar como referencia es entonces el inmediato superior 51,
como ya se determinó antes, por debajo de este valor está el 77% de los datos, restando:
100% − 77% = 23%
Concluyendo: “El 23% de los datos son mayores en peso a 50 centenas de gramos” o también:
“Los modelos del equipo cuyo peso es mayor a 5 kilogramos están representados por el 23%”.
7. Se mide la vida útil de 280 fusibles de multímetros digitales, los cuales presentan la siguiente
distribución:
Vida en horas Frecuencias
[0-500) 4
[500-1000) 21
[1000-1500) 107
[1500-2000) 78
[2000-2500) 44
[2500-3000) 24
Total 280
Determine la moda.
Solución
Anotando los números para los intervalos de clase:
i Vida en horas Frecuencias
1 [0-500) 4
2 [500-1000) 21
3 [1000-1500) 107
4 [1500-2000) 78
5 [2000-2500) 44
6 [2500-3000) 24
Total 280

De la tabla sabemos: A=500

𝑓𝑓𝑖𝑖 −𝑓𝑓𝑖𝑖−1
La ecuación para la moda es: 𝑀𝑀𝑀𝑀 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖 + 𝑓𝑓 −𝑓𝑓 ∗ 𝐴𝐴
𝑖𝑖 𝑖𝑖−1 +𝑓𝑓𝑖𝑖 −𝑓𝑓𝑖𝑖+1
𝑓𝑓3 − 𝑓𝑓2 107 − 21
𝑀𝑀𝑀𝑀 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿3 + ∗ 𝐴𝐴 = 1000 + ∗ 500
𝑓𝑓3 − 𝑓𝑓2 + 𝑓𝑓3 − 𝑓𝑓4 107 − 21 + 107 − 78
𝑴𝑴𝑴𝑴 = 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏. 𝟗𝟗𝟗𝟗𝟗𝟗

Concluyendo: “La mayoría de los fusibles de los multímetros digitales de la muestra tienen una
vida útil de aproximadamente 1374 horas”.
8. Un autobús defectuoso transita 60 Km a la velocidad de 50 Km/h y recorre el resto de su ruta
a una velocidad de 70 Km/h. Calcule la velocidad media del automóvil en su recorrido de
100Km.
Solución
Por tratarse de calcular la media de una velocidad se debe emplear la media armónica de la
siguiente manera (se debe señalar que, de no emplear la media armónica, no se determina la
velocidad media adecuada):
𝑁𝑁
𝐻𝐻 = 𝑛𝑛
∑𝑘𝑘𝑖𝑖=1 𝑖𝑖
𝑥𝑥𝑖𝑖
60 + 40
𝐻𝐻 =
60 40
+
50 70
𝐻𝐻 = 56.452
Entonces la velocidad media es 56.45 Km/h.
9. Se tienen los siguientes datos acerca de transistores, su costo y su vida útil en horas al trabajar
de manera continua en un sistema de control. Obtenga el promedio del costo de los
transistores con el estadístico adecuado.
Costo Vida útil
28 500
15 126
24 432
32 870
17 180
23 450
18 912
25 713
Solución
El promedio para el costo se determinará con la media aritmética ponderada, para tomar en
cuenta la vida útil que se observó. Se emplea la siguiente fórmula:

∑𝑛𝑛𝑖𝑖=1 𝑝𝑝𝑖𝑖 ∗ 𝑥𝑥𝑖𝑖

𝑥𝑥𝑝𝑝 =
��
∑𝑛𝑛𝑖𝑖=1 𝑝𝑝𝑖𝑖
500 ∗ 28 + 126 ∗ 15 + 432 ∗ 24 + 870 ∗ 32 + 180 ∗ 17 + 450 ∗ 23 + 912 ∗ 18 + 713 ∗ 25
𝑥𝑥𝑝𝑝 =
��
500 + 126 + 432 + 870 + 180 + 450 + 912 + 713
��
𝒙𝒙𝒑𝒑 = 𝟐𝟐𝟐𝟐. 𝟑𝟑𝟑𝟑
“El costo promedio de los transistores es de 24.32”.
10. Las siguientes son las puntuaciones de una prueba psicotécnica, confeccione una tabla con las
frecuencias absoluta y absoluta acumulada con ancho igual a 5 empezando en 35. Determine
el rango intercuartil.
69 76 81 47 54 43 60 53 47 66 67 69
59 50 59 70 50 73 55 61 61 71 66 53
40 57 52 58 57 50 76 61 47 54 66 82
57 71 77 60 81 63 51 51 37 60 61 53
76 65 48 83 81 57 57 65 62 62 64 57
47 53 48 59
Solución
Realizando directamente la tabla con los datos del enunciado. Para los límites de los intervalos
de clase, el cierre de los conjuntos para el límite superior será de la forma discreta por tratarse
de datos con números enteros:
1 35-39 37 1 1
2 40-44 42 2 3
3 45-49 47 6 9
4 50-54 52 11 20
5 55-59 57 12 32
6 60-64 62 11 43
7 65-69 67 8 51
8 70-74 72 4 55
9 75-79 77 4 59
10 80-84 82 5 64
Total 64
𝑁𝑁
𝐾𝐾∗ −𝐹𝐹𝑖𝑖−1
Se sabe para cuartiles: 𝑄𝑄𝐾𝐾 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝑖𝑖 + 4
𝑓𝑓𝑖𝑖
∗ 𝐴𝐴
Además, el rango intercuartil es:

𝑅𝑅𝑅𝑅 = 𝑄𝑄3 − 𝑄𝑄1

Para 𝑄𝑄3 , se busca 𝐹𝐹𝑖𝑖 ≥ 0.75 ∗ 𝑁𝑁 y el número del intervalo, de la tabla vemos que 𝐹𝐹𝑖𝑖 ≥ 48, esta
condición se cumple en el intervalo siete, entonces i=7:
64
3∗ −𝐹𝐹7−1 48−43
𝑄𝑄3 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿7 + 4
𝑓𝑓7
∗ 𝐴𝐴 = 65 + ∗ 5 = 68.125 ≅ 69 (datos discretos)
8
Para 𝑄𝑄1 , se busca 𝐹𝐹𝑖𝑖 ≥ 0.25 ∗ 𝑁𝑁 y el número del intervalo, de la tabla vemos que 𝐹𝐹𝑖𝑖 ≥ 16, esta
condición se cumple en el intervalo cuatro, entonces i=4:
64
1∗ −𝐹𝐹4−1 16−9
𝑄𝑄1 = 𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿𝐿4 + 4
∗ 𝐴𝐴 = 50 + ∗ 5 = 53.182 ≅ 54 (datos discretos)
𝑓𝑓4 11
Finalmente: 𝑅𝑅𝑅𝑅 = 69 − 54
𝑹𝑹𝑹𝑹 = 𝟏𝟏𝟏𝟏

PROBABILIDAD
1. Determine: ¿Cuántas manos diferentes pueden existir en póker? Considere una baraja legal,
además, una mano consiste en 5 cartas.
Solución
Se trata de un problema con técnicas de conteo. Estos problemas requieren de un razonamiento
preciso; para empezar, la “baraja legal” se refiere a una baraja con 52 cartas, los comodines no
cuentan en el póker, y el orden de las cartas no definirá una mano diferente, al no importar el
orden se debe aplicar la combinación:
𝑛𝑛 𝑛𝑛!
𝐶𝐶𝑘𝑘𝑛𝑛 = � � =
𝑘𝑘 𝑘𝑘! (𝑛𝑛 − 𝑘𝑘)!
Para el planteo: 𝑛𝑛 = 52, 𝑘𝑘 = 5
Entonces:
52 52!
𝐶𝐶552 = � � = = 2598960
5 5! (52 − 5)!
Finalmente: Pueden existir 2598960 diferentes manos de póker.
2. Se tienen para formar un grupo de trabajo, un total de cinco estudiantes de ingeniería y siete
estudiantes de física, el grupo de trabajo debe constar de dos estudiantes de ingeniería y tres
estudiantes de física. ¿De cuántas maneras puede formarse este grupo de trabajo? Tome en
cuenta:
a) Al grupo de trabajo puede pertenecer cualquier estudiante de los mencionados.
b) Un estudiante de física ya ganó su derecho a pertenecer al grupo de trabajo.
c) Dos estudiantes de ingeniería no deben pertenecer al grupo de trabajo.
Solución
Para este tipo de problemas de conteo se requiere lectura comprensiva para interpretar lo que
el enunciado quiere decir y lo que pide determinar. Entonces:
a) Se deben seleccionar 3 estudiantes de física de un total de 7, el enunciado no menciona que
el grupo de trabajo vaya a tener cargos (donde importaría el orden) por lo que, se puede
elegir de tantas maneras como el resultado de la siguiente combinatoria: 𝐶𝐶37 . Para
seleccionar 2 estudiantes de ingeniería de un total de 5, entonces: 𝐶𝐶25 . Para tomar en cuenta
todas las maneras de selección de estos estudiantes se emplea el principio multiplicativo:
𝐶𝐶37 ∗ 𝐶𝐶25 = 350
Si al grupo de trabajo puede pertenecer cualquier estudiante (de ingeniería o de física) se
puede formar el grupo de trabajo de 350 maneras.
b) Lo que el enunciado añade ahora es una restricción, pues expresa que un estudiante de física
ya tiene un puesto en el grupo de trabajo, entonces se deben elegir 2 estudiantes de física de
un total de 6 (los puestos que quedan y los estudiantes que quedan sin un puesto en el grupo
de trabajo) 𝐶𝐶26 . Y para los estudiantes de ingeniería de la misma manera 𝐶𝐶25 . Nuevamente con
el principio multiplicativo:
𝐶𝐶26 ∗ 𝐶𝐶25 = 150
Si el grupo de trabajo ya cuenta con un estudiante de física, se puede formar el grupo de 150
maneras.

c) Si dos estudiantes de ingeniería no pueden pertenecer al grupo de trabajo, sólo se podrá

seleccionar 2 para el grupo de entre los 3 que quedan 𝐶𝐶23 . Para los estudiantes de física no
existen cambios en este caso 𝐶𝐶37 , con el principio multiplicativo se tiene:
𝐶𝐶37 ∗ 𝐶𝐶23 = 105
Si dos estudiantes de ingeniería no deben pertenecer al grupo de trabajo, se puede formar el
grupo de 105 maneras.
3. Existen 20 maquetas en un concurso, determine de cuantas maneras los evaluadores pueden

nombrar un primer y un segundo lugar.
Solución
Para este problema de conteo se deben nombrar un primer y un segundo lugar, es decir, el orden
importa, se deben usar las permutaciones de “n” en “k” objetos:
𝑛𝑛!
𝑃𝑃𝑘𝑘𝑛𝑛 =
(𝑛𝑛 − 𝑘𝑘)!
Para el planteo: 𝑛𝑛 = 20 𝑘𝑘 = 2
Entonces:
20!
𝑃𝑃220 = = 380
(20 − 2)!
Finalmente: Los evaluadores pueden nombrar un primer y un segundo lugar de 380 maneras.
4. Se hacen estudios de sistemas de control, para clasificarlos en grupos: A, B, C y D; también se

los debe clasificar de acuerdo con su rendimiento: Bajo, Medio o Alto. Determine de cuantas
maneras se puede clasificar a uno de estos sistemas. Realice un diagrama de árbol.
Solución
Según el enunciado cada sistema de control ya sea que esté clasificado en A, B, C o D podrá tener
un rendimiento Bajo, Medio o Alto; aplicando el principio multiplicativo:
(# 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔) ∗ (# 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝑑𝑑𝑑𝑑 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟) = 4 ∗ 3 = 12
Se puede clasificar de 12 maneras a los sistemas de control. El diagrama de árbol es el siguiente:

5. En una biblioteca, que está formada de diez libros diferentes; además, cinco libros cuestan 4
dólares cada uno, tres libros, a un dólar cada uno y dos libros a 3 dólares cada uno. Hallar la
probabilidad de que dos libros tomados al azar cuesten 5 dólares.
Solución
Este problema, además de contener una parte que requiere técnicas de conteo, requiere del
cálculo de probabilidad, para el cual se sabe:
𝑁𝑁ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
𝑃𝑃 =
𝑁𝑁ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡
Es para determinar el numerador y el denominador de la anterior ecuación que se debe aplicar
las técnicas de conteo, debido que en la toma al azar de los libros no importa el orden se emplean
las combinaciones; antes de aplicarlas, se determinan los pares de libros que tendrán un costo
de 5 dólares: los pares de libros uno de 4 dólares y uno de un dólar, aplicando el principio
multiplicativo; esto es:
𝑁𝑁ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 = 𝐶𝐶15 ∗ 𝐶𝐶13 = 15

Para los casos posibles, se deben contar las maneras de tomar dos libros de un grupo de 10:
𝑁𝑁ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 = 𝐶𝐶210 = 45

15 1
Entonces: 𝑃𝑃 = =
45 3
Existe una probabilidad del 33.33% de tomar dos libros al azar y que cuesten 5 dólares.
6. Una línea de automóviles con un determinado modelo de motor eléctrico, el cual falla por
obstrucción de los cojinetes, también por combustión del embobinado, y por desgaste de las
escobillas. Suponga que la probabilidad de que ocurra la obstrucción es el doble de que ocurra
el problema de la combustión, la cual es cuatro veces más probable que la inutilización de las
escobillas. ¿Cuál es la probabilidad de que ocurra cada uno de esos tres mecanismos?
Solución
Para este problema de cálculo de probabilidades, se realiza la siguiente nomenclatura de los
eventos:
𝐴𝐴: 𝐸𝐸𝐸𝐸 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑𝑑𝑑 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎ó𝑣𝑣𝑣𝑣𝑣𝑣 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑝𝑝𝑝𝑝𝑝𝑝 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜ó𝑛𝑛 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝐵𝐵: 𝐸𝐸𝐸𝐸 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑𝑑𝑑 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎ó𝑣𝑣𝑣𝑣𝑣𝑣 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑝𝑝𝑝𝑝𝑝𝑝 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐ó𝑛𝑛 𝑑𝑑𝑑𝑑𝑑𝑑 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒
𝐶𝐶: 𝐸𝐸𝐸𝐸 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑𝑑𝑑 𝑎𝑎𝑎𝑎𝑡𝑡𝑜𝑜𝑜𝑜ó𝑣𝑣𝑣𝑣𝑣𝑣 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑝𝑝𝑝𝑝𝑝𝑝 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒
Del enunciado se comprende que la probabilidad menor es: 𝑃𝑃(𝐶𝐶) se selecciona esta para
interpretar algebraicamente las relaciones con las otras probabilidades de la siguiente manera:
𝑃𝑃(𝐶𝐶) = 𝑥𝑥
Entonces: 𝑃𝑃(𝐵𝐵) = 4𝑥𝑥 𝑃𝑃(𝐴𝐴) = 8𝑥𝑥
Si los eventos son mutuamente excluyentes se tiene: 𝑆𝑆 = {𝐴𝐴, 𝐵𝐵, 𝐶𝐶}

𝑃𝑃(𝑆𝑆) = 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐵𝐵) + 𝑃𝑃(𝐶𝐶) = 1

Con las relaciones interpretadas:
1 = 8𝑥𝑥 + 4𝑥𝑥 + 𝑥𝑥
1
𝑥𝑥 =
13
Finalmente:
𝟏𝟏 𝟒𝟒 𝟖𝟖
𝑷𝑷(𝑪𝑪) = 𝑷𝑷(𝑩𝑩) = 𝑷𝑷(𝑨𝑨) =
𝟏𝟏𝟏𝟏 𝟏𝟏𝟏𝟏 𝟏𝟏𝟏𝟏
7. Se sabe que A y B son eventos tales que: 𝑷𝑷(𝑨𝑨) = 𝑿𝑿, 𝑷𝑷(𝑩𝑩) = 𝒀𝒀, y 𝑷𝑷(𝑨𝑨 ∩ 𝑩𝑩) = 𝒁𝒁 determinar:
� ∪ 𝑩𝑩
a) 𝑷𝑷(𝑨𝑨 �)
� ∩ 𝑩𝑩)
b) 𝑷𝑷(𝑨𝑨
�
c) 𝑷𝑷(𝑨𝑨 ∪ 𝑩𝑩)
� ∩ 𝑩𝑩
d) 𝑷𝑷(𝑨𝑨 �)
Solución
Se trata de un problema algebraico (las respuestas estarán representadas en términos de X, Y
y Z).
a) Aplicando leyes e identidades tal cual se conocieron en la materia pre-requisito (MAT100):
Ley de De Morgan: 𝐴𝐴̅ ∪ 𝐵𝐵� = 𝐴𝐴
��
∩ 𝐵𝐵
Entonces: 𝑃𝑃(𝐴𝐴̅ ∪ 𝐵𝐵�) = 𝑃𝑃(𝐴𝐴��
∩ 𝐵𝐵) = 1 − 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵) = 1 − 𝑍𝑍
� ∪ 𝑩𝑩
𝑷𝑷(𝑨𝑨 � ) = 𝟏𝟏 − 𝒁𝒁
b) Se escribe B convenientemente como la unión de eventos excluyentes con la presencia de
A y su complemento:
𝐵𝐵 = (𝐴𝐴 ∩ 𝐵𝐵) ∪ (𝐴𝐴̅ ∩ 𝐵𝐵)
La probabilidad de esto último es:
𝑃𝑃(𝐵𝐵) = 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵) + 𝑃𝑃(𝐴𝐴̅ ∩ 𝐵𝐵)
𝑃𝑃(𝐴𝐴̅ ∩ 𝐵𝐵) = 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵) − 𝑃𝑃(𝐵𝐵) = 𝑌𝑌 − 𝑍𝑍
� ∩ 𝑩𝑩) = 𝒀𝒀 − 𝒁𝒁
𝑷𝑷(𝑨𝑨
c) Se sabe que: 𝑃𝑃(𝐴𝐴 ∪ 𝐵𝐵) = 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐵𝐵) − 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵) aplicando esta relación de la siguiente
manera:
𝑃𝑃(𝐴𝐴̅ ∪ 𝐵𝐵) = 𝑃𝑃(𝐴𝐴̅) + 𝑃𝑃(𝐵𝐵) − 𝑃𝑃(𝐴𝐴̅ ∩ 𝐵𝐵)
Esto será:
𝑃𝑃(𝐴𝐴̅ ∩ 𝐵𝐵) = (1 − 𝑋𝑋) + 𝑌𝑌 − (𝑌𝑌 − 𝑍𝑍) = 1 − 𝑋𝑋 + 𝑍𝑍
� ∩ 𝑩𝑩) = 𝟏𝟏 − 𝑿𝑿 + 𝒁𝒁
𝑷𝑷(𝑨𝑨
d) Ley de De Morgan:
𝐴𝐴̅ ∩ 𝐵𝐵� = 𝐴𝐴
��
∪ 𝐵𝐵
Entonces las probabilidades serán:
𝑃𝑃(𝐴𝐴̅ ∩ 𝐵𝐵�) = 𝑃𝑃(𝐴𝐴
��
∪ 𝐵𝐵) = 1 − 𝑃𝑃(𝐴𝐴 ∪ 𝐵𝐵) = 1 − [𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐵𝐵) − 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵)]
𝑃𝑃(𝐴𝐴̅ ∩ 𝐵𝐵�) = 1 − [𝑋𝑋 + 𝑌𝑌 − 𝑍𝑍]

� ∩ 𝑩𝑩
𝑷𝑷(𝑨𝑨 � ) = 𝟏𝟏 − 𝑿𝑿 − 𝒀𝒀 + 𝒁𝒁

8. Existe un cargamento de 1500 lavadoras el cual contiene 400 defectuosas y 1100 no

defectuosas. Se eligen al azar 200 (sin sustitución) y se clasifica.
a) ¿Cuál es la probabilidad de encontrar exactamente 90 lavadoras defectuosas?
b) ¿Cuál es la probabilidad de encontrar al menos 2 lavadoras defectuosas?
Solución
Para determinar la cantidad de casos totales, se emplean técnicas de conteo, para esto son
necesarias combinaciones con: 𝑛𝑛 = 1500, 𝑘𝑘 = 200
𝑛𝑛 1500
𝑁𝑁ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑡𝑡𝑡𝑡𝑡𝑡𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 = 𝐶𝐶𝑘𝑘𝑛𝑛 = � � = � �
𝑘𝑘 200
a) Sea el evento 𝐴𝐴: 𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 90 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 para determinar el número de
casos favorables se emplean combinaciones y el principio multiplicativo:
400 1100
𝑁𝑁ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 = 𝐶𝐶90 ∗ 𝐶𝐶110
𝟒𝟒𝟒𝟒𝟒𝟒 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏
� �∗� �
𝑷𝑷(𝑨𝑨) = 𝟗𝟗𝟗𝟗 𝟏𝟏𝟏𝟏𝟏𝟏 = 8.234074928262255 ∗ 10−10
𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏
� �
𝟐𝟐𝟐𝟐𝟐𝟐
Se puede apreciar que es una probabilidad muy pequeña.
b) Para este caso sea: 𝐵𝐵�: 𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑎𝑎𝑎𝑎 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 2 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑, en este caso es
más sencillo calcular el complemento 𝐵𝐵: 𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 0 𝑜𝑜 1 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑
𝑃𝑃(𝐵𝐵�) = 1 − 𝑃𝑃(𝐵𝐵)
𝑁𝑁ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓(𝐵𝐵) = 𝐶𝐶0400 ∗ 𝐶𝐶200 1100
+ 𝐶𝐶1400 ∗ 𝐶𝐶199 1100
𝟒𝟒𝟒𝟒𝟒𝟒 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏 𝟒𝟒𝟒𝟒𝟒𝟒 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏

� �∗� �+� �∗� �
� ) = 𝟏𝟏 −
𝑷𝑷(𝑩𝑩 𝟎𝟎 𝟐𝟐𝟐𝟐𝟐𝟐 𝟏𝟏 𝟏𝟏𝟏𝟏𝟏𝟏 = 1 − 4.665425168962140 ∗ 10−28
𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏
� �
𝟐𝟐𝟐𝟐𝟐𝟐
� ) ≅ 𝟏𝟏
𝑷𝑷(𝑩𝑩
Se puede apreciar que es prácticamente seguro encontrar al menos 2 lavadoras
defectuosas.
9. Un juego tiene diez fichas numeradas del 1 al 10 en una caja, de la caja se sacan dos fichas sin
sustitución, el ganador es quien saca fichas tales que su suma es igual a diez. Determinar la
probabilidad de ganar en un primer y único intento.
Solución
Para este problema sea 𝐴𝐴: 𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺𝐺 (𝑙𝑙𝑙𝑙 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙 𝑓𝑓𝑓𝑓𝑓𝑓ℎ𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝑎𝑎 10). Este subconjunto del
espacio muestral es (sin tomar en cuenta el orden):
𝐴𝐴 = {(1,9), (2,8), (3,7), (4,6)}
De lo anterior, se sabe que el número de casos favorables es 4; para conocer el número de casos
totales se emplea combinaciones: 𝐶𝐶210 = 45. Finalmente:
𝟒𝟒
𝑷𝑷(𝑨𝑨) = = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
𝟒𝟒𝟒𝟒

10. Una caja de cierto componente electrónico consta de diez componentes buenos, cuatro tienen
pequeños defectos, y dos tienen defectos graves. Usted toma un componente al azar: a)
¿Cuál es la probabilidad de que no tengo defectos?
b) ¿Cuál es la probabilidad de que tenga un defecto grave?
c) ¿Cuál es la probabilidad de que sea bueno o que tenga un defecto grave?
Solución
Del enunciado se interpreta que existen en total 16 componentes en la caja.
a) Sea el evento 𝐴𝐴: 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑛𝑛𝑛𝑛 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑, el cual tiene 10 casos favorables.
Entonces:
10 𝟓𝟓
𝑃𝑃(𝐴𝐴) = 𝑷𝑷(𝑨𝑨) = = 𝟎𝟎. 𝟔𝟔𝟔𝟔𝟔𝟔
16 𝟖𝟖
b) Sea el evento 𝐵𝐵: 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔, siendo 2 los componentes
que tienen un defecto grave:
2 𝟏𝟏
𝑃𝑃(𝐵𝐵) = 𝑷𝑷(𝑩𝑩) = = 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏
16 𝟖𝟖
c) Sea el evento 𝐶𝐶: 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑠𝑠𝑠𝑠𝑠𝑠 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 𝑜𝑜 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔, se debe
reconocer que se trata de unión de dos eventos, el evento “sea bueno” y “tenga un
defecto grave”, se sabe: 𝑃𝑃(𝐶𝐶) = 𝑃𝑃(𝐴𝐴 ∪ 𝐵𝐵) = 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐵𝐵) − 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵), esto es:
𝑃𝑃(𝐶𝐶) = 𝑃𝑃("𝑠𝑠𝑠𝑠𝑠𝑠 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏" ∪ "𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔")
𝑃𝑃(𝐶𝐶) = 𝑃𝑃(𝑠𝑠𝑠𝑠𝑠𝑠 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏) + 𝑃𝑃(𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔) − 𝑃𝑃(𝑠𝑠𝑠𝑠𝑠𝑠 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑜𝑜 ∩ 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔)
𝑃𝑃(𝐶𝐶) = 𝑃𝑃(𝑛𝑛𝑛𝑛 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑) + 𝑃𝑃(𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔) − 𝑃𝑃(𝑠𝑠𝑠𝑠𝑠𝑠 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 ∩ 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔𝑔)
10 2 12 3
𝑃𝑃(𝐶𝐶) = + = =
16 16 16 4
𝑷𝑷(𝑪𝑪) = 𝟎𝟎. 𝟕𝟕𝟕𝟕

PROBABILIDAD CONDICIONAL
1. Una urna tiene dentro una cantidad X de esferas blancas, una cantidad Y de esferas rojas. Una
segunda urna contiene una cantidad Z de esferas blancas y una cantidad W de esferas rojas.
Se toma una esfera al azar de la primera urna y se pone la misma dentro de la segunda urna;
después se toma una esfera al azar de la segunda urna. Diga usted ¿Cuál es la probabilidad de
que esta esfera sea blanca? Exprese su respuesta en función de los datos brindados.
Solución
Se trata de un problema de probabilidad condicional, ya que un primer suceso (la esfera tomada
de la primera urna) afecta en un segundo suceso (la esfera tomada de la segunda urna) debido
a que tal y como el enunciado lo expresa, una determinada esfera de la primera urna se
introdujo en la segunda urna. Se confecciona el siguiente diagrama de árbol (con el interés en
las esferas blancas tomadas de la segunda urna):
Sean: 𝑃𝑃(1𝑟𝑟𝑟𝑟. 𝐵𝐵): 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑑𝑑𝑑𝑑 𝑞𝑞𝑞𝑞𝑞𝑞 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑠𝑠𝑠𝑠𝑠𝑠 𝑏𝑏𝑏𝑏𝑏𝑏𝑛𝑛𝑐𝑐𝑐𝑐
𝑃𝑃(2𝑑𝑑𝑑𝑑. 𝐵𝐵): 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑑𝑑𝑑𝑑 𝑞𝑞𝑞𝑞𝑞𝑞 𝑙𝑙𝑙𝑙 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑠𝑠𝑠𝑠𝑠𝑠 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏
𝑃𝑃(1𝑟𝑟𝑟𝑟. 𝑅𝑅): 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑑𝑑𝑑𝑑 𝑞𝑞𝑞𝑞𝑞𝑞 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑠𝑠𝑠𝑠𝑠𝑠 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟
Del diagrama de árbol se tiene:
𝑃𝑃(2𝑑𝑑𝑑𝑑. 𝐵𝐵) = 𝑃𝑃(2𝑑𝑑𝑑𝑑. 𝐵𝐵 ∩ 1𝑟𝑟𝑟𝑟. 𝐵𝐵) + 𝑃𝑃(2𝑑𝑑𝑑𝑑. 𝐵𝐵 ∩ 1𝑟𝑟𝑟𝑟. 𝑅𝑅)
Se sabe que: 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵) = 𝑃𝑃(𝐵𝐵) ∗ 𝑃𝑃(𝐴𝐴 | 𝐵𝐵)
Entonces:

𝑃𝑃(2𝑑𝑑𝑑𝑑. 𝐵𝐵) = 𝑃𝑃(1𝑟𝑟𝑟𝑟. 𝐵𝐵) ∗ 𝑃𝑃(2𝑑𝑑𝑑𝑑. 𝐵𝐵 | 1𝑟𝑟𝑟𝑟. 𝐵𝐵) + 𝑃𝑃(1𝑟𝑟𝑟𝑟. 𝑅𝑅) ∗ 𝑃𝑃(2𝑑𝑑𝑑𝑑. 𝐵𝐵 | 1𝑟𝑟𝑟𝑟. 𝑅𝑅)
Finalmente sustituyendo:
𝑿𝑿 𝒁𝒁 + 𝟏𝟏 𝒀𝒀 𝒁𝒁
𝑷𝑷(𝟐𝟐𝟐𝟐𝟐𝟐. 𝑩𝑩) = ∗ + ∗
𝑿𝑿 + 𝒀𝒀 𝒁𝒁 + 𝟏𝟏 + 𝑾𝑾 𝑿𝑿 + 𝒀𝒀 𝒁𝒁 + 𝑾𝑾 + 𝟏𝟏
2. En un circuito por desmantelar cuenta con 10 resistencias, 4 de las cuales están quemadas y 6
están en buen estado. Se extraen del circuito dos resistencias a la vez; en la primera extracción
se testea una de las resistencias y se evidencia que esta en buen estado. Diga usted ¿Cuál es la
probabilidad de que la otra resistencia extraída también este en buen estado?
Solución
Para este problema sean 𝑅𝑅𝑅𝑅1: 𝐿𝐿𝐿𝐿 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒
𝑅𝑅𝑅𝑅2: 𝐿𝐿𝐿𝐿 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑏𝑏𝑏𝑏𝑏𝑏𝑏𝑏 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒
𝑅𝑅𝑅𝑅2: 𝐿𝐿𝐿𝐿 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞𝑞
𝑃𝑃(𝐴𝐴∩𝐵𝐵)
Se sabe que: 𝑃𝑃(𝐴𝐴 | 𝐵𝐵) = 𝑃𝑃(𝐵𝐵)
Con esto último y para calcular lo que el enunciado pide, se puede plantear de la siguiente
manera:
𝑃𝑃(𝑅𝑅𝑅𝑅2 ∩ 𝑅𝑅𝑅𝑅1)
𝑃𝑃(𝑅𝑅𝑅𝑅2 | 𝑅𝑅𝑅𝑅1) =
𝑃𝑃(𝑅𝑅𝑅𝑅1)
El numerador se refiere a la probabilidad de extraer dos resistencias ambas en buen estado, del
total de 6 en buen estado; para determinar esto se emplea técnicas de conteo:
𝐶𝐶26 15 1
𝑃𝑃(𝑅𝑅𝑅𝑅2 ∩ 𝑅𝑅𝑅𝑅1) = 10 = 45 = 3
𝐶𝐶2
Para el denominador, el cual para ocurrir RB1 pueden haber ocurrido los sucesos: ambas
resistencias en buen estado, una en buen estado y otra quemada; esto es:
15 𝐶𝐶16 ∗ 𝐶𝐶14 1 1 24 1 3
𝑃𝑃(𝑅𝑅𝑅𝑅1) = 𝑃𝑃(𝑅𝑅𝑅𝑅2 ∩ 𝑅𝑅𝑅𝑅1) + 𝑃𝑃(𝑅𝑅𝑅𝑅2 ∩ 𝑅𝑅𝑅𝑅1) = + ∗ = + ∗ =
45 𝐶𝐶210 2 3 45 2 5
Finalmente:
1
𝑃𝑃(𝑅𝑅𝑅𝑅2 | 𝑅𝑅𝑅𝑅1) = 3
3
5
𝟓𝟓
𝑷𝑷(𝑹𝑹𝑹𝑹𝑹𝑹 | 𝑹𝑹𝑹𝑹𝑹𝑹) =
𝟗𝟗

3. Una fábrica de celulares cuenta con tres sectores de producción (máquinas, personal
ensamblador y demás) las cuales son denominadas A, B y C, estas mismas fabrican 25%, 35%
y 40% (respectivamente) de la producción total de la fábrica. Tienen una producción de
celulares defectuosos que respectivamente es del 5%, 4% y 2%. Uno de los gerentes toma un
celular al azar y percibe que está defectuoso. Determine la probabilidad de que:
a) Sea del sector A
b) Sea del sector B
c) Sea del sector C
Solución
Primeramente, se debe reconocer e interpretar lo que el enunciado pide determinar, pues
menciona que ya ha sido tomado un celular y está defectuoso, este suceso se debe tomar en
cuenta y lleva a saber que se pide calcular:
a) 𝑃𝑃(𝐴𝐴 | 𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷) → 𝑃𝑃(𝐴𝐴 | 𝐷𝐷)
b) 𝑃𝑃(𝐵𝐵 | 𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷) → 𝑃𝑃(𝐵𝐵 | 𝐷𝐷)
c) 𝑃𝑃(𝐶𝐶 | 𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷𝐷) → 𝑃𝑃(𝐶𝐶 | 𝐷𝐷)
Ahora, con los datos del enunciado se confecciona el siguiente diagrama de árbol:
𝑃𝑃(𝐴𝐴∩𝐷𝐷)
Para este caso: 𝑃𝑃(𝐴𝐴 | 𝐷𝐷) = 𝑃𝑃(𝐷𝐷)
Para el denominador:
𝑃𝑃(𝐷𝐷) = 𝑃𝑃(𝐷𝐷 ∩ 𝐴𝐴) + 𝑃𝑃(𝐷𝐷 ∩ 𝐵𝐵) + 𝑃𝑃(𝐷𝐷 ∩ 𝐶𝐶) = 0.05 ∗ 0.25 + 0.04 ∗ 0.35 + 0.02 ∗ 0.40 = 0.0345
En el numerador de la teoría de conjuntos sabemos: 𝐴𝐴 ∩ 𝐷𝐷 = 𝐷𝐷 ∩ 𝐴𝐴. Esto será calculado con:

𝑃𝑃(𝐷𝐷 ∩ 𝐴𝐴)
𝑃𝑃(𝐷𝐷 | 𝐴𝐴) = → 𝑃𝑃(𝐷𝐷 ∩ 𝐴𝐴) = 𝑃𝑃(𝐴𝐴) ∗ 𝑃𝑃(𝐷𝐷 | 𝐴𝐴)
𝑃𝑃(𝐴𝐴)
𝑃𝑃(𝐴𝐴)∗𝑃𝑃(𝐷𝐷 | 𝐴𝐴)
Entonces: 𝑃𝑃(𝐴𝐴 | 𝐷𝐷) =
𝑃𝑃(𝐷𝐷)
De la misma manera para los siguientes incisos:

𝑃𝑃(𝐵𝐵)∗𝑃𝑃(𝐷𝐷 | 𝐵𝐵) 𝑃𝑃(𝐶𝐶)∗𝑃𝑃(𝐷𝐷 | 𝐶𝐶)
𝑃𝑃(𝐵𝐵 | 𝐷𝐷) = 𝑃𝑃(𝐶𝐶 | 𝐷𝐷) =
𝑃𝑃(𝐷𝐷) 𝑃𝑃(𝐷𝐷)
Finalmente sustituyendo datos:

𝑃𝑃(𝐴𝐴) ∗ 𝑃𝑃(𝐷𝐷 | 𝐴𝐴) 0.25 ∗ 0.05
𝑃𝑃(𝐴𝐴 | 𝐷𝐷) = = = 0.362
𝑃𝑃(𝐷𝐷) 0.0345
𝑃𝑃(𝐵𝐵) ∗ 𝑃𝑃(𝐷𝐷 | 𝐵𝐵) 0.35 ∗ 0.04
𝑃𝑃(𝐵𝐵 | 𝐷𝐷) = = = 0.406
𝑃𝑃(𝐷𝐷) 0.0345
𝑃𝑃(𝐶𝐶) ∗ 𝑃𝑃(𝐷𝐷 | 𝐶𝐶) 0.40 ∗ 0.02
𝑃𝑃(𝐶𝐶 | 𝐷𝐷) = = = 0.232
𝑃𝑃(𝐷𝐷) 0.0345
𝑷𝑷(𝑨𝑨 | 𝑫𝑫) = 𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑 𝑷𝑷(𝑩𝑩 | 𝑫𝑫) = 𝟎𝟎. 𝟒𝟒𝟒𝟒𝟒𝟒 𝑷𝑷(𝑪𝑪 | 𝑫𝑫) = 𝟎𝟎. 𝟐𝟐𝟐𝟐𝟐𝟐
4. En este momento se lanzan dos dados, si se aprecia que las caras de los dados muestran
números diferentes, determinar la probabilidad de que una de las caras sea cuatro.
Solución
Sean los sucesos: 𝐷𝐷: 𝑙𝑙𝑙𝑙𝑙𝑙 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑛𝑛ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑
4: 𝑢𝑢𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
El enunciado pide: 𝑃𝑃(4 | 𝐷𝐷). Esto es:
𝑃𝑃(4 ∩ 𝐷𝐷)
𝑃𝑃(4 | 𝐷𝐷) =
𝑃𝑃(𝐷𝐷)
Para el numerador, se determina con la relación de número de casos favorables entre el número
de casos totales. Al tener dos dados, pueden ocurrir 36 sucesos, de los cuales los que tienen solo
en una de las caras el número cuatro son: (4,1), (4,2), (4,3), (4,5), (4,6), (6,4), (5,4), (3,4), (2,4),
(1,4). Entonces:
10 5
𝑃𝑃(4 ∩ 𝐷𝐷) = =
36 18
Para el denominador de la misma manera, el número de casos favorables serán el total de los
sucesos donde las caras de los dados muestran números diferentes, es decir, treinta.
30 5
𝑃𝑃(𝐷𝐷) = =
36 6
Finalmente:
5
18 𝟏𝟏
𝑃𝑃(4 | 𝐷𝐷) = �⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝟒𝟒 | 𝑫𝑫) =
5 𝟑𝟑
6

5. Cierto conjunto electrónico consta de dos subsistemas, A y B. Un análisis de los mismos lleva
a suponer las siguientes probabilidades:
𝑷𝑷(𝑨𝑨 𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇) = 𝟎𝟎. 𝟐𝟐𝟐𝟐
𝑷𝑷(𝒔𝒔ó𝒍𝒍𝒍𝒍 𝑩𝑩 𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇) = 𝟎𝟎. 𝟏𝟏𝟏𝟏
𝑷𝑷(𝑨𝑨 𝒚𝒚 𝑩𝑩 𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇𝒇) = 𝟎𝟎. 𝟏𝟏𝟏𝟏
Calcular las probabilidades siguientes:
a) Probabilidad de que A falle dado que B falló.
b) Probabilidad de que falle A solamente.
Solución
Sean los sucesos:
𝐴𝐴: 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝐴𝐴 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
𝐵𝐵: 𝑠𝑠ó𝑙𝑙𝑙𝑙 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝐵𝐵 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
𝑁𝑁𝑁𝑁: 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝐴𝐴 𝑛𝑛𝑛𝑛 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
𝑁𝑁𝑁𝑁: 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝐵𝐵 𝑛𝑛𝑛𝑛 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
𝐴𝐴 ∩ 𝐵𝐵: 𝑙𝑙𝑙𝑙𝑙𝑙 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝐴𝐴 𝑦𝑦 𝐵𝐵 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
a) Se pide la probabilidad de que A falle dado que B falló:

𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵)
𝑃𝑃(𝐴𝐴 | 𝐵𝐵) =
𝑃𝑃(𝐵𝐵)
Para el numerador se tiene el dato del enunciado. Para el denominador se tiene:
𝑃𝑃(𝐵𝐵) = 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵) + 𝑃𝑃(𝑁𝑁𝑁𝑁 ∩ 𝐵𝐵)
Donde el segundo termino representa la probabilidad que el enunciado brinda “sólo B falle”,
entonces:
𝑃𝑃(𝐵𝐵) = 0.15 + 0.15 = 0.30
Resultando:
0.15
𝑃𝑃(𝐴𝐴 | 𝐵𝐵) = �⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝑨𝑨 | 𝑩𝑩) = 𝟎𝟎. 𝟓𝟓𝟓𝟓
0.30
b) Se pide la probabilidad de que falle A solamente: 𝑃𝑃(𝐴𝐴 ∩ 𝑁𝑁𝑁𝑁).
Despejando de la siguiente expresión y calculando:
𝑃𝑃(𝐴𝐴) = 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵) + 𝑃𝑃(𝐴𝐴 ∩ 𝑁𝑁𝑁𝑁) �⎯⎯⎯⎯⎯⎯⎯⎯� 𝑃𝑃(𝐴𝐴 ∩ 𝑁𝑁𝑁𝑁) = 𝑃𝑃(𝐴𝐴) − 𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵)
𝑃𝑃(𝐴𝐴 ∩ 𝑁𝑁𝑁𝑁) = 0.20 − 0.15 �⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝑨𝑨 ∩ 𝑵𝑵𝑵𝑵) = 𝟎𝟎. 𝟎𝟎𝟎𝟎
6. Cierto sistema eléctrico consta de varios interruptores, de los cuales dos son del tipo A, uno es
tipo B, y cuatro son tipo C, conectados como se muestra. Determine la probabilidad de que no
sea posible eliminar una falla en el circuito con la llave L si los interruptores A, B y C están
abiertos (esto significa que están fuera de servicio) con probabilidades 0.3, 0.4 y 0.2
respectivamente y si ellos funcionan independientemente.

Solución
Sean los sucesos:
𝐴𝐴: 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝐴𝐴 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑁𝑁𝐴𝐴: 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝐴𝐴 𝑛𝑛𝑛𝑛 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
𝐵𝐵: 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝐵𝐵 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑁𝑁𝑁𝑁: 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝐵𝐵 𝑛𝑛𝑛𝑛 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
𝐶𝐶: 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝐶𝐶 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑁𝑁𝑁𝑁: 𝑒𝑒𝑒𝑒 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖 𝐶𝐶 𝑛𝑛𝑛𝑛 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
𝐹𝐹: 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓
Del enunciado tenemos:
𝑃𝑃(𝑁𝑁𝑁𝑁) = 0.3 𝑃𝑃(𝑁𝑁𝑁𝑁) = 0.4 𝑃𝑃(𝑁𝑁𝑁𝑁) = 0.2
Se debe entender el sistema de la figura de la siguiente manera:
Para que este sistema eléctrico funcione (exista corriente entre sus bornes) deben funcionar
los interruptores según la configuración que se ve en la figura, esto constituye el suceso F, esto
se puede representar de la siguiente manera:
𝐹𝐹 = 𝐴𝐴 ∩ 𝐴𝐴 ∩ 𝐵𝐵 ∩ [(𝐶𝐶 ∩ 𝐶𝐶 ∩ 𝐶𝐶 ∩ 𝐶𝐶) ∪ 4(𝐶𝐶 ∩ 𝐶𝐶 ∩ 𝐶𝐶 ∩ 𝑁𝑁𝑁𝑁) ∪ 3(𝐶𝐶 ∩ 𝐶𝐶 ∩ 𝑁𝑁𝑁𝑁 ∩ 𝑁𝑁𝑁𝑁) ∪ (𝐶𝐶 ∩ 𝑁𝑁𝑁𝑁 ∩ 𝑁𝑁𝑁𝑁 ∩ 𝑁𝑁𝑁𝑁)]
Como se puede ver, para el suceso F se debe cuidar siempre que el sistema eléctrico funcione
(corriente entre sus bornes). Ahora, tomando en cuenta que se trata de sucesos independientes,
la probabilidad del suceso F será:

4 2 2
𝑃𝑃(𝐹𝐹) = 𝑃𝑃(𝐴𝐴)𝑃𝑃(𝐴𝐴)𝑃𝑃(𝐵𝐵)[�𝑃𝑃(𝐶𝐶)� + 4(𝑃𝑃(𝐶𝐶))3 𝑃𝑃(𝑁𝑁𝑁𝑁) + 3�𝑃𝑃(𝐶𝐶)� �𝑃𝑃(𝑁𝑁𝑁𝑁)� + 𝑃𝑃(𝐶𝐶)(𝑃𝑃(𝑁𝑁𝑁𝑁))3 ]
Calculando:
𝑃𝑃(𝐹𝐹) = 0.7 ∗ 0.7 ∗ 0.6[(0.8)4 + 4(0.8)3 0.2 + 3(0.8)2 (0.2)2 + 0.8(0.2)3 ]
𝑃𝑃(𝐹𝐹) = 0.2653056
Para que en el sistema no se pueda eliminar una falla en el circuito, el sistema no debe funcionar,
y esto último es lo que el enunciado pide (NF: no se puede eliminar una falla en el circuito con
la llave L).
𝑃𝑃(𝑁𝑁𝑁𝑁) = 1 − 𝑃𝑃(𝐹𝐹) = 1 − 0.2653056
𝑷𝑷(𝑵𝑵𝑵𝑵) = 𝟎𝟎. 𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕
7. En el semestre pasado el 25% de los estudiantes de nuevo ingreso reprobó en algebra, el 15%
reprobó en química y el 10% reprobó en ambas asignaturas. Se toma un estudiante al azar, se
pide:
a) Sabiendo que reprobó química, calcular la probabilidad de que también reprobó algebra.
b) Si reprobó algebra, ¿Cuál es la probabilidad de que haya reprobado en química?
c) Calcular la probabilidad de que el estudiante haya reprobado una estas asignaturas a lo
menos.
Solución
Sean los sucesos:
𝐴𝐴: 𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎
𝑄𝑄: 𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸𝐸 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑞𝑞𝑞𝑞í𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚
Interpretando los datos del enunciado:
𝑃𝑃(𝐴𝐴) = 0.25
𝑃𝑃(𝑄𝑄) = 0.15
𝑃𝑃(𝐴𝐴 ∩ 𝑄𝑄) = 0.10
a) Para este inciso lo que se pide se interpreta de la siguiente manera: 𝑃𝑃(𝐴𝐴 | 𝑄𝑄), esto es:
𝑃𝑃(𝐴𝐴 ∩ 𝑄𝑄) 0.10 𝟐𝟐
𝑃𝑃(𝐴𝐴 | 𝑄𝑄) = = �⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝑨𝑨 | 𝑸𝑸) =
𝑃𝑃(𝑄𝑄) 0.15 𝟑𝟑
b) En este caso se tiene que calcular: 𝑃𝑃(𝑄𝑄 | 𝐴𝐴), esto es:
𝑃𝑃(𝑄𝑄 ∩ 𝐴𝐴) 0.10 𝟐𝟐
𝑃𝑃(𝑄𝑄 | 𝐴𝐴) = = �⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝑸𝑸 | 𝑨𝑨) =
𝑃𝑃(𝐴𝐴) 0.25 𝟓𝟓
c) Se debe calcular la probabilidad de que haya reprobado algebra o haya reprobado química:
𝑃𝑃(𝐴𝐴 ∪ 𝑄𝑄)
Se sabe que el equivalente es: 𝑃𝑃(𝐴𝐴 ∪ 𝑄𝑄) = 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝑄𝑄) − 𝑃𝑃(𝐴𝐴 ∩ 𝑄𝑄). Calculando:
𝑃𝑃(𝐴𝐴 ∪ 𝑄𝑄) = 0.25 + 0.15 − 0.10 �⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝑨𝑨 ∪ 𝑸𝑸) = 𝟎𝟎. 𝟑𝟑𝟑𝟑

8. En un lote de 100 artículos hay 20 defectuosos. Se toma uno y sin devolverlo se toma otro.
¿Cuál es la probabilidad de que ambos sean defectuosos?
Solución
Sean los sucesos:
𝐷𝐷1: 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑
𝐷𝐷2: 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑
𝐷𝐷1 ∩ 𝐷𝐷2: 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑠𝑠𝑠𝑠𝑠𝑠 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑
𝑃𝑃(𝐷𝐷2∩𝐷𝐷1)
Se sabe que: 𝑃𝑃(𝐷𝐷2 | 𝐷𝐷1) = 𝑃𝑃(𝐷𝐷1)
Entonces: 𝑃𝑃(𝐷𝐷2 ∩ 𝐷𝐷1) = 𝑃𝑃(𝐷𝐷2 | 𝐷𝐷1) ∗ 𝑃𝑃(𝐷𝐷1)

# 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 20 1
Para 𝑃𝑃(𝐷𝐷1): 𝑃𝑃(𝐷𝐷1) = = =
# 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 100 5
# 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 19

Para 𝑃𝑃(𝐷𝐷2 | 𝐷𝐷1): 𝑃𝑃(𝐷𝐷2 | 𝐷𝐷1) = =
# 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 99
1 19 𝟏𝟏𝟏𝟏
𝑃𝑃(𝐷𝐷2 ∩ 𝐷𝐷1) = ∗ �⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝑫𝑫𝑫𝑫 ∩ 𝑫𝑫𝑫𝑫) = = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
5 99 𝟒𝟒𝟒𝟒𝟒𝟒
9. Un juego consiste en lanzar un dardo sobre un circulo que gira; el cual está dividido en seis
sectores iguales numerados del 1 al 6. Determinar la probabilidad de obtener un 3 o un 4 en
el primer lanzamiento y un 1, un 2, un 3 o un 5 en el segundo lanzamiento.
Solución
Sean los sucesos:
𝐿𝐿1: 𝑐𝑐𝑐𝑐𝑐𝑐 𝑒𝑒𝑒𝑒 3 𝑜𝑜 𝑒𝑒𝑒𝑒 4 𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙
𝐿𝐿2: 𝑐𝑐𝑐𝑐𝑐𝑐 𝑒𝑒𝑒𝑒 1, 𝑒𝑒𝑛𝑛 2, 𝑒𝑒𝑒𝑒 3 𝑜𝑜 𝑢𝑢𝑢𝑢 5 𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙
𝑃𝑃(𝐿𝐿2∩𝐿𝐿1)
Como: 𝑃𝑃(𝐿𝐿2 | 𝐿𝐿1) = 𝑃𝑃(𝐿𝐿1)
�⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑃𝑃(𝐿𝐿2 ∩ 𝐿𝐿1) = 𝑃𝑃(𝐿𝐿2 | 𝐿𝐿1) ∗ 𝑃𝑃(𝐿𝐿1)

Se tiene para: 𝑃𝑃(𝐿𝐿1) = =

Para: 𝑃𝑃(𝐿𝐿2 | 𝐿𝐿1) = =
4 2 8 𝟐𝟐
𝑃𝑃(𝐿𝐿2 ∩ 𝐿𝐿1) = ∗ = �⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝑳𝑳𝑳𝑳 ∩ 𝑳𝑳𝑳𝑳) = = 𝟎𝟎. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐
6 6 36 𝟗𝟗
10. En un comercio tienen a la venta 12 calculadoras, algunas son manuales (M), otras eléctricas
(E); además algunas de ellas son de segunda mano (U) y otras nuevas (N). se tiene la siguiente
tabla:
M E
N 2 3 5
U 2 5 7
4 8 12
a) Una persona compra aleatoriamente una calculadora y observa que es nueva ¿Cuál es la
probabilidad de que sea manual?

b) Si la persona elige al azar una calculadora usada, ¿Cuál es la probabilidad de que sea
eléctrica?
c) ¿Cuál es la probabilidad de que la persona compre una calculadora manual y usada?
Solución:
Conforme a lo que el enunciado plantea, se tienen los sucesos:
𝑀𝑀: 𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑢𝑢𝑢𝑢𝑢𝑢 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚
𝐸𝐸: 𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑢𝑢𝑢𝑢𝑢𝑢 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑒𝑒𝑒𝑒é𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑈𝑈: 𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑢𝑢𝑢𝑢𝑢𝑢 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚
𝑁𝑁: 𝑠𝑠𝑠𝑠 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑢𝑢𝑢𝑢𝑢𝑢 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛
a) En términos de la materia esto es: 𝑃𝑃(𝑀𝑀 | 𝑁𝑁). Donde:
𝑃𝑃(𝑀𝑀 ∩ 𝑁𝑁)
𝑃𝑃(𝑀𝑀 | 𝑁𝑁) =
𝑃𝑃(𝑁𝑁)
Tomando de la tabla, los datos correspondientes a la intersección para el numerador y lo propio
para el denominador:
2
12 𝟐𝟐
𝑃𝑃(𝑀𝑀 | 𝑁𝑁) = �⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝑴𝑴 | 𝑵𝑵) = = 𝟎𝟎. 𝟒𝟒𝟒𝟒
5 𝟓𝟓
12
b) Interpretando: 𝑃𝑃(𝐸𝐸 | 𝑈𝑈). Nuevamente:
𝑃𝑃(𝐸𝐸 ∩ 𝑈𝑈)
𝑃𝑃(𝐸𝐸 | 𝑈𝑈) =
𝑃𝑃(𝑈𝑈)
Calculando con los datos de la tabla:
5
12 60 𝟓𝟓
𝑃𝑃(𝐸𝐸 | 𝑈𝑈) = = �⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯⎯� 𝑷𝑷(𝑬𝑬 | 𝑼𝑼) = = 𝟎𝟎. 𝟕𝟕𝟕𝟕𝟕𝟕𝟕𝟕
7 84 𝟕𝟕
12
c) Se busca: 𝑃𝑃(𝑀𝑀 ∩ 𝑈𝑈). Entonces como:
𝑃𝑃(𝑀𝑀 ∩ 𝑈𝑈)
𝑃𝑃(𝑀𝑀 | 𝑈𝑈) =
𝑃𝑃(𝑈𝑈)
𝑃𝑃(𝑀𝑀 ∩ 𝑈𝑈) = 𝑃𝑃(𝑀𝑀 | 𝑈𝑈) ∗ 𝑃𝑃(𝑈𝑈)
2 7
De la tabla: 𝑃𝑃(𝑀𝑀 | 𝑈𝑈) = 𝑃𝑃(𝑈𝑈) =
7 12
2 7 2
𝑃𝑃(𝑀𝑀 ∩ 𝑈𝑈) = ∗ =
7 12 12
𝟏𝟏
𝑷𝑷(𝑴𝑴 ∩ 𝑼𝑼) = = 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏
𝟔𝟔

VARIABLE ALEATORIA, VALOR ESPERADO Y VARIANZA

1. Se realiza cierto experimento que consiste en lanzar una moneda tres veces. Se define la
variable aleatoria X como "número de caras que se obtienen". Hallar: a) Función de
Distribución de X. b) Media, varianza y desviación típica de X. c) Probabilidad de que salgan a
lo sumo dos caras. d) Probabilidad de que salgan al menos dos caras.
Solución
a) En este ejercicio, para llegar a la función de distribución de la variable aleatoria X, se debe
pasar por determinar la función de densidad de probabilidad, es decir, los pares 𝑥𝑥, 𝑓𝑓(𝑥𝑥) de la
siguiente manera:
Primero, el espacio muestral definido por extensión es:
Ω = {(𝑐𝑐, 𝑐𝑐, 𝑐𝑐), (𝑐𝑐, 𝑐𝑐, 𝑒𝑒), (𝑐𝑐, 𝑒𝑒, 𝑐𝑐), (𝑒𝑒, 𝑐𝑐, 𝑐𝑐), (𝑐𝑐, 𝑒𝑒, 𝑒𝑒), (𝑒𝑒, 𝑐𝑐, 𝑒𝑒), (𝑒𝑒, 𝑒𝑒, 𝑐𝑐), (𝑒𝑒, 𝑒𝑒, 𝑒𝑒)}
Para cada suceso X (número de caras que se obtienen) toma un valor como a continuación se
muestra:
1
(𝑐𝑐, 𝑐𝑐, 𝑐𝑐) 𝑋𝑋 = 3 𝑓𝑓(𝑥𝑥 = 3) = 𝑃𝑃(𝑋𝑋 = 3) = 8
3
(𝑐𝑐, 𝑐𝑐, 𝑒𝑒), (𝑐𝑐, 𝑒𝑒, 𝑐𝑐), (𝑒𝑒, 𝑐𝑐, 𝑐𝑐) 𝑋𝑋 = 2 𝑓𝑓(𝑥𝑥 = 2) = 𝑃𝑃(𝑋𝑋 = 2) = 8
3
(𝑐𝑐, 𝑒𝑒, 𝑒𝑒), (𝑒𝑒, 𝑐𝑐, 𝑒𝑒), (𝑒𝑒, 𝑒𝑒, 𝑐𝑐) 𝑋𝑋 = 1 𝑓𝑓(𝑥𝑥 = 1) = 𝑃𝑃(𝑋𝑋 = 1) = 8
1
(𝑒𝑒, 𝑒𝑒, 𝑒𝑒) 𝑋𝑋 = 0 𝑓𝑓(𝑥𝑥 = 0) = 𝑃𝑃(𝑋𝑋 = 0) = 8
Ahora, confeccionando la siguiente tabla:
0 1 2 3 𝑋𝑋
1 3 3 1
𝑓𝑓(𝑥𝑥)
8 8 8 8
Para la función de distribución se sabe que:𝐹𝐹(𝑥𝑥) = 𝑃𝑃(𝑋𝑋 ≤ 𝑥𝑥) = ∑𝑡𝑡≤𝑥𝑥 𝑓𝑓(𝑡𝑡) (como se aprecia
tiene parentesco con la frecuencia acumulada del capítulo de estadística descriptiva);
realizando esto con la ayuda de la anterior tabla se tiene:
𝑋𝑋 0 1 2 3
1 4 7
𝐹𝐹(𝑥𝑥) 1
8 8 8
b) Para la media se sabe que:
4
µ = 𝐸𝐸(𝑥𝑥) = � 𝑥𝑥𝑖𝑖 ∗ 𝑓𝑓(𝑥𝑥𝑖𝑖 )

𝑖𝑖=1
1 3 3 1 12
µ = 𝐸𝐸(𝑥𝑥) = 0 ∗ + 1 ∗ + 2 ∗ + 3 ∗ =
8 8 8 8 8
𝟏𝟏𝟏𝟏
𝑬𝑬(𝒙𝒙) = = 𝟏𝟏. 𝟓𝟓
𝟖𝟖
Para la varianza: 𝜎𝜎 2 = 𝐸𝐸(𝑋𝑋 2 ) − µ2
1 3 3 1 24
Para 𝐸𝐸(𝑋𝑋 2 ): 𝐸𝐸(𝑋𝑋 2 ) = 0 ∗ 8 + 1 ∗ 8 + 4 ∗ 8 + 9 ∗ 8 = =3
8

𝜎𝜎 2 = 3 − (1.5)2 �� 𝝈𝝈𝟐𝟐 = 𝟎𝟎. 𝟕𝟕𝟕𝟕

La desviación típica es:
𝜎𝜎 = √0.75 �� 𝝈𝝈 = 𝟎𝟎. 𝟖𝟖𝟖𝟖𝟖𝟖𝟖𝟖

c) La probabilidad de que salgan a lo sumo dos caras será: 𝑃𝑃(𝑋𝑋 ≤ 2), esto es:
𝑃𝑃(𝑋𝑋 ≤ 2) = 𝑃𝑃(𝑋𝑋 = 0) + 𝑃𝑃(𝑋𝑋 = 1) + 𝑃𝑃(𝑋𝑋 = 2)
Con los datos de la tabla realizada:
1 3 3 𝟕𝟕
𝑃𝑃(𝑋𝑋 ≤ 2) = + + �� 𝑷𝑷(𝑿𝑿 ≤ 𝟐𝟐) = = 𝟎𝟎. 𝟖𝟖𝟖𝟖𝟖𝟖
8 8 8 𝟖𝟖
d) La probabilidad de que salgan al menos dos caras será: 𝑃𝑃(𝑋𝑋 ≥ 2)
𝑃𝑃(𝑋𝑋 ≥ 2) = 𝑃𝑃(𝑋𝑋 = 2) + 𝑃𝑃(𝑋𝑋 = 3)
3 1 𝟏𝟏
Calculando: 𝑃𝑃(𝑋𝑋 ≥ 2) = + �� 𝑷𝑷(𝑿𝑿 ≥ 𝟐𝟐) = = 𝟎𝟎. 𝟓𝟓
8 8 𝟐𝟐
2. Suponga lo siguiente: el número de automóviles que se utilizan con propósitos de negocios

oficiales en un día de trabajo dado está representado por la variable aleatoria X. Esta variable
aleatoria tiene la siguiente distribución de probabilidad en la empresa “Cars”:
𝑿𝑿 1 2 3
𝒇𝒇(𝒙𝒙) 𝟎𝟎. 𝟑𝟑 𝟎𝟎. 𝟒𝟒 𝟎𝟎. 𝟑𝟑
Por otro lado, la empresa “Control” tiene la siguiente distribución de probabilidad:
𝑿𝑿 0 1 2 3 4
𝒇𝒇(𝒙𝒙) 𝟎𝟎. 𝟐𝟐 𝟎𝟎. 𝟏𝟏 𝟎𝟎. 𝟑𝟑 𝟎𝟎. 𝟑𝟑 𝟎𝟎. 𝟏𝟏
¿Es correcto afirmar que la varianza de la empresa “Control” es mayor que la varianza de la
empresa “Cars”?
Solución
Se sabe para la varianza: 𝜎𝜎 2 = 𝐸𝐸(𝑋𝑋 2 ) − µ2
Para la empresa Cars:
3
µ𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 = � 𝑥𝑥𝑖𝑖 ∗ 𝑓𝑓(𝑥𝑥𝑖𝑖 ) = 1 ∗ 0.3 + 2 ∗ 0.4 + 3 ∗ 0.3 = 2

𝑖𝑖=1
𝐸𝐸(𝑋𝑋 2 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 ) = 1 ∗ 0.3 + 4 ∗ 0.4 + 9 ∗ 0.3 = 4.6
𝜎𝜎 2 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 = 𝐸𝐸(𝑋𝑋 2 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 ) − µ𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 2 = 4.6 − 4 = 0.6

Para la empresa Control:
4
µ𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 = � 𝑥𝑥𝑖𝑖 ∗ 𝑓𝑓(𝑥𝑥𝑖𝑖 ) = 0 ∗ 0.2 + 1 ∗ 0.1 + 2 ∗ 0.3 + 3 ∗ 0.3 + 4 ∗ 0.1 = 2

𝑖𝑖=1
𝐸𝐸(𝑋𝑋 2 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 ) = 0 ∗ 0.2 + 1 ∗ 0.1 + 4 ∗ 0.3 + 9 ∗ 0.3 + 16 ∗ 0.1 = 5.6

𝜎𝜎 2 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 = 𝐸𝐸(𝑋𝑋 2 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 ) − µ𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 2 = 5.6 − 4 = 1.6

Concluyendo, es evidente que la varianza del número de automóviles utilizados con propósitos
de negocios oficiales es mayor para la empresa “Control” que para la empresa “Cars”, por lo que
la afirmación es correcta.
3. Se estudia la siguiente variable aleatoria: el número de hijos por familia. Tiene la siguiente
distribución de probabilidad:
𝑿𝑿 0 1 2 3 4 5 6
𝒇𝒇(𝒙𝒙) 𝟎𝟎. 𝟒𝟒𝟒𝟒 𝟎𝟎. 𝟑𝟑 𝟎𝟎. 𝟏𝟏 𝟎𝟎. 𝟎𝟎𝟎𝟎 𝟎𝟎. 𝟎𝟎𝟎𝟎 𝟎𝟎. 𝟎𝟎𝟎𝟎 𝟎𝟎. 𝟎𝟎𝟎𝟎
Determinar: a) La esperanza matemática. b) La Varianza y la desviación típica. c) Dado que el
Ayuntamiento de la ciudad paga 2000 dólares por hijo, ¿Cuál es la distribución de
probabilidad? d) Media, varianza y desviación típica de Y
Solución
a) Se sabe para la esperanza:
7
µ = 𝐸𝐸(𝑋𝑋) = � 𝑥𝑥𝑖𝑖 ∗ 𝑓𝑓(𝑥𝑥𝑖𝑖 )

𝑖𝑖=1
µ = 0 ∗ 0.47 + 1 ∗ 0.3 + 2 ∗ 0.1 + 3 ∗ 0.06 + 4 ∗ 0.04 + 5 ∗ 0.02 + 6 ∗ 0.01

µ = 𝟏𝟏
b) Para la varianza: 𝜎𝜎 2 = 𝐸𝐸(𝑋𝑋 2 ) − µ2

𝐸𝐸(𝑋𝑋 2 ) = 0 ∗ 0.47 + 1 ∗ 0.3 + 4 ∗ 0.1 + 9 ∗ 0.06 + 16 ∗ 0.04 + 25 ∗ 0.02 + 36 ∗ 0.1 = 2.74
𝜎𝜎 2 = 2.74 − 1
𝝈𝝈𝟐𝟐 = 𝟏𝟏. 𝟕𝟕𝟕𝟕
La desviación típica es: 𝜎𝜎 = √1.74

𝝈𝝈 = 𝟏𝟏. 𝟑𝟑𝟑𝟑𝟑𝟑
c) Si el ayuntamiento paga 2000 dólares por hijo, y X es la variable aleatoria “número de hijos
por familia”, el ayuntamiento pagará una cierta “Cantidad de dólares por familia” sea una
variable aleatoria Y, entonces: 𝑌𝑌 = 2000 ∗ 𝑋𝑋, se puede confeccionar la siguiente tabla:
𝑌𝑌 0 2000 4000 6000 8000 10000 12000

𝑓𝑓(𝑦𝑦) 0.47 0.3 0.1 0.06 0.04 0.02 0.01
d) Se cuenta con el siguiente teorema para la media:
𝐸𝐸(𝑎𝑎𝑎𝑎 + 𝑏𝑏) = 𝑎𝑎𝑎𝑎(𝑋𝑋) + 𝑏𝑏
Aplicando: 𝐸𝐸(𝑌𝑌) = 𝐸𝐸(2000 ∗ 𝑋𝑋) �� 𝐸𝐸(𝑌𝑌) = 2000𝐸𝐸(𝑋𝑋) = 2000(1)
𝑬𝑬(𝒀𝒀) = µ𝒀𝒀 = 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐
Para la varianza se tiene el siguiente teorema:

𝜎𝜎 2 𝑎𝑎𝑎𝑎+𝑏𝑏 = 𝑉𝑉𝑉𝑉𝑉𝑉(𝑎𝑎𝑎𝑎 + 𝑏𝑏) = 𝑎𝑎2 𝜎𝜎 2𝑋𝑋 = 𝑎𝑎2 𝑉𝑉𝑉𝑉𝑉𝑉(𝑋𝑋)
Entonces: 𝜎𝜎 2 𝑌𝑌 = 𝜎𝜎 2 2000𝑋𝑋 = 20002 𝜎𝜎 2𝑋𝑋 = 4000000(1.74)
𝑽𝑽𝑽𝑽𝑽𝑽(𝒀𝒀) = 𝝈𝝈𝟐𝟐 𝒀𝒀 = 𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔
Y la desviación típica es: 𝜎𝜎 = √6960000 �� 𝝈𝝈𝒀𝒀 = 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐. 𝟏𝟏𝟏𝟏𝟏𝟏

4. Se sabe que µ = 𝟏𝟏. 𝟖𝟖 con solo este dato completar la tabla:
𝑿𝑿 0 1 2 3
𝒇𝒇(𝒙𝒙) 𝟎𝟎. 𝟐𝟐 𝒂𝒂 𝒃𝒃 𝟎𝟎. 𝟑𝟑
Solución
Para empezar, se sabe que la suma de las probabilidades de cada suceso del espacio muestral
debe ser igual a uno entonces:
0.2 + 𝑎𝑎 + 𝑏𝑏 + 0.3 = 1
Además, el enunciado da a conocer el dato de la esperanza matemática, que junto a la definición
es:
0 ∗ 0.2 + 1 ∗ 𝑎𝑎 + 2 ∗ 𝑏𝑏 + 3 ∗ 0.3 = 1.8
Las anteriores dos expresiones vienen a ser:
𝑎𝑎 = 0.5 − 𝑏𝑏
𝑎𝑎 + 2𝑏𝑏 = 0.9
Resolviendo el sistema de ecuaciones: 𝑎𝑎 = 0.1, 𝑏𝑏 = 0.4. Finalmente:
𝑋𝑋 0 1 2 3
𝑓𝑓(𝑥𝑥) 0.2 0.1 0.4 0.3
5. Se estudia la variable aleatoria X, la cual representa “centímetros del punto de llegada de un

dardo a la diana”, la misma tiene una función de densidad como se muestra. Hallar k, hallar la
función de distribución, media, varianza. Calcular: 𝑷𝑷(𝑿𝑿 ≤ 𝟏𝟏); calcular la probabilidad de
acertar en la diana.
𝒌𝒌; 𝟎𝟎 < 𝒙𝒙 < 𝟏𝟏𝟏𝟏
𝒇𝒇(𝒙𝒙) = �
𝟎𝟎; 𝒆𝒆𝒆𝒆 𝒐𝒐𝒐𝒐𝒓𝒓𝒐𝒐 𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄
Solución
En este ejercicio se tiene una variable aleatoria continua, al igual que en el caso discreto, la suma
de las probabilidades debe ser igual a uno, en este caso, se realiza el equivalente a la suma con
una integral; de la siguiente manera:
∞
� 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = 1
−∞
Con el dominio de integración correcto, e integrando se tiene:

10 10
1
� 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = 1 �� 𝑘𝑘 𝑑𝑑𝑑𝑑 = 1 �� 𝑘𝑘 =
0 0 10

𝟏𝟏
𝒌𝒌 =
𝟏𝟏𝟏𝟏
Lo siguiente a hallar es la función de distribución de probabilidad, el enunciado presenta la
función de densidad de probabilidad, estas dos tienen la siguiente relación:
𝑥𝑥
𝐹𝐹(𝑥𝑥) = � 𝑓𝑓(𝑡𝑡)𝑑𝑑𝑑𝑑
−∞
Esta integral tal cual se muestra se debe resolver por intervalos de la siguiente manera:
𝑥𝑥
𝑥𝑥 < 0 𝐹𝐹(𝑥𝑥) = ∫−∞(0)𝑑𝑑𝑑𝑑 = 0
𝑥𝑥 1 𝑥𝑥
0 < 𝑥𝑥 < 10 𝐹𝐹(𝑥𝑥) = ∫−∞ 𝑑𝑑𝑑𝑑 =
10 10
𝑥𝑥 0 10 1 𝑥𝑥
𝑥𝑥 > 10 𝐹𝐹(𝑥𝑥) = ∫−∞ 𝑓𝑓(𝑡𝑡)𝑑𝑑𝑑𝑑 = ∫−∞(0)𝑑𝑑𝑑𝑑 + ∫0 𝑑𝑑𝑑𝑑 + ∫10(0)𝑑𝑑𝑑𝑑 = 1
10
Por lo tanto:
𝟎𝟎; 𝒙𝒙 < 𝟎𝟎
𝒙𝒙
𝑭𝑭(𝒙𝒙) = � ; 𝟎𝟎 < 𝒙𝒙 < 𝟏𝟏𝟏𝟏
𝟏𝟏𝟏𝟏
𝟏𝟏; 𝒙𝒙 > 𝟏𝟏𝟏𝟏
La media y la varianza de variables aleatorias continuas se hallan con:
∞
µ = ∫−∞ 𝑥𝑥 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 𝜎𝜎 2 = 𝐸𝐸(𝑋𝑋 2 ) − µ2
Calculando:
10
10 1 1 𝑥𝑥 2
µ = ∫0 𝑥𝑥 𝑑𝑑𝑑𝑑 = � 2 �� =5 µ = 𝟓𝟓
10 10 0
10
10 1 1 𝑥𝑥 3 100
𝐸𝐸(𝑋𝑋 2 ) = ∫0 𝑥𝑥 2 10 𝑑𝑑𝑑𝑑 = � 3 �� =
10 0 3
100 𝟐𝟐𝟐𝟐
𝜎𝜎 2 = 𝐸𝐸(𝑋𝑋 2 ) − µ2 = − 25 𝝈𝝈𝟐𝟐 =
3 𝟑𝟑
Para calcular 𝑃𝑃(𝑋𝑋 ≤ 1) se puede emplear la función de distribución como sigue:

𝑃𝑃(𝑋𝑋 ≤ 1) = 𝐹𝐹(1)
1 𝟏𝟏
Como 𝐹𝐹(1) = , entonces: 𝑷𝑷(𝑿𝑿 ≤ 𝟏𝟏) =
10 𝟏𝟏𝟏𝟏
Otra forma es empleando la función de densidad de la siguiente manera:

1
1 𝟏𝟏
𝑃𝑃(𝑋𝑋 ≤ 1) = � (1) 𝑑𝑑𝑑𝑑 �� 𝑷𝑷(𝑿𝑿 ≤ 𝟏𝟏) =
0 10 𝟏𝟏𝟏𝟏
Finalmente, la probabilidad de acertar en la diana es 𝑃𝑃(𝑋𝑋 = 0), entonces:

0
𝑃𝑃(𝑋𝑋 = 0) = � 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 �� 𝑷𝑷(𝑿𝑿 = 𝟎𝟎) = 𝟎𝟎
0

6. La variable aleatoria continua X tiene la función de probabilidad: 𝒇𝒇(𝒙𝒙) = 𝟑𝟑𝒙𝒙𝟐𝟐 , con el dominio:
−𝟏𝟏 ≤ 𝒙𝒙 ≤ 𝟎𝟎. Si 𝒃𝒃 es un número que satisface: −𝟏𝟏 ≤ 𝒃𝒃 ≤ 𝟎𝟎, calcular:
𝑷𝑷(𝑿𝑿 > 𝒃𝒃 | 𝑿𝑿 < 𝒃𝒃/𝟐𝟐)
Solución
En este ejercicio se puede ver la presencia de probabilidad condicional, de la cual se sabe:
𝑃𝑃(𝐴𝐴 ∩ 𝐵𝐵)
𝑃𝑃(𝐴𝐴 | 𝐵𝐵) =
𝑃𝑃(𝐵𝐵)
Aplicando:
𝑃𝑃([𝑋𝑋 > 𝑏𝑏] ∩ [𝑋𝑋 < 𝑏𝑏/2])
𝑃𝑃(𝑋𝑋 > 𝑏𝑏 |𝑋𝑋 < 𝑏𝑏/2) =
𝑃𝑃(𝑋𝑋 < 𝑏𝑏/2)
Operando el conjunto de la probabilidad del numerador:
𝑃𝑃(𝑏𝑏 < 𝑋𝑋 < 𝑏𝑏/2)
𝑃𝑃(𝑋𝑋 > 𝑏𝑏 |𝑋𝑋 < 𝑏𝑏/2) =
𝑃𝑃(𝑋𝑋 < 𝑏𝑏/2)
Empleando la función de densidad o función de probabilidad:
𝑏𝑏/2
𝑏𝑏 3𝑥𝑥 3
∫𝑏𝑏2 3𝑥𝑥 2 𝑑𝑑𝑑𝑑 3 �𝑏𝑏
𝑃𝑃(𝑋𝑋 > 𝑏𝑏 |𝑋𝑋 < 𝑏𝑏/2) = 𝑏𝑏
= 𝑏𝑏/2
2 3𝑥𝑥 2 𝑑𝑑𝑑𝑑 3𝑥𝑥 3
∫−1
3 �−1
𝑏𝑏 3
8 − 𝑏𝑏 3 −7𝑏𝑏 3
𝑃𝑃(𝑋𝑋 > 𝑏𝑏 |𝑋𝑋 < 𝑏𝑏/2) = 3 = 3
𝑏𝑏 𝑏𝑏 + 8
8 +1
Se trata de un ejercicio algebraico, así que la respuesta es:
−𝟕𝟕𝒃𝒃𝟑𝟑
𝑷𝑷(𝑿𝑿 > 𝒃𝒃 |𝑿𝑿 < 𝒃𝒃/𝟐𝟐) =
𝒃𝒃𝟑𝟑 + 𝟖𝟖
7. Un experimento altamente controlado tiene un error que tiene la función de densidad que se
muestra. Verifique que se trata de una función de densidad. Calcular 𝑷𝑷(−𝟏𝟏 ≤ 𝑿𝑿 ≤ 𝟎𝟎)
𝒙𝒙𝟐𝟐
𝒇𝒇(𝒙𝒙) = � 𝟑𝟑 ; −𝟏𝟏 < 𝒙𝒙 < 𝟐𝟐
𝟎𝟎; 𝒆𝒆𝒆𝒆 𝒐𝒐𝒐𝒐𝒐𝒐𝒐𝒐 𝒄𝒄𝒄𝒄𝒄𝒄𝒄𝒄
Solución
Para verificar que se trata de una función de densidad:
1. 𝑓𝑓(𝑥𝑥) ≥ 0
∞
2. � 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = 1
−∞
Evidentemente se cumple la condición 1, para la condición 2:

∞ 2 2
𝑥𝑥 2 1 𝑥𝑥 3 1
� 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = � 𝑑𝑑𝑑𝑑 = ∗ � = �8 − (−1)� = 1
−∞ −1 3 3 3 −1 9
Con esto queda verificado que se trata de una función de densidad.

Para el cálculo 𝑃𝑃(−1 ≤ 𝑋𝑋 ≤ 0) empleando la función de densidad:
0 0
𝑥𝑥 2 1 𝑥𝑥 3 1 1
𝑃𝑃(−1 ≤ 𝑋𝑋 ≤ 0) = � 𝑑𝑑𝑑𝑑 = ∗ � = �0 − (−1)� =
−1 3 3 3 −1 9 9
𝟏𝟏
𝑷𝑷(−𝟏𝟏 ≤ 𝑿𝑿 ≤ 𝟎𝟎) =
𝟗𝟗
8. La función de densidad de una variable aleatoria X es:
𝒂𝒂𝒙𝒙𝟐𝟐 + 𝒃𝒃; 𝟎𝟎 < 𝒙𝒙 < 𝟐𝟐
𝒇𝒇(𝒙𝒙) = �
Sabiendo que: 𝑷𝑷(𝟎𝟎. 𝟓𝟓 < 𝑿𝑿 < 𝟏𝟏) = 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏; calcular los coeficientes 𝒂𝒂 y 𝒃𝒃
Solución
∞
Se sabe: ∫−∞ 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = 1, entonces:
2
� (𝑎𝑎𝑥𝑥 2 + 𝑏𝑏)𝑑𝑑𝑑𝑑 = 1
0
2 2
2
𝑎𝑎𝑥𝑥 3 8
1 = � (𝑎𝑎𝑥𝑥 + 𝑏𝑏)𝑑𝑑𝑑𝑑 = � + 𝑏𝑏𝑏𝑏�� = 𝑎𝑎 + 2𝑏𝑏
0 3 0
3
8
1 = 𝑎𝑎 + 2𝑏𝑏
3
La anterior viene a ser la primea ecuación; empleando el segundo dato del enunciado:
1 1
𝑎𝑎𝑥𝑥 3 1 𝑎𝑎 𝑏𝑏
𝑃𝑃(0.5 < 𝑋𝑋 < 1) = 0.1666 = � (𝑎𝑎𝑥𝑥 2 + 𝑏𝑏)𝑑𝑑𝑑𝑑 = � + 𝑏𝑏𝑏𝑏�� = 𝑎𝑎 + 𝑏𝑏 − −
0.5 3 0.5
3 24 2
7 𝑏𝑏
0.1666 = 𝑎𝑎 +
24 2
Se tiene:
1 4
− 𝑎𝑎 = 𝑏𝑏
2 3
7 𝑏𝑏 7 1 2
0.1666 = 𝑎𝑎 + �� 0.1666 = 𝑎𝑎 + − 𝑎𝑎
24 2 24 4 3
𝒂𝒂 = 𝟎𝟎. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐
𝒃𝒃 = 𝟎𝟎. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐

9. La variable aleatoria X representa la duración de un tubo electrónico, la función de

probabilidad es: 𝒇𝒇(𝒙𝒙) = 𝒂𝒂𝒆𝒆−𝒂𝒂𝒂𝒂 , 𝒙𝒙 ≥ 𝟎𝟎. Se sabe: 𝑷𝑷(𝒃𝒃 ≤ 𝑿𝑿 ≤ 𝒃𝒃 + 𝟏𝟏) = (𝟏𝟏 − 𝒌𝒌)𝒌𝒌𝒃𝒃 . Determine k.
¿Para cuales valores de 𝒂𝒂, 𝒇𝒇(𝒙𝒙) deja de ser función de probabilidad?
Solución
Empleando la función de densidad (es la misma que la función de probabilidad):
𝑏𝑏+1
𝑃𝑃(𝑏𝑏 ≤ 𝑋𝑋 ≤ 𝑏𝑏 + 1) = � 𝑎𝑎𝑒𝑒 −𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑 = −𝑒𝑒 −𝑎𝑎𝑎𝑎 |𝑏𝑏+1
𝑏𝑏
𝑏𝑏
𝑃𝑃(𝑏𝑏 ≤ 𝑋𝑋 ≤ 𝑏𝑏 + 1) = 𝑒𝑒 −𝑎𝑎𝑎𝑎 − 𝑒𝑒 −𝑎𝑎(𝑏𝑏+1) = 𝑒𝑒 −𝑎𝑎𝑎𝑎 − 𝑒𝑒 −𝑎𝑎𝑎𝑎 𝑒𝑒 −𝑎𝑎
𝑃𝑃(𝑏𝑏 ≤ 𝑋𝑋 ≤ 𝑏𝑏 + 1) = 𝑒𝑒 −𝑎𝑎𝑎𝑎 (1 − 𝑒𝑒 −𝑎𝑎 )

Por comparación:
𝑒𝑒 −𝑎𝑎𝑎𝑎 (1 − 𝑒𝑒 −𝑎𝑎 ) = 𝑘𝑘 𝑏𝑏 (1 − 𝑘𝑘)

Se puede notar:
𝒌𝒌 = 𝒆𝒆−𝒂𝒂
∞
Como ∫−∞ 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = 1, en este caso:
∞
� 𝑎𝑎𝑒𝑒 −𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑 = −𝑒𝑒 −𝑎𝑎𝑎𝑎 |∞
0 =1−0=1
0
Al parecer no existe restricción para 𝑎𝑎 al emplear la anterior condición, sin embargo, no debe
olvidarse:
1. 𝑓𝑓(𝑥𝑥) ≥ 0
∞
2. � 𝑓𝑓(𝑥𝑥)𝑑𝑑𝑑𝑑 = 1
−∞
Empleando la condición 1: 𝑎𝑎𝑒𝑒 −𝑎𝑎𝑎𝑎 ≥ 0

El termino 𝑒𝑒 −𝑎𝑎𝑎𝑎 siempre resulta en un número positivo, es decir: 𝑒𝑒 −𝑎𝑎𝑎𝑎 ≥ 0, el producto de este
termino con el coeficiente 𝑎𝑎 puede resultar negativo (como también puede resultar cero, en
caso de resultar cero, 𝑓𝑓(𝑥𝑥) sería cero para todos los reales), entonces aquí se tiene la restricción
para este número. Concluyendo:
𝒇𝒇(𝒙𝒙) es función de probabilidad, cuando 𝒂𝒂 > 𝟎𝟎
10. Sea una variable aleatoria continua con función de distribución:
𝟖𝟖(𝒙𝒙 − 𝟏𝟏)
𝑭𝑭(𝒙𝒙) = � 𝟕𝟕𝟕𝟕 ; 𝟏𝟏 ≤ 𝒙𝒙 ≤ 𝟖𝟖
Calcular el primer y tercer cuartil. Determinar el rango intercuartil.
Solución
Para el primer cuartil (este cuartil tiene por debajo el 25%):

8(𝑄𝑄1 − 1)
𝐹𝐹(𝑄𝑄1 ) = 0.25 =
7𝑄𝑄1
7𝑄𝑄1
= 8𝑄𝑄1 − 8
4
8
𝑄𝑄1 = = 1.28
7
8−4
El primer cuartil es: 𝑸𝑸𝟏𝟏 = 𝟏𝟏. 𝟐𝟐𝟐𝟐

Para el tercer cuartil (este cuartil tiene por debajo el 75%):
8(𝑄𝑄3 − 1)
𝐹𝐹(𝑄𝑄3 ) = 0.75 =
7𝑄𝑄3
21𝑄𝑄3
= 8𝑄𝑄3 − 8
4
8
𝑄𝑄3 = = 2.909
21
8−
4
El tercer cuartil es: 𝑸𝑸𝟑𝟑 = 𝟐𝟐. 𝟗𝟗𝟗𝟗𝟗𝟗
El rango intercuartil es: 𝑅𝑅𝑅𝑅 = 𝑄𝑄3 − 𝑄𝑄1 = 2.909 − 1.28 = 1.629
Finalmente, el rango intercuartil es: 𝑹𝑹𝑹𝑹 = 𝟏𝟏. 𝟔𝟔𝟔𝟔𝟔𝟔

DISTRIBUCIONES DISCRETAS
1. Un 60% de las mascotas que son inoculados con un suero quedan protegidos contra cierta
enfermedad. Si se inoculan 5 mascotas, calcular la probabilidad de que: a) ninguno contraiga
la enfermedad; b) menos de 2 contraigan la enfermedad; c) más de 3 contraigan la
enfermedad.
Solución
Se trata de una distribución binomial, del enunciado se debe reconocer la probabilidad de que
el resultado sea un “éxito” (p), y el número de ensayos independientes (n): 𝑝𝑝 = 0.4, 𝑛𝑛 = 5.
a) Para que ninguna mascota contraiga la enfermedad X=0, entonces se debe calcular:
𝑃𝑃(𝑋𝑋 = 0)
Para la distribución binomial se sabe:
𝑛𝑛
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) = � � 𝑝𝑝 𝑥𝑥 (1 − 𝑝𝑝)𝑛𝑛−𝑥𝑥
𝑥𝑥
Calculando:
5
𝑃𝑃(𝑋𝑋 = 0) = � � 0.40 0.65−0
0
𝑷𝑷(𝑿𝑿 = 𝟎𝟎) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎
b) En distribuciones discretas se debe tener cuidado con la lectura del enunciado para
comprender correctamente los límites del intervalo para el cual se calculará la probabilidad; en
este caso se pide: 𝑃𝑃(𝑋𝑋 < 2), o lo que es lo mismo: 𝑃𝑃(𝑋𝑋 ≤ 1), esto se calcula de la siguiente
manera:
1
5 5 5
𝑃𝑃(𝑋𝑋 ≤ 1) = � � � 0.4𝑥𝑥 0.65−𝑥𝑥 = � � 0.40 0.65 + � � 0.41 0.64
𝑥𝑥 0 1
𝑥𝑥=0
𝑷𝑷(𝑿𝑿 ≤ 𝟏𝟏) = 𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑

c) La interpretación para el cálculo es: 𝑃𝑃(𝑋𝑋 > 3); a continuación, se plantea lo siguiente:
𝑃𝑃(𝑋𝑋 ≤ 3) + 𝑃𝑃(𝑋𝑋 > 3) = 1 �� 𝑃𝑃(𝑋𝑋 > 3) = 1 − 𝑃𝑃(𝑋𝑋 ≤ 3)
Con lo visto en el anterior inciso se tiene:
3
5
𝑃𝑃(𝑋𝑋 > 3) = 1 − � � � 0.4𝑥𝑥 0.65−𝑥𝑥
𝑥𝑥
𝑥𝑥=0
𝑷𝑷(𝑿𝑿 > 𝟑𝟑) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎

2. En una prueba experimental aeronáutica se supone que los motores de un avión operan de
forma independiente, cada uno tiene una probabilidad de falla de 0.4. Se supone que un avión
tiene un vuelo seguro si funcionan al menos la mitad de sus motores. Si un avión tiene 4
motores y otro tiene 2, ¿cuál de los dos tiene la probabilidad más alta de un vuelo exitoso?
Solución
De las condiciones del enunciado se reconoce que se debe emplear una distribución binomial
para la variable aleatoria.

Para el avión de 4 motores, deben funcionar 2 o más de los motores (debido a: “al menos la
mitad”), entonces dado que la probabilidad de interés (la probabilidad que interesa es la
probabilidad de que un motor esté funcionando) en este caso es 𝑝𝑝 = 0.6 y reconociendo que
𝑛𝑛 = 4 (cuatro motores) se calcula lo siguiente:
1
4
𝑃𝑃(𝑋𝑋 ≥ 2) = 1 − 𝑃𝑃(𝑋𝑋 ≤ 1) = 1 − � � � 0.6𝑥𝑥 0.44−𝑥𝑥
𝑥𝑥
𝑥𝑥=0
𝑷𝑷(𝑿𝑿 ≥ 𝟐𝟐) = 𝟎𝟎. 𝟖𝟖𝟖𝟖𝟖𝟖

Para el avión de 2 motores, deben funcionar 1 o más motores, entonces:
2
𝑃𝑃(𝑋𝑋 ≥ 1) = 1 − 𝑃𝑃(𝑋𝑋 = 0) = 1 − � � 0.60 0.42−0
0
𝑷𝑷(𝑿𝑿 ≥ 𝟏𝟏) = 𝟎𝟎. 𝟖𝟖𝟖𝟖
Concluyendo: dado que p=0.6, al avión de dos motores tiene una probabilidad ligeramente más
alta para un vuelo exitoso.
3. La superficie de un tablero circular para dardos tiene un pequeño círculo central llamado
diana y 20 regiones en forma de rebanada de pastel numeradas del 1 al 20. Asimismo, cada
una de estas regiones esta dividida en tres partes, de manera que una persona que lanza un
dardo que cae en un número especifico obtiene una puntuación igual al valor del número, el
doble del número o el triple de este, dependiendo de en cuál de las tres partes caiga el dardo.
Si una persona tiene una probabilidad de 0.01 de acertar a la diana, una probabilidad de 0.10
de acertar un doble, una probabilidad de 0.05 de acertar un triple y una probabilidad de 0.02
de no acertar al tablero, ¿Cuál es la probabilidad de que 7 lanzamientos den como resultado
ninguna diana, ningún triple, dos dobles y una vez fuera del tablero?
Solución
Dado que se tiene varios eventos posibles, cada uno con una determinada probabilidad se
reconoce que se trata de una probabilidad multinomial. Sean:
𝑋𝑋1 : 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 "𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑒𝑒𝑒𝑒 𝑙𝑙𝑙𝑙 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑"
𝑋𝑋2 : 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 "𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑒𝑒𝑒𝑒 𝑢𝑢𝑢𝑢 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑"
𝑋𝑋3 : 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 "𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑒𝑒𝑒𝑒 𝑢𝑢𝑢𝑢 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡"
𝑋𝑋4 : 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 "𝑁𝑁𝑁𝑁 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡"
Se debe notar que de los 7 lanzamientos que el enunciado propone, sólo indica la ocurrencia de
3 lanzamientos, y la restricción de que no ocurre ninguna diana y ningún triple, en los otros 4
lanzamientos ocurre el evento complementario, cuya probabilidad será el complemento, es
decir:
𝑋𝑋5 : 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑢𝑢𝑢𝑢 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑝𝑝5 = 1 − 𝑝𝑝1 − 𝑝𝑝2 − 𝑝𝑝3 − 𝑝𝑝4 = 1 − 0.01 − 0.10 − 0.05 − 0.02 = 0.82
Sea 𝑃𝑃 la probabilidad buscada:

7
𝑃𝑃 = � � 𝑝𝑝 𝑋𝑋1 ∗ 𝑝𝑝2 𝑋𝑋2 ∗ 𝑝𝑝3 𝑋𝑋3 ∗ 𝑝𝑝4 𝑋𝑋4 ∗ 𝑝𝑝5 𝑋𝑋5
𝑋𝑋1 ; 𝑋𝑋2 ; 𝑋𝑋3 ; 𝑋𝑋4 ; 𝑋𝑋5 1
7
𝑃𝑃 = � � 0.010 ∗ 0.102 ∗ 0.050 ∗ 0.021 ∗ 0.824
𝑋𝑋1 = 0; 𝑋𝑋2 = 2; 𝑋𝑋3 = 0; 𝑋𝑋4 = 1; 𝑋𝑋5 = 4
7!
𝑃𝑃 = 0.010 ∗ 0.102 ∗ 0.050 ∗ 0.021 ∗ 0.824
0! ∗ 2! ∗ 0! ∗ 1! ∗ 4!
𝑷𝑷 = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
4. Las probabilidades de que un delegado llegue a cierta convención en avión, autobús, automóvil
o tren son de 0.4, 0.2, 0.3 y 0.1, respectivamente. ¿Cuál es la probabilidad de que, de 9
delegados que asisten a esta convención seleccionados al azar, 3 lleguen en avión, 3 en
autobús, 1 en automóvil y 2 en tren?
Solución
Se debe emplear la distribución multinomial. Sean:
𝑋𝑋1 : 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 "𝐸𝐸𝐸𝐸 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝑒𝑒𝑒𝑒 𝑎𝑎𝑎𝑎𝑎𝑎ó𝑛𝑛"
𝑋𝑋2 : 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 "𝐸𝐸𝐸𝐸 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝑒𝑒𝑒𝑒 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎ú𝑠𝑠"
𝑋𝑋3 : 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 "𝐸𝐸𝐸𝐸 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑎𝑎 𝑒𝑒𝑒𝑒 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎ó𝑣𝑣𝑣𝑣𝑣𝑣"
𝑋𝑋4 : 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 "𝐸𝐸𝐸𝐸 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝑒𝑒𝑒𝑒 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡"
Sea 𝑃𝑃 la probabilidad buscada:
9
𝑃𝑃 = � � 𝑝𝑝 𝑋𝑋1 ∗ 𝑝𝑝2 𝑋𝑋2 ∗ 𝑝𝑝3 𝑋𝑋3 ∗ 𝑝𝑝4 𝑋𝑋4
𝑋𝑋1 = 3; 𝑋𝑋2 = 3; 𝑋𝑋3 = 1; 𝑋𝑋4 = 2 1
9
𝑃𝑃 = � � 0.43 ∗ 0.23 ∗ 0.31 ∗ 0.12
𝑋𝑋1 = 3; 𝑋𝑋2 = 3; 𝑋𝑋3 = 1; 𝑋𝑋4 = 2
9
𝑃𝑃 = 0.43 ∗ 0.23 ∗ 0.31 ∗ 0.12
3! ∗ 3! ∗ 1! ∗ 2!
𝑷𝑷 = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
5. Se juega con monedas para determinar quien pagará los refrescos, entre 3 personas que
lanzan una moneda cada una, el disparejo será quien pague los refrescos. Si las monedas dan
un mismo resultado, se lanzan nuevamente hasta hallar un perdedor. Calcular la probabilidad
de que sean necesarios menos de 4 lanzamientos para determinar al perdedor.
Solución
Para empezar, se reconoce del enunciado que se trata de una variable aleatoria que sigue una
distribución geométrica; para este caso se debe determinar la probabilidad de éxito y de
fracaso. Los eventos posibles:
Ω = {𝐶𝐶𝐶𝐶𝐶𝐶, 𝑆𝑆𝑆𝑆𝑆𝑆, 𝐶𝐶𝐶𝐶𝐶𝐶, 𝐶𝐶𝐶𝐶𝐶𝐶, 𝑆𝑆𝑆𝑆𝑆𝑆, 𝑆𝑆𝑆𝑆𝑆𝑆, 𝐶𝐶𝐶𝐶𝐶𝐶, 𝑆𝑆𝑆𝑆𝑆𝑆}
Del conjunto se tiene:

2 1
𝑃𝑃(𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟) = =
8 4
6 3
𝑃𝑃(ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝) = =
8 4
Sea entonces:
𝑋𝑋: 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑒𝑒𝑒𝑒 𝑛𝑛ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑 𝑣𝑣𝑣𝑣𝑣𝑣 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 é𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥
É𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥: 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑 𝑎𝑎𝑎𝑎 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝

3
𝑃𝑃(é𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥) = 𝑝𝑝 = = 0.75
4
En la distribución geométrica de este tipo (se dividen en dos tipos dependiendo de lo que la
variable aleatoria represente), se sabe lo siguiente:
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) = 𝑝𝑝(1 − 𝑝𝑝)𝑥𝑥
Que sean necesarios menos de 4 lanzamientos, y con el planteamiento anterior es equivalente
a decir que sean necesarios 1 lanzamiento, 2 lanzamientos y 3 lanzamientos, lo que para esta
solución es: cero fallas antes de ver el éxito, 1 falla antes de ver el éxito y 2 fallas antes de ver el
éxito. Entonces se busca: 𝑃𝑃(𝑋𝑋 < 3) = 𝑃𝑃(𝑋𝑋 ≤ 2)
2 2
𝑃𝑃(𝑋𝑋 ≤ 2) = � 𝑝𝑝(1 − 𝑝𝑝) = � 0.75 (1 − 0.75)𝑥𝑥

𝑥𝑥
𝑥𝑥=0 𝑥𝑥=0
𝑷𝑷(𝑿𝑿 ≤ 𝟐𝟐) = 𝟎𝟎. 𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗

6. Se hacen pruebas de análisis a varias muestras de gas buscando una molécula rara, la
probabilidad de hallarla es 0.01, si se supone que las muestras son independientes con
respecto a la presencia de la molécula rara. ¿Cuál es la probabilidad de que sea necesario
analizar exactamente 125 muestras antes de detectar una molécula rara?
Solución
Se trata de una variable aleatoria que sigue una distribución geométrica; ahora se empleará el
otro tipo de esta distribución con el fin de ilustrar ambos. Sea entonces:
𝑋𝑋: 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑒𝑒𝑒𝑒 𝑙𝑙𝑙𝑙 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑒𝑒𝑒𝑒 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 é𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥
É𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥: ℎ𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑙𝑙𝑙𝑙 𝑚𝑚𝑚𝑚𝑚𝑚é𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑒𝑒𝑒𝑒 𝑒𝑒𝑒𝑒 𝑎𝑎𝑎𝑎á𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙𝑙 𝑑𝑑𝑑𝑑 𝑢𝑢𝑢𝑢𝑢𝑢 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝
𝑝𝑝 = 0.01
Para este segundo tipo de la distribución geométrica se sabe:
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) = 𝑝𝑝(1 − 𝑝𝑝)𝑥𝑥−1
Con este planteamiento y las condiciones del enunciado se tiene que, para ser necesario analizar
125 muestras antes de detectar la molécula rara, el primer éxito aparece en el análisis de la
muestra 126, esto es: 𝑋𝑋 = 126

𝑃𝑃(𝑋𝑋 = 126) = 0.01(1 − 0.01)126−1

𝑷𝑷(𝑿𝑿 = 𝟏𝟏𝟏𝟏𝟏𝟏) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
7. Suponga que la probabilidad de que una determinada persona crea un rumor acerca de las
transgresiones de cierta actriz famosa es de 0.8 ¿Cuál es la probabilidad de que la sexta
persona que escuche este rumor sea la cuarta en creerlo?
Solución
Se trata de una variable aleatoria que sigue una distribución binomial negativa, para esta
distribución también existen dos tipos, en este se emplea el siguiente planteamiento, sean:
𝑋𝑋: 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑𝑑𝑑 𝑟𝑟 − é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 é𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥
É𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥: 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑢𝑢𝑢𝑢𝑢𝑢 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑞𝑞𝑞𝑞𝑞𝑞 𝑒𝑒𝑒𝑒𝑒𝑒𝑢𝑢𝑐𝑐ℎ𝑎𝑎 𝑒𝑒𝑒𝑒 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑠𝑠𝑠𝑠 𝑙𝑙𝑙𝑙 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
𝑝𝑝 = 0.8
En este tipo de planteamiento para la distribución binomial negativa se sabe:
𝑥𝑥 + 𝑟𝑟 − 1 𝑟𝑟
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) = � � 𝑝𝑝 (1 − 𝑝𝑝)𝑥𝑥
𝑟𝑟 − 1
En este caso el r-ésimo éxito será el cuarto éxito, antes del mismo y dado que hubo otros tres
éxitos y en total 6 pruebas, la cantidad de fallas que hubo fueron dos, entonces: 𝑋𝑋 = 2.
2+4−1
𝑃𝑃(𝑋𝑋 = 2) = � � 0.84 (1 − 0.8)2
4−1
𝑷𝑷(𝑿𝑿 = 𝟐𝟐) = 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏
8. De acuerdo con un estudio publicado por un grupo de sociólogos de la Universidad de
Massachusetts, Estados Unidos, casi dos terceras partes de los 20 millones de personas que
consumen Valium son mujeres. Suponga que esta cifra es una estimación valida y calcule la
probabilidad de que en un determinado día la quinta prescripción de Valium que da un médico
sea la tercera prescripción de Valium para una mujer.
Solución
Se trata nuevamente de una variable aleatoria que sigue una distribución binomial negativa, en
este caso se ilustrará el otro tipo de planteamiento, sean:
𝑋𝑋: 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑒𝑒𝑒𝑒 𝑙𝑙𝑙𝑙 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑒𝑒𝑒𝑒 𝑟𝑟 − é𝑠𝑠𝑠𝑠𝑠𝑠𝑠𝑠 é𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜
É𝑥𝑥𝑥𝑥𝑥𝑥𝑥𝑥: 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑢𝑢𝑢𝑢𝑢𝑢 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑎𝑎 𝑙𝑙𝑙𝑙 𝑞𝑞𝑞𝑞𝑞𝑞 𝑠𝑠𝑠𝑠 𝑙𝑙𝑙𝑙 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝑒𝑒𝑒𝑒 𝑚𝑚𝑚𝑚𝑗𝑗𝑗𝑗𝑗𝑗
2
𝑝𝑝 =
3
En este tipo de planteamiento de la distribución binomial negativa se sabe:
𝑥𝑥 − 1 𝑟𝑟
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) = � � 𝑝𝑝 (1 − 𝑝𝑝)𝑥𝑥−𝑟𝑟
𝑟𝑟 − 1
Para este ejercicio interesa la probabilidad de que la quinta prescripción de Valium en un día
sea prescrita a una mujer (a la tercera mujer), entonces: 𝑋𝑋 = 5, 𝑟𝑟 = 3

5−1 2 3 2 5−3
𝑃𝑃(𝑋𝑋 = 5) = � � � � �1 − �
3−1 3 3
𝑷𝑷(𝑿𝑿 = 𝟓𝟓) = 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏
9. Para evitar la detección en la aduana, un viajero coloca 6 comprimidos con narcóticos en una
botella que contiene 9 píldoras de vitamina que aparentemente son similares. Si el oficial de
la aduana selecciona 3 de las tabletas al azar para su análisis, ¿cuál es la probabilidad de que
el viajero sea arrestado por posesión ilegal de narcóticos?
Solución
En este caso se tiene una variable aleatoria que sigue una distribución hipergeométrica, sea:
𝑋𝑋: 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑞𝑞𝑞𝑞𝑞𝑞 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒
Para la distribución hipergeométrica se sabe:
�𝑀𝑀
𝑥𝑥
��𝑁𝑁−𝑀𝑀
𝑛𝑛−𝑥𝑥
�
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) =
�𝑁𝑁
𝑛𝑛
�
Del enunciado se reconocen los siguientes datos:

𝑁𝑁 = 15 𝑀𝑀 = 6 𝑛𝑛 = 3
Para que el viajero sea arrestado basta con que el oficial analice uno de los comprimidos y
encuentre narcóticos, entonces se debe calcular: 𝑃𝑃(𝑋𝑋 ≥ 1), o lo que es lo mismo:
�60��39�
𝑃𝑃(𝑋𝑋 ≥ 1) = 1 − 𝑃𝑃(𝑋𝑋 = 0) = 1 −
�15
3
�
𝑷𝑷(𝑿𝑿 ≥ 𝟏𝟏) = 𝟎𝟎. 𝟖𝟖𝟖𝟖𝟖𝟖𝟖𝟖

10. De un lote de 10 misiles, se seleccionan 4 al azar y se disparan. Si el lote contiene 3 misiles
defectuosos que no pueden dispararse, ¿cuál es la probabilidad de que a) los 4 puedan
dispararse? b) a lo sumo fallen 2?
Solución
Se tiene una variable aleatoria que sigue una distribución hipergeométrica, sea:
𝑋𝑋: 𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉𝑉 𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴𝐴 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑙𝑙𝑙𝑙 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑑𝑑𝑑𝑑 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑛𝑛𝑛𝑛 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑
Para la distribución hipergeométrica se sabe:
�𝑀𝑀
𝑥𝑥
��𝑁𝑁−𝑀𝑀
𝑛𝑛−𝑥𝑥
�
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) =
�𝑁𝑁
𝑛𝑛
�
Del enunciado se reconocen los siguientes datos:

𝑁𝑁 = 10 𝑀𝑀 = 7 𝑛𝑛 = 4
a) Para la probabilidad de que los cuatro puedan dispararse 𝑋𝑋 = 4

�74��10−7
4−4
�
𝑃𝑃(𝑋𝑋 = 4) =
�10
4
�
𝟏𝟏
𝑷𝑷(𝑿𝑿 = 𝟒𝟒) =
𝟔𝟔
b) Si a lo sumo 2 fallan, los misiles no defectuosos están representados por 𝑋𝑋 ≥ 2:
4
�𝑥𝑥7��10−7
4−𝑥𝑥
�
𝑃𝑃(𝑋𝑋 ≥ 2) = �
2
�10
4
�
𝑷𝑷(𝑿𝑿 ≥ 𝟑𝟑) = 𝟎𝟎. 𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗

11. Suponga que, en promedio, una persona en 1000 comete un error numérico al preparar su
declaración de impuestos. Si se seleccionan 10,000 formas al azar y se examinan, calcule la
probabilidad de que 6, 7 u 8 de las formas contengan un error.
Solución
Se trata de una variable aleatoria que sigue una distribución de Poisson, de la cual se sabe:
𝑒𝑒 −µ µ𝑥𝑥
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) = ; µ = 𝜆𝜆𝜆𝜆
𝑥𝑥!
1
Del enunciado se tiene: 𝜆𝜆 = 10000, 𝑡𝑡 =
1000
1
µ = 10000 ∗ = 10
1000
Siendo:
𝑋𝑋: 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑒𝑒𝑒𝑒 𝑛𝑛ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑞𝑞𝑞𝑞𝑞𝑞 𝑠𝑠𝑠𝑠 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑒𝑒𝑒𝑒 𝑢𝑢𝑢𝑢 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖
Se debe calcular:
8
𝑒𝑒 −10 10𝑥𝑥
𝑃𝑃(6 ≤ 𝑋𝑋 ≤ 8) = �
𝑥𝑥!
𝑥𝑥=6
𝑷𝑷(𝟔𝟔 ≤ 𝑿𝑿 ≤ 𝟖𝟖) = 𝟎𝟎. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐

12. Un fabricante de automóviles se preocupa por una falla en el mecanismo de freno de un
modelo especifico. En raras ocasiones la falla puede causar una catástrofe al manejarlo a alta
velocidad. La distribución del número de automóviles por ano que experimentara la catástrofe
es una variable aleatoria de Poisson con µ = 5. a) ¿Cuál es la probabilidad de que, a lo sumo, 3
automóviles por año de ese modelo especifico sufran una catástrofe? b) ¿Cuál es la
probabilidad de que más de un automóvil por año experimente una catástrofe?
Solución
Se trata de una variable aleatoria que sigue una distribución de Poisson:
𝑒𝑒 −µ µ𝑥𝑥
𝑃𝑃(𝑋𝑋 = 𝑥𝑥) = 𝑥𝑥!
; µ = 𝜆𝜆𝜆𝜆

Del enunciado se tiene: 𝜆𝜆𝜆𝜆 = µ = 5

En la distribución de Poisson:
𝑋𝑋: 𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣𝑣 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑞𝑞𝑞𝑞𝑞𝑞 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑒𝑒𝑒𝑒 𝑛𝑛ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟𝑟 𝑞𝑞𝑞𝑞𝑞𝑞 𝑠𝑠𝑠𝑠 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑒𝑒𝑒𝑒 𝑢𝑢𝑢𝑢 𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖𝑖
a) Interpretando “a lo sumo 3 automóviles”:

3
𝑒𝑒 −5 5𝑥𝑥
𝑃𝑃(𝑋𝑋 ≤ 3) = �
𝑥𝑥!
𝑥𝑥=0
𝑷𝑷(𝑿𝑿 ≤ 𝟑𝟑) = 𝟎𝟎. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐

b) Interpretando “más de un automóvil”:
1
𝑒𝑒 −5 5𝑥𝑥
𝑃𝑃(𝑋𝑋 > 1) = 1 − 𝑃𝑃(𝑋𝑋 ≤ 1) = 1 − �
𝑥𝑥!
𝑥𝑥=0
𝑷𝑷(𝑿𝑿 > 𝟏𝟏) = 𝟎𝟎. 𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗

DISTRIBUCIONES CONTINUAS
1. Un par de amigos, Carlos y Alberto, quedan en encontrarse en una parada de bus entre las
9:00 y las 10:00 a.m. Cada uno esperará un máximo de 10 minutos. ¿Cuál es la probabilidad
de que no se encuentren, si Alberto llegará a las 9:30?
Solución
Se trata de una variable aleatoria que sigue una distribución uniforme, del enunciado se
reconocen los límites característicos de esta distribución 𝑎𝑎 = 9, 𝑏𝑏 = 10, con ellos se puede
definir por comprensión esta distribución de la siguiente manera:
1
𝑓𝑓(𝑥𝑥) = �𝑎𝑎 − 𝑏𝑏 ; 𝑎𝑎 ≤ 𝑥𝑥 ≤ 𝑏𝑏
0; 𝑒𝑒𝑒𝑒 𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐
Para la diferencia 𝑎𝑎 − 𝑏𝑏 del denominador se tomará en minutos, dado que cada uno esperará
diez minutos, y así tener las mismas unidades.
Teniendo:
1
𝑓𝑓(𝑥𝑥) = �60 ; 9: 00 ≤ 𝑥𝑥 ≤ 10: 00
Como Alberto llegará a las 9:30 y esperará 10 minutos, entonces Carlos se encontrará con
Alberto solamente si llega entre las 9:20 y las 9:40 (él espera 10 minutos también).
Interpretando:
𝑃𝑃(𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒) = 𝑃𝑃(9: 20 ≤ 𝑋𝑋 ≤ 9: 40)
𝑃𝑃(9: 20 ≤ 𝑋𝑋 ≤ 9: 40) = 1 − 𝑃𝑃(𝑋𝑋 ≤ 9: 20) − 𝑃𝑃(𝑋𝑋 ≥ 9: 40)
𝑃𝑃(𝑛𝑛𝑛𝑛 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒) = 1 − 𝑃𝑃(9: 20 ≤ 𝑋𝑋 ≤ 9: 40)
𝑃𝑃(𝑛𝑛𝑛𝑛 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒) = 𝑃𝑃(𝑋𝑋 ≤ 9: 20) + 𝑃𝑃(𝑋𝑋 ≥ 9: 40)
Esto se entiende mejor con la figura, donde el área pintada representa la probabilidad de interés
(la probabilidad de que no se encuentren Carlos y Alberto):

Regresando al cálculo:
1 1
𝑃𝑃(𝑛𝑛𝑛𝑛 𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒𝑒) = 𝑃𝑃(𝑋𝑋 ≤ 9: 20) + 𝑃𝑃(𝑋𝑋 ≥ 9: 40) = (20) + (20)
60 60
𝟐𝟐
𝑷𝑷(𝒏𝒏𝒏𝒏 𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆𝒆) =
𝟑𝟑
2. Un antiguo reloj con manecillas se detuvo en un punto desconocido; determinar la
probabilidad de que se haya detenido en los primeros 25 minutos luego de señalar una cierta
hora en punto.
Solución
Se trata de una variable aleatoria que sigue una distribución uniforme, del enunciado se puede
interpretar que los límites de esta distribución 𝑎𝑎 = 0, 𝑏𝑏 = 60 (los 60 minutos de una cierta
hora), con ellos se puede definir por comprensión esta distribución:
1
1
𝑓𝑓(𝑥𝑥) = �60 ; 0 ≤ 𝑥𝑥 ≤ 60
La probabilidad de interés está representada por:
Entonces:
1
𝑃𝑃(0 ≤ 𝑋𝑋 ≤ 25) = (25)
60
𝟓𝟓
𝑷𝑷(𝟎𝟎 ≤ 𝑿𝑿 ≤ 𝟐𝟐𝟐𝟐) =
𝟏𝟏𝟏𝟏

3. En una práctica de precisión aérea se deja caer una bomba a lo largo de una línea de un
kilómetro de longitud. El blanco se encuentra en el punto medio de la línea. El blanco se
destruirá si la bomba cae a una distancia menor que 75 metros del centro. Calcule la
probabilidad de que el blanco se destruya si la bomba cae al azar a lo largo de la línea.
Solución
Es una variable aleatoria que sigue una distribución uniforme, se puede interpretar que los
límites de esta distribución 𝑎𝑎 = 0, 𝑏𝑏 = 1𝐾𝐾𝐾𝐾 (también vale 1000 m), con ellos se puede definir
por comprensión esta distribución:
1
1
𝑓𝑓(𝑥𝑥) = �1000 ; 0 ≤ 𝑥𝑥 ≤ 60
Se conoce que el blanco está en medio de la línea, a 500 metros de cada extremo, si la bomba
cae a menos de 75 metros de distancia, el blanco se destruye, entonces:
1
𝑃𝑃(425 ≤ 𝑋𝑋 ≤ 575) = (575 − 425)
1000
𝑷𝑷(𝟒𝟒𝟒𝟒𝟒𝟒 ≤ 𝑿𝑿 ≤ 𝟓𝟓𝟓𝟓𝟓𝟓) = 𝟎𝟎. 𝟏𝟏𝟏𝟏
Cabe señalar que es posible tomar el limite 𝑎𝑎 = 500 y determinar la probabilidad de que caiga
a 75 metros de uno de los extremos; se llega al mismo resultado.
4. Un elemento tiene un tiempo de trabajo en el cual no tiene fallos, este tiempo queda
distribuido por una ley exponencial 𝒇𝒇(𝒕𝒕) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝒆𝒆−𝟎𝟎.𝟎𝟎𝟎𝟎𝟎𝟎 (tiempo en horas). Hallar la
probabilidad de que el elemento trabaje sin fallo 100 horas. Con únicamente los datos dados
¿Cuál es la constante de la intensidad de fallos?
Solución
En este caso, como dice en el enunciado, se trata de una variable aleatoria que sigue una
distribución exponencial, para conocer la probabilidad de que el elemento trabaje sin fallo 100
horas los fallos se van a dar en el tiempo posterior a las 100 horas de trabajo del elemento, se
puede emplear la función de densidad dada de la siguiente manera:
∞
𝑃𝑃(𝑋𝑋 ≥ 100) = � 0.02𝑒𝑒 −0.02𝑡𝑡 𝑑𝑑𝑑𝑑
100
𝑷𝑷(𝑿𝑿 ≥ 𝟏𝟏𝟏𝟏𝟏𝟏) = 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏

En la figura, la parte pintada representa la probabilidad de que los fallos se den en el tiempo
posterior a las 100 horas:

La constante de la intensidad de fallos se reconoce de la función dada, es el coeficiente del

exponente:
𝑓𝑓(𝑡𝑡) = 𝜆𝜆𝑒𝑒 −𝜆𝜆𝜆𝜆
Entonces en este caso la constante de la intensidad de fallos es:

𝝀𝝀 = 𝟎𝟎. 𝟎𝟎𝟎𝟎
5. Las baterías para un teléfono celular trabajan en forma efectiva hasta que fallan, el tiempo
hasta que ocurre el fallo se distribuye según una distribución exponencial, con un tiempo
promedio de falla de 500 horas. Determine la probabilidad de que una batería funcione más
de 600 horas. Si una batería ha trabajado durante 350 horas, calcular la probabilidad de que
trabaje más de 300 horas adicionales.
Solución
Del enunciado tenemos: µ = 500, entonces la constante para esta distribución exponencial es:
1 1
𝜆𝜆 = = = 0.002
µ 500
La función de densidad de una distribución exponencial es: 𝑓𝑓(𝑡𝑡) = 𝜆𝜆𝑒𝑒 −𝜆𝜆𝜆𝜆 , para este caso:
𝑓𝑓(𝑡𝑡) = 0.002𝑒𝑒 −0.002𝑡𝑡

Para este ejercicio se ilustrará la solución empleando la función de distribución (a diferencia
del anterior que se empleó la función de densidad), se sabe que integrando la función de
densidad se obtiene la función de distribución:
𝑥𝑥
𝐹𝐹(𝑡𝑡) = � 𝜆𝜆𝑒𝑒 −𝜆𝜆𝜆𝜆 𝑑𝑑𝑑𝑑
0
1 − 𝑒𝑒 −0.002𝑡𝑡 ; 𝑡𝑡 ≥ 0
𝐹𝐹(𝑡𝑡) = �
0; 𝑡𝑡 < 0
Para calcular la probabilidad de que el elemento trabaje más de 600 horas:
𝑃𝑃(𝑡𝑡 > 600) = 𝑃𝑃(600 < 𝑡𝑡 < ∞) = 1 − 𝑃𝑃(𝑡𝑡 < 600)
𝑃𝑃(𝑡𝑡 > 600) = 1 − 𝐹𝐹(600)

𝑃𝑃(𝑡𝑡 > 600) = 1 − (1 − 𝑒𝑒 −0.002∗600 )

𝑷𝑷(𝒕𝒕 > 𝟔𝟔𝟔𝟔𝟔𝟔) = 𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑𝟑𝟑
Para el siguiente cálculo se va a considerar el primer evento, como en probabilidad condicional:
𝑃𝑃(𝑡𝑡 > 650 ∩ 𝑡𝑡 > 350) 𝑃𝑃(𝑡𝑡 > 650)
𝑃𝑃(𝑡𝑡 > 650 | 𝑡𝑡 > 350) = =
𝑃𝑃(𝑡𝑡 > 350) 𝑃𝑃(𝑡𝑡 > 350)
1 − 𝐹𝐹(650) 1 − (1 − 𝑒𝑒 −0.002∗650 )
𝑃𝑃(𝑡𝑡 > 650 | 𝑡𝑡 > 350) = =
1 − 𝐹𝐹(350) 1 − (1 − 𝑒𝑒 −0.002∗350 )
𝑷𝑷(𝒕𝒕 > 𝟔𝟔𝟔𝟔𝟔𝟔 | 𝒕𝒕 > 𝟑𝟑𝟑𝟑𝟑𝟑) = 𝟎𝟎. 𝟓𝟓𝟓𝟓𝟓𝟓𝟓𝟓
La distribución exponencial cuenta con la propiedad de falta de memoria, aplicándola se puede
ignorar el hecho de que el elemento ya funcionó por 350 horas, lo que permite hacer el calculo
directo, es decir, ignorando por completo el primer evento:
𝑃𝑃(𝑡𝑡 > 300) = 1 − 𝐹𝐹(300) = 1 − (1 − 𝑒𝑒 −0.002∗300 )

𝑷𝑷(𝒕𝒕 > 𝟑𝟑𝟑𝟑𝟑𝟑) = 𝟎𝟎. 𝟓𝟓𝟓𝟓𝟓𝟓𝟓𝟓
6. Cierto componente electrónico tiene una vida media de 8 años. Su vida útil sigue una
distribución exponencial. ¿Cuál debe ser el tiempo de garantía que se debe otorgar, si se debe
reemplazar a lo más el 15% de los componentes que fallen?
Solución
Se debe fijar un tiempo T, que encierre por debajo a la vida útil del 15% de los componentes,
esto es: 𝑃𝑃(𝑋𝑋 < 𝑇𝑇) = 0.15
1 1
Del enunciado se tiene: µ = 8 = , entonces 𝜆𝜆 = , lo que para este caso resulta:
𝜆𝜆 8
𝑡𝑡
−
𝐹𝐹(𝑡𝑡) = � 1 − 𝑒𝑒 8 ; 𝑡𝑡 ≥ 0
0; 𝑡𝑡 < 0
𝑇𝑇
Entonces: 𝐹𝐹(𝑇𝑇) = 0.15 = 1 − 𝑒𝑒 −8
Operando esto último:
𝑇𝑇
𝑒𝑒 −8 = 0.85
𝑇𝑇 = −8 ln(0.85)
𝑻𝑻 = 𝟏𝟏. 𝟑𝟑 𝒂𝒂ñ𝒐𝒐𝒐𝒐
Concluyendo: la garantía a otorgar debe ser de 1.3 años (15.6 meses), que equivale a
aproximadamente 15 meses y con este último número incluso se reemplazaría menos del 15%
de los componentes que fallen.

7. Para mejorar el desempeño, algunos ingenieros evalúan la capacidad de los escáneres para
leer los códigos de barras de varios productos. Se define como atenuación máxima, a la
máxima reducción en potencia justo antes de que el escáner no pueda leer el código de barras
a una distancia fija. Esta cantidad, es medida en decibeles y varía de un producto a otro.
Después de recolectar datos considerables, se decide modelar la variación en atenuación
máximo como una distribución normal con media 10.1 dB y desviación estándar 2.7 dB. a)
Para cierto producto, ¿cuál es la probabilidad de que su atenuación máxima esté entre 8.5 dB
y 13.0 dB? b) ¿Qué proporción de los productos tienen atenuación máxima mayor que 𝟏𝟏𝟏𝟏. 𝟏𝟏
dB?
Solución
Del enunciado se tiene: µ = 10.1, 𝜎𝜎 = 2.7
a) Se busca:
𝑃𝑃(8.5 ≤ 𝑋𝑋 ≤ 13.0) = 𝑃𝑃(𝑋𝑋 ≤ 13.0) − 𝑃𝑃(𝑋𝑋 ≤ 8.5)
Con la estandarización:
13.0 − 10.1 8.5 − 10.1
𝑃𝑃(8.5 ≤ 𝑋𝑋 ≤ 13.0) = 𝑃𝑃 �𝑍𝑍 ≤ � − 𝑃𝑃 �𝑍𝑍 ≤ �
2.7 2.7
𝑃𝑃(8.5 ≤ 𝑋𝑋 ≤ 13.0) = 𝑃𝑃(𝑍𝑍 ≤ 1.0741) − 𝑃𝑃(𝑍𝑍 ≤ −0.5926)
Gráficamente se está buscando lo siguiente:
Usando programas o aplicaciones se tiene lo siguiente (también es posible usar tablas, pero no
se tendrá la misma precisión con respecto a los decimales):
𝑃𝑃(8.5 ≤ 𝑋𝑋 ≤ 13.0) = 0.85861 − 0.27672
𝑷𝑷(𝟖𝟖. 𝟓𝟓 ≤ 𝑿𝑿 ≤ 𝟏𝟏𝟏𝟏. 𝟎𝟎) = 𝟎𝟎. 𝟓𝟓𝟓𝟓𝟓𝟓𝟓𝟓𝟓𝟓
b) Se calcula:
15.1 − 10.1
𝑃𝑃(𝑋𝑋 ≥ 15.1) = 1 − 𝑃𝑃(𝑋𝑋 ≤ 15.1) = 1 − 𝑃𝑃 �𝑍𝑍 ≤ �
2.7

𝑃𝑃(𝑋𝑋 ≥ 15.1) = 1 − 𝑃𝑃(𝑍𝑍 ≤ 1.8518)
𝑃𝑃(𝑋𝑋 ≥ 15.1) = 1 − 0.96797

𝑷𝑷(𝑿𝑿 ≥ 𝟏𝟏𝟏𝟏. 𝟏𝟏) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
8. Un resorte sintético recién diseñado tiene una resistencia al rompimiento, la cual se distribuye
de forma normal con media de 800 y desviación estándar de 12 (ambos en newtons). ¿Cuál es
la probabilidad de que a un comprador elija aleatoriamente un resorte con una resistencia al
rompimiento de máximo 772 Newtons?
Solución
La probabilidad de que un resorte elegido aleatoriamente tenga una resistencia al rompimiento
de máximo 772 está representada gráficamente por:
Entonces, empleando la estandarización o tipificación:

772 − 800
𝑃𝑃(𝑋𝑋 ≤ 772) = 𝑃𝑃 �𝑍𝑍 ≤ � = 𝑃𝑃(𝑍𝑍 ≤ −2.333)
12
𝑷𝑷(𝑿𝑿 ≤ 𝟕𝟕𝟕𝟕𝟕𝟕) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎

Se puede concluir que se tiene una probabilidad muy pequeña de comprar el resorte que se
busca.
9. A un anillo de pistón se le hacen medidas de su diámetro interno, y se determina que está
normalmente distribuido con media de 10 cm y desviación estándar de 0.03 cm a) ¿Cuál es la
probabilidad de que un anillo de pistón tenga un diámetro interno entre 𝟗𝟗. 𝟗𝟗𝟗𝟗 y 𝟏𝟏𝟏𝟏. 𝟎𝟎𝟎𝟎 cm? b)
¿Para qué valor el diámetro interno de un anillo de pistón será menor que el 15 %?
Solución
a) Se debe calcular lo siguiente:
10.03 − 10 9.97 − 10
𝑃𝑃(9.97 ≤ 𝑋𝑋 ≤ 10.03) = 𝑃𝑃 �𝑍𝑍 ≤ � − 𝑃𝑃 �𝑍𝑍 ≤ �
0.03 0.03
𝑃𝑃(9.97 ≤ 𝑋𝑋 ≤ 10.03) = 𝑃𝑃(𝑍𝑍 ≤ 1) − 𝑃𝑃(𝑍𝑍 ≤ −1)

𝑃𝑃(9.97 ≤ 𝑋𝑋 ≤ 10.03) = 0.84134 − 0.15866
𝑷𝑷(𝟗𝟗. 𝟗𝟗𝟗𝟗 ≤ 𝑿𝑿 ≤ 𝟏𝟏𝟏𝟏. 𝟎𝟎𝟎𝟎) = 𝟎𝟎. 𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔
b) Se busca un diámetro que venga a ser un límite para que el 15% de los datos sean mayores
a este límite, sea C entonces:
𝑃𝑃(𝑍𝑍 ≥ 𝐶𝐶) = 0.15
Los diámetros por debajo de C, serán menores que el 15% (en caso de buscarse un valor para
el cual, los diámetros sean mayores al 15% se debe cambiar el signo a ≤).
Empleando programas, aplicaciones o incluso tablas (con tablas se tiene menor precisión con
respecto a decimales) en forma inversa a lo que se ha visto antes, se tiene:
𝑍𝑍 = 1.03643
Para encontrar el valor correspondiente de X, se emplea la estandarización:
𝐶𝐶 − 10
𝑍𝑍 =
0.03
𝐶𝐶 = 10 + 𝑍𝑍 ∗ 0.03 = 10 + 1.03643 ∗ 0.03 = 10.0311
Finalmente: para 10.0311, se tiene un diámetro interno de un anillo de pistón menor al 15%.

10. Un cierto motor pequeño tiene una vida media de 10 años con una desviación estándar de 2
años. El fabricante repondrá sin cargo todos los motores que fallen dentro del período de
garantía (el cual todavía no ha fijado). Si está dispuesto a reponer sólo 3 % de los motores que
fallan, ¿qué tan larga deberá ser la garantía? Suponga que las vidas de los motores siguen una
distribución normal.
Solución
La garantía que se debe calcular, encerrará por debajo al 3% de la vida de los motores (en años):
El limite superior que se ve, es la garantía que debe otorgar el fabricante. Entonces:
𝑃𝑃(𝑍𝑍 ≤ 𝐶𝐶) = 0.03
Obteniendo de programas o aplicaciones (o también tablas):
𝑍𝑍 = −1.88079
Empleando la estandarización:
𝐶𝐶 − 10
𝑍𝑍 =
2
𝐶𝐶 = 10 + 2 ∗ 𝑍𝑍 = 10 + 2 ∗ (−1.88079)
𝑪𝑪 = 𝟔𝟔. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐
Entonces: La garantía que el fabricante debe otorgar es de aproximadamente 6.2 años.

TEOREMA DEL LÍMITE CENTRAL

1. Una empresa fabrica calculadoras que tienen una duración que se distribuye en forma
aproximadamente normal, con media de 400 y desviación estándar de 20 (horas). Determinar
la probabilidad de que una muestra aleatoria de 16 focos tenga una vida media de menos de
388 horas.
Solución
Gráficamente se busca calcular la probabilidad representada por el área pintada:
Empleando el TLC:
388 − 400
𝑃𝑃(𝑋𝑋 ≤ 388) = 𝑃𝑃 �𝑍𝑍 ≤ �
20
√16
𝑃𝑃(𝑋𝑋 ≤ 388) = 𝑃𝑃 (𝑍𝑍 ≤ −2.4)
Empleando tablas o programas que correspondan:
𝑷𝑷(𝑿𝑿 ≤ 𝟑𝟑𝟑𝟑𝟑𝟑) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
Se puede concluir que la probabilidad de que la media de la muestra de 16 focos sea menor a 388
horas es de 0.00820
2. Las calificaciones en un examen de ingreso de 600 estudiantes están distribuidas en forma
normal con un promedio de 65 y una desviación típica de 4. Se revisan aleatoriamente 120
muestras de tamaño 15 sin reemplazo de esta población, calcular el número de medias
muestrales que caen entre 63 y 66 puntos en el examen.
Solución
En ejercicios de este tipo, es decir, en los que se cuentan con población finita y un muestreo sin
reemplazo, es donde se debe emplear el factor de corrección:
Del enunciado: 𝑁𝑁 = 600, 𝑛𝑛 = 15, 𝜎𝜎 = 4, µ = 65.

𝜎𝜎 𝑁𝑁 − 𝑛𝑛 4 600 − 15
𝜎𝜎𝑥𝑥 = � = � = 1.0206
√𝑛𝑛 𝑁𝑁 − 1 √15 600 − 1
Para el primer cálculo:
⎛ 63 − µ 66 − µ ⎞
𝑃𝑃(60 ≤ 𝑋𝑋 ≤ 75) = 𝑃𝑃 ⎜ ≤ 𝑍𝑍 ≤ ⎟
𝜎𝜎 �𝑁𝑁 − 𝑛𝑛 𝜎𝜎 �𝑁𝑁 − 𝑛𝑛
⎝√𝑛𝑛 𝑁𝑁 − 1 √𝑛𝑛 𝑁𝑁 − 1⎠
63 − 65 66 − 65
𝑃𝑃(60 ≤ 𝑋𝑋 ≤ 75) = 𝑃𝑃 � ≤ 𝑍𝑍 ≤ �
1.0206 1.0206
63 − 65 66 − 65
𝑃𝑃(60 ≤ 𝑋𝑋 ≤ 75) = 𝑃𝑃 � ≤ 𝑍𝑍 ≤ �
1.0206 1.0206
𝑃𝑃(60 ≤ 𝑋𝑋 ≤ 75) = 𝑃𝑃 (−1.9596 ≤ 𝑍𝑍 ≤ 0.9798)
Esto es:
𝑃𝑃(60 ≤ 𝑋𝑋 ≤ 75) = 𝑃𝑃 (𝑍𝑍 ≤ 0.9798) − 𝑃𝑃(𝑍𝑍 ≤ −1.9596)

Empleando aplicaciones, programas con el software debido, o tablas se obtiene:
𝑃𝑃(60 ≤ 𝑋𝑋 ≤ 75) = 0.83641 − 0.02502
𝑃𝑃(60 ≤ 𝑋𝑋 ≤ 75) = 0.81139
Para el número de medias muestrales:
# = 0.81139 ∗ 120 ≅ 97.37
# = 𝟗𝟗𝟗𝟗
Finalmente, entre 63 y 66 hay 97 medias muestrales.

3. En una cierta empresa, recursos humanos ha determinado que el 60% del personal fuma. Se
toma una muestra aleatoria de 800 empleados. Calcular la probabilidad de que la proporción
de la muestra de la gente que fuma cigarrillos sea menor que 0.55
Solución
Este tipo de ejercicios se puede resolver por dos métodos, primeramente, se ilustrará uno de
los métodos y el otro será ilustrado en el siguiente ejercicio. Se tiene del enunciado:
𝑛𝑛 = 800, 𝑝𝑝 = 0.60, 𝑥𝑥 = 0.55 ∗ 800 = 440, µ = 𝑛𝑛𝑛𝑛 = 800 ∗ 0.6 = 480
Este primer método se hace una aproximación de la distribución normal a la binomial, y se debe
emplear el factor de corrección de continuidad (±0.5):
Calculando:
𝑥𝑥 − 𝑛𝑛𝑛𝑛
𝑃𝑃(𝑋𝑋 < 440) = 𝑃𝑃 �𝑍𝑍 < �
�𝑛𝑛𝑛𝑛(1 − 𝑝𝑝)
439.5 − 480
𝑃𝑃(𝑋𝑋 < 440) = 𝑃𝑃 �𝑍𝑍 < �
�800 ∗ 0.6 ∗ (1 − 0.6)
𝑃𝑃(𝑋𝑋 < 440) = 𝑃𝑃 (𝑍𝑍 < −2.9228)

Empleando programas, aplicaciones o tablas:
𝑷𝑷(𝑿𝑿 < 𝟒𝟒𝟒𝟒𝟒𝟒) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
4. Cierto tratamiento experimental es evaluado para ver si los pacientes tienen reacciones
adversas a él, se piensa que 3% tienen alguna reacción adversa. Una muestra aleatoria de 150
personas inicia el tratamiento, calcular la probabilidad de que la proporción de la muestra de
los usuarios que realmente presentan una reacción adversa exceda el 4%.
Solución
Para este ejercicio se ilustrará el otro método de resolución, del enunciado se tiene:
𝑛𝑛 = 150, 𝑃𝑃 = 0.03, 𝑝𝑝 = 0.04

Este método toma en cuenta el factor de corrección en forma de proporción (dividido entre el
tamaño de la muestra).
Calculando:
𝑝𝑝 − 𝑃𝑃
𝑃𝑃(𝑋𝑋 > 0.04) = 𝑃𝑃 ⎛𝑍𝑍 > ⎞
� 𝑃𝑃(1 − 𝑃𝑃)
⎝ 𝑛𝑛 ⎠
0.0433 − 0.03
𝑃𝑃(𝑋𝑋 > 0.04) = 𝑃𝑃 ⎛𝑍𝑍 > ⎞
� 0.03(1 − 0.03)
⎝ 150 ⎠
𝑃𝑃(𝑋𝑋 > 0.04) = 𝑃𝑃(𝑍𝑍 > 0.9549)
Obteniendo de programas o de tablas:
𝑷𝑷(𝑿𝑿 > 𝟎𝟎. 𝟎𝟎𝟎𝟎) = 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏
Otra forma para este último cálculo es:
0.0433 − 0.03 0.0433 − 0.03

𝑃𝑃(𝑋𝑋 > 0.04) = 𝑃𝑃 ⎛𝑍𝑍 > ⎞ = 1 − 𝑃𝑃 ⎛𝑍𝑍 < ⎞
� 0.03(1 − 0.03) � 0.03(1 − 0.03)
⎝ 150 ⎠ ⎝ 150 ⎠
𝑃𝑃(𝑋𝑋 > 0.04) = 1 − 𝑃𝑃(𝑍𝑍 < 0.9549) = 1 − 0.83019
𝑷𝑷(𝑿𝑿 > 𝟎𝟎. 𝟎𝟎𝟎𝟎) = 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏
5. La proporción de los componentes defectuosos fabricados es de 4%, encuentre la probabilidad
de que una muestra aleatoria de tamaño 60 tenga más del 1% pero menos del 5% de partes
defectuosas.
Solución
Del enunciado se tiene:

𝑛𝑛 = 60, 𝑃𝑃 = 0.04
Para los factores de corrección se debe tener cuidado con la inclusión o no, de los limites tanto
superior como inferior, en este caso no se incluye a ninguno (esto se refiere al uso del signo: <,
y la consecuente adición o sustracción del 0.5).
0.5 0.5
�0.01 + 60 � − 0.04 �0.05 − 60 � − 0.04
𝑃𝑃(0.01 < 𝑋𝑋 < 0.05) = 𝑃𝑃 ⎛ < 𝑍𝑍 < ⎞
� 0.04(1 − 0.04) � 0.04(1 − 0.04)
⎝ 60 60 ⎠
𝑃𝑃(0.01 < 𝑋𝑋 < 0.05) = 𝑃𝑃(−0.8564 < 𝑍𝑍 < 0.0659)
𝑃𝑃(0.01 < 𝑋𝑋 < 0.05) = 𝑃𝑃(𝑍𝑍 < 0.0659) − 𝑃𝑃(𝑍𝑍 < −0.8564)
𝑃𝑃(0.01 < 𝑋𝑋 < 0.05) = 0.52627 − 0.19589

𝑷𝑷(𝟎𝟎. 𝟎𝟎𝟎𝟎 < 𝑿𝑿 < 𝟎𝟎. 𝟎𝟎𝟎𝟎) = 𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑
6. La empresa de mensajería “Planet Express” opera en sus entregas con un tiempo promedio de
35 minutos y una desviación estándar de 8 minutos. Un cierto día reparten 200 paquetes.
¿Cuál es la probabilidad de que la media de los tiempos de entrega de dicho día esté entre 30
y 35 minutos?
Solución
Se debe calcular: 𝑃𝑃(30 ≤ 𝑋𝑋 ≤ 35)
Se sabe que con el TLC esto es:
30 − µ 35 − µ
𝑃𝑃(30 ≤ 𝑋𝑋 ≤ 35) = 𝑃𝑃 � 𝜎𝜎 ≤ 𝑍𝑍 ≤ 𝜎𝜎 �
√𝑛𝑛 √𝑛𝑛
Del enunciado: µ = 35, 𝜎𝜎 = 8, 𝑛𝑛 = 200
30 − 35 35 − 35
𝑃𝑃(30 ≤ 𝑋𝑋 ≤ 35) = 𝑃𝑃 � ≤ 𝑍𝑍 ≤ �
8 8
√200 √200

𝑃𝑃(30 ≤ 𝑋𝑋 ≤ 35) = 𝑃𝑃(−8.839 ≤ 𝑍𝑍 ≤ 0)

𝑃𝑃(30 ≤ 𝑋𝑋 ≤ 35) = 𝑃𝑃(𝑍𝑍 ≤ 0) − 𝑃𝑃(𝑍𝑍 ≤ −8.839)
𝑃𝑃(30 ≤ 𝑋𝑋 ≤ 35) = 0.500 − 0.000

𝑷𝑷(𝟑𝟑𝟑𝟑 ≤ 𝑿𝑿 ≤ 𝟑𝟑𝟑𝟑) = 𝟎𝟎. 𝟓𝟓𝟓𝟓𝟓𝟓
7. En cierto país, la renta promedio se distribuye uniformemente entre 4.0 millones y 10.0
millones (moneda local). Calcular la probabilidad de que al seleccionar al azar a 100 personas
la media de sus rentas supere los 7.25 millones.
Solución
El enunciado pone que la renta se distribuye según la distribución uniforme, sin embargo, a la
media de las rentas de 100 personas se le puede aplicar el TLC; con respecto a la distribución
uniforme se sabe:
𝑎𝑎 + 𝑏𝑏 (𝑏𝑏 − 𝑎𝑎)2
µ= , 𝜎𝜎 2 =
2 12
Del enunciado se reconoce que: 𝑎𝑎 = 4, 𝑏𝑏 = 10, entonces:
µ=7
𝜎𝜎 2 = 3
𝜎𝜎 = 1.732
Se debe calcular: 𝑃𝑃(𝑋𝑋 > 725)
7.25 − 7
𝑃𝑃(𝑋𝑋 > 7.25) = 𝑃𝑃 �𝑍𝑍 > � = 𝑃𝑃(𝑍𝑍 > 1.4434)
1.732
√100
O también:
𝑃𝑃(𝑋𝑋 > 7.25) = 1 − 𝑃𝑃 (𝑍𝑍 < 1.4434)

Empleando programas, tablas se obtiene:

𝑃𝑃(𝑋𝑋 > 7.25) = 1 − 0.92555
𝑷𝑷(𝑿𝑿 > 𝟕𝟕. 𝟐𝟐𝟐𝟐) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
8. En cierta materia, la probabilidad de que a un estudiante lo saquen a la pizarra en cada clase
es del 10%. En todo el semestre, se tienen 100 clases de esta materia, ¿Cuál es la probabilidad
de tener que salir más 15 veces?
Solución
Aplicando el TLC, con la aproximación a la distribución binomial tomando en cuenta el factor
de corrección de continuidad:
15.5 − 𝑛𝑛𝑛𝑛
𝑃𝑃(𝑋𝑋 > 15) = 𝑃𝑃 �𝑍𝑍 > �
�𝑛𝑛𝑛𝑛(1 − 𝑝𝑝)
15.5 − 100 ∗ 0.1

𝑃𝑃(𝑋𝑋 > 15) = 𝑃𝑃 �𝑍𝑍 > �
�100 ∗ 0.1(1 − 0.1)
𝑃𝑃(𝑋𝑋 > 15) = 𝑃𝑃 (𝑍𝑍 > 1.833) = 1 − 𝑃𝑃 (𝑍𝑍 < 1.833)
Empleando tablas o programas:

𝑷𝑷(𝑿𝑿 > 𝟏𝟏𝟏𝟏) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎

9. Unas bolsas de arena de gato, salen de una planta envasadora automatizada, cada máquina
tiene µ = 𝟓𝟓𝟓𝟓𝟓𝟓 𝒈𝒈 y 𝝈𝝈 = 𝟑𝟑𝟑𝟑 𝒈𝒈. Las bolsas se distribuyen a las tiendas en cargamentos de 100
bolsas. Calcular la probabilidad de que en una tienda la media de los pesos de las bolsas sea
menor que 𝟒𝟒𝟒𝟒𝟒𝟒 𝒈𝒈.
Solución
Se aplica el TLC para calcular: 𝑃𝑃(𝑋𝑋 < 495)
495 − 500
𝑃𝑃(𝑋𝑋 < 495) = 𝑃𝑃 �𝑍𝑍 < �
35
√100
𝑃𝑃(𝑋𝑋 < 495) = 𝑃𝑃(𝑍𝑍 < −1.4286)
Con ayuda de programas o tablas se obtiene:

𝑷𝑷(𝑿𝑿 < 𝟒𝟒𝟒𝟒𝟒𝟒) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
10. Los salarios (en bolivianos) de los empleados de una institución se distribuyen según una
normal de media 1350 y desviación estándar 270 (Bs). Se elige al azar una muestra de 40 ellos.
¿Cuál es la probabilidad de que la suma de sus salarios sea superior a 56500 Bs?
Solución
Para considerar la suma de los 40 salarios de empleados, se debe hacer lo siguiente:
µ = 1350 ∗ 40 = 54000
𝜎𝜎 = 270 ∗ 40 = 10800
Se debe tener claro que aquí no se hace la aproximación a la distribución binomial, ni tampoco
se tienen proporciones (pues ya se sabe que siguen una distribución normal), por lo que el
factor de corrección de continuidad no corresponde.
Se debe calcular: 𝑃𝑃(𝑋𝑋 > 56500)
𝑃𝑃(𝑋𝑋 > 56500) = 1 − 𝑃𝑃(𝑋𝑋 < 56500)

56500 − 54000
𝑃𝑃(𝑋𝑋 > 56500) = 1 − 𝑃𝑃 �𝑍𝑍 < �
10800
√40
𝑃𝑃(𝑋𝑋 > 56500) = 1 − 𝑃𝑃(𝑍𝑍 < 1.464)
Finalmente, la probabilidad de que la suma de sus salarios sea superior a 56500 es:
𝑷𝑷(𝑿𝑿 > 𝟓𝟓𝟓𝟓𝟓𝟓𝟓𝟓𝟓𝟓) = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎

INTERVALOS DE CONFIANZA
1. Se estudia una muestra aleatoria de 50 productos de una reciente fábrica, se obtuvo que la
media muestral del peso de los artículos fue 𝟏𝟏𝟏𝟏𝟏𝟏 𝒈𝒈, con una desviación típica de 𝟒𝟒𝟒𝟒 𝒈𝒈.
Determine el intervalo de confianza para la media, con un nivel de confianza de 98%.
Solución
Del enunciado se sabe el nivel de confianza:
𝛼𝛼
1 − 𝛼𝛼 = 0.98 �� 𝛼𝛼 = 0.02 �� = 0.01
2
De tablas, programas o aplicaciones se tiene:
𝑍𝑍𝛼𝛼/2 = 𝑍𝑍0.01 = 2.32635
Se sabe que el intervalo de confianza (I.C.) es:

𝜎𝜎 𝜎𝜎
𝑋𝑋� − 𝑍𝑍𝛼𝛼 ≤ µ ≤ 𝑋𝑋� + 𝑍𝑍𝛼𝛼
2 √𝑛𝑛 2 √𝑛𝑛
Calculando:
40 40
165 − 2.32635 ≤ µ ≤ 165 + 2.32635
√50 √50
𝟏𝟏𝟏𝟏𝟏𝟏. 𝟖𝟖𝟖𝟖𝟖𝟖 ≤ µ ≤ 𝟏𝟏𝟏𝟏𝟏𝟏. 𝟏𝟏𝟏𝟏𝟏𝟏
El I.C. es: 𝟏𝟏𝟏𝟏𝟏𝟏. 𝟖𝟖𝟖𝟖𝟖𝟖 ≤ µ ≤ 𝟏𝟏𝟏𝟏𝟏𝟏. 𝟏𝟏𝟏𝟏𝟏𝟏, con una confianza del 98%.
2. Una población con distribución normal a la que se toma una muestra aleatoria de 4
evaluaciones de medición dio los siguientes resultados: 9.4, 12.2, 10.7, 11.6. Determine el
intervalo de confianza para la media, con un nivel de confianza de 90%.
Solución
Se debe notar que la media y varianza muestrales son desconocidas; en este tipo de ejercicios
se determinan los mismos como se muestra:
1 1
𝑋𝑋� = ∑𝑛𝑛𝑖𝑖=1 𝑋𝑋𝑖𝑖 𝑆𝑆 = � ∑𝑛𝑛 (𝑋𝑋 − 𝑋𝑋�)2
𝑛𝑛 𝑛𝑛−1 𝑖𝑖=1 𝑖𝑖
1
𝑋𝑋� = (9.4 + 12.2 + 10.7 + 11.6) = 10.975
4
𝑆𝑆 = 1.2176
Del enunciado se obtiene el nivel de confianza:
𝛼𝛼
1 − 𝛼𝛼 = 0.90 �� = 0.05
2
En este tipo de ejercicios se emplea la distribución t-Student, en consecuencia, se obtiene de la
tabla de esta distribución lo siguiente (con programas o aplicaciones también es posible de
𝛼𝛼
obtener) para = 0.05, 𝜈𝜈 = 3 (grados de libertad=n-1):
2

𝑡𝑡𝛼𝛼 = 𝑡𝑡0.05 = 2.35336

2
El intervalo de confianza (I.C.) para este caso está definido por:

𝑆𝑆 𝑆𝑆
𝑋𝑋� − 𝑡𝑡𝛼𝛼 ≤ µ ≤ 𝑋𝑋� + 𝑡𝑡𝛼𝛼
2 √𝑛𝑛 2 √𝑛𝑛
Calculando:
1.2176 1.2176
10.975 − 2.35336 ≤ µ ≤ 10.975 + 2.35336
√4 √4
𝟗𝟗. 𝟓𝟓𝟓𝟓𝟓𝟓 ≤ µ ≤ 𝟏𝟏𝟏𝟏. 𝟒𝟒𝟒𝟒𝟒𝟒
El I.C. es: 𝟗𝟗. 𝟓𝟓𝟓𝟓𝟓𝟓 ≤ µ ≤ 𝟏𝟏𝟏𝟏. 𝟒𝟒𝟒𝟒𝟒𝟒, con una confianza del 90%.
3. Un estudio de mercado para un producto requirió de análisis, para el cual se tomó una muestra
aleatoria de 400 clientes de los cuales 140 respondieron favorablemente. Calcular el error
máximo en la estimación con probabilidad de 95%. Determine el intervalo de confianza con
un nivel de significancia de 5%.
Solución
𝛼𝛼
Para el error máximo. Del enunciado se tiene 𝛼𝛼 = 0.05, = 0.025. De tablas, programas o
2
aplicaciones se tiene:
𝑍𝑍𝛼𝛼/2 = 𝑍𝑍0.025 = 1.95996
140
Se determina la proporción: 𝑝𝑝̂ = = 0.35; el error máximo es:
400
𝑝𝑝̂ (1 − 𝑝𝑝̂ ) 0.35(1 − 0.35)

𝐸𝐸 = 𝑍𝑍𝛼𝛼/2 � = 1.95996 ∗ �
𝑛𝑛 400
𝑬𝑬 = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
Para el intervalo de confianza (I.C.), se sabe:
𝑝𝑝̂ (1 − 𝑝𝑝̂ ) 𝑝𝑝̂ (1 − 𝑝𝑝̂ )

𝑝𝑝̂ − 𝑍𝑍𝛼𝛼 � ≤ 𝑝𝑝 ≤ 𝑝𝑝̂ + 𝑍𝑍𝛼𝛼 �
2 𝑛𝑛 2 𝑛𝑛
Calculando:
0.35(1 − 0.35) 0.35(1 − 0.35)

0.35 − 1.95996� ≤ 𝑝𝑝 ≤ 0.35 + 1.95996�
400 400
𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑𝟑𝟑 ≤ 𝒑𝒑 ≤ 𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑𝟑𝟑

El I.C. es: 𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑𝟑𝟑 ≤ 𝒑𝒑 ≤ 𝟎𝟎. 𝟑𝟑𝟑𝟑𝟑𝟑𝟑𝟑, con una confianza del 95%.

4. Tomando una muestra aleatoria para registrar el peso de 10 cajas, se obtuvieron los siguientes
datos: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 41.9, 45.2, 46.0 (en gramos); Determine el
intervalo de confianza para la varianza del peso de toda la producción, con un nivel de
significación de 5%. Suponga que la población tiene una distribución normal.
Solución
Es necesario calcular lo siguiente:
1 1
𝑋𝑋� = ∑𝑛𝑛𝑖𝑖=1 𝑋𝑋𝑖𝑖 𝑆𝑆 2 = ∑𝑛𝑛 (𝑋𝑋 − 𝑋𝑋�)2
𝑋𝑋� = 45.62 𝑆𝑆 2 = 1.919

Del enunciado se tiene: 𝛼𝛼 = 0.05, 𝜈𝜈 = 𝑛𝑛 − 1 = 10 − 1 = 9. De la tabla de la distribución Chi-
Cuadrado (o del software correspondiente) se obtiene:
2 2
𝜒𝜒𝛼𝛼/2 = 𝜒𝜒0.025 = 19.02277
2 2
𝜒𝜒1− 𝛼𝛼 = 𝜒𝜒0.975 = 2.70039
2
El intervalo de confianza (I.C.) para la varianza es:

𝑆𝑆 2 𝑆𝑆 2
(𝑛𝑛 − 1) ≤ 𝜎𝜎 2 ≤ (𝑛𝑛 − 1)
𝜒𝜒2𝛼𝛼/2 𝜒𝜒21−𝛼𝛼
2
Calculando:
1.919 1.919
(10 − 1) ≤ 𝜎𝜎 2 ≤ (10 − 1)
19.02277 2.70039
𝟎𝟎. 𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗 ≤ 𝝈𝝈𝟐𝟐 ≤ 𝟔𝟔. 𝟑𝟑𝟑𝟑𝟑𝟑𝟑𝟑
El I.C. para la varianza poblacional es: 𝟎𝟎. 𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗 ≤ 𝝈𝝈𝟐𝟐 ≤ 𝟔𝟔. 𝟑𝟑𝟑𝟑𝟑𝟑𝟑𝟑, con una confianza del 95%.
5. Se tienen dos poblaciones, a las que se tomaron muestras independientes y aleatorias, la tabla
muestra los resultados:
Muestra n �
𝑿𝑿 𝑺𝑺𝟐𝟐
A 36 12.7 1.38
B 49 7.4 4.14
Calcular el mayor error en la estimación puntual de µ𝑨𝑨 − µ𝑩𝑩 y determine el intervalo de
confianza para µ𝑨𝑨 − µ𝑩𝑩 , con un nivel de significancia del 5%.
Solución
Del enunciado se tiene: 𝛼𝛼 = 0.05; de tablas o programas se obtiene: 𝑍𝑍𝛼𝛼 = 𝑍𝑍0.025 = 1.95996.
2
Para el error se sabe:
𝜎𝜎𝐴𝐴2 𝜎𝜎𝐵𝐵2
𝐸𝐸 = 𝑍𝑍𝛼𝛼/2 � +
𝑛𝑛𝐴𝐴 𝑛𝑛𝐵𝐵
Calculando:

1.38 4.14
𝐸𝐸 = 1.95996� +
36 49
𝑬𝑬 = 𝟎𝟎. 𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔
Para el I.C. de la diferencia entre dos medias se tiene:
𝜎𝜎𝐴𝐴2 𝜎𝜎𝐵𝐵2 𝜎𝜎𝐴𝐴2 𝜎𝜎𝐵𝐵2

� �
𝑋𝑋𝐴𝐴 − 𝑋𝑋𝐵𝐵 − 𝑍𝑍𝛼𝛼/2 � + � �
≤ µ𝐴𝐴 − µ𝐵𝐵 ≤ 𝑋𝑋𝐴𝐴 − 𝑋𝑋𝐵𝐵 + 𝑍𝑍𝛼𝛼/2 � +
𝑛𝑛𝐴𝐴 𝑛𝑛𝐵𝐵 𝑛𝑛𝐴𝐴 𝑛𝑛𝐵𝐵
Calculando:
1.38 4.14 1.38 4.14

12.7 − 7.4 − 1.95996� + ≤ µ𝐴𝐴 − µ𝐵𝐵 ≤ 12.7 − 7.4 + 1.95996� +
36 49 36 49
𝟒𝟒. 𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔 ≤ µ𝑨𝑨 − µ𝑩𝑩 ≤ 𝟓𝟓. 𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗

El I.C. para la diferencia entre dos medias es: 𝟒𝟒. 𝟔𝟔𝟔𝟔𝟔𝟔𝟔𝟔 ≤ µ𝑨𝑨 − µ𝑩𝑩 ≤ 𝟓𝟓. 𝟗𝟗𝟗𝟗𝟗𝟗𝟗𝟗, con una confianza
del 95%, esto significa que µ𝑨𝑨 es mayor a µ𝑩𝑩 .
6. Un experimento ha comparado la propiedad elástica de dos materiales, este experimento
obtuvo los siguientes datos:
Material n �
𝑿𝑿 𝑆𝑆 2
A 15 3.84 3.07
B 12 1.49 0.80
Son muestras independientes y aleatorias, con poblaciones normales y varianzas
desconocidas. Considere que las varianzas son diferentes y con una confianza del 95%
determine un intervalo de confianza para la diferencia de medias poblacionales µ𝑨𝑨 > µ𝑩𝑩 .
Solución
En este tipo de ejercicios, se emplea la distribución t-Student, los grados de libertad se
determinan de la siguiente manera:
2
𝑆𝑆 2 𝑆𝑆 2 3.07 0.80 2
�𝑛𝑛𝐴𝐴 + 𝑛𝑛𝐵𝐵 � � + 12 �
𝜈𝜈 = 𝐴𝐴 𝐵𝐵
= 15 = 21.678 ≅ 21
2 2 2
𝑆𝑆𝐴𝐴2 𝑆𝑆𝐵𝐵2 3.07 0.80 2
� � � � � � � 12 �
𝑛𝑛𝐴𝐴 𝑛𝑛𝐵𝐵 15 +
+ 15 − 1 12 − 1
𝑛𝑛 − 1 𝑛𝑛 − 1
𝐴𝐴 𝐵𝐵
𝛼𝛼
Del enunciado: 1 − 𝛼𝛼 = 0.95 �� = 0.025
2
𝛼𝛼
Con = 0.025, 𝜈𝜈 = 21, se obtiene: 𝑡𝑡𝛼𝛼/2 = 𝑡𝑡0.025 = 2.07961
2
Es necesario calcular lo siguiente:
𝑆𝑆𝐴𝐴2 𝑆𝑆𝐵𝐵2 3.07 0.80

𝑆𝑆𝑋𝑋�𝐴𝐴 −𝑋𝑋�𝐵𝐵 = � + =� + = 0.521
𝑛𝑛𝐴𝐴 𝑛𝑛𝐵𝐵 15 12

El I.C. de estos casos es:
𝑋𝑋�𝐴𝐴 − 𝑋𝑋�𝐵𝐵 − 𝑡𝑡𝛼𝛼 𝑆𝑆𝑋𝑋�𝐴𝐴 −𝑋𝑋�𝐵𝐵 ≤ µ𝐴𝐴 − µ𝐵𝐵 ≤ 𝑋𝑋�𝐴𝐴 − 𝑋𝑋�𝐵𝐵 + 𝑡𝑡𝛼𝛼 𝑆𝑆𝑋𝑋�𝐴𝐴 −𝑋𝑋�𝐵𝐵
2 2
Calculando:
3.84 − 1.49 − 2.07961 ∗ 0.521 ≤ µ𝐴𝐴 − µ𝐵𝐵 ≤ 3.84 − 1.49 + 2.07961 ∗ 0.521
𝟏𝟏. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐 ≤ µ𝑨𝑨 − µ𝑩𝑩 ≤ 𝟑𝟑. 𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒
El I.C. para la diferencia entre dos medias poblacionales es: 𝟏𝟏. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐 ≤ µ𝑨𝑨 − µ𝑩𝑩 ≤ 𝟑𝟑. 𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒, con
una confianza del 95%.
7. Se acercan las elecciones, y 132 de 200 electores de la región denominada A, favorecen a un
candidato, mientras que le son favorables 90 de 150 electores de la región denominada B. Las
muestras son independientes y aleatorias. Determine el intervalo de confianza con un nivel de
significación de 0.01 para la diferencia entre las proporciones de electores que son favorables
en las dos regiones.
Solución
Del enunciado se tiene: 𝛼𝛼 = 0.01, entonces: 𝑍𝑍𝛼𝛼 = 𝑍𝑍0.005 = 2.57583
2
Calculando las proporciones:

132 90
𝑝𝑝̂𝐴𝐴 = = 0.66 𝑝𝑝̂𝐵𝐵 = = 0.60
200 150
Para determinar el I.C. de proporciones, se tiene:
𝑝𝑝̂𝐴𝐴 (1 − 𝑝𝑝̂𝐴𝐴 ) 𝑝𝑝̂𝐵𝐵 (1 − 𝑝𝑝̂𝐵𝐵 ) 𝑝𝑝̂𝐴𝐴 (1 − 𝑝𝑝̂𝐴𝐴 ) 𝑝𝑝̂𝐵𝐵 (1 − 𝑝𝑝̂𝐵𝐵 )

𝑝𝑝̂𝐴𝐴 − 𝑝𝑝̂𝐵𝐵 − 𝑍𝑍𝛼𝛼 � + ≤ 𝑝𝑝𝐴𝐴 − 𝑝𝑝𝐵𝐵 ≤ 𝑝𝑝̂𝐴𝐴 − 𝑝𝑝̂𝐵𝐵 + 𝑍𝑍𝛼𝛼/2 � +
2 𝑛𝑛𝐴𝐴 𝑛𝑛𝐵𝐵 𝑛𝑛𝐴𝐴 𝑛𝑛𝐵𝐵
Calculando:
0.66(0.34) 0.6(0.4) 0.66(0.34) 0.6(0.4)

0.66 − 0.6 − 2.57583� + ≤ 𝑝𝑝𝐴𝐴 − 𝑝𝑝𝐵𝐵 ≤ 0.66 − 0.6 + 2.57583� +
200 150 200 150
−𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎 ≤ 𝒑𝒑𝑨𝑨 − 𝒑𝒑𝑩𝑩 ≤ 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏
Concluyendo: con un nivel de significación 0.01, el I.C. es −𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎 ≤ 𝒑𝒑𝑨𝑨 − 𝒑𝒑𝑩𝑩 ≤ 𝟎𝟎. 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏, esto
quiere decir que la proporción que favorece al candidato va de 7.44% con mayor proporción en la región
B, hasta 19.44% con mayor proporción en la región A.
8. En una editorial se toma una muestra al azar de tamaño de 150 sobre los vendedores para
estimar la proporción de vendedores en la editorial que no alcanza un límite de ventas mínimo
establecido en la gerencia de la editorial. De entre los vendedores, 50 no han obtenido el límite
mínimo de ventas. Determine el intervalo de confianza para la proporción de vendedores en
la editorial que no alcanzan el límite mínimo con una confianza del 99%.
Solución
50 1
Determinando la proporción: 𝑝𝑝̂ = =
150 3

𝛼𝛼
Del enunciado: 1 − 𝛼𝛼 = 0.99 �� = 0.005
2
Obteniendo de tablas o programas:

𝑍𝑍𝛼𝛼 = 𝑍𝑍0.005 = 2.57583
2
Para determinar el I.C. de proporciones, se tiene:
𝑝𝑝̂ (1 − 𝑝𝑝̂ ) 𝑝𝑝̂ (1 − 𝑝𝑝̂ )

𝑝𝑝̂ − 𝑍𝑍𝛼𝛼 � ≤ 𝑝𝑝 ≤ 𝑝𝑝̂ + 𝑍𝑍𝛼𝛼 �
2 𝑛𝑛 2 𝑛𝑛
Calculando:
1 2 1 2
1 �3 �3� 1 �3 �3�
− 2.57583 ≤ 𝑝𝑝 ≤ + 2.57583
3 150 3 150
𝟎𝟎. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐 ≤ 𝒑𝒑 ≤ 𝟎𝟎. 𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒
Concluyendo: con un nivel de significación 0.01, el I.C. es 𝟎𝟎. 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐 ≤ 𝒑𝒑 ≤ 𝟎𝟎. 𝟒𝟒𝟒𝟒𝟒𝟒𝟒𝟒
9. Se consideran los datos de conductividad térmica para el hierro Armco. Se desea encontrar el
intervalo de confianza del 95% para conductividad térmica promedio de este material, y que
se sabe que la desviación estándar de la conductividad térmica a 𝟏𝟏𝟏𝟏𝟏𝟏℉ y 𝟓𝟓𝟓𝟓𝟓𝟓 𝑾𝑾 es 𝝈𝝈 =
𝑩𝑩𝑩𝑩𝑩𝑩 𝑩𝑩𝑩𝑩𝑩𝑩
𝟎𝟎. 𝟑𝟑𝟑𝟑 𝒉𝒉−𝒇𝒇𝒇𝒇−℉ y la media bajo las mismas condiciones es 𝟒𝟒𝟒𝟒. 𝟗𝟗𝟗𝟗𝟗𝟗 𝒉𝒉−𝒇𝒇𝒇𝒇−℉ . Suponga que la
conductividad térmica está distribuida de manera normal y el tamaño de la muestra fue de 10,
es decir, se satisfacen las condiciones del teorema del límite central (Ayuda: emplear el
intervalo de confianza de la distribución normal).
Solución
𝛼𝛼
Del enunciado: 1 − 𝛼𝛼 = 0.95 �� = 0.025; se obtienen de tablas o programas:
2
𝑍𝑍𝛼𝛼 = 𝑍𝑍0.025 = 1.95996

2
Como el enunciado expresa, se satisfacen las condiciones para el TLC, entonces el intervalo de
confianza I.C. es:
𝜎𝜎 𝜎𝜎
2 √𝑛𝑛 2 √𝑛𝑛
Calculando:
0.3 0.3
41.924 − 1.95996 ≤ µ ≤ 41.924 + 1.95996
√10 √10
𝟒𝟒𝟒𝟒. 𝟕𝟕𝟕𝟕𝟕𝟕 ≤ µ ≤ 𝟒𝟒𝟒𝟒. 𝟏𝟏𝟏𝟏𝟏𝟏
Finalmente: El I.C. con una confianza del 95% y suponiendo que la conductividad térmica está
distribuida de forma normal es: 𝟒𝟒𝟒𝟒. 𝟕𝟕𝟕𝟕𝟕𝟕 ≤ µ ≤ 𝟒𝟒𝟒𝟒. 𝟏𝟏𝟏𝟏𝟏𝟏

10. Se tiene una muestra aleatoria simple de 25 estudiantes, los cuales respondieron un test de
inteligencia, obteniendo un promedio de 100 puntos. La experiencia señala que la “inteligencia
de todos los estudiantes” es normal con una desviación típica igual a 10, con un nivel de
significación de 0.01 determine un intervalo de confianza para la media.
Solución
𝛼𝛼
Del enunciado: 𝛼𝛼 = 0.01 �� = 0.005; se obtienen de tablas o programas:
2
𝑍𝑍𝛼𝛼 = 𝑍𝑍0.005 = 2.57583

2
El intervalo de confianza I.C. es:

𝜎𝜎 𝜎𝜎
2 √𝑛𝑛 2 √𝑛𝑛
Calculando:
10 10
100 − 2.57583 ≤ µ ≤ 100 + 2.57583
√25 √25
𝟗𝟗𝟗𝟗. 𝟖𝟖𝟖𝟖𝟖𝟖 ≤ µ ≤ 𝟏𝟏𝟏𝟏𝟏𝟏. 𝟏𝟏𝟏𝟏𝟏𝟏
Finalmente: El I.C. con un nivel de significación de 0.01 es: 𝟗𝟗𝟗𝟗. 𝟖𝟖𝟖𝟖𝟖𝟖 ≤ µ ≤ 𝟏𝟏𝟏𝟏𝟏𝟏. 𝟏𝟏𝟏𝟏𝟏𝟏

PRUEBAS DE HIPÓTESIS
1. Se toman muestras aleatorias de 100 cajas, las cuales mostraron un peso medio de 𝟕𝟕𝟕𝟕. 𝟖𝟖 𝒈𝒈 con
una desviación típica de 𝟖𝟖. 𝟗𝟗 𝒈𝒈. Pruebe con un nivel de significancia de 5%, que el peso medio
de todos los paquetes (toda la población) es mayor a 𝟕𝟕𝟕𝟕 𝒈𝒈.
Solución
En ejercicios de pruebas de hipótesis se empieza por plantear las hipótesis:
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝐻𝐻0 : µ = 70
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : µ > 70
Del enunciado se puede saber que: 𝛼𝛼 = 0.05
Para este caso, se emplea el estadístico de prueba de la distribución normal:
𝑋𝑋 − µ
𝑍𝑍 = 𝜎𝜎
√𝑛𝑛
Como 𝛼𝛼 = 0.05 entonces: 𝑍𝑍𝛼𝛼 = 𝑍𝑍0.05 = 1.64485, este valor marca el límite entre la Región de
Rechazo (R.R.) y la Región de Aceptación (R.A.):
Calculando:
71.8 − 70
𝑍𝑍 = = 2.022
8.9
√100
Este resultado cae en la región de rechazo, concluyendo:
Se rechaza la hipótesis nula con una significancia del 5%, la media poblacional es mayor a 𝟕𝟕𝟕𝟕 𝒈𝒈.
2. A una población normal se tomo una muestra aleatoria, obteniendo datos acerca de la misma,
los cuales son: 15, 17, 23, 18, 20. Probar con una confianza del 90% que la media de la
población es mayor a 18.
Solución
Se debe notar que la media y varianza muestrales son desconocidas; en este tipo de ejercicios
se determinan los mismos como se muestra:

1 1
𝑋𝑋� = ∑𝑛𝑛𝑖𝑖=1 𝑋𝑋𝑖𝑖 𝑆𝑆 = � ∑𝑛𝑛 (𝑋𝑋 − 𝑋𝑋�)2
1
𝑋𝑋� = (15 + 17 + 23 + 18 + 20) = 18.6
5
𝑆𝑆 = 3.0496
Planteando las hipótesis:
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝐻𝐻0 : µ = 18
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : µ > 18
Del enunciado se puede saber que: 𝛼𝛼 = 0.1
Para este caso, se emplea el estadístico de prueba de la distribución t-Student:
𝑋𝑋 − 𝑋𝑋�
𝑡𝑡 =
𝑆𝑆
√𝑛𝑛
Como 𝛼𝛼 = 0.1, 𝜈𝜈 = 4 entonces: 𝑡𝑡𝛼𝛼 = 𝑡𝑡0.1 = 1.53321, este valor marca el límite entre la Región
de Rechazo (R.R.) y la Región de Aceptación (R.A.):
Calculando:
18.6 − 18
𝑡𝑡 = = 0.4399
3.0496
√5
Este resultado no cae en la región de rechazo, concluyendo:
No hay evidencia suficiente para rechazar la hipótesis nula con una confianza del 90%, la media
poblacional es 18.
3. Una fábrica tiene una norma de cantidad de productos aceptables ≥ 𝟗𝟗𝟗𝟗%. Al tomar una
muestra aleatoria de 175 productos, se encuentran 150 aceptables. Pruebe con una confianza
de 95% que no se está cumpliendo con la norma.
Solución

150
Calculando la proporción 𝑝𝑝̂ = = 0.857. Planteando las hipótesis:
175
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝐻𝐻0 : 𝑝𝑝̂ = 0.9

𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : 𝑝𝑝̂ < 0.9
Del enunciado se tiene: 1 − 𝛼𝛼 = 0.95 �� 𝛼𝛼 = 0.05
Para este caso, se emplea el siguiente estadístico de prueba:
𝑝𝑝̂ − 𝑝𝑝
𝑍𝑍 =
�𝑝𝑝(1 − 𝑝𝑝)
𝑛𝑛
Como 𝛼𝛼 = 0.05 entonces: 𝑍𝑍𝛼𝛼 = 𝑍𝑍0.05 = 1.64485, este valor marca el límite entre la Región de
Rechazo (R.R.) y la Región de Aceptación (R.A.):
Calculando:
0.857 − 0.9
𝑍𝑍 = = −1.8961
�0.9(1 − 0.9)
175
Se rechaza la hipótesis nula con una significancia del 5%, no se está cumpliendo la norma de la
fábrica.
4. El gerente de una fábrica afirma que la duración del producto realizado en su gestión, sigue
una distribución aproximadamente normal con una desviación típica de 0.9 (duración en
años). Se toma una muestra aleatoria de 10 de estos productos, obteniendo una desviación
típica de 1.2 años. Pruebe con una confianza del 95%, si esta evidencia es suficiente para
afirmar que la desviación típica poblacional es mayor a la especificada.
Solución
La prueba de hipótesis es aplicable a la varianza, del enunciado se tiene: 𝜎𝜎 2 = 0.92 = 0.81;
planteando las hipótesis:
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛𝑙𝑙𝑙𝑙 𝐻𝐻0 : 𝜎𝜎 2 = 0.81

𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : 𝜎𝜎 2 > 0.9

Del enunciado se tiene: 1 − 𝛼𝛼 = 0.95 �� 𝛼𝛼 = 0.05
El estadístico de prueba a emplear es:
2
𝑆𝑆2
𝜒𝜒 = (𝑛𝑛 − 1)
𝜎𝜎2
De tablas o programas con el software apropiado, con 𝛼𝛼 = 0.05, 𝜈𝜈 = 𝑛𝑛 − 1 = 9 se tiene:
2
𝜒𝜒0.05 = 16.91898
Se rechaza la hipótesis nula si: 𝜒𝜒 2 > 16.91898
Calculando:
2
1.22
𝜒𝜒 = (10 − 1) = 16
0.92
Este resultado se encuentra en la Región de aceptación. Concluyendo:
No hay evidencia suficiente para rechazar la hipótesis nula de que la desviación estándar es de
0.9 años, con una confianza del 95%.
5. Dos muestras independientes y aleatorias se toman de dos muestras cuyas medias se pretende
estudiar; los siguientes datos corresponden a este estudio:
Muestra n 𝑿𝑿 � 𝑺𝑺𝟐𝟐
A 75 82 64
B 50 76 36
Pruebe la hipótesis: µ𝑨𝑨 > µ𝑩𝑩 con una confianza del 90%.
Solución
Se plantean las hipótesis:
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝐻𝐻0 : µ𝐴𝐴 = µ𝐵𝐵
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : µ𝐴𝐴 > µ𝐵𝐵
Se tiene: 𝛼𝛼 = 0.1, obteniendo de tablas, programas o aplicaciones: 𝑍𝑍𝛼𝛼 = 𝑍𝑍0.1 = 1.28155.
Se emplea el siguiente estadístico de prueba para este tipo de ejercicios:
(𝑋𝑋�𝐴𝐴 − 𝑋𝑋�𝐵𝐵 ) − ( µ𝐴𝐴 − µ𝐵𝐵 )
𝑍𝑍 =
𝜎𝜎 2 𝜎𝜎 2
� 𝐴𝐴 + 𝐵𝐵
𝑛𝑛𝐴𝐴 𝑛𝑛𝐵𝐵
Calculando:
(82 − 76) − (0)
𝑍𝑍 =
�64 + 36
75 50

𝑍𝑍 = 4.7834
Este resultado cae en la región de rechazo. Concluyendo:
Se rechaza la hipótesis nula, es decir, con una confianza del 95% se prueba que µ𝑨𝑨 > µ𝑩𝑩.
6. Un experimento ha comparado la propiedad elástica de dos materiales, este experimento
obtuvo los siguientes datos:
Material n 𝑿𝑿 � 𝑆𝑆
A 12 85 4
B 10 81 5
Son muestras independientes y aleatorias, con poblaciones normales y varianzas
desconocidas. Considere que las varianzas son iguales para probar con una confianza del 95%
que la elasticidad del material A supera en 2 unidades a la elasticidad del material B.
Solución
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝐻𝐻0 : µ𝐴𝐴 ≤ µ𝐵𝐵 + 2
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : µ𝐴𝐴 > µ𝐵𝐵 + 2
Se tiene: 𝛼𝛼 = 0.05; el estadístico de prueba correcto es t-Student con 𝜈𝜈 = 𝑛𝑛𝐴𝐴 + 𝑛𝑛𝐵𝐵 − 2:
(𝑋𝑋�𝐴𝐴 − 𝑋𝑋�𝐵𝐵 ) − ( µ𝐴𝐴 − µ𝐵𝐵 )
𝑡𝑡 =
𝑆𝑆𝑋𝑋�𝐴𝐴 −𝑋𝑋�𝐵𝐵
𝜈𝜈 = 𝑛𝑛𝐴𝐴 + 𝑛𝑛𝐵𝐵 − 2 = 12 + 10 − 2 = 20
Obteniendo de programas o tablas:
𝑡𝑡𝛼𝛼 = 𝑡𝑡0.05 = 1.72472
1 1
Como: 𝑆𝑆𝑋𝑋�𝐴𝐴 −𝑋𝑋�𝐵𝐵 = 𝑆𝑆𝑝𝑝 �
𝑛𝑛𝐴𝐴
+
𝑛𝑛𝐵𝐵
Para 𝑆𝑆𝑝𝑝 :
(𝑛𝑛𝐴𝐴 − 1)𝑆𝑆𝐴𝐴2 + (𝑛𝑛𝐵𝐵 − 1)𝑆𝑆𝐵𝐵2 (12 − 1)42 + (10 − 1)52

𝑆𝑆𝑝𝑝 = � =� = 4.478
𝑛𝑛𝐴𝐴 + 𝑛𝑛𝐵𝐵 − 2 12 + 10 − 2
1 1
𝑆𝑆𝑋𝑋�𝐴𝐴 −𝑋𝑋�𝐵𝐵 = 4.478� + = 1.917
12 10
Calculando:
(85 − 81) − (2)
𝑡𝑡 = = 1.0433
1.917
Este resultado no cae en la región de rechazo, concluyendo:

No hay evidencia suficiente para rechazar la hipótesis nula con una confianza del 95%, esto
quiere decir que el material A excede al material B en no más de 2 unidades.
7. En la tabla se muestran datos correspondientes a un estudio sobre las horas perdidas en un
mes por accidentes de trabajo en 6 fábricas, se muestra un antes y un después de haber
implantado un programa de eficiencia industrial. Asumiendo que la población es normal,
probar con una confianza del 95% que el programa es eficaz.
Fábrica Antes Después
1 45 36
2 73 60
3 46 44
4 39 29
5 17 11
6 30 32
Solución
Sean:
µ1 : 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 "ℎ𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝"
µ2 : 𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 "ℎ𝑜𝑜𝑜𝑜𝑜𝑜𝑜𝑜 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝 𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑𝑑é𝑠𝑠 𝑑𝑑𝑑𝑑𝑑𝑑 𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝𝑝"
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝐻𝐻0 : µ1 = µ2
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑛𝑛𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : µ1 > µ2
Para este trabajo se tomarán las diferencias, y luego se determinarán media y desviación
estándar:
Diferencia 𝑥𝑥1 − 𝑥𝑥2

1 9
2 13
3 2
4 10
5 6
6 -2
Se tiene: 𝛼𝛼 = 0.05; el estadístico a emplear es el de t-Student, de la siguiente manera:
� − ( µ1 − µ2 )
𝐷𝐷
𝑡𝑡 =
𝑆𝑆𝐷𝐷�
√𝑛𝑛
Calculando:
𝑛𝑛
1
� = � 𝐷𝐷𝑖𝑖 = 6.333
𝐷𝐷
𝑛𝑛
𝑖𝑖=1
𝑛𝑛
1
𝑆𝑆𝐷𝐷� = � � )2 = 5.538
�(𝐷𝐷𝑖𝑖 − 𝐷𝐷
𝑛𝑛 − 1
𝑖𝑖=1
Calculando:

6.333 − (0)
𝑡𝑡 = = 2.8011
5.538
√6
Se rechaza la hipótesis nula, con una confianza del 95%, es decir, el programa de eficiencia
industrial es eficaz.
8. Al tomar una muestra aleatoria de 180 paquetes, se determinó un peso medio de 𝟖𝟖𝟖𝟖 𝒈𝒈 con una
desviación típica de 𝟖𝟖. 𝟒𝟒 𝒈𝒈; probar con una confianza del 95% que el peso medio poblacional
es mayor a 𝟖𝟖𝟖𝟖. 𝟔𝟔 𝒈𝒈.
Solución
Se plantean las siguientes hipótesis:
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑛𝑛𝑛𝑛𝑛𝑛𝑛𝑛 𝐻𝐻0 : µ = 81.6
𝐻𝐻𝐻𝐻𝐻𝐻ó𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎𝑎 𝐻𝐻1 : µ > 81.6
Se tiene del enunciado: 1 − 𝛼𝛼 = 0.95 �� 𝛼𝛼 = 0.05; el estadístico a emplear es:
𝑋𝑋� − µ
𝑍𝑍 =𝜎𝜎
√𝑛𝑛
De tablas, programas o aplicaciones se obtiene:
𝑍𝑍𝛼𝛼 = 𝑍𝑍0.05 = 1.64485
Calculando:
83 − 81.6
𝑍𝑍 = = 2.2361
8.4
√180
El resultado cae en la región de rechazo, por lo que se concluye:
Se rechaza la hipótesis nula con una confianza del 95%, esto quiere decir que el peso medio
poblacional es mayor a 𝟖𝟖𝟖𝟖. 𝟔𝟔 𝒈𝒈
9. Una variable aleatoria X sigue una distribución normal, su varianza es 49 y su media es 17

(muestra de tamaño 40). Se hace la siguiente prueba de hipótesis:
𝑯𝑯𝑯𝑯𝑯𝑯ó𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 𝒏𝒏𝒏𝒏𝒏𝒏𝒏𝒏 𝑯𝑯𝟎𝟎 : µ = 𝟏𝟏𝟏𝟏
𝑯𝑯𝑯𝑯𝑯𝑯ó𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂 𝑯𝑯𝟏𝟏 : µ > 𝟏𝟏𝟏𝟏

Y se rechaza la hipótesis nula. Calcular la probabilidad del Error Tipo I.

Solución
Se sabe que el error Tipo I tiene la misma probabilidad que el nivel de significancia, representa
el error que se cometería al rechazar la hipótesis nula siendo esta verdadera.
Al valor Z que separa las regiones será le corresponde un valor en la distribución no

estandarizada 𝑋𝑋 = 𝑥𝑥:
𝑥𝑥 − µ
𝑍𝑍 = 𝜎𝜎
√𝑛𝑛
En este caso: 𝑥𝑥 = 17
Entonces 𝛼𝛼 es la probabilidad correspondiente a:
𝑥𝑥 − µ
𝑃𝑃 �𝑍𝑍 > 𝜎𝜎 �
√𝑛𝑛
Calculando:
17 − 15
𝑍𝑍 = = 1.8070
7
√40
𝛼𝛼 = 𝑃𝑃(𝑍𝑍 > 1.8070)
Empleando tablas, programas se obtiene:
𝜶𝜶 = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
Por lo tanto, la probabilidad de cometer un error Tipo I es 0.03538
10. Usted estudia una prueba de hipótesis para la media:
𝑯𝑯𝑯𝑯𝑯𝑯ó𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 𝒏𝒏𝒏𝒏𝒏𝒏𝒏𝒏 𝑯𝑯𝟎𝟎 : µ = 𝟕𝟕𝟕𝟕
𝑯𝑯𝑯𝑯𝑯𝑯ó𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕𝒕 𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂𝒂 𝑯𝑯𝟏𝟏 : µ > 𝟕𝟕𝟕𝟕

� = 𝟕𝟕𝟕𝟕. 𝟖𝟖; suponiendo que

Se conocen los siguientes datos: 𝜶𝜶 = 𝟎𝟎. 𝟎𝟎𝟎𝟎, 𝒏𝒏 = 𝟏𝟏𝟏𝟏𝟏𝟏, 𝑺𝑺 = 𝟖𝟖. 𝟗𝟗, 𝑿𝑿
el valor real de la media poblacional es 73. Calcular la probabilidad de cometer un Error Tipo
II.
Solución
En este tipo de ejercicios, primeramente, se determina el límite entre la región de rechazo y la
región de aceptación:
𝛼𝛼 = 0.05 �� 𝑍𝑍𝛼𝛼 = 𝑍𝑍0.05 = 1.64485
Entonces el límite (sea 𝑥𝑥) es:
𝑥𝑥 − µ 𝜎𝜎 8.9
𝑍𝑍𝛼𝛼 = 𝜎𝜎 �� 𝑥𝑥 = µ + 𝑍𝑍𝛼𝛼 𝑛𝑛 = 70 + 1.64485 = 71.464
√ √100
√𝑛𝑛
El error Tipo II, se representa con 𝛽𝛽, expresa el error que cometería al aceptar la hipótesis nula,
cuando ésta es falsa.
Con la media poblacional real, se determina 𝛽𝛽 de la siguiente manera:
𝑥𝑥 − µ𝑅𝑅 71.464 − 73
𝛽𝛽 = 𝑃𝑃(𝑋𝑋 < 𝑥𝑥) = 𝑃𝑃 �𝑍𝑍 < 𝜎𝜎 � = 𝑃𝑃 �𝑍𝑍 < �
8.9
√𝑛𝑛 √100
𝛽𝛽 = 𝑃𝑃(𝑍𝑍 < −1.7258)
Obteniendo de programas o tablas:
𝜷𝜷 = 𝟎𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟎
Por lo tanto, la probabilidad de cometer un error Tipo II es 0.04219

5 Probabilidad y Conteo

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

5 Probabilidad y Conteo

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD MAYOR DE SAN ANDRÉS

FACULTAD DE INGENIERÍA - INGENIERÍA ELECTRÓNICA

Con el anterior resultado se sabe que el producto 𝑁𝑁𝑐𝑐 ∗ 𝐴𝐴 es exactamente el rango R de

Marca Frecuencia Frecuencia Frecuencia

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

2. Se presentan 28 postulantes para el programa de becas de auxiliares de docencia, los cuales

ETN 401 SOLUCIONARIO

Se hace el siguiente ajuste: 𝑅𝑅 ′ = 𝑁𝑁𝑐𝑐 ∗ 𝐴𝐴 = 32.2

ETN 401 SOLUCIONARIO

𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼𝐼 = 𝐼𝐼 = |𝑅𝑅 ′ − 𝑅𝑅| = 0.1

ETN 401 SOLUCIONARIO

𝑁𝑁𝑐𝑐 = 1 + 3.3 log(𝑁𝑁) = 1 + 3.3 log(60) = 6.868 ≅ 7 (entero más próximo)

Se hace el siguiente ajuste: 𝑅𝑅 ′ = 𝑁𝑁𝑐𝑐 ∗ 𝐴𝐴 = 5.6

Marca Frecuencia Frecuencia

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

Marca Frecuencia Frecuencia

𝑴𝑴𝑴𝑴 = 𝟔𝟔𝟔𝟔. 𝟖𝟖𝟖𝟖𝟖𝟖

ETN 401 SOLUCIONARIO

Se hace el siguiente ajuste: 𝑅𝑅 ′ = 𝑁𝑁𝑐𝑐 ∗ 𝐴𝐴 = 25

Marca Frecuencia Frecuencia Frecuencia

Interpretando el enunciado, se busca el porcentaje de datos menor a 51 centenas de gramos,

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

De la tabla sabemos: A=500

𝑴𝑴𝑴𝑴 = 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏. 𝟗𝟗𝟗𝟗𝟗𝟗

ETN 401 SOLUCIONARIO

∑𝑛𝑛𝑖𝑖=1 𝑝𝑝𝑖𝑖 ∗ 𝑥𝑥𝑖𝑖

“El costo promedio de los transistores es de 24.32”.

Además, el rango intercuartil es:

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

c) Si dos estudiantes de ingeniería no pueden pertenecer al grupo de trabajo, sólo se podrá

3. Existen 20 maquetas en un concurso, determine de cuantas maneras los evaluadores pueden

4. Se hacen estudios de sistemas de control, para clasificarlos en grupos: A, B, C y D; también se

Se puede clasificar de 12 maneras a los sistemas de control. El diagrama de árbol es el siguiente:

ETN 401 SOLUCIONARIO

𝑁𝑁ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 = 𝐶𝐶15 ∗ 𝐶𝐶13 = 15

𝑁𝑁ú𝑚𝑚𝑚𝑚𝑚𝑚𝑚𝑚 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡𝑡 = 𝐶𝐶210 = 45

ETN 401 SOLUCIONARIO

𝑃𝑃(𝑆𝑆) = 𝑃𝑃(𝐴𝐴) + 𝑃𝑃(𝐵𝐵) + 𝑃𝑃(𝐶𝐶) = 1

𝑃𝑃(𝐴𝐴̅ ∩ 𝐵𝐵�) = 1 − [𝑋𝑋 + 𝑌𝑌 − 𝑍𝑍]

ETN 401 SOLUCIONARIO

8. Existe un cargamento de 1500 lavadoras el cual contiene 400 defectuosas y 1100 no

𝟒𝟒𝟒𝟒𝟒𝟒 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏 𝟒𝟒𝟒𝟒𝟒𝟒 𝟏𝟏𝟏𝟏𝟏𝟏𝟏𝟏

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

De la misma manera para los siguientes incisos:

Finalmente sustituyendo datos:

ETN 401 SOLUCIONARIO

a) Se pide la probabilidad de que A falle dado que B falló:

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

ETN 401 SOLUCIONARIO

Entonces: 𝑃𝑃(𝐷𝐷2 ∩ 𝐷𝐷1) = 𝑃𝑃(𝐷𝐷2 | 𝐷𝐷1) ∗ 𝑃𝑃(𝐷𝐷1)

# 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 19

# 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 2

# 𝑑𝑑𝑑𝑑 𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐𝑐 𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓𝑓 4

𝜎𝜎 2 = 3 − (1.5)2 �� 𝝈𝝈𝟐𝟐 = 𝟎𝟎. 𝟕𝟕𝟕𝟕

𝜎𝜎 = √0.75 �� 𝝈𝝈 = 𝟎𝟎. 𝟖𝟖𝟖𝟖𝟖𝟖𝟖𝟖

Y la desviación típica es: 𝜎𝜎 = √6960000 �� 𝝈𝝈𝒀𝒀 = 𝟐𝟐𝟐𝟐𝟐𝟐𝟐𝟐. 𝟏𝟏𝟏𝟏𝟏𝟏