Bienvenidos

a la clase de
Probabilidad y Estadística
Los registros de una pequeña compañía de servicios indican que 35% de las
facturas que envían son pagadas después del primer vencimiento. Si se envían
15 facturas,
a) ¿Cuál es la probabilidad de que ninguna se pague con retraso?
b) ¿Cuál es la probabilidad de que más de la mitad se pague con retraso?

➢ La variable aleatoria es: cantidad de facturas pagadas con retraso en una

muestra de 15 facturas.  la variable tiene distribución Binomial

a) P(ninguna) = 𝑃𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑥 = 0; 𝑛 = 15; 𝑝 = 0.35 = 0.00156

b) P(x8) = 𝑃𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑥 ≥ 8; 𝑛 = 15; 𝑝 = 0.35 = 0.11323

Rta.: La probabilidad de que ninguna se pague con retraso es 0.00156 y la

probabilidad de que más de la mitad se pague con retraso es 0.11323
 A una sala de urgencias llegan para atenderse en promedio 5 pacientes por
hora.
a) ¿Cuál es la probabilidad de que arriben exactamente 4 pacientes en
media hora?
b) ¿Cuál es la probabilidad de que arriben a lo sumo 6 pacientes en 45
minutos?

➢ La variable aleatoria es: cantidad de pacientes que llegan a urgencias en un

tiempo dado  la variable tiene distribución de Poisson

5 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
➢ Datos: b = 5 pacientes en 1 hora =
1 ℎ𝑜𝑟𝑎

5 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
a) t = 30 𝑚𝑖𝑛𝑢𝑡𝑜𝑠  = 30 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = 2.5 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
60 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

P(arriben 4 pacientes en media hora) = 𝑃𝑃𝑜𝑖𝑠𝑠𝑜𝑛 𝑥 = 4; 𝜆 = 2.5 = 0.13360

Rta.: La probabilidad de que arriben exactamente 4 pacientes en media

hora es 0.1336
A una sala de urgencias llegan para atenderse en promedio 5 pacientes por
hora.
a) ¿Cuál es la probabilidad de que arriben exactamente 4 pacientes en
media hora?
b) ¿Cuál es la probabilidad de que arriben a lo sumo 6 pacientes en 45
minutos?

➢ La variable aleatoria es: cantidad de pacientes que llegan a urgencias

 la variable tiene distribución de Poisson
5 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 5 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
➢ Datos: b = 5 pacientes en 1 hora = =
60 𝑚𝑖𝑛𝑢𝑡𝑜𝑠
= 0.083333
1 ℎ𝑜𝑟𝑎

b) t = 45 𝑚𝑖𝑛𝑢𝑡𝑜𝑠  =
5 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
45 𝑚𝑖𝑛𝑢𝑡𝑜𝑠 = 3.75 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠
60 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

P(a lo sumo 6 pacientes en 45min) = 𝑃𝑃𝑜𝑖𝑠𝑠𝑜𝑛 𝑥 ≤ 6; 𝜆 = 3.75 = 0.91372

Rta.: La probabilidad de que arriben a lo sumo 6 pacientes en 45

minutos es 0.91372
Se capturaron, etiquetaron y liberaron cinco individuos de una población de animales
que se piensa están al borde de la extinción en una región para que se mezclen con la
población. Después de haber tenido la oportunidad de mezclarse y formar una
población de 25 animales, se selecciona una muestra aleatoria de 10 de éstos. ¿Cuál
es la probabilidad de haber elegido a lo sumo 3 animales etiquetados?

➢ Datos: población = 25 etiquetados = 5 elegidos = 10

➢ Variable aleatoria: cantidad de animales etiquetados en 10 (sin reposición)

 la variable tiene distribución Hipergeométrica

➢ 𝑃𝐻𝑖𝑝𝑒𝑟𝑔𝑒𝑜𝑚é𝑡𝑟𝑖𝑐𝑎 𝑥 ≤ 3; 𝑁 = 25; 𝑛 = 10; 𝑅 = 5 = 0.93597

Rta.: La probabilidad de haber elegido a lo sumo 3 animales etiquetados es

0.93597
Se supone que el 30% de los aspirantes para cierto trabajo industrial tienen un
entrenamiento avanzado en programación. Se toma una muestra al azar del
conjunto de aspirantes y se los entrevista uno tras otro. Si la empresa necesita
tres aspirantes con entrenamiento avanzado en programación. ¿Cuál es la
probabilidad que se encuentre al tercer aspirante con dicho entrenamiento en la
veinteava entrevista?

➢ Datos: 𝑝 = 0.30 𝑟 = 3
➢ Variable aleatoria: cantidad entrevistas para encontrar 3 aspirantes con entrenamiento
avanzado en programación  la variable tiene distribución Pascal

➢ 𝑃𝑃𝑎𝑠𝑐𝑎𝑙 𝑛 = 20; 𝑟 = 3; 𝑝 = 0.30 = 0.01074

Rta.: La probabilidad de que se encuentre al tercer aspirante con dicho

entrenamiento en programación en la veinteava entrevista es 0.01074
Una diferencia fundamental entre las variables aleatorias discretas (VAD) y
las continuas (VAC) es la manera de calcular las probabilidades.

VAD VAC

La función de probabilidad:

𝑛 𝑥 La función de densidad de
𝑓𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑥 = 𝑝 (1 − 𝑝)𝑛−𝑥 probabilidad:
𝑥

𝑒 −𝜆 𝜆𝑥
𝑓𝑃𝑜𝑖𝑠𝑠𝑜𝑛 𝑥 = No nos da las probabilidades
𝑥!
directamente
𝑅 𝑁−𝑅
𝑥 𝑥
𝑓𝐻𝑖𝑝𝑒𝑟𝑔𝑒𝑜𝑚é𝑡𝑟𝑖𝑐𝑎 𝑥 = 𝑁
𝑛

nos da la probabilidad de que la variable

asuma cierto valor
Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I
Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I

Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I - Cálculo I

Integral Definida
• En Cálculo I van a ver que: si 𝑓 𝑥 ≥ 0 ∀𝑥 ∈ 𝑎, 𝑏 , entonces el
valor del operador integral definida entre 𝒂 y 𝒃 es el área de la
región limitada por el grafico de 𝑓 y el eje 𝑥 en el intervalo 𝑎, 𝑏 .
𝑏

න 𝑓 𝑥 𝑑𝑥 = Á𝑟𝑒𝑎 𝑑𝑒𝑏𝑎𝑗𝑜 𝑑𝑒 𝑙𝑎 𝑓 𝑒𝑛𝑡𝑟𝑒 𝑎 𝑦 𝑏

𝑎

Cálculo I - Cálculo I - Cálculo I - Cálculo I Cálculo I - Cálculo I - Cálculo I - Cálculo I

 Variable Aleatoria Continua
x es V.A.C en [a, b] si existe f(x) tal que

f ( x)  0 si a xb Condición de NO Negatividad

b

 f ( x) dx = 1
a
Condición de Cierre

f(x) es la función de densidad de probabilidad.

x2

P ( x1  x  x2 ) =  f ( x) dx
x1
 x2

P ( x1  x  x2 ) =  f ( x) dx
x1

Representa la probabilidad
P(𝑥1 < 𝑥 < 𝑥2 )

y es el área debajo de 𝑓(𝑥) entre 𝑥1 𝑦 𝑥2

𝑥1 𝑥2
La distribución normal,
es quizás , una de las
mas importantes ,dado Por ejemplo:
que es un modelo Altura y peso de las
teórico que se presenta personas,
con extraordinaria Calificaciones de los
frecuencia como exámenes,
función de densidad de Mediciones
probabilidad de las científicas,
variables aleatorias Precipitación pluvial,
continuas que se Etc.
estudian en todas las
ciencias.
La distribución normal,
es quizás , una de las
mas importantes ,dado
que es un modelo
teórico que se presenta
con extraordinaria
frecuencia como
función de densidad de
probabilidad de las
variables aleatorias función de densidad de probabilidad es:
continuas que se 1  x− 
2

estudian en todas las 1 −  

2  
ciencias. f ( x) = e
2
Función de densidad de probabilidad

1  x− 
2

1 −  
2  
f ( x) = e
2
 Características de la distribución Normal

1  x− 
2

1 −  
2  
f ( x) = e
2
𝜇

Tiene dos parámetros: 𝜇 𝑦 𝜎

El punto mas alto de la curva normal se encuentra en x = 𝜇
La media, la mediana y el modo coinciden x = 𝜇
La distribución normal es simétrica, es asintótica al eje x hacia
ambos lados ±∞
 𝑥~𝑁𝑜 𝜇; 𝜎

La variable aleatoria x se distribuye

normalmente con media μ y desvío 

x2

P ( x1  x  x2 ) =  f ( x) dx
x1
 1  x− 
2
x2 x2
1 −  
 f ( x) 
2  
dx = e dx
x1 x1 2
x−
z= VARIABLE


ESTANDARIZADA

z2 z2 1 2
1 − z

z1
f ( z ) dz = 
z1 2
e 2
dz
DISTRIBUCIÓN
NORMAL
ESTANDARIZADA

𝑧~𝑁𝑜(𝜇 = 0; 𝜎 = 1)
 f(x)

0
𝑥1 𝑥2
𝑥1 +∞
𝑥2
𝑃 𝑥 < 𝑥1 = න 𝑓(𝑥) 𝑃 𝑥 > 𝑥2 = න 𝑓(𝑥)
𝑃 𝑥1 < 𝑥 < 𝑥2 = න 𝑓(𝑥)
−∞ 𝑥2
𝑥1
 DISTRIBUCIÓN NORMAL EXCEL
PNO(x; ; ) = DISTR.NORM(x; ;  ;acum)
=DISTR.NORM.N(x; ;  ;acum)

X “x” Es el valor cuya distribución desea obtener.

f(X)

Media “” Es la media aritmética de la distribución.

Desv_estándar “” Es la desviación estándar de la distribución. X 0

Acum VERDADERO, devuelve la integral desde -

FALSO, devuelve la imagen de la función de probabilidad normal; f(x).
 𝑥2

𝑃 𝑥1 ≤ 𝑥 ≤ 𝑥2 = න 𝑓(𝑥)
𝑥1
DISTR.NORM.N(x2; ;; VERDADERO)−DISTR.NORM.N(x1; ;; VERDADERO)

f(x)

0
𝑥1 𝑥2

𝑥1 +∞

𝑃 𝑥 ≤ 𝑥1 = න 𝑓(𝑥) 𝑃 𝑥 ≥ 𝑥2 = න 𝑓(𝑥)
−∞ 𝑥2

DISTR.NORM.N(x1; ;;VERDADERO) 1−DISTR.NORM.N(x2; ;; VERDADERO)

 x = DISTR.NORM.INV (P; ;  )
= INV.NORM (P, , )

Probabilidad Es una probabilidad correspondiente a la distribución normal.

Media “” Es la media aritmética de la distribución. f(X)

Desv_estándar “” Es la desviación estándar de la distribución.

X 0
APP PROBABILITY DISTRIBUTIONS
APP PROBABILITY DISTRIBUTIONS
Problema 1:

Según el Instituto de Investigación del Sueño, el promedio de sueño nocturno

en un adulto es de 6.8 horas. Suponga que el desvío estándar es de 0.6
horas y que la distribución de probabilidad es normal.
a) ¿Cuál es la probabilidad de que una persona adulta seleccionada al azar
duerma mas de 8 horas?
b) ¿Cuál es la probabilidad de que duerma 6 horas o menos?
c) Los médicos sugieren dormir entre 7 y 8 horas cada noche.
¿Qué porcentaje de la población adulta cumpliría con dicha sugerencia?

x:horas de sueño x  Normalmente (𝜇 = 6.8; 𝜎 = 0.6) ℎ𝑜𝑟𝑎𝑠

 x:horas de sueño x  Normalmente (𝜇 = 6.8; 𝜎 = 0.6) ℎ𝑜𝑟𝑎𝑠

a) ¿Cuál es la probabilidad de que una persona adulta seleccionada al azar

duerma mas de 8 horas?

𝑃𝑁𝑂(𝑥 > 8/ 𝜇 = 6.8;  = 0.6) = 0.02275

Rta.: La probabilidad de que una persona seleccionada al azar duerma

mas de 8 horas es 0.02275
x:horas de sueño x  Normalmente (𝜇 = 6.8; 𝜎 = 0.6) ℎ𝑜𝑟𝑎𝑠

b) ¿Cuál es la probabilidad de que duerma 6 horas o menos?

𝑃𝑁𝑂(𝑥 < 6/ 𝜇 = 6.8;  = 0.6) = 0.0912

Rta.: La probabilidad de que duerma 6 horas o menos es 0.0912

 x:horas de sueño x  Normalmente (𝜇 = 6.8; 𝜎 = 0.6) ℎ𝑜𝑟𝑎𝑠

c) Los médicos sugieren dormir entre 7 y 8 horas cada noche. ¿Qué

porcentaje de la población adulta cumpliría con dicha sugerencia?

𝑃𝑁𝑂(7 < 𝑥 < 8/ 𝜇 = 6.8; 𝜎 = 0.6) = 𝑃𝑁𝑜 𝑥 < 8 − 𝑃𝑁𝑜 𝑥 < 7

= 0.97725 − 0.63056 = 0.34669 34.669 %

Rta.: El porcentaje de la población que dormiría entre 7 y 8 horas

cada noche es de 34.67%
Problema 2:

En junio de 2020, el empleado pasó un promedio de 88 horas

conectado a Internet mientras trabajaba. Suponga que la media
poblacional es 88 horas, los tiempos están distribuidos normalmente y el
desvío estándar es de 23 horas.
a) ¿Cuál es la probabilidad de que en junio de 2020 un empleado
seleccionado al azar pasara menos de 50 horas conectado a Internet?
b) ¿Qué porcentaje de empleados pasó mas de 100 horas conectado a
Internet en dicho mes?
c) Una persona es calificada como usuario intensivo si está en el 20%
superior de uso. En el mes de referencia, ¿cuántas horas tuvo que
conectarse un empleado para que se le considerara un usuario
intensivo?

VA: tiempo conectado a Internet~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 88; 𝜎 = 23 horas

a) ¿Cuál es la probabilidad de que en junio de 2020 un empleado seleccionado
al azar pasara menos de 50 horas conectado a Internet?

VA: tiempo conectado a Internet~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 88; 𝜎 = 23 horas

𝑃𝑁𝑂 (𝑥 < 50/ 𝜇 = 88;  = 23) = 0. 04925

Rta.: La probabilidad de que un empleado pasara menos de 50 horas

conectado a Internet es 0.0492
b) ¿Qué porcentaje de empleados pasó mas de 100 horas conectado a
Internet en dicho mes?

VA: tiempo conectado a Internet~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 88; 𝜎 = 23 horas

𝑃𝑁𝑂 (𝑥 > 100/ 𝜇 = 88;  = 23) = 1 − 0. 69907

= 0. 30093

Rta.: El porcentaje de empleados pasó mas de 100 horas

conectado a Internet en dicho mes es 30%
c) Una persona es calificada como usuario intensivo si está en el 20%
superior de uso. En el mes de referencia, ¿cuántas horas tuvo que
conectarse un empleado para que se le considerara un usuario
intensivo?

VA: tiempo conectado a Internet~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 88; 𝜎 = 23 horas

20%

𝑃𝑁𝑂(𝑥 > 𝑥0 /  = 88;  = 23) = 0.20 → 𝑥0 = 107.35729

Rta.: tuvo que conectarse por lo menos 107.36 horas para que se
le considerara un usuario intensivo.
Problema 3:

Una fábrica produce pistones cuyos diámetros se distribuyen

normalmente con un diámetro promedio de 5 cm y un desvío estándar
de 0.001 cm.
Para que un pistón sea útil, su diámetro debe encontrarse entre 4.998 y
5.002 cm. Si el diámetro del pistón es menor de 4.998, éste se desecha,
y si es mayor de 5.002 se puede reprocesar. Se elige un pistón al azar,
a) ¿cuál es la probabilidad de que deba desecharse?
b) ¿cuál es la probabilidad de que sea útil?
c) ¿Cuál es el diámetro mínimo del 5% de los pistones que deben
reprocesarse?
d) Si se eligen 15 pistones al azar, ¿cuál es la probabilidad de que uno
de ellos sea desechable?

Variable aleatoria: diámetro ~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 5; 𝜎 = 0.001 𝑐𝑚

Se elige un pistón al azar,
a) ¿cuál es la probabilidad de que deba desecharse?

¿cuál es la probabilidad de que el diámetro del pistón < 4.998?

Variable aleatoria: diámetro ~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 5; 𝜎 = 0.001 𝑐𝑚

PNO(x<4.998/ =5; =0.001) = 0.02275

Rta.: La probabilidad de que el pistón deba desecharse es 𝟎. 𝟎𝟐𝟐𝟕𝟓.

Se elige un pistón al azar,
b) ¿cuál es la probabilidad de que sea útil?

¿cuál es la probabilidad de que diámetro esté entre 4.998 y 5.002 cm?

Variable aleatoria: diámetro ~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 5; 𝜎 = 0.001 𝑐𝑚

𝑃𝑁𝑂 (4.998 < 𝑥 < 5.002/ 𝜇 = 5; 𝜎 = 0.001) = 0.97725 − 0.02275

= 0.9545

Rta.: La probabilidad de que un pistón sea útil es de 𝟎. 𝟗𝟓𝟒𝟓 .

c) ¿Cuál es el diámetro mínimo del 1% de los pistones que deben
reprocesarse?

Si el diámetro del pistón es mayor de 5.002 se puede reprocesar

Se reprocesan los pistones de diámetro mayores

𝑃𝑁𝑂 (𝑥 > 𝑥𝑝 /  = 5;  = 0.001) = 0.01 ↣ 𝑥𝑝 = 5.00233

Rta.: el diámetro mínimo del 1% de los pistones que deben

reprocesarse es 𝟓. 𝟎𝟎𝟐𝟑𝟑 cm.
d) Si se eligen 15 pistones al azar, ¿cuál es la probabilidad de que uno

de ellos sea desechable?

VARIABLE ALEATORIA: cantidad de pistones desechables en 15

observaciones independientes

𝑃𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑥 = 1; 𝑛 = 15; 𝑝 = 0.0227 = 𝟎. 𝟐𝟒𝟔𝟖𝟗

Rta: la probabilidad de que uno de ellos sea desechable es 0. 𝟐𝟒𝟔𝟖𝟗.

Problema 4:

El tiempo necesario para completar un examen final en un curso universitario

está distribuido normalmente con media 80 minutos y desvío estándar 10
minutos.
a) ¿Cuál es la probabilidad de completar el examen en una hora o menos?
b) ¿Cuál es la probabilidad de que un estudiante termine el examen en mas
de 60 minutos pero en menos de 75 minutos?
c) Suponga que la clase tiene 60 estudiantes y el período de examen dura 90
minutos. ¿Cuántos estudiantes esperaría usted que lo completaran en el
tiempo asignado?
d) Si se elije al azar uno de los estudiantes que terminó el examen que
duraba 90 minutos, ¿cuál es la probabilidad de que haya tardado mas de
50 minutos en terminar su examen?

Variable aleatoria: tiempo ~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 80; 𝜎 = 10 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

MegaStat
 a) ¿Cuál es la probabilidad de completar el examen
en una hora o menos?

Variable aleatoria: tiempo ~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 80; 𝜎 = 10 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

𝑃𝑁𝑂 (𝑥 < 60/ 𝜇 = 80;  = 10) = 0.0228

Normal distribution
P(lower) P(upper) z X mean std.dev
.0228 .9772 -2.00 60 80 10
f(z)

z -3 -2 -1 0 1 2 3
-2.00

Normal distribution
P(lower)
.0228
P(upper)
.9772
z
-2.00
X
60
mean std.dev
80 10 MegaStat
 b) ¿Cuál es la probabilidad de que un estudiante termine el
examen en mas de 60 minutos pero en menos de 75
minutos?

Variable aleatoria: tiempo ~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 80; 𝜎 = 10 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

𝑃𝑁𝑂 (60 < 𝑥 < 75/ 𝜇 = 80; 𝜎 = 10) =

𝑃𝑁𝑂 𝑥 < 75 − 𝑃𝑁𝑂 𝑥 < 60 = 0.3085 − 0.0228= 0.2857

f(z)

P(lower) P(upper) X
.0228 .9772 60
.3085 .6915 75

z -3 -2 -1 0 1 2 3
-2.00 -0.50

Normal distribution
P(lower) P(upper) z X mean std.dev
MegaStat
.0228 .9772 -2.00 60 80 10
.3085 .6915 -0.50 75 80 10
c) Suponga que la clase tiene 60 estudiantes y el período de
examen dura 90 minutos. ¿Cuántos estudiantes esperaría
usted que lo completaran en el tiempo asignado?
Variable aleatoria: cantidad de alumnos que terminan el examen a tiempo
~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑛 = 60; 𝑝 =?
𝑝 = 𝑃 1 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒 𝑡𝑒𝑟𝑚𝑖𝑛𝑒 𝑎 𝑡𝑖𝑒𝑚𝑝𝑜 = 𝑃𝑁𝑂 (𝑥 < 90/ 𝜇 = 80;  = 10)
= 0.8413
𝐸𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑟 = 𝑛. 𝑝 = 60 × 0.8413 = 𝟓𝟎. 𝟒𝟕𝟖
Binomial distribution (n = 60, p = 0.8413)
50.478 expected value
8.011 variance
2.830 standard deviation

P(lower) P(upper) X
MegaStat
.8413 .1587 90
 d) Si se elije al azar uno de los estudiantes que
terminó el examen que duraba 90 minutos, ¿cuál
es la probabilidad de que haya tardado mas de 50
minutos en terminar su examen?

Variable aleatoria: tiempo ~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 80; 𝜎 = 10 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

𝑥 > 50 𝑃 50 < 𝑥 < 90 0.8413 − 0.0013

𝑃 ൗ𝑥 < 90 = =
𝑃 𝑥 < 90 0.8413
= 𝟎. 𝟗𝟗𝟖𝟒𝟓
P(lower)P(upper) X
.8413 .1587 90
.0013 .9987 50

MegaStat
 Problema 5:

El dispositivo automático de apertura de un paracaídas militar de carga se

ha diseñado para abrirse cuando se encuentre a 200 m de altura. Suponga
que la altitud de apertura tiene una distribución normal con media 200 m y
desvío estándar 30 m. Habrá daño al equipo si el paracaídas se abre a una
altitud menor de 100 m, ¿Cuál es la probabilidad de que haya daño a la
carga en al menos uno de cinco paracaídas lanzados independientemente?

altitud de apertura ~𝑁𝑜𝑟𝑚𝑎𝑙 𝜇 = 200; 𝜎 = 30 𝑚 Hay daño si altitud < 100 𝑚

Variable aleatoria: cantidad cargas dañadas en 5 lanzamientos independientes

~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑛 = 5, 𝑝 =?

𝑝 = 𝑃(𝑢𝑛 𝑙𝑎𝑛𝑧𝑎𝑚𝑖𝑒𝑛𝑡𝑜 𝑑𝑎ñ𝑎𝑑𝑜) = 𝑃𝑁𝑜 (𝑥 < 100; 𝜇 = 200; 𝜎 = 30) = 0.00043

𝑃𝐵𝑖 𝑟 ≥ 1; 𝑛 = 5; 𝑝 = 0.00043 = 0.00215
Rta: la probabilidad de que haya daño a la carga en al menos uno de cinco paracaídas
lanzados independientemente es 0.00215
 SUMA DE VARIABLES NORMALES
INDEPENDIENTES
Sean 𝑥1 𝑦 𝑥2 variables aleatorias normales:

𝑥1 ~ 𝑁 𝜇1 ; 𝜎1 𝑥2 ~ 𝑁 𝜇2 ; 𝜎2

𝑦 = 𝑥1 ± 𝑥2 𝑦 ~ 𝑁𝑜𝑟𝑚𝑎𝑙

𝜇𝑦 = 𝜇1 ± 𝜇2

𝜎𝑦2 = 𝑉 𝑦 = 𝜎12 + 𝜎22

 SUMA DE VARIABLES NORMALES
INDEPENDIENTES

Sean 𝑥𝑖 , n variables aleatorias cuya distribución es

desconocida pero tienen media  y desvío 

Si n>30 puede considerarse (por el Teorema Central

del Límite) que la variable 𝑦 = σ𝑛 𝑥𝑖 tiene
distribución normal.
Problema 6:
Estoy en la Facultad de Ingeniería y tengo tres recados que atender en el
edificio del Rectorado. Sea 𝑥𝑖 : “el tiempo que toma el i-ésimo recado”
𝑖 = 1, 2, 3 , y sea 𝑥4 : “el tiempo que utilizo para caminar hacia y desde el
Rectorado a la Facultad” Supongamos que las 𝑥𝑖 son independientes y
normalmente distribuidas con los siguientes parámetros:
𝜇1 = 15 𝑚𝑖𝑛, 𝜎1 = 4 𝑚𝑖𝑛, 𝜇2 = 5 𝑚𝑖𝑛, 𝜎2 = 1 𝑚𝑖𝑛,
𝜇3 = 8 𝑚𝑖𝑛, 𝜎3 = 2 𝑚𝑖𝑛, 𝜇4 = 12 𝑚𝑖𝑛, 𝜎4 = 3 𝑚𝑖𝑛.
Pienso salir del aula exactamente a las 10 hs y deseo pegar una nota en la
puerta que dice: “regreso a las t hs” ¿A qué hora t debo escribir si deseo que
la probabilidad de llegar tarde sea 0.01?
𝑇 = 𝑥1 + 𝑥2 + 𝑥3 + 𝑥4 ~𝑁𝑜𝑟𝑚𝑎𝑙
𝜇 𝑇 = 𝜇1 + 𝜇2 + 𝜇3 + 𝜇4 = 15 + 5 + 8 + 12 = 40
𝜎𝑇2 = 𝜎12 + 𝜎22 + 𝜎32 + 𝜎42 = 42 + 12 + 22 + 32 = 30 → 𝜎𝑇 = 5.4772256
𝑇 ~ 𝑁(𝜇 = 40; 𝜎 = 5.4772256)
 𝑇 ~ 𝑁(𝜇 = 40; 𝜎 = 5.4772256)

¿A qué hora t debo escribir si deseo que la probabilidad de llegar tarde sea 0.01?
0.01

𝑃𝑁𝑂 (𝑇 > 𝑡/ 𝜇 = 40; 𝜎 = 5.4772256) = 0.01 ↣ 𝑡 = 52.74193 min.

Rta.: La nota dirá “regreso a las 10.53 hs”

 Problema 7:
El ancho del marco de una puerta tiene distribución normal con media 24
pulgadas y desvío estándar de 1/8 de pulgada. El ancho de la puerta tiene una
distribución normal con media 23.875 pulgadas y desvío estándar de 1/16 de
pulgadas. Suponer independencia.
a) Determinar la distribución, la media y el desvío estándar de la diferencia
entre el ancho del marco y de la puerta.
b) ¿Cuál es la probabilidad de que la diferencia entre el ancho del marco y de
la puerta sea mayor de ¼ de pulgada?
c) ¿Cuál es la probabilidad de que la puerta no quepa en el marco?

a) 𝑥𝑚𝑎𝑟𝑐𝑜 ~ 𝑁 𝜇 = 24; 𝜎 = 1/8 𝑝𝑢𝑙𝑔𝑎𝑑𝑎𝑠 𝑦 = 𝑥𝑚 − 𝑥𝑝

𝑥𝑝𝑢𝑒𝑟𝑡𝑎 ~ 𝑁 𝜇 = 23.875; 𝜎 = 1/16 𝑝𝑢𝑙𝑔𝑎𝑑𝑎𝑠 𝑦 ~ 𝑁𝑜𝑟𝑚𝑎𝑙

𝜇𝑦 = 𝜇𝑚 − 𝜇𝑝 = 24 − 23.875 = 0.125 𝑦 ~ 𝑁(𝜇 = 0.125; 𝜎 = 0.139754)

𝜎𝑦2 = 𝜎𝑚
2 + 𝜎2
𝑝 = (1/8)2 +(1/16)2 = 0.01953125 𝜎𝑦 = 0.139754
b) ¿Cuál es la probabilidad de que la diferencia entre el ancho del marco
y de la puerta sea mayor de ¼ de pulgada?

𝑦 ~ 𝑁(𝜇 = 0.125; 𝜎 = 0.139754)

𝑃𝑁𝑂 (𝑦 > 0.25/ 𝜇 = 0.125; 𝜎 = 0.139754) = 0. 18555

Rta.: La probabilidad de que la diferencia entre el ancho del marco y

de la puerta sea mayor de ¼ de pulgada es 𝟎. 𝟏𝟖𝟓𝟓𝟓
c) ¿Cuál es la probabilidad de que la puerta no quepa en el marco?

𝑦 ~ 𝑁(𝜇 = 0.125; 𝜎 = 0.139754)

𝑃𝑁𝑂 (𝑦 < 0/ 𝜇 = 0.125; 𝜎 = 0.139754) = 0. 18555

Rta.: La probabilidad de que la puerta no quepa en el marco es 𝟎. 𝟏𝟖𝟓𝟓𝟓

¿Qué aprendimos hoy?

• Variable aleatoria continua

• Distribución normal
• Suma de variables aleatorias
Normales e independientes
• Excel
• Probability Distributions
• MegaStat
Prof. Mónica Demmler