Está en la página 1de 38

FACULTAD DE CIENCIAS ECONOMICAS, ADMINISTRATIVAS Y

CONTABLES
ESCUELA PROFESIONAL DE ECONOMIA

I TRABAJO ENCARGADO DE ESTADISTICA II-PARTE I - DISTRIBUCIONES PROBABILISTICAS

(discretas y continuas)

DOCENTE: Tunqui Suyo Timoteo

AREA: ESTDISTICA II

AlLUMNA: Tisoc Incatito Karol

CODIGO: 018101521H

CUSCO – PERÚ

2020
I TRABAJO ENCARGADO DE ESTADISTICA II-PARTE I - DISTRIBUCIONES PROBABILISTICAS

(discretas y continuas)

VARIABLES ALEATORIAS
1. Una muestra aleatoria con reposición de tamaño n=2 se selecciona del conjunto {1,2,3} produciendo el
espacio equiprobable de 9 elementos. S={(1,1),(1,2),(1.3),(2,1),(2,2),(2,3),(3,1),(3,2),(3,3)} Sea X la suma de
los dos números.
(a) Encuentre la distribución PROBABILISTICA ó ƒ de X.
La variable aleatoria X asume los valores 2,3,4,5,6es decir, R x ={2,3,4,5,6 }. Se calcula la distribución ƒ
de X:
o Un punto(1,1) tiene suma 2; donde ƒ(2)=1/9.
o Dos puntos (1,2) y (2,1)tienen suma 3; de donde ƒ(3)=2/9.
o Tres puntos (1,3),(2,2) y (1,3)tienen suma4 ; de dondeƒ(4)=3 /9.
o Dos puntos, (2,3) ,(3,2) tienen suma5; de donde ƒ(5)=2 /9.
o Un punto (3,3) tiene suma6 ; de donde ƒ(6)=1/9.
Por tanto, la distribución ƒ de X es la siguiente:

x 2 3 4 5 6
f (x) 1/9 2/9 3/9 2/9 1/9

(b) Encuentre el valor esperado E(X).


Se obtiene el valor esperado E( X) multiplicando cada valor de x por su probabilidad y tomando la suma.
Por tanto:

E ( x )=2 ( 19 )+3 ( 29 )+ 4 ( 39 )+5 ( 29 )+6( 19 )


E ( x )=4

2. Encuentre la media µ = E(X), la varianza σ2 =var(X) y la desviación estándar σ= σx de la distribución

Xi 1 3 5 7 TOTAL
P(Xi) 0.3 0.1 0.4 0.2 1

σ 2=var ( X )=E ( X )−µ2 y σ=σ x =√ var ( X )

µ=E( X )=∑ x i pi=1( 0.3)+3 (0.1)+5 (0.4)+7( 0.2)=4.0

E ( X 2) =∑ x 2i pi=12 ( 0.3 ) +32 ( 0.1 ) +52 ( 0.4 ) +72 ( 0.2 )=21.0

2
σ 2=var ( X )=E ( X 2 ) −µ2 =21−( 4 ) =5

σ =√ var ( X )=√ 5=2.24


3. Un servicio de atención al cliente estima que la distribución de probabilidad de la variable X = “Numero de clientes atendidos
por hora” es la siguiente:
Xi 0 1 2 3 4 5 6 7 TOTAL
P(Xi) 0.01 0.12 0.2 0.3 0.20 0.0 0.0 0.0 1
A) Halle la 2 2 8 3 2 función de
distribución de la variable X

0 x <0
0,01 0 ≤ x <1
0,13 1≤ x <2
0,35 2 ≤ x <3
0,67 3 ≤ x< 4 F ( x )=¿
0,87 4 ≤ x <5
0,95 5 ≤ x <6
0,98 6 ≤ x<7
1 x≤7
B) ¿Cuál es la probabilidad de que en una hora utilice este servicio un mínimo de cinco clientes?
P( X ≥ 5)=1 – P(X ≤ 4)=1 – F( 4)=1 – 0,87=0,13
C) ¿Cuál es la probabilidad de que en una hora sean atendidos más de dos y como máximo cinco clientes?
P(2< X ≤ 5)=F (5) – F (2)=0,95 – 0,35=0,60
D) Si se sabe que en una hora determinada algún cliente ha utilizado el servicio, ¿Cuál es la probabilidad de que hayan
sido más de tres?
3 P [ ( X < 3 ) ∩ ( X >0 ) ] P(X ≥ 4) 1−P( X ≤ 3) 1−F (3) 1−0,67
(
P X> >0 =
x ) P ( X >0 )
=
P ( X >0 )
=
1−P(0)
= =
1−P(0) 1−0,01
=0,333

4. Una variable aleatoria X queda caracterizada por la función: P(X)= K/X si X=1, 2, 3 y 4.
A) Determine el valor de K
La suma tiene que valer 1 para que sea una función de probabilidad.

x P( x ) P( x ) F (x)
1 1k 12/25 0.48
2 0.5 k 12/50 0.72
3 0.33333333 k 12/75 0.88
4 0.25 k 12/100 1
total 1 1

1k+ ( 12 ) k +( 13 ) k +( 14 ) k=1
25
k =1
12
25 k =12
12
k=
25
k =0.48
B) Obtenga la función de distribución
0 x <1
0,48 0 ≤ x<1
0,72 2≤ x <3 F (x)
0,88 3 ≤ x < 4 h
1 x≥4

C) Calcule P (1 ≤ X ˂ 3); P(2 ˂ X ≤ 4); P( X ˃ 2)


P ( 1≤ x< 3 )=0.72
P ( 2˂ X ≤ 4 ) =0.28
P ( X ˃2 )=0.28

5. La función de cuantia (función de la distribución de probabilidad) de una variable aleatoria es:

0.05 para X = 1 y X = 8
0.10 para X = 2 y X = 7
P(X) = 0.15 para X = 3 y X = 6
0.20 para X = 4 y X = 5
0 Otros casos

A) Compruebe que es una función de cuantía (distribución probabilística)


P(x )=1
B) Determine la función de distribución

0 x <0
0,05 1≤ x <2
0,15 2 ≤ x <3
0,30 3 ≤ x < 4
0,50 4 ≤ x <5 F ( x )=¿
0,70 5 ≤ x <6
0,85 6 ≤ x<7
0,95 7 ≤ x <8
1 x≤8

D) Obtenga las siguientes probabilidades: P(3 ≤ X ˂ 6); P(1 ˂ X ≤ 4); P( X ˃ 2) y P( X ˂ 4)


P ( 3≤ x <6 ) =0.55
P ( 1˂ X ≤ 4 ) =0.45
P ( X ˃2 )=0.8
P ( X ˂4 )=0.3
6. La función de densidad que caracteriza a la variable aleatoria X es: f(X)= 1/k 1≤ X ≤5
1 Otros casos

A) Determine el valor de K
5 5
1
∫ dx= 41 [ x ] 1= 1k [ 5−1 ] = 4k =1
5
∫ dx= k 1
1
k =4
B) Obtenga la función de distribución probabilística
xi xi
1 1 1 x 1 x −1
F ( x i )=P ( X ≤ x i )=∫ dx= ∫ dx = [ x ] 1 = [ x i−1 ] = i
i

1
4 4 1 4 4 4

0 x <1

x−1
1≤ x ≤ 5
4 F ( x )=¿

1 x>5
C) Calcule P(X ≤ 3); P(1.5 ≤ X ˂ 4); P( X ˃ 2)

P ( X ≤3 )=0.5
P ( 1.5≤ X ˂ 4 ) =0.625
P ( X ˃2 )=0.875

DISTRIBUCION BINOMIAL
7. Existe una empresa que produce vasos, y se sabe que históricamente el 2 % de estos salen fallados. Por otro lado, existe
un comprador que tolera el 2 % de Nº fallos, si el valor es mayor rechaza el lote completo que quiere comprar. Se decide
tomar una muestra de 100 vasos, ¿Cuál es la probabilidad de que el comprador acepte el lote?
Datos :n=100 ; p=0.80 ; q=0.20=20 % ; X ≤ 2

P ( x ≤ 2 )=P ( x=0 ) + P ( x=1 ) + P ( x=2 )=0.67=67.67 %


100
P ( x=0 )=
0
0
( ) 100
0.02 0.98 =0.13

P ( x=1 )=( 100) 0.021 0.9899=0.27


1
100 2 98
P ( x=2 )=( ) 0.02 0.98 =0.27
2
Distribution Plot
Binomial; n=100; p=0.02
0.30
0.6767

0.25

0.20
Probability

0.15

0.10

0.05

0.00
2 7
X

8. El Ministerio del Trabajo reporta que 20% de la fuerza de trabajo en un pueblo está desempleada. De una muestra de 14
trabajadores, calcule las siguientes probabilidades con la fórmula de la distribución binomial (n=14, p=0.2): Resuelva:
a) Tres están desempleados.
x P( X = x )
3 0.250139
P ( x=3 )=0.250139=25.01 %
b) Al menos un trabajador está desempleado.

P ( x ≥ 1 )=1−P ( x=0 )=1−0.044=0.9560


Distribution Plot
Binomial; n=14; p=0.2

0.25

0.20

Probability
0.15

0.10
0.9560

0.05

0.00
0 1
X

c) A lo más dos trabajadores están desempleados.


P ( x 2 )=0.044+0.154+ 0.250=0.4481

Distribution Plot
Binomial; n=14; p=0.2

0.25

0.20

0.4481
Probability

0.15

0.10

0.05

0.00
2 8
X

9. Si el 15 % de las piezas producidas por una máquina son defectuosas, ¿cuál es la probabilidad de que entre cuatro piezas
elegidas al azar, a lo sumo una sea defectuosa?
n=4
p=0.15
x1
P ( x 1 )=0.8905=89.05 %
Distribution Plot
Binomial; n=4; p=0.15

0.5

0.4
0.8905
Probability

0.3

0.2

0.1

0.0
1 3
X

10. Si de seis a siete de la tarde se admite que un número de teléfono de cada cinco está comunicando, ¿cuál es la
probabilidad de que, cuando se marquen 10 números de teléfono elegidos al azar, sólo comuniquen dos?
n=10
p=0.8
x=2
x P( X = x )
2 0.301990
P ( x=2 )=0.301990=30.19 %
11. La probabilidad de que disco compacto dure al menos un año sin que falle es de 95%. Calcule la probabilidad de que, en 15
de estos aparatos elegidos al azar,

a. 12 duren menos de un año


b. A lo más 5 duren menos de un año
c. Al menos 2 duren menos de un año
d. Obtenga la MEDIA y VARIANZA de la variable aleatoria del problema.

SOLUCION:

a) 12 duren menos de un año


DATOS:
p=0.95; q=0.05; n=15 ; X =12;
PIDE CALCULAR: REGLA BINOMIAL:
P(X=x)= ¿ ¿ px(1 - p)n-x
P(X=12)= ¿ ¿ (0.95)12(0.05)15-12 = 0.0307330

b) A lo más 5 duren menos de un año

DATOS:
p=0.95; q=0.05; n=15 ; X ≤5 ;
PIDE CALCULAR: REGLA BINOMIAL:
P(X≤5)=

Distribution Plot
Binomial; n=15; p=0.95
0.5

0.4
Probability

0.3

0.2

0.1

0.0
8 15
X

c) Al menos 2 duren menos de un año


Distribution Plot
Binomial; n=15; p=0.95
0.5

0.4

Probability
0.3

0.2

0.1

1
0.0
8
X

d) Media= E(X)==np=15(0.95)=14.25=14
Varianza=npq=15(0.95)(0.05)=0.7125

12. Para estudiar la regulación hormonal de una línea metabólica se inyectan ratas albinas con un fármaco que inhibe la
síntesis de proteínas del organismo. En general, 4 de cada 20 ratas mueren a causa del fármaco antes de que el
experimento haya concluido. Si se trata a 10 animales con el fármaco, ¿cuál es la probabilidad de que al menos 8 lleguen
vivas al final del experimento?
En este caso, tenemos:
n=10
p=0.8
q=1−0.2=0.8
X= 'Nº de ratas que no mueren por el fármaco antes de terminar el tratamiento'.
La variable aleatoria Y sigue una distribución Binomial:
X B(10 , 1−0.2)=B(10 , 0.8).
P(Y ≥ 8)=P(Y =8)+ P( Y =9)+ P(Y =10)=0.6778
Distribution Plot
Binomial; n=10; p=0.8

0.30
0.6778
0.25

0.20
Probability

0.15

0.10

0.05

0.00
4 8
X

13. Dañando los cromosomas del óvulo o del espermatozoide, pueden causarse mutaciones que conducen a abortos, defectos
de nacimiento, u otras deficiencias genéticas. La probabilidad de que tal mutación se produzca por radiación es del 10 %.
De las siguientes 150 mutaciones causadas
por cromosomas dañados, ¿cuántas se esperaría que se debiesen a radiaciones? ¿Cuál es la probabilidad de que solamente
10 se debiesen a radiaciones?
DATOS:
n=150
p=0.10−−−10 % probabilidad de éxito
q=0.90−−−90 %

 ¿Cuál es la probabilidad de que solamente 10 se debiesen a radiaciones?

DATOS:
n=150
p=0.10−−−10 % probabilidad de éxito
q=0.90−−−90 %
x=10

Probability Density Function

Binomial with n = 150 and p = 0.1

x P( X = x )
10 0.0459168

14. El 10% de las personas tiene algún tipo de alergia. Se seleccionan aleatoriamente 100 individuos y se les entrevista. Hallar
la probabilidad de que, al menos, 12 tengan algún tipo de alergia. Hallar la probabilidad de que, como máximo, 8 sean
alérgicos a algo.
DATOS:
n=100
p=0.10−−−10 % probabilidad de éxito
q=0.90−−−90 %

 Hallar la probabilidad de que, al menos, 12 tengan algún tipo de alergia

DATOS:
n=100
p=0.10−−−10 % probabilidad de éxito
q=0.90−−−90 %

Distribution Plot
Binomial, n=100, p=0.1
0.14

0.12

0.10
Probability

0.08

0.06

0.04

0.2970
0.02

0.00
2 12
X

X ≥ 12

 Hallar la probabilidad de que, como máximo, 8 sean alérgicos a algo.


DATOS:
n=100
p=0.10−−−10 % probabilidad de éxito
q=0.90−−−90 %

Distribution Plot
Binomial, n=100, p=0.1
0.14

0.12

0.10
Probability

0.08

0.06

0.04 0.3209

0.02

0.00
8 20
X
X ≤8

15. Una prueba de laboratorio para detectar heroína en sangre tiene un 92% de precisión. Si se analizan 72 muestras en un
mes, ¿cuál es la probabilidad de que:
a. 60 o menos estén correctamente evaluadas?
b. menos de 60 estén correctamente evaluadas?
c. exactamente 60 estén correctamente evaluadas?

 60 o menos estén correctamente evaluadas


DATOS:
n=72
p=0.92−−−92 % probabilidad de éxito
q=0.08−−−8 %
X ≤ 60

Distribution Plot
Binomial, n=72, p=0.92
0.18

0.16

0.14

0.12
Probability

0.10

0.08

0.06

0.04

0.02
0.01148
0.00
60 72
X

 menos de 60 estén correctamente evaluadas


DATOS:
n=72
p=0.92−−−92 % probabilidad de éxito
q=0.08−−−8 %
X < 60
ó X ≤ 59 MINITAB
Distribution Plot
Binomial, n=72, p=0.92
0.18

0.16

0.14

0.12
Probability

0.10

0.08

0.06

0.04

0.02
0.004391
0.00
59 72
X

 exactamente 60 estén correctamente evaluadas


DATOS:
n=72
p=0.92−−−92 % probabilidad de éxito
q=0.08−−−8 %
X =60

Probability Density Function

Binomial with n = 72 and p = 0.92

x P( X = x )
60 0.0070931

16. Un informe del National Center forHealthStatistics, basado en los datos de 1985, afirma que 30 por ciento de la población
adulta de EUA son fumadores (A-3). Considere una muestra aleatoria simple de 15 adultos seleccionados en ese momento.
Encuentre la probabilidad de que el número de fumadores en la muestra sean:
a. Tres
b. Menos de cinco
c. Entre cinco y nueve, inclusive
d. Mas de cinco, pero menos de 10
e. Seis ó mas
DATOS:
n=15
p=0.30−−−30 % probabilidad de éxito
q=0.70−−−70 %

 Tres
DATOS:
n=15
p=0.30−−−30 % probabilidad de éxito
q=0.70−−−70 %
X =3

Probability Density Function

Binomial with n = 15 and p = 0.3

x P( X = x )
3 0.170040

 Menos de cinco
DATOS:
n=15
p=0.30−−−30 % probabilidad de éxito
q=0.70−−−70 %
X <5
ó X ≤ 4 MINITAB
Distribution Plot
Binomial, n=15, p=0.3
0.25

Probability 0.20

0.15

0.10 0.5155

0.05

0.00
4 10
X

 Entre cinco y nueve, inclusive


DATOS:
n=15
p=0.30−−−30 % probabilidad de éxito
q=0.70−−−70 %
5≤ X≤9

Distribution Plot
Binomial, n=15, p=0.3
0.25

0.20
Probability

0.15

0.10
0.4809

0.05

0.00
0 5 9 10
X

 Más de cinco, pero menos de 10


DATOS:
n=15
p=0.30−−−30 % probabilidad de éxito
q=0.70−−−70 %
5< X< 10
MINITAB 6 ≤ X <9
Distribution Plot
Binomial, n=15, p=0.3
0.25

0.20
Probability

0.15

0.10

0.05
0.2747

0.00
0 6 9 10
X
 Seis ó mas
DATOS:
n=15
p=0.30−−−30 % probabilidad de éxito
q=0.70−−−70 %
X ≥6
Distribution Plot
Binomial, n=15, p=0.3
0.25

0.20
Probability

0.15

0.10

0.05
0.2784

0.00
0 6
X

DISTRIBUCION POISSON
17. Se está haciendo un estudio para ampliar una terminal de taxis y se sabe que en las horas de la tarde de 6-10 PM el
número medio de llegadas es 4.0 personas por hora. ¿Cuál es la probabilidad de 4 llegadas en una hora?
DATOS:
λ=4.0
X =4

Probability Density Function

Poisson with mean = 4

x P( X = x )
4 0.195367

18. La producción de computadoras trae asociada una probabilidad de defecto del 1.5%, si se toma un lote o muestra de 100
computadoras, obtener la probabilidad de que existan 2 o menos computadoras con defectos.
DATOS:
λ=1.5 %
n=100
X ≤2
Distribution Plot
Poisson, Mean=1.5
0.35 0.8088

0.30

0.25
Probability

0.20

0.15

0.10

0.05

0.00
2 6
X

19. Se calcula que en la ciudad el 20% de las personas tienen afición a mirar TV de noche, si tomamos una muestra de 150
personas al azar ¿Calcular la probabilidad de que 25 de ellos tengan el hábito de mirar TV de noche?
DATOS:
λ=20 %
n=150
X =25

Probability Density Function

Poisson with mean = 30

x P( X = x )
25 0.0511153

20. El 6% de los registros contables de una empresa presentan algún problema, si un auditor toma una muestra de 50
registros ¿Calcular probabilidad de que existan exactamente tres registros con problemas?

DATOS:
λ=6 %
n=50
X =3

Probability Density Function

Poisson with mean = 3

x P( X = x )
3 0.224042
21. Si cada una de las 18 gallinas de un gallinero pone de promedio 0.5 huevos al día. Si se recogen los huevos cada 24 horas.
¿Cuál es el número medio de huevos que se recogen en cada visita? ¿Cuál es la probabilidad de que x = 5?
DATOS:
Promedio : µ=0.5 x 18/24=0.375 huevos /hora
Distribución de Poisson para un valor medio de µ=0.375

 ¿Cuál es el número medio de huevos que se recogen en cada visita?


DATOS:
Promedio : µ=0.5 x 18/24=0.375 huevos/hora

 ¿Cuál es la probabilidad de que x = 5?


DATOS:
λ=0.375
n=18
X =5

Probability Density Function

Poisson with mean = 0.375

x P( X = x )
5 0.0000425

22. Como una forma de hacer control de calidad en una empresa comercializadora de puertas de madera, el dueño exige que
antes de salir de la fábrica cada puerta sea revisada en busca de imperfecciones en la superficie de madera. El encargado
de control de calidad encontró que el número medio de puertas con imperfecciones es de 0.05%. ¿Cuál es la probabilidad
de un lote con 100 puertas tenga 4 imperfecciones o menos?
DATOS:
λ=0.05 % .
n=100
X ≤4
Distribution Plot
Poisson, Mean=0.05
1.0

0.8
Probability

0.6

0.4

0.2

1.000
0.0
3
X

23. Suponga que una empresa aérea, en promedio, 1 de cada 150 vuelos se retrasan más de una hora, si se programan 1500
vuelos en un mes:
a. ¿Cuál es la probabilidad de que exactamente 3 vuelos se retrasen más de una hora?
DATOS:
λ=1.5 %
n=1500
X =3
1500 entre 150=10 media
1 de cada 150 vuelos se retrasan → 10 de cada 1500 vuelos se retrasan
λ=10

Probability Density Function

Poisson with mean = 10

x P( X = x )
3 0.0075667

b. ¿Cuál es la probabilidad de que más de 3 vuelos se retrasen más de una hora?


DATOS:
λ=10
n=1500
X >3
X mayor igual a 4
Distribution Plot
Poisson, Mean=10
0.14

0.12

0.10
Probability

0.08 0.9897

0.06

0.04

0.02

0.00
2 4
X

c. ¿Cuál es la probabilidad de que menos de 5 vuelos se retrasen más de una hora?


DATOS:
λ=10
n=1500
X <5
X menor igual a 4

Distribution Plot
Poisson, Mean=10
0.14

0.12

0.10
Probability

0.08

0.06

0.04

0.02
0.02925
0.00
4 21
X

24. La cantidad de errores de transmisión de datos en una hora es 5 en promedio. Suponiendo que es una variable con
distribución de poisson, determine la probabilidad que,

a. En cualquier hora ocurra solamente 1 error


b. En cualquier hora ocurra al menos 3 errores
c. En 2 horas cualesquiera ocurran no más de 2 errores

 En cualquier hora ocurra solamente 1 error


DATOS:
λ=5
X =1

Probability Density Function

Poisson with mean = 5

x P( X = x )
1 0.0336897
 En cualquier hora ocurra al menos 3 errores
DATOS:
λ=5
X ≥3

Distribution Plot
Poisson, Mean=5
0.20

0.15
Probability

0.10

0.8753

0.05

0.00
0 3
X

 En 2 horas cualesquiera ocurran no más de 2 errores


DATOS:
λ=5
X ≤2

Distribution Plot
Poisson, Mean=5
0.20

0.15
Probability

0.10

0.05
0.1247

0.00
2 13
X

25. Un cargamento grande de libros contiene 3% de ellos con encuadernación defectuosa. Utilice la aproximación de poisson
para determinar la probabilidad que entre 400 libros seleccionados al azar del cargamento,

a. Exactamente 10 libros estén defectuosos


SOLUCION:
DATOS:
λ=μ=12 ; X =10=0.104837 =10.48 %

COMPROBACIÓN MINITAB:

Probability Density Function

Poisson with mean = 12

x P( X = x )
10 0.104837
b. Al menos 10 tengan defectos.

SOLUCION:
DATOS:
λ=μ=12 ; X ≥ 10=0.7576 =75.76 %

COMPROBACIÓN MINITAB:

26. Cierta enfermedad tiene una probabilidad muy baja de ocurrir, p =1/100,000.
a. Calcular la probabilidad de que en una ciudad con 500,000 habitantes haya más de 3 personas con dicha enfermedad.
SOLUCION:
DATOS:
λ=μ=500 000∗0.00001=5 ; p ( x>3 )=0.7350=73.50 %

COMPROBACIÓN MINITAB:

b. Calcular el número esperado de habitantes que la padecen.


Número de estudiantes que padecen=5

DISTRIBUCION HIPERGEOMETRICA
27. Se sabe que de un lote de 40 semillas no está en buenas condiciones la cuarta parte. Se toman al azar 8 semillas
y se analizan en el laboratorio. ¿Cuál es la probabilidad de que 3 de las analizadas estén en malas condiciones?
SOLUCION:
Se define X: n° de semillas que están en malas condiciones.

DATOS:

N= 40; M =10; N−M =30 ; n¿ 8; X¿ 3; pide calcular:

P( X =3)=0.222363 ¿ 22.24%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 40, M = 10, and n = 8

x P( X = x )
3 0.222363

28. Un fabricante de faros para coches informa que en un envío de 4000 faros a un distribuidor, 500 tenían un
ligero defecto. Si se compran al distribuidor 20 faros elegidos al azar. ¿Cuál es la probabilidad de que haya
exactamente dos con defecto?
SOLUCION:
Se define X: n° de faros con defectos.

DATOS:

N= 4000; M =500; N−M =3500 ; n¿ 20; X¿ 2; pide calcular:

P( X =2)=0.268841 ¿ 26.88%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 4000, M = 500, and n = 20

x P( X = x )
2 0.268841

29. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas  de narcótico en una botella que
contiene 9 píldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas
aleatoriamente para analizarlas,
a) ¿Cuál es la probabilidad de que el viajero sea arrestado por posesión de narcóticos?,
SOLUCION:
Se define X: n° tabletas de narcótico.

DATOS:

N= 15; M =6; N−M =9 ; n¿ 3; X¿ 1; pide calcular:

P ( X=1 ) =0.474725 ¿ 47.47%

COMPROBACIÓN MINITAB:

Probability Density Function


Hypergeometric with N = 15, M = 6, and n = 3

x P( X = x )
1 0.474725

b) ¿Cuál es la probabilidad de que no sea arrestado por posesión de narcóticos?.


SOLUCION:
Se define X: n° tabletas de narcótico.

DATOS:

N= 15; M =6; N−M =9 ; n¿ 3; X¿ 0; pide calcular:

P ( X=0 )=0.184615 ¿ 18.46%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 15, M = 6, and n = 3

x P( X = x )
0 0.184615

30. A) ¿Cuál es la probabilidad de que una mesera se rehúse a servir bebidas alcohólicas únicamente a dos
menores de edad si verifica aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los cuales 4 no
tienen la edad suficiente?
SOLUCION:
Se define X: n° de estudiantes menores de edad .

DATOS:

N=9; M =4; N−M =5 ; n=5; x=2; pide calcular:

P ( X=2 )=0.476190 . ¿ 47.62%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 9, M = 4, and n = 5

x P( X = x )
2 0.476190

B) ¿Cúal es la probabilidad de que como máximo 2 de las identificaciones pertenezcan a menores de edad?
SOLUCION:
Se define X: n° de estudiantes menores de edad.

DATOS:

N=9; M =4; N−M =5 ; n=5; x ≤ 2; pide calcular:

P ( X ≤2 ) =0.6429 . ¿ 64.29%

COMPROBACIÓN MINITAB:
31. Una compañía manufacturera utiliza un esquema para la aceptación de los artículos producidos antes de ser
embarcados. El plan es de dos etapas. Se preparan cajas de 25 para embarque y se selecciona una muestra de 3
para verificar si tienen algún artículo defectuoso. Si se encuentra uno, la caja entera se regresa para verificarla
al 100%. Si no se encuentra ningún artículo defectuoso, la caja se embarca.
a) ¿Cuál es la probabilidad de que se embarque una caja que tiene tres artículos defectuosos?,
SOLUCION:
Se define X: n° de artículos defectuosos.

DATOS:

N=25; M =1; N−M =24 ; n=3; x=3; pide calcular:

P ( X=3 )=0. ¿ 0%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 25, M = 1, and n = 3

x P( X = x )
3 0

b) ¿Cuál es la probabilidad de que una caja que contiene solo un artículo defectuoso se regresa para
verificación?
SOLUCION:
Se define X: n° de artículos defectuosos.

DATOS:

N=25; M =1; N−M =24 ; n=3; x=1; pide calcular:

P ( X=1 ) =0.12 ¿ 12%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 25, M = 1, and n = 3

x P( X = x )
1 0.12

32. Se elaboró una pasta dental con un nuevo sabor, y se le dio a probar a un grupo de 10 personas. 6 de ellas afirmaron que
les gustaba el nuevo sabor, y las 4 restantes indicaron lo contrario. Se seleccionan 4 de las 10 personas para que participen
en una entrevista prolongada.

A. ¿Cuál es la probabilidad de que de las personas seleccionadas para la entrevista a 2 les agrade el nuevo sabor?
SOLUCION:
Se define X: n° de personas a las cuales les agrada el sabor.

DATOS:

N= 10; M =4; N−M =6 ; n=4; x=2; pide calcular:

P ( X=2 )=0.428571 ¿ 42.86%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 10, M = 6, and n = 4

x P( X = x )
2 0.428571

B. ¿Cuál es la probabilidad de que de las personas seleccionadas para la entrevista a 2 no les agrade el nuevo sabor?

SOLUCION:
Se define X: n° de personas a las cuales no les agrada el sabor.

DATOS:

N= 10; M =4; N−M =6 ; n=4; x=2; pide calcular:

P ( X=2 )=0.428571 ¿ 42.86%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 10, M = 6, and n = 4

x P( X = x )
2 0.428571

33. Un partido político local ha recibido 12 solicitudes de respaldo a 4 puestos que serán seleccionados durante la próxima
votación general. De estos 12 solicitantes, 4 son mujeres y 8 hombres. A fin de evitar controversias, el comité acordó
seleccionar por lote a los candidatos que recibirán su apoyo, es decir, al azar. Utilice la distribución Hipergeométrica para
determinar la probabilidad de que:
a. Exactamente 2 de los candidatos respaldados sean mujeres.
SOLUCION:
Se define X: n° de candidatos respaldados sean mujeres.

DATOS:

N= 12; M =4; N−M =8 ; n¿ 4; X¿ 2; pide calcular:


P ( X=2 )=0.339394 ¿ 33.94%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 12, M = 4, and n = 4

x P( X = x )
2 0.339394

b. Los 4 candidatos a respaldar sean mujeres


SOLUCION:
Se define X: n° de candidatos respaldados sean mujeres.

DATOS:

N= 12; M =4; N−M =8 ; n¿ 4; X¿ 4; pide calcular:

P ( X=4 )=0.0020202 ¿ 0.20%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 12, M = 4, and n = 4

x P( X = x )
4 0.0020202

c. Al menos uno de ellos sea mujer


SOLUCION:
Se define X: n° de candidatos respaldados sean mujeres.

DATOS:

N= 12; M =4; N−M =8 ; n¿ 4; x ≥ 1; pide calcular:

P ( x ≥ 1 )=0.8586=85.86%

COMPROBACIÓN MINITAB:
34. EL BUFETE LEGAL HAGEL & HAGEL se localiza en el centro de CINCINATI. Hay 10 socios en la firma, 7 viven en OHIO y 3 en
el norte de KENTUCKY. La señora Wendy HAGEL, accionista principal quiere nombrar un comité de 3 socios que examine la
posibilidad de cambiar la ubicación al norte de KENTUCKY. Si el comité se selecciona al azar de entre los 10 socios. ¿Cuál es
la probabilidad de que:

a. Uno de los integrantes del comité viva en el norte de KENTUCKY y los otros en OHIO?
SOLUCION:
Se define X: n° de integrantes que vivan al norte de KENTUCKY. R x ={0,1,2,3 }

DATOS:

N= 10; M =3; N−M =7 ; n¿ 3; X¿ 1; pide calcular:

P(X¿ 1 ¿=0.525 ¿ 52.5%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 10, M = 3, and n = 3

x P( X = x )
1 0.525

b. ¿Por lo menos uno de ellos resida en el norte de KENTUCKY?

SOLUCION:

Se define X: n° de integrantes que vivan al norte de KENTUCKY. R x ={0,1,2,3 }

DATOS:

N= 10; M =3; N−M =7 ; n¿ 3; X≥ 1; pide calcular:

P(X≥ 1¿=0.7083 ¿ 70.83%

COMPROBACIÓN MINITAB:
Distribution Plot
Hypergeometric; N=10; M=3; n=3
0.6

0.5

0.4
Probability

0.3

0.2 0.7083

0.1

0.0
0 1
X

35. Una caja contiene 9 baterías de las cuales 4 están en buen estado y las restantes defectuosas. Se toma una muestra
eligiendo al azar de 3 baterías. Calcule la probabilidad de que en la muestra se obtengan,

a. Ninguna batería en buen estado


b. Al menos una batería en buen estado
c. No mas de 2 baterías en buen estado

36. Una caja de 10 alarmas contra robo contiene 4 defectuosas. Si se seleccionan al azar 3 de ellas y se envían a un cliente.
Calcule la probabilidad de que el cliente reciba:

a) ninguna defectuosa
b) no más de una defectuosa
c) al menos 1 defectuosa
SOLUCION:

Se define X: N° de alarmas defectuosas en la muestra de 3 de ellas. R x ={0,1,2,3 }

DATOS:

a) N= 10; M =4; N−M =6 ; n¿ 3; X¿ 0; pide calcular:

P(X¿ 0 ¿=¿ 0.166667¿ 16.67%

COMPROBACIÓN MINITAB:

Probability Density Function

Hypergeometric with N = 10, M = 4, and n = 3

x P( X = x )
0 0.166667

b) N= 10; M =4; N−M =6 ; n¿ 3; X≤ 1; pide calcular:


P(X≤ 1¿=¿ 0.6667¿ 66.67%

Distribution Plot
Hypergeometric; N=10; M=4; n=3
0.6667
0.5

0.4
Probability

0.3

0.2

0.1

0.0
1 3
X

c) N= 10; M =4; N−M =6 ; n¿ 3; X≥ 1; pide calcular:

P(X≥ 1¿=0.8333 ¿ 83.33%

Distribution Plot
Hypergeometric; N=10; M=4; n=3

0.5

0.4

0.8333
Probability

0.3

0.2

0.1

0.0
0 1
X

DISTRIBUCION NORMAL
37. Si la media de edad de los alumnos de la universidad es de 21 años, con un desvío estándar de 3.2 años. ¿Cuál es la
probabilidad que un estudiante tenga más de 28 años?
SOLUCION:
DATOS:
μ=21; σ =3.2 ; P ( X >28 ) =¿ 0.006210 = 0.62%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=21; StDev=3.2
0.14

0.12

0.10

0.08
Density

0.06

0.04

0.02

0.006210
0.00
21 29
X

38. Una fábrica produce puertas cuya altura tiene una distribución normal con media de 250 cm y una desviación estándar de
2.60 cm ¿Cuál es la probabilidad que una puerta seleccionada de este grupo tenga una altura entre 244 y 255 cm?

SOLUCION:
DATOS:
μ=250; σ =2.60 ; P ( 244 ≤ X ≤ 255 ) =0.9623 =96.23 %
COMPROVACIÓN EN MINITAB:

Distribution Plot
Normal; Mean=250; StDev=2.6
0.16
0.9623

0.14

0.12

0.10
Density

0.08

0.06

0.04

0.02

0.00
244 250 255
X

39. Una población de niños en edad escolar tiene una media de 11.5 años y un desvío estándar de 3 años.

a. ¿Cuál es la probabilidad de que un niño sea entre 8.5 y 14.5 años?


SOLUCION:
DATOS:
μ=11.5 ; σ =3 ; P ( 8.50 ≤ X ≤ 14.5 )=¿ 0.6827=68.27 %
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=11.5; StDev=3
0.14 0.6827

0.12

0.10

0.08
Density

0.06

0.04

0.02

0.00
8.5 11.5 14.5
X

b. más de 10
SOLUCION:
DATOS:
μ=11.5 ; σ =3 ; P ( X >10 ) =0.5662 =56.62%
COMPROVACIÓN EN MINITAB:

Distribution Plot
Normal; Mean=11.5; StDev=3
0.14

0.12

0.10

0.08
Density

0.06
0.5662
0.04

0.02

0.00
11.5 11
X

c. menos de 12?
SOLUCION:
DATOS:
μ=11.5 ; σ =3 ; P ( X <12 )=0.4338 =43.38%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=11.5; StDev=3
0.14

0.12

0.10

0.08
Density

0.06

0.04 0.4338

0.02

0.00
11
X 11.5

40. La media de notas de un grupo de estudiantes es 70 y el desvío estándar es 10. ¿Cuál es la probabilidad que un estudiante
obtenga más de 80 puntos? ¿Cuál es la proporción de aplazados esperados (P<60 puntos)?
a. ¿Cuál es la probabilidad que un estudiante obtenga más de 80 puntos?
SOLUCION:
DATOS:
μ=70; σ =10 ; P ( X >80 ) =0.1357=13.57%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=70; StDev=10

0.04

0.03
Density

0.02

0.01

0.1357

0.00
70 81
X

b. ¿Cuál es la proporción de aplazados esperados (P<60 puntos)?


SOLUCION:
DATOS:
μ=70; σ =10 ; P ( X <60 ) =0.1357=13.57%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=70; StDev=10

0.04

0.03
Density

0.02

0.01

0.1357

0.00
59 70
X

41. Se producen quesos con un diámetro es 35cm y se acepta una varianza de 0.1 cm2. Si por problemas de envase se rechaza
productos con diámetros menores a 34.5cm y mayores a 35.5 ¿Cuál es la probabilidad de rechazo de la producción por
problemas de envase?
SOLUCION:
DATOS:
μ=35; σ =0.32 ; P ( 35.51≤ X y X ≤ 34.49 )=0.111=11.1%
COMPROVACIÓN EN MINITAB:

Distribution Plot
Normal; Mean=35; StDev=0.32
1.4

1.2

1.0

0.8
Density

0.6

0.4

0.2
0.0555 0.0555
0.0
34.49 35 35.51
X

42. La media de un grupo de ingresos semanales con distribución normal para un gran conjunto de gerentes de nivel medio, es
$1000(dólares), la desviación estándar es de $100(dólares).
a. ¿Cuál es el valor de Z para un ingreso X ($1100 y $900)?
SOLUCION:
DATOS:
μ=1000; σ =100 ;

Para X= 1100
X−μ
Z=
σ
1100−1000
Z=
100

Z=1.00

Para X = 900
X−μ
Z=
σ
900−1000
Z=
100
Z=−1.00

b. Convertir el ingreso semanal de $225 a una cantidad estándar (valor de Z) y el ingreso semanal de $775 a un valor de Z

Para un ingreso semanal de 225 →X= 225

X−μ
Z=
σ

225−1000
Z=
100

Z=−7.75

Para un ingreso semanal de 775 →X= 775

X−μ
Z=
σ

775−1000
Z=
100

Z=−2.25

c. ¿Cuál es la probabilidad de que un ingreso semanal específico seleccionado al azar este entre $790 y $1000?
SOLUCION:
DATOS:
μ=1000; σ =100 ; P ( 790≤ X ≤ 1000 )=0.4821=48.21%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=1000; StDev=100

0.004

0.003

0.4821
Density

0.002

0.001

0.000
790 1000
X

d. ¿Cuál es la probabilidad de que el ingreso semanal específico seleccionado al azar sea menor a $790?
SOLUCION:
DATOS:
μ=1000; σ =100 ; P ( X <790 )=0.01743= 1.743%
COMPROVACIÓN EN MINITAB:

Distribution Plot
Normal; Mean=1000; StDev=100

0.004

0.003
Density

0.002

0.001

0.01743
0.000
789 1000
X

43. Una prueba de vida útil para un gran número de pilas alcalinas tipo “D”, reveló que la duración media para un uso
específico antes de la falla, es de 19 horas (h). La distribución de las duraciones se aproxima a una distribución normal. La
desviación estándar de la distribución fue de 1.2 horas(h)
a. ¿entre que par de valores falló aproximadamente 68% de las pilas?
SOLUCION:
DATOS:
μ=19; σ =1.2; P ( 17.81≤ X ≤20.19 )=0.6786= 67.86% = aproximando a un valor entero=
68%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=19; StDev=1.2
0.35 0.6786

0.30

0.25

0.20
Density

0.15

0.10

0.05

0.00
17.81 19 20.19
X

b. ¿entre cuales dos valores ocurrio la falla de alrededor de 95% de las pilas?
SOLUCION:
DATOS:
μ=19; σ =1.2; P ( 16.65≤ X ≤ 21.35 )=0.9498= 94.98% = aproximando a un valor entero=
95%
COMPROVACIÓN EN MINITAB:

Distribution Plot
Normal; Mean=19; StDev=1.2
0.35 0.9498

0.30

0.25

0.20
Density

0.15

0.10

0.05

0.00
16.65 19 21.35
X

c. ¿Entre que par de valores fallaron prácticamente todas las fallas?


SOLUCION:
DATOS:
μ=19; σ =1.2; P ( 15.40≤ X ≤ 22.60 )=0.9973= 99.73% = aproximando a un valor entero=
100%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=19; StDev=1.2
0.35 0.9973

0.30

0.25

0.20
Density

0.15

0.10

0.05

0.00
15.4 19 22.6
X

44. El peso de los artículos producidos por una fabrica tiene distribución Normal con una media de 50 gr. y una desviación
estándar de 5 gr.
a. Calcule la probabilidad que un articulo elegido al azar tenga un peso de más de 60 gr.
SOLUCION:
DATOS:
μ=50; σ =5 ; P ( X >60 ) =0.01390=1.39%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=50; StDev=5
0.09

0.08

0.07

0.06
Density

0.05

0.04

0.03

0.02

0.01
0.01390
0.00
50 61
X

b. Calcule la proporción de los paquetes que tendrían un peso entre 46 y 54 gr.


SOLUCION:
DATOS:
μ=50; σ =5 ; P ( 46 ≤ X ≤54 )=0.5763=57.63%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=50; StDev=5
0.09
0.5763
0.08

0.07

0.06
Density

0.05

0.04

0.03

0.02

0.01

0.00
46 50 54
X

45. Entre los diabéticos, el nivel de glucosa en sangre X, en ayunas, puede suponerse de distribución aproximadamente
normal, con media 106 mg/100 ml y desviación estándar 8 mg/100 ml, es decir
XN(μ = 106, 2 = 64)
a. Hallar P(X  120)
SOLUCION:
DATOS:
μ=106; σ =8 ; P ( X ≤120 ) =0.9599=95.99%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=106; StDev=8

0.05

0.9599
0.04

0.03
Density

0.02

0.01

0.00
106 120
X

b. ¿Qué porcentaje de diabéticos tienen niveles comprendidos entre 90 y 120?


SOLUCION:
DATOS:
μ=106; σ =8 ; P ( 90 ≤ X ≤ 120 )=0.9372=93.72%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=106; StDev=8

0.05
0.9372

0.04

0.03
Density

0.02

0.01

0.00
90 106 120
X

c. Hallar P(106  X 110).


SOLUCION:
DATOS:
μ=106; σ =8 ; P ( 106 ≤ X ≤ 110 ) =0.1915=19.15%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=106; StDev=8

0.05 0.1915

0.04

0.03
Density

0.02

0.01

0.00
106 110
X

d. Hallar P(X  121).


SOLUCION:
DATOS:
μ=106; σ =8 ; P ( X ≤121 )=0.9696=96.96%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=106; StDev=8

0.05

0.9696
0.04

0.03
Density

0.02

0.01

0.00
106 121
X

e. Hallar el punto “x” caracterizado por la propiedad de que el 25% de todos los diabéticos tiene un nivel de glucosa en
ayunas inferior o igual a “x”.
f. SOLUCION:
DATOS:
μ=106; σ =8 ; P ( X ≤100.6 )=0.25=25%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=106; StDev=8

0.05

0.04

0.03
Density

0.02

0.01 0.25

0.00
100.6 106
X

46. En cierta especie de aves, se ha detectado una contaminación apreciable de mercurio (Hg) en sangre. La concentración de
mercurio en sangre está distribuida normalmente con media 0.25 ppm (partes de Hg por millón, en plasma) y desviación
típica 0.08 ppm.
a. ¿Cuál es la probabilidad de que un ave presente un nivel de mercurio en sangre superior a 0.40 ppm?
SOLUCION:
DATOS:
μ=0.25; σ =0.08 ; P ( X >0.40 ) =0.02275=2.275%
COMPROVACIÓN EN MINITAB:
Distribution Plot
Normal; Mean=0.25; StDev=0.08

3
Density

0.02275
0
0.25 0.41
X

b. ¿Cuál es la probabilidad de que un ave tenga un nivel de mercurio en sangre entre 0.20 y 0.50 ppm?
SOLUCION:
DATOS:
μ=0.25; σ =0.08 ; P ( 0.20 ≤ X ≤ 0.50 )=0.7331=73.31%
COMPROVACIÓN EN MINITAB:

Distribution Plot
Normal; Mean=0.25; StDev=0.08

3
Density

0.7331
2

0
0.2 0.25 0.5
X

Nota: El presente trabajo individual debe ser entregado 5 minutos antes del Examen anunciado.

También podría gustarte