Wuolah Free TEMA 6 Ejercicios Resueltos

TEMA-6-ejercicios-resueltos.
pdf
Anónimo
Estadística Básica
1º Grado en Administración y Dirección de Empresas
Facultad de Economía
Universitat de València
Reservados todos los derechos.

No se permite la explotación económica ni la transformación de esta obra. Queda permitida la impresión en su totalidad.
DOBLE TITULACION DE ADE-TURISMO
ESTADISTICA BASICA
TEMA 6
MODELOS DE PROBABILIDAD
UNIVARIANTES ESPECIFICOS

EJERCICIOS RESUELTOS
1. Una empresa comercializadora de cítricos ha preparado una partida para la exportación. La

probabilidad de que un cítrico no sea apto para ello, al no cumplir los requisitos para ello, es
del 10%. Se dispone de una caja con 60 cítricos. Justifica qué modelo de probabilidad utilizarías
para la distribución de la variable aleatoria “número de cítricos no aptos para la exportación
existentes en esa caja”. ¿Cuál es su media y su varianza?
Solución:
La variable X = “en una caja de 60 cítricos, número de cítricos no aptos” es una variable discreta
y acotada por 60. Cada vez que selecciono un cítrico y considero si es o no apto para su
exportación, estoy efectuando una experiencia de Bernouilli, pues planteo una alternativa
simple. Además, estas experiencias son independientes, pues el resultado con un de los cítricos
no influye en el resto siempre y cuando en la caja se hayan colocado -como es el caso general-
al azar, y no exista ninguno podrido que afecte al resto. Por tanto X = B(n = 60, p = 0,1) .
Consecuentemente: µ B( 60 , 0 ,1 ) = 60 × 0,1 = 6 cítricos, y σ B2( 60 , 0 ,1 ) = 60 × 0,1× 0,9 = 5,4 cítricos 2.
2. El número medio de convocatorias necesarias para aprobar cierta asignatura es de 2,3. Para
modelizar la variable aleatoria “número de convocatorias necesarias para aprobar esa asignatura”,
¿cuál de los tres modelos Bernouilli, Binomial o Poisson eligirías? Justifícalo. ¿Cuál es su función
de cuantía o probabilidad, su media y su varianza?
Solución:
Se trata de una variable aleatoria discreta, de valores no negativos y no acotada, con
probabilidades mayores para sus valores más pequeños. Por tanto utilizaríamos el modelo de
Poisson con parámetro (media) λ = 2,3:
2,3 x
P( X = x) = e − 2,3 × µ = σ 2 = 2,3
x!
a64b0469ff35958ef4ab887a898bd50bdfbbe91a-4327793
3. El número de personas que están en la cola al abrir una oficina de empleo puede modelizarse
por una distribución de Poisson de media 3,5.
a) ¿Cuál es la probabilidad de que una persona que a primera hora se dirige a esa oficina tenga
al menos dos personas delante?
b) Si una persona va todos los días de la semana a la oficina, de lunes a viernes, ¿cuál es el
número medio de días a la semana en los que habrá tenido delante al menos dos personas?
Solución:
a) P ( X ≥ 2) = P(Po(3,5) ≥ 2 ) = 1 − P( X < 2) = 1 − P( X = 0) − P( X = 1) =
− 3, 53,5 0 − 3 '5 3,51
= 1− e × −e × = 0,8641
0! 1!
b) Y = de 5 días laborables, nº de días en los que hay al menos dos personas en la cola
Y = B[5, p = P ( X ≥ 2) = 0,8641] ⇒ µ Y = 5 × 0,8641 = 4,3206
Hay que suponer que los días son independientes entre sí y que se mantiene la misma
distribución de Poisson en cada uno de ellos.
4. El número de jugadores que acuden a cierto despacho de loterías en un período de 15 minutos

sigue una distribución Poisson con media 2,5.
a) Calcula la probabilidad de que en un periodo de 15 minutos acudan al despacho de loterías
2 ó 3 jugadores.
b) Después de observar 5 periodos de 15 minutos cada uno, ¿cuál es la probabilidad de que
como mucho en dos de ellos, acudan al despacho de loterías 2 ó 3 jugadores? ¿Tienes que

aceptar alguna hipótesis adicional para resolver esta pregunta?
Solución:
 2,5 2 2,5 3 
a) P( Po(2,5) = 2 ó 3) = e − 2.5 ×  +  = 0,47028
 2! 3! 
5
b) Y = B(5 , 0,47028) → P(Y ≤ 2) =   × 0,47028 0 × 0,52972 5 +
0
 5 5
+   × 0,470281 × 0,52972 4 +   × 0,47028 2 × 0,52972 3 = 0,5555938
1  2
Hay que suponer que los períodos de quince minutos son independientes entre sí y que se
mantiene la misma distribución de Poisson en cada uno de ellos.
5. La entrega a domicilio de la compra efectuada por una familia en un gran supermercado se

realiza entre las 10 y las 12 horas de la mañana, pero debido a la imprevisibilidad del tráfico
urbano y de otros factores no se establece ningún punto temporal dentro de ese intervalo como
más probable.
a) Determina la función de densidad de probabilidad que modeliza la variable aleatoria
“instante de recepción de la compra”. Calcula la probabilidad de que la entrega se realice
en los primeros 40 minutos del intervalo temporal acordado y la probabilidad de que se haga
en los últimos 20 minutos.
b) Si cierto día el supermercado debe entregar 20 compras entre las 10 y las 12 horas, ¿cuál es
la probabilidad que al menos una de las entregas haya sido en los últimos 20 minutos?
Solución:
 1 1

a) Expresada en minutos: X = U (0 ,120) ⇒ f ( x) = 120 − 0 = 120 0 < x < 120
 0 x ∉ (0 ,120)
Sean A el suceso “la entrega se efectúa en los primeros 40 minutos”, y B el suceso “la
entrega se efectúa en los últimos 20 minutos”.
Tenemos lo que nos faltaba: Imprime tus apuntes al mejor precio y recíbelos en casa
40 1 20 1
P( A) = P( X < 40) = = y P( B) = P( X > 100) = =
120 3 120 6
b) Sea Y la variable aleatoria “de 20 entregas, número de ellas que se han entregado en los
últimos 20 minutos”.
 20   1   5 
0 20
1
Y = B(20 , ) → P(Y ≥ 1) = 1 − P(Y = 0) = 1 −   ×   ×   = 0,9739159
6  0  6 6
Hay que suponer que las entregas son independientes entre sí y que se mantiene la misma
distribución uniforme en todas ellas.
6. Esta mañana he quedado para entrevistarme con un compañero de clase aprovechando la
hora de la comida, de la siguiente manera: mi compañero deberá acudir a mi domicilio entre las
14:00 horas y las 15:00 horas, pero sin que pueda indicarme un momento u otro dentro de ese
intervalo como más probable.
a) Justifica cómo se distribuye la variable aleatoria “tiempo que esperaré hasta la llegada de
mi compañero”. Calcula la probabilidad de que tenga que esperar más de tres cuartos de
hora y el tiempo medio de espera.
b) Como debo hacer un trabajo en común, cierta semana debo quedar con el compañero los
cinco días laborables de la misma, manteniéndose el mismo criterio del apartado anterior en
todos ellos. ¿Cuál es la probabilidad de que, en al menos un día, tenga que esperar más de
tres cuartos de hora? ¿Qué hipótesis adicionales hay que suponer para resolverlo?
Solución:

a) Es uniforme, porque no puede indicarme un momento u otro dentro del intervalo [14:00 ,
15:00] como más probable: X = U (0,1) expresada en horas.
3
1−
3 4 = 0,25
P( X > ) =
4 1− 0
0 +1
µX = = 0,5 → por término medio mi compañero acudirá a las 14:30 horas de la tarde,
2
lo que supone un tiempo medio de espera de 30 minutos.
 de 5 días laborables

b) Y =  n º de días laborables = B(5 , 0,25) →
que espero más de3 / 4 de hora

5
P( X ≥ 1) = 1 − P( X = 0) = 1 −  0,25 0 × 0,75 5 = 0,763
0
Hipótesis adicional: los días son independientes y se mantiene la misma distribución uniforme
en cada uno de ellos.
7. Dos usuarios de telefonía móvil, que pertenecen a la misma compañía, están pensando en
cambiar de terminal. El primero de ellos conoce que la variable aleatoria X = “duración de una
llamada telefónica por el móvil” tiene una media de 4 minutos, y varianza 3 minutos2. El otro
usuario, más aficionado a la Estadística, ha sido capaz de modelizar la anterior variable
mediante una distribución Uniforme en el intervalo [1 , 7] . La compañía de telefonía móvil
tiene una oferta de fidelización que asegura que sólo facturará las llamadas del cliente cuya
duración difiera de la media en más de 1,5 veces la desviación típica.
a) ¿Qué proporción de llamadas no pagará el segundo usuario?
b) Obtener una aproximación a esa proporción en el caso del primer usuario.
Solución:
a) Para el segundo usuario:
3
1+ 7
 1 µ= =4
x ∈ [1,7]
1
 = 2
f ( x) = U (1,7) =  7 − 1 6 →
(7 − 1) 2
 0 x ∉ [1,7] σ2 = = 3 → σ = 3 = 1'732
12
6,598 − 1,402 5,196
P(no pagar ) = P(4 − 1,5 × 1,732 < X < 4 + 1,5 × 1,732) = = = 0,866
6 6
b) Para el primer usuario, que sólo conce la media y la varianza, pero no la distribución de la
variable aleatoria:
1 
P(no pagar ) = P(4 − 1,5 × 1,732 < X < 4 + 1,5 × 1,732) = por Chebychev ≥ 1 − = 0,5
1,5 2
8. El tiempo en días que tarda en hacer efecto un nuevo medicamento contra cierta enfermedad
puede modelizarse mediante una distribución Exponencial de media 2’5.
a) ¿Cuál es la probabilidad de que un afectado por esa enfermedad tarde menos de dos días en
que le haga efecto el medicamento?
b) La situación de un afectado por la enfermedad se califica de delicada cuando el
medicamento no produce efectos sensibles pasados cinco días. En un grupo de diez
pacientes, ¿cuál es la probabilidad de que a lo sumo uno de ellos esté en situación delicada?
¿Debe suponerse alguna hipótesis adicional?
Solución:
2
1
1 − 2,5 x  − 1 x −
2
2  2,5 
a) P ( X < 2) = ∫ e dx = − e = 1− e 2,5
= 0,5507
 

0
2,5
 0
 de 10 pacientes

b) Y =  n º de ellos →
en situación preocupante

 1  − 1 x
+∞ 5 
 +∞ 1
− x
 2,5 
− 
Y = B10 , p = ∫5 e 2,5
dx = − e =e 2,5
= 0,1353  →
 
 2,5
 5 
 
10  10 
→ P(Y ≤ 1) =  0,1353 0 × 0,864710 +  0,13531 × 0,8647 9 = 0,5994
0 1
Hipótesis adicional: la efectividad del medicamento es independiente del paciente y es válida
la misma distribución exponencial para cada uno de ellos.
9. El tiempo que un paciente tiene que esperar en una consulta médica hasta ser atendido se
considera que sigue una distribución Exponencial, con un tiempo medio estimado de 20
minutos.
a) Obtén la probabilidad de que un paciente tenga que esperar entre 10 y 30 minutos hasta que
sea atendido por el médico.
b) Si en otro centro sanitario el tiempo medio de espera también se estima en 20 minutos, pero
no se admite una distribución Exponencial para el tiempo de espera y se considera que la
desviación típica es 5 minutos, determina razonadamente una cota inferior para la
probabilidad de que un paciente de ese centro sanitario tenga que esperar entre 10 y 30
minutos hasta ser atendido por un médico.
Solución:
1 1 3
− x − −
a) X = Exp(1 20 ) → P(10 ≤ X ≤ 30 ) = ∫
30 1
e 20 dx = e 2 −e 2 = 0,3834
10 20
b) Al no concer la distribución de probabilidad, pero si la media y la desviación típica, puede
aplicarse Chebycheff:
1
P(10 ≤ X ≤ 30) = P(20 − 5k ≤ X ≤ 20 + 5k ) ≥ 1 − 2 → 20 − 5k = 10 →
k
1
→ k = 2 → cota = 1 − 2 = 0,75 → 75%
2
10. Una entidad bancaria está interesada en conocer el tiempo de demora en la atención prestada
a un cliente ante la caja. Para ello encarga a dos investigadores su modelización. El primero
concluye que la variable X = “tiempo de demora” presenta una media de 5 minutos, con
desviación típica de 2 minutos. El segundo concluye que la función de densidad que modeliza
a esa variable X tiene como expresión
 −x
1 x>0
f ( x) =  e 5
5 0 x≤0


a) ¿Quién proporciona más información sobre la variable X? ¿Por qué?
b) ¿Qué distribución es la considerada por el segundo investigador?
c) ¿En cuál de las situaciones descritas por los dos investigadores hay mayor dispersión?
d) En el caso del primer investigador, ¿dentro de qué intervalo están los tiempos de demora
con una probabilidad de al menos el 75%?
Solución:
a) Con la función de densidad queda perfectamente definida la distribución de probabilidad.
Siempre que el modelo sea el adecuado, ésta es mejor opción que el conocimiento de la
media y varianza, que sólo permite aplicar Chebychev.
b) Exp(1/5).
2 1/ λ
c) g 0 = = 0'4 g0 = = 1 Existe más dispersión en la modelización realizada a
5 1/ λ
través de la exponencial.
d) P( X − µ ≤ kσ ) ≥ 1 − 2 = 0,75 ⇒ k = 2 ⇒ kσ = 2 × 2 = 4 ⇒
1
k
⇒ Intervalo X − 5 ≤ 4 ⇒ [1 , 9].
11. Se desea calcular la probabilidad de que una variable aleatoria tome valores en dos
subintervalos de misma amplitud o longitud. El primer subintervalo incluye a la media de la
variable, mientras que el segundo no la incluye y está alejado de ella. Indica razonadamente en
cuál de los dos subintervalos dicha probabilidad es mayor:
a) Suponiendo una distribución Normal para la variable aleatoria.
b) Suponiendo una distribución Uniforme para la variable aleatoria.
Solución:
a) En la distribución normal, la función de densidad tiene forma de campana, coincidiendo la
moda -el valor de mayor densidad de probabilidad-, con la media. En consecuencia, los
intervalos que incluyen a la media tienen mayor probabilidad.
b) En la distribución uniforme, todo intervalo de misma longitud tiene la misma probabilidad.
Por tanto los dos intervalos tienen la misma probabilidad.
12. Una marca de automóviles sólo tiene a la venta en el mercado dos modelos, A y B. En un
concesionario, las ventas mensuales del modelo A pueden modelizarse mediante una variable
aleatoria Normal, con media 40000 euros y desviación típica 12000 euros. Asimismo las ventas
mensuales del modelo B es otra variable aleatoria que se distribuye como una Normal, de media
30000 euros y desviación típica 6000 euros. Suponiendo que las variables aleatorias que
modelizan las ventas mensuales de los dos modelos son independientes:
a) ¿Cuál es la probabilidad de que las ventas totales en un mes sea superior a 65000 euros?
b) Se considera un mes satisfactorio cuando las ventas totales oscilan entre 65000 y 75000
euros. ¿Cuál es la probabilidad de que al seleccionar 5 meses al azar en al menos tres de
ellos se obtengan unos ingresos por ventas satisfactorios? ¿Qué hipótesis adicional debe
realizarse para responder a esta pregunta?
Solución:
a) V = ”ventas totales” = A + B; A = N(40000 , 12000); B = N(30000 , 6000)
V = N (40000 + 30000, 12000 2 + 6000 2 ) = N (70000 , 13416 ,408) dado que A y B son
independientes.
65000 − 70000
P(V > 65000) = P( Z > = −0,37) = 0,6443
13416,408
 de 5 meses

b) Y =  n º de ellos → = B(5 , p = P(65000<V<75000))
con ventas satisfactorias

 65000 − 70000 75000 − 70000 
p = P <Z<  = P(−0,37 < Z < 0,37) = 0,2886 →
 13416,408 13416,408 
→ Y = B (5 , 0,2886)
 5 5

P(Y ≥ 3) =   × 0,2886 3 × 0,7114 2 +   × 0,2886 4 × 0,71141 +
 3  4
 5
+   × 0,2886 5 × 0,7114 0 = 0,148
 5
Hipótesis adicional: las ventas son independientes del mes y se mantiene la misma
distribución normal en cada uno de ellos.
13. El tiempo en meses que tarda un reciente graduado en encontrar su primer empleo puede
ser modelizado mediante una distribución normal de media 4 y desviación típica 2.
a) ¿Cuál es la probabilidad de que un nuevo graduado tarde menos de medio año en encontrar
su primer empleo?
b) Un grupo de cinco amigos acaban de graduarse en Economía, ¿cuál es la probabilidad de
que ninguno de ellos tarde menos de seis meses en encontrar su primer empleo? ¿Qué
hipótesis adicional debe realizarse para responder a esta pregunta?
Solución:
6−4
a) P( X < 6) = P( N (4 , 2) < 6 ) = P( Z < = 1) = 0,8413
2
 de 5 amigos

b) Y =  n º de ellos que tardan →
menos 6 meses en encontar trabajo

5
Y = B(5 , p = 0,8413) → P(Y = 0) =  0,84130 × (1 − 0,8413) 5 = 0,0001
0
Se supone que el comportamiento ante el empleo es independiente para los cinco amigos y
que esa distribución normal es válida para todos ellos.
14. El comportamiento de un experimento tiene tres posibles resultados, todos ellos

equiprobables. Para modelizarlo se ha considerado una variable aleatoria discreta X, que puede
6
tomar los valores 1, 2, y 3. En otra experiencia cuyo rango coincide con la de la anterior
variable, se ha considerado una segunda variable aleatoria Y que, en este caso, es continua. Para
modelizarla se ha utilizado una distribución de probabilidad que viene caracterizada por una
función de densidad constante en el intervalo [1 , 3]. Determina, razonadamente, los valores
medios de las dos variables aleatorias mencionadas y calcula la probabilidad de que el valor de
cada variable sea inferior a su correspondiente media.
Solución:
1 1 1 1
µ x = 1 × + 2 × + 3 × = 2 y P( X < 2) = P( X = 1) =
3 3 3 3
1+ 3 1
Y = U (1, 3) → µ y = = 2 y P( X < 2) = = 0,5 . O, utilizando la función de densidad:
2 2
3
 1 1  
2

3
= 1≤ x ≤ 3  x
2 2
1 x 1
f ( y) =  3 − 1 2 → µ y = ∫ x dx =   = 2 y P( X < 2) = ∫ dx =   = 0,5
 0 x ∉ [1,3] 1
2  4 
1
1
2  2 1
15. Con la información de los últimos cursos, el Servicio de Matrículación de una Universidad
ha modelizado el comportamiento de la variable X = “tiempo de permanencia de un estudiante
en esa Universidad” mediante una Normal, de media 6,2 años y desviación típica 2,4 años. Un
grupo de 4 amigos se matriculan este curso por primera vez en la Universidad. Aceptando que
el comportamiento de X se mantenga igual en los futuros cursos, calcular la probabilidad de que
ninguno de los amigos permanezca más de seis años matriculados.

Solución:
 de 4 amigos

Y =  n º de ellos que están → Y = B( 4 , p = P ( X > 6) = P (N (6,2 , 2,4 ) > 6)
más de 6 años matriculados

 6 − 6,2 
p = P Z > = −0,08  = 0,5319 → Y = B(4 , 0,5319 )
 2, 4 
 4
P(Y = 0) =  0,5319 0 × 0,46814 = 0,048 .
 0
16. Del total de reclamaciones presentadas en las organizaciones de consumidores de ámbito nacional
durante el año 2000, el 19% correspondieron al sector de la vivienda. Suponiendo que una
determinada oficina del consumidor responde actualmente a este comportamiento global, ¿cuántas
reclamaciones deberá recibir durante un año, como mínimo, para que al menos una se refiera al sector
de la vivienda, con una probabilidad del 99%?
Solución:
Para un número n de reclamaciones se define la variable aleatoria X como el número de reclamaciones
correspondientes al sector de la vivienda. Esta variable sigue una distribución Binomial X ∼ Bi [ n , p ]
, siendo p = 0'19 la probabilidad de que la reclamación corresponda al sector vivienda.
El suceso al menos una reclamación es del sector vivienda, se representa por X ≥ 1 . Si la probabilidad
de dicho suceso es del 99%, la de su complementario, ninguna reclamación corresponde al sector
vivienda es del 1% :
P( X ≥ 1) = 0'99 → P( X = 0) = 0'01
Teniendo en cuenta la expresión algebraica de la función de probabilidad de una Binomial:
P(X = x ) =  n  p x ⋅ (1 − p )n − x ; x = 0,1,,n
 x
al sustituir el valor de p, para x = 0 se obtiene la siguiente ecuación:
7
 n  0'81n = 0'01 → n lg 0'81 = lg 0'01 → n = 21'85
0
Esta oficina del consumidor deberá recibir 22 reclamaciones como mínimo.
17. En una fábrica textil se producen 3 artículos cada minuto. La probabilidad de que un artículo
fabricado sea defectuoso es de 0'02. Sabiendo que cada artículo tiene un coste de fabricación de 15
euros, se desea conocer la probabilidad de que las pérdidas por fabricación defectuosa por minuto no
sean superiores a 18 euros.
Solución:
Sea X la variable aleatoria que define el número de artículos defectuosos por minuto. Como se
producen 3 artículos por minuto, con una probabilidad de que salgan defectuosos del 2%, se puede
modelizar la variable X como:
X ≅ Bi [ 3 , 0'02 ] x = 0 ,1, 2 , 3
Sea Y la variable que define las pérdidas en euros por fabricación defectuosa, por minuto, donde
Y = 15X y los valores que toma dicha variable son y = 0, 15, 30, 45 . La probabilidad de que las pérdidas
por fabricación defectuosa por minuto no sean superiores a 18 euros será:
P(Y ≤ 18) = P(Y = 0) + P(Y = 15)
donde:
P(Y = 0) = P(15X = 0) = P(X = 0) =  3  0'02 0 ⋅ 0'98 3 = 0'9412

0

P(Y = 15) = P(15X = 15) = P(X = 1) =  3  0'021 ⋅ 0'98 2 = 0'0576
1
Luego: P(Y ≤ 18) = 0'9412 + 0'0576 = 0'9988
18. En una determinada estación de trenes se ha observado que durante los periodos de menor venta
se dispensan por término medio 12 billetes por hora. Asumiendo para la variable que recoge el número
de billetes vendidos durante una hora del periodo de menor venta, un modelo de distribución de
Poisson:
a) ¿Cuál es la probabilidad de que en una hora se vendan entre 10 y 11 billetes?
b) Obtener un indicador de la regularidad del número de billetes vendidos durante intervalos de 1
hora observados en el periodo de menor venta.
Solución:
Sea X la variable aleatoria definida como el número de billetes vendidos por hora durante el periodo
de menor venta. Se admite para esta variable una distribución de Poisson de media 12, luego X ∼ P
[λ] , siendo λ = 12 ya que en tal distribución E[ X ] = λ .
a) Utilizando la expresión de la función de probabilidad de una Poisson:
λx
P (X = x ) = e − λ ; x = 0,1, 2,
x!
la probabilidad de que en una hora del periodo de menor venta, se vendan 10 u 11 billetes será:
1210 1211
P(10 ≤ X ≤ 11) = P(X = 10) + P(X = 11) = e −12 + e −12 = 0'1048 + 0'1144 = 0'2192
10 ! 11!
b) Un indicador de la regularidad en los valores que toma una variable aleatoria es la varianza o bien
la desviación típica. La varianza de una distribución X ∼ P [12] es λ = 12 y por lo tanto, la desviación
típica es 3'46.
19. El número de accidentes con víctimas mortales en las carreteras de una determinada Comunidad
durante una semana laborable es una variable aleatoria para la que se admite una distribución de
8
Poisson de media 2.
a) Calcular la probabilidad de que en una semana laborable cualquiera se produzcan los accidentes
esperados.
b) La Dirección General de Tráfico decide declarar semanas laborables blancas a aquellas en las que
no se produce ningún accidente con víctimas mortales. Si se considera un periodo que comprende
10 semanas, en las que no hay ningún día festivo, determinar la probabilidad de que, como mínimo,
resulten 2 semanas blancas.
Solución:
Denótese por X a la variable aleatoria que expresa el número de accidentes con víctimas mortales
durante una semana laborable. Se admite para esta variable una distribución de Poisson de media 2,
luego X ∼ P [ 2 ]
a) El número de accidentes esperados es 2, por tanto, la probabilidad del suceso X = 2 es:
22
P(X = 2) = e −2 = 0'27
2!
b) Se define una nueva variable Y como el número de semanas blancas entre las diez consideradas,

modelizada mediante una distribución Binomial cuyos parámetros son n = 10 semanas observadas y
p la probabilidad de que una semana sea blanca, es decir, la probabilidad de que durante una semana
no haya accidentes con víctimas mortales: p = P(X = 0) = e −2 = 0'14 . Por tanto, Y ∼ Bi [10 , 0'14 ] .
La probabilidad de que, como mínimo, resulten 2 semanas blancas es:
P(Y ≥ 2) = 1 − P(Y < 2) = 1 − P(Y = 0) − P(Y = 1) = 1 − 10  0'8610 − 10  0'141 ⋅ 0'86 9 = 0'42
0 1
20. El número de llamadas telefónicas por hora que recibe una oficina durante el horario de trabajo
sigue una distribución de Poisson, con una media de dos llamadas a la hora. Calcular:
a) La probabilidad de que lleguen al menos 2 llamadas en una hora cualquiera.
b) La probabilidad de que en una jornada completa de 8 horas no se reciban llamadas en dos horas
cualesquiera.
Solución:
Representamos mediante X al número de llamadas telefónicas por hora. Se admite para dicha variable
un modelo de Poisson con λ = 2 .
a) La probabilidad de que lleguen al menos 2 llamadas en una hora cualquiera es:
P(X ≥ 2) = 1 − P(X < 2) = 1 − P(X = 0) − P(X = 1) = 1 − e −2 − e −2 2 = 0'58
b) Sea Y la variable aleatoria que representa el número de horas sin recibir llamadas telefónicas.
Puesto que se observa lo ocurrido durante las 8 horas de una jornada laboral y la probabilidad de que
en una hora cualquiera no se produzcan llamadas es P(X = 0) = e −2 = 0'14 , la variable Y sigue un modelo
Binomial Bi [ 8 , 0'14] . La probabilidad de que en una jornada laboral de 8 horas no se reciban llamadas
en dos horas cualesquiera, se obtiene de la siguiente forma:
P(Y = 2) =  8  0'14 2 ⋅ 0'86 6 = 0'22
2
21. Debido a un problema de obesidad, una persona decide ponerse a régimen y para ello acude a un
médico endocrino con el propósito de perder peso. Teniendo en cuenta la complexión física de
dicha persona, el médico calcula que puede perder entre 15 y 20 kg. en cuatro semanas, y se admite
que la distribución de probabilidad del peso que perderá es Uniforme en ese intervalo.
a) La persona que se somete a este régimen tiene bastante interés en perder de 16 a 18 kg. Según su
constitución, ¿qué garantías le puede dar el médico de que esto suceda?
b) ¿Cuál es el peso medio a perder con la dieta citada?
c) Suponiendo que personas diferentes con idéntica complexión realizaran el mismo régimen,
obtener un indicador del grado de dispersión de la disminución del peso.
9
Solución:
La expresión de la función de densidad de una distribución Uniforme de parámetros 15 y 20, denotada
por U [15 , 20 ] , es:
1
 , 15 ≤ x ≤ 20
f (x) =  5
 0 , resto

siendo X la variable aleatoria que representa el peso perdido durante el régimen.
a) Las garantías que tiene una persona que se somete a este régimen de perder de 16 a 18 kg. vendrán
cuantificadas por la probabilidad del suceso: 16 ≤ X ≤ 18 , que de acuerdo a la anterior función de
densidad definida para este modelo Uniforme resulta:
18 1 1 2
P(16 ≤ X ≤ 18) = ∫ 16 5
dx = (18 − 16) = = 0'4
5 5
b) El peso promedio a perder con la citada dieta se obtiene calculando el valor esperado de la variable:
15 + 20
E[ X ] = = 17'5
2 kg.
c) Un indicador del grado de dispersión de la cantidad de peso perdida es la varianza o la desviación
típica. La varianza de una distribución U [15 , 20 ] es:
(20 − 15)2
V[ X ] = = 2'08
12
y por lo tanto, la desviación típica es 1'44 kg.

22. Una persona va a recibir una llamada telefónica entre las 8 y las 14 horas de un cierto día. La
información de que dispone acerca del instante en que se producirá la llamada le impide evaluar
preferentemente las posibilidades de unas zonas del intervalo de tiempo citado frente a otras. En base
a esta hipótesis de partida:
a) Calcular la probabilidad de que la llamada se reciba después de las 12h.
b) En qué intervalo de amplitud 10 minutos consideras que es más probable que se reciba la llamada?
¿Cuál es su probabilidad?
Solución:
Sea X la variable aleatoria que expresa el momento en que se recibe la llamada. Puesto que con la
información disponible no se pueden establecer preferencias respecto al momento de recibir la
llamada, se puede asumir un modelo Uniforme U [ 8 , 14 ] para la variable X. Su función de densidad
es:
1
 , 8 ≤ x ≤ 14
f (x) =  6
 0 , resto

a) La probabilidad pedida será:
14 1 1
P(X > 12) = ∫ 12 6
dx = (14 − 12) = 0'33
6
b) En un modelo Uniforme todos los subintervalos con la misma amplitud tienen la misma
probabilidad asociada y, además, ésta viene determinada por su amplitud, concretamente
multiplicando la función de densidad por la misma. En consecuencia, todos los intervalos de 10
minutos de amplitud serán equiprobables.
Expresando en horas un intervalo de 10 minutos, la amplitud del mismo es 1/6 y en consecuencia la
probabilidad pedida es (1 6)⋅(1 6)= 0'03 .
23. En un laboratorio se está experimentando con la reacción que se produce entre dos productos
químicos. Se conoce que el tiempo que tarda en producirse la reacción desde el momento que entran
en contacto los dos reactivos es una variable aleatoria con distribución Uniforme en el intervalo entre
10
0 y 10 segundos.
a) ¿En qué porcentaje de experimentos el tiempo que tardan en reaccionar los dos elementos es
inferior a 4 segundos?
b) Se están realizando simultáneamente tres experimentos de este tipo, ¿cuál es la probabilidad de
que en al menos uno de ellos se tenga que esperar más de cuatro segundos para que se produzca la
reacción?
Solución:
Denótese por X a la variable aleatoria que expresa el tiempo que tarda en producirse la reacción desde
el momento que entran en contacto los dos reactivos, para la que se admite un modelo U [ 0 ,10 ] .
a) El porcentaje de experimentos en los que tardan menos de 4 segundos en reaccionar los reactivos
es:
4 1 1
P(X < 4) = ∫ 0 10
dx = (4 − 0) = 0'40
10
b) Sea Y la variable aleatoria número de experimentos en los que el tiempo de reacción es superior a
4 segundos. La variable aleatoria Y sigue un modelo Binomial, con n = 3 experimentos observados y
p = P(X > 4) , siendo esta probabilidad igual a 0'60 por ser la complementaria de la calculada en el
apartado anterior. Así, Y ∼ Bi [ 3 , 0'60 ] .
La probabilidad de que en al menos un experimento se tarde más de 4 segundos en producirse la
reacción es:
P(Y ≥ 1) = 1 − P(Y = 0) = 1 −  3  0'60 0 ⋅ 0'40 3 = 0'94
0

24. El servicio de asistencia técnica de una empresa distribuidora viene realizando habitualmente
reparaciones cuya duración oscila entre 1 y 3 horas. Suponiendo que, dentro del intervalo indicado no
existe ninguna tendencia acerca del tiempo invertido en cada reparación y sabiendo que el servicio
técnico cobra un precio de 12 euros por hora de trabajo más una cantidad fija de 6 euros por
reparación, en concepto de derecho de asistencia, calcular:
a) ¿Cuál es la probabilidad de facturar, en una reparación, una cantidad superior a 36 euros?
b) ¿Qué ingreso se espera obtener en una reparación? ¿Cuál es la probabilidad de superar, en una
reparación, dicho ingreso medio?
c) ¿Cuánto tiempo habrá que emplear como mínimo, en una reparación, para que la factura
correspondiente sea superada por el 80% de las reparaciones?
Solución:
Sea X la variable aleatoria definida como tiempo, en horas, empleado en una reparación. Puesto que
no existe ninguna tendencia especial acerca del tiempo invertido en cada reparación, se puede admitir
un modelo Uniforme de parámetros 1 y 3 para la variable aleatoria X.
Sea Y = 12X + 6 la variable aleatoria factura, en euros, asociada a una reparación de duración X.
3 1 1
a) P(Y > 36) = P(12X + 6 > 36) = P(X > 2'5) = ∫ dx = (3 − 2'5) = 0'25
2 '5 2 2
b) El tiempo que se espera emplear en una reparación se obtiene como:
1+ 3
E[ X ] =
=2
2
Por lo tanto, la facturación esperada es: E[ Y ] = 12E[ X ] + 6 = 30 euros. La probabilidad de superar el
ingreso medio es:
3 1 1
P(Y > E[ Y ] ) = P(Y > 30) = P(12X + 6 > 30) = P(X > 2) = ∫ 2 2
dx = (3 − 2) = 0'5
2
c) Teniendo en cuenta la relación existente entre la facturación y el tiempo empleado en cada
reparación, obtenemos el tiempo mínimo empleado en una reparación, de manera que su factura
correspondiente sea superada en el 80% de las reparaciones:
11
 y −6 
P(Y > y ) = 0'8 → P(12X + 6 > y ) = P X >  = 0'8
 12 
y −6
Denotando por t al tiempo asociado con la facturación y → t = , por tanto:
12
3 1 1
P(X > t ) = ∫
t 2
dx = (3 − t ) = 0'8 → t = 1'4
2 horas.
La facturación correspondiente a 1'4 horas es de 22'8 euros. Esto indica que para superar en el 80%
de las reparaciones la cantidad de 22'8 euros, el técnico debe emplear como mínimo 1'4 horas.
25. La duración de la tramitación de un expediente administrativo de licencia de obras es una variable
aleatoria con distribución Exponencial cuya media es de 3 meses. Cierto constructor gestiona el
capital necesario para iniciar cada una de las obras con avales bancarios, de forma que los intereses
que debe pagar empiezan a resultarle gravosos cuando las licencias sufren retrasos superiores a 4
meses. Calcular la probabilidad de que una obra le resulte gravosa al constructor.
Solución:
Sea X la variable aleatoria que representa la duración, en meses, de la tramitación de un expediente
administrativo de licencia de obras, admitiéndose que sigue una distribución Exponencial de media 3
meses, luego X ∼ Ex [ 1/ 3 ] ya que en tal distribución E[ X ] = 1/ θ = 3 .
Utilizando la expresión de la función de densidad de una Exponencial:
 θ e − θ x , x ≥ 0
f ( x) = 
 0

, resto
la probabilidad del suceso X > 4 se obtiene como:
∞
∞
1
1 −3x  −1x  −
4
P(X > 4) = ∫ 4 3
e dx = − e  = e 3 = 0'26

3
 4
26. El tiempo, en meses, que tarda un diplomado en Empresariales en encontrar su primer empleo
desde su graduación, se puede modelizar mediante una distribución Exponencial, de función de
1
1 −6 x
densidad e para x > 0 .
6
a) ¿Qué porcentaje de diplomados en Empresariales encontrará su primer empleo antes de que
transcurran 12 meses desde su titulación?
b) Cabe calificar de preocupante la situación de un diplomado que no haya encontrado empleo tras
un año de conseguir su diplomatura. ¿Cuál es la probabilidad de que de 10 diplomados, elegidos
al azar, ninguno de ellos esté en esta situación?
Solución:
Se define la variable aleatoria X como el tiempo, en meses, que tarda un diplomado en encontrar su
primer empleo, admitiendo para la misma una distribución Exponencial de parámetro θ = 1/ 6 .
a) El porcentaje de diplomados que encontrará su primer empleo antes de 12 meses es:
12
12
1
1 −6 x  −1 x 
P(X < 12) = ∫ 0 6
e dx = − e 6 
 
= 1 − e −2 = 0'86
0
b) Sea Y el número de diplomados que no encuentran empleo tras un año de conseguir su diplomatura.
Seleccionados 10 diplomados al azar, la probabilidad de que cualquiera de ellos encuentre trabajo
después de un año es 0'14, al ser la complementaria de la obtenida en el apartado anterior. Por tanto,
Y ∼ Bi [10 , 0'14 ] y la probabilidad de que de los 10 seleccionados ninguno esté en esta situación es:
P(Y = 0) = 10  0'14 0 ⋅ 0'8610 = 0'22
0
12
27. Un comerciante estima que el coste de mantenimiento de su negocio es el equivalente a 18 euros
diarios. El beneficio por la venta de cada artículo es de 1'2 euros y el número de artículos vendidos
cada día es aleatorio con media 250 y desviación típica 5. Antes de proceder a contratar a nuevos
empleados se plantea algunas preguntas. Se considera un día de ventas estándar cuando los beneficios
oscilan entre 270 y 294 euros,
a) ¿Qué porcentaje de días tendrá una venta inferior a la estándar?
b) De los cinco días laborables de una semana cualquiera, ¿qué probabilidad hay de que en algún día
se produzca una venta superior a la estándar?
Para los dos apartados se admite la hipótesis de que la distribución de las ventas es Normal, y es la
misma para todos los días. Además, las ventas diarias son independientes.
Solución:
Sea X la variable aleatoria número de artículos vendidos cada día, siendo X ∼ N [ 250 , 25 ] . Se define
también la variable aleatoria Y como beneficio diario, en euros, donde: Y = 1'2X −18 , siendo 1'2 euros
el beneficio por artículo y 18 euros el coste de mantenimiento diario. La variable aleatoria Y, por ser
una transformación lineal de una variable con distribución Normal, también se distribuirá según el
mismo modelo con los siguientes parámetros:

µ Y = 1'2 µ X − 18 = 282 σ Y2 = 1'2 2 σ X2 = 36
a) El porcentaje de días que tendrá una venta inferior a la estándar será:
270 − 282 
P(Y < 270) = FY (270) = FZ   = FZ (− 2 ) = 1 − FZ (2) = 1 − 0'9773 = 0'0227
 6 
siendo Z ∼ N [ 0 ,1 ] .
b) Del resultado obtenido en el apartado a) se deduce que la probabilidad de que las ventas sean
superiores a la estándar es P( Y > 294) = 0'0227 ya que 270 y 294 son dos cantidades equidistantes de
la media de Y y la distribución Normal es simétrica.
Sea W la variable aleatoria que nos indica el número de veces que se superan las ventas estándar en
los cinco días laborables de una semana cualquiera. Las ventas diarias son independientes y se podrá
modelizar este comportamiento a través de una distribución Binomial con n = 5 y p = 0'0227 . Con
todo esto, la probabilidad de que en algún día de una semana se produzca una venta superior a la
estándar será:
P(W ≥ 1) = 1 − P(W = 0) = 1 −  5  0'0227 0 ⋅ (1 − 0'0227) 5 = 0'1085
0
28. El número de hogares visitados trimestralmente por un inspector de la Compañía de Gas es una
variable aleatoria, para la que la empresa estima una distribución Normal de media 300 y desviación
típica 48. El último trimestre comenzó a prestar servicios un nuevo inspector.
a) ¿Qué opinión puede formularse por el hecho de que a lo largo del trimestre consiguiera visitar 360
hogares?
b) Lo mismo para el caso que hubiera visitado 252 hogares.
c) La empresa denomina inspectores atípicos a aquellos que en un trimestre visitan un número de
hogares que dista en más de 60 unidades de la media. Determinar la proporción de inspectores
atípicos que se detectan en un trimestre cualquiera.
d) Con objeto de mejorar los rendimientos, la dirección de la empresa decide enviar una carta de
amonestación al 25 por cien de los inspectores que menos hogares visitan en un trimestre
determinado. ¿A partir de qué cantidad de hogares visitados se efectuará la amonestación?
Solución:
Se define la variable aleatoria X como el número de hogares visitados en un trimestre, siendo la
distribución de la variable N [300 , 48 2 ].
a) Siendo 360 los hogares visitados por el inspector, se puede calcular el porcentaje de inspectores
cuyo rendimiento se encuentra, bien por encima, bien por debajo:
13
360 − 300 
P( X ≥ 360) = P Z ≥  = P(Z ≥ 1'25) = 0'1056
 48 
El inspector estaría entre el 11% de los mejores inspectores, según el número de hogares visitados.
En otros términos, el 89% de los inspectores ofrecerán un rendimiento inferior al del inspector citado.
b) Siguiendo el mismo razonamiento que en el apartado anterior, se verifica:
252 − 300 
P( X < 252) = P Z <  = P(Z < −1)
 48 
Por la propiedad de la simetría de la distribución N [ 0 ,1 ] , se tiene que P( Z < − z ) = P( Z > z ) , luego:
P(X < 252) = P(Z < −1) = P( Z > 1) = 0'1587
El inspector tendría tan sólo un 16% de compañeros con peores rendimientos que él.
c) La proporción de inspectores atípicos que se detectan en un trimestre cualquiera será:
P(X < 240 ó X > 360) = 1 − P(240 ≤ X ≤ 360) = 1 − [FZ (1'25) − FZ ( −1'25)] =
= 1 − [FZ (1'25) − 1 + FZ (1'25)] = 2 − 2FZ (1'25) = 0'2112
d) Sea h el número de hogares pedido. Deberá verificarse que P(X < h ) = 0'25 , en consecuencia:
h − 300   300 − h  = 0'75
FX ( h ) = 0'25 → FZ   = 0'25 → FZ  
 48   48 
La probabilidad acumulada 0'75 no aparece en las tablas incluidas en el texto. Una primera opción
sería tomar un valor de z aproximado entre 0'67 y 0'68, igual a 0'675. Una segunda opción consistiría
en efectuar una interpolación lineal. Observando que P(Z ≤ 0'67 ) = 0'7486 y P(Z ≤ 0'68) = 0'7517 , puede
plantearse la siguiente proporcionalidad:
0'68 − 0'67 0'7517 − 0'7486

=
z − 0'67 0'75 − 0'7486
Resolviendo la ecuación se obtiene z = 0'6745 . En adelante, en este texto, se utilizará la primera opción
de aproximación, por ser más sencilla y una solución muy similar a la obtenida a través de la
interpolación.
A partir del valor z = 0'675 , se resuelve la siguiente ecuación:
300 − h
= 0'675 → h = 267'6
48
Consecuentemente, se efectuará la amonestación a los inspectores que visiten 267 hogares o una cifra
inferior.
29. Para seleccionar su personal una empresa realiza una prueba a los candidatos que se presentan.
Sea X la variable aleatoria que representa la puntuación (sobre 10) obtenida por cada candidato a
dicha prueba. A partir de la experiencia acumulada en los últimos años, el responsable del
Departamento de Recursos Humanos de esta empresa ha modelizado el comportamiento de la
puntuación de la prueba mediante una distribución Normal de media 6 y varianza 4. Se pide:
a) ¿Cuál es la probabilidad de que un candidato obtenga una puntuación mayor o igual a 5 en la
prueba?
b) Si finalmente se selecciona al 2'5% de los candidatos que se presentan, ¿a partir de que puntuación
se consigue ser seleccionado?
Solución:
Sea X la variable aleatoria definida como puntuación (sobre 10) obtenida por cada candidato a la
prueba. X sigue una distribución N [ 6 , 4 ] .
 X−6 5−6
a) P( X ≥ 5 ) = P ≥  = P(Z ≥ −0'5)
 2 2 
En las tablas de la distribución Normal, no se incluyen los valores de la función de distribución para
observaciones negativas de la variable. No obstante, es conocido en virtud de la simetría de la
distribución N [ 0 ,1 ] que P( Z ≥ −z ) = P( Z ≤ z ) = FZ ( z ) . En consecuencia:
P( Z ≥ −0'5) = P(Z ≤ 0'5) = FZ (0'5) = 0'6915
14
b) Si se denota por k a la puntuación mínima que deben conseguir los candidatos para ser
seleccionados, deberá verificarse:
 k −6 
P( X ≥ k ) = 0'025 → P Z ≥  = 0'025
 2 
k −6
Puesto que la probabilidad por la derecha es inferior a 0'5, esto significa que el valor
2
corresponderá a una cantidad positiva, obteniéndose, a partir de las tablas, la siguiente solución:
k −6
= 1'96 → k = 9'92
2
30. Un gran almacén tiene una plantilla de 10 vendedores en la sección de tejidos. Se plantea una
reducción del 30% de la plantilla y para ello se considera el volumen de ventas diarias por vendedor.
El dueño sabe que el número de metros que vende cada uno se distribuye según una Normal con
media 50 y varianza 25. ¿Cuál es la cantidad mínima que debe haber facturado un vendedor para que
no sea suprimido de la plantilla, sabiendo que el precio medio de las telas es de 6 euros por metro?
Solución:
Se define X como la variable aleatoria número de metros vendidos diariamente por un vendedor y se
define Y como la variable aleatoria facturación diaria, en euros, siendo Y una transformación de X
definida por: Y = 6X . Puesto que X ∼ N [ 50 , 25 ] , Y también será Normal con los siguientes
parámetros:
µ Y = 6µ X = 300 σ Y2 = 6 2 σ X2 = 900

Si se denota por k a la cantidad mínima facturada por un vendedor para no ser suprimido de la plantilla,
deberá verificarse:
k − 300  300 − k 
P( Y < k ) = 0'3 → P Z < 
 = 0'3 → P Z >  = 0'3
 30   30 
La probabilidad 0'3 no aparece exactamente en las tablas incluidas en el texto. Procede aproximarla
tomando un valor de z intermedio entre 0'52 y 0'53, por tanto:
300 − k
= 0'525 → k = 284'25
30
Un vendedor debe facturar una cantidad mínima de 284'25 euros para no ser suprimido de la
plantilla.
31. A partir de la información de todas las elecciones celebradas hasta la fecha se conoce que
el número de votos conseguidos por un partido político en dos demarcaciones electorales A y
B es aleatorio, y se supone que siguen una distribución Normal. En la demarcación A ha
conseguido una media de 9.500.000 votos, con una desviación típica de 2.000.000. En la
demarcación B ha conseguido una media de 10.200.000 votos, con una desviación típica de
2.500.000. Se acepta un comportamiento independiente en los resultados obtenidos en ambas
demarcaciones.
a) ¿Qué distribución tiene la variable aleatoria que expresa el número total de votos
conseguidos en las dos demarcaciones?
b) ¿Cuál es la probabilidad de que el número de votos conseguido en la demarcación B supere
en un 10% el número de votos obtenidos en la demarcación A?
Solución:
A = votos conseguidos en la demarcación A; B = votos conseguidos en la demarcación B; T =
votos conseguidos en las dos demarcaciones.
15
a) T = A + B = N ( 9500000 + 10200000 , 2000000 2 + 2500000 2 ) =
= N (19,7 × 10 6 , 1,025 × 1013 ) = N (19,7 × 10 6 , 3201562,119)
250000
b) P( B > 1,1 × A ) = P( B − 1,1 × A > 0 ) = P( Z > = 0 ,08 ) = 0 ,4681 pues
1,109 × 1013
B − 1,1 × A = N ( 10200000 − 1,1 × 9500000 , 2500000 2 + 1,12 × 2000000 2 ) =
= N (−250000 , 1,109 × 1013 ) = N (−250000 , 3330165,161)
32. Una consultora de opinión especializada en la gestión de encuestas por teléfono confirma
que el número de cuestionarios contestados telefónicamente que gestiona en un día laborable
cualquiera, es una variable aleatoria X para la que se admite una distribución Normal de media
400 y de desviación típica 200. Asimismo, otra consultora que hace competencia con la primera,
confirma a su vez que el número de cuestionarios contestados telefónicamente en un día
laborable que gestiona es otra variable aleatoria Y con distribución Normal de media 700 y
desviación típica 300.
a) ¿Cómo se distribuirá la variable aleatoria T = “número total de cuestionarios gestionados por
ambas consultoras en un día laborable cualquiera”? ¿Cuál es su media y su varianza? Indicar
si se ha de asumir algún supuesto para contestar estas preguntas.
b) ¿En qué proporción de ocasiones los cuestionarios contestados en la segunda consultora
superan al doble de los gestionados por la primera en un día laborable cualquiera? Indicar si

se ha de asumir algún supuesto para contestar estas preguntas.
Solución:
a) T = X + Y = independencia = N (400 + 700 , 200 2 + 300 2 ) = N (1100 , 130000 )
0 + 100 100
b) P (Y > 2 X ) = independencia = P (Y − 2 X > 0) = P ( Z > = = 0'2) = 0'4207
250000 500
Pues Y − 2 X = independencia = N (700 − 2 × 400 , 300 + 2 2 × 200 2 ) = N (−100 , 250000 )
2
33. Referida a cierta ciudad, con la información obtenida de muchos años, es conocido que las
variables X =”número de espectadores por partido de fútbol del equipo local” (en miles) e Y
=”número de novelas vendidas al año por las librerías de la ciudad” (en miles) se distribuyen
mediante sendas Normales independientes, con medias respectivas 22’3 y 41’2, y varianzas
respectivas 25’61 y 54’76.
a) Sabiendo que un año el número de espectadores por partido de fútbol del equipo local fue
de 20,8 (miles de espectadores), ¿cuál es el número de novelas vendidas por las librerías de
la ciudad que es superado con una probabilidad del 50%?
b) El precio medio de la entrada a un partido de fútbol es de 25 €, y el precio medio de una
novela es de 15 €. Si consideramos el gasto total efectuado en ambas aficiones, ¿cuál es la
probabilidad de que el gasto anual total T supere 1225000 €?
Solución:
a) X e Y son independientes. Por tanto
→ P( Y > y 0 / X = 20 ,8 ) = P( Y > y 0 ) = 0 ,5 → y 0 = 41,2 miles
b) T = 25 X + 15Y = N (25 × 22,3 + 15 × 41,2 , 25 2 × 25,61 + 15 2 × 54,76 ) =
1225 − 1175,5
= N (1175,5 ,168,307) → P(T > 1225) = P( Z > = 0,29) = 0,3859
168,307
16
ANEXO
TABLA DE LA DISTRIBUCION NORMAL TIPIFICADA Z = N(0,1)
F ( z ) = P( Z ≤ z ) 1 − F ( z ) = P( Z > z )
Z Z
17
18
(continuación)


Wuolah Free TEMA 6 Ejercicios Resueltos

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Wuolah Free TEMA 6 Ejercicios Resueltos

Cargado por

Copyright:

Formatos disponibles

TEMA-6-ejercicios-resueltos.

1º Grado en Administración y Dirección de Empresas

Reservados todos los derechos.

Reservados todos los derechos.

1. Una empresa comercializadora de cítricos ha preparado una partida para la exportación. La

4. El número de jugadores que acuden a cierto despacho de loterías en un período de 15 minutos

Reservados todos los derechos.

5. La entrega a domicilio de la compra efectuada por una familia en un gran supermercado se

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

14. El comportamiento de un experimento tiene tres posibles resultados, todos ellos

Reservados todos los derechos.

P(Y = 0) = P(15X = 0) = P(X = 0) =  3  0'02 0 ⋅ 0'98 3 = 0'9412

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

Reservados todos los derechos.

También podría gustarte