Guı́a de Ejercicios Probabilidades

1. De un total de 500 estudiantes, se encuentra que 210 fuman, que 258 toman bebidas
alcohólicas, que 216 toman alimentos entre comidas, que 122 fuman y toman bebidas
alcohólicas, que 83 toman alimentos entre comidas y también bebidas alcohólicas, que
97 fuman y toman alimentos entre comidas y que 52 practican estos tres dañinos
hábitos. Si se escoge aleatoriamente a un miembro de esta generación, encuentre la
probabilidad de que el estudiante.

(a) fumen, pero no tome bebidas alcohólicas.

R: Sean F los que fuman, T los que toman alcohol y C que comen entre comidas.
Entonces,
#(F ) = 210,
#(T ) = 258,
#(C) = 216,
#(F ∩ T ) = 122
#(C ∩ T ) = 83
#(F ∩ C) = 97
#(F ∩ T ∩ C) = 52
Los que fuman y no toman son #(F − T ) = 89 y por lo tanto la probabilidad de
escoger al azar un estudiante que fume pero no tome es: p = 89/500

(b) tome alimentos entre comidas e ingiera bebidas alcohólicas, pero no fume.

R: Estos estudiantes son #((C ∪ T ) − F ) = 224 y por lo tanto la probabilidad es

p = 224/500

(c) no fume y no tome alimentos entre comidas.

R: El número de estos esdiantes es #(U − F − C) = 171 y por lo tanto la proba-

bilidad buscada es p = 171/500.

1
2. De la producción de tornillos de cierta magnitud resulta que el 5% de ellos no tienen
el largo especificado, el 7% no tienen el diámetro especificado y el 2% tiene ambos
defectos. Se elige un tornillo al azar de la producción de estas magnitudes. ¿Cuál es
la probabilidad que:

(a) tenga al menos uno de los dos defectos?.

R: Escogemos un tornillo al azar y definimos los sucesos:

A :’tiene defecto en el largo’
B :’tiene defecto en el diámetro’
Sabemos que

P (A) = 0.05; P (B) = 0.07; P (A ∩ B) = 0.02

La probabilidad de que tenga al menos uno de los defectos es:

P (A ∪ B) = P (A) + P (B) − P (A ∩ B)

P (A ∪ B) = 0.05 + 0.07 − 0.02 = 0.1

Por lo tanto la probabilidad de que un tornillo tenga algún defecto, ya sea en el
largo o en el diámetro, es igual a 10%.

(b) tenga solo el defecto del largo?

R: El evento correspondiente a tener defecto solo del largo es A − B = A ∩ B c .
Entonces,
P (A − B) = P (A ∩ B c )
Usamos la siguiente propiedad:

A = (A ∩ B) ∪ (A ∩ B c )

P (A) = P ((A ∩ B) ∪ (A ∩ B c ))
P (A) = P (A ∩ B) + P (A ∩ B c ) − P (A ∩ B ∩ A ∩ B c )
P (A) = P (A ∩ B) + P (A ∩ B c ) − P (∅)
P (A) = P (A ∩ B) + P (A ∩ B c )
0.05 = 0.02 + P (A ∩ B c )
P (A ∩ B c ) = 0.03
Por lo tanto, la probailidad de que un tornillo tenga solo defecto en el largo es 0.03.

2
 (c) tenga solo uno de los dos defectos?

R: Debemos sumar la probabilidad de que tenga defecto solo en el largo (suceso

A − B) y que tenga defecto solo en el diámetro (suceso B − A), o sea,

P (A − B) + P (B − A) = 0.03 + P (B − A)

Encontremos P (B − A) = P (B ∩ Ac ). Usamos la propiedad

P (B) = P (B ∩ A) + P (B ∩ Ac )

0.07 = 0.02 + P (B ∩ Ac )
P (A ∩ B c ) = 0.05

(d) no tenga defectos?

R: La probabilidad de que no tenga defectos es la probabilidad del complemento

del suceso A ∪ B:
P ((A ∪ B)c ) = 1 − P (A ∪ B)
P ((A ∪ B)c ) = 1 − 0.1
P ((A ∪ B)c ) = 0.9
Por lo tanto, la probabilidad de que tenga un tornillo no tenga defectos es
0.9 = 90%.

3. La alimentación de cierta especie se considera completa si cada individuo consume tres

tipos de alimentos en cantidades adecuadas. En una población se encontró que el 75%
consume alimento tipo A, el 70% alimento tipo B, el 50% alimento tipo C, el 50%
alimento tipo A y B, el 30% alimento tipo A y C, el 30% alimento tipo B y C y el 15%
consume de los tres tipos de alimentos. Se elige un individuo al azar en la población,
calcular la probabilidad que:

(a) consuma solo alimento tipo C.

R: Del enunciado del ejericicio sabemos que

P (A) = 0.75

P (B) = 0.7
P (C) = 0.5
P (A ∩ B) = 0.5
P (A ∩ C) = 0.3

3
 P (B ∩ C) = 0.15
P (A ∩ B ∩ C) = 0.15
Para saber la probabilidad de los individuos que se alimentan solo con C debemos
considerar el suceso C − A − B = C − (A ∪ B) = C ∩ (A ∪ B)c . Debemos encontrar
P (C ∩ (A ∪ B)c ). Usamos la propiedad

P (C) = P (C ∩ (A ∪ B)) + P (C ∩ (A ∪ B)c )

0.5 = P (C ∩ (A ∪ B)) + P (C ∩ (A ∪ B)c )

Nos falta determinar P (C ∩ (A ∪ B)):

P (C ∩(A∪B)) = P ((C ∩A)∪(C ∩B)) = P (C ∩A)+P (C ∩B)−P (C ∩A∩C ∩B)

= P (C ∩ A) + P (C ∩ B) − P (A ∩ B ∩ C)
= 0.3 + 0.15 − 0.15
Por tanto, P (C ∩ (A ∪ B)) = 0.3 y,

0.5 = P (C ∩ (A ∪ B)) + P (C ∩ (A ∪ B)c )

0.5 = 0.3 + P (C ∩ (A ∪ B)c )

P (C ∩ (A ∪ B)c ) = 0.2
Por lo tanto,
P (C − A − B) = P (C ∩ (A ∪ B)c ) = 0.2
La probabilidad de que consuma solo el alimento C es 0.2 = 20%

(b) consuma solo un tipo de alimento.

R: Debemos sumar las probabilidades de que consuma solo A (suceso A − B − C)

de que consuma solo B (suceso B − A − C) y consuma solo C (suceso C − A − B)
Probabilidad de que consuma solo A:

P (A − B − C) = P (A ∩ (B ∪ C)c )

Usamos la propiedad

P (A) = P (A ∩ (B ∪ C)) + P (A ∩ (A ∪ B)c )

P (A ∩ (A ∪ B)c ) = P (A) − P (A ∩ (B ∪ C))

P (A ∩ (A ∪ B)c ) = P (A ∩ (B ∪ C)) − 0.55
Calculamos
P (A ∩ (B ∪ C)) = P ((A ∩ B) ∪ (A ∩ C))
= P (A ∩ B) + P (A ∩ C) − P (A ∩ B ∩ C)

4
 = 0.5 + 0.3 − 0.15 = 0.65
Ası́,
P (A ∩ (B ∪ C)c ) = 0.65 − 0.55 = 0.1
P (A − B − C) = 0.1
Probabilidad de que consuma solo B:

P (B − A − C) = P (B ∩ (A ∪ C)c )

Usamos la propiedad:

P (B) = P (B ∩ (A ∪ C)) + P (B ∩ (A ∪ C)c )

P (B ∩ (A ∪ C)c ) = P (B) − P (B ∩ (A ∪ C))

P (B ∩ (A ∪ C)c ) = 0.7 − P (B ∩ (A ∪ C))
Calculamos

P (B ∩ (A ∪ C)) = P (B ∩ A) + P (B ∩ C) − P (A ∩ B ∩ C)

P (B ∩ (A ∪ C)) = 0.5 + 0.15 − 0.15 = 0.5

Por tanto,
P (B ∩ (A ∪ C)c ) = 0.7 − P (B ∩ (A ∪ C))
P (B ∩ (A ∪ C)c ) = 0.7 − 0.5 = 0.2
Finalmente, la probabilidad de que consuma solo un tipo de alimento es

P (A − B − C) + P (B − A − C) + P (C − A − B) = 0.1 + 0.2 + 0.2 = 0.5 = 50%

(c) consuma al menos dos tipos de alimentos

4. La probabilidad de que un vuelo de programación regular despegue a tiempo es P (D) =

0.83 la que llegue a tiempo es P (A) = 0.82 la que despegue y llegue a tiempo es
P (D ∩ A) = 0.78 Encuentre la probabilidad de que el avión:

(a) llegue a tiempo dado que despegó a tiempo.

R:
P (A ∩ D) 0.78
P (A|D) = = = 0.9398 = 93.98%
P (D) 0.83

5
 (b) despegue a tiempo dado que llegó a tiempo.

R:
P (A ∩ D) 0.78
P (D|A) = = = 0.95 = 95%
P (A) 0.82

5. En una oficina hay 100 máquinas calculadoras, algunas de ellas son eléctricas (E)
mientras que otras son manuales (M) . De ellas unas son nuevas (N) y otras usadas
(U) . El número de máquinas por categorı́a está dada en la siguiente tabla:

E M Total
N 40 30 70
U 20 10 30

6. Un grupo de 500 ejecutivos es clasificado de acuerdo a las caracterı́sticas del peso y a

la insidencia del peso en la hipertensión. Se da la siguiente tabla:

Sobre peso (SP) Peso Normal (PN) Peso Bajo (PB) Total
Hipertenso (H) 50 40 10 100
No Hipertenso (NH) 75 225 100 400
Total 125 265 110 500

(a) ¿Cuál es la probabilidad de que una persona elegida al azar sea hipertensa?

R: p = 100/500 = 1/5 = 0.2 = 20%

(b) Una persona elegida al azar tiene sobrepeso. ¿Cuál es la probabilidad que también
sea hipertensa?

R: p = 50/125 = 0.4 = 40%

(c) Una persona elegida al azar no es hipertensa. ¿Cuál es la probabilidad de que

tenga peso normal?

R: p = 225/400 = 0.5625 = 56.25%

7. Una caja de fusibles contiene 20 unidades, de las cuales 5 son defectuosas. Si tres de
estos fusibles son tomados al azar, en sucesión y sin reemplazo
(a) ¿Cuál es la probabilidad que los tres sean defectuosos?

5 4 3
R: p = 20
∗ 19
∗ 18
= 0.088 = 0.88%

6
 (b) Si en cada una de las dos primeras se extrajo un defectuoso.¿Cuál es la probabil-
idad que el tercero extraı́do sea bueno?

R: Si extrajimos 2 fusibles malos tenemos 3 fusibles malos de un total de 18

fusibles. Luego, la probabilidad de extraer uno bueno es:
15
p= = 0.833 = 83.3%
18

(c) Si los dos primeros estaban buenos. ¿Cuál es la probabilidad que el tercero ex-
traı́do sea defectuoso?

R: Si extrajimos 2 fusibles buenos tendremos 5 fusibles malos de un total de 18

fusibles. Luego, la probabilidad de que el tercero sea malo es:
5
p= = 0.278 = 27.8%
18

(d) ¿Cuál es la probabilidad que los dos primeros sean buenos y el tercero defectuoso?

15 14 5
R: p = 20
∗ 19
∗ 18
= 0.1535 = 15.35%

8. Se estima que la probabilidad de que aumenten las ventas de automóviles en el siguiente

mes es de 0.40. Se estima que la probabilidad de que aumenten las ventas de refacciones
es de 0.30. Se estima que la probabilidad de que ambas industrias experimenten un
aumento en ventas es de 0.10. ¿Cuál es la probabilidad de que:

(a) hayan aumentado las ventas de automóviles durante el mes, dado que existe in-
formación de que han aumentado las ventas de refacciones?

R: Sean:
A : ’aumentan las ventas de autos’
B :’aumenta la venta de repuestos’
Sabemos que:

P (A) = 0.4; P (B) = 0.3; P (A ∩ B) = 0.1

Queremos calcular:
P (A ∩ B) 0.1 1
P (A|B) = = = = 0.33 = 33%
P (B) 0.3 3

7
 (b) hayan aumentado las ventas de refacciones, dado que existe información de que
aumentaron las ventas de automóviles durante el mes?

R:
P (B ∩ A) 0.1
P (B|A) = = = 0.25 = 25%
P (A) 0.4

9. Determine en cada caso si la variable aleatoria en cuestión es discreta o continua.

¿Cuáles son sus posible valores?
(a) Tiempo de vida de una persona escogida al azar.
R: Es una variable continua. Y sus posibles valores son [0, 110] (años)
(b) Número de plantas infectadas con un cierto hongo en un cultivo elegido al azar.
R: Es una variable discreta. Los posibles valores dependen del número de cultivos
y de el número de plantas en cada cultivo.
(c) Tiempo de servicio en una transacción escogida al azar realizada por una persona
en un cajero automático.
R: Es una variable continua. Y los valores posibles son [0, 24] (horas)
(d) Monto de una indemnización por accidente automovilı́stico escogida al azar del
conjunto de indemnizaciones efectuadas por una compañı́a aseguradora.
R: Es una variable discreta, suponiendo que los valores están dados en pesos ex-
actos. Los valores posibles van desde 0 hasta el monto máximo de indemnización.
10. La función de densidad de la variable aleatoria definida como el “número de árboles
bien implantados”, tiene la siguiente forma:

Figure 1: Función densidad de X

Note que la variable en cuestión,P

X, es discreta,
P cuyos valores posibles son 0, 1, 2, 3, 4,
además, la función f (x) cumple x f (x) = x P(X = x) = 1
(a) Construir la función de distribución acumulada correspondiente.
R: Calculemos F (i) i = 0, 1, 2, 3, 4.
1
X
F (1) = f (x) = f (0) + f (1) = 0.3
x=0

8
 2
X
F (2) = f (x) = f (0) + f (1) + f (2) = 0.7
x=0
3
X
F (3) = f (x) = f (0) + f (1) + f (2) + f (3) = 0.95
x=0

F (4) = 1
En general, si la variable es no acotada se tiene limx→∞ F (x) = 1
(b) ¿Qué significa F (2)?
R: Recordemos que F (2) = P(X ≤ 2), o sea, la probabilidad de que los árboles
bien plantados sean menores o iguales a dos.
(c) Calcular la media y la varianza poblacionales.
R: µ = E(X) = 4x=0 xf (x) = 0f (0) + 1f (1) + 2f (2) + 3f (3) + 4f (4) = 2.
P

σ 2 = V ar(X) = 4x=0 (x − µ)2 f (x) = 0.9.

P

11. Considere un experimento aleatorio con espacio muestral equiprobable Ω = {1, 2, 3, 4, 5, 6},
o sea, P(ω = 1) = P(ω = 2) = . . . P(ω = 6) = 61 . Defina la variable aleato-
ria X(ω) = 2(ω − 3). ¿Cuáles son los posibles valores de X? Calcule P(X = 0),
P(X ∈ {2, 3}), P (X ≥ 0), P(X < 0), P(X 2 = 1), P(2X − 4 = 0), y P(X 2 = 4).
1
R: P(X = 0) = P(2(ω − 3) = 0) = P(ω = 3) = 6
P(X ∈ {2, 3}) = P(X = 2 o X = 3) = P(2(ω − 3) = 2 o 2(ω − 3) = 3) = P(ω =
4 o ω = 4.5) = P(ω = 4) + P(ω = 4.5) = 61 .
4
P(X ≥ 0) = P(2(ω − 3) ≥ 0) = P(ω ≥ 3) = 6
= 23 .
P(X 2 = 4) = P((2(ω − 3))2 = 4) = P((ω − 3)) = 1) = P(ω − 3 = ±1) = P(ω = 4 o ω =
2

2) = 26 = 13 .

12. Se conoce que el cuantil 0.10 de la distribución de la variable X = “longitud de raı́ces”

de plántulas de tomate al momento del transplante es 3 cm, y se sabe que solo las
plántulas con raı́ces mayores de 3 cm tienen probabilidad de sobrevivir al transplante:
¿Cuántas plántulas se deberı́an adquirir para lograr un lote de 2000 plántulas implan-
tadas?
R: F (3) = P(X ≤ 3) = 0.1 =⇒ P(X > 3) = 1 − P(X ≤ 3) = 0.9.
100 90
= =⇒ x = 2222.2
x 2000

13. (10 puntos) Sea la variable aleatoria X (indique si es discreta o contı́nua) cuya función
de probabilidad es 
 a si x = 0, 1,
f (x) = 1/3 si x = 4, 6,
0 en otro caso.


9
 Encuentre el valor de a para que f (x) sea una función de probabilidad y grafique f (x)
y F (x).

R: La variable X es discreta porque la función f (x) toma valores en x = 0, 1, 4, 6.

Sabemos que X
f (x) = 1
x

f (0) + f (1) + f (4) + f (6) = 1

1 1
a+a+ + =1
3 3
1
2a =
3
1
a= ,
6
por lo tanto: 
 1/6 si x = 0, 1,
f (x) = 1/3 si x = 4, 6,
0 en otro caso.


Calculemos F (x): 

 0 si x < 0,
1/6 si 0 ≤ x < 1,



F (x) = 1/3 si 1 ≤ x < 4,
2/3 si 4 ≤ x < 6,




1 si x ≥ 6,


Tenemos que
F (−1) = 0
1
F (0) = f (0) =
6
1 1 2 1
F (1) = f (0) + f (1) = + = =
6 6 6 3
1 1 1 2
F (4) = f (0) + f (1) + f (4) = + + =
6 6 3 3
1 1 1 1
F (6) = f (0) + f (1) + f (4) + f (6) = + + + = 1
6 6 3 3

14. (10 puntos) Sea la variable aleatoria X (indique si es discreta o continua) cuya función
de distribución es 
0 si x < 2,
F (x) = 2
1 − 4/x si 2 < x,
Grafique f (x) y F (x).

10
 R: Calculamos f (x):

0 0 si x < 2,
f (x) = F (x) ⇒ f (x) =
8/x3 si 2 < x,

La variable X es continua porque f (x) toma valores para cada valor mayor que 2.

15. Un trabajador recibirá un premio de 3000, 2000 o 1000 euros, según el tiempo que
tarde en realizar un trabajo en menos de 10 horas, entre 10 y 15 horas y más de 15
horas, respectivamente. La probabilidad de realizar el .trabajo en cada uno de estos
casos es de 0.1, 0.4 y 0.5. Determine la variable aleatoria, la función de probabilidad
y la función de distribución.

R: La variable aleatoria en este caso es X :’ tiempo en horas que demora en realizar el

trabajo ’. Sabemos que

P (X < 10) = 0.1; P (10 < X < 15) = 0.4; P (X > 15) = 0.5

La función distribución es:


 ? , x < 10,
F (x) = ? , 10 < x < 15,
1 , x > 15


Calculemos
F (10− ) = 0.1
F (15− ) = 0.1 + 0.4 = 0.5
F (15) = 0.1 + 0.4 + 0.5 = 1
F (16) = 0.1 + 0.4 + 0.5 = 1

16. Sea el experimento ’lanzar dos monedas al aire’ y sea X la variable aleatoria discreta
que asigna a cada elemento del espacio muestral el número de sellos. Escribir su función
de probabilidad y su función de distribución.

R: Los valores que toma la variable aleatoria son: {0, 1, 2} y el espacio muestral es:

S = {(c, c), (s, c), (c, s), (s, s)}

claramente,
X({(c, c)}) = 0
X({(s, c)}) = 1
X({(c, s)}) = 1

11
 X({(s, s)}) = 2
Como X es discreta, la función de probabilidad está definida por:

f (x) = P (x)

Entonces,
1
f (0) = P (X = 0) = P ({(c, c)}) =
4
2 1
f (1) = P (X = 1) = P ({(s, c), (c, s)}) = =
4 2
1
f (2) = P (X = 2) = P ({(s, s)}) =
4
Por lo tanto, 
 1/4, x = 0, 1
f (x) = 1/2, x = 2
0, en otro caso.


La función distribución está dada por:

x
X
F (x) = f (x0 )
x0

12