Escuela Politécnica Nacional

Probabilidad y Estadística
Deber N. 5: Modelos de Distribuciones Continuas de Probabilidad
(Uniforme. Exponencial, Normal, etc.)
Enrique Celi
27/07/2022
1. Sea la v.a. continua X: tiempo de viaje de camiones que transportan concreto, siguiendo
1
la ley uniforme en el intervalo de 50 a 70 minutos. Es decir, tenemos que 𝑓 (𝑥 ) = 70−50 =
0 𝑠𝑖 𝑥 < 50
1 𝑥−50
para todo 𝑥 ∈ [50, 70] y 𝐹 (𝑥 ) = { 20 𝑠𝑖 50 ≤ 𝑥 < 70. Hay que calcular
20
1 𝑠𝑖 𝑥 ≥ 70
( |
𝑃 𝑋 > 65 𝑋 > 55 . )
𝑃(𝑋 > 65 ∩ 𝑋 > 55)
𝑃(𝑋 > 65|𝑋 > 55) =
𝑃 (𝑋 > 55)
𝑃 (𝑋 > 65)
𝑃(𝑋 > 65|𝑋 > 55) =
1 − 𝐹 (55)
1 − 𝐹 (65)
𝑃(𝑋 > 65|𝑋 > 55) =
55 − 50
1 − 20
65 − 50
1 − 20
𝑃(𝑋 > 65|𝑋 > 55) =
3
4
1
1
𝑃(𝑋 > 65|𝑋 > 55) = 4 = = 0.3333
3 3
4
2. Sea la v.a. continua X: tiempo de utilización de una computadora para realizar un cierto
1 1
trabajo, que sigue la ley uniforma tal que, para 𝑥 ∈ [30, 90], 𝑓 (𝑥 ) = = y
90−30 60
0 𝑠𝑖 𝑥 < 30
𝑥−30
𝐹 (𝑥 ) = { 60 𝑠𝑖 30 ≤ 𝑥 < 90.
1 𝑠𝑖 𝑥 ≥ 90
70−30 45−30 25 5
a. 𝑃 (45 < 𝑋 < 70) = 𝐹 (70) − 𝐹 (45) = 60 − 60 = 60 = 12 = 0.4167
𝑃(𝑋>60∩𝑋>30) 𝑃(𝑋>60) 1−𝐹(60) 60−30 1
b. 𝑃 (𝑋 > 60|𝑋 > 30) = = = =1− = 2 = 0.5
𝑃(𝑋>30) 1−𝐹(30) 1−0 60
c. Para hallar el costo esperado, tenemos que usar 𝑋 = 𝜇. Ya que es una v.a. que
90+30
sigue la ley uniforme, tenemos que 𝜇 = 2 = 60. Entonces, tenemos que
𝐶𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 = 1000 − 30(60) + 2(60)2 = 6400
3. Sea X una v.a. con distribución exponencial:
 a. 𝑃 (𝑋 > 𝜇 ) = 1 − 𝐹 (𝜇 ). Ya que es una distribución exponencial, tenemos que 𝜇 =
𝜃, por lo que:
𝜃 1
𝑃(𝑋 > 𝜇 ) = 1 − 𝐹 (𝜇 ) = 1 − (1 − 𝑒 −𝜃 ) =
𝑒
b. 𝑃(|𝑋 − 𝜇| ≤ 2𝜎). Tenemos que 𝜎 2 = 𝜃 2 ⇒ 𝜎 = 𝜃. Es decir, vamos a calcular
𝑃(|𝑋 − 𝜃 | ≤ 2𝜃 ) = 𝑃(−2𝜃 ≤ 𝑋 − 𝜃 ≤ 2𝜃 ) = 𝑃(−𝜃 ≤ 𝑋 ≤ 𝜃 )
Ya que −𝜃 < 0, tenemos que
𝜃 1
𝑃 (|𝑋 − 𝜃 | ≤ 2𝜃 ) = 𝑃 (−𝜃 ≤ 𝑋 ≤ 𝜃 ) = 𝑃 (𝑋 ≤ 𝜃 ) = 𝐹 (𝜃 ) = 1 − 𝑒 −𝜗 = 1 −
𝑒
c. Hallar c para que 𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃(𝑋 > 𝑐𝜇 )

𝑃(𝑋 ≤ 𝑐𝜇 ) = 3𝑃(𝑋 > 𝑐𝜇 ) ⟺ 𝐹 (𝑐𝜇 ) = 3(1 − 𝐹 (𝑐𝜇 ))

𝑃(𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ 𝐹 (𝑐𝜇 ) = 3 − 3𝐹 (𝑐𝜇 )

𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ 4𝐹 (𝑐𝜇 ) = 3
𝑐𝜇
−
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ 4 (1 − 𝑒 𝜃) =3
𝑐𝜇
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃(𝑋 > 𝑐𝜇 ) ⟺ 4 − 4𝑒 − 𝜃 = 3
𝑐𝜇
𝑃(𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ 1 = 4𝑒 − 𝜃
𝑐𝜇
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃(𝑋 > 𝑐𝜇 ) ⟺ ln (1) = ln (4𝑒 − 𝜃 )
𝑐𝜇
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ 0 = ln(4) + ln (𝑒 − 𝜃 )

𝑐𝜃
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ −ln (4) = − ln (𝑒)
𝜃
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ − ln(4) = −𝑐
𝑃 (𝑋 ≤ 𝑐𝜇 ) = 3𝑃 (𝑋 > 𝑐𝜇 ) ⟺ c = ln (4)
Por lo tanto, se tiene c = ln (4).
4. Sea la v.a. continua X: tiempo de vida de una válvula de radio, con una distribución
exponencial tal que 𝑋 ≥ 0. Se tiene que la vida media de una válvula es 𝜇 = 𝜃 = 1000
horas. Definimos la v.a. Y: número de válvulas de radio que duran más de 1200 horas,
1200
entre 4 seleccionadas, tal que 𝑝 = 𝑃(𝑥 > 1200) = 1 − 𝐹 (1200) = 1 − 𝑒 −1000 = 0.6988
y 𝑌~Binomial. Calculamos:
𝑃 (𝑌 ≤ 2) = 𝐵(2; 4; 0.6988) = 0.2658
5. Sea la v.a. X: tiempo de atención a cualquier cliente, tal que X tiene distribución
exponencial, y 𝜎 2 = 𝜃 2 = 400 minutos al cuadrado.
a. Tenemos que, por definición:
𝜇 = 𝐸 [𝑋] = 𝜃 = 20
Ahora, calculamos 𝑃(𝑋 ≤ 𝜇 ):
𝜇 20 1
𝑃(𝑋 ≤ 𝜇 ) = 1 − 𝑒 −20 = 1 − 𝑒 −20 = 1 − = 0.6321
𝑒
b. 𝑃 (30 ≤ 𝑋 ≤ 40) = 𝐹 (40) − 𝐹 (30)
40 30
𝑃 (30 ≤ 𝑋 ≤ 40) = (1 − 𝑒 −20 ) − (1 − 𝑒 −200 )

30 40
𝑃(30 ≤ 𝑋 ≤ 40) = 𝑒 −20 − 𝑒 −20 = 0.0878
𝑃(25≤𝑋≤50)
c. 𝑃 (𝑋 ≤ 50|𝑋 ≥ 25) = 𝑃 (𝑋≥25)
𝐹 (50) − 𝐹 (25)
𝑃 (𝑋 ≤ 50|𝑋 ≥ 25) =
1 − 𝐹 (25)
50 25
(1 − 𝑒 −20 ) − (1 − 𝑒 −20 )
𝑃(𝑋 ≤ 50|𝑋 ≥ 25) = 25
1 − (1 − 𝑒 −20 )
0.0569
𝑃 (𝑋 ≤ 50|𝑋 ≥ 25) = = 0.7135
0.9394
d. Definimos la v.a. Y: número de personas que deben esperar al menos 15 minutos
15
para ser atendidos, de 5 seleccionados, tal que 𝑝 = 1 − 𝐹 (15) = 𝑒 −20 = 0.4724 y
𝑌~Binomial. Calculamos 𝐵(3; 5; 0.4724):
𝐵(3; 5; 0.4724) = 0.8451
6. Sea X una v.a. con distribución uniforme en (0, 1). Vamos a hallar 𝑃(|𝑋 − 𝜇| ≤ 𝜎).
1 1 1
𝑃(|𝑋 − 𝜇 | ≤ 𝜎) = 𝑃 (−𝜎 ≤ 𝑋 − 𝜇 ≤ 𝜎) = 𝑃 (− ≤𝑋− ≤ )
2√3 2 2√3
1 1 1 1
𝑃 (|𝑋 − 𝜇 | ≤ 𝜎) = 𝑃 ( − ≤𝑋≤ + )
2 2√3 2 2√3
1 1 1 1
𝑃(|𝑋 − 𝜇 | ≤ 𝜎) = 𝐹 ( + )−𝐹( − )
2 2√3 2 2√3
1 1 1 1
2 + 2√3 − 0 2 − 2√3 − 0 1
𝑃(|𝑋 − 𝜇 | ≤ 𝜎) = − = = 0.5774
1 1 √3
7. Sea la v.a. X: temperatura de destilación en grados centígrados, con distribución
uniforme entre [150°C, 300°C]. Para encontrar la utilidad neta esperada por galón,
primero encontramos 𝑃(𝑋 ≤ 200) y 𝑃(𝑋 ≥ 200).
200−150
𝑃(𝑋 ≤ 200) = 𝐹 (200) = = 0.3333 y 𝑃 (𝑋 ≥ 200) = 1 − 𝐹 (200) = 0.6667
150

Entonces, la utilidad neta esperada es:

𝑈 = 0.3333𝐷2 + 0.6667𝐷2 − 𝐷1 𝑠𝑢𝑐𝑟𝑒𝑠
8. Sea X una v.a. con distribución exponencial con parámetro 𝜃, tal que 𝑠, 𝑡 > 0, se va a
demostrar 𝑃 (𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡) = 𝑃 (𝑋 > 𝑠). Partimos de:
𝑃 (𝑋 > 𝑠 + 𝑡 ∩ 𝑋 > 𝑡 )
𝑃(𝑋 > 𝑠 + 𝑡|𝑋 > 𝑡) =
𝑃 (𝑋 > 𝑡 )
𝑃 (𝑋 > 𝑠 + 𝑡 )
𝑃 ( 𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡 ) =
1 − 𝐹 (𝑡 )
1 − 𝐹 (𝑠 + 𝑡 )
𝑃 ( 𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡 ) = 𝑡
1 − (1 − 𝑒 −𝜃 )

𝑠+𝑡
1 − (1 − 𝑒 − 𝜃 )
𝑃 ( 𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡 ) = 𝑡
𝑒 −𝜃
𝑠+𝑡
𝑒− 𝜃
𝑃 ( 𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡 ) = 𝑡
𝑒 −𝜃
𝑠
𝑃 (𝑋 > 𝑠 + 𝑡|𝑋 > 𝑡) = 𝑒 −𝜃
𝑠
𝑃(𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡) = 1 − (1 − 𝑒 −𝜃 )

𝑃 ( 𝑋 > 𝑠 + 𝑡 |𝑋 > 𝑡 ) = 1 − 𝐹 (𝑠 )
𝑃 (𝑋 > 𝑠 + 𝑡|𝑋 > 𝑡 ) = 𝑃(𝑋 > 𝑠)
Que es lo que se quería demostrar.
9. Sea X una v.a. aleatoria con distribución normal con una media 𝜇 = 71.8 y una varianza
𝑋−𝜇
𝜎 2 = 31.36. Definimos la v.a. 𝑍 = 𝜎
78.8−𝜇
a. 𝑃 (𝑋 < 78.8) = 𝑃 (𝑍 < ) = 𝑃(𝑍 < 1.25) = Φ(1.25) = 0.8944
𝜎
60.6−𝜇
b. 𝑃 (𝑋 > 60.6) = 𝑃 (𝑍 > 𝜎
) = 𝑃(𝑍 > −2) = 1 − Φ(−2) = Φ(2) = 0.9772
74.6−𝜇 80.2−𝜇
c. 𝑃 (74.6 ≤ 𝑋 ≤ 80.2) = 𝑃 ( ≤𝑍≤ )
𝜎 𝜎
 𝑃(74.6 ≤ 𝑋 ≤ 80.2) = 𝑃 (0.5 ≤ 𝑍 ≤ 1.5)
𝑃 (74.6 ≤ 𝑋 ≤ 80.2) = Φ(1.5) − Φ(0.5)
𝑃(74.6 ≤ 𝑋 ≤ 80.2) = 0.9332 − 0.6915 = 0.2417
63.4−𝜇 80.2−𝜇
d. 𝑃 (63.4 ≤ 𝑋 ≤ 80.2) = 𝑃 ( ≤𝑍≤ )
𝜎 𝜎
𝑃(63.4 ≤ 𝑋 ≤ 80.2) = 𝑃 (−1.5 ≤ 𝑍 ≤ 1.5)
𝑃(63.4 ≤ 𝑋 ≤ 80.2) = Φ(1.5) − Φ(−1.5)
𝑃(63.4 ≤ 𝑋 ≤ 80.2) = Φ(1.5) − (1 − Φ(1.5)) = 0.8664
𝑋−𝜇
10. Sea X una v.a. con una media 𝜇 = 9 y una varianza 𝜎 2 = 25. Definimos la v.a. 𝑍 = .
𝜎
Se va a hallar c tal que 𝑃 (9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 0.95. Tenemos que
9−𝑐−𝜇 9+𝑐−𝜇
𝑃 (9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 𝑃 ( ≤𝑍≤ )
𝜎 𝜎
𝑐 𝑐
𝑃 (9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 𝑃 (− ≤ 𝑍 ≤ )
5 5
𝑐 𝑐
𝑃(9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = Φ ( ) − Φ (− )
5 5
𝑐 𝑐
𝑃 (9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = Φ ( ) − (1 − Φ ( ))
5 5
𝑐
𝑃(9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 2Φ ( ) − 1
5
Además, tenemos que que 𝑃(9 − 𝑐 ≤ 𝑋 ≤ 9 + 𝑐 ) = 0.95, entonces
𝑐 𝑐 𝑐
2Φ ( ) − 1 = 0.95 ⟺ 2Φ ( ) = 1.95 ⇔ Φ ( ) = 0.975
5 5 5
Usando los valores de la tabla de distribución normal, se tiene que
𝑐
Φ(1.96) = 0.975 ⇔ = 1.96 ⇔ 𝑐 = 9.8
5
𝑋−𝜇
11. Sea 𝑋~(𝜇, 𝜎 2 ), se va a hallar c tal que 𝑃(𝑋 ≤ 𝑐 ) = 2𝑃(𝑋 > 𝑐). Sea la v.a. 𝑍 = 𝜎
. Se
tiene que

𝑃(𝑋 ≤ 𝑐 ) = 2𝑃(𝑋 > 𝑐 ) ⟺ 𝑃(𝑋 ≤ 𝑐 ) = 2(1 − 𝑃(𝑋 ≤ 𝑐 ))

𝑃(𝑋 ≤ 𝑐 ) = 2𝑃(𝑋 > 𝑐 ) ⟺ 𝑃(𝑋 ≤ 𝑐 ) = 2(1 − 𝑃(𝑋 ≤ 𝑐 ))

𝑃(𝑋 ≤ 𝑐 ) = 2𝑃 (𝑋 > 𝑐 ) ⇔ 𝑃(𝑋 ≤ 𝑐 ) = 2 − 2𝑃 (𝑋 ≤ 𝑐 )

𝑃(𝑋 ≤ 𝑐 ) = 2𝑃(𝑋 > 𝑐 ) ⇔ 3𝑃 (𝑋 ≤ 𝑐 ) = 2
2
𝑃 (𝑋 ≤ 𝑐 ) = 2𝑃 (𝑋 > 𝑐 ) ⇔ 𝑃 (𝑋 ≤ 𝑐 ) =
3
 𝑐−𝜇 2
𝑃 (𝑋 ≤ 𝑐 ) = 2𝑃 (𝑋 > 𝑐 ) ⇔ 𝑃 (𝑍 ≤ )=
𝜎 3
𝑐−𝜇
𝑃(𝑋 ≤ 𝑐 ) = 2𝑃 (𝑋 > 𝑐 ) ⇔ ≈ 0.43
𝜎
𝑃(𝑋 ≤ 𝑐 ) = 2𝑃 (𝑋 > 𝑐 ) ⇔ 𝑐 ≈ 𝜇 + 0.43𝜎

12. Sea 𝑡𝑝 un número tal que 𝑃(𝑍 ≤ 𝑡𝑝 ) = 𝑝, con 0 < 𝑝 < 1 y Z distribuida normalmente
con media 0 y varianza 1. Si X es normal con media 𝑚 y varianza 𝑠 2 , se va a demostrar
que para 0 < 𝑝1 < 𝑝2 < 1, se tiene que 𝑃(𝑚 + 𝑡𝑝1 𝑠 ≤ 𝑋 ≤ 𝑚 + 𝑡𝑝2 𝑠) = 𝑝2 − 𝑝1 .
Partimos de:
𝑚 + 𝑡𝑝1 𝑠 − 𝑚 𝑚 + 𝑡𝑝2 𝑠 − 𝑚
𝑃(𝑚 + 𝑡𝑝1 𝑠 ≤ 𝑋 ≤ 𝑚 + 𝑡𝑝2 𝑠) = 𝑃 ( ≤𝑍≤ )
𝑠 𝑠
𝑃(𝑚 + 𝑡𝑝1 𝑠 ≤ 𝑋 ≤ 𝑚 + 𝑡𝑝2 𝑠) = 𝑃(𝑡𝑝1 ≤ 𝑍 ≤ 𝑡𝑝2 )

𝑃(𝑚 + 𝑡𝑝1 𝑠 ≤ 𝑋 ≤ 𝑚 + 𝑡𝑝2 𝑠) = Φ(𝑡𝑝2 ) − Φ(𝑡𝑝1 )

𝑃(𝑚 + 𝑡𝑝1 𝑠 ≤ 𝑋 ≤ 𝑚 + 𝑡𝑝2 𝑠) = 𝑃(𝑍 ≤ 𝑡𝑝2 ) − 𝑃(𝑍 ≤ 𝑡𝑝1 )

𝑃(𝑚 + 𝑡𝑝1 𝑠 ≤ 𝑋 ≤ 𝑚 + 𝑡𝑝2 𝑠) = 𝑝2 − 𝑝1

Que es lo que se quería demostrar.

13. Sea la v.a. con distribución normal X: recorrido de las llantas que se venden expresado en
millas, con media 𝜇 = 25000 millas y varianza 𝜎 2 = 40002 millas, hay que encontrar k
tal que 𝑃(|𝑋 − 𝜇 | ≤ 𝑘𝜎) = 0.9. Por el teorema de Chebyshev, se tiene que:
1 1
𝑃 (|𝑋 − 𝜇 | ≥ 𝑘𝜎) ≤ ⇔ 1 − 𝑃 (| 𝑋 − 𝜇 | ≤ 𝑘𝜎 ) ≤
𝑘2 𝑘2
1 1
𝑃(|𝑋 − 𝜇 | ≥ 𝑘𝜎) ≤ 2
⇔ 1 − 0.9 ≤ 2
𝑘 𝑘
1 1
𝑃 (|𝑋 − 𝜇 | ≥ 𝑘𝜎) ≤ 2
⇔ 0.1 ≤ 2
𝑘 𝑘
1 1
𝑃 (|𝑋 − 𝜇 | ≥ 𝑘𝜎) ≤ 2
⇔ 𝑘2 ≤
𝑘 0.1
1 1
𝑃(|𝑋 − 𝜇 | ≥ 𝑘𝜎) ≤ 2
⇔𝑘≤ = 3.1623
𝑘 √0.1
1
Entonces, tomando 𝑘 = = 3.1623, tenemos que el intervalo, en millas, sería
√0.1
[𝜇 − 𝑘𝜎, 𝜇 + 𝑘𝜎] = [12350.89, 37649.11].
14. Sea la v.a. X: resistencia real de los alambres producidos por la empresa A, con una
distribución normal 𝑋~𝑁(0.13, 0.0052 ).
 a. 𝑃 (0.12 ≤ 𝑋 ≤ 0.14) = 𝐹 (0.14) − 𝐹 (0.12)
0.14 − 0.13
𝑃 (0.12 ≤ 𝑋 ≤ 0.14) = Φ ( )
0.005
0.12 − 0.13
𝑃(0.12 ≤ 𝑋 ≤ 0.14) − Φ ( )
0.005
𝑃 (0.12 ≤ 𝑋 ≤ 0.14) = Φ(2) − Φ(−2)
𝑃 (0.12 ≤ 𝑋 ≤ 0.14) = Φ(2) − (1 − Φ(2))
𝑃(0.12 ≤ 𝑋 ≤ 0.14) = 2Φ(2) − 1 = 0.9544
b. Sea la v.a. Y: cantidad de alambres de la empresa A que satisfacen las
especificaciones requeridas, de 4 seleccionados, con 𝑝 = 0.9544, tal que
𝑌~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙. Se va a calcular 𝑃(𝑌 = 4):
4
𝑃 (𝑌 = 4) = 𝑏(4; 4; 0.9544) = ( ) 0.95444 0.04560 = 0.8297
4
15. Sea la v.a. X: tiempo necesario para atender un examen médico, con una distribución
𝑋−4.5
binomial, tal que 𝑋~𝑁(4.5, 1.21). Se define 𝑍 = 1.1 .
a. 𝑃 (𝑋 > 5 ∪ 𝑋 < 3.5) = 𝑃 (𝑋 > 5) + 𝑃(𝑋 < 3.5)

𝑃 (𝑋 > 5 ∪ 𝑋 < 3.5) = (1 − F(5)) + F(3.5)

𝑃(𝑋 > 5 ∪ 𝑋 < 3.5) = (1 − Φ(0.4545)) + Φ(−0.9091)

𝑃 (𝑋 > 5 ∪ 𝑋 < 3.5) = 1 − Φ(0.4545) + 1 − Φ(−0.9091)

𝑃 (𝑋 > 5 ∪ 𝑋 < 3.5) ≈ 2 − 0.6736 − 0.8186 = 0.5078
𝑃(𝑋≤7∪𝑋≥3)
b. 𝑃 (𝑋 ≤ 7|𝑋 ≥ 3) = 𝑃(𝑋≥3)
𝑃(3 ≤ 𝑋 ≤ 7)
𝑃(𝑋 ≤ 7|𝑋 ≥ 3) =
1 − 𝐹 (3)
𝐹 7) − 𝐹 (3)
(
𝑃(𝑋 ≤ 7|𝑋 ≥ 3) =
1 − Φ(−1.3636)
Φ(2.2727) − Φ(−1.3636)
𝑃(𝑋 ≤ 7|𝑋 ≥ 3) =
1 − (1 − Φ(1.3636))
Φ(2.2727) − 1 + Φ(1.3636)
𝑃(𝑋 ≤ 7|𝑋 ≥ 3) =
Φ(1.3636)
Φ 2.27) − 1 + Φ(1.36)
(
𝑃(𝑋 ≤ 7|𝑋 ≥ 3) ≈
Φ(1.36)
0.9015
𝑃(𝑋 ≤ 7|𝑋 ≥ 3) ≈
0.9131
( | )
𝑃 𝑋 ≤ 7 𝑋 ≥ 3 ≈ 0.9873
c. 𝑃 (𝑋 ≥ 𝑡) = 0.05 ⇒ 𝑃(𝑋 < 𝑡) = 0.95
𝑡 − 4.5
𝑃 (𝑋 ≥ 𝑡) = 0.05 ⟹ Φ ( ) = 0.95
1.1
 𝑡 − 4.5
𝑃(𝑋 ≥ 𝑡) = 0.05 ⟹ ≈ 1.65
1.1
𝑃(𝑋 ≥ 𝑡) = 0.05 ⇒ 𝑡 ≈ 6.315
Por lo tanto, se concluye que el tiempo de servicio debería ser de, como más,
6.315 minutos.
16. Sea la v.a. X: costo de una medicina para cierta enfermedad, con un costo promedio de
𝜇 = 19 dólares, con una desviación estándar de 𝜎 = 6.5 dólares, tal que 𝑋~𝑁(19, 6.52 ),
𝑋−19
definimos la v.a. 𝑍 = 6.5 .
29−19
a. 𝑃 (𝑋 < 29) = 𝑃 (𝑍 < )
6.5
𝑃(𝑋 < 29) = Φ(1.5385)
𝑃(𝑋 < 29) ≈ Φ(1.54)
𝑃(𝑋 < 29) ≈ 0.9382
10−19 22−19
b. 𝑃 (10 ≤ 𝑋 ≤ 22) = 𝑃 ( ≤𝑍≤ )
6.5 6.5
𝑃 (10 ≤ 𝑋 ≤ 22) = Φ(0.4615) − Φ(−1.3846)
𝑃(10 ≤ 𝑋 ≤ 22) ≈ Φ(0.4615) − (1 − Φ(1.3846))
𝑃 (10 ≤ 𝑋 ≤ 22) ≈ Φ(0.46) − 1 + Φ(1.38)
𝑃 (10 ≤ 𝑋 ≤ 22) ≈ 0.5934
10−19 17−19
c. 𝑃 (10 ≤ 𝑋 ≤ 17) = 𝑃 ( ≤𝑍≤ )
6.5 6.5

𝑃 (10 ≤ 𝑋 ≤ 17) = Φ(−0.3076) − Φ(−1.3846)

𝑃(10 ≤ 𝑋 ≤ 17) = (1 − Φ(0.3076)) − (1 − Φ(1.3846))

𝑃(10 ≤ 𝑋 ≤ 17) ≈ Φ(1.38) − Φ(0.31)

𝑃 (10 ≤ 𝑋 ≤ 17) ≈ 0.2945
d. 𝑃 (𝑋 ≥ 𝑐 ) = 0.90 ⟹ 𝑃(𝑍 ≤ 𝑐 ) = 0.10
𝑐 − 19
𝑃(𝑋 ≥ 𝑐 ) = 0.90 ⟹ 𝑃 (𝑍 ≤ ) = 0.10
6.5
𝑐 − 19
𝑃(𝑋 ≥ 𝑐 ) = 0.90 ⇒ Φ ( ) = 0.1
6.5
19 − 𝑐
𝑃(𝑋 ≥ 𝑐 ) = 0.90 ⟹ 1 − Φ ( ) = 0.1
6.5
19 − 𝑐
𝑃(𝑋 ≥ 𝑐 ) = 0.90 ⟹ Φ ( ) = 0.9
6.5
19 − 𝑐
𝑃(𝑋 ≥ 𝑐 ) = 0.90 ⟹ = 𝑍0.10
6.5
19 − 𝑐
𝑃 (𝑋 ≥ 𝑐 ) = 0.90 ⟹ ≈ 1.28
6.5
 𝑃(𝑋 ≥ 𝑐 ) = 0.90 ⟹ 𝑐 ≈ 10.68
17. Sea la v.a. X: diámetro de rodamientos producidos por una máquina, con un diámetro
medio 𝜇 = 3 pulgadas y una desviación estándar 𝜎 = 0.01 pulgadas, tal que
𝑋−3
𝑋~𝑁(3, 0.12 ). Definimos 𝑍 = 0.01. Primero, calculamos:

2.98 − 3 3.02 − 3
𝑃(2.98 ≤ 𝑋 ≤ 3.02) = 𝑃 ( ≤𝑍≤ )
0.01 0.01
𝑃(2.98 ≤ 𝑋 ≤ 3.02) = 𝑃 (−2 ≤ 𝑍 ≤ 2)
𝑃 (2.98 ≤ 𝑋 ≤ 3.02) = Φ(2) − Φ(−2)
𝑃 (2.98 ≤ 𝑋 ≤ 3.02) = Φ(2) − 1 + Φ(2)
𝑃(2.98 ≤ 𝑋 ≤ 3.02) = 0.9544
Es decir, en promedio, si se producen 10000 rodamientos al año, se tiene que 10000 ∗
0.9544 = 9544 rodamientos se venden al año. Es decir, se tiene que, para que la utilidad sea
50% del costo de producción:
𝑈 = 9544𝑃𝑉𝑃 − 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 𝐶𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜 ⟺ 0.5 ∗ 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 = 9544𝑃𝑉𝑃−𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 0.6 ∗ 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛

𝑈 = 9544𝑃𝑉𝑃 − 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 𝐶𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜 ⟺ 9544𝑃𝑉𝑃 = 2.1 ∗ 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛

2.1 ∗ 5 ∗ 10000
𝑈 = 9544𝑃𝑉𝑃 − 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 𝐶𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜 ⟺ 𝑃𝑉𝑃 =
9544
𝑈 = 9544𝑃𝑉𝑃 − 𝐶𝑝𝑟𝑜𝑑𝑢𝑐𝑐𝑖ó𝑛 − 𝐶𝑓𝑖𝑛𝑎𝑛𝑐𝑖𝑒𝑟𝑜 ⇔ 𝑃𝑉𝑃 = 1.10 𝑑ó𝑙𝑎𝑟𝑒𝑠

18. Sea la v.a. X: diámetro de un perno, con un diámetro medio 𝜇 = 2 𝑐𝑚 y desviación

𝑋−2
estándar de 𝜎 = 0.02 𝑐𝑚, tal que 𝑋~𝑁(2, 0.0004). Se define la v.a. 𝑍 = . Si se
0.02
producen 10000 unidades, y se desechan los que tienen diámetros menores a 1.97 cm, y
se retrabajan los de diámetros mayores a 2.05 cm.
a. ¿Cuántos se desechan y cuántos se retrabajan? Primero, calculamos 𝑃(𝑋 < 1.97)
y 𝑃(𝑋 > 2.05)
1.97 − 2
𝑃(𝑋 < 1.97) = 𝑃 (𝑍 < ) = Φ(−1.5) = 1 − Φ(1.5) = 0.0668
0.02
2.05 − 2
𝑃(𝑋 > 2.05) = 𝑃 (𝑍 > ) = 1 − Φ(2.5) = 0.0062
0.02
Entonces, tenemos que se retrabajarán 10000 ∗ 0.062 = 62 pernos y se
desecharán 0.0668 ∗ 10000 = 668 pernos.
b. ¿Cuál debe ser la media para que se desechen 100 pernos? Tenemos que
100 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.01 ⟹ 𝑃 (𝑍 < ) = 0.01
10000 0.02
 100 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.01 ⟹ Φ ( ) = 0.01
10000 0.02
100 1.97 − 𝜇
𝑃 (𝑋 < 1.97) = = 0.01 ⇒ = 𝑍0.01
10000 0.02
100 1.97 − 𝜇
𝑃 (𝑋 < 1.97) = = 0.01 ⇒ = −2.3264
10000 0.02
100
𝑃(𝑋 < 1.97) = = 0.01 ⇒ 𝜇 = 2.017
10000
Entonces, se tiene que la cantidad de pernos que se van a retrabajar es de
2.05−2.017
10000Φ ( ) = 9505 pernos.
0.02

c. ¿Cuál debe ser la desviación estándar para que se desechen 100 pernos? Tenemos
que
100 1.97 − 2
𝑃 (𝑋 < 1.97) = = 0.01 ⟹ 𝑃 (𝑍 < ) = 0.01
10000 𝜎
100 −0.03
𝑃(𝑋 < 1.97) = = 0.01 ⟹ Φ ( ) = 0.01
10000 𝜎
100 0.03
𝑃(𝑋 < 1.97) = = 0.01 ⟹ 1 − Φ ( ) = 0.01
10000 𝜎
100 0.03
𝑃(𝑋 < 1.97) = = 0.01 ⟹ Φ ( ) = 0.99
10000 𝜎
100 0.03
𝑃 (𝑋 < 1.97) = = 0.01 ⇒ = 𝑍0.99
10000 𝜎
100 0.03
𝑃(𝑋 < 1.97) = = 0.01 ⇒ = 2.33
10000 𝜎
100
𝑃(𝑋 < 1.97) = = 0.01 ⇒ 𝜎 = 0.013
10000
Entonces, se tiene que la cantidad de pernos que se van a retrabajar es de
2.05−2
10000 (1 − Φ ( 0.013 )) = 0.6 pernos.
d. Si se acepta desechar 150 pernos y retrabajar 150 pernos, ¿cuáles deberían ser la
media y la desviación estándar? Tenemos que:
150 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.015 ⟹ 𝑃 (𝑍 < ) = 0.015
10000 𝜎
150 1.97 − 𝜇
𝑃 (𝑋 < 1.97) = = 0.015 ⟹ Φ ( ) = 0.015
10000 𝜎
 150 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.015 ⇒ = 𝑍0.015
10000 𝜎
150 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.015 ⇒ = −2.17009
10000 𝜎
150 1.97 − 𝜇
𝑃(𝑋 < 1.97) = = 0.015 ⇒ =𝜎 (1)
10000 −2.17009
Y se tiene que:
150 2.05 − 𝜇
𝑃(𝑋 > 2.05) = = 0.015 ⟹ 𝑃 (𝑍 > ) = 0.015
10000 𝜎
150 2.05 − 𝜇
𝑃 (𝑋 > 2.05) = = 0.015 ⟹ 1 − Φ ( ) = 0.015
10000 𝜎
150 2.05 − 𝜇
𝑃 (𝑋 > 2.05) = = 0.015 ⟹ Φ ( ) = 0.985
10000 𝜎
150 2.05 − 𝜇
𝑃 (𝑋 > 2.05) = = 0.015 ⇒ = 𝑍0.985
10000 𝜎
150 2.05 − 𝜇
𝑃 (𝑋 > 2.05) = = 0.015 ⇒ = 2.17009
10000 𝜎
150 2.05 − 𝜇
𝑃(𝑋 > 2.05) = = 0.015 ⇒ =𝜎 (2)
10000 2.17009
2.05−𝜇 1.97−𝜇
De (1) y (2) tenemos que 2.17009 = −2.17009 ⟹ 𝜇 = 2.01 𝑐𝑚 y 𝜎 = 0.0184 𝑐𝑚

19. Sea la v.a. X: resistencia de un cierto tipo de cuerda, tal que 𝑋~𝑁(100, 16). Definiendo
𝑋−100
una v.a. 𝑍 = , tenemos que la utilidad esperada por cuerda es de:
4

𝐸[𝑈] = 5𝑃(𝑋 > 95) + 2.5𝑃 (𝑋 ≤ 95)

95 − 100 95 − 100
𝐸 [𝑈] = 5𝑃 (𝑍 > ) + 2.5𝑃 (𝑍 ≤ )
4 4
𝐸 [𝑈] = 5(1 − Φ(−1.25)) + 2.5Φ(−1.25)

𝐸 [𝑈] = 5Φ(1.25) + 2.5 − 2.5Φ(1.25)

𝐸 [𝑈] = 4.736 ≈ 4.74 𝑑ó𝑙𝑎𝑟𝑒𝑠
20. Sea la v.a. X: velocidad de los automóviles en una vía rápida, medida por un radar en
𝑋−62
millas por hora, tal que 𝑋~𝑁(62, 𝜎 2 ). Definimos la v.a. 𝑍 = 𝜎 .
72−62
a. 𝑃 (𝑋 > 72) = 0.03 ⟹ 𝑃 (𝑍 > ) = 0.03
𝜎
 72 − 62
𝑃 (𝑋 > 72) = 0.03 ⟹ 1 − Φ ( ) = 0.03
𝜎
72 − 62
𝑃(𝑋 > 72) = 0.03 ⟹ Φ ( ) = 0.97
𝜎
72 − 62
𝑃(𝑋 > 72) = 0.03 ⟹ = 1.88
𝜎
𝑃(𝑋 > 72) = 0.03 ⟹ 𝜎 = 5.3191
55−62
b. 𝑃 (𝑋 < 55) = 𝑃 (𝑍 < 5.3191)

𝑃(𝑋 < 55) = Φ(−1.316)

𝑃 (𝑋 < 55) = 1 − Φ(1.316)
𝑃(𝑋 < 55) ≈ 1 − Φ(1.32)
𝑃(𝑋 < 55) ≈ 0.0934
𝑐−62 𝑐−62
c. 𝑃 (𝑋 ≥ 𝑐 ) = 0.05 ⟹ 𝑃 (𝑍 ≥ 5.3191) = 0.05 ⟹ 1 − Φ (5.3191) = 0.05 ⟹
𝑐−62 𝑐−62
Φ (5.3191) = 0.95 ⟹ 5.3191 = 1.64 ⇒ 𝑐 = 70.7233 𝑚𝑖𝑙𝑙𝑎𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎
21. Sea la v.a. X: costos reales de mantenimiento semanal se una fábrica, en dólares, tal que
𝑋−400
𝑋~𝑁(400, 202 ). Definimos la v.a. 𝑍 = 20
450−400
a. 𝑃 (𝑋 > 450) = 𝑃 (𝑍 > ) = 1 − Φ(2.5) = 0.0062
20
Es decir, hay una probabilidad del 0.62% de que los costos sean más altos que el
presupuesto de $450 de dicha semana
b. 𝑃 (𝑋 = 450) = Φ(2.5) = 0.0175
𝐶−400
c. 𝑃 (𝑋 ≥ 𝐶 ) = 0.1 ⇒ 𝑃 (𝑍 ≥ 20 ) = 0.1

𝐶 − 400
𝑃 (𝑋 ≥ 𝐶 ) = 0.1 ⟹ 1 − Φ ( ) = 0.1
20
𝐶 − 400
𝑃 (𝑋 ≥ 𝐶 ) = 0.1 ⟹ Φ ( ) = 0.9
20
𝐶 − 400
𝑃(𝑋 ≥ 𝐶 ) = 0.1 ⟹ = 1.28
20
𝑃 (𝑋 ≥ 𝐶 ) = 0.1 ⟹ 𝐶 = 425.6 𝑑ó𝑙𝑎𝑟𝑒𝑠