Documentos de Académico
Documentos de Profesional
Documentos de Cultura
1. Introducción
En la Unidad 3 comenzamos a estudiar la teoría de las probabilida-
des, como nexo entre la estadística descriptiva y la estadística inferencial.
En esta Unidad trabajaremos dentro de las distribuciones de probabilidad
con modelos especiales para variables discretas y continuas.
PROBABILIDAD
Modelos de
probabilidad
Ω = {𝐸, 𝐹}
𝑌: 0,1
𝑝 = 𝑃(𝐸)
1 − 𝑝 = 𝑞 = 𝑃(𝐹)
Función de probabilidad
Ω yi p(yi)
E 1 p
F 0 q
P(x) 1
0
0 1 2
x
Dicha función cumple con las condiciones necesarias para ser fun-
ción de probabilidad, dado que:
1) 𝑃(𝑌 = 𝑦) = 𝑝 𝑦 (1-p)1−𝑦 ≥ 0
Función de distribución
1−𝑝 𝑦=0
𝐹(𝑦) = {
1 𝑦=1 225
Obviamente, que no tiene sentido la función de distribución para
una variable bipuntual, pero el razonamiento nos permite recordar lo visto
en la unidad anterior y aplicarlo en el transcurso del presente (Gráfico
5.2).
Gráfico 5.2 Función de Distribución
Bipuntual
F(x) 1
0
0 1 2
x
𝐸(𝑌) = 𝑝
𝑉(𝑌) = 𝑝. (1 − 𝑝)
= 0 + 1. 𝑝1 . (1 − 𝑝)0 = 𝑝
Es decir,
𝐸(𝑌) = 𝑝
𝐸(𝑌 ) = ∑ 𝑦 2 . 𝑝 𝑦 (1 − 𝑝)1−𝑦
2
𝑦=0
= 12 . 𝑝. (1 − 𝑝)0 = 𝑝
Entonces
226 𝑉(𝑌) = 𝑝 − 𝑝2 = 𝑝. (1 − 𝑝)
Es decir,
𝑉(𝑌) = 𝑝. (1 − 𝑝) = 𝑝. 𝑞
Unidad 5: Modelos de Probabilidad
𝑦1 = 𝑐𝑜𝑚𝑝𝑟𝑎
𝑦2 = 𝑛𝑜 𝑐𝑜𝑚𝑝𝑟𝑎
yi P(yi)
0 0,20
1 0,80
𝐸(𝑌) = 0,80
𝑉(𝑌) = 𝑝(1 − 𝑝)
𝑉(𝑌) = 0,16 227
Función de probabilidad
𝑋 = 0,1,2, 3
Pruebas
1ra 2da 3ra 229
E E F
E F E
F E E
De esta manera cada una de ellas está formada por tres eventos
simples que tienen las probabilidades asociadas p y q según corresponda.
En este caso:
Probabilidades asociadas
1ra 2da 3ra
p p q
p q p
q p p
x n-x
Dicha función cumple con las condiciones necesarias para ser fun-
ción de probabilidad ya que es siempre positiva y la suma para todos los
valores de X es igual a 1:
xi p (xi)
0 0.047
1 0.187
2 0.311
3 0.276
4 0.138
5 0.037
6 0.004
1
Función de distribución
0xn
xi p (xi) F(xi)
0 0.047 0.047
1 0.187 0.234
2 0.311 0.545 231
3 0.276 0.821
4 0.138 0.959
5 0.037 0.996
6 0.004 1
1
Gráfico 5.4 Función de Distribución Binomial
F(x) 1,2
1
0,8
0,6
0,4
0,2
0
0 2 4 6
𝑌1 , 𝑌2 , . . . , 𝑌𝑛
𝑋 = ∑ 𝑌𝑖
𝑖=1
𝐸(𝑋) = 𝐸(∑ 𝑌𝑖 )
𝑖=1
𝐸(𝑋) = ∑ 𝐸(𝑌𝑖 )
232 𝑖=1
𝐸(𝑋) = 𝑛𝑝
Unidad 5: Modelos de Probabilidad
𝑉(𝑋) = 𝑉(∑𝑛𝑖=1 𝑌𝑖 )
𝑛
𝑉(𝑋) = ∑ 𝑉(𝑌𝑖 )
𝑖=1
𝑉(𝑋) = 𝑛 𝑝 (1 − 𝑝)
𝑃(𝑋 = 2, 𝑛 = 3, 𝑝 = 0,5)
𝑃(𝑋 = 2) = 0,375
1
Esto es, una vez elegida una bolilla es incorporada otra vez a la urna, de manera tal que
puede ser nuevamente seleccionada.
3. Se les pregunta a los ingresantes a la Facultad de Ciencias Econó-
micas de un año determinado, sobre sus conocimientos de francés.
Se conoce que el 20% del total de escuelas secundarias enseñan
este idioma. Si se seleccionan 20 ingresantes al azar, con reem-
plazo, suponiendo que los alumnos tienen igual probabilidad de
provenir de cualquiera de las escuelas secundarias ¿cuál es la pro-
babilidad de que haya por lo menos 5 que conozcan el idioma?
𝑃(𝑋 ≤ 2, 𝑛 = 3, 𝑝 = 0,5)
P(x) 0,4
0,3
0,2
0,1
235
0
0 2 4 6 8 10
x
Gráfico 5.6 Función de cuantía Binomial
(p=0,50 n=20)
P(x) 0,2
0,1
0
0 2 4 6 8 10 12 14 16 18 20
x
P(x)
0,4
0,3
0,2
0,1
0
0 2 4 6 8 10 12
0,2
0,1
236 0
0 10 20 30
x
0,3
0,2
0,1
0
0 2 4 6 8 10 12
0,2
0,1
0
0 2 4 6 8 10 12 14 16 18 20
x
237
Gráfico 5.11 Función de cuantía Binomial
(p= 0,50 n =30)
P(x)
0,2
0,15
0,1
0,05
0
0 5 10 15 20 25 30
x
0,15
0,1
0,05
0
0 5 10 15 20 25 30
0,15
0,1
0,05
0
0 5 10 15 20 25 30
Ejemplo:
A los fines de consolidar el trabajo con problemas y afianzar el
cálculo de probabilidades, trabajaremos con la siguiente actividad:
239
x 0 1 2 … 5 6 7 8
n-x 8 7 6 … 3 2 1 0
Actividad 2:
Una empresa de transporte interurbano de pasajeros considera que el 90%
de sus colectivos llega puntualmente a destino en un día.
Actividad 3:
Un examen de opción múltiple está compuesto por 15 preguntas, con cinco
respuestas posibles cada una, de las cuales solamente una es correcta.
Suponga que uno de los estudiantes que realiza el experimento contesta
las preguntas al azar. ¿Cuál es la probabilidad de que conteste correcta-
mente al menos 10 preguntas?
Analice previamente si se dan las condiciones para que la variable sea
binomial.
Actividad 4:
Un fabricante de cera para pisos desarrolla dos nuevos productos A y B,
que desea someter a la evaluación de los consumidores para determinar
cuál es la mejor. Las dos ceras se aplican en los pisos de 15 casas. Se
supone que no hay diferencia de calidad entre las dos marcas:
240
a) ¿Cuál es la probabilidad de que 10 o más amas de casa prefieran
la marca A?
b) ¿Cuál es la probabilidad de que 10 o más amas de casa prefieran
la marca A ó B?
c) ¿Cuál es la probabilidad de que 8 o más amas de casa prefieran la
marca A?
Unidad 5: Modelos de Probabilidad
Actividad 5:
El Gerente de Comercialización de una pañalera, piensa que el
10% de los supermercados dejarán de comprar su producto, de-
bido a que se ha lanzado al mercado una nueva marca que se está posi-
cionando fuertemente.
Actividad 6:
¿Qué puede concluir respecto a la forma en las siguientes distribuciones
de probabilidad?
𝑋~𝐵(40,0,50)
𝑋~𝐵(80,0,50)
𝑋~𝐵(160,0,50)
Función de probabilidad
Población Muestra
Totalidad de elementos N n
Grupo considerado éxito K X
Grupo considerado fracaso N-K n-X
𝐶𝐾𝑥 𝐶𝑁−𝐾
𝑛−𝑥
(0, 𝑛 − (𝑁 − 𝐾)) ≤ 𝑥 ≤ min
𝑝𝑎𝑟𝑎: max (𝑛, 𝐾)
𝐶𝑁𝑛
P(x) =
0 otro valor
Esta función cumple las dos condiciones para ser función de probabilidad:
𝑥 𝑛−𝑥
𝐶𝐾 𝐶𝑁−𝐾
1) 𝑝(𝑥) = 𝑛 ≥0
𝐶𝑁
min (𝑥,𝐾)
2) ∑𝑥=max(0, 𝑛−(𝑁−𝐾)) 𝑝(𝑥) = 1
La función de distribución
𝐸(𝑋) = 𝑛𝑝
𝐾
𝐸(𝑋) = 𝑛 243
𝑁
𝐾 𝑁−𝐾 𝑁−𝑛
𝑉(𝑋) = 𝑛 ( )
𝑁 𝑁 𝑁−1
Observar que además de reemplazar a p y q por sus análogos, he-
mos agregado respecto a la varianza de la variable binomial el factor de
corrección para poblaciones finitas (F.C.P.F):
𝑁−𝑛
𝑁−1
Actividad 8:
Un estudio jurídico tiene actualmente 18 causas judiciales iniciadas, 8 de
ellas han estado en el estudio por 6 años o más. El titular del estudio desea
seleccionar 4 de ellas para agilizar el proceso.
N= 18 causas
judiciales
K= 10 causas N - K=
menos antiguas
n= 4 causas
judiciales
x= n-x=
Actividad 9:
En una encuesta de opinión sobre el uso de determinado producto para
jardín, se han utilizado los datos de un censo de viviendas identificadas en
una manzana en particular, en la cual existen 15 casas y 18 departamen-
tos.
246
a) ¿Cuál es la probabilidad, de que en una muestra de 8 viviendas
diferentes haya 6 departamentos?
b) ¿Cuál es la probabilidad de que en esa muestra haya un 50 % de
casas?
c) ¿Cuántas casas se espera encuestar en dicha muestra, ya que son
los potenciales clientes del producto?
Unidad 5: Modelos de Probabilidad
Actividad 10:
Una ferretería industrial cuenta con 10 impresoras, 4 de las cua-
les están defectuosas. La empresa selecciona al azar 5 de las máquinas
pensando en que todas están en condiciones de trabajar:
Función de probabilidad
𝑒 −𝜇 𝜇 𝑥
𝑝𝑎𝑟𝑎 𝜇 = 𝜆ℎ 𝑥 = 0,1,2, . . .
𝑥!
𝑃(𝑋 = 𝑥) = 𝑝(𝑥) =
𝑒 −𝜆 𝜆𝑥
{ 𝑥! 𝑝𝑎𝑟𝑎 ℎ = 1 𝑥 = 0,1,2, . . .
0,25
0,2
0,15
P(x)
0,1
0,05
0
0 2 4 6 8 10 12 14 16
x
Función de distribución
u − x
P ( X u) = e
x =o x!
𝐸(𝑋) = ∑ 𝑥𝑃(𝑥)
𝑥=0
−
Si extraemos fuera del sumatorio, la expresión e , ya que la misma
x
es constante respecto a esta suma y escribimos a y a x! con expre-
siones equivalentes, tales como:
1)𝜇 𝑥 = 𝜇𝜇 𝑥−1
249
2)𝑥! = 𝑥(𝑥 − 1)!
𝐸(𝑋) = 𝜇
∞
2
𝑥 2 𝑒 −𝜇 𝜇 𝑥
𝐸(𝑋 ) = ∑
𝑥!
𝑥=0
Ahora vamos a reemplazar algunas expresiones por otras equivalen-
tes, a los fines de poder trabajar algebraicamente.
Reemplazando:
𝑥! = 𝑥(𝑥 − 1)(𝑥 − 2)!
𝜇 𝑥 = 𝜇 𝑥−2 𝜇2
𝑥(𝑥−1)𝜇𝑥−2 𝜇2
𝐸(𝑋 2 ) = 𝑒 −𝜇 ∑∞
𝑥=0 𝑥(𝑥−1)(𝑥−2)!
+𝜇
∞
2 −𝜇 2
𝜇 𝑥−2
𝐸(𝑋 ) = 𝑒 𝜇 ∑ +𝜇
(𝑥 − 2)!
𝑥=0
250
El sumatorio es nuevamente, el desarrollo en serie del número e,
elevado al parámetro, por lo tanto:
𝐸(𝑋 2 ) = 𝑒 −𝜇 𝜇2 𝑒 𝜇 + 𝜇
𝐸(𝑋 2 ) = 𝜇2 + 𝜇
Unidad 5: Modelos de Probabilidad
𝑉(𝑋) = 𝜇2 + 𝜇 − 𝜇2
𝑉(𝑋) = 𝜇
251
0,2
P(x)
0,1
0
0 2 4 6 8 10 12 14
x
0,2
0,15
P(x) 0,1
0,05
0
0 5 10 15 20
0,1
0,08
0,06
P(x) 253
0,04
0,02
0
-5 5 15 25 35 45
x
Podemos observar que, en la primera gráfica, la distribución Poisson
es asimétrica derecha. Pero a medida que el promedio de éxitos en un
intervalo se va incrementando, tiende a ser simétrica, como se observa en
los gráficos siguientes.
n → y p → 0 , respectivamente.
𝜇𝑥 𝑛! 𝜇 𝑛 𝜇 −𝑥
lim 𝑝𝑏𝑖𝑛 (𝑥) = 𝑙𝑖𝑚 [ (1 − ) (1 − ) ]
𝑥! (𝑛 − 𝑥)! 𝑛 𝑥 𝑛 𝑛
𝑥
𝜇 𝑛! 𝜇 𝑛 𝜇 −𝑥
= 𝑙𝑖𝑚 𝑙𝑖𝑚 (1 − ) 𝑙𝑖𝑚 (1 − )
254 𝑥! (𝑛 − 𝑥)! 𝑛 𝑥 𝑛 𝑛
𝑥 −𝜇
𝜇 𝑒
lim 𝑝𝑏𝑖𝑛 (𝑥) =
𝑥!
Unidad 5: Modelos de Probabilidad
𝜇 = 100.000 (0,00001)
𝜇=1
𝑃(𝑋 = 4, 𝜇 = 1) = 0,0153
Actividad de ejemplo:
𝑎)𝑃(𝑋 = 3, 𝜇 = 5) = 0,1404
𝑏)𝑃(𝑋 ≥ 2, 𝜇 = 5) = 1 − 𝑃(𝑋 ≤ 1) = 1 − 0,0404 = 0,9596
𝑐)𝑃(𝑋 ≤ 4, 𝜇 = 5) = 0,4405
𝑑)𝑃(2 < 𝑋 < 5, 𝜇 = 5) = 𝑃(𝑋 ≤ 4) − 𝑃(𝑋 ≤ 2) = 0,4405 − 0,1247
= 0,3158
Actividad 11:
Una empresa dedicada a la fabricación de bombitas de luz es-
tima que el 3% de sus productos son defectuosos. Un nuevo cliente desea
verificar lo manifestado por la empresa. Para ello, toma una muestra al azar
de 100 bombitas y le propone que:
Actividad 12:
Una empresa concesionaria del sistema de peaje supone que en promedio
arriban a cierta estación 240 automóviles por hora. En base a esta apre-
ciación, defina la variable aleatoria “X” y calcule la probabilidad de que lle-
guen:
256
a) 4 autos en 1 minuto.
b) Ningún auto en 1 minuto.
c) No más de 7 autos en 5 minutos.
d) Entre 3 y 8 autos en 1 minuto.
e) Entre 5 y 10 autos en 5 minutos.
Unidad 5: Modelos de Probabilidad
Actividad 13:
El número de errores tipográficos cometidos en una página rea-
lizada por un alumno secundario tiene una distribución de Pois-
son, con un promedio de 4 errores por página. Si una página dada tiene
más de 4 errores, la profesora le baja un punto a la nota del informe ¿cuál
es la probabilidad de que la profesora no baje puntos?
Actividad 14:
Se conoce que las latas de tomate de cierta marca son tomadas de las
góndolas de un hipermercado para su compra a un promedio de 3 por hora
durante el horario de la tarde. Calcule la probabilidad que:
Actividad 15:
Una empresa distribuidora de ropa importada, recibe pedidos de sus clien-
tes telefónicamente. La demanda promedio es de 6 pedidos por día (8 ho-
ras de trabajo). Con esta información, se pide:
Actividad 16:
En una empresa financiera se estima en base a la experiencia que, del
total de préstamos personales que se otorgan, sólo el 0,02 de los tomado-
res no van a pagar el préstamo en el tiempo acordado. Si en un mes de-
terminado se otorgaron 50 préstamos, responda:
Entonces, una variable aleatoria continua T que toma todos los valo-
res no negativos tiene una distribución exponencial con parámetro>0 si su
función de densidad está dada por:
−𝜆𝑡
𝑓(𝑡) = {𝜆𝑒 𝑡≥0
0 ∀ 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟
1 −𝑡𝜇
𝑓(𝑡) = {𝜇 𝑒 𝑝/ 𝑡 > 0; 𝜇 > 0
0 ∀ otro valor
0,8
0,6
0,4
0,2
0
0 2 4 6
t
a) 𝑓(𝑡) ≥ 0
∞
b) ∫0 𝑓(𝑡) = 1
∞
∫ 𝜆𝑒 −𝜆𝑡 = 1 259
0
Demostración
∞ ∞
−𝜆𝑡
∫ 𝜆𝑒 𝑑𝑡 = 𝜆 ∫ 𝑒 −𝜆𝑡 𝑑𝑡
0 0
𝑑𝑢
ℎ𝑎𝑐𝑖𝑒𝑛𝑑𝑜 𝑢 = 𝜆𝑡 𝑒𝑛𝑡𝑜𝑛𝑐𝑒𝑠 𝑑𝑡 =
𝜆
𝜆 ∞ −𝑢
= ∫ 𝑒 𝑑𝑢 = −𝑒 −𝑢 |∞
0
𝜆 0
= − [𝑙𝑖𝑚 𝑒 −𝑢 − 𝑒 0 ] = 1
𝑢→∞
F(t
)
f(t)
1
𝐸(𝑇) = 𝜇 =
𝜆
Y la varianza es:
1
𝑉(𝑇) = 𝜇2 =
𝜆2
Forma de la distribución
f(t)
=0,02
=0,0143
=0,01
261
La probabilidad solicitada con InfoStat se muestra en la salida
siguiente, donde se debe advertir que la información que solicita
el cuadro de diálogo es el valor de por unidad de tiempo de
Poisson (=1/µ).
𝑃(5 ≤ 𝑇 ≤ 25)
𝑃(𝑇 ≤ 25/𝑇 ≥ 5) =
𝑃(𝑇 ≥ 5)
1 −𝜆
1
𝐹(𝑇 < ) = 1 − 𝑒 𝜆 = 1 − 𝑒 −1
𝜆
= 1 − 0.37 = 0.63
• La mediana es igual a 0.69 E( T )
Actividad 17
El número de fallas de un componente electrónico que trabaja
en una pieza de un equipo puede considerarse como una varia-
ble aleatoria con distribución de Poisson con parámetro 0,01 por hora (falla
en promedio, 1 cada 100 horas).
Obtener:
a) La duración del componente electrónico para que su probabilidad
no supere el 0,05 inferior.
b) La probabilidad que dure más de 80 horas.
c) La probabilidad de que un elemento que ha durado más de 70 ho-
ras, alcance una duración mayor a las 90 horas.
Actividad 18:
Retomando la Actividad Nº 14 y comenzando la observación en cualquier
momento ¿cuál es la probabilidad que transcurran al menos 15 minutos
antes de que se retire una lata de tomate?
Actividad 19:
Se ha comprobado que la duración de ciertos elementos sigue una distri-
bución exponencial con media de 8 meses. Se pide:
Actividad 20:
Se ha observado que las fallas mecánicas ocurridas en una planta indus-
trial, aparecen como proceso Poisson aproximado con parámetro = 1/2
por hora (1 cada 2 horas). Si se llega a la planta a las 9:00 hs. del lunes y
se designa con T el tiempo (desde la llegada) hasta la primera falla, se
pide:
𝑋 ∈ (−∞, +∞)
Función de probabilidad
1 (𝑥−𝜇)2
−
𝑓(𝑥) = 𝑒 2𝜎2 ; −∞<𝑥 <∞
√2𝜋𝜎 2
1)𝑓(𝑥) ≥ 0
−∞
∞
2) ∫ 𝑓(𝑥)𝑑𝑥 = 1
Se puede observar que existirán infinitas distribuciones normales y
distintas por cada par de valores distintos de y 2, por lo que cada vez
que necesitemos encontrar probabilidades, deberíamos calcular las inte-
grales correspondientes del siguiente modo:
𝑏
1 (𝑥−𝜇)2
−
𝑃(𝑎 < 𝑋 < 𝑏) = ∫ 𝑒 2𝜎 2 𝑑𝑥
𝑎 √2𝜋𝜎 2
𝑋−𝜇
𝑍=
𝜎
Cuyos parámetros asumen los siguientes valores:
𝐸(𝑍) = 0
𝑉(𝑍) = 1
1 1(𝑥−𝜇)2
−
𝑓(𝑥) = 𝑒 2 𝜎2
𝜎√2𝜋
𝑥−𝜇 𝑑𝑥
𝑧= ⇒ 𝑥 = 𝜇 + 𝑧𝜎; =𝜎
𝜎 𝑑𝑧
𝑧2
1
𝑓(𝑧) = 𝑒− 2 - < z <
√2𝜋
Esta función cumple con las condiciones para ser función de densi-
dad, es decir:
1)𝑓(𝑧) ≥ 0
∞
2) ∫ 𝑓(𝑧)𝑑𝑧 = 1
−∞
𝑧2
= 𝑢2 ⇒ 𝑧 = √2 𝑢
2
Entonces:
𝑑𝑧 = √2 𝑑𝑢
1
𝑓 ″ (0) = 𝑒 0 (−1) < 0
√2𝜋
Se verifica, entonces, que la función presenta un máximo en z=0.
𝑓 ″ (𝑧) = 𝑓(𝑧)(𝑧 2 − 1) = 0
Es decir:
Función de distribución
268
Unidad 5: Modelos de Probabilidad
𝐸(𝑋) = 𝜇 𝐸(𝑍) = 0
𝑉(𝑋) = 𝜎 2 𝑉(𝑍) = 1
269
Para calcular la probabilidad requerida utilizaremos el
calculador de probabilidades y cuantiles de la distribución
normal del programa InfoStat
𝑋 − 𝜇 𝑋 − 77
𝑍= =
𝜎 6
80 − 77
𝑃(𝑋 < 80) = 𝑃(𝑍 < )
6
270 𝑃(𝑋 < 80) = 𝑃(𝑍 < 0,5)
Unidad 5: Modelos de Probabilidad
80 − 77
𝑃(𝑋 > 80) = 𝑃(𝑍 > )
6
𝑃(𝑋 > 80) = 𝑃(𝑍 > 0,50) = 0,3086
271
c) Ahora vamos a obtener la probabilidad de que un alumno obtenga
menos de 70 puntos.
𝑃(80 < 𝑋 < 85) = 𝑃(𝑋 < 85) − 𝑃(𝑋 < 80) = 𝐹(85) − 𝐹(80)
272
Unidad 5: Modelos de Probabilidad
f(x)
77 X
F(85)
F(80)
Planteamos:
273
Entonces: 𝑃(|𝑋 − 𝜇| < 5) = 𝑃(72 < 𝑋 < 82) = 𝐹(82) − 𝐹(72)
𝑥0 − 𝜇
𝑧0 =
𝜎
𝑧0 𝜎 = 𝑥0 − 𝜇
𝑥0 = 𝑧0 𝜎 + 𝜇
𝑥0 = 1,282(6) + 77
𝑥0 = 84,69
𝑃(|𝑍| < 3)
Actividad 21:
Una empresa constructora; que cuenta con 7.000 obreros, co-
noce que sus salarios siguen una distribución normal con media
igual a $ 380 y desviación estándar igual a $ 70; desea saber cuántos tra-
bajadores ganan.
a) ¿Menos de $ 296?
b) ¿Más de $ 320?
c) ¿Entre $ 240 y $ 420?
Actividad 22:
Se conoce que la cantidad gastada en mantenimiento y reparaciones de
una cierta fábrica tiene una distribución normal con una media de $ 400.-
y una desviación estándar de $ 20.-. Si para el próximo año se presupuesta
la suma de $ 450, ¿cuál es la probabilidad de que se gaste en realidad más
de lo que se ha presupuestado?
Actividad 23:
El puntaje obtenido en una prueba de aptitud para determinado trabajo si-
gue una distribución normal con =10 puntos y sabiendo que la probabili-
dad de que la variable puntaje asuma un valor mayor a 95 es de 0,1151,
se pide que encuentre la probabilidad:
Actividad 24:
Las ventas diarias de un comercio de la ciudad de Córdoba siguen una
distribución normal con media de $ 510.- Se sabe, además, que la proba-
276 bilidad que la variable asuma valores menores que $ 460 es igual a 0,1762.
Con estos datos, calcule:
Actividad 25:
El coeficiente de inteligencia de un grupo de 500 niños tiene distribución
normal con media de 100 y varianza igual a 225. Se pide que calcule:
4. Ejercicios de Integración
Actividad 26:
En una ciudad se realiza una encuesta para estudiar los hábitos
de consumo de cierto producto por parte de la población.
Actividad 27:
Para la variable gastos financieros, analizada en un estudio económico, los
resultados correspondientes a la población a la que se refiere el estudio
son:
Actividad 28:
Luego del lanzamiento de una nueva campaña publicitaria por parte de una
estación de servicios local, pasan a cargar combustible, en promedio, 8
vehículos cada media hora, según información suministrada por la Geren-
cia de Promoción. En base a estos datos, ¿cuál es la probabilidad de que
pasen:
277
a) Más de 6 y menos de 10 vehículos en 15 minutos.
b) Entre 20 y 30 vehículos en dos horas (incluye los extremos).
Actividad 29:
En una ciudad se conoce que el 80% de las personas poseen
teléfono. Si se selecciona al azar una muestra de 15 personas,
Actividad 30:
La proporción de alumnos que aprobaron el primer parcial de matemática
en el ciclo de nivelación 2004 de esta facultad es igual a 0,70:
Actividad 31:
La cantidad de operaciones de solicitud de dinero por minuto, sigue una
distribución Poisson de 2 solicitudes promedio por minuto.
5. Referencias Bibliográficas
Soluciones y respuestas
Actividad 1
Donde E(X2) = ∑ xi2. p(xi) = 0,55. Este valor corresponde al total de la co-
lumna 5 del cuadro anterior
d)
Gráfico de la variable Xi = “Condición de Fumador”
0,6
0,5
0,4
0,3
0,2
0,1
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
279
Actividad 2
b) Distribución de probabilidad
xi p(xi)
0 0,0000
1 0,0000
2 0,0000
3 0,0000
4 0,0001
5 0,0015
6 0,0112
7 0,0574
8 0,1937
9 0,3874
10 0,3487
0,4500
0,4000
0,3500
0,3000
0,2500
P(X)
0,2000
0,1500
0,1000
0,0500
0,0000
0 1 2 3 4 5 6 7 8 9 10
10
d) P (X= 10, n= 10, p= 0,90) = 𝐶10 0,9010. 0,10(10-10)
= 0,3487
e) P[(n-x) = 2, n= 10, q= 0,10] = P (X= 8, n= 10, p= 0,90)
= 0,1937
f) P[(n-x) ≤ 3, n= 10, q= 0,10] = P (X ≥ 7, n= 10, p= 0,90)
= 1- P (X ≤ 6)
= 1- 0,1280
= 0,9872
g) E(x) = 9
Actividad 3
280
P (X ≥ 10, n=15, p= 0,2) = 1- P (X ≤ 9, n=15, p= 0,2) = 1- 0,9999= 0,0001
Unidad 5: Modelos de Probabilidad
Actividad 4
n= 15 p= 0,50
a) P (X ≥ 10, n=15, p= 0,50) = 0,1509
b) P (X ≥ 10, n=15, p= 0,50) + P (X ≥ 10, n=15, q= 0,50) = 0,3018
c) P (X ≥ 8, n=15, p= 0,50) = 0,50
Actividad 5
No compren p= 0,10
Si compren q= 0,90 n=15
Actividad 6
Actividad 7
N= 35 K= 10 N-K=25 n=7
N= 18 K= 10 N-K= 8
n= 4 x= 2 n-x= 2
2 𝐶2
𝐶10 8
P(x= 2)= 4 = 0,4118
𝐶18
Actividad 9
a) x= 6 n-x= 2
6 𝐶2
𝐶18 15
P(x= 6)= 8
𝐶33
= 0,1404
b) x= 4 n-x= 4
4 𝐶4
𝐶18 15
P(x= 4)= 8
𝐶33
= 0,3008
𝐾
c) E(X)= 𝑛 𝑁 = 4,3
Actividad 10
𝐶65 𝐶41
a) P(x= 5)= 5
𝐶10
= 0,0238
Actividad 11
a) Distribución de probabilidad
xi P (xi, = 3)
0 0,0498
1 0,1494
2 0,2240
3 0,2240
4 0,1680
5 0,1008
6 0,0504
7 0,0216
8 0,0081
9 0,0027
10 0,0008
11 0,0002
12 0,0001
0.24
Valores de probabilidad
0.18
0.12
0.06
0.00
0 1 2 3 4 5 6 7 8 9 10 11 12
Xi
Actividad 13
Actividad 14
Actividad 15
284
Unidad 5: Modelos de Probabilidad
Actividad 16
Así en este caso es posible considerar el modelo Poisson como límite del
modelo Binomial. Además, bajo el modelo Binomial E(X)=np=1, entonces
para trabajar con el modelo Possion E(X)= = 1
Actividad 17
Datos: falla en promedio = 0,01 por hora. Es decir 1 falla cada 100 horas.
1-0,05= e- 0,01. t0
ln 0,95= -0,01 t0. ln e
-0,053= -0,01 t0
t0= -0,053/-0,01
t0 = 5,1293
0.007
Densidad
0.005
0.003
285
0.000
0 80 160 240 320 400 480 560 640
Variable
𝑒 −𝜆90
P(T > 90 / T > 70) = 𝑒 −𝜆70 = e- ʎ.(90-70) = e- .20
Por lo tanto:
Actividad 18
Actividad 19
P0,95 =-2,9957/-0,125
= 23,976
c) P (T > 34/ T > 19) = P [T > (34-19)]= P(T > 15) = e –0,125. 15 = 0,1533
Actividad 20
a) Función de densidad:
1 −1t
f(t) = { 2 e t≥0
2
0 ∀ otro valor
b) P (T ≥ 1) = 0,6065
c) P (T ≤ 4) = 0,8647
286
d) Recordar que E(T)= 1/ = 1/0,5 =2.
Actividad 21
Datos:
X= salarios $
N= 7000 obreros; µ= 380; σ= 70
Actividad 22
µ = 400 σ= 20
P (X > 450) = P (z > 2,5) = 1 – F (2,5) = 0,0062
Actividad 23
σ= 10
Antes debemos calcular la media:
Actividad 24
Actividad 25
Función de densidad
Normal(100,225): p(evento)=0.9050
0.027
0.020
Densidad
0.013
0.007
0.000
25.00 62.50 100.00 137.50 175.00
Variable
288
Unidad 5: Modelos de Probabilidad
Actividades integradoras
Actividad 26
a) Modelo Binomial
P (X > 5; n= 10; p= 0,60) =1 – F (5) = 0,6331
Actividad 27
289
Función de densidad
Normal(1990,250000): p(evento)=0.5688
0.0008
Densidad
0.0004
0.0000
0 500 1000 1500 2000 2500 3000 3500 4000 4500
Variable
Actividad 28
Actividad 29
290
a) Si definimos el éxito como X= cantidad de personas que SI poseen telé-
fono, entonces p=0,80:
Actividad 30
291
a) P (3 ≤ x ≤ 6; n=10; p= 0,70) = F (6) – F (2)
= 0,3504 – 0,0016
= 0,3488
Actividad 31
a) P (T > 3) = 0,0025
Función de densidad
Exponencial(2): p(evento)=0.1170
2.0
1.5
Densidad
1.0
0.5
0.0
0.00 0.50 1.00 1.50 2.00 2.50 3.00
Variable
292