Universidad del Bio Bio

Departamento de Estadı́stica Estadı́stica

Practico
Modelos de Probabilidad
Discretas y Continuas

Aplicaciones Distribuciones Discretas. Los siguientes ejercicios se desarrollan usando distri-

buciones Discretas.

1. El número de buques que llegan cada dı́a a cierto muelle tiene una distribución de Poisson
con parametro λ = 2. Las actuales instalaciones portuarias pueden despachar 3 buques
por dı́a. Si más de 3 buques llegan al dı́a, los restantes deben enviarse a otro puerto. En
un dı́a cualquiera:
a) Obtener y graficar la función de probabilidad de X.
b) ¿Cuál es la probabilidad de tener que hacer salir buques?
c) ¿En cuánto deben aumentar las instalaciones actuales para que permitan la atención
a todos los buques aproximandamente el 95 % de los dı́as?
d ) ¿Cuál es la número esperado de buques que llegan al dı́a?
2. Supongamos que el número de defectos en un rollo de tela fabricado en un cierto proceso
tiene una distribución de Poisson con medida 0.4. Si se inspecciona una muestra aleatoria
de 5 rollos de tela, ¿cuál es la probabilidad que el número total de defectos en los 5 rollos
sea de menos de 6?
3. Una empresa fabrica artı́culos electrónicos mediante un convenio con un servicio técnico
que atiende las 24 horas al dı́a. Los clientes llegan a la recepción del servicio técnico por
diversas fallas en los equipos adquiridos a una tasa de 15 al dı́a.
a) Obtener y graficar la función de probabilidad de X.
b) Determine la probabilidad que el recepcionista del servicio técnico descance por una
hora.
c) ¿Cuál es el número esperado de clientes que llegan en un intervalo de 3 horas?
4. La probabilidad de que una persona muera cuando contrae una infección por virus es
0.001. De los siguientes 4000 infectados con virus, ¿cuál es el número medio que morirá?
5. La probabilidad de que una persona muera de cierta infección respiratoria es 0.002.
Encuentre la probabilidad de que mueran menos de 5 de los siguientes 2000 infectados
de esta forma.

Aplicaciones Distribuciones Continuas. Los siguientes ejercicios se desarrollan usando distri-

buciones continuas.
1. Si una variable aleatoria X tiene una distribución gamma con k = 2 y λ = 1, encuentre
P (1,8 < X < 2,4).
2. En cierta ciudad, el consumo diario de agua (en millones de litros) sigue aproximada-
mente una distribución gamma con k = 2 y λ = 1/3. Si la capacidad diaria de dicha
ciudad es 9 millones de litros de agua, ¿cuál es la probabilidad de que en cualquier dı́a
dado el suministro de agua sea inadecuado?
3. En cierta ciudad, el consumo diario de energı́a eléctrica, en millones de kilowatts-hora,
es una variable aleatoria X que tiene una distribución gamma con media E(X) = 6 y
varianza V(X) = 12.

. Profesor: Danilo Gómez Correa.

Universidad del Bio Bio
Departamento de Estadı́stica Estadı́stica

Encuentre los valores de k y λ.

Encuentre la probabilidad de que en cualquier dı́a dado el consumo de energı́a diario
exceda los 12 millones de kilowatts-hora.
4. La longitud de tiempo para que un individuo sea atendido en una cafeterı́a es una variable
aleatoria que tiene una distribución exponencial con una media de 4 minutos. ¿Cuál es
la probabilidad de que una persona sea atendida en menos de 3 minutos en, al menos, 4
de los siguientes 6 dı́as?
5. La vida, en años, de cierto interruptor eléctrico tiene una distribución exponencial con
una vida promedio de λ = 1/2. Si 100 de estos interruptores se instalan en diferentes
sistemas, ¿cuál es la probabilidad de que a lo mas 30 fallen durante el primer año?
6. Suponga que la vida de servicio, en anos, de la baterı́a de un aparato para reducir la
sordera es una variable aleatoria que tiene una distribución de Weibull con k = 1/2 y
λ = 1/2.
¿Cuánto tiempo se puede esperar que dure tal baterı́a?
¿Cuál es la probabilidad de que tal baterı́a esté en operación después de 2 años?
7. Se sabe que el tiempo de duración, en semanas, de cierto tipo de transistor
√ sigue una
distribución gamma con media de 10 semanas y desviación estándar 50 de semanas.
¿Cuál es la probabilidad de que el transistor dure a lo más 50 semanas?
¿Cuál es la probabilidad de que el transistor no sobreviva las primeras 10 semanas?
8. Derive la media y la varianza de la distribución de Weibull.
9. Muestre que la tasa de falla en el tiempo t para la distribución de Weibull está dada por:

Z(t) = λδtδ−1 , t>0

y sólo si la distribución del tiempo de operación antes del fallo es la distribución de

Weibull
δ
f (t) = λδtδ−1 e−λt , x > 0

10. Las vidas de ciertas

√ juntas para automóvil tienen la distribución de Weibull con tasa de
falla Z(t) = 1/ t Encuentre la probabilidad de que tal junta aún esté en uso después de
4 años.
11. El tiempo de respuesta de una computadora es una aplicación importante de las distribu-
ciones gamma y exponencial. Suponga que un estudio de cierto sistema de computadoras
revela que el tiempo de respuesta, en segundos, tiene una distribución exponencial con
una media de 3 segundos.
¿Cuál es la probabilidad de que el tiempo de respuesta exceda 5 segundos?
¿Cuál es la probabilidad de que el tiempo de respuesta exceda 10 segundos?
12. El número de automóviles que llegan a cierta intersección por minuto tiene una distri-
bución de Poisson con una media de 5. El interés se centra alrededor del tiempo que
transcurre antes de que 10 automóviles aparezcan en la intersección.
¿Cuál es la probabilidad de que más de 10 automóviles aparezcan en la intersección
durante cualquier minuto dado?
¿Cuál es la probabilidad de que se requieran más de 2 minutos antes de que lleguen
10 automóviles?

. Profesor: Danilo Gómez Correa.

Universidad del Bio Bio
Departamento de Estadı́stica Estadı́stica

13. La distribución exponencial se aplica con frecuencia a los tiempos de espera entre éxitos
en un proceso de Poisson. Si el numero de llamadas que se reciben por hora en un
servicio de contestación telefónica es una variable aleatoria de Poisson con parámetro
λP = 6, sabemos que el tiempo, en horas, entre llamadas sucesivas tiene una distribución
exponencial con parámetro λE = 6. ¿Cuál es la probabilidad de esperar mas de 15
minutos entre cualesquiera dos llamadas sucesivas?
14. Cuando k es un entero positivo, la distribución gamma, también se conoce como distri-
bución de Erlang. Se puede mostrar que si los tiempos entre eventos sucesivos son inde-
pendientes, y cada uno tiene una distribución exponencial con parámetro λ, entonces el
tiempo de espera total X transcurrido hasta que ocurran k eventos tiene la distribución
de Erlang. Con referencia al ejercicio de repaso anterior, ¿cuál es la probabilidad de que
las siguientes 3 llamadas se reciban dentro de los siguientes 30 minutos?
15. El periodo de vida, en horas, de una broca en una operación mecánica tiene una distri-
bución de Weibull con λ = 2 y δ = 50. Encuentre la probabilidad de que la broca fallara
antes de 10 horas de uso.

Aplicaciones Distribuciones Normal. Los siguientes ejercicios se desarrollan usando propieda-

des de la distribuciones normal.

1. Una prueba consta de 200 preguntas de verdadero o falso. Si una persona responde al
azar, ¿cuál serı́a la probabilidad de acertar
a) 50 preguntas o menos?
b) más de 50 y menos de 100 preguntas?
c) más de 120 preguntas?
2. Calcular las probabilidades y percentiles de las siguientes distribuciones binomiales me-
diante aproximación a la normal.
a) X ∼ B(100; 0,1). Calcular P (X = 10), P (5 < X < 15).
b) X ∼ B(100; 0,02). Calcular P (X > 30) y P (X < 80).
c) X ∼ B(100; 0,25). Calcular P (X > k1 ) = 0, 5
d) X ∼ B(50; 0,4). Calcular P (k2 < X) = 0, 1.
3. La probabilidad de que un Banco reciba un cheque sin fondos es del 1 %. Si se emitirán los
primeros 500 cheques, ¿cuál es la probabilidad de recibir entre 3 y 6 (inclusive) cheques
sin fondos?
4. La probabilidad de que un pasajero opte por una compañı́a aérea dada para hacer un
viaje es 0,5. Tomando un grupo de 400 pasajeros potenciales, esta compañı́a vende
boletos a cualquiera que se lo solicita. Si la capacidad de su avión es de 230 pasajeros,
determine la probabilidad de que la compañı́a tenga una sobreeventa de vuelos.
5. Un operador elige al azar entre 50 chips de una caja. Si a probabilidad de que un chip
sea defectuoso es 0,2, ¿cuál es la probabilidad de tener entre 9 y 12 chips defectuosos?
6. La confianza de un fusible eléctrico corresponde a la probabilidad de que un fusible,
escogido al azar de una lı́nea de producción, funcione adecuadamente bajo condiciones
de diseño. Calcule la probabilidad de obtener 27 ó mas fusibles defectuosos en una
muestra de 1000 fusibles, sabiendo que la probabilidad de que un fusible elegido al azar
no sea defectuoso es de 0,98.

. Profesor: Danilo Gómez Correa.

Universidad del Bio Bio
Departamento de Estadı́stica Estadı́stica

7. Los agricultores de una región están preocupados por la calidad de sus cosechas, ya que
se ha detectado en ciertas áreas la existencia de sustancias contaminantes en el suelo.
Para analizarla, se segmenta la tierra en parcelas de 100 m2 , y se concluye que hay una
probabilidad de 0.6 de encontrar estos contaminantes en una determinada parcela. Si
una cooperativa posee 200 parcelas del tipo anterior. ¿Qué probabilidades hay de que
tenga entre 100 y 150 parcelas contaminadas?
8. El peso de las naranjas de un determinado calibre, fluctúa normalmente con media 150
gr. Y desviación estandar de 30 gr. Si una bolsa se llena con 15 naranjas seleccionadas
al azar, ¿cuál es la probabilidad de que el peso total de la bolsa sea inferior a 2 kilos?
9. Supongamos que se tienen 3 variables independientes con las siguientes caracterı́sticas:
• X1 ∼ N (1; 1).
• X2 ∼ N (3; 4).
• X3 ∼ N (4; 9).
Definamos una nueva variable aleatoria como Y = 3X1 + X2 − 2X3 . Calcule:
a) E(Y ) y V(Y ).
b) Determinar la probabilidad P (Y > A), donde A = E(Y ) − 7.
10. Si cada uno de los doscientos pasajeros de un avión acarrea en sus maletas un peso con
una distribución Normal con media 24 kilo y una desviación estandar de 10 kilos, ¿cuál
es la probabilidad que el peso neto de todas las maletas exceda los 5019 kilos?
11. El peso de una barra de chocolate sin envoltorı́o es una variable aleatoria Normal con
media 300 gr. y desviación estandar 1 gr. Por otro lado, el peso del envoltorı́o es una
varaible aleatoria Normal con media 10 gr. y desviación estandar 0.1 gr. Si las variables
aleatorias son independientes,
a) ¿cuál es la distribución del peso de una barra de chocolate envuelta?,
b) ¿cuál es la distribución del peso de 60 barras de chocolates envueltas?
c) ¿cuál es la probabilidad de que el peso de las 60 barras anteriores supere los 2 kilos?

. Profesor: Danilo Gómez Correa.