Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Lista 12
0.8
0.6
0.4
0.2
0
-1.5 -1 -0.5 0 0.5 1 1.5
No puesto que los posibles valores de X no son contables, no se puede hallar el i-ésimo
valor de X, por lo tanto p(xi) pierde significado
b. Halle P( 30 ¿ T ¿ 50 ), en donde T corresponde a la suma de las variables aleatorias
independientes: X1 , ... , X 36 , todas ellas con la misma distribución que X.
Sea T = X1+ ... +X 36
Entonces la variable aleatoria
Sn – n. μ
𝑍𝑛 = = tiene una aproximación hacia la distribución N(0,1)
σ √n
Entonces:
µt =E (T) = E (𝑋1 + 𝑋2 + 𝑋3 + … + 𝑋36) = E(X1) + E(X2) + … + E (X36) = 36µ = 0
𝜎2t =V (T) = V (𝑋1 + 𝑋2 + 𝑋3 + … + 𝑋36) = V(X1) + V(X2) + … + V (X36) = 36𝜎2 = 6
σ t = 2.449489742783
Piden:
P(30<= T <= 50) = P(T<=50) – P(T<30)
P(Z<50)–P(Z<30)= 1 – 1 = 0
c. Halle P ( - 0.1 < T < 0.1 ), en donde T es la media delas variables aleatorias X 1 , ... , X
36
Sea el evento:
B: Resistencia total sobrepase a 100 ohms
P(B) = P(G>100) = 1 – P(G<100) = 0.05
3. Cierto proceso industrial produce un gran número de cilindros de acero cuyas longitudes
están distribuidas normalmente con promedio 3.25 pulgadas y desviación estándar 0.05
pulgadas. Si se eligen al azar dos de tales cilindros y se ponen extremo con extremo, ¿Cuál es
la probabilidad de que la longitud combinada sea menor de 6.60 pulgadas?
Individuo: cilindro de acero
Variable aleatoria, X: longitud de cilindro (pulgadas)
2 2 2
X N ( μ x , σ x ) , donde μ x =3.25 pulgadas , σ x =0.0025 pulgadas
X N (3.25,0 .0025)
2
x−3.25
1 −0.5( )
f ( x )= e 0.05
5 √2 π
En una cantidad de n cilindros
X1=longitud del cilindro 1
X2= longitud del cilindro 2
X3= longitud del cilindro 3
.
.
.
xn= longitud del cilindro n
Cada Xi, i=1,2,3,..,n tiene la misma distribución de X
Se define la variable aleatoria :
T=Longitud total de n cilindros.
n
T =∑ X i
i=1
n
Cuya μt = E(T ) = ∑ X i = 3.25+3.25+3.25+ …+3.25=¿ 3.25n ohms=6.5
i=1
2 2
σ = V(T ) =n σ r = 0.0025 nohms2=0.005
t
σ t=0.05 √ n ohms = 0.0707
Se eligen 2 cilindro entonces n=2
Entonces su distribución es:
2
T =∑ X i N (6.5 , 0.005)
i=1
2
t−6.5
1 −0.5(
0.05 √ 2
)
f ( t )= e
0.1 √ π
Sea el evento
A: la longitud combinada menor de 6.6 pulgadas
P(A) = P(T<6.6) = 0.9213504
4. El tiempo que demora una persona en hablar por teléfono es una variable aleatoria con
media 3 minutos y desviación estándar 0.50 minutos. Halle la probabilidad de que:
Individuo: una persona
Variable aleatoria, X: tiempo que demora en hablar por teléfono una persona (minutos)
2 2 2
X N ( μ x , σ x ) , donde μ x =3 minutos ,σ x =0.25minutos
X N (3,0.25)
a. el tiempo total que demoran 49 personas sea mayor que 150 minutos.
Sea la variable aleatoria :
49
F=∑ X i
i=1
49
Cuya μf = E( F ) = E( ∑ X i) = 3+3+3+ …+3=¿147 ohms
i=1
2
σ f = V( F ) =n σ ❑2 = 12.25 ohms2
σ f =3.5 ohms
49
F=∑ X i N (147 , 3.5)
i=1
Sea el evento:
A: El tiempo total de 49 personas sea mayor que 150 minutos
P(A) = P(F>150) = 1 – P(F<150) = 1 - 0.80431703 = 0.19568297
b. El promedio del tiempo que demoran 64 personas sea mayor que 3.5 minutos.
Sea la variable aleatoria (media muestral) :
64
∑ Xi
i=1
F=
49
64
Cuya μ f = E( F ) =
∑ Ri = 3+3+3+…+ 3 =¿3 ohms
i=1
64
64
2
2 σ❑
σ f = V( F ) == 3.90625 ×10−3 ohms2
64
σ f =0.0625 ohms
64
∑ Xi
i=1 −3
F= N (3 , 3.90625 ×10 )
64
Sea el evento:
B: El promedio del tiempo de 64 personas sea mayor que 3.5 minutos
P(B) = P(F>3.5) = 1 – P(F<3.5) = 1 - 1 = 0
c. Si por cada minuto se paga 0.25 u.m. y el costo fijo por llamada es igual a 0.80 u. m. ,
halle la probabilidad de que el costo al realizar 36 llamadas sea mayor que 45 u. m.
Individuo: una persona
Variable aleatoria, Y: costo por llamada (u.m.)
2 2
Y = 0.25 (X), donde μ y =0.75u . m , σ y =0.015625 u . m.
Variable aleatoria, Z: costo total por llamada de una persona (u.m.)
Z = Y + 0.8
donde μZ =1.55u . m , σ Z =0.015625u . m . , σ Z =0.125 u . m.
2 2
5. Si X1, X2, ... , X100 son variables aleatorias independientes e idénticamente distribuidas, con
función de densidad: f (x) = e-x , x ¿ 0 ,
(∑ )
100
X i >115
Halle aproximadamente P i =1
E(Xi) = 1, V(Xi) = 1
Sea la variable aleatoria:
T: sumatoria de 100 variables aleatorias
100
T = ∑ Xi
i=1
Rt : {tϵ R / t ≥0 }
E(T) = 100*1 = 100 V(T) = 100*1 = 100
Como n = 100 es grande entonces T N (100,100)
Sea el evento:
A: la suma de las 100 variables mayor a 115
P(A) = P(T>115) = 1 – P(T<115) = 1 – 0.9331928 = 0.0668072
6. La función de densidad de una variable aleatoria X es: f X ( x )= {x1−x
+1 si−1≤ x ≤ 0
si 0 ≤ x ≤ 1
a. Muestre el comportamiento probabilístico de la variable. ¿Los valores de la variable tienen
la misma probabilidad de ocurrir?
b. Halle P( 30 ¿ T ¿ 50 ), en donde T corresponde a la suma de las variables aleatorias
independientes: X1 , ... , X 36 , todas ellas con la misma distribución que X.
b. Halle P ( - 0.1 < T < 0.1 ), en donde T es la media de las variables aleatorias X 1 , ... , X
36
7. La variable aleatoria X: nota de la segunda práctica calificada del curso de cálculo I del grupo
1 de cierta universidad, tiene distribución normal, con media 10 y desviación estándar 4. A
los participantes de un juego, se permite observar una muestra de cualquier tamaño y
calcular la media muestral, gana un premio aquel cuya media muestral fuere mayor que 12.
UO: alumno matriculado en el curso de Cálculo I de cierta universidad
Variable aleatoria, X: nota de la segunda practica calificada (puntos)
X N ( μ x , σ 2x ) , donde μ x =10 puntos , σ 2x =16 p untos 2
X N (10,16)
Sea la variable aleatoria (media muestral):
Q : Nota promedio de la segunda practica calificada de una cierta cantidad de alumnos
n
∑ Xi
Q= i=1
n
E (Q )=E ((𝑋1 + 𝑋2 + 𝑋3 +…+ 𝑋36)/n) =1/n(E(X1) + E(X2) + … + E (X36)) = 10
σ q = 4 /√ n
16
∑ Xi
Q= i=1 N (10,1)
16
Sea el evento:
A: La media muestral mayor a 12
P(A) = P(Q>12 ¿ = 1 - P(Q<12 ¿ = 1 – 0.97724987 = 0.02275013
La probabilidad de que un participante del juego gane de es 0.023
∑ Xi
i=1
Q= N (10,1.7778)
9
Sea el evento:
A: La media muestral mayor a 12
P(A) = P(Q>12 ¿ = 1 - P(Q<12 ¿ = 1 – 0.9331928 = 0.0668072
La probabilidad de que pueda ganar el juego es 0.067
∑ Xi
Q= i=1
16
E (Q )=E ((𝑋1 + 𝑋2 + 𝑋3 +…+ 𝑋36)/n) =1/n(E(X1) + E(X2) + … + E (X36)) = 100
V (Q )=V ((𝑋1 + 𝑋2 + 𝑋3 +…+ 𝑋36)/n)= 1/n^2(V(X1) + V(X2) +… + V (X36))=16
σq = 4
16
∑ Xi
Q= i=1 N ( 100,16 )
16
Sea el evento:
A: el gasto promedio esté entre 90 y 100 dolares
P(A) = P(90<Q<100 ¿ = P(Q<100 ¿−P ( Q<90 )=0.5−0.00620967=0.4937903
9. El número de clientes por semana en cada tienda de una cadena de autoservicios tiene una
media de µ = 5000 clientes y una desviación estándar 𝜎 = 500 clientes. Si se selecciona una
muestra aleatoria de 25 tiendas.
Individuo: tienda de una cadena de autoservicios.
Variable aleatoria, X: número de clientes por semana en una tienda
2 2 2
X N ( μ x , σ x ) , donde μ x =5000 clientes , σ x =250000 clientes
X N (5000,250000)
a. ¿Cuál es la probabilidad de que el número medio muestral de clientes sea inferior a 5075
clientes por semana?
Sea la variable aleatoria (media muestral):
X : promedio de clientes en 25 tiendas
25
∑ Xi
K = i=1
25
E ( X )=E ((𝑋1 + 𝑋2 + 𝑋3 +…+ 𝑋36)/n) =1/n(E(X1) + E(X2) + … + E (X36)) = 5000
V ( X )=V ((𝑋1 + 𝑋2 + 𝑋3 +…+ 𝑋36)/n)= 1/n^2(V(X1) + V(X2) +… + V (X36))=10000
σ q = 100
16
∑ Xi
i =1
X= N ( 5000,10000 )
16
Sea el evento:
A: el numero promedio de clientes sea inferior a 5075 clientes por semana
P(A) = P( X <5075 ¿ = 0.77337265
b. ¿Cuál es la probabilidad de que el número medio muestral de clientes sea inferior a 4980
y mayor 5025 clientes por semana?
Sea el evento:
B: el numero promedio de clientes es inferior a 4980 y mayor a 5025
P(B) = P( X <4980)+P( X >5025 ¿ = P( X < 4980) + 1 - P( X <5025 ¿
0.42074029 + 1 – 0.59870633 = 0.82203396
c. ¿Cuál es la probabilidad de que el número medio muestral de clientes difiera del número
medio de clientes (poblacional) en menos de 100 clientes por semana?
Sea el evento:
C: el número medio muestral de cliente difierie del medio de clientes poblacional en
menos de 100 clientes/semana
C=¿ X −μ X ∨¿ 100
P(C) = P(| X −μ X ∨¿ 100)
P(C) =P( -100< X −μ X <100 )
P(C) = P(4900< X <5100 )
P(C) = P( X <5100 ¿−P(X < 4900)
P(C) = 0.84134475– 0.15865525 = 0.68268949
d. Considerando la pregunta anterior, asuma diferentes valores para la diferencia, observe
lo que ocurre y escriba sus conclusiones.
10. La distribución de los datos de la talla de 5000 estudiantes tiene distribución normal con
media de 172 cm y desviación estándar de 7.5 cm. Si fueron obtenidas 100 muestras con 36
estudiantes cada una, ¿en cuántas muestras se puede esperar que la media muestral se
encuentre:
a. Entre 169 y 174?
b. Superior a 170?
Prof. María A. Zacarías D.