Boletín no 2. Probabilidad.

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

1. Calcula las siguientes probabilidades: P (X = 4:8), P (X > 4:8), P (X < 4:8)

, P (X 4:6 j X < 4:9).
2. Calcula la esperanza y la desviación típica de X.

Sol.: a) 0.18, 0.13, 0. 69, 0.8161; b) E[X] = 4:69, DT [X] = 0:1315.

Solución
Estamos ante una variable discreta pues el soporte DX = f4:5; 4:6; 4:7; 4:8; 4:9; 5:0g
es finito.

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

porque los sucesos fX = 4:9g y fX = 5:0g son incompatibles.

P (X < 4:8) = P (X = 4:5) + P (X = 4:6) + P (X = 4:7)

= 0:16 + 0:25 + 0:28 = 0:69

P ([X 4:6] \ [X < 4:9])

P (X 4:6jX < 4:9) =
P (X < 4:9)
P (X = 4:6) + P (X = 4:7) + P (X = 4:8)
=
P (X = 4:5) + P (X = 4:6) + P (X = 4:7) + P (X = 4:8)
0:25 + 0:28 + 0:18
= = 0:8161
0:16 + 0:25 + 0:28 + 0:18
Otra forma es utilizando la función de distribución F (x) = P (X x) (represen-
tarla gráficamente):
8
>
> 0 x < 4:5
>
>
>
> 0:16 4:5 x < 4:6
>
>
< 0:16 + 0:25 = 0:41 4:6 x < 4:7
F (x) = P (X x) = 0:41 + 0:28 = 0:69 4:7 x < 4:8
>
>
>
> 0:69 + 0:18 = 0:87 4:8 x < 4:9
>
>
>
> 0:87 + 0:1 = 0:97 4:9 x < 5:0
:
0:97 + 0:03 = 1:0 5:0 x

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

Ejercicio 2. Calcula la media, la varianza y la desviación típica de una variable

aleatoria X cuya función de distribución es:
8
>
> 0 si x < 1;
>
<1=6 si 1 x < 3;
F (x) =
>
> 1=2 si 3 x < 6;
>
:
1 si x 6:

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

con lo que el soporte DX = f1; 3; 6g:

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:

P ( 3 < X 4) = F (4) F ( 3) = 1=2 0 = 1=2

P (1 X 5) = F (5) F (1) + P (X = 1) = 1=2 1=6 + 1=6 = 1=2
P (1 < X < 6) = F (6) F (1) P (X = 6) = 1 1=6 1=2 = 1=3

Ejercicio 3. Un economista quiere estimar el coste total de un proyecto para hacer

una oferta adecuada del mismo. Su trabajo lo valora en una parte fija de 12000 euros y
otra variable de 300 euros por día trabajado. Sabe que el proyecto le llevará entre 7 y
11 días con la siguiente función de masa de probabilidad para X: “número de días que
tardará en realizar el proyecto":

xi 7 8 9 10 11
P (X = xi ) 0:10 0:20 0:30 0:30 0:10

1. ¿Cuál es la probabilidad de que el proyecto tarde en realizarse 9 ó 10 días?

2. Calcular la esperanza y la varianza de X.
3. Determinar el valor medio y la desviación típica del coste.

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

E(X 2 ) = 72 0:1 + 82 0:2 + 92 0:3 + 102 0:3 + 112 0:1 = 84:1

es decir, por término medio, la duración de un proyecto de este tipo será de
= 9:1 días 1:1358 días apróximadamente.
3. El coste de un proyecto de este tipo es Y = 12000 + 300 X; por tanto, la nueva
variable Y tiene como distribución de probabilidad:
X P (X = x) = P (Y = y) Y = 12000 + 300 X F (y) = P (Y y)
7 0:1 14100 0:1
8 0:2 14400 0:3
9 0:3 14700 0:6
10 0:3 15000 0:9
11 0:1 15300 1
pero podemos utilizar la fórmula para la media de la transformación lineal de
una variable aleatoria:
E (Y ) = 12000 + 300 E (X) = 12000 + 300 9:1 = 14730 euros
2
Y = V ar (Y ) = 3002 V ar(X)
Y = 300 X = 300 1:1358 = 340:74 euros
lo que significa que un proyecto de este tipo costará por término medio 14730
340:74 euros apróximadamente.
4. Nueva pregunta: Cuál debe ser el presupuesto a ofertar por el proyecto si quere-
mos que la probabilidad de que el proyecto supere en coste a nuestra oferta sea
de 0:2:
Nos piden cual tiene que ser el presupuesto b tal que P (Y > b) = 0:2 ,
P (Y b) = FY (b) = 0:8: Es decir, nos piden el cuantil b = y0:8 : Viendo
la función de distribución FY en la tabla, vemos que: b = x0:8 = 15000 euros.

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:

= E (X) = np = 20 0:06 = 1:2 defectuosas en 20 piezas

La varianza y desviación típica son:

2
Y = V ar (Y ) = np (1 p) = npq = 20 0:06 (1 0:06) = 1:128
p
) Y = 1:128 = 1:0621

3. Sea la variable Z : "número de piezas a fabricar hasta encontrar la primera

defectuosa cuando la probabilidad de defectuosa es p = 0:06"Entonces Z es
una variable Geométrica con parámetro p = 0:06: Z G (p) cuyo soporte es
DZ = f1; 2; ::::g cuya función de masa es:
z 1
P (Z = z) = (1 p) p; z = 1; 2; ::::
3
P (Z = 4) = (1 0:06) 0:06 = 0:0498
1 1
E (Z) = = = 16:667 piezas
p 0:06
Ejercicio 5. Un examen tipo test consiste en 10 preguntas con 4 respuestas, siendo
sólo 1 correcta. Si un estudiante contesta el examen al azar, calcular:

1. Probabilidad de acertar 5 preguntas.

2. Probabilidad de no acertar ninguna pregunta.
3. Probabilidad de acertar 8 preguntas.
4. ¿Cuál es el número esperado y desviación típica del número de respuestas cor-
rectas?

Sol.: a) 0.0584, b) 0.0563, c) 0.0004, d) 2.5, 1.3693

Defino la variable X : "número de preguntas acertadas de 10 preguntas indepen-
dientes cuando la probabilidad de acertar es p = 1=4". Entonces, X B(n; p) con
n = 10; p = 1=4: La función de masa de probabilidad de la binomial 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

Nótese que la probabilidad de aprobar es:

4
X
P (X 5) = 1 P (X < 5) = 1 P (X 4) = 1 P (X = x)
x=0
X4
10 10 x
= 1 0:25x (1 0:25) = 0:078127
x=0
x

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

es decir, el alumno sacará por término medio un 2:5 1:3693 apróximadamente.

5. Pregunta adicional: si se asigna un punto a cada pregunta acertada y se penalizan
los errores con 1/3 de punto, ¿cuál será la nota media que sacará el alumno que
contesta al azar?
El número de preguntas erróneas I = 10 X es una variable aleatoria al serlo
X e igualmente la nota final, que será:
1 1 1 10 4 10
N =X I=X (10 X) = X + X = X
3 3 3 3 3 3
que es una transformación lineal de la variable aleatoria X: Por tanto, su media
será:
4 10 4 5 10 20 10
E(N ) = E(X) = = =0
3 3 3 2 3 6 3
Finalmente, si el examen tuviese n preguntas, cuál tendría que ser la penalización
por pregunta errónea? Ahora, E(X) = np = 0:25n: Si es la penalización,

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. no encuentre ninguna embarcación con contrabando.

2. encuentre exactamente una de las embarcaciones con contrabando.
3. encuentre exactamente cinco embarcaciones con contrabando.

Sol.: a) 0.2946; b) 0.49107; c) 0.

Solución.
Defino la variable X : "número de embarcaciones con contrabando de 3 inspec-
cionadas sin reposición de 16 en las que hay 5 con contrabando". Entonces X
HG(N; D; n) con N = 16; D = 5; n = 3; cuya función de masa de probabilidad es:
D N D
x n x
P (X = x) = N
n

1.
5 11
0 3
P (X = 0) = 16 = 0:29464
3

2.
5 11
1 2
P (X = 1) = 16 = 0:49107
3

3. El soporte es DX = f0; 1; 2; 3g por tanto P (X = 5) = 0:

4. Pregunta adicional: si la situación anterior se produce con frecuencia, cuál será
el número de embarcaciones que por término medio el inspector descubrirá con
contrabando:
D 5
E(X) = np = n =3 = 0:9375 embarcaciones
N 16

Ejercicio 7. El encargado de una oficina de correos debe enviar 15 paquetes, 6 de

ellos por correo aéreo y el resto por correo terrestre. Sin embargo, en un descuido los
mezcla y manda seis paquetes al azar por correo aéreo. ¿Cuál es la probabilidad de
que en este envío hayan sido incluidos solamente tres de los paquetes que tendrían que
enviarse por correo aéreo? Sol.: 0.33566
Solución
Defino X : "número de paquetes a enviar por correo en n = 6 elegidos sin
reposición de un conjunto de N = 15 en los que hay D = 6 paquetes a enviar
por correo". X HG(N; D; n) = HG(N; n; p) con N = 15; n = 6; D = 6 y
p = D=N = 6=15:La función de masa es:
D N D
x n x
P (X = x) = N
n

8
por lo que la probabilidad pedida es:
6 15 6
3 6 3
P (X = 3) = 15 = 0:33566
6
Preguntas adicionales:

1. Probabilidad de que envíe correctamente al menos 2 de los 6.

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

2. Número medio de paquetes que enviaría correctamente por ese procedimiento:

D 6
E(X) = np = n =6 = 2:4 paquetes
N 15

Ejercicio 8. En una población se observó que el número medio de muertes anuales

a causa de una determinada enfermedad es 3. Supongamos que el número de muertes
anuales debidas a la enfermedad sigue una distribución de Poisson.

1. ¿Cuál es la probabilidad de que en el próximo año no haya muertes debidas a

esta enfermedad?
2. ¿Cuál es la probabilidad de que en el próximo año el número de muertos a causa
de la enfermedad exceda el número esperado?
3. ¿Cuál es la probabilidad de que en los próximos dos años haya más de nueve
muertes por esta enfermedad?

Sol.: a) 0.0498, b) 0.3528, c) 0.08392.

Solución
Sea X : "número de muertes debido a la enfermedad si la tasa de muertes por año
es = 3". Entonces X P( ) con = 3 cuya función de masa es:
x
e
P (X = x) = ; x = 0; 1; 2; ::::
x!
1.
3 0
e 3 3
P (X = 0) = =e = 0:049787
0!
2. El número esperado de muertes es = E(X) = = 3; por tanto:

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:

(a) Si otra enfermedad independiente de la anterior produce 2 muertes por año,

determinar la probabilidad de que se produzcan 20 muertes en un quinque-
nio por culpa de las dos enfermedades.
Sean las variables aleatorias Ui : "número de muertes en un quinquenio
cualquiera debido a la enfermedad i-ésimacon tasa i de muertes por quin-
quenio", i = 1; 2 donde 1 = 3 muertes/año 5 años = 15 muertes/quinquenio
y 2 = 2 muertes/año 5 años = 10 muertes/quinquenio.
Entonces Z = U1 + U2 cuenta el número de muertes debidas a las dos
enfermedades en un quinquenio. Al ser U1 y U2 independientes, entonces
por la propiedad reproductiva de la Poisson Z P( ) con = 1 + 2 =
25 enfermedades/quinquenio por término medio. Y la probabilidad pedida
es:
e 25 2520
P (Z = 20) = = 0:05197
20!
(b) Cuál será la probabilidad de que la próxima muerte por la primera enfer-
medad se produzca antes de 2 años.
Sea T : "tiempo en años hasta la próxima muerte provocada por la primera
enfermedad". Entonces T Exp( ) con = 3 muertes/año. La proba-
bilidad pedida es:

P (T < 2) = P (T 2) = F (2) = 1 e 3 2 = 0:99752

R1 R1
puesto que F (t) = P (T t) = 1 f (t)dt = 0 e t dt = 1 e t

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:

0:75 = P (T > t0:25 ) = 1 P (T t0:25 ) = 1 F (t0:25 )

= 1 1 e 3t0:25 = e 3t0:25
ln 0:75 = 3t0:25 , 0:28768 = 3t0:25
0:28768
t0:25 = = 9:5893 10 2 años
3
9:5893 10 2 365 = 35 días

10
 ii. Se trata del tercer cuartil:

0:25 = P (T > t0:75 ) = 1 P (T t0:75 ) = 1 F (t0:75 )

= 1 1 e 3t0:75 = e 3t0:75
ln 0:25 = 3t0:75 , 1:3863 = 3t0:25
1:3863
t0:75 = = 0:4621 años
3
0:4621 365 = 168:67 días

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:

Ejercicio 9. La duración en años de la batería de cierto modelo de teléfono móvil

es una variable aleatoria continua con función de densidad:
(
k(x 2)2 si 2 x 4;
f (x) =
0 en otro caso.

1. Calcula el valor de k para que f sea función de densidad.

2. ¿Cuál es la probabilidad de que una batería dure más de tres años y medio?
3. Sabiendo que una batería tiene más de tres años y medio, calcula la probabilidad
de que dure menos de 3.75 años.
4. Halla la media y la mediana de la duración de la batería. Compara sus valores.
Calcula el cuantil de orden 0.90 de la duración e interpreta su valor.

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

2. Calculemos la función de distribución:

F (x) = P (X x)
8
Z x < 0R si x < 2
>
3
ix
x 3 2 3 (u 2) (x 2)3
= f (u)du = 2 8
(u 2) du = 8 3 = 8 si 2 x<4
1 >
: 2
1 si x 4
3
(3:5 2)
P (X > 3:5) = 1 P (X 3:5) = 1 F (3:5) = 1 = 0:57813
8
3.
P (3:5 < X < 3:75)
P (X < 3:75jX > 3:5) =
P (X > 3:5)
(3:75 2)3 (3:5 2)3
F (3:75) F (3:5) 8 8
= = (3:5 2)3
= 0:4291
1 F (3:5) 1 8

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

Piénsese: 1) ¿por qué las características calculadas anteriormente (media, me-

diana y x0:9 ) están todas en el intervalo [2; 4] y no fuera de él?; 2) ¿por qué la
media no es el punto medio del intervalo [2; 4]?

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.

Sol.: a) 0.8292, b) 5/12

Solución

1. Nos piden el valor C; tal que P (X > C) = 0:1; es decir, P (X C) = 0:9;

es decir, el valor C = x0:9 que satisface F (x0:9 ) = 0:9: Por tantoRtenemos que
x
calcular antes la función de distribución: F (x) = P (X x) = 1 f (x)dx;
que resulta (graficar la función y relacionarla con la densidad):
8
< R0 si x 0
>
Rx i
2 x
x 2
F (x) = 1
f (x) dx = 0 (3=2 u) du = 23 u u2 = 32 x x2 si x 2 (0; 1)
>
: 0
1 si x 1

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. Preguntas adicionales. Calcular:

(a) Si la capacidad del depósito fuese C = 0:9; la probabilidad de quedarse sin

gasoil en una semana cualquiera:

3 0:92
P (X > 0:9) = 1 P (X 0:9) = 1 F (0:9) = 1 0:9 = 0:055
2 2

(b) La probabilidad de que el consumo semanal se encuentre entre 200 y 500

litros:

P (0:2 X 0:5) = F (0:5) F (0:2)

3 0:52 3 0:22
= 0:5 0:2 = 0:345
2 2 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

P (0:1 X 0:2) F (0:2) F (0:1)

P (0:1 X 0:2jX 0:5) = =
P (X 0:5) F (0:5)
3 0:22 3 0:12
2 0:2 2 2 0:1 2
= 3 0:52
= 0:216
2 0:5 2

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?

Sol.: a) E(X)= 5, V ar(X) = 8:33; b) 0.4; c) 0:31744; d) 0.99024.

Solución
Sea X : "tiempo total de espera en minutos en la parada". X U(0; 10) con
densidad f (x) = 1=(b a) = 1=10 si x 2 (0; 10) y cero en el resto.

1. La media de la uniforme es:

Z 1 Z 10 10
1 1 x2 1 102 0
E (X) = xf (x)dx = x dx = = = 5 minutos
1 0 10 0 10 2 0 10 2

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

3. Sea Y : "número de días de 5 días independientes en los que el tiempo de espera

es menor de 6 minutos cuando la probabilidad de ese suceso es p"; entonces
Y B (n; p) con n = 5; p = P (X 6) = 1 P (X > 6) = 1 0:4 = 0:6
cuya función de masa es:

n y n y
P (Y = y) = p (1 p) ; y = 0; 1; :::; n
y

por lo que la probabilidad pedida es:

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:

T T 1000 T 1000 1100

P (T > 1000) P > =P Z> p
T T 1833:3
= P (Z > 2:3355) = P (Z 2:3355) 0:99036

pues en las tablas de la normal estándar se obtiene P (Z 2:34) = 0:99036:

En Excel se obtiene la probabilidad P (T > 1000) 0:99024126 utilizando la
expresión:

=1 DISTR:NORM:N(1000; 1100; (220 100=12)^0:5; 1)

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:

1. ¿Cuál es el primer cuartil de X? Interpreta su valor.

2. Calcula la probabilidad de que la máquina dure menos de 2 años.
3. Sabiendo que la máquina no se estropeó en los dos primeros años, calcula la
probabilidad de que dure menos de cuatro.
4. Comprueba si la media y la mediana coinciden para esta distribución. Da una
explicación de esto de forma gráfica e intuitiva.

Sol.: a) 0.5754; b) 0.6322; c) 0.6322; d) E[X] = 2, M ediana(X) = 1:386.

Solución

1. La densidad de un modelo Exp( ) es f (x) = e x si x > 0 y cero en el resto

(comprobar que se obtiene derivando la función de distribución F (x) = 1 e x
si x > 0 y cero en el resto). Por tanto, en este caso, = 0:5: El primer cuartil
cumple que:
0:5 x0:25
0:25 = P (X x0:25 ) = F (x0:25 ) = 1 e
0:5 x0:25
e = 1 0:25 = 0:75

tomando logaritmos neperianos:

0:5x0:25 = ln(0:75) , x0:25 = 2 ln(0:75) = 0:5754

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

4. La media es E(X) = 1= = 1=0:5 = 2 y la mediana:

0:5 = F (x0:5 ) = 1 e 0:5 x0:5

e 0:5 x0:5 = 0:5
0:5 x0:5 = ln(0:5) , x0:5 = 2 ln(0:5) = 1:38629

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

Ejercicio 13. La duración (en años) de los ventiladores usados en un determinado

modelo de ordenador portátil es una variable aleatoria X con distribución Exponencial(0:2).

1. ¿Cuál es la probabilidad de que un ventilador dure más de 4 años?

2. Si el fabricante de ventiladores solamente quiere reponer el 10% de las unidades
en el período de garantía, ¿cuál debería de ser este período de garantía?

Sol.: a) 0.4493; (b) 0.53 años.

Solución
X Exp ( ) con = 0:2: Entonces:

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!

3. Definimos U : "número de piezas montadas por 100 trabajadores en 5 horas".

Por la propiedad reproductiva,
p pU pP ( ) con = = 100 24 = 2400
piezas/5 horas y = 2 = = 2400 = 48: 99: Como > 5; podemos
aproximar la probabilidad utilizando el TCL:
2500 2400
P (U > 2500) = P Z> = P (Z > 2:04)
48: 99
= 1 P (Z 2:04) = 1 0:97932 = 0:02068

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.

1. ¿Qué porcentaje de botellas se pueden taponar?

2. Calcula la probabilidad de que en un pack de 6 botellas, haya por lo menos una
que no se pueda taponar.

Sol.: a) 97.72 %; b) 0.129.

Solución.

1. Sea X : "cantidad de vino en litros de una botella cualquiera". X N( ; )

con = 0:75 litros y = 0:05 litros. La probabilidad pedida es:
X 0:85 0:85 0:75
P (X 0:85) = P =P Z
0:05
= P (Z 2) = 0:97725

es decir, el 97:725% de las botellas se pueden taponar.

2. Sea Y : "número de botellas que no se pueden taponar en un pack de 6 botellas
independientes con probabilidad de no poderse taponar p = P (X > 0:85) = 1
0:97725 = 0:02275". Entonces Y B(n; p) con n = 6 botellas y p = 0:02275.

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?

(a) Sea U : "número de botellas que no se pueden taponar en 6 extraídas sin

reposición de 100 en las que hay 2 que no se pueden taponar". Entonces
U HG(N; D; n) con N = 100; D = 2; n = 6:
2 98
0 6
P (U 1) = 1 P (U = 0) = 1 100 = 0:116976
6

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

Ejercicio 17. Si X sigue una distribución N ( ; ), calcula las siguientes probabil-

idades:

1. P (X < +2 )
2. P (jX j< )
3. P (jX j<2 )
4. P (jX j<3 )

Sol.: a) 0.97725; b) 0.68269; c) 0.95450; d) 0.99730.

Solución

1.
X +2
P (X < +2 )=P < = P (Z < 2) = 0:97725

2.
X
P (jX j< ) = P( <X < )=P 1< <1

= P ( 1 < Z < 1) = F (1) F ( 1) = F (1) (1 F (1))

= 2 F (1) 1 = 2 0:84134 1 = 0:68268

3.
X
P (jX j < 2 )=P( 2 <X <2 )=P 2< <2

= P ( 2 < Z < 2) = F (2) F ( 2) = F (2) (1 F (2))

= 2 F (2) 1 = 2 0:97725 1 = 0:9545

4.
3 X 3
P (jX j<3 ) = P( 3 <X <3 )=P < <

= P ( 3 < Z < 3) = F (3) F ( 3) = F (3) (1 F (3))

= 2 F (3) 1 = 2 0:99865 1 = 0:9973

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.

Sol.: a) 3448.543; b) 0.02275.

Solución
X N ( ; ) con = 3000 litros, = 350 litros.

1. Sea d la producción mínima pedida, entonces

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

pues en las tablas de la N (0; 1) obtengo z0:9 1:28:

P100
2. Sea Y = =1 Xi siendo Xi N (3000; 350) la demanda en el día i-ésimo. Por
tanto, por la propiedad reproductiva de la normal, si supongo
P100que las demandas
diarias son independientes, Y N ( Y ; Y ) con y = i=1 i = 100 =
2
P100 2 2
p
100 3000 = 300000 litros y Y = i=1 i = 100 350 ) Y = 2
p Y =
100 3502 = 10 350 = 3500 litros.
307000 Y 307000 300000
P (Y > 307000) = P Z> =P Z>
Y 3500
= P (Z > 2) = 1 P (Z 2) = 1 F (2) = 1 0:97725
= 0:02275

Ejercicio 19. Un fabricante sabe que la proporción de lotes que son rechazados por
sus clientes es el 20%.

1. Calcula la probabilidad de que de un total de 10 lotes, sean rechazados exacta-

mente 3.
2. Calcula la probabilidad de que de un total de 500, sean rechazados 80 o más.

Sol.: a) 0.2013; b) aproximadamente 0.9875.

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

2. Sea Y : "número de lotes rechazados en 500 independientes con probabilidad de

rechazo p = 0:2". Por tanto Y B(n; p) con n = 500; p = 0:2: Me piden
P (Y 80):
P500
Como una binomial es una suma de Bernoulli’s, Y = i=1 Xi con Xi Be(p)
independientes, entonces por el Teorema Central del Límite,

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

Nota: la probabilidad exacta calculada con la distribución binomial sería:

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

que puede obtenerse en Excel con la expresión:

=1 DISTR:BINOM:N(79; 500; 0:2; 1)

(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.

1. ¿Cuál es la probabilidad de que una página tenga más de un error?

2. ¿Cuál es la probabilidad de que en dos páginas haya menos de 2 errores?
3. Calcula la probabilidad de que en las 500 páginas del libro haya menos de 350
errores.

Sol: a) 0.1734; b) 0.5578; c) aproximadamente 0.0985.

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!

2. Sea Y : "número de errores en 2 páginas con = 0:75 2 = 1:5 errores por 2

páginas". Entonces Y P( ) con = 1:5 errores/2 páginas.

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:

U 350 350 375

P (U < 350) P < =P Z< p
375
= P (Z < 1:291) = 1 P (Z 1:291) = 1 0:90147
= 0:09853

Ejercicio 21. La dureza Rockwell de un metal se determina al marcar con un punto

acerado la superficie del metal y después medir la profundidad del punto. Suponiendo
que la dureza Rockwell de cierta aleación sigue una distribución N (70; 3), calcula:

1. Si el intervalo aceptable de dureza es (70 c; 70 + c) ; ¿para qué valor de c el

95% de los casos tendrían una dureza aceptable?
2. Se observan, de forma independiente, 10 elementos de esa aleación, ¿cuál es la
probabilidad de que como mucho tres tengan una dureza mayor de 73:84?

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.

Sol.: a) c = 5:88; b) 0.9872; c) 0.0001.

Solución

24
 1. (Graficar la densidad de la normal X y de la normal estándar Z mostrando las
probabilidades y el cuantil que se indican)

0:95 = P (70 c < X < 70 + c)

70 c 70 X 70 70 + c 70
= P < <
3 3 3
c c c
= P <Z< ) = z0:975 = 1:96 ) c = 3 1:96 = 5:88
3 3 3

2. Sea Y : "número de elementos de 10 independientes con dureza mayor de 73:84

con probabilidad de ese suceso p = P (X > 73:84) ": Entonces Y B(n; p)
con n = 10;

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

La probabilidad pedida es:

X3
10 10 y
P (Y 3) = 0:1y (1 0:1) = 0:9872
y=0
y

3. Sea U : "número de elementos a escoger antes de encontrar uno con dureza

menor que 73:84 con probabilidad este suceso p = P (X < 73:84) = 1 P (X
73:84) = 1 0:1 = 0:9": Entonces U G(p) con p = 0:9 del tipo 1 (que
cuenta fracasos antes del primer éxito). La función de masa de este modelo es
P (U = u) = q u p; con u = 0; 1; 2; :::: La probabilidad pedida es:

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

4. Pregunta adicional: número medio de elementos a elegir antes de obtener un

elemento con dureza menor de 73.84.
1 1
= E (U ) = 1= 1 = 0:1111
p 0:9
dado que para la geométrica del segundo tipo (número de pruebas) la media es
E(U + 1) = 1=p con lo que para la del primer tipo es E(U ) = 1=p 1 = q=p =
0:1=0:9 = 0:11111

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?

3. En un lote de 1000 rodamientos, ¿cuál es la probabilidad de que menos de 60

superen los 0:52 cm?
4. ¿Cuál es el porcentaje de rodamientos producidos en esta máquina que tienen un
diámetro que está a 0:01 cm del diámetro nominal (0:5 cm)?

Sol: a) 0.0668; b) 0.4992; c) 0.1942; d) 0.6247.

Solución

1. La probabilidad pedida es P (X > 0:52):

Si X = 0:505 + 0:01Z que es de la forma X = + Z (es lo contrario a
tipificar) con Z N (0; 1) entonces X N (0:505; 0:01) ya que E(X) =
2
E(0:505 + 0:01Z) = 0:505 + 0:01 0 = 0:505 ya que E(Z) p = 0; y X =
2 2 2 2
Var(X) = 0:01 Var(Z) = 0:01 1 = 0:01 ) X = + X = 0:01: Por
tanto:
X 0:52 0:52 0:505
P (X > 0:52) = P > =P Z>
0:01
= P (Z > 1:5) = 1 P (Z 1:5) = 1 0:93319 = 0:06681

2. Sea Y : "número de rodamientos en 10 independientes, cuyo diámetro supere

0:52 cm con probabilidad de ese suceso p = P (X > 0:52) = 0:06681": En-
tonces, Y B(n; p) con n = 10, p = 0:06681: La probabilidad pedida es:

10 10 0
P (Y > 0) = 1 P (Y = 0) = 1 0:066810 (1 0:06681) = 0:49916
0

3. Sea U : "número de rodamientos en 1000 independientes, cuyo diámetro supere

0:52 cm". Entonces, U B(n; p) con n =p 1000; p = 0:06681; con = np =
p
1000 0:06681 = 66:81 y = npq = 1000 0:06681 (1 0:06681) =
7:8960: Como n = 1000 > 30; por el TCL, U N ( ; ) con lo que la proba-
bilidad pedida puede aproximarse mediante:

60 66:81
P (U < 60) P Z< = P (Z < 0:86246)
7:8960
= 1 P (Z 0:86246) = 1 0:80511 = 0:19489

4. Graficar la situación y la probabilidad que se pide, como área bajo la función de

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<

0:49 0:505 0:51 0:505

= P <Z<
0:01 0:01
= P ( 1:5 < Z < 0:5) = F (0:5) F ( 1:5)
= F (0:5) (1 F (1:5)) = F (0:5) + F (1:5) 1
= 0:69146 + 0:93319 1 = 0:62465

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. Determina la esperanza del área de esos cuadrados.

2. De entre 10 cuadrados producidos en el juego, ¿cuál es la probabilidad de obtener
al menos 2 cuadrados con área menor que 9 mm2 ?
3. En 100 realizaciones de cuadrados, ¿cual es la probabilidad de que haya al menos
25 con lado de 3 mm?

Sol.: a) 21; b) 0.75597; c) 0.5.

Solución

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

2. Sea Y : "número de cuadrados de 10 independientes con área menor que 9 mm2

siendo la probabilidad de ese suceso p = P (X 2 < 9) = P (X 2 = 1) + P (X 2 =
4) = 1=12 + 2=12 = 3=12 = 1=4". Entonces, Y B(n; p) con n = 10,
p = 0:25:

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

ya que E(a + bX) = a + bE(X) y Var(a + bX) = b2 Var(X):

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:

220 220 200

P (X 220) P Z =P Z p
180
= P (Z 1:4907) = 1 P (Z 1:4907) = 1 0:93189
= 0:06811

puesto que en las tablas de la normal estándar P (Z 1:49) = 0:93189:

3. Sea U : "número de piezas independientes a fabricar para obtener la primera
defectuosa con probabilidad p = 0:1 de defectuosa". U G(p) con p = 0:1: La
probabilidad pedida es:
3
P (U = 4) = q 3 p = (1 0:1) 0:1 = 0:0729

4. Sea V : "número de piezas defectuosas al extraer sin reposición n = 5 de

N = 20 piezas en las que hay D = 4 piezas defectuosas". Entonces, V
HG(N; D; n) = HG(N; n; p) con N = 20; D = 4; n = 5 y p = D=N =
4=20 = 1=5: La probabilidad pedida es:

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.

1. Calcula la probabilidad de que un día elegido al azar necesite más de 17 kg de

pan.
2. ¿Cual es la probabilidad de que a lo largo de cinco días la cantidad total de pan
utilizada supere los 80 kg (suponiendo independencia)?
3. ¿Cual es el número esperado de días que pasan hasta que aparece el primer día
en el que el consumo de pan es inferior a 17 kg?

Sol.: a) 0.15866; b) 0.13136; c) 1.18858.

Ejercicio 26. Se sabe que el número de motores que se activan durante un proceso
específico en una fábrica es una variable aleatoria, X, con la siguiente función de masa
de probabilidad:

29
 xi 0 1 2 3 4
P (X = xi ) 0.15 0.4 0.25 0.1 0.1

1. Determina el número medio de motores activados durante el proceso y la proba-

bilidad de que como mínimo se accionen 2 motores durante el proceso.
2. De entre 10 procesos registrados de forma independiente por los operarios, ¿cuál
es la probabilidad de que en al menos 2 de ellos no se active ningún motor?

3. En 150 procesos independientes, ¿cuál es la probabilidad de que en más del 80%

de ellos se accionen menos de 3 motores?

Sol.: a) 1.6, 0.45; b) 0:4557; c) aproximadamente 0.5.

Ejercicio 27. En una empresa de fabricación de placas solares, se sabe que el 2%
de las fabricadas diariamente son defectuosas y, por lo tanto, no pueden ser puestas a
la venta.

1. Si la fábrica produce 30 placas al día, ¿cuál es la probabilidad de que todas

puedan ser puestas a la venta?, ¿cuál es la probabilidad de que como mucho
haya una placa defectuosa?
2. Suponiendo que la empresa fabrica tantas placas como sean necesarias, calcula
la probabilidad de que la primera placa defectuosa sea la quinta fabricada. ¿Cuál
es el número esperado de placas no defectuosas que se deben fabricar hasta en-
contrar una defectuosa?
3. La empresa comercializa estas placas solares en lotes de 10. Si se realiza un
control de calidad seleccionando 3 placas al azar de un lote específico donde
realmente hay 4 placas que no deberían ser puestas a la venta, ¿cuál sería la
probabilidad de que no se detectase ninguna placa defectuosa de entre las selec-
cionadas?

Sol.: a) 0.5455, 0.8795, b) 0.0184, 49, c) 0.1667.

Solución

1. Sea X : "número de placas solares en 30 independientes, que resultan defectu-

osas con probabilidad p de ser defectuosa". Entonces X B (n; p) con n = 30;
p = 0:02:

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

Para calcular el número esperado de placas no defectuosas a fabricar hasta en-

contrar una defectuosa, necesitamos el tipo de Geométrica que cuenta número
de fracasos antes del primer éxito. Sea U : "número de correctas hasta encontrar
la primera defectuosa", entonces U G (p) del tipo 1 que cuenta fracasos antes
del primer éxito. La esperanza pedida es:
1 p 1 0:02
E (U ) = = = 49
p 0:02

Pero se podría hacer calculando E (Y ) y aplicar que U = Y 1 con lo que

E (U ) = E (Y ) 1 = 1=p 1 = q=p:
3. Sea V : "número de placas defectuosas en 3 extraídas sin reposición de 10 entre
las que hay 4 defectuosas". Entonces V HG (N; D; n) con N = 10; D = 4;
n = 3: La probabilidad pedida es:
D N D 4 10 4
x n x 0 3 0
P (V = 0) = N
= 10 = 0:16667
n 3

Ejercicio 28. La resistencia de cierto tipo de lámparas producidas en una fábrica

sigue una distribución Normal de media 2000 y desviación típica 50 .

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?

Sol.: a) 0.04550; b) 2082.25; c) 8000, 100; d) 0.3940.

Ejercicio 29. El tiempo de vida de un motor eléctrico sigue una distribución expo-
nencial con media cincuenta mil horas. Una fábrica produce 200 unidades de este tipo
al mes.

1. Calcula la probabilidad de que el tiempo de vida de un motor sea superior a la

media.

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?

4. Calcula la probabilidad de que la duración media de todos los motores fabricados

en un mes sea superior a cincuenta y cinco mil horas. Suponemos independencia
en el tiempo de vida de los motores.

Sol.: a) 0.3679; b) 5268 horas; c) 0.1813; d) 0.07927.

Ejercicio 30. La longitud (en cm) de las piezas producidas en una fábrica es una
variable aleatoria, X, que tiene la siguiente función de distribución:
8
>
<0 si x < 1
2
F (x) = (x 1) si 1 x 2
>
:
1 si x 2

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.

Sol.: a) 0.5; b) 1.5; c) 5=3 = 1:6667; d) aproximadamente P (Z 1:33) =

0:09176.
Solución

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

donde se ha utilizado la aproximación normal de la binomial y que P (Z

1:63) = 0:94845 según las tablas de la normal. (El resultado proporcionado
en el ejercicio es erróneo).

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?

Sol.: a) E(X) = 80=3 = 26:67; b) 0:4074; c) 0:8681; d) 0:0848.

Solución

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

4. Sea Y : "número de recargas hasta la primera que dura menos de 24 horas".

Entonces Y G(p) con p = F (24) = 0:4074:
3
P (X = 4) = (1 p)3 p = (1 0:4074) 0:4074 = 0:0847825

Ejercicio 32. Se decide instalar turbinas submarinas en un lugar donde el 95% de

las ocasiones la velocidad de la corriente está entre 3 km/h y 10 km/h. Se sabe que la
velocidad de la corriente es una variable aleatoria con distribución Normal de media
6:5 km/h.

1. Calcula la desviación típica.

2. Una turbina sólo puede utilizarse cuando la velocidad de la corriente es menor
de 10 km/h. ¿Cuál es la probabilidad de que no se pueda utilizar una turbina?
3. Si se instalan 12 turbinas de este tipo y funcionan de forma independiente, ¿cuál
es la probabilidad de que puedan utilizarse más de 10 turbinas?
4. ¿Cuál es el primer cuartil de la velocidad de la corriente?
5. Si se registran 100 mediciones de la velocidad de la corriente, ¿cuál es la proba-
bilidad de que la media muestral se sitúe entre los valores 6:25 y 6:75 km/h?

Sol:. a) 1.786; b) 0.025; c) 0.9651; d) 5.295; e) 0.8384

Solución

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 < <

3 6:5 10 6:5 3:5 3:5

= P <Z< =P <Z<

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

3. Sea Y : "número de turbinas en 12 independientes que pueden utilizarse con

probabilidad de poder utilizarse una turbina p = P (X 10) = 1 P (X >
10) = 1 0:025 = 0:975": Entonces, Y B(n; p) con n = 12; p = 0:975:

P (Y > 10) = P (Y = 11) + P (Y = 12)

12 12 11 12 12 12
= 0:97511 (1 0:975) + 0:97512 (1 0:975)
11 12
= 0:96507

4. El cuantil x0:25 verifica que

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.

Sol.:a) 0.5556; b) 14.14 días; c) 0.4375.

Ejercicio 36. Distribución Binomial en Excel. Vamos a estudiar la distribución
Binomial y sus parámetros.

1. Genera una muestra de 1000 valores de una distribución Bi(8; 0:4):

1. Calcula las frecuencias relativas y frecuencias relativas acumuladas de los

nueve sucesos posibles.
2. Representa mediante un diagrama de barras las frecuencias calculadas en
el apartado anterior.
3. ¿A que conceptos de probabilidad conduce este experimento aleatorio?

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

núm_éxito (x): es el valor en el que se quiere evaluar la función de proba-

bilidad.
ensayos (n): es el número de realizaciones del experimento.
prob_éxito (p): es la probabilidad de éxito en cada realización.
acumulado: es un valor lógico. Si es FALSO (acumulado=0) se obtiene la
probabilidad de obtener x éxitos, y si es VERDADERO (acumulado=1) se
obtiene la función de distribución en x.

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).

Ejercicio 37. Distribución Normal en Excel.

1. Calcula y representa gráficamente la funciones de densidad, f , y las funciones de

distribución, F , de dos variables aleatorias con distribuciones N (0; 1) y N (1; 0:5).
Prepara es gráfico con valores en el eje horizontal entre 3 y 3 con incrementos
de 0:1.
Excel 2010: La función DISTR.NORM.N() calcula la función de densidad o la
función de distribución de una variable aleatoria con distribución Normal. La
sintaxis de esta función es:
DISTR.NORM.N(x; media; desv_estándar ; acumulado)
con

x: valor dónde queremos obtener la función de densidad o la función de

distribución.
media ( ): media de la variable.
desv_estándar ( ): desviación típica de la variable.
acumulado: es un valor lógico. Si acumulado=0 (FALSO) se obtiene la
función de densidad, y si acumulado=1 (VERDADERO) se obtiene la fun-
ción de distribución.
d
2. Para una X N (1; 2), calcula las siguientes probabilidades: P (X 1),
P (X 1:5), P (X 4), P (X 0:5) y P ( 1 X 0:5). Justifica que
P (X 1) = 0:5 y P (X 1:5) = P (X 0:5).
3. Calcula en una distribución N (10; 3) los cuantiles 0:01, 0:025, 0:05, 0:95, 0:975
y 0:99. ¿Qué relación existe en distribuciones normales entre el cuantil p y el
cuantil 1 p? Por ejemplo, compara los cuantiles 0:05 y 0:95. Calcula estos
d
mismos cuantiles para la variable tipificada Z N (0; 1). ¿Qué relación existe
entre los cuantiles de las distribuciones N (10; 3) y N (0; 1)?
Excel 2010: La función INV.NORM() calcula los cuantiles de una distribución
Normal. La sintaxis de esta función es:
INV.NORM(p; media; desv_estándar)
con

probabilidad (p): corresponde con la probabilidad que dará lugar al corre-

spondiente cuantil.
media ( ): media de la variable.
desv_estándar ( ): desviación típica de la variable.

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:

1. Genera 10 variables aleatorias X1 ; : : : ; X10 independientes e idénticamente dis-

tribuidas con distribución U [0; 1] usando la opción ALEATORIO(). Repite este
proceso hasta obtener 5000 valores de cada una de ellas.

2. Calcula las 5000 observaciones de la variable suma S10 = X1 + + X10 .

3. Aproxima la función de densidad de S10 a partir del uso del histograma. ¿Se
parece al histograma de una distribución Normal? ¿Cuáles serían los parámetros
de la distribución Normal que serviría para aproximar la distribución de S10 .
Nota: El número de intervalos K se puede calcular utilizando la regla de Sturges:

número de intervalos = 1 + log2 (n) = 1 + 3:322 log10 (n);

donde n es número de observaciones. La longitud del intervalo se calcula medi-

ante la regla
L = (Dato Máximo - Dato Mínimo)=K:

Se podría realizar un estudio semejante para la suma de variables independientes

Binomiales, Normales, Exponenciales, etc.

39