Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Distribuciones de variables
aleatorias
Con frecuencia resulta conveniente poder idear algún modelo o regla que nos permita determinar
la probabilidad de que la variable aleatoria asuma algún valor particular. Surgiendo ası́ las distribuciones
de probabilidad para una variable aleatoria, que describen el comportamiento de la variable mediante
su probabilidad.
Para el caso de variables aleatorias discretas, se pueden describir muchas distribuciones de pro-
babilidad, entre los mas importantes tenemos:
1. Función de densidad:
f (x) = P (X = x) = px q 1−x , x = 0, 1.
2. Media: µX = p
184
Distribuciones de variables aleatorias
3. Varianza: σ 2 = pq
El ejemplo mas común de este tipo es lanzar una moneda al aire y se obtiene: X ≡ N úmero de caras obtenidas =
1
0→ q=
2
Para una variable aleatoria de Bernoulli tenemos que su función probabilidad es: f (x) =
1 → p = 1
2
q si x = 0
p si x = 1
0 en cualquier otro caso
!
n
f (x) = P (X = x) = px q n−x , x = 0, 1, ..., n y q = 1 − p,
x
1. Media: µX = np
2
2. Varianza: σX = npq
b. Cada repetición tiene dos resultados mutuamente excluyentes: 7éxito (E) o fracaso (F ). El espacio
muestral es el conjunto Ω = {E, F }
Ejemplo 6.1. Suponga que en un departamento del Perú tenemos cerca a un millon de personas
adultas y una cantidad desconocida p está a favor de recortar el sueldo a los congresistas. Se tomara
una muestra de mil adultos de tal manera que cada uno del total tenga la misma probabilidad de ser
seleccionado y además a cada uno se le preguntara y registrara su respuesta sobre si está a favor de
recortar el sueldo. ¿Este experimento es binomial?.
185
Distribuciones de variables aleatorias
Solución:
1. El intento es seleccionar una sola persona dentro del millon. La muestra consta de n = 1000
intentos idénticos.
2. Se le preguntara si está a favor o en contra, por lo que hay “éxito” y “fracaso” propios de un
experimento binomial.
3. La probabilidad que se encuentre a favor es igual para cualquier sujeto de la muestra es 500000/1000000 =
1/2. Al escoger al segundo adulto será 499999/1000000 Para ambos casos se mantiene la proba-
bilidad que se encuentre cercano a f rac12.
4. La probabilidad de que un adulto esté a favor no cambia de las respuestas de las personas
previamente escogidas.
3 10−3
Solución: P (x = 3) = C310 (0,1) (0,9)
10! 3 7
P (x = 3) = (0,1) (0,9)
7! (10 − 7)!
10 (9) (8) (7!) 3 7
P (x = 3) = (0,1) (0,9)
7! (3) (2) (1)
P (x = 3) = 0,19
Ejemplo 6.3. La probabilidad de que use taxi para ir a la universidad es 1 de 6 dias. Cuál es la
probabilidad de que en la semana de estudio lo use:
Solución:
186
Distribuciones de variables aleatorias
Ejemplo 6.4. El dueño de una tienda averiguo que un lote de 5000 celulares importados contiene 5 %
de equipos defectuosos. No sabe si su lote tiene los equipos con falla. Su administrador decide probar 5
celulares ante la incredulidad del dueño. Halle la probabilidad de encontrar al menos uno defectuoso.
Solución:
Es razonable suponer que el número observado de defectuosos, tiene una distribución binomial
aproximada porque el lote es grande. Retirar unos cuantos celulares no cambia lo suficiente la compo-
los restantes como para preocuparnos. Entonces: P (al menos uno def ectuoso) = 1 − p (0) =
sición de !
5
1− p0 q 5
0
P (al menos uno def ectuoso) = 1 − 0, 95 = 1 − 0, 774
P (al menos uno def ectuoso) = 0, 226
Observe que hay una probabilidad más bien grande de ver al menos uno defectuoso, aun cuando la
muestra sea muy pequeña.
Ejemplo 6.5. Una máquina utiliza tres componentes idénticas que trabajan en forma independiente.
La probabilidad de que falle cada componente es 0, 1 y estas se cambian por nuevas una sola vez.
2. Un usuario que utiliza la máquina recibe una utilidad constante diaria de 100 soles y una utilidad
variable de 10 soles por cada componente que no falla, pero, pierde 50 soles por cada componente
que falla. Calcule la utilidad esperada diaria del usuario.
Solución:
1. Sea X = “número de componentes que fallan”, entonces RX = {0, 1, 2, 3}. Si el evento que
consideramos exitoso es:
E: “una componente falla”, tenemos que p = P (E) = 0,1 y q = 1 − p = 0,9. Luego la distribución
de probabilidades de X ∼ B(3; 0,1) es:
!
3
f (x) = P (X = x) = (0,1)x (0,9)3−x , x = 0, 1, ..., 3
x
187
Distribuciones de variables aleatorias
soles
Ejemplo 6.6. Se los alumnos del primer año de un determinado programa académico, se sabe que el
40 % asistió a centros secundarios privados y el 60 % asistió a centros estatales. El registro de matrı́cula
señala que al final del curso alcanzaron una nota media A, el 30 % de los alumnos que asistieron a
centros secundarios privados y solo el 20 % de los que asistieron a centros estatales. Si se seleccionan
20 alumnos al azar. ¿Cuál es la probabilidad de que a lo más dos de ellos tengan nota media A?
Solución:
Sea X = “número de alumnos de los 20 que tienen nota media A” , entonces RX = {0, 1, 2, 3, .., 20}.
Si el evento que consideramos exitoso es A: “alumno obtiene nota media A”, y tenemos los eventos:
CE : ¨alumno asistió a un centro secundario estatal¨;
CP : ¨alumno asistió a un centro secundario privado¨
si observamos el diagrama de árbol siguiente se obtiene:
0,2 A
0,6 CE
Ac
0,3
A
0,4 CP
Ac
p = P (A) = 0,4(0,3) + 0,6(0,2) = 0,24 y q = 1 − p = 0,76. Luego la
distribución de probabilidades de X ∼ B(20; 0,24) es:
!
20
f (x) = P (X = x) = (0,24)x (0,76)20−x , x = 0, 1, ..., 20
x
Finalmente:
P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2)
2
!
X 20
P (X ≤ 2) = (0,24)x (0,76)20−x
x=0 x
Ejemplo 6.7. La fábrica “Cerámicas de exportación” elabora diariamente 10 unidades de uno de sus
productos. La probabilidad de que una unidad del producto resulte defectuoso es constante igual a 0.1.
Todas las unidades son inspeccionadas al término del dı́a y las defectuosas son separadas antes que se
almacenen. Ninguna unidad no defectuosa es mal clasificada, sin embargo debido a la poca experiencia
de algunos operarios, el 5 % de las unidades defectuosas son mal clasificadas.
188
Distribuciones de variables aleatorias
2. ¿En cuántos dı́as de 100 resultarán más de tres unidades clasificadas como defectuosas?
0,1 D
Mc
0,00 M
0,9 c
D
Mc
2. En 1 dı́a de 100 la probabilidad de que resulten más de tres unidades clasificadas como defectuosas
es:
P (X > 3) = 1 − P (0 ≤ X ≤ 3) = 0,0107
Ejemplo 6.8. La empresa de courier ”Nicole” asegura que el 80 % del correo urgente se entrega dentro
del mismo departamento, a los tres dı́as de haber hecho el envı́o. Se envı́an aleatoriamente cinco cartas
a diferentes sitios.
1. ¿Cuál es la probabilidad que las cinco cartas lleguen a su destino dentro de los tres dias.
2. ¿Cuál es la probabilidad que exactamente cinco cartas lleguen dentro de los tres dias.
3. Determine la media del número de cartas que llegaran dentro de tres dias.
4. Calcule la varianza y la desviación estándar del número de cartas que llegaran en dos dı́as.
Solución:
Sea:X : El número de cartas que llegan a su destino.
189
Distribuciones de variables aleatorias
p =Probabilidad que el correo se entregue dentro del mismo departamento, a los tres dı́as de haber
hecho el envı́o.
q =La probabilidad de que el correo no se entregue dentro del mismo departamento, a los tres dı́as de
haber hecho el envı́o.
n =El número de ensayos.
Luego:
p = 0, 80
q = 0, 20
n=5
1. p (X = 5) =?
5 0
p (X = 5) = C55 (0, 80) (0, 20)
p (X = 5) = 0,32768
La probabilidad de que cinco lleguen a su destino dentro de los tres dı́as es de 0,32768 ó 32,768
2. p (X = 4) =?
4 1
p (X = 4) = C45 (0, 80) (0, 20)
p (X = 4) = 0, 4096
La probabilidad de que cuatro lleguen a su destino dentro de los tres dı́as es de 0,4096 ó 40,96
3. µ = n × p
µ = 5 × 0, 80
µ=4
Se esperan en promedio 4 cartas de una muestra de 5 cartas.
4. σ 2 = npq
p
σ = ± 5 (0, 80) (0, 20)
σ = ± 0, 894427191
La varianza y la desviación estándar del número de cartas que llegan en dos dı́as es 0,894427191,
respectivamente.
1. En una población grande, el 16 % de sus miembros son zurdos. Si se toma una muestra aleatoria
de seis individuos. ¿Cuál es la probabilidad que sean zurdos:
a) todos?
b) a lo más dos?
c) tres o cuatro?
190
Distribuciones de variables aleatorias
e) la mayorı́a
2. Un vendedor de pólizas de seguros vende a 6 personas, todas de la misma edad y con buena
salud. De acuerdo con las tablas actuariales, la probabilidad de que una persona de esta edad
viva 30 años más, es 2/3. Hallar la probabilidad de que a los 30 años vivan:
c) solamente cuatro;
d ) al menos una;
e) ninguna;
3. Un sistema electrónico está construido con cierto número de componentes de apoyo en sus sub-
sistemas. Un subsistema tiene 4 componentes idénticos cada uno con una probabilidad de 0, 2
de fallar en menos de 1000 horas. El subsistema funciona si dos componentes cualesquiera de los
cuatro trabajan en forma adecuada. Se supone que los componentes operan en forma indepen-
diente.
a) Halle la probabilidad de que exactamente dos de cuatro componentes resistan más de 1000
horas.
4. Un sistema de protección contra cohetes construido con n unidades de radar que funcionan
independientemente, cada una con probabilidad 0,9 de detectar un cohete que ingresa en la zona
que cubren todas las unidades.
5. En una encuesta se habló con miles de estudiantes de edades de 16 a 22 años acerca de finanzas
personales. En la encuesta se encontró que 33 % de los estudiantes tienen su propia tarjeta de
crédito.
6. El 6 % de los choferes de taxis en Arequipa son mujeres. Suponga que se seleccionan al azar 10
taxistas para una encuesta acerca de las condiciones de trabajo.
191
Distribuciones de variables aleatorias
7. Se afirma que el 99,5 % del correo de primera clase dentro de la misma ciudad se entrega en un
lapso de dos dı́as a partir del momento del envı́o. Se envı́an seis cartas a distintos lugares.
8. Una pareja tuvo 8 hijos. Si se considera que tenı́a la misma probabilidad de nacer un niño que
una niña. Determinar cual es la probabilidad de que nazcan:
a) Tres niños.
a) La probabilidad de que una familia de 5 hijos tenga por lo menos una niña es:
b) La probabilidad que el primogénito sea mujer y la segunda en nacer también sea mujer es.
10. Una máquina que fabrica piezas para automóviles produce una pieza de cada 100 defectuosa. Si
tu compras 10 piezas fabricadas por esa máquina.
11. Un examen tipo test tiene 10 preguntas, cada una de las cuales tiene cinco alternativas, siendo
solo una de ellas correcta. Un alumno decide contestar aleatoriamente. Si para aprobar el examen
hay que acertar 5 o más preguntas, hallar:
12. Un examen de opción múltiple está compuesto de 12 preguntas con cuatro alternativas posibles
cada una, de las cuales solamente una es la correcta. Suponga que uno de los estudiantes que
realiza el examen contesta las preguntas al azar.
192
Distribuciones de variables aleatorias
13. Diez por ciento de los automóviles nuevos requerirán un servicio de garantı́a dentro del primer
año. Honda vende doce automóviles en abril.
b) Determine la probabilidad de que por lo menos dos autos requieran servicio de garantı́a.
14. Un estudio reciente de patrulleros de carretera reveló que el 40 por ciento de los conductores en
carretera utiliza el cinturón de seguridad. Se eligió una muestra de 10 conductores en un punto
especial.
15. Un fabricante de marcos para ventanas sabe, con base en su larga experiencia, que el cinco
por ciento de su producción tendrá algún pequeño defecto que requerirá ajuste. Cuál es la
probabilidad de que, en una muestra de 20 marcos:
a) ¿Cuál es la probabilidad que cuatro de las ventas se hayan realizado con financiamiento
bancario?
b) ¿Cuál es la probabilidad de que al menos cuatro de las ventas se hayan realizado con
financiamiento bancario?
17. El tratamiento de la gripe con vitamina C produce un efecto curativo en 75 % de los casos. Se
seleccionan al azar 6 pacientes ¿Cuál es la probabilidad que:
d ) Analiza los dos items anteriores, compara y emite una opinión sobre las probabilidades.
193
Distribuciones de variables aleatorias
18. La producción de una empresa depende de dos máquinas, la máquina A produce el doble de
artı́culos que la máquina B. Se sabe que el 6 % de los artı́culos que produce la maquina A son
defectuosos, mientras que el 3 % de los artı́culos producidos por la máquina B son defectuosos.
Suponga que se junta la producción diaria de estas máquinas y se toma una muestra aleatoria
de 10 artı́culos. Calcule la probabilidad de obtener 3 artı́culos defectuosos.
19. En una fábrica de zapatos, las partes superior, las suelas y los tacos son fabricados separadamente
y ensambladas para formar un zapato. El 5 % de las partes superiores, el 4 % de las suelas y el 1 %
de los tacos tienen fallas. Si se despacha un lote de 25 pares de zapatos. ¿Cuál es la probabilidad
de que exista a lo más un par con alguna falla?
20. Un libro de 300 páginas tiene 300 errores de impresión distribuidos aleatoriamente.
b) ¿Cuál es la probabilidad de que una pagina observada contenga por lo menos 2 errores?
21. En el control de calidad de tejidos, se sabe que se produce defectos en forma aleatoria, con un
promedio de un defecto cada 100 metros cuadrados.
22. Una empresa manufacturera recibe un lote que contiene 100 articulos de los cuales cinco son
defectuosos. La compañı́a revisa constantemente los que recibe para establecer la calidad del
material. Si la calidad de un lote recibido es baja, regresa al proveedor el lote completo. Supóngase
que la compañı́a recibe el lote y lo acepta si hay sólo 1 o menos piezas defectuosas en una muestra
de tamaño 6 ¿Cuál es la probabilidad de que se acepte un lote de 100 artı́culos que contenga 5
defectuosas?
23. Una secretaria ha de enviar tres de 9 cartas por entrega especial. Si las cartas se le mezclan y
pone los sellos, para entrega especial, al azar sobre 3 de ellas. Cual es la probabilidad:
a) De que ponga los sellos de entrega especial en cartas que no habrán de llevarlas.
24. En un examen de Estadı́stica conformado por 10 preguntas, sólo se debe contestar verdadero (V)
o falso (F) en las 5 primeras, y escoger una de cinco alternativas en cada una de las 5 restantes.
Si un alumno decide contestar todas las preguntas, al azar:
b) Si todas las preguntas tienen el mismo puntaje, y no hay descuentos por preguntas mal
contestadas, ¿cuál es la probabilidad de aprobar?
194
Distribuciones de variables aleatorias
25. El sistema financiero “Caja Characato”, asigna cada transacción al azar y con igual probabilidad
a una de cinco posiciones de memoria: 1, 2, 3, 4, 5 de una computadora que opera en forma
continuada. De 10 recientes transacciones registradas, ¿cúal es la probabilidad de que el número
de transacciones asignadas a las posiciones de memoria par sea mayor que el número esperado
de transacciones?
26. El número de fallas en el recubrimiento de los conductores de cobre por rollo de 20 metros de
longitud de cierto fabricante, tiene la siguiente ley de probabilidad:
Número de fallas 0 1 2 3 4 5
Probabilidad 0.9 0.04 0.03 0.02 0.01 0.00
27. Un consumidor de estos cables rechaza un rollo que tiene al menos un defecto y lo acepta caso
contrario.
a) Obtenga el modelo de probabilidad del número de rollos que serı́an rechazadas por el
consumidor si este recibe un lote de 10 rollos, ¿cúal es la probabilidad de que acepte sólo
3 rollos?
b) Si cada rollo le produce al fabricante una utilidad de $20 si es aceptado por el consumidor
y una perdida de $2 si lo rechaza, ¿ cuánto es la utilidad esperada del fabricante si cada
vez envı́a 10 rollos al consumidor?
c) Si el consumidor recibe cada vez un lote grande de rollos y los revisa uno tras uno, ¿cuántos
rollos en promedio revisará hasta llegar al primero que rechaza?,
28. La pequeña empresa “Juguetes ecológicos” empaca su producción en lotes de 5 unidades. Antes
de sacar al mercado el producto la empresa realiza un control total de calidad de cada lote a un
costo de 5 Umn. Si producir cada unidad le cuesta 10 Umn, la vende a 25 umn, y reemplaza en el
lote el número de X de las unidades defectuosas que encuentra y si el porcentaje de producción
defectuosa es 10 %,
c) ¿Es cierto que el percentil 95 del número de unidades defectuosas que tiene un lote es igual
a uno?
195
Distribuciones de variables aleatorias
1
1. Media: µX =
p
2 q
2. Varianza: σX =
p2
1. Si la variable aleatoria X tiene una distribución Geométrica con parámetro p (X G(p)), entonces
la función de distribución acumulada de X satisface:
F (x) = 1 − q x , x = 1, 2, ...
2. La distribución geométrica es creciente, es decir, p(x) < p(x − 1), para x = 2, 3, 4, ...
Ejemplo 6.9. La probabilidad de que una persona adulta vote por el candidato A para la región Arequipa
es del 20 %. Si los votantes son entrevistados uno por uno de manera independiente, encontrar la
probabilidad de que haya que entrevistar a más de 6 electores hasta encontrar uno que vote por el
candidato A.
Solución:
E : elector vote por el candidato A; con probabilidad p = P (E) = 0,25.
Sea X=“Número de electores entrevistados hasta encontrar uno que vote por el candidato A”.
La variable aleatoria X ∼ G(0,20); luego
196
Distribuciones de variables aleatorias
P (X > 6) = 1 − P (X ≤ 6)
P (X > 6) = 1 − F (6)
P (X > 6) = (0,80)6
P (X > 6) = 0, 262144
Ejemplo 6.10. En cierta siembra de limones, se sabe que el porcentaje de limones malogrados es de
0.05. Se controlan la calidad de los artı́culos uno por uno.
1. Calcular la probabilidad de que el noveno artı́culo probado sea el primer defectuoso encontrado.
Solución:
Sea X = “número de artı́culos producidos hasta que ocurra el primero defectuoso”, la variable aleatoria
X ∼ G(0,05).
1. P (X = 9) = (0,95)9−1 (0,05)
P (X = 9) = 0, 0315
1
2. E(X) = = 20
0,05
Ejemplo 6.11. La confiabilidad de producir un artefacto electrico es 0.99. Con el fin de lograr el premio
ISO-al 2020, en determinado momento se plantea hacer un ensayo el objetivo de producir 200 artı́culos
que cumplan con las especificaciones; pero al mismo tiempo se decide detener el proceso de producción
tan luego se produzca el primer artı́culo que no cumpla con las especificaciones.
2. Si después de producir 150 artı́culos aún no se ha detenido el proceso, ¿cuál serı́a la probabilidad
de lograr el objetivo?
Solución:
Sea X = “número de artı́culos producidos hasta que ocurra el primero defectuoso”, la variable aleatoria
X ∼ G(0,01) cuya función de densidad está dada por:
197
Distribuciones de variables aleatorias
1
1. Media: µX = r.
p
2 q
2. Varianza: σX = r.
p2
Un estudio sobre el estudio de poblaciones de insectos (Gomez), “Usualmente, las poblaciones de or-
ganismos están regidas por leyes o distribuciones de “contagio”, donde la probabilidad de encontrar un
individuo aumenta si ya se ha encontrado otro en un espacio dado...”, observamos que está buscando
el número de repeticiones hasta que encuentre el otro individuo.
Crea un ejemplo parecido relacionado con tu carrera.
Observemos otro ejemplo, La probabilidad de que un niño expuesto a gripe la contraiga es 0, 60, se
desea conocer la probabilidad de que el octavo infante expuesto a la enfermedad sea el segundo en con-
traerla, ¿es una distribución binomial negativa?. Compara con la teorı́a dada y fundamenta tus razones.
Ejemplo 6.12. La probabilidad de que un elector vote por el candidato A es del 25 %. Si los electores
son entrevistados uno por uno de manera independiente, encontrar la probabilidad de que haya que
entrevistar a 10 electores hasta encontrar al tercero que vote por el candidato A.
Solución: Sea el evento E : “elector que vote por el candidato A”, con p = P (E) = 0, 25
Defina X = “número de electores entrevistados hasta encontrar tres que voten por el candidato A”,
esta variable satisface X ∼ P as(3; 0,25) Luego:
!
9
P (X = 10) = (0,25)3 (0,75)10−3
2
P (X = 10) = 0, 07508468628
198
Distribuciones de variables aleatorias
Ejemplo 6.13. Sı́ la probabilidad de que un cierto dispositivo de medición muestre una desviación
excesiva es de 0,05, ¿cuál es la probabilidad de que:
1. El sexto de estos dispositivos de medición sometidos a prueba sea el tercero en mostrar una
desviación excesiva?,
2. El séptimo de estos dispositivos de medición sometidos a prueba, sea el cuarto que no muestre
una desviación excesiva?
Solución:
P (X = 6) = 0, 001
P (Y = 7) = 0,002
Ejemplo 6.14. Una máquina produce artı́culos de uno en uno y de manera independiente. Se consi-
dera que el 10 % de ellos son defectuosos. Si la máquina se detiene apenas produce el cuarto artı́culo
defectuoso:
3. ¿Cuál es la probabilidad de que produzca al menos 10 artı́culos para que la máquina se detenga?
199
Distribuciones de variables aleatorias
Solución: Sea X =“número de artı́culos producidos hasta tener 4 defectuosos”, la variable alea-
toria X ∼ P as(4; 0,1) cuya función de densidad está dada por:
!
x−1
f (x) = P (X = x) = (0,1)4 (0,9)x−4
3
, x = 4, 5, 6, ...
r 4
1. µX = = = 40
p 0,1
2. !
9
P (X = 10) = (0,1)4 (0,9)6
3
P (X = 10) = 0,00446
3. P (X ≥ 10) = 1 − P (4 ≤ X ≤ 9)
2. La embotelladora de gaseosa ROCA S.A. está promocionando su nuevo producto “Kola”. Para
ello pone un premio en cada 40 botellas. Cualquiera que compra una Kola premiada obtiene una
pelota gratuita. Si alguien decide comprar Kola hasta obtener una Kola premiada.
3. La unidades producidas por dos máquinas A y B, en igual proporción, llegan a una bandeja de
control. El 3 % y el 1 % de las unidades producidas respectivamente por A y B son defectuosas.
Un ingeniero controla la calidad del producto revisando una por una (sin devolución) las unidades
de la bandeja.
a) ¿Qué probabilidad hay de que la décima unidad controlada sea la primera defectuosa?
c) Si el ingeniero controla las unidades antes que caigan a la bandeja, calcule la probabilidad
de que la primera defectuosa encontrada sea la cuarta de A y la sexta de B.
4. El proceso de producción de un bien se debe detener tan luego produzca la primera unidad que
no cumpla con las especificaciones establecidas. Se estima en 0,99 la probabilidad de que una
200
Distribuciones de variables aleatorias
unidad producida cumpla las especificaciones. Si el objetivo es producir 150 unidades del bien
de manera que cumplan con las especificaciobes.
b) Si después de producir 100 unidades del bien aún no se ha detenido el proceso, ¿con qué
probabilidad se lograrı́a el objetivo?
b) Calcule el número de llamadas que espera hacer hasta obtener su primera venta.
c) ¿Qué probabilidad hay de que su primera venta ocurra después de más de 5 llamadas si ya
se hizo 3 llamadas sin éxito?
d ) El costo de cada llamada es S/,1, 5. Si una llamada no es una venta la siguiente cuesta
S/,0, 50 más. Halle el costo esperado del número de llamadas que hace hasta que obtenga
su primera venta.
6. Una compañı́a petrolera ha sido designada para perforar pozos en la amazonı́a peruana hasta
obtener un resultado exitoso. La compañı́a sabe que solo en tres de cada diez hallan petróleo.
a) Suponga que la compañı́a petrolera cree que una serie de exploraciones será rentable si
el número de pozos perforados hasta que ocurra el primer éxito es menor o igual que 5.
Calcule la probabilidad de que la exploración no será rentable si ya fueron perforados 3
pozos y en ninguno de ellos se encontró petróleo.
b) El costo para perforar cada pozo es de $10000. Si un ensayo no resulta exitoso, el siguiente
ensayo tiene un costo adicional de $5000. ¿Cuánto es el costo esperado del proyecto?.
7. Cierto virus ha invadido un colegio atacando al 5 % de los niños. Si tales niños son examinados
uno por uno, ¿cuál es la probabilidad de que el duodécimo niño examinado sea el quinto niño
encontrado atacado por el virus?
8. Un vendedor a domicilio estima en 0.3 la probabilidad de efectuar una venta. Suponga ventas
independientes.
9. Un sistema de comunicaciones recibe mensajes digitales de ceros y unos. Cada dı́gito del mensaje
puede ser recibido como correcto o incorrecto. La probabilidad de recibir un mensaje incorrecto
es 0.01 y los dı́gitos se reciben de manera independiente.
201
Distribuciones de variables aleatorias
10. En una población grande se sabe que el 10 % padece de cierta enfermedad rara. Con la finalidad
de hacer un diagnóstico se necesitan 10 personas afectadas por dicha enfermedad para el análisis
correspondiente. Defina X como el número de personas seleccionadas hasta que se tengan las 10
personas afectadas por la enfermedad.
La variable aleatoria X definida por: X =“número de éxitos en una muestra de tamaño n que
se escoge al azar uno por uno sin reposición de N elementos, de los cuales r son de éxito y los (N − r)
fracasos”.
Luego se denomina variable aleatoria hipergeométrica, con parámetros N , n y r que denotaremos por
X ∼ H(N, n, r), si su función de densidad está dada por:
! !
r N −r
x n−x
f (x) = P (X = x) = ! , x = 0, 1, 2, ..., n
N
n
r
1. Media: µX = n
N
2 r(N − r) N − n
2. Varianza: σX =n .
N2 N −1
202
Distribuciones de variables aleatorias
Los experimentos que tienen este tipo de distribución tienen las siguientes caracterı́sticas:
1. Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados.
Ejemplo 6.15. Un conteiner contiene 100 focos de una ferreterı́a local y 200 unidades de un proveedor
del departamento de Juliaca. Si se seleccionan cuatro focos al azar y sin reemplazo, Halle la probabilidad
de que todas sean del proveedor local...
Estas son las caracterı́sticas, observa como se va cumpliendo una a una.
Solución:
1. Al realizar un experimento con este tipo de distribución, se esperan dos tipos de resultados. Los
dos tipos de resultado son . . . . . . . y . . . . . . .
2. Las probabilidades asociadas a cada uno de los resultados no son constantes. El primer foco tiene
un probabilidad de fallar de . . . . . . . y el segundo de . . . . . . .
3. Cada ensayo o repetición del experimento no es independiente de los demás. Escribe una razón
por la que no es independiente
4. El número de repeticiones del experimento (n) es constante. Explica como se repite el número
de repeticiones . . . . . . . .
Ejemplo 6.16. En una casa de mascotas hay 30 loros peruanos y 20 loros ingleses si extraemos 10
loros al azar calcular posibilidad de que 3 de ellos hablen inglés (caracterı́stica deseada)
Solución:
Tenemos ! !
20 50 − 20
3 10 − 3
P (X = 3) = !
50
10
P (X = 3) = 0, 2259
Ejemplo 6.17. Una caja contiene 20 chips, de los cuales el 20 % no están aptos para su venta y el
resto si. Se escogen 5 chips al azar uno a uno sin reposición.
1. Determine la distribución de probabilidad del número de chips escogidos que sean no aptos para
su venta.
203
Distribuciones de variables aleatorias
Solución:
1. ! !
4 16
x 5−x
f (x) = P (X = x) = ! , x = 0, 1, 2, ..., 4
20
5
2. !
16
5
P (X ≥ 1) = 1 − P (X = 0) = 1 − !
20
5
Ejemplo 6.18. Un jurado de 9 jueces va a decidir la inocencia o culpabilidad de un reo. Suponga que
6 votan por la inocencia y el resto por la culpabilidad. Si se seleccionan al azar 3 jueces y se pregunta
por su voto.
1. Calcular la media y la varianza del número de jueces de la selección que votan por la inocencia.
Interprete está respuesta.
2. ¿Cuál es la probabilidad de que ningún juez seleccionado esté a favor de la inocencia del reo?
Solución:
1. Sea X =“número de jueces que votan por la inocencia del reo”, se tiene que X ∼ H(9, 3, 6) con
media y varianza:
La media es:
6
µX =3
9
La varianza es:
2 6 3 6
σX =3 = 0,5
9 9 8
2. !
3
3
P (X = 0) = ! = 0,0119
9
3
204
Distribuciones de variables aleatorias
Mariano Morettini nos indica que la diferencia entre las distribuciones hipergeométrica y binomial
radica en que la probabilidad de éxito es variable en la primera y constante en la segunda. Una forma de
convertir un experimento de probabilidad variable a probabilidad constante es realizarlo sin reposición,
para el primer caso, y con reposición en el segundo caso.
Si N es grande con respecto al tamaño de la muestra n, la probabilidad de cada extracción varı́a muy
n
levemente. En la práctica cuando < 0,1 la distribución hipergeométrica H(N, n, r) se aproxima a la
N
r
distribución binomial B(n, p), con p = y q = 1 − p. La media y la varianza se aproximan por:
N
1. Media: µX = np
2 N −n
2. Varianza: σX = npq.
N −1
Ejemplo 6.19. Un auditor del departamento de impuestos sobre la renta está seleccionando una mues-
tra de seis declaraciones de impuestos de personas de una profesión particular, para una posible audi-
torı́a. Si dos o más de ellas indican deducciones “no autorizadas”, se auditará todo el grupo (población)
de 100 declaraciones. Si el 25 % de las declaraciones es incorrecta, determinar:
Solución
Definimos
! !
25 75
x 6−x
f (x) = P (X = x) = ! , x = 0, 1, 2, ..., 4, 5,6
100
6
25 3 2 (25)(75) 94 47
los parámetros son: media µX = E(X) = 6 = y varianzaσX =6 . = .
100 2 1002 99 44
Se hará una auditorı́a más detallada, si X toma valores mayores o iguales a 2. Es decir
P (X ≥ 2) = 1 − P (X ≤ 1) = 1 − P (X = 0) − P (X = 1) = 0,4691
205
Distribuciones de variables aleatorias
n 6
b. Observamos que = = 0,06, podemos aproximar la distribución hipergeométrica
N 100
25
H(100, 6, 25) por la binomial B(6, 0,25), con p = = 0,25 y q = 1 − p = 0,75
100
Luego
! !
6 0 6−0
6
P (X ≥ 2) = 1 − P (X = 0) − P (X = 1) = 1 − p q − p1 q 6−1 = 1 − (0,75)6 −
0 1
6(0,25)(0,75)5 = 0,4661
1. Se extrae al azar trece cartas sin reemplazo de una baraja de 52. ¿Cuál es la función de probabi-
lidad para el número de cartas rojas en la muestra? ¿Cuál es la media y la varianza del número
de naipes rojos?
2. Una caja contiene 10 focos, de los cuales 8 están en buen estado, si se escogen al azar 5 focos.
¿cual es la función de probabilidad para los focos buenos?
a) con reposición
b) sin reposición.
4. En un edificio hay 30 departamentos. De ellos, 10 están habitados por matrimonios con sólo
dos hijos hombres. Los otros 20 están habitados por matrimonios con sólo dos hijas. Se va a
demoler el edificio para construir uno de 60 departamentos, para lo cual se procede a desalojar
parcialmente el edificio sorteando mensualmente una familia, la que debe retirarse. ¿Cuál es la
probabilidad que al cabo del año y medio quede en el edificio el mismo número de mujeres y de
hombres?
5. Un jurado de 7 jueces va a decidir entre dos finalistas quién es la ganadora del concurso de
belleza, para lo cual bastará una mayorı́a simple de los jueces. Suponga que 4 jueces votan por
Marı́a y que los otros 3 voten por Susana. Si se seleccionan al azar 3 jueces y se les pregunta por
quien van a votar. ¿Cuál es la probabilidad que la mayorı́a de los jueces de la muestra estén a
favor de Marı́a?
7. Se escriben los nombres de 6 mujeres y 3 hombres en pedacitos de papel y se los coloca en una
caja. De la caja se escogen al azar 4 papelitos.
206
Distribuciones de variables aleatorias
b) Calcule la probabilidad de que se seleccionen los nombres de por lo menos dos hombres.
8. Una compañı́a recibe semanalmente un embarque de 500 artı́culos de cierto tipo. La compañı́a
controla la calidad de cada embarque probando 10 artı́culos escogidos al azar uno por uno
sin reposición y rechaza el embarque si más de uno de los artı́culos probados no cumplen las
especificaciones. Se sabe que cada embarque semanal contiene 90 % de artı́culos que cumplen las
especificaciones. Sea 4X el número de artı́culos en la muestra que no cumplen las especificaciones.
c) Hallar la probabilidad de que el costo de inspección sea mayor o igual que 34 soles. Resolver
usando el modelo hipergeométrico y la aproximación binomial.
9. En una fábrica la producción semanal de cierto tipo de artı́culo es de 1000 unidades. Cada semana
se realiza un control de calidad seleccionando una muestra de 20 unidades del artı́culo, escogidos
al azar y sin reposición de la producción de la semana (1000 artı́culos) y adoptando la siguiente
regla de decisión: aceptar que el porcentaje de producción defectuosa es 2 % si en la muestra se
encuentra a lo más un defectuoso, o rechazar que el porcentaje de producción defectuosa es 2 %
en caso contrario, ¿cuál es la probabilidad de que se haya decidido aceptar que el porcentaje de
producción defectuosa de una semana es 2 % cuando en realidad fue 5 % de los 1000 producidos?
10. Un lote grande de N sacos de café de un quintal contiene 10 % de sacos con impurezas. Del lote
se cargan a un camión 20 sacos escogidos al azar.
11. Un sistema eléctrico consiste de 6 componentes conectados en serie, es decir, el sistema funciona
si todos las componentes funcionan. Si las componentes del sistema se seleccionan al azar de un
lote de 20 que contiene tres que no funcionan.
b) ¿Cuánto serı́a el costo esperado del sistema si cada componente tiene un costo de 4 u.m. y
si cada componente que no funciona de los 6 seleccionados se cambia por uno del lote que
sı́ funciona a un costo adicional de 1.5 u.m?
207
Distribuciones de variables aleatorias
La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las ocu-
rrencias de algún suceso durante un intervalo especı́fico. La variable aleatoria de Poisson X es el número
de veces que ocurre un suceso con tasa de ocurrencia λ en un intervalo. El intervalo puede ser tiempo,
distancia, área, volumen o alguna unidad similar. La probabilidad de que el suceso ocurra x veces, con
tasa de ocurrencia λ por unidad de perı́odo o región, está dada por:
e−λ λx
f (x) = P (X = x) = , x = 0, 1, 2, ...
x!
La variable aleatoria X que tiene una distribución de Poisson se denota X ∼ P (λ) con
1. Media: µX = λ
2
2. Varianza: σX =λ
Observe que si el periodo de ocurrencia es extendido o comprimido a un intervalo de tiempo [0, t], la
probabilidad de que un suceso ocurra x veces es:
e−λt (λt)x
P (X = x) = , x = 0, 1, 2, ...
x!
con media µ = λt. La distribución de Poisson se aplica a cualquier fenómeno aleatorio que ocurre
por unidad de tiempo, de longitud, de área, de volumen, etc., entre otras, en control de calidad y en
situaciones alternantes de éxitos y fracasos.
Ejemplo 6.20. En un taller donde cada operario trabaja con su respectiva máquina, hay un promedio
de 3 máquinas en reparación. Si el taller cuenta con 4 máquinas de repuesto, ¿cuál es la probabilidad
de que haya dos operarios desocupados?
e−3 36
P (X = 6) = = 0,0504
6!
208
Distribuciones de variables aleatorias
Ejemplo 6.21. La cristalerı́a “Mili” conoce que de cada 100 jarrones fabricados tres son defectuosos.
Calcule la probabilidad de que haya 40 objetos defectuosos de una muestra de 1000.
Solución:
X : Número de incendios en el lapso de un mes.
λ = 3, promedio de incendios por mes.
e−3 30
1. p (X = 0) =
3!
p (X = 0) = 0, 1
Ejemplo 6.23. La sede central del “Banco Nacional” atiende todos los dı́as de las 8 : 00 horas hasta
las 16 : 00 horas. y se sabe que el número de clientes por dı́a que van a solicitar un préstamo por más
de S/,10000 tiene una distribución de Poisson con una media de 3 clientes por dı́a.
a. ¿Cuánto es la probabilidad de que hasta el mediodı́a de un dı́a cualquiera no se haya producido una
solicitud de préstamo por más de S/. 10 000?
b. En cuatro dı́as, ¿cuánto es la probabilidad de que hasta el mediodı́a de 2 de 4 dı́as cualesquiera no
se haya producido una solicitud de préstamo por más de S/. 10 000?
Solución: Aquı́ X = “número de clientes por dı́a que van a solicitar un préstamo por más de S/. 10
1
000”, sigue una distribución X ∼ P (λ) con λ = 3. La probabilidad de que hasta el mediodı́a t = , de
2
un dı́a cualquiera no se haya producido una solicitud de préstamo por más de S/. 10 000 se calcula por
P (X = 0) = 0,223
Definimos Y = “número de dı́as que hasta el mediodı́a de un dı́a cualquiera no se haya producido
una solicitud de préstamo por más de S/. 10 000 en cuatro dı́as”. La probabilidad de éxito es p = 0,223
calculada en el item anterior.
209
Distribuciones de variables aleatorias
Es claro que Y ∼ B(4; 0,223), ası́ la probabilidad de que hasta el mediodı́a de 2 de 4 dı́as
cualesquiera no se haya producido una solicitud de préstamo por más de S/. 10 000 es:
! !
4 2 4−2 4
P (Y = 2) = p q = (0,223)2 (0,777)2
2 2
P (Y = 2) = 0,180
Ejemplo 6.24. Se planea comprar una computadora marca A o B. Se ha determinado que el número
de reparaciones diarias se comportan como sigue:
A B
Distribución Poisson Poisson
Media 0.7t 0.5t
2
Costo 7t + 30X 5t + 30Y 2
b. t = 12 horas de operación?
Solución:
CA = 7t + 30X 2
E(CA ) = 7t + 30E(X 2 )
E(CA ) = 7t + 30(V ar(X) + E(X)2 )
y también
CB = 5t + 30Y 2
E(CB ) = 5t + 30E(Y 2 )
E(CB ) = 5t + 30(V ar(Y ) + E(Y )2 )
E(CA ) = 7(8) + 30(V ar(X) + E(X)2 ) = 56 + 30 0,7(8) + (0,7(8))2 = 1164,8
y E(CB ) = 5(8) + 30(V ar(X) + E(X)2 ) = 40 + 30 0,5(8) + (0,5(8))2 = 640
210
Distribuciones de variables aleatorias
E(CA ) = 2452,8
y E(CB ) = 1320.
Cuando n tiende a infinito y p tiende a 0, de tal forma que np permanece constante, se tiene que
la distribución binomial B(n,p) se aproxima a una distribución de Poisson P (λ), con λ = np.
En la práctica la aproximación es buena si np ≤ 5 y p ≤ 0,1.
Ejemplo 6.25. Un estudio realizado en las tierras de cultivo de Camana concluye firmando que la
probabilidad de que cada héctarea de siembra de arroz contenga por lo menos un nido de hormiga es de
0.005. ¿Qué probabilidad hay de que 1000 hectáreas de siembras de arroz al menos 4 de ellas contengan
por lo menos un nido de hormiga? Solución:
Sea X =“número de hectáreas de 1000 hectáreas de siembra de arroz que contengan por lo menos
un nido de hormiga”.
Se tiene que X ∼ B(1000; 0,005).
Se observa que np = 5 y p = 0,005 ≤ 0,1, luego podemos aproximar B(1000; 0,005) por una distribución
de Poisson P (5), donde λ = np = 5. Ası́ la probabilidad de que al menos 4 de 1000 hectáreas de siembras
de arroz contengan por lo menos un nido de hormiga es
3
X e−5 5k
P (X ≥ 4) = 1 − P (X ≤ 3) = 1 −
k
k=0
1. Los defectos de cierta clase de tejido de lana ocurren al azar con un promedio de 1 por 100 pies
cuadrados. Calcular la probabilidad que una pieza que mide 50 por 10 pies no contenga defectos.
2. El número de casos admitidos de emergencia en cierto hospital en 1 hora es una variable aleatoria
con distribución de Poisson con λ = 3. Determinar la probabilidad que en cierta hora:
3. Cierto alimento produce una reacción alérgica en un 0,01 % de una población grande. Si 100000
personas comen este alimento diario en promedio.
211
Distribuciones de variables aleatorias
b) ¿Cuál es la función de probabilidad del número de personas en este grupo de 100 000 que
son alérgicos a este alimento?
4. Suponga que cierta enfermedad rara afecta al 0.1 % de la población grande. 5000 personas se
escogen aleatoriamente de esta población y son sometidos a un examen para detectar la enfer-
medad.
5. En promedio 4 personas por hora llegan a un banco a solicitar crédito vehicular, se requiere
realizar un estudio para el banco, se pide calcular las siguientes probabilidades.
a) La probabilidad de que en dos horas sean 4 las personas que lleguen a solicitar un crédito
vehicular.
6. Los estudiantes de la San Pablo llegan a la fotocopiadora en promedio de dos cada 5 minutos.
Determine
7. En un estudio sobre seguridad vial, el representante del municipio ha determinado que en prome-
dio 9 taxis cometen una infracción de tránsito en 60 minutos por una de las avenidas principales
de la ciudad
b) Determine la probabilidad de que en una hora más de 3 taxis hayan cometido una infracción
de tránsito.
c) ¿Cuál es la probabilidad de que en media hora ningún taxi comenta infracción de tránsito?
d ) ¿Cuántas infracciones de tránsito por parte de taxis se espera observar en 4 horas por la
avenida?
8. Una empresa que vende automóviles nuevos ha establecido que en promedio al mes se presentan
4 reclamos sobre el vehı́culo vendido; el gerente está preocupado y desea calcular las siguientes
probabilidades:
212
Distribuciones de variables aleatorias
a) La probabilidad de que en dos meses sean 4 las máquinas que requieren un mantenimiento
general.
b) La probabilidad de que menos de 4 máquinas requieran mantenimiento general en 3 meses.
c) ¿Cuántas máquinas se espera que requieran mantenimiento general en un año?
10. Los dientes de león se estudian para conocer sus efectos sobre los cultivos y el crecimiento del
césped. En una región se descubrió que el número medio de dientes de león por metro cuadrado
es de 7.0 (según datos de Manitoba Agriculture and Food).
11. El autor descubrió que en un mes (30 dı́as), hizo 47 llamadas por teléfono celular, las cuales se
distribuyeron de la siguiente manera: durante 17 dı́as no hubo llamadas, 7 dı́as hizo una llamada
cada dı́a, 2 dı́as hizo 3 llamadas cada dı́a, 2 dı́as hizo 4 llamadas cada dı́a, un dı́a hizo 12 llamadas
y otro dı́a hizo 14 llamadas.
12. Los átomos radiactivos son inestables porque tienen demasiada energı́a. Cuando liberan su ener-
gı́a sobrante, se dice que decaen. Al estudiar el cesio 137, se descubre que durante el curso del
decaimiento en 365 dı́as, 1000000 de átomos radiactivos se reducen a 997287 átomos radiactivos.
213
Distribuciones de variables aleatorias
a) 0
b) 1
c) 2
d) 3
e) 4
f ) Los resultados reales incluyen las siguientes frecuencias: O muertes (en 144 años-cadáveres);
1 muerte (en 91 años-cadáveres); 2 muertes (en 32 años-cadáveres); 3 muertes (en 11
años-cadáveres); 4 muertes (en 2 años-cadáveres). Compare los resultados reales con los
esperados de las probabilidades de Poisson, escriba una breve comentario, haciendo incapie
en la semejanza o diferencia.
g) ¿Sirve la distribución de Poisson como una buena herramienta para predecir los resultados
reales?
14. En un año hubo 116 muertes por homicidio en Richmond. Virginia (según “A Classroom Note on
the Poisson Distribution: A Model for Homicida deaths in Richmond, VA for 1991”, de Winston
A. Richards en Mathematics and Computer Education). Para un dı́a seleccionado al azar, calcule
la probabilidad de que el número de muertes por homicidio sea:
a) O
b) 1
c) 2
d) 3
e) 4
f ) Compare las probabilidades calculadas con los siguientes resultados reales: 268 dı́as (ningún
homicidio); 79 dı́as (1 homicidio); 17 dı́as (2 homicidios); 1 dı́a (3 homicidios); no hubo
dı́as con más de 3 homicidios.
15. Durante un periodo reciente de 100 años hubo 93 terremotos importantes en el mundo (de al
menos 6.0 grados en la escala de Richter) (según datos del Worldatrae and Book of Facts).
Suponiendo que la distribución de Poisson es un modelo adecuado, calcule el número medio de
terremotos importantes por año, después calcule la probabilidad de que el número de terremotos
en un año seleccionado al azar sea
a) 0
b) 1
c) 2
d) 3
e) 4
f) 5
g) 6
214
Distribuciones de variables aleatorias
h) 7
i ) Los resultados reales son: 47 años (ningún terremoto importante); 31 años (1 terremoto
importante); 13 años (2 terremotos importantes); 5 años (3 terremotos importantes); 2
años (4 terremotos importantes); O años (5 terremotos importantes); 1 año (6 terremotos
importantes); 1 año (7 terremotos importantes). Después de comparar las probabilidades
calculadas con los resultados reales, ¿es un buen modelo la distribución de Poisson?
16. El número de usuarios que acuden a cierta base de datos confidencial sigue una distribución de
Poisson con una media de dos usuarios por hora.
a) Calcule la probabilidad de que entre las 8horas y el mediodı́a acudan más de dos usuarios.
b) Si un operador de la base de datos trabaja todos los dı́as de 8 am. hasta el mediodı́a, ¿cuál
es la probabilidad de que este operador tenga que esperar más de 7 dı́as hasta observar el
primer dı́a en el cual acceden más de dos usuarios?
17. Una compañı́a alquila computadoras por periodos de tiempo de t horas, por lo cual recibe $600
por hora. El número de veces que una computadora falla en t horas es una variable aleatoria
con distribución de Poisson con µ = 0,8t. Si una máquina falla x veces en t horas, el costo de
reparación es $50x2 . ¿Qué valor de t maximiza su utilidad esperada?
18. Las fallas superficiales en ciertas placas de metal siguen una distribución de Poisson con una
media de 0,04 fallas por placa. Una empresa consumidora hace un pedido grande al fabricante de
estas placas y puede seguir uno de los siguientes procesos de inspección. Proceso 1: Inspecciona
35 placas al azar y si encuentra menos de 3 con fallas acepta el pedido. En caso contrario lo
rechaza. Proceso 2: Inspecciona una por una las placas y si encuentra la tercera placa con falla
en la inspección, se detiene la inspección y rechaza el pedido. ¿Con cuál de estos dos procesos es
más probable que rechace el pedido?
En esta sección analizamos las variables aleatorias continuas y veremos tres distribuciones de
probabilidad continua: la uniforme, la exponencial y la normal además del teorema del lı́mite central.
Una diferencia fundamental entre las variables aleatorias discretas y las variables aleatorias continuas
es cómo se calculan las probabilidades. En las variables aleatorias discretas la función de probabilidad
f (x) da la probabilidad de que la variable aleatoria X tome un valor determinado; en cambio en las
variables aleatorias continuas, la contraparte de la función de probabilidad es la función de densidad
de probabilidad, que también se denota por f (x). La diferencia fundamental está en que la función de
densidad de probabilidad no da probabilidades directamente. Si no que el área bajo la curva de f (x)
que corresponde a un intervalo determinado proporciona la probabilidad de que la variable aleatoria
tome uno de los valores de ese intervalo. De manera que cuando se calculan probabilidades de variables
215
Distribuciones de variables aleatorias
aleatorias continuas se calcula la probabilidad de que la variable aleatoria tome alguno de los valores
dentro de un intervalo.
Definición 6.26. Se dice que la variable aleatoria continua X tiene distribución uniforme (o rectan-
gular) en el intervalo de números reales [a, b] con a < b y se describe por X ∼ U [a, b], si su función de
densidad de probabilidad f (x) es:
(
1
b−a si x ∈ [a, b]
f (x) =
0 si x 6∈ [a, b]
f (x)
1
b−a
X
a b
216
Distribuciones de variables aleatorias
F (x)
X
a b
Si la variable X tiene distribución uniforme en el intervalo [a, b], entonces la media y la varianza
son:
a+b
1. E(X) = 2
(b−a)2
2. V ar(X) = 12
Ejemplo 6.27. Sea X una v.a. continua que tiene una distribución uniforme en el intervalo [1,5, 5,5].
Solución:
a+b
Sabemos por fórmula de esperanza matemática que la media es, E(X) = 2 entonces µ =
2
1,5+5,5 (b−a)
E(X) = de aquı́ se tiene que µ = 3,5 y la varianza V ar(X) = entonces V ar(X) =
2 12 q
(5,5−1,5)2 4
12 = 3 y la desviación estándar es la raı́z cuadrada de la varianza es decir σ = 43
x−a
Para hallar b) P [X < 2,5] usamos la función de distribución acumulada F (x) = b−a luego
2,5−1,5
P [X < 2,5] = F (2,5) = 5,5−1,5 = 0,25.
Ejemplo 6.28. Un punto es escogido al azar del intervalo [1, 4]. Calcular:
Solución:
217
Distribuciones de variables aleatorias
Por tanto,
Z3
1
P (2 < X < 3) = · dx = 0,3333
3
2
1+4 (4−1)2
b) E(X) = 2 = 2,5 y V ar(X) = 12 = 0,75
La distribución de probabilidad exponencial se aplica a variables del tipo: las llegadas de automó-
viles a una estación de servicio, los tiempos requeridos para cargar un camión, las distancias entre dos
averı́as en una carretera, el tiempo de vida útil de un artefacto electrónico, etc. es decir para modelar
tiempos de espera hasta que ocurra un cierto evento de interés, por ejemplo el tiempo de espera hasta
que ocurra el siguiente accidente en una carretera, o el tiempo de espera hasta que se registra una
llamada de emergencia.
Definición 6.29. Se dice que una variable aleatoria continua X tiene una distribución exponencial
con parámetro β > 0 y se denota por X ∼ Exp(β), si su función densidad de probabilidad es:
(
βe−βx , si x ≥ 0
f (x) =
0, si x < 0
X
0 1
β
218
Distribuciones de variables aleatorias
la siguiente gráfica:
F (x)
1
β
1
1. E(X) = β
1
2. V ar(X) = β2
P [X > x] = 1 − P [X ≤ x] = e−βx
Ejemplo 6.30. El tiempo de vida, en horas, de un transistor electrónico es una variable que tiene una
distribución exponencial de media 500.
Solución:
1 1
Sea X : el tiempo de vida de un transistor. Tenemos que µ = E(X) = β = 500 entonces β = 500 .
1
Ası́, X ∼ Exp( 500 ) y su función de distribución acumulada en el intervalo [0, +∞[ es:
(
0, si x < 0
F (x) = 1
− 500 x
1−e , si x ≥ 0
219
Distribuciones de variables aleatorias
Por tanto,
1
a) P [X ≤ 600] = F (600) = 1 − e− 500 600 = 0,6988
1
b) P [X > 500] = 1 − F (500) = e− 500 500 = 0,3679
1 1
c) V ar(X) = β2 = 1
( 500 )2
= 250000
Ejemplo 6.31. Los tiempos entre las llegadas de vehı́culos a una estación de servicio siguen una
distribución de probabilidad exponencial cuya media es 12 segundos.
a) ¿Cuál es la probabilidad de que los tiempos de llegada entre vehı́culos sean 12 segundos o menos?.
b) ¿Cuál es la probabilidad de que los tiempos de llegada entre vehı́culos sean 6 segundos o menos?.
Solución:
(
0, si x < 0
F (x) = 1
− 12 x
1−e , si x ≥ 0
Por tanto,
1
a) P [X ≤ 12] = F (12) = 1 − e− 12 12 = 0,6321
1
b) P [X ≤ 6] = F (6) = 1 − e− 12 6 = 0,3935
1 1
c) P [X > 30] = 1 − F (30) = 1 − (1 − e− 12 30 ) = e− 12 30 = 0,0821
220
Distribuciones de variables aleatorias
Definición 6.32. Se dice que una variable aleatoria continua X, que toma los valores reales, −∞ <
x < +∞ está distribuida normalmente, con parámetros µ y sigma y se denota por X ∼ N (µ, σ 2 ), si su
función densidad de probabilidad es:
2
1 x−µ
1 −
f (x) = √ e 2 σ
, para −∞ < x < +∞
σ 2π
√1
σ 2π
µ
X
µ−σ µ+σ
1. E(X) = µ
2. V ar(X) = σ 2
2. Su función de densidad tiene un valor máximo en x = µ (su moda), este valor máximo es
1
f (µ) = √ .
σ 2π
3. Tiene al eje X como una ası́ntota horizontal.
4. La función de distribución
2
acumulada de la variable X ∼ N (µ, σ 2 ) está dada por F (x) = P [X ≤
1 s−µ
Rx 1 −
x] = −∞ √ e 2 σ ds.
σ 2π
221
Distribuciones de variables aleatorias
Definición 6.33. Se dice que una variable aleatoria continua Z que tiene una distribución normal,
con media 0 y varianza 1, entonces a la variable Z se llama variable aleatoria normal estándar, y su
función densidad es,
1 z2
f (z) = P [Z = z] = √ e− 2 , para z∈R
2π
Cualquier variable aleatoria normal X con media µ y varianza σ 2 puede ser transformada a una
X −µ
variable aleatoria estandarizada Z ∼ N (0, 1), por la siguiente transformación Z = .
σ
f (z)
√1
2π
Z
2∗σ µ=0 2∗σ
Ejemplo 6.34. Suponga que el ingreso familiar mensual en una comunidad tiene una distribución
normal con media $600 y desviación estándar $100.
a) Calcular la probabilidad de que el ingreso de una familia escogida al azar sea menor que $400.
b) Si el 5 % de las familias con mayores ingresos deben pagar un impuesto, ¿a partir de que ingreso
familiar se debe pagar el impuesto?
Solución:
X −µ 400 − 600
a) P [X < 400] = P [ < ] = P [Z < −2] = 0,0228
σ 100
222
Distribuciones de variables aleatorias
Uno de los teoremas más importantes en Estadı́stica es el Teorema del lı́mite central, este teo-
rema permite aproximar sumas finitas de variables independientes que puede tener cualquier tipo de
distribución con media y varianza conocida.
Theorem 6.35. Si X1 , X2 , ..., Xn son variables independientes idénticamente distribuidas con media
µ y varianza σ 2 , entonces, la variable aleatoria Yn = X1 + X2 + ... + Xn tiene distribución normal con
E(Yn ) = nµ y V ar(Yn ) = nσ 2 , cuando n tiende al infinito. O equivalentemente,
Yn − nµ
Zn = √ ∼ N (0, 1)
σ n
Ejemplo 6.36. Las cajas entregadas por una fabrica tienen un peso medio de 200 kg y una desviación
estándar de 40 kg. ¿Cual es la probabilidad de que 50 cajas tomadas al azar y cargadas en un camión
exceden de la capacidad especificada del camión, que es de 9500 kg.?
Solución:
Sea Xi : Peso de la i ésima caja (i = 1, 2, ..., 50), luego el peso total de las 50 cajas es Y50 =
X1 + X2 + ... + X50 . Ası́, E(Y50 ) = 50(200) = 10000 y V ar(Y50 ) = 50(402 ) = 80000. Por tanto,
P (Y50 > 9500) = P ( Y√50 −E(Y50 ) > 9500−10000
√
80000
) = P (Z > −1,77) = 0,9616
V ar(Y50 )
Ejemplo 6.37. En la ciudad de Arequipa la presión sanguı́nea sistólica media de hombres con edades de
20 a 24 años es de 123 mm Hg con una desviación estándar de 137 mm Hg; además la presión sanguı́nea
se distribuye normalmente. Si se selecciona al zar uno de estos hombres ¿Cuál es la probabilidad de que
su presión sanguı́nea sea:
223
Distribuciones de variables aleatorias
Solución:
X −µ 139,44 − 123
P (X > 139,44) = P ( > )
σ 137
= P (Z > 0,120)
= 1 − P (Z ≤ 0,120)
= 1 − 0,5478
= 0,4522
X −µ 109 − 123
P (X < 110) = P ( < )
σ 137
= P (Z < −0,102)
= 0,4602
Ejemplo 6.38. Un asentamiento humano del distrito de Cayma es abastecido con un cisterna de agua
cada 2 dı́as; el consumo en volumen de agua para ese asentamiento humano tiene una distribución
normal con media de 2000 m3 y desviación estándar de 100 m3 por cada dos dı́as de consumo. Hallar
la capacidad del cisterna para que la probabilidad de que en un periodo de 2 dı́as el agua no sea suficiente
para satisfacer toda la demanda sea de 0.01.
Solución:
Sea X : consumo de agua en m3 durante dos dı́as, con X ∼ N (2000, 1002 ), y sea k la capacidad
del tanque del cisterna entonces se tiene:
X −µ k − 2000
P (X > k) = P ( > )
σ 100
k − 2000
P (X > k) = 1 − P (Z ≤ ) = 0,01
100
k − 2000
= P (Z ≤ ) = 0,99
100
P (Z < z0 ) = 0,99
z0 = 2,335
Entonces
k − 2000
= 2,335
100
224
Distribuciones de variables aleatorias
k − 2000 = 233,5
de aquı́ k = 2233,5 m3 .
Ejemplo 6.39. En una industria alimenticia se comercializa harina en paquetes de “peso neto 500
gramos”. El proceso automático de llenado de los paquetes puede regularse de modo que la cantidad
media de harina por paquete pueda ajustarse al nivel que se desee, a fin de bajar los precios (retirando
previamente la etiqueta). Suponiendo que la cantidad de harina por paquete es una variable aleatoria
que tiene distribución normal con una desviación estándar de 0.2 onzas. (considere 1onza=28.3495
gramos)
a) ¿A qué nivel debe ajustarse el llenado medio de modo que sólo el 0.1 % de los paquetes tengan
un peso neto inferior a 12 onzas?
Solución:
Para a) Sea X : cantidad de harina por paquete, con X ∼ N (µ, 0,22 ), entonces P (X < 12) =
0,001 luego
X −µ 12 − µ
P( < ) = 0,001
σ 0,2
P (Z < z0 ) = 0,001
z0 = −3,10
Entonces
12 − µ
= −3,10
0,2
12 − µ = −0,62
Para b) se tiene que el gerente elige una muestra de n = 10 paquetes entonces: Sea Y : Número
de paquetes con peso inferior a 12 onzas, con Y ∼ B(10, 0,001), luego
P (Y > 2) = 1 − P (Y ≤ 2) = 1 − P (Y = 0) − P (Y = 1) − P (Y = 2)
P (Y > 2) = 1 − C010 (0,001)0 .(0,999)10 − C110 (0,001)1 .(0,999)9 − C210 (0,001)2 .(0,999)8
Entonces P (Y > 2) = 0,0000554 por lo tanto el gerente no debe cambiar los parámetros.
225
Distribuciones de variables aleatorias
Ejemplo 6.40. La renta media de los habitantes de un paı́s se distribuye uniformemente entre 4
millones de soles. y 10 millones de soles.
a) Calcular la probabilidad de que al seleccionar al azar a 100 personas la suma de sus rentas supere
los 725 millones de soles.
b) Calcular la probabilidad de que al seleccionar al azar a 100 personas la suma de sus rentas no
supere los 415 millones de soles
Solución:
Sea Xi : Renta media de la i ésima persona (i = 1, 2, ..., 100), con Xi ∼ U ([4, 10]), luego la renta
total de las 100 personas es Y100 = X1 + X2 + ... + X100 . Ası́, E(Y100 ) = 100(7) = 700 millones y
100 −E(Y100 )
V ar(Y100 ) = 100(3) = 300. millones2 Por tanto, P (Y100 > 725) = P ( Y√ > 725−700
√ ) = P (Z >
300
V ar(Y100 )
1,4434) = 1 − P (Z ≤ 1,4434) = 1 − 0,9251 = 0,0749. Luego la probabilidad de que al seleccionar al azar
a 100 personas la suma de sus rentas supere los 725 millones de soles es 7,49 %.
100 −E(Y100 )
Para b) se tiene que P (Y100 ≤ 415) = P ( Y√ ≤ 415−700
√
300
) = P (Z ≤ −16,4545) = 0. Luego
V ar(Y100 )
la probabilidad de que al seleccionar al azar a 100 personas la suma de sus rentas no supere los 415
millones de soles es 0,00 %.
Ejemplo 6.41. La empresa Philips indica que la vida de cierto foco electrónico tiene una distribución
exponencial con media de 23 dı́as. Tan pronto como un foco se quema, es reemplazado por otro.
Solución:
Para a) Sea X : tiempo de vida útil de un foco, entonces X ∼ Exp(β), como E(X) = 23 dı́as
1 1 1
entonces β = 23 dı́as luego β = 23 , y su función de densidad acumulada es F (x) = 1 − − 23 x y
1
P (X < 20) = F (20) = 1 − − 23 20 = 1 − 0,4191 = 0,5808. Entonces la probabilidad de que un foco se
queme antes de 20 dı́as es 58,08 %.
Para b) Sea Xi : tiempo de vida útil del i-ésimo foco (i = 1, 2, ..., 25), con Xi ∼ Exp(β) luego
el tiempo de vida útil total de los 25 focos es Y25 = X1 + X2 + ... + X25 . Ası́, E(Y25 ) = 25(23) = 575
y V ar(Y25 ) = 25(232 ) = 13225. Luego la P (Y25 < 365) = P ( Y√25 −E(Y25 ) > 365−575
√ ) = P (Z < −1,83) =
13225
V ar(Y25 )
0,0336. Entonces la probabilidad de que en un año se necesiten más de 25 focos es es 3,36 %.
226
Distribuciones de variables aleatorias
P(Z<-1.83)
P (z)
z0 =−1,83 Z
a) ¿Cuál es la probabilidad de que el contenido de una botella esté entre 12 y 12.05 onzas?
c) En el control de calidad se acepta que una botella sea llenada con más o menos 0.02
onzas de lo indicado en la etiqueta. ¿Cuál es la probabilidad de que una de las botellas de
detergente no satisfaga estos estándares?
3. El tiempo entre las llamadas telefónicas a una ferreterı́a tiene una distribución exponencial con
un tiempo promedio entre las llamadas de 15 minutos.
4. El grosor del reborde de un componente aeronáutico tiene una distribución uniforme entre 0.95
y 1.05 milı́metros.
227
Distribuciones de variables aleatorias
5. El tiempo entre la entrada de correos electrónicos en una computadora tiene una distribución
exponencial con una media de dos horas.
6. La vida de los reguladores de voltaje para automóviles tiene una distribución exponencial con
una vida media de seis años. Usted compra un automóvil con seis años de antigüedad que tiene
el regulador de voltaje funcionando y planea conservarlo por seis años.
a) ¿Cuál es la probabilidad de que el regulador de voltaje falle antes de que venda el auto-
móvil?
7. La distancia entre grietas grandes en la carretera panamericana sur sigue una distribución expo-
nencial con una media de 5 kilómetros.
8. Las calificaciones de los 500 aspirantes presentados a un examen para contratación de personal,
se distribuye normalmente con media 65 y varianza 40.
228
Distribuciones de variables aleatorias
9. Un fabricante de una impresora láser informa que la media de páginas que imprime un cartucho
antes de ser reemplazado es de 12200. La distribución de páginas impresas por cartucho se
aproxima a una distribución normal y la desviación estándar es de 820 páginas. El fabricante
desea proporcionar lineamentos a los posibles clientes sobre el tiempo que deben esperar a que
les dure un cartucho. Calcular las probabilidades de:
10. Determine la media y la desviación tı́pica de las puntuaciones de un test de agresividad que se
aplicó a 120 individuos, sabiendo que 30 alcanzaron menos de 40 puntos y que el 60 % obtuvieron
puntuaciones comprendidas entre 40 y 90 puntos.
11. El tiempo de reacción de un conductor a un estı́mulo visual tiene una distribución normal con
una media de 0.4 segundos y una desviación estándar de 0.05 segundos.
b) ¿Cuál es la probabilidad de que una reacción requiera entre 0.4 y 0.5 segundos?
12. Las puntuaciones de un examen se distribuyen normalmente con media 15 puntos. La puntuación
A ha sido superada por un 23 % de los alumnos. La puntuación B está situada a 5 puntos
diferenciales por debajo de la media. Entre B y la media se encuentra el 30 % de los alumnos.
Calcular:
13. La resistencia a la compresión de muestras de cemento puede modelarse mediante una distri-
bución normal con una media de 6000 kilogramos por centı́metro cuadrado y una desviación
estándar de 100 kilogramos por centı́metro cuadrado.
229
Distribuciones de variables aleatorias
14. Los 460 alumnos de un centro educativo tienen 156 cm. de estatura media con una varianza de
81 cm2 .
15. Se lanza una moneda al aire 100 veces, si sale cara le damos el valor 1 y si sale cruz el valor 0. Cada
lanzamiento es una variable independiente que se distribuye según el modelo de Bernoulli, con
media 0.5 y desviación estándar 0.5. Calcular la probabilidad de que en estos 100 lanzamientos
salgan más de 60 caras.
Rpta. a)0,0228.
16. Una empresa de mensajerı́a que opera en la ciudad tarda una media de 35 minutos en llevar un
paquete, con una desviación tı́pica de 8 minutos. Supongamos que durante el dı́a de hoy han
repartido doscientos paquetes.
a) ¿Cuál es la probabilidad de que la media de los tiempos de entrega de hoy este entre 30 y
35 minutos?
b) ¿Cuál es la probabilidad de que, en total, para los doscientos paquetes hayan estado más
de 115 horas?
17. Se ha determinado que la vida útil de cierta marca de llantas radiales tiene media de 38000 km y
una desviación estándar de 3000 km. Si una empresa de transporte adquiere 36 de estas llantas.
¿Cuál es la probabilidad de que rindan al menos 1318500 km en conjunto?
Rpta. a)0,9970.
18. El precio de una acción en la bolsa de valores de Lima se mueve aleatoriamente entre 10 soles y
20 soles, con la misma probabilidad en todo el tramo. Hemos dado la orden a nuestro agente de
bolsa de que nos compre paquetes de 1000 acciones cada dı́a durante las próximas 40 sesiones.
Una vez ejecutada la orden, tenemos un total de 40 000 acciones. A final de año vendemos todas
las acciones al precio de 13 soles/acción, recibiendo 520 000 soles. Calcular la probabilidad de
que ganemos dinero en esta operación.
230