4.

4 Ejercicios de Distribuciones de probabilidad y variables estadísticas continuas

1. Un viajero llega de forma aleatoria a la salida de un autobus cuya frecuencia de salida es de 10
minutos. Calcula la probabilidad de que tenga que esperar más de 6 minutos y el tiempo medio
de espera hasta la salida del autobus.
2. En un taller de neumáticos el tiempo de reparación de un pinchazo es una variable aleatoria con
distribución uniforme en el intervalo (30, 60] minutos.
a ) Calcula la probabilidad de que un pinchazo tarde en reparase entre 35 y 40 minutos.
b ) En cuantos minutos estarán reparados el 90 % de los pinchazos.

3. Cierto producto radiactivo tiene una duración de vida activa (en años) que sigue la ley dada por
la función de densidad f (x) = Ke−x/1000 para x > 0.
a ) Determina K .
b ) Halla la probabilidad de que dicho producto tenga una vida superior a 1000 años.
c ) Halla la probabilidad de que la vida activa esté entre 100 y 500 años.

4. El porcentaje de cierto producto obtenido en una reacción química es una cantidad entre 55
y 60 según la densidad f (x) = K (x − 55) + 10 1
. Halla la probabilidad de que el rendimiento
(porcentaje de producto obtenido) sea superior al 57 %.
5. Sea X una variable aleatoria con función de densidad fX (x) = ax2 si 1 < x < 3.
a ) Calcula el valor de a para que fX sea una función de densidad.
b ) Calcula la función de distribución FX .
c ) Calcula P (2 < X ≤ 2.5)

6. La duración (en años) de las bombillas utilizadas en un laboratorio sigue una distribución
exponencial de parámetro 1/3.
a ) Calcula la probabilidad de que una bombilla dure más de un año.
b ) Si se sabe que la bombilla ha durado más de un año, ¾cuál es la probabilidad de que dure
más de dos? Compara esta probabilidad con la del apartado anterior, ¾qué se observa?
c ) Calcula la duración que superará una bombilla con probabilidad 0.9.
d ) Si el laboratorio tiene 20 bombillas. ¾Cuál es la probabilidad de que el primer año se funda
como mucho una de ellas?
7. La duración de un cinescopio de televisión es una variable aleatoria X con función de distribución
FX (t) = 1 − e−ct , para t > 0, siendo c un parámetro que depende del fabricante.

a ) Obten la función de densidad de X .

b ) Calcula la probabilidad de que un cinescopio dure al menos 200 horas.
c ) Sabiendo que un cinescopio ha durado 300 horas, calcula la probabilidad de que dure al
menos 200 horas más.
d ) Halla la vida media de un cinescopio y su desviación típica.
e ) Si el parámetro de cierto fabricante es c = 10000 ,
1
obten la duración del periodo de garantía
(sustitución del cinescopio) que puede ofrecer a sus clientes si el margen de ganancias con
que trabaja no le permite sustituir más del 10 % de los aparatos vendidos.
8. El tiempo que dura una precipitación (de lluvia) es una distribución exponencial de media 2.5
horas.

97
 a ) Calcula la probabilidad de que un precipitación dure entre 2 y 3 horas.
b ) Calcula la probabilidad de que la duración de la lluvia supere el valor medio por más de dos
veces la desviación típica (raiz cuadrada de la varianza).
c ) Calcula la mediana (cuantil 0.5) del tiempo de precipitación.

9. Un autobús pasa por una parada cada 8 minutos, por tanto si un usuario llega a la parada en
cualquier momento el tiempo de espera se puede considerar que sigue una distribución uniforme en
el intervalo (0, 8]. Sin embargo, si el autobús lleva retraso el tiempo de espera es una distribución
exponencial de parámetro 0.1. Sabiendo que uno de cada tres días los autobuses funcionan con
retraso, calcula la probabilidad de que el usuario tenga que esperar más de 5 minutos.
10. Sea X una v.a. continua con función de densidad fX (x) = K 1 + x2 si x ∈ (0, 3).

a ) Halla la constante K y la función de distribución.

b ) Halla la probabilidad de que X esté comprendido entre 1 y 2.
c ) Halla la probabilidad de que X sea menor que 1.
d ) Sabiendo que X es mayor que 1, halla la probabilidad de que sea menor que 2.

11. La función de densidad de
una variable aleatoria continua es: fX (x) = ax2 + b si x ∈ (0, 2).
Sabiendo que P 21 < X ≤ 1 = 0.1357 determina a y b.
12. Sea Z una variable aleatoria con distribución normal estándar, esto es, Z ; N (0, 1). Calcula las
siguientes probabilidades:
a ) 0 < Z ≤ 1.2
b ) −0.68 < Z ≤ 0
c ) −0.46 < Z ≤ 2.21
d ) Z ≤ −0.6
e ) Z > −1.28
f ) Z ≤ −1.44 o Z > 2.05

13. Sea X una variable aleatoria con distribución normal de media 1 y varianza 0.5, esto es,
X ; N (1, 0.5). Calcula el valor a que cumple:

a ) P (X ≤ a) = 0.86
b ) P (1 < X ≤ a) = 0.25
c ) P (0 < X ≤ a) = 0.55
d ) P (−0.5 < X ≤ a) = 0.25

14. Un estudiante tarda en llegar a la facultad una media de 12 minutos. Si el tiempo de

desplazamiento está normalmente distribuido con varianza 2.89 (desviación típica 1.7):
a ) ¾Cuál es la probabilidad de que tarde más de un cuarto de hora?
b ) Si la primera clase empieza a las 9:00 y sale de su casa a las 8:50 diariamente, ¾qué porcentaje
de días llegará después de la hora de inicio de la clase?
c ) Si el profesor de la primera asignatura llega a clase a las 9:05, ¾cuál es la probabilidad de
que cuando llegue la clase ya haya empezado?
d ) Hallar la probabilidad de que los dos siguientes días tarde más de un cuarto de hora en
llegar a la facultad.

98
15. Una máquina que despacha refrescos está ajustada para servir un promedio de 190 mililitros
por vaso. Si la cantidad de refresco servida sigue una distribución normal con varianza de 144
mililitros (desviación típica 12):
a ) ¾Qué fracción de vasos contendrá más de 200 mililitros?
b ) ¾Cuál es la probabilidad de que un vaso contenga entre 178 y 202 mililitros?
c ) ¾Qué tamaño deben tener los vasos para que el 99 % no rebosen?
d ) ¾Cuál es el número esperado de vasos que rebosarán si se utilizan vasos de 220 mililitros en
los 1000 siguientes refrescos?
16. En un concurso de tiro la distancia del impacto de un disparo efectuado por un tirador al centro
de la diana medido en centímetros (X ) es el cuadrado de una distribución normal de media 0 y
varianza 1.44, esto es, existe una variable

Y ; N (0, 1.44) tal que P (0 < X ≤ a) = P 0 < Y 2 ≤ a

a ) Calcula la probabilidad de que la distancia del impacto de un disparo efectuado por el

tirador al centro de la diana sea menor que 5.76.
b ) Calcula el radio del círculo con centro en el centro de la diana en el que estarán el 90 % de
los impactos.
c ) Si el tirador realiza 4 disparos independientes, calcula la probabilidad de que el impacto de
al menos uno de ellos diste del centro menos de 5.76
17. Se sabe que el voltaje de ruptura para un tipo de diodo sigue una distribución normal de media
µ y varianza σ 2 .

a ) Calcula la probabilidad de que el voltaje de ruptura de un diodo esté a una distancia de la

media menor de dos veces la desviación típica (intervalo (µ − 2σ, µ + 2σ)).
b ) Calcula el valor de k necesario para que la probabilidad de que el voltaje de ruptura de un
diodo esté en el intervalo (µ − kσ, µ + kσ) sea 0.95.
18. La dureza Rockwell de una aleación utilizada para fabricar probetas se distribuye según una
distribución normal de media 70 y varianza 9.
a ) Calcula la probabilidad de que la dureza de una probeta esté comprendida entre 67 y 75.
b ) Si el rango de dureza aceptable de una probeta es el intervalo (70 − k, 70 + k), calcula la
constante k necesaria para que la probabilidad de que una probeta tenga dureza aceptable
sea 0.9.
19. La distribución de la resistencia que proporcionan los resistores de un circuito es normal con
media µ y varianza σ 2 .
a ) Calcula la probabilidad de que la resistencia de un resistor esté entre µ − 1.3 σ y µ + 2.1 σ .
b ) Si se sabe que la resistencia del 15 % de los resistores es mayor que 10 y la del 5 % menor
que 9, ¾cuál es la media y la varianza de la distribución?
20. Sea X una variable aleatoria con distribución de Poisson de media 7, esto es, X ; pois (7)
a ) Calcula las probabilidades: P (X = 6), P (X ≤ 12), P (X ≥ 8) y P (2 ≤ X ≤ 5).
b ) Calcula la aproximación normal a P (X = 6).
c ) Calcula la aproximación normal con corrección por continuidad al resto de probabilidades
del primer apartado.

99
21. Sea U una variable aleatoria con distribución uniforme en el intervalo (0, 1), X una variable
aleatoria con función de distribución FX y la función cuantil de esta última denida por:

FX−1 (α) = min {x ∈ R : FX (x) ≥ α}

Demostrar que la variable aleatoria FX−1 (U ) tiene la misma distribución que X .

100