Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Soluciones
Ejercicio 1. Sea X una variable aleatoria con la siguiente función de masa de proba-
bilidad:
xi 4:5 4:6 4:7 4:8 4:9 5:0
P (X = xi ) 0:16 0:25 0:28 0:18 0:10 0:03
P (X = 4:8) = 0:18
P (X > 4:8) = P (X 2 f4:9; 5:0g) = P (X = 4:9) + P (X = 5:0) = 0:1 + 0:03 = 0:13
1
de tal manera que:
P ([X 4:6] \ [X < 4:9])
P (X 4:6jX < 4:9) =
P (X < 4:9)
P (4:6 X < 4; 9)
=
P (X 4:8)
F (4:9) F (4:6) P (X = 4:9) + P (X = 4:6)
=
F (4:8)
0:97 0:41 0:1 + 0:25
= = 0:8161
0:87
X
= E (X) = xi P (X = xi )
xi 2DX
= 4:5 0:16 + 4:6 0:25 + 4:7 0:28 + 4:8 0:18 + 4:9 0:1 + 5 0:03
= 4:69
2
= V ar(X) = E X 2 2
= 22:013 4:692 = 0:0169
p p
) =+ 2 = + 0:0169 = 0:13
pues:
X
E X2 = x2i P (X = xi )
xi 2DX
= 4:52 0:16 + 4:62 0:25 + 4:72 0:28 + 4:82 0:18 + 4:92 0:1 + 52 0:03
= 22:013
Preguntas adicionales:
1. Calcular la mediana y el tercer cuartil:
x0:5 = F 1 (0:5) , 0:5 = F (x0:5 )
) x0:5 = 4:5
1
x0:75 = F (0:75) = 4:8
2. Probabilidad de que la v.a. produzca un valor mayor que 4:75 :
P (X > 4:75) = 1 P (X 4:75) = 1 0:69 = 0:31
2
Sol.: media 4:17; varianza 3:80; desviación típica 1:95.
Solución.
La función de masa viene dada por los saltos de probabilidad de la función F (x) :
8
>
> 1=6 si x = 1
<
1=2 1=6 = 1=3 si x = 3
p(x) = P (X = x) =
>
> 1 1=2 = 1=2 si x = 6
:
0 resto
1.
X
X = E(X) = xi P (X = xi ) = 1 1=6 + 3 1=3 + 6 1=2 = 4:1667
xi 2DX
2.
2
X = E(X 2 ) E(X)2 = 21:167 4:16672 = 3:8056
X X
2
E(X ) = x2i P (X 2 = x2i ) = x2i P (X = xi )
x2i 2DX 2 xi 2DX
127
= 12 1=6 + 32 1=3 + 62 1=2 = = 21:167
q 6
p
= + 2 = + 3:8056 = 1:9508
X X
3. Preguntas adicionales:
xi 7 8 9 10 11
P (X = xi ) 0:10 0:20 0:30 0:30 0:10
3
Sol: a) 0:6; b) 9:1, 1:29; c) 14730, 340:73.
Solución
1.
P f(X = 9) [ (X = 10)g = P (X = 9) + P (X = 10) = 0:3 + 0:3 = 0:6
2.
X
E (X) = xi P (X = xi )
xi 2DX
= 7 0:1 + 8 0:2 + 9 0:3 + 10 0:3 + 11 0:1 = 9:1 días
2
X = V ar(X) = E X 2 2
= 84:1 9:12 = 1:29 días2
q p
) 2 = + 1:29 = 1:1358 días
X =+ X
4
Ejercicio 4. En una empresa de fabricación de piezas de ordenador, se sabe que el
6% de las piezas que produce una determinada máquina son defectuosas.
1. Se toma una pieza al azar. Sea la variable X tal que vale 1 si la pieza es defectu-
osa y 0 en caso contrario. Halla la media y la desviación típica de esta variable.
2. Si la máquina produce 20 piezas al día, ¿cuál es la probabilidad de que ninguna
de las piezas sea defectuosa? Calcula la probabilidad de que haya a lo sumo una
pieza defectuosa. Halla el número medio de piezas defectuosas que se producen
en ese día, así como la desviación típica del número de piezas defectuosas entre
las 20 fabricadas.
3. Suponiendo que la máquina fabrica tantas piezas como sean necesarias, calcula
la probabilidad de que la primera pieza defectuosa sea la cuarta fabricada. ¿Cuál
es el número esperado de piezas que se deben fabricar hasta encontrar una de-
fectuosa?
Sol.: a) 0.06, 0.23749; b) 0.2901, 0.6605, 1.2, 1.0621; c) 0.0498, 16.67 (incluyendo
la pieza defectuosa).
Solución
1. Sea X : "número de piezas defectuosas en cada pieza producida por la empresa
cuando la probabilidad de obtener una pieza defectuosa es 0:06". El soporte es
DX = f0; 1g con función de masa de probabilidad P (X = 1) = p = 0:06 y
P (X = 0) = 1 P (X = 1) = 1 p = 1 0:06 = 0:94: Por tanto, X es una
variable de Bernoulli X Be (p) de parámetro probabilidad de éxito p = 0:06:
X
= E (X) = xi P (X = xi ) = 1 P (X = 1) + 0 P (X = 0)
xi 2DX
= 1 p + 0 (1 p) = p = 0:06
2
= V ar (X) = E X 2 2
=p p2 = p (1 p) = pq = 0:06 0:94 = 0:0564
p p
X = pq = 0:0564 = 0:23749
pues E X 2 = p = 0:06 ya que X 2 sigue la misma distribución de Bernoulli
que X ya que P (X 2 = 1) = P (X = 1) = p y P X 2 = 0 = P (X = 0) =
1 p = q:
2. Sea Y : "número de piezas defectuosas en 20 producidas por la empresa con
probabilidad de defectuosa p = 0:06". Y es una variable binomial Y B(n; p)
con n = 20 y p = 0:06 con función de masa de probabilidad:
n y n y
P (Y = y) = p (1 p) ; y = 0; 1; :::; n
y
La probabilidad pedida es
20 20 0 20!
P (Y = 0) = 0:060 (1 0:06) = 0:9420 = 0:9420 = 0:29011
0 0! (20 0)!
5
P (Y 1) = P (Y = 0) + P (Y = 1)
20 20 0 20 20 1
= 0:060 (1 0:06) + 0:061 (1 0:06) = 0:6605
0 1
La media es:
n x n x
P (X = x) = p (1 p) ; x = 0; 1; :::; n
x
1.
5 10 5
10 1 1
P (X = 5) = 1 = 0:0584
5 4 4
6
2.
0 10
10 1 1
P (X = 0) = 1 = 0:0563
0 4 4
3.
8 10 8
10 1 1
P (X = 8) = 1 = 0:000386
8 4 4
4.
1 5
E(X) = np = 10 = = 2:5
4 2
2 1 1
X = Var(X) = npq = 10 1 = 1:875
4 4
q p
= + 2 = + 1:875 = 1:3693
X X
N = X I=X (n X) = X + X n = X (n X)
E(N ) = E(X) (n E(X)) = 0:25n (n 0:25n) = 0
0:25n 1
) = = (que no depende de n)
(1 0:25) n 3
7
Ejercicio 6. Un inspector de aduanas decide revisar 3 de 16 embarcaciones prove-
nientes del país P . Si la selección es aleatoria y 5 de las embarcaciones contienen
contrabando encuentre las probabilidades de que el inspector de aduanas,
1.
5 11
0 3
P (X = 0) = 16 = 0:29464
3
2.
5 11
1 2
P (X = 1) = 16 = 0:49107
3
8
por lo que la probabilidad pedida es:
6 15 6
3 6 3
P (X = 3) = 15 = 0:33566
6
Preguntas adicionales:
P (X 2) = 1 P (X < 2) = 1 P (X 1) = 1 P (X = 0) P (X = 1)
6 15 6 6 15 6
0 6 1 5
= 1 15 15 = 0:83217
6 6
P (X > 3) = 1 P (X 3)
= 1 P (X = 0) P (X = 1) P (X = 2) P (X = 3)
3
!
X e 3 3 x
= 1 = 0:35277
x=0
x!
9
3. Sea Y : "número de muertes en dos años debido a la enfermedad con tasa =
2 3 muertes/2 años". Entonces Y P( ) con = 6 muertes/2 años.
9
X 6 x
e 6
P (Y > 9) = 1 P (Y 9) = 1 = 0:083924
x=0
x!
4. Preguntas adicionales:
si t > 0:
(c) En relación con la primera enfermedad, ¿hasta qué momento no se pro-
ducirá ninguna muerte con probabilidad 0:75? ¿y con probabilidad 0:25?
Comparar.
i. Se trata del primer cuartil:
10
ii. Se trata del tercer cuartil:
Comparación: es claro que cuanto más tiempo t pase, más alta será la
probabilidad de que se produzca una muerte antes de t (P (T < t) : área
bajo la densidad, a la izquierda de t). Y, por tanto, por el complementario,
cuanto menos tiempo t pase más alta será la probabilidad de que no se
produzca una muerte antes de t (P (T > t) : área bajo la densidad a la
derecha de t). Por ello, la respuesta a la primera pregunta (t = 35 días) es
más pequeña que la respuesta a la segunda (t = 168:67 días). Describir la
situación en el gráfico de la densidad.
(d) Comparar la media con la mediana en la variable anterior: T Exp( )
con = 3 muertes/año. La media es T = E(T ) = 1= = 1=3 años hasta
la próxima muerte por término medio. Y la mediana es:
x0:5 3 x0:5
0:5 = F (x0:5 ) = P (T x0:5 ) = 1 e =1 e
0:5 = e 3 x0:5
ln 0:5
ln 0:5 = 3x0:5 ) x0:5 = = 0:23105
3
que verifica x0:5 = 0:23105 < 0:333 = T:
Sol.: a) 3/8; b) 0.5781; c) 0.4291; d) media: 3.5, mediana: 3.58, cuantil 0.90: 3.93.
Solución
11
1. Para que f sea función de densidad, se tiene que cumplir que:
Z 1 Z 4
2
1 = P ( 1 < X < 1) = f (x)dx = k (x 2) dx
1 2
Z #4
4 3
2 (x 2) 8 3
= k (x 2) dx = k =k 0 )k=
2 3 3 8
2
4.
Z 1 Z 4
3 2
E (X) = xf (x)dx = x (x 2) dx
1 2 8
Z 4 Z 4
3 3
= x x2 4x + 4 dx = x3 4x2 + 4x dx
8 2 8 2
4
3 x4 x3 x2
= 4 +4
8 4 3 2 2
3 44 43 42 24 23 22
= 4 +4 4 +4 = 3:5
8 4 3 2 4 3 2
1
La mediana satisface: x0:5 = F (0:5) , F (x0:5 ) = 0:5:
3
(x0:5 2)
0:5 = F (x0:5 ) =
8
3
4 = (x0:5 2) , 41=3 = x0:5 2
, x0:5 = 41=3 + 2 = 3:58
Nótese que < x0:5 lo que indica que la distribución es asimétrica por la
izquierda. Representar gráficamente la función de densidad para comprobarlo.
12
El cuantil x0:9 es:
3
(x0:9 2)
0:9 = F (x0:9 ) =
8
3
7:2 = (x0:9 2) , 7:21=3 = x0:9 2
, x0:9 = 7:21=3 + 2 = 3:931
Ejercicio 10. A una caldera se le suministra gasoil una vez a la semana. El con-
sumo semanal X (en miles de litros) se ajusta a la siguiente función de densidad:
(
3=2 x si 0 < x < 1;
f (x) =
0 en otro caso.
1. ¿Cuál tiene que ser, aproximadamente, la capacidad del depósito (en miles de
litros) de la caldera para que la probabilidad de que se acabe el gasoil en una
determinada semana sea 0.10?
2. Calcula el consumo semanal esperado.
El valor C = x0:9 pedido tiene que estar en el intervalo (0; 1) pues de lo contrario
la probabilidad P (X > C) es 1 (si x 1) ó es 0 (si x 0): Por tanto:
3 x20:9
0:9 = F (x0:9 ) = x0:9
2 2
1 2 3
x x0:9 + 0:9 = 0 ) x = 2:1708 y x = 0:82918
2 0:9 2
con lo que la capacidad pedida es C = 0:82918. Si fuese x = 2:1708;la prob-
abilidad de quedarnos sin gasoil sería P (X > 2:1708) = 0 que no cumple lo
requerido.
13
También se podría haber calculado directamente el valor C mediante:
Z 1 Z 1
0:1 = P (X > C) = f (x)dx = (3=2 x) dx
C C
1
3 x2 1 1 1
= x = 3x x2 C = 3 1 3C C2
2 2 C 2 2
1 3 1
= 2 3C + C 2 = 1 C + C2
2 2 2
1 2 3
0 = C C + 0:9 ) C = 2:1708 or C = 0:82918
2 2
2.
Z 1 Z 1
E (X) = xf (x)dx = x (3=2 x) dx
1 0
1
3 x2 x3 3 1 5
= = = = 0:41667
2 2 3 0 4 3 12
3 0:92
P (X > 0:9) = 1 P (X 0:9) = 1 F (0:9) = 1 0:9 = 0:055
2 2
(c) Si una semana el consumo semanal no supera los 500 litros, la probabilidad
de que dicho consumo se encuentre entre 100 y 200 litros
Ejercicio 11. Para trasladarse desde su casa al trabajo, una persona tiene que tomar
un autobús. El tiempo total de espera (en minutos) en la parada sigue una distribución
Uniforme en el intervalo (0,10).
14
1. Calcula el tiempo medio de espera y una medida de dispersión.
2. En un día elegido al azar, ¿cuál es la probabilidad de que el tiempo de espera
supere los 6 minutos?
3. En una semana con 5 días laborables, ¿cuál es la probabilidad de que el número
de días en los que espera menos de 6 minutos sea a lo sumo 2?
4. Si consideramos que durante un año el trabajador acude al trabajo 220 días, ¿cuál
es la probabilidad de que el tiempo total de espera sea superior a 1000 minutos?
y la desviación típica:
2 p
2 (b a) 102
= V ar (X) = = = 8:333 ) = 8:333 = 2:8867
12 12
2. Z 10 10
1 1 4
P (X > 6) = dx = x = = 0:4
6 10 10 6 10
n y n y
P (Y = y) = p (1 p) ; y = 0; 1; :::; n
y
P (Y 2) = P (Y = 0) + P (Y = 1) + P (Y = 2)
X2
5 5 y
= 0:6y (1 0:6) = 0:31744
y=0
y
P220
4. Sea T = i=1 Xi con Xi U(0; 10) independientes los tiempos de espera
de cada uno de los 220 días. Como n = 220 > 30; por el Teorema Central
del Límite T N ( T ; T ) donde T = n = 220 5 = 1100 minutos, y
15
2
p
T = n 2 = 220 100=12 = 1833:3 ) T = 1833:3 = 42:817 minutos. La
probabilidad pedida es:
Ejercicio 12. Sea X la variable aleatoria “vida útil de una máquina (en años)”.
Se sabe que X sigue una distribución Exponencial(0:5), es decir, tiene la siguiente
función de distribución:
(
1 e 0:5x si x > 0;
F (x) =
0 si x 0:
2.
0:5 2
P (X < 2) = P (X 2) = F (2) = 1 e = 0:632
16
3. La probabilidad pedida es: P (X < 4jX > 2). Como el modelo exponencial
no tiene memoria esa probabilidad es igual que: P (X < 4jX > 2) = P (X <
4 2 = 2) = 1 e 0:5 2 = 0:632. Por si alguien no se lo cree, lo comprobamos:
P ((X > 2) \ (X < 4)) P (2 < X < 4)
P (X < 4jX > 2) = =
P (X > 2) P (X > 2)
0:5 4
F (4) F (2) 1 e (1 e 0:5 2 )
= =
1 F (2) 1 (1 e 0:5 2 )
0:5 2 0:5 4
e e
= 0:5 2
= 1 e 0:5 2
e
Por tanto, la media es mayor que la mediana lo que indica una distribución
asimétrica por la derecha. De hecho, el gráfico de la densidad f (x) = e 0:5x
si x > 0 y f (x) = 0 en el resto, es (ubicar en el gráfico la media y la mediana
obtenidas):
0.6
f(x)
0.5
0.4
0.3
0.2
0.1
0.0
0 2 4 6 8
x
17
1.
P (X > 4) = 1 F (4) = 1 1 e 0:2 4 = e 0:2 4
= 0:4493
Rx Rx u u x
ya que F (x) = P (X x) = 1
f (u)du = 0 e du = e 0
=
e x 1 =1 e x
; if x > 0 y cero en el resto.
2. Sea G el tiempo de finalización de la garantía. Entonces, G debe cumplir que:
0:2 G
0:1 P (X G) = F (G) = 1 e
0:2 G ln 0:9
e 0:9 , 0:2 G ln 0:9 , G = 0:5268 años
0:2
con lo que G no puede superar los 0:5268 años. Graficar la densidad e interpretar
el resultado en el gráfico.
3. Pregunta adicional: ¿cuál es la media y la desviación típica de la vida de estos
ventiladores?
1 1
X = E (X) = = = 5 años.
r 0:2
q
2 =+ 1 1 1
X = + X 2 = = = 5 años.
0:2
Ejercicio 14. Cierta empresa se dedica al montaje de piezas de recambio para
ordenadores. Los empleados de la empresa trabajan de forma independiente y, además,
el número de piezas que monta un trabajador es una variable aleatoria de Poisson de
media 24 piezas cada 5 horas.
1. Calcula la probabilidad de que un trabajador tarde más de 45 minutos en montar
1 pieza.
2. Si tenemos dos trabajadores que trabajan de modo independiente, calcula la
probabilidad de que, en conjunto, monten más de dos piezas en un período de
media hora.
3. Si en la empresa trabajan 100 personas, calcula la probabilidad de que se monten
más de 2500 piezas en 5 horas.
Sol.: a) 0.0273; b) 0.85746; c) 0.0207.
Solución
1. Definimos X : "número de piezas montadas por un trabajador en 45 min". X
P ( ) con = 24= (5=0:75) = 3:6 piezas/45 min. Entonces, la probabilidad
pedida es:
e 3:6 3:60
P (X = 0) = = 0:027324
0!
Podríamos contestar utilizando la exponencial: T45 : "tiempo en unidades de 45
minutos que necesita un trabajador para montar una pieza con = 3:6 piezas/45
min". Entonces T45 Exp ( ) con = 3:6:
3:6 1
P (T45 > 1) = 1 P (T45 1) = 1 1 e = 0:027324
18
2. Definimos Y = X1 + X2 donde Xi P ( ) con = 24 piezas=5 horas
= 24= (5=0:5) = 2:4 piezas/0:5 horas. Suponiendo que los dos empleados tra-
bajan de manera independiente y utilizando la propiedad reproductiva de la dis-
tribución de Poisson, se tiene que Y P ( ) con = 2:4+2:4 = 4:8 piezas/0:5
horas. Entonces:
P (Y > 2) = 1 P (Y 2) = 1 [P (Y = 0) + P (Y = 1) + P (Y = 2)]
4:8
e 4:80 e 4:8 4:81 e 4:8 4:82
= 1 = 0:85746
0! 1! 2!
Ejercicio 15. En una bodega se sabe que la máquina embotelladora llena botellas
de vino según una distribución normal de media 0:75 litros y desviación típica de 0:05
litros. Si la cantidad de vino de una botella supera los 0:85 litros, ésta no se puede
taponar.
6 6 0
P (Y 1) = 1 P (Y = 0) = 1 0:022750 (1 0:02275)
0
= 0:12897
19
3. Pregunta adicional de comparación. En un depósito intermedio la bodega alma-
cena 100 botellas rellenas de vino pero todavía sin taponar, en las que hay dos
botellas que no se pueden taponar. Si se inspeccionan 6 botellas de las 100 sin
reposición, ¿cuál es la probabilidad de que de las 6 botellas inspeccionadas haya
por lo menos una que no se puede taponar? ¿Y si en las 100 botellas hubiese 3
que no se pueden taponar?
Ejercicio 16. La hora de entrada al trabajo en una oficina es a las 9:00 h. La hora a
la que un cierto empleado llega al trabajo sigue una distribución normal de media 9:1 h
y desviación típica 0:05 h, dependiendo del tráfico que se encuentra en el camino desde
su casa.
1. Calcula la probabilidad de que llegue tarde.
2. Suponiendo que un día llega tarde, ¿cuál es la probabilidad de que el retraso sea
como mucho de un cuarto de hora?
3. Si su jefe le observa durante cinco días, ¿cuál será la probabilidad de que llegue
tarde al menos tres de ellos?
Sol.: a) 0.97725; b) 0.9986; c) aproximadamente 1.
Solución
X N ( ; ) con = 9:1 horas, = 0:05 horas.
1.
9 9 9:1
P (X > 9) = P Z> =P Z> = P (Z > 2)
0:05
= P (Z < 2) = F (2) = 0:97725
2.
P (9 < X 9:25)
P (X 9 0:25jX > 9) = P (X 9:25jX > 9) =
P (X > 9)
9:25 9:1
9 9:1
P <Z 0:05 0:05 F (3) F ( 2)
= 9 9:1 =
1 P Z 0:05
1 F ( 2)
F (3) (1 F (2)) 0:99865 (1 0:97725)
= =
1 (1 F (2)) 1 (1 0:97725)
= 0:99862
donde los valores de la función de distribución de la normal estándar se han
consultado en las tablas.
20
3. Sea U : "número de días en 5 independientes en los que llega tarde con prob-
abilidad de llegar tarde p = 0:97725": Por tanto, U B(n; p) con n = 5;
p = 0:97725:
P (U 3) = P (U = 3) + P (U = 4) + P (U = 5)
X5
5 5 u
= 0:97725u (1 0:97725) = 0:99989
u=3
u
1. P (X < +2 )
2. P (jX j< )
3. P (jX j<2 )
4. P (jX j<3 )
1.
X +2
P (X < +2 )=P < = P (Z < 2) = 0:97725
2.
X
P (jX j< ) = P( <X < )=P 1< <1
3.
X
P (jX j < 2 )=P( 2 <X <2 )=P 2< <2
4.
3 X 3
P (jX j<3 ) = P( 3 <X <3 )=P < <
21
Ejercicio 18. La demanda diaria de una marca de leche (en litros) es una variable
aleatoria con distribución N (3000; 350).
1. ¿Cuál debería ser la producción mínima diaria para satisfacer la demanda total
por lo menos el 90% de los días?
2. Calcula la probabilidad de que la demanda total en 100 días supere los 307000
litros.
X d
0:9 = P (X d) = P
d
3000
= P Z = P (Z z0:9 )
350
d 3000
) z0:9 =
350
) d = 350 z0:9 + 3000 350 1:28 + 3000 = 3448
Ejercicio 19. Un fabricante sabe que la proporción de lotes que son rechazados por
sus clientes es el 20%.
22
1. Sea X : "número de lotes rechazados en 10 independientes con probabilidad de
rechazo p = 0:2": Por tanto, X B(n; p) con n = 10; p = 0:2:
10 10 3
P (X = 3) = 0:23 (1 0:2) = 0:20133
3
Y N ( ; ) con:
= np = 500 0:2 = 100;
p p
= + npq = + 500 0:2 (1 0:2) = 8:9443
por tanto,
Y 80 80 100
P (Y 80) P =P Z
8:9443
= P (Z 2:2361) = P (Z 2:2361) = F (2:2361) = 0:98745
X79
500 500 x
P (Y 80) = 1 P (Y 79) = 1 0:2x (1 0:2)
x=0
x
= 1 0:0095064 = 0:99049
(recuérdese que el punto decimal puede ser una coma según el ordenador).
Ejercicio 20. El número de errores de impresión por página en libro sigue una
distribución de Poisson de media 0.75.
23
1. X P( ) con = E(X) = 0:75 errores por página. La función de masa es:
x
e
P (X = x) = x = 0; 1; 2; ::::
x!
La probabilidad pedida es:
P (X > 1) = 1 P (X 0) = 1 P (X = 0) P (X = 1)
e 0:75 0:750 e 0:75 0:751
= 1 = 0:17336
0! 1!
P (Y < 2) = P (Y 1) = P (Y = 0) + P (Y = 1)
1:5 0 1:5 1
e 1:5 e 1:5
= + = 0:55783
0! 1!
3. Sea U : "número de errores en 500 páginas con tasa = 0:75 500 = 375
errores/500 páginas". Entonces U P( ) con = 375 errores/500 páginas. La
probabilidad pedida es P (U < 350) :
Pero por el Teorema Central del Límite como > 5 entonces U N ( ; ) con
= E(U ) = =p375 errores/500
p páginas, 2 = Var(U ) = 375 errores2 =500
páginas ) = + = + 375 errores/500 páginas. Por tanto, la probabilidad
pedida puede ser aproximada por:
3. Calcula la probabilidad de que haya que escoger más de tres elementos de ese
tipo de aleación antes de encontrar uno con dureza menor de 73:84.
24
1. (Graficar la densidad de la normal X y de la normal estándar Z mostrando las
probabilidades y el cuantil que se indican)
73:84 70
p = P (X > 73:84) = P Z> = P (Z > 1:28)
3
= 1 P (Z 1:28) = 1 0:89973 = 0:1
X3
10 10 y
P (Y 3) = 0:1y (1 0:1) = 0:9872
y=0
y
P (U > 3) = 1 P (U 3) = 1 P (U = 0) P (U = 1) P (U = 2) P (U = 3)
0 1 2 3
= 1 (1 0:9) 0:9 (1 0:9) 0:9 (1 0:9) 0:9 (1 0:9) 0:9
= 0:0001
Ejercicio 22. Cierta máquina debería cortar rodamientos metálicos con diámetro
0:5 cm. En la práctica influyen varios factores en el proceso de fabricación y, como
consecuencia, el diámetro de los rodamientos es una variable aleatoria de la forma
X = 0:505 + 0:01Z, siendo Z una variable aleatoria con distribución N (0; 1).
25
1. ¿Qué porcentaje de rodamientos producidos en esta máquina tienen un diámetro
superior a 0:52cm?
2. En un lote de 10 rodamientos, ¿cuál es la probabilidad de que alguno supere los
0:52 cm de diámetro?
10 10 0
P (Y > 0) = 1 P (Y = 0) = 1 0:066810 (1 0:06681) = 0:49916
0
60 66:81
P (U < 60) P Z< = P (Z < 0:86246)
7:8960
= 1 P (Z 0:86246) = 1 0:80511 = 0:19489
26
densidad de X)
P (0:5 0:01 < X < 0:5 + 0:01) = P (0:49 < X < 0:51)
0:49 0:51
= P <Z<
Ejercicio 23. Un juego de Tetris para Android produce de modo aleatorio e inde-
pendiente cuadrados pequeños. La longitud de un lado (en mm) de cada uno de esos
cuadrados es una variable aleatoria X con posibles valores xi = 1; 2; 3; 6 y función de
masa de probabilidad P (X = xi ) = xi =12, i = 1; : : : ; 4.
1. Si X es el lado de un cuadrado aleatorio del juego, su área será X 2 , que será una
variable aleatoria con función de masa: P (X 2 = 12 ) = P (X = 1) = 1=12;
P (X 2 = 22 ) = P (X = 2) = 2=12; etc. y en general, P (X 2 = x2i ) = P (X =
xi ) = xi =12; i = 1; :::; 4: Por tanto,
X X
E(X 2 ) = x2i P (X 2 = x2i ) = x2i P (X = xi )
= 12 1=12 + 22 2=12 + 32 3=12 + 62 6=12 = 21
P (Y 2) = 1 P (Y 1) = 1 P (Y = 0) P (Y = 1)
10 10 0 10 10 1
= 1 0:250 (1 0:25) 0:251 (1 0:25)
0 1
= 0:75597
27
3. Sea U : "número de cuadrados con lado 3 mm en 100 cuadrados independientes
con probabilidad de tener lado 3 mm P (X = 3) = 3=12 = 0:25": U B(n; p)
con n = 100; p = 0:25: La probabilidad pedida es:
!
25 np 25 100 0:25
P (U 25) P Z p =P Z p
npq 100 0:25 (1 0:25)
= P (Z 0) = 0:5
P100
donde hemos utilizado que, por el Teorema Central del Límite U = i=1 Xi
N ( U ; U ) dondepXi Be(p) independientes, con U = np = 100 0:25 = 25
p
y U = npq = 100 0:25 (1 0:25) = 4: 3301, con n = 100 mayor que
30:
Nota: la probabilidad exacta utilizando la binomial es:
100
X 100 100 x
P (U 25) = 0:25x (1 0:25) = 0:53833
x=25
x
Ejercicio 24. Una empresa fabrica piezas que resultan ser defectuosas con proba-
bilidad 0:1. Por cada pieza defectuosa la empresa pierde 5 euros.
1. Si la empresa fabrica 2000 piezas al mes, determina la esperanza y la desviación
típica de las pérdidas mensuales de la empresa.
2. ¿Cuál es la probabilidad de que en un mes se fabriquen 220 o más piezas defec-
tuosas?
3. Calcula la probabilidad de que la primera pieza defectuosa sea la cuarta fabri-
cada.
4. Las piezas se comercializan en lotes de 20 unidades. La calidad de los lotes se
controla mediante el examen de 5 piezas elegidas sin reposición de entre las 20
del lote. ¿Cuál es la probabilidad de que en un lote con 4 piezas defectuosas se
detecten al menos 2? ¿Y al menos 1?
Sol: a) 1000, 67.08; b) 0.068; c) 0.0729; d) 0.24871, 0.718.
Solución.
1. Sea X : "número de piezas defectuosas en 2000 piezas independientes con p =
0:1 probabilidad de ser defectuosa". X B(n; p) con n = 2000; p = 0:1 con
= E(X) = np = 2000 0:1 = 200 y 2X = Var(X) = npq = 2000 0:1
(1 0:1) = 180
Sea Y : "pérdida mensual en la empresa debido a las piezas defectuosas". En-
tonces: Y = 5 X con lo que:
E(Y ) = 5 E(X) = 5 np = 5 200 = 1000
Var(Y ) = 52 Var(X) = 25 npq = 25 180 = 4500
p
) Y = + 4500 = 67:082
28
P2000
2. La probabilidad pedida es P (X 220) pero X = i=1 Xi con Xi B(p)
independientes. Por tanto, por el Teorema Central
p del Límite X B(n; p)
p p
N (np; npq) con = np = 200; = npq = 180 = 13:416 con lo que:
P (V 2) = 1 P (V 1) = 1 P (V = 0) P (V = 1)
4 16 4 16
0 5 1 4
= 1 20 20 = 0:24871
5 5
4 16
0 5
P (V 1) = 1 P (V = 0) = 1 20 = 0:71827
5
Ejercicio 25. A lo largo del último año el encargado de la cafetería de la EEI llevó
un control de la cantidad de pan empleada en los bocadillos que vende. Observó que
la cantidad diaria empleada es una variable aleatoria con distribución Normal de media
15 kg y desviación típica 2 kg.
29
xi 0 1 2 3 4
P (X = xi ) 0.15 0.4 0.25 0.1 0.1
30 30
P (X = 0) = 0:020 (1 0:02) = 0:54548
0
P (X 1) = P (X = 0) + P (X = 1)
30 30 30 30 1
= 0:020 (1 0:02) + 0:021 (1 0:02)
0 1
= 0:87945
30
2. Sea Y : "número de placas a fabricar hasta encontrar la primera defectuosa".
Entonces Y G (p) del tipo 2 que cuenta número de pruebas de Bernoulli
necesarias para obtener el primer éxito. Nos piden:
5 1 4
P (Y = 5) = (1 p) p = (1 0:02) 0:02 = 0:018447
1. Las lámparas que presentan una resistencia fuera del intervalo (1900; 2100) se
consideran defectuosas. ¿Cuál es el porcentaje de lámparas defectuosas produci-
das en esta fábrica?
2. ¿A partir de que valor se sitúa la resistencia del 5% de lámparas que presentan
una mayor resistencia?
3. Si se colocan cuatro de estas resistencias en serie funcionando de forma inde-
pendiente, ¿cuáles son la media y la desviación típica de la resistencia total del
sistema?
4. Si las lámparas se empaquetan en lotes de 20 unidades, ¿cuál es la probabilidad
de que un lote no contenga ninguna lámpara defectuosa?
31
2. El fabricante propone en la garantía un valor para la duración del motor que
le garantice que únicamente el 10% de las unidades fabricadas no lo cumplen.
¿Cuál es el valor que debe proporcionar como período máximo de garantía?
3. Sabiendo que un motor ha superado las sesenta mil horas de duración, ¿cuál es
la probabilidad de que falle antes de setenta mil?
1. ¿Qué porcentaje de piezas tienen una longitud entre 1:25 y 1:75 cm?
2. Determina el primer cuartil de la variable X e interpreta su valor.
3. Calcula la media de la variable aleatoria X.
4. Si disponemos de 200 piezas, calcula la probabilidad de que al menos 60 piezas
midan menos de 1:5 cm.
1.
2 2
P (1:25 X 1:75) = F (1:75) F (1:25) = (1:75 1) (1:25 1) = 0:5
2.
2
0:25 = F (x0:25 ) = (x0:25 1)
0:251=2 = x0:25 1 ) x0:25 = 1:5
es decir, el 25% de las piezas producidas por la fábrica no superan los 1:5 cm.
3. La función de densidad es:
0
dF (x) (x 1)2 = 2 (x 1) si 1 x 2
f (x) = =
dx 0 resto
32
con lo que la media es:
Z 1 Z 2 Z 2
E(X) = xf (x)dx = x 2 (x 1) dx = 2x2 2x dx
1 1 1
2
x3 x2 8 4 1 1 5
= 2 =2 2 = = 1:6667
3 2 1 3 2 3 2 3
4. Sea Y : "número de piezas en n = 200 que miden menos de 1:5 cm". Suponiendo
las piezas independientes, entonces Y B(n; p) con p = P (X < 1:5) = 0:25
(2o apartado) cuyas características son: Y = E(Y ) = np = 200 0:25 = 50 y
2
Y = V ar(Y ) = npq = 200 0:25 (1 0:25) = 37:5: Por tanto:
Y Y 60 Y 60 50
P (Y 60) = P P Z p
Y Y 37:5
= P (Z 1:63) = 1 P (Z 1:63) = 1 0:94845 = 0:05155
Ejercicio 31. Sea X la variable aleatoria que representa el tiempo (en horas) que
funciona adecuadamente la batería de un dispositivo electrónico entre recargas consec-
utivas. La función de densidad de X está dada por
3200 3
f (x) = 3 x si 20 x 40
0 en otro caso:
1. Calcula el tiempo medio que dura la carga de la batería antes de que precise una
nueva recarga.
2. Calcula la probabilidad de que la batería se agote antes de 24 horas después de
una recarga.
3. Calcula la probabilidad de que se agote la batería antes de 36 horas después de
una recarga si se sabe que todavía funciona al cabo de 24 horas.
4. Si las recargas son independientes, ¿cuál es la probabilidad de que la cuarta
recarga sea la primera que dura menos de 24 horas?
1.
Z 40 Z 40
3200 3 3200 40 2 3200 x 1
E(X) = x x dx = x dx =
20 3 3 20 3 1 20
3200 1 1 3200 1 80
= = = = 26:6667 horas
3 20 40 3 40 3
33
2. Podemos calcular la función de distribución para facilitar los siguientes aparta-
dos:
8
< 0
>
R x 3200 3 ix x < 20
3200 u 2 3200 1 1
F (x) = 20 3
u du = 3 2 = 6 202 x2 20 x 40
>
: 20
1 x > 40
3200 1 1
que cuando x = 40 vale F (40) = 6 202 402 = 1:0; por lo que está bien
construida.
3200 1 1
P (X < 24) = P (X 24) = F (24) = = 0:4074
6 202 242
3.
P (24 < X < 36) F (36) F (24)
P (X < 36jX > 24) = =
P (X > 24) 1 F (24)
3200 1 1
6 202 362 0:4074
= = 0:868057
1 0:4074
34
1. Según el enunciado: 0:95 = P (3 < X < 10) con X N ( ; ) con = 6:5
km/h. Entonces:
3 X 10
0:95 = P (3 < X < 10) = P < <
pero como 0:95 = P ( z0:975 < Z < z0:975 ) (comprobar graficando la situación)
entonces 3:5= = z0:975 ) = 3:5=z0:975 = 3:5=1:96 = 1: 7857
2. La probabilidad pedida es
10 6:5
P (X > 10) = P Z> =1 P (Z 1:96) = 1 0:975 = 0:025
1:7857
x0:25
0:25 = F (x0:25 ) = P (X x0:25 ) = P Z
x0:25 6:5
= P Z = P (Z z0:25 )
1:7857
x0:25 6:5
) = z0:25 = z0:75 = 0:67
1:7857
) x0:25 = 1:7857 z0:25 + 6:5 = 1:7857 ( 0:67) + 6:5 = 5:3036
donde hemos utilizado que por la simetria de la normal los cuantiles cumplen
zp = z1 p (compruébese graficando la situación) y, en particular, z0:25 =
z0:75 = 0:67 al ser z0:75 = 0:67 (valor aproximado obtenido en las tablas de
la normal estándar).
Pn
5. La probabilidad pedida es P 6:25 < X < 6:75 con X = n1 i=1 Xi con n =
100 mediciones de la velocidad. Como cada medida Xi de la velocidad sigue
una distribución normal Xi N ( ; ), entonces, por la propiedad reproductiva
P100
de la normal, la suma i=1 Xi es también normal y la media (que es sólo un
Pn de escala de la suma al dividirse por 1=n) también es normal: X =
cambio
1
n i=1 Xi N ( X ; X ) con X = = 6:5; y si suponemos las mediciones
35
2 2
p p
independientes X
= =n ) X = = n = 1:7857= 100 = 0:17857: Por
tanto,
6:25 6:5 6:75 6:5
P 6:25 < X < 6:75 = P <Z<
0:17857 0:17857
= P ( 1:4 < Z < 1:4)
= P (Z 1:4) (1 P (Z 1:4))
= 2P (Z 1:4) 1 = 2 0:91924 1 = 0:83848
Ejercicio 33. En una instalación eléctrica pueden emplearse dos tipos de focos,
A y B. La duración (en horas) de cada foco de tipo A es una variable aleatoria con
distribución N (800; 100). Por otra parte, la duración de cada foco de tipo B sigue una
distribución N (900; 150).
1. ¿Qué porcentaje de focos de tipo A presentan una duración superior a 900 horas?
2. En el caso de focos de tipo B, ¿cuál es la duración que solamente es superada
por el 10 % de los focos?
3. Se instalan dos focos, uno de tipo A y otro de tipo B, al mismo tiempo. Suponiendo
que ambos focos funcionan de modo independiente, ¿cuál es la probabilidad de
que el foco de tipo A tenga una duración superior a la del foco tipo B?
Sol:. a) 0.15866; b) 1092 horas; c) 0.29116.
Ejercicio 34. La empresa de ascensores Totis quiere determinar el peso que debe
soportar su nuevo modelo de ascensor con el fin de que la probabilidad de avería por
exceso de peso sea 0:1. El ascensor se diseña para que quepan como máximo 9 per-
sonas en cada viaje y se realizan pruebas con dicho número de personas. Estudios
previos sobre la población de usuarios indican que el peso de dichas personas es una
variable aleatoria Normal de media 75 kg y desviación típica 10 kg. Se pide:
1. Determinar el peso máximo que se debe permitir para que la probabilidad de
fallo por exceso de peso con 9 personas dentro del ascensor sea 0:1 (asúmase
que los pesos de las 9 personas son variables aleatorias independientes).
2. Si se supone que la probabilidad de fallo por exceso de peso es 0:1, ¿cuál es
la probabilidad de que después de 20 viajes, el ascensor se haya averiado por
exceso de peso al menos una vez?
3. Si se supone que la probabilidad de fallo por exceso de peso es 0:1, ¿cuántos
viajes habrá que esperar por término medio para que el ascensor se averíe por
exceso de peso por primera vez?
Sol.: a) 713.4; b) 0.8784; c) 10 (esta respuesta incluye el viaje en el que se produce
la avería).
Ejercicio 35. El tiempo (en días) que los clientes tardan en pagar a una determinada
empresa es una variable aleatoria de tipo continuo, X, con función de distribución
0 si x < 10;
F (x) = 2
1 100 x si x 10:
36
1. Calcula la probabilidad de que un cliente pague antes de 15 días.
2. ¿Cuál es la mediana del tiempo que los clientes tardan en pagar?
3. La empresa se interesa por el grupo de clientes que tardan en pagar más de 15
días. Calcula la probabilidad de que uno de esos clientes pague antes de 20 días.
Excel 2010: Para generar datos procedentes de una variable con una determinada
distribución, tenemos que habilitar esta opción en Excel. Para ello, accedemos
al menú Archivo + Opciones + Complementos + Administrar: Complementos
de Excel IR + Herramientas para el análisis VBA. Una vez activada esta herra-
mienta podemos generar los números aleatorios en Datos + Análisis de datos +
Generación de números aleatorios. Indicamos el número de variables a generar,
cuántos números aleatorios deseamos, la distribución de la variable (hay que
especificar sus parámetros) y, por último, la posición inicial en la que situamos
los números aleatorios generados.
2. Calcula función de masa de probabilidad y la función de distribución de la vari-
able aleatoria Binomial(8; 0:4) y represéntalas gráficamente. ¿Existe simetría
en la función de masa de probabilidad anterior?
Excel 2010: La función DISTR.BINOM.N() calcula la función de masa de prob-
abilidad de una v.a. con distribución binomial. La sintaxis de esta función es:
DISTR.BINOM.N(núm_éxito; ensayos; prob_éxito; acumulado)
con
37
3. Compara gráficamente las funciones obtenidas con los datos simulados en el
apartado (a1) con las correspondientes funciones teóricas obtenidas en el apartado
(b).
38
Ejercicio 38. Comprobación del Teorema Central del Límite mediante simu-
lación en Excel. Vamos a comprobar, de forma empírica mediante simulación, que la
suma de un número elevado de variables aleatorias independientes e idénticamente dis-
tribuidas sigue, aproximadamente, una distribución Normal. Para ello vamos a seguir
los siguientes pasos:
39