Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Probabilidades PDF
Probabilidades PDF
PROBABILIDADES
En la mayoría de los problemas hay que tomar decisiones en base a experimentos, así pues
definiremos lo que es un experimento aleatorio para poder entender el concepto de probabilidad.
Experimento Determinístico: Al repetirlos bajo las mismas condiciones siempre dan el mismo
resultado (predecible). Ejemplos: Fenómenos físicos y químicos.
Ejemplos:
- El resultado de una reacción química
- La velocidad de llegada de un cuerpo a tierra al dejarlo caer desde una torre
Ejemplos
Ejemplos:
- Al experimento aleatorio 1 :Lanzar moneda le corresponde el espacio muestral 1 C, S
- Al experimento aleatorio 2 le corresponde 2 D, ND
Si tiene un número no numerable de elementos. Es decir cuyos elementos son todos los puntos de
algún intervalo
Ejemplos:
Clarifiquemos estos conceptos con unos ejemplos:
- Realizamos el experimento aleatorio : “Lanzar un dado y observar la cara superior”
Espacio muestral: = { 1, 2, 3, 4, 5, 6 }
Tratándose los eventos de subconjuntos del espacio muestral, es natural que satisfagan todas las
características de los conjuntos. Sean A y B dos eventos del espacio muestral .
SUB-EVENTOS
Dados dos eventos A y B se dice que A esta contenido en B o que A es sub-evento de B y denotamos
por A B , Es decir si ocurre el evento A ocurre necesariamente el evento B
A B,si w A w B
IGUALDAD DE EVENTOS
Se dice que dos eventos A y B son iguales, y se denota por A = B, si A B y B A
AB A B w w A w B
De manera más general, dados k eventos A1, A2, ..., Ak, su intersección A1 A2 Ak es el
conjunto de todos los resultados básicos que pertenecen a todo Ai (i = 1, 2, ..., k)
A B 4,6
LA UNIÓN, que se denota A B , es el evento que consta de todos los resultados en que
pertenecen al menos a uno de estos eventos. Por lo tanto, la unión A B ocurre si y sólo si A
y/o B ocurren.
A B w w A w B
De manera más general, dados k eventos A1, A2, ..., Ak, su unión A1 A2 Ak es el conjunto
de todos los resultados que pertenecen al menos a uno de estos k eventos.
A ' A A w w w A
A' A
PROPIEDADES
i. A´´ A
ii. A A´
iii. A A´
iv. '
v. A B A B´
Ejemplo: lanzamos un dado al aire. El eventos (A) es que salga un número par, luego su
complementario, evento A es que salga un número impar.
De manera más general, dados k eventos A 1, A2, ..., Ak, se dicen mutuamente excluyentes si cada
par de estos eventos es excluyente, es decir Ai Aj para todo i ≠ j.
Ejemplo: lanzamos un dado al aire y analizamos dos sucesos: A: que salga un número menor que
3, B: que salga el número 6.
Dados k eventos E1, E2, ..., Ek definidos en el mismo espacio muestral , si su unión E1 E2 ...
Ek = se dice que estos k eventos son colectivamente exhaustivos.
LEYES DE MORGAN
Las operaciones o el algebra de eventos o sucesos es el mismo de el algebra de conjuntos.
Las leyes de Morgan se usan para el complemento es decir: Leyes De Morgan
EJERCICIOS
3. PROBABILIDAD.-
1. 0 P( A) 1
2. Si A es un evento imposible entonces P A 0
3. P( ) = 1
4. Si A y B son mutuamente excluyentes entonces P(A B) = P(A) + P(B)
4. PROBABILIDAD CONDICIONAL
P( A B)
P( A | B)
P( B)
, siempre que P(B) > 0
Y se entiende como la probabilidad de que ocurra el suceso A considerando que antes ha ocurrido
el suceso B.
EJEMPLO: Sea el experimento aleatorio lanzar dos monedas una después de otra. ¿Cual es la
probabilidad de que en el primer lanzamiento haya salido una cara sabiendo que al lanzar las dos
monedas salió al menos una cara?
SOL. Se lanza dos veces una moneda: E={CC,CS,SC,SS}. Sabemos que ha ocurrido el suceso
“sale al menos una cara”, es decir, B={CC,CS,SC}
La probabilidad de que ocurra el suceso A “en el primer lanzamiento sale cara”={CC,CS} condicionada
por el suceso B será:
P A B
P( A y B) 2 / 4
2/3
P( B) 3/ 4
Propiedades de la probabilidad condicional
1. 0 P( A | B) 1
2. P( | A) 1
3. P( A | ) A
También conocido como Teorema de Multiplicación, se puede ver como una consecuencia de la
definición de probabilidad condicional, indica que la probabilidad de la intersección de dos eventos
cualesquiera A y B es:
P(A ∩ B) = P(A|B)P(B) = P(B|A)P(A)
La generalización de esta regla para n eventos nos lleva a:
P( A1 An ) P( An | A1 An1 ) P( An1 | A1 An2 ) P( A3 | A1 A2 ) P( A2 | A1 ) P( A1 )
Ejemplo: En una urna hay 5 bolillas blancas y 4 bolillas rojas; Se extrae al azar sucesivamente y sin
reposición dos bolas ¿cual es la probabilidad de que las dos resulten blancas?
SOL:
6. INDEPENDENCIA DE EVENTOS
Dados dos eventos A y B se dice que son independientes estadísticamente, o simplemente
independientes, si y sólo si
P(A ∩ B) = P(A)P(B)
En otras palabras, A y B son independientes si y solo si P(A|B) = P(A) siempre que P(A) sea diferente
de 0 y también si P(B|A) = P(B) siempre que P(B) sea diferente de 0.
P A1 An P A1 .P A2 .....P An
Ejemplo: Se lanza un dado 5 veces. Hallar la probabilidad de que no aparezca ningún seis en los cinco
lanzamientos.
SOL.
7. PARTICIÓN:
Se dice que la colección de eventos B1 , B2 , , Bk conforman una partición del espacio muestral si
1. Bi B j Ø para i j , i, j 1, 2,3,....k
3. P ( Bi ) 0 para todo i
EJEMPLO: En un laboratorio hay tres jaulas, en la jaula B1 hay dos conejos pardos y tres blancos, en la jaula B2
hay 4 conejos pardos y 2 blancos, en la jaula B3 hay 5 conejos pardos y 5 blancos. Se selecciona al azar una
jaula y se saca un conejo al azar de esta jaula. ¿Cuál es la probabilidad de que el conejo escogido sea blanco?
SOLUCIÓN:
9. TEOREMA DE BAYES.- Si los eventos B1 , B2 , , Bk forman una partición del espacio muestral y A
es un evento cualquiera de , entonces:
P( Br A)
P( Br | A)
P A
Donde el numerador resulta del teorema de multiplicación y el denominador del teorema de probabilidad
total.
EJEMPLO: En el ejemplo anterior, supongamos ahora que el conejo escogido aleatoriamente es blanco. ¿Cuál
es la probabilidad de que provenga de la jaula B1?
SOLUCIÓN:
1. VARIABLE ALEATORIA.
Una variable aleatoria "X" es una aplicación definida en un espacio muestral , que toma valores
reales, o sea es la transformación del Espacio Muestral en un conjunto numérico, mediante X.
Definición formal:
Dado un experimento aleatorio y el espacio muestral asociado a dicho . Una función que
asigna a cada elemento w en uno y solamente un numero real x X w , se llama VARIABLE
ALEATORIA. Es decir, X es una función real X :
El rango o recorrido RX de la variable aleatoria X esta dado por el conjunto de números reales:
RX x / X w x, w X
Ejemplos:
Definición: Una variable aleatoria se dice discreta cuanto toma una serie de valores aislados es
decir cuando RX es un conjunto finito o infinito numerable. Se dice continua cuando puede tomar
cualquier valor dentro de un intervalo.
Ejemplos:
De los ejemplos anteriores son discretas a,b,d , y son continuas la c y e.
Ejemplo:
Sea X = “Número de caras al tirar dos monedas”
RX : 0, 1, 2
Función de probabilidad:
1
p(0) P( X 0)
4
1
p(1) P( X 1)
2
1
p(2) P( X 2)
4
Observaciones:
El dominio de la función de probabilidad es RX .
La función de probabilidad p x toma valores entre 0 y 1.
La suma de todos los valores que toma la función de probabilidad es 1.
Se llama función de distribución, F, de una variable aleatoria X a la función que asigna a cada valor
de la variable la probabilidad de que ésta tome un valor menor o igual que ese.
F ( x) P( X x)
Definición formal: Sea X una v.a. discreta con rango RX x1 , x2, ..... y función de probabilidad,
p xi P X xi , sea x un numero real cualquiera, la Función de Distribución de X se denota por
“ F x ” y se define como:
F ( x) P( X x) p x P X xi
xi x xi x
Es decir, para calcular el valor de la función de distribución en un punto xi debemos sumar los valores
que toma la función de probabilidad en todos los puntos menores o iguales que xi.
Ejemplo:
Sea X = “Número de caras al tirar dos monedas” (del ejemplo anterior)
0 si x 0
1
si 0 x 1
2
F ( x)
3 si 1 x 2
4
1 si 2 x
Observaciones:
La función de distribución es “escalonada”, empieza tomando el valor 0, tiene saltos en el
recorrido de la variable aleatoria hasta tomar el valor 1.
Definición: Sea X una v.a. continua con rango RX . La función de densidad de probabilidad asociada
a la variable aleatoria, es una función f x integrable que satisface las siguientes condiciones:
a. f x 0, x
b. f x dx f x dx 1
RX
b
P A P a X b f x dx
a
OBS:
x0
Ejemplo:
Sea una variable aleatoria continua con función de densidad dada por:
c 6 x 2 x 2 ,0 x 2
f x
0 , en otro caso
1) Encuentre el valor de la constante c.
Sol:
0 2
Como 0dx c 6x 2x dx 0dx 1
2
0 2
2
2 3
Se obtiene 0 c 3x 2 x3 0 1 , luego c
3 0 20
2) Calcular P X 1
Definición: sea X una v.a. continua con función de densidad f x La función de distribución
acumulada de la v.a. continua X, denotada por F x , se define por:
x
F ( x) P( X x) f (t ) dt , x
Es decir F x asigna a cada valor x la probabilidad de que la variable aleatoria X sea menor
de x.
Ejemplo:
Sea una variable aleatoria continua con función de densidad dada por:
3x
2 x ,0 x 2
f x 4
0 , en otro caso
3 2 x
x 0 x
3
2) Si 0 x 2, F x P X x f t dt 0dt 0 4 t 2 t dt 4 x 1 3
x 0 2 x
3
3) Si x 2, F x P X x f t dt 0dt t 2 t dt 0dt 1
0
4 2
0 x0
3 x
Luego: F x x 2 1 0 x 2
4 3
1 x2
Gráficamente:
Observar que F(x) empieza tomando el valor 0 y va creciendo hasta alcanzar el valor 1.
1. 0 F x 1, x
2. lim F x 0
x
3. lim F x 1
x
d F x
6. Del segundo teorema fundamental del calculo se tiene que: f x
dx
Las características numéricas son medidas que permiten sintetizar la información de forma
tal que ofrecen las características generales del fenómeno en estudio, es decir, sus rasgos
principales. También se conocen como parámetros de las variables aleatorias.
Las características fundamentales que se estudiarán son: Media y varianza
E x x1 p ( x1 ) x2 p ( x2 ) ... xn p ( xn ) xp( x) ,
xRX
Si X es una v.a. discreta (*)
E x xf x dx xf x dx , Si X es una v.a. continua (**)
RX
1 1 1
Media= 0 p(0) 1 p(1) 2 p(2) 0 1 2 1
4 2 4
Es decir, si repites el experimento muchas veces en promedio obtendrás una cara.
1 1 1 21
Media= 1. p (1) 2 p (2) ...6. p 6 1 2 ... 6 3.5
6 6 6 6
7.2.1 Sea X una v.a e Y H X Una función de X, EL valor esperado H X se define por:
i. E H X H x p( x)
xRX
Si X es una v.a. discreta
i. E a a
ii. E aH X aE H X
iii. E aH X bG X aE H X bE G X
La varianza de una v.a. X, se denota por Var X ó V X ó por la letra griega X 2 y se define
como:
Var X E X
2
Por lo tanto:
V x x
2
p( x) , Si X es una v.a. discreta
xRX
V x x f x dx ,
2
Si X es una v.a. continua
RX
Ejemplo:
Sea X = “Número de caras al tirar dos monedas”
Varianza
E X 2 02 p(0) 12 p(1) 22 p(2) 1.5
1
2 E X 2 2 02 12 22 12
1 1 1
4 2 4 2
7.4.1 Sea X una v.a con valor esperado E X la varianza esta dada por:
V X E X 2 2
7.5 EJEMPLOS:
7.5.1 Tiramos 3 monedas y sea la v.a. discreta X = “Número de caras”
Entonces:
Función de distribución.
0 x0
1
0 x 1
8
4
F ( x) 1 x 2
8
7
2 x3
8
1 x3
Parámetros.
1 3 3 1
xi p ( xi ) 0 1 2 3 1,5
8 8 8 8
1
2 xi 2 f ( xi ) 2 02 12 22 32 1,52 0, 75
1 3 3
8 8 8
8
0,75 0,87
7.5.2 PREGUNTA:
Sea el siguiente juego Si un jugador lanza la moneda 3 veces, y gana un dos soles por cada
cara obtenida.
a. Si el juego cuesta 2 soles cual es su ganancia esperada?
b. Si el juego cuesta 4 soles cual es su ganancia esperada?
c. Sea la variable aleatoria Y: ganancia en el juego, en cual de los casos a) ó b) será Y mas
homogénea?
SOLUCION:
Por la forma de presentar el recorrido de la variable x, indica que es una variable continua.
2 2
1
a. E X x f ( x)dx = x 2 dx = 1/2[x 3 / 3) = 1/2(8/3 - 0)=1.33
0
20
2 2
b. E X 2
x 2
f ( x)dx = 1/2 x3dx 1/ 2( x 4 / 4) 1/ 2(16 / 4) 16 / 8 2
0 0
d. E(2x2) = 2 E(x2) = 2 . 2 = 4
f. 2 0,23 = 0,48
Recuerde que la desviación típica se representa por la letra griega sigma y que es la raíz
cuadrada de la varianza (V(x) = 2
f (x)
F (x)
Parámetros Parámetros
n
xi f ( xi ) x f ( x) dx
i 1
n
(x
i 1
i ) 2 f ( xi )
( x ) 2 f ( x) dx
ó
n
x f ( xi ) 2
2
n
i 1
La variable aleatoria toma un número finito de n valores, cada uno con igual probabilidad.
1
f ( xi ) P( X xi ) , Rx xi , x2, ...xn
n
Hay muchos experimentos que solo tienen dos resultados posibles, llamados éxito “E” y fracaso
“F”. Donde la probabilidad de éxito es siempre la misma es decir es constante y por lo tanto
también lo es la probabilidad de fracaso. Luego al espacio muestral para este tipo de ensayo es
E, F , Por ejemplo al lanzar una moneda podemos considerar éxito si sale cara.
Si denotamos p P E y q 1 p P F x 0 1
p(x) 1-p=q p
n
p x P X x n, p p x q , x 0,1,..., n.
n x
x
n n!
donde es el número de formas en que se pueden tener k éxitos de n
k k!(n k )!
intentos.
Propiedades:
1. E X np 2. V X npq
EJEMPLO:
Si Tiramos 5 esferas a una canasta, la probabilidad de acertar cada tirada es 0,4. Si
consideramos la variable X " Número de aciertos " Hallar la distribución de probabilidades de
X , graficarla y calcular sus parámetros.
SOLUCION:
Suponiendo que la probabilidad de éxito se mantiene constante (es decir el lanzador no
aprende)
Entonces X tiene distribución de probabilidad binomial con Rango = {0, 1, 2, 3, 4, 5} y función de
5
probabilidad: f (k ) 0,4 k 0,6 5 k ES DECIR:
k
0
5
0,41 0,6 4 0,2592 si x 1
1
5 0,4 2 0,63 0,3456 si x 2
2
f ( x)
5 0,43 0,6 2 0,2304 si x 3
3
5
0,4 0,6 0,0768 si x 4
4 1
4
5
0,45 0,60 0,0102 si x 5
5
Parámetros:
n p 5 0,4 2 , n p q 5 0,4 0,6 1,2 1,10
OBS:
Los cálculos de probabilidad a partir de la función, pueden llegar a ser muy tediosos, en
especial cuando aumenta “n”, sin embargo se pueden obtener las probabilidades
directamente de la tabla Binomial, las cuales se encuentran disponibles en las tablas estadísticas y
de esta forma evitar cálculos fatigosos, También se puede usar programas como el Excel que
dan los cálculos exactos
La distribución geométrica también esta relacionada con un proceso de Bernoulli, exepto que el
numero de ensayos no es fijo. Consideremos entonces una sucesión de ensayos Bernoulli.
Definimos la variable aleatoria X de la siguiente manera:
X w número de ensayos requeridos hasta obtener el primer éxito.
Entonces tenemos: RX 0,1,3,... , con distribución dada por:
p x P X x p x q
x 1
, x 1, 2,3...
Propiedades:
1 q
1. E X 2. V X 2
p p
3. P X x r P X x es decir la distribución geométrica no tiene memoria
X r
EJEMPLO:
SOLUCION:
x 1 r
p x P X x p q , x r , r 1, r 2, r 3,...
xr
r 1
Propiedades:
r rq
1. E X 2. V X 2
p p
EJEMPLO:
La probabilidad de que una maquina de la marca A con 2 años de servcicio produzca un articulo
defectuoso es 0.25
b. Cual es la probabilidad de que sea necesario fabricar 5 en total articulos para obtener
exactamente 3 articulos defectuosos.
SOLUCION:
Por ejemplo una urna con N bolas, donde N = 1,2,3,... de las cuales M son blancas y N-M son
negras. Tomamos una muestra aleatoria sin remplazamiento de tamaño n, siendo n ≤N.
Definición:
Tomamos una muestra aleatoria sin reemplazamiento de tamaño n y definimos la v.a.:
X: número de elementos que pertenecen a las subpoblación M.
Entonces decimos que X sigue una distribución hipergeométrica de parámetros N,M,n,
XH(N,M,n) y su función de probabilidad es:
M N M
nx
p x P X x
x
, x 0,1, 2,......, min n, M
N
n
Propiedades:
M
1. E X n
N
M M N n
2. V X 1
N N N 1
EJEMPLO 1
En una convención nacional, hay 50 representantes de un partido político, de los cuales 30
apoyan al candidato A y 20 apoyan al candidato B. Si seleccionamos aleatoriamente cinco
representantes, ¿cuál es la probabilidad de que entre esos cinco, dos apoyen al candidato A?
30 50 30 30 20
x 5 x 2 5 2
P X x , x 0,1, 2,3, 4,5 , P X 2 0, 234
50 50
5 5
1. Proceso Poisson
Diremos que los eventos discretos que se generan en un intervalo continuo (unidad de
medida: longitud, área, volumen, etc) forman un proceso Poisson con parámetro , si
tiene las siguientes propiedades:
2. Distribución De Poisson
En un proceso Poisson de parámetro se observa t unidades de medida, definimos X de la
siguiente manera:
X w =numero de ocurrencias de eventos en t unidades de medida.
RX 0,12,3,..
La variable aleatoria así definida se llama variable aleatoria de Poisson y la distribución de
probabilidad de X se llama distribución de Poisson la cual esta definida por:
e t t
x
p x P X x , x 0,1, 2,3..
x!
3. Propiedades:
EJEMPLO 1
Una central telefónica recibe 480 llamadas en una hora, pero no puede recibir más de 12
llamadas en un minuto.
Determine:
a. La probabilidad de que se produzcan 10 llamadas en un minuto.
b. La probabilidad de que la central quede saturada en un minuto dado.
c. La probabilidad de que se produzcan a lo sumo 1 llamada en un minuto.
d. La probabilidad de que se produzcan mas de 2 llamadas en un minuto.
e. El número de llamadas esperadas en un minuto.
SOLUCION:
a. P X 10 0.09926
10!
e8 8
x
12
b. P X 12 1 P X 12 1 1 0.9362 0.06379 Porque como la
0 x!
central no puede recibir más de 12 llamadas en un minuto, quedaría saturada si
recibe más de 12 llamadas
EJEMPLO 2
Ejemplo 1. Suponga que una compañía de seguros asegura las vidas de 5000 hombres de 42
años de edad. Si los estudios actuariales muestran que la probabilidad de que un hombre
muera durante el 2012 es 0.001 ¿Cuál es la probabilidad de que la empresa pague
exactamente 4 indemnizaciones durante el 2012?
SOLUCION:
5000!
P Y 4 p (4) (0.001) 4 (0.999) 4996 =0.1755
4!4996!
t 4 e t 54 e5
P( X 4) 0.1754
4! 4!
2. Propiedades:
a. E X i n pi
b. Var( X i )= npi 1 pi
Ejemplo:
Si lanzamos un dado 50 veces. ¿Cuál es la probabilidad de obtener 25 unos, 10 veces el dos y
15 veces el cinco?
SOLUCION:
Sea: X1 : numero total de unos, X2 : numero total de dos, X3 : numero total de tres, …
Entonces la probabilidad pedida será:
P X1 25, X 2 10, X 3 0, X 4 0, X 5 15, X 6 0
25 10 0 0 15 0
50! 1 1 1 1 1 1 19
5.1(10 )
25!10! 0! 0!15! 0! 6 6 6 6 6 6
ESPACIO MUESTRAL
EVENTOS y SUCESOS:
2. Una urna contiene 4 bolillas numeradas: 1, 3,5 y 7, otra urna contiene 3 bolillas
numeradas: 2, 4, y 6. Se extrae una bolilla de la primera urna y luego una segunda bolilla
de la segunda urna. De tres ejemplo de:
a. Un evento elemental.
b. Un evento imposible
c. Un evento seguro
4. Supongamos que una bolilla es seleccionada de una urna que contiene 10 bolillas rojas
numeradas del 1 al 10 y 10 bolillas azules numeradas también del 1 al 10. Sean los eventos:
2. Una urna contiene 5 bolas blancas y 7 bolas negras.se extrae un abola al azar, se pone fuera
de la urna y su color no es visto; después se extrae otra bola aleatoriamente. ¿Cuál es la
probabilidad que esta ultima sea blanca?
i. I: La primera sea B
ii. II: La primera no sea B
iii. III: la segunda sea B
3. Se tiene 5 urnas idénticas; dos de ellas de igual contenido ,con 3 bolas blancas y 5 negras ,y
las otras tres teniendo cada una ,4 blancas y 3 negras .se elije una urna aleatoriamente .De la
urna elegida se extrae al azar una bola .¿cual es la probabilidad que sea blanca?
4. Se tiene 2 urnas A y B, con 5 bolas rojas ,3 blancas y una roja ,2 blancas respectivamente .Se lanza un
dado, si se obtiene 3 o 6, se pasa una bola de B a A, luego se extrae una bola de A .En cualquier otro
caso se pasa una bola de A a B, luego se extrae una bola de B. Determinar la probabilidad que:
5. tres urnas contienen respectivamente una bola blanca, dos negras; dos blancas una bola negra; dos
blancas y dos bolas negras. De la primera urna se transfiere una bola a la segunda, después se
transfiere una a la tercera urna y enseguida se extrae una bola de la tercera urna. ¿Cuál es la
probabilidad de que esta sea blanca?
6. Considere una urna con 10 bolas de las cuales 5 son negras .se elije al azar un entero n del
conjunto {1, 2, 3, 4, 5,6}, luego se selecciona una muestra de tamaño n sin reemplazo de la
urna .Determinar al probabilidad que todas las bolas de la muestra sean blancas.
7. En una sociedad hay 15 miembros, 5 mujeres y 10 hombres. A una reunión asistieron 13 miembros
para elegir un presidente. ¿Cuál es la probabilidad de que sea una mujer la elegida?
8. Se tiene 5 fusiles que, cuando son apuntados apropiadamente y disparados, tienen probabilidades de
dar en el blanco respectivamente como sigue: 0.5; 0.6; 0.7; 0.8 y 0.9. e escoge aleatoriamente uno de
los fusiles, se apunta y dispara. ¿Cuál es la probabilidad de dar en el blanco?
11. Si se tira la misma moneda las dos veces, hallar la probabilidad de que sea la moneda con
dos caras.
12. Una urna I contiene dos bolas blancas y tres azules, una segunda urna II, contiene tres bolas blancas y
cuatro azules, se extrae aleatoriamente una bola de la urna I y se coloca en la segunda, luego se extrae
aleatoriamente una bola de esta; calcular la probabilidad de que esta ultima sea blanca.
13. Por la noche dos coches se aproximan uno al otro en una autopista. Si ninguno de los dos choferes
esta borrachos, ambos pasarán a salvo con una probabilidad de 0.999. Cada uno puede estar borracho
con una probabilidad de 0.1, la probabilidad que ambos están borrachos es de 0.01. si solo el chofer
A esta borracho, pasaran a salvo con una probabilidad de 0.7. Si solo el chofer B esta borracho pasaran
a salvo con una probabilidad de 0.8. Si ambos están borrachos, pasaran sin peligro con una
probabilidad de 0.4. ¿Cuál es la probabilidad que pasen a salvo?
14. La urna I tiene tres bolas blancas y 7 negras. La urna II tiene 20 bolas de las cuales algunas son blancas
y las demás son negras se escoge una urna al azar y de ella se extrae una bola encontrándose que es
blanca. si la probabilidad que esta bola blanca provenga de la urna I es igual a 1/3 determinar el
número de bolas blancas que existían originalmente en la urna II.
15. Un fabricante recibe el 60% de sus materias primas del distribuidor A y el resto B por experiencia sabe
que el 92% de los costales de materia prima llegan en buenas condiciones. ¿Cuál es la probabilidad
que un costal dañado sea el distribuidor A? ¿Qué Sea el B? un estudio posterior revela que el 95% de
los costales del distribuidor A llega en buen estado ,mientras que el 87.5% de B es de buena calidad
.con esta información ¿Cuál es la probabilidad que un costal dañado proceda de A ?.
16. un aparato especial para medir el contenido alcohólico en la sangre de una persona arrojo el siguiente
resultado : de 500 voluntarios ,240 estaban borrachos ( el nivel de alcohol de sangre era 0.0015 o mas
) los mismos 500 voluntarios se sometieron a una prueba sanguínea inmediatamente después
,encontrándose 280 personas con un nivel de 0.0015 o mas .después se determino que 180 personas
resultaron estar borrachos en ambas pruebas ¿ que porcentaje de personas resultaron estar ebrios
sin que lo indicara el aparato?.Supóngase que una persona realmente estuviera borracha y que pasara
la prueba en el aparato .según la información dada anteriormente, ¿Cuál es la probabilidad que al
prueba resulta positiva?.
17. Todas las noches, el señor Pérez llega tarde a su casa .la señora Pérez que es una buena esposa, le
deja encendida la luz de la entrada a la casa. la probabilidad que el señor Pérez llegue borracho es
a. ¿ Cual es la probabilidad que el señor Pérez apague la luz en una noche cualquiera?.
b. Dado que el señor Pérez apago la luz una cierta noche .cual es la probabilidad que a
ya legado borracho?
18. La compañía COMPUT-PERU esta considerado comercializar una Calculadora – electrónica .de acuerdo
a una investigación hecha en el mercado, la probabilidad que el producto tenga éxito es 0.80 si una
firma competidora introduce un producto similar en el mercado, en tanto que la probabilidad de éxito
es de 0.30 si la firma competidora comercializa el producto similar en el mercado ,en tanto que la
probabilidad de éxito es de 0.30 si al firma competidora comercializa el producto similar .A demás la
compañía estima que hay una probabilidad de 0.40 que la firma competidora comercialice el producto
.dado que el producto de la compañía de COMPUT-PERU tuvo éxito .¿ cual es la probabilidad que al
firma competidora haya comercializado el producto ?
19. Juan tiene dos bolas; la bolsa I, con tres bolas rojas y dos blancas ;la bolsa II con una bola roja y cuatro
blancas. Juan escogió una bola de la bolsa I ala zar y lo coloca en la bolsa II y encuentra que es roja
¿Cual s la probabilidad de que al bola transferida de la bolsa I a la II haya sido roja.
21. Una urna contiene cuatro bolas blancas y cinco negras. Se extraen sucesivamente y sin reposición dos
bolas, sean los eventos: A: “La primera bola extraída es negra” B: “la segunda bola extraída es blanca”,
¿Son los eventos A y B independientes?
22. De una baraja ordinaria de 52 cartas se extraen sucesivamente dos cartas, restituyendo la primera
antes de extraer la segunda. Sea A el evento (suceso) “la primera carta es una pica””, B el evento “la
segunda carta es as o rey” y C el evento “la primera carta es as o rey”. De los tres pares de eventos: A
y B; A y C; B y C. determine cuales (si los hay) son independientes.
27. si A y B son eventos independientes con P[A]= 0.2 , P[B]= 0.3 ¿Cuál es la probabilidad que:
a. Al menos uno ocurra
b. Exactamente uno ocurra
c. Ninguna ocurra
28. Sean A y B dos eventos independientes, se sabe que la probabilidad de que ocurra al menso uno de
dicho eventos es 0,6 y que al probabilidad de que ocurra de A es 0,4 .Cual es la probabilidad de que
ocurra B.
29. Si un conejo es inyectado con una droga A la probabilidad que muera dentro de las 24 horas siguientes
es de 0,63 y si es inyectado con una droga B dicha probabilidad es de 0,45 .¿cual es la probabilidad
que un conejo sobreviva más de 24 horas después de haber sido inyectado simultáneamente con las
drogas A y B ,si se supone que la acción de las misma es independiente.
30. Se dispara cada uno de los fusiles A, B y C la probabilidad de dar en el blanco es 0,15; 0,25 y 0,35,
respectivamente. Calcular la probabilidad:
31. Considere tres urnas; la urna I contiene una bola blanca y dos negras ,la urna II contiene tres bolas
blancas y dos negras y al urna III contiene dos bolas blancas y tres negras .Se extrae una bola de cada
una. ¿Cual es la probabilidad de que entre las bolas extraídas haya
VARIABLE ALEATORIA
X 0 1 2 3 4
P(X) 1/8 1/4 1/4 1/4 1/8
a. Hallar E( X )
b. Hallar E ( X 2 )
c. Hallar E ( X )2
1
x, 0 x 1500
(1500)2
f ( x) 1
(1500)2 ( x 3000), 1500 x 3000
en otro caso
0
5. Suponiendo que la duración (en horas) de cierto transistor es una variable continúa X con
100
fdp f ( x) 2 , x 100 y 0 para cualquier otro valor.
x
a. Halle la función de distribución acumulada de X.
b. Determine si existe E ( x)
6. Supóngase que un instrumento electrónico tiene una duración X (en unidades de 1000 horas
) que se cons8idera como una variable aleatoria continua con la siguiente fdp:
f ( x) e x , x 0.
Suponiendo que el costo de fabricación de tal articulo es $2.00. El fabricante vende el
articulo por $5.00, pero garantiza un reembolso total si X 0.9 . ¿Cuál es la utilidad
esperada del fabricante por artículo?
8. Un lote de 10 motores eléctricos contiene uno defectuoso y estos pueden ser vendidos
totalmente o rechazados totalmente por el cliente, si el costo por motor es de $75 y se
venden por $100 cual será la utilidad del vendedor si es que el cliente escoge
aleatoriamente 2 motores y los prueba y en caso de encontrar uno o ambos motores
defectuosos rechaza el lote y en este caso los 10 motores deben ser destruidos.
9. Supongamos que cierto tipo foco tiene una probabilidad de 0.2 de funcionar (encender)
más de 1000 horas. Si probamos 20 focos, ¿Cuál es la probabilidad de que exactamente k de
ellos funcionen mas de 1000 horas?, k= 1, 2, 3, …,20
11. Una fábrica produce diariamente 10 recipientes de vidrio. Se puede suponer que hay una
probabilidad constante p=0.1 de producir uno defectuoso. Antes de que estos depósitos se
almacenen son inspeccionados y los defectuosos puestos aparte. Supongamos que hay una
probabilidad constante r=0.1 de que un recipiente defectuoso sea mal clasificado. Sea X
igual al número de recipientes clasificados como defectuosos al término de un día de
producción. (Suponemos que todos los recipientes que se fabrican en un día son
inspeccionados al termino de ese mismo día)
a. Calcular P( X 3) ,y P( X 3)
b. Obtener una expresión para P( X k )
12. Supóngase que la maquina uno produce (diariamente) el doble de artículos que la maquina
2. Sin embargo, cerca del 4 % de los artículos producidos por la maquina uno son
defectuosos, mientras que en el caso de la maquina dos el porcentaje de defectuosos son
del 2%. Supongamos que se combina la producción diaria de las dos maquinas. Se toma una
muestra aleatoria de tamaño 10 del resultado combinado. ¿Cuál es la probabilidad de que
esta muestra contenga 2 defectuosos?
0 x0
0.2 x 0 x 1
0.2 1 x 2
f ( x)
0.2 x 0.2 2 x3
0.4 3 x4
0 4 x
Calcular:
a. P(x1)
b. P(1<x2)
c. P(2<x3)
C (1 x 2 ) si x (0,3)
f ( x)
0 en otro caso
ax 2 b si x (0,2)
f ( x)
0 en otro caso
Sabiendo que P(1/2<x<1) = 1/8, calcular:
a. a y b
b. La función de distribución. Graficar f(x) y F(x)
c. P(x<1/2), P(1/4<x<3/4), P(x>1)
16. El diámetro de un cable eléctrico se considera una v.a. continua X, cuya función de densidad
de probabilidad es:
Cx (1 x) si 0 x 1
f ( x)
0 en otro caso
a. Calcular el valor de C y dibujar f(x)
b. Determinar la función F(x) y dibujarla.
c. Calcular la media, mediana y varianza de la distribución
d. Calcular P(x<1/2), P(0x1/4), P(x1/3)
1 2
e. P X 0.5 X
3 3
c.e x
17. Sea F x x , x la función de distribución acumulada de una variable aleatoria
e e x
continua X.
a. Hallar el valor de c
b. Hallar f x la función de densidad de X, y demostrar que f x dx 1
1
18. Sea una variable aleatoria con función de densidad f x kx , x 1,1
2
a. Determinar los valores de k para los cuales f x es ciertamente una función de
densidad.
b. Calcular la esperanza
c. la moda
d. la mediana de X.
e. ¿Para qué valores de k se minimiza la varianza de X?
2. Un panel solar tiene una vida útil de 5 años con una probabilidad de 0.95. Se toman 20 páneles
solares y se registró la vida útil.
a. ¿Cuál es la probabilidad de que exactamente 18 tengan su vida útil de 5 años?
b. ¿Cuál es la probabilidad de que cuando mucho 10 tengan esa vida útil?
c. ¿Si solo 10 paneles tienen una vida útil de 5 años, que debería pensarse sobre el valor
verdadero de P(Probabilidad de vida útil)?
3. De todas las plantas sólo el 5% descargan residuos por sobre la norma. Si se muestrean 20
plantas ¿Cuál es la probabilidad de que estén fuera de la ley:
a. Menos que una planta?
b. Menos de dos plantas
c. Exactamente 3
d. Más de una
4. El número promedio de automóviles que se detienen por minuto para tomar gasolina en
cierta gasolinera es 1.2. ¿Cuál es la probabilidad de qué en determinado minuto se detengan
...
a. menos de dos automóviles?
b. más de tres automóviles?
c. menos de dos automóviles ó más de tres?
d. dos ó tres automóviles para tomar gasolina?
e. al menos dos automóviles?
6. Un representante realiza cinco visitas cada día a los comercios de su ramo y por su
experiencia anterior sabe que la probabilidad de que le hagan un pedido en cada visita es del
0,4. Obtener:
a. La distribución del número de pedidos por día
b. Probabilidad de que le hagan 4 pedidos
c. Número medio de pedidos por día y varianza.
d. Probabilidad de que el número de pedidos en un día esté comprendido entre 1 y 3
e. Probabilidad de que por lo menos realice dos pedidos.
7. Desde el año 1980 el número medio de empresas que han presentado suspensión de pagos
ha sido de 6,8 por año y admitimos que el número de empresas X que han presentado
suspensión de pagos durante un periodo determinado de tiempo sigue una distribución de
Poisson. Obtener:
8. Se sabe que el 1% de los artículos importados de un determinado país tienen algún defecto.
Si tomamos una muestra de tamaño 30 artículos, determinar la probabilidad de que tres o
más de ellos tengan algún defecto.
9. La distribución de los salarios mensuales de los trabajadores de una gran empresa viene dada
por la siguiente tabla:
Proporción de
Rentas (euros)
trabajadores
[600,750] 0,15
(750,900] 0,28
(900,1200] 0,26
(1200,1800] 0,18
mas de 1800 0,13
Se seleccionan aleatoriamente cinco trabajadores de la empresa. Determinar la probabilidad
de que entre esos cinco trabajadores, uno pertenezca al tramo de salarios más bajos, dos al
siguiente tramo y los dos restantes al tramo comprendido entre 1200 y 1800 Euros.
10. El número de alumnos que llegan a la primera clase de la Facultad, sigue una distribución de
Poisson, cuya media es de dos alumnos por minuto. El número de alumnas que llegan a la
misma clase sigue también una distribución de Poisson, cuya media es de tres alumnas por
minuto. Admitimos que ambas llegadas son independientes. Obtener la probabilidad de que
lleguen menos de 4 alumnos y alumnas en un minuto.
11. Una empresa constructora tiene comprometida la realización de 9 proyectos, de los que 5
son de edificios de pisos. Si el próximo mes debe emprender la realización de 3 proyectos y
su elección es al azar con probabilidades de elección iguales para cada proyecto, se pide:
a. La distribución del número de edificios de pisos que se empiecen a construir el próximo
mes.
b. Número esperado de edificios de pisos que previsiblemente se inicie su construcción
el próximo mes.
12. El numero N de tanques de aceite que llega a un refinería cada día se comporta como v.a de
Poisson con parámetro 2. Las facilidades de puerto de la refinería pueden servir tres tanques
por día .Si llegan mas de tres tanques en exceso deben ser puestos en otro puerto. En un día
especifico, ¿Cuál es la probabilidad de tener que enviar tanques a otro lugar?
13. Los coches que llegan a un semáforo siguen un proceso de Poisson con media de 4 vehículos
por minuto. El semáforo está 40 segundos en rojo y 80 segundos en verde.
a. ¿Cuál es la probabilidad de que haya 4 coches en cola cuando el semáforo se
pone en verde?
14. Una alumna trae cada día a la Universidad una tableta de chocolate de 16 cm, y de cuando en
cuando le da un mordisco y se come la mitad de lo que queda. Asumiendo que esta golosa
apetencia aparece en la mañana siguiendo una distribución de Poisson de medio un mordisco
por hora:
a. Calcular la distribución del tiempo que transcurre hasta que aparece la primera
mordida.
b. ¿Cuántos centímetros de chocolate esperas que le quede tras las cinco horas
de clases?
c. Sí un día, entre las 9:00 y las 14:00, la ha mordido en cuatro ocaciones, ¿Qué
probabilidad hay de que lo haya hecho durante las tres primeras horas de
clase?
d. Si un día, entre las 9:00 y las 14:00 horas, la ha mordido en cuatro ocasiones,
¿Qué probabilidad hay de que lo haya hecho durante las tres primeras horas
de clase?
16. Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p =1/100.000. Calcular la
probabilidad de que en una ciudad con 500.000 habitantes haya más de 3 personas con dicha
enfermedad. Calcular el número esperado de habitantes que la padecen.
17. Una v.a sigue una distribución Poisson con una media de 2.3 imperfecciones por milímetro.
a. Determine la probabilidad de 2 imperfecciones en un milímetro de alambre.
b. Determine la probabilidad de 10 imperfecciones en 5 milímetros de alambre.
c. Determine la probabilidad de al menos una imperfección en 2mm de alambre
19. 2Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribución
exponencial con media de 16 años. ¿Cuál es la probabilidad de que a una persona a la que se
20. Se sabe que el kilometraje, en miles de kilómetros que un autobús recorre antes de que se
someta aun reparación del motor sigue una distribución exponencial con 𝜇 = 80.
1 −𝑥 𝑥
𝑓(𝑥) = 𝑒 80 , 𝐹(𝑋) = 1 − 𝑒 −80
80
Se tiene una flota de 300 autobuses ¿Cuántos se esperaría que se sometieran a reparación
antes de 60,000km?, ¿Cuál es la probabilidad de que un autobús recorra más de 100,000km
antes de cometer el motor a reparación?
22. El periodo de de vida en años de un televisor de cierta marca tiene una distribución
Exponencial con un promedio de falla de 6 años.
23. El tiempo que transcurra antes de que una persona sea atendida en una clínica de urgencias
es una variable aleatoria que tiene una distribución exponencial con una media de 5 minutos.
a) cual es la probabilidad que una persona sea atendida antes de que transcurran 3 minutos.
b) si se selecciona al azar 10 personas ¿cuál es la probabilidad de que más de 2 personas sean
atendidas en menos de 4 minutos?
24. El número medio de pinchazos en los neumáticos de cierto vehículo industrial es de 0,3 por
cada 50.000 kilómetros (km) recorridos. Si el vehículo recorre 100.000 km, se pide:
a. Probabilidad de que no haya tenido pinchazos.
b. Probabilidad de que tenga menos de 3 pinchazos.
c. Número de km. recorridos para que la probabilidad de que no tenga pinchazos
sea 0,4066
UNFV-FCCNNM-EAPQ-ASIGNATURA: PROBABILIDADES
Examen Parcial Mayo 2012
4. Se tiene 5 urnas idénticas, dos de ellas de igual contenido, con 3 bolas blancas y 5 negras, y
las otras tres teniendo cada una, 4 blancas y 3 negras. Se elige una urna aleatoriamente. De
la urna elegida se extrae al azar una bola.
(3 pts.)
a. ¿Cuál es la probabilidad de que sea blanca?
b. ¿Si la bola resulto blanca, cual es la probabilidad que provenga de una de las dos
primeras urnas?
c. Si no se sabe qué color resulto, cual es la probabilidad de que provenga de la primera
urna blanca?
5. Una persona tiene tiempo para jugar a la ruleta 5 veces a lo sumo. En cada juego gana o pierde
6 euros. Una persona empieza con 6 euros y dejará de jugar si antes de la 5ª vez pierde todo
su dinero o si gana 18 euros, esto es, si tiene 24 euros. Sea X el número total de jugadas que
hace esta persona Hallar: (3 pts.)
a. el Rango de X
b. la función de probabilidad
c. la esperanza matemática de W 2 X 1
0
, en otro caso
a) Hallar k (1 pt)
b) Hallar E X (EN CASO EXISTA) (2 pt)
c) Hallar la moda (1 pt)
7. Sea el experimento aleatorio “De urna que contiene 2 esferas rojas y 3 esferas negras se
extrae una esfera con reemplazo hasta que salga una esfera roja por primera vez”
Se define el espacio muestral como r, nr, nnr, nnnr, nnnnr....
Indique si las afirmaciones son verdaderas falsas: (2 pts.)