NAVIDI Cap 02 A 2/9/06 9:55 PM Page 107

SELECCIONAR 1 EJERCICIO DE LA SECCION 2.4

SELECCIONAR 2 EJERCICIOS DE LA SECCION 4.2
SELECCIONAR 2 EJERCICIOS DE LA SECCION 4.3

SEMANA 8
Ejercicios para la sección 2.4
1. Determine si cada una de las siguientes variables aleatorias c) El puntaje del examen final de un estudiante elegido
es discreta o continua. aleatoriamente de la clase de estadística de ingeniería
a) El número de caras en 100 lanzamientos a “cara” o del último semestre.
“cruz” de una moneda. d) La edad de un estudiante elegido aleatoriamente de la
b) La longitud de una varilla elegida aleatoriamente de la Escuela de Minas, de Colorado.
producción de un día.
NAVIDI Cap 02 A 2/9/06 9:55 PM Page 108

c) La edad que tendrá un estudiante de la Escuela de Mi-

nas, de Colorado, elegida aleatoriamente en su próximo x
cumpleaños. 0 1 2 3 4

p1 (x) 0.2 0.2 0.3 0.1 0.1

2. La tabla siguiente presenta la función de masa de probabi- p2 (x) 0.1 0.3 0.3 0.2 0.2
lidad del número de defectos X en un tablero de circuitos
p3 (x) 0.1 0.2 0.4 0.2 0.1
impresos elegido aleatoriamente.

x 0 1 2 3
b) Para la función de masa de probabilidad posible, calcule
p(x) 0.5 0.3 0.1 0.1
μX y σX2 .
a) Determine P(X < 2).
b) Determine P(X ≥ 1). 5. Cierto tipo de componente está empaquetado en lotes de
cuatro. Sea X el número de componentes que funcionan
c) Determine μX.
de modo adecuado en un lote elegido de manera aleatoria.
d) Determine σ X2 . Suponga que la probabilidad de que exactamente x componen-
tes funcionen es proporcional a x; en otras palabras, supon-
3. Una compañía de materiales químicos envía cierto disolven- ga que la función de masa de probabilidad de X es dada por
te en tambores de diez galones. Sea X el número de tambo- 
res pedidos por un cliente elegido aleatoriamente. Suponga cx x = 1, 2, 3, o 4
p(x) =
que X tiene la siguiente función de masa de probabilidad: 0 de otro modo

x 1 2 3 4 5 donde c es una constante.

p(x) 0.4 0.2 0.2 0.1 0.1
a) Determine el valor de la constante c para que p(x) sea
a) Determine la media del número de tambores ordenados. una función de masa de probabilidad.

b) Determine la varianza del número de tambores ordena- b) Determine P(X  2).

dos.
c) Determine la desviación estándar del número de tambo-
res ordenados.
d) Sea Y el número de galones ordenados. Determine la
función de masa de probabilidad de Y.
e) Determine la media del número de galones ordenados.
c) Determine la media del número de componentes que
funcionan adecuadamente.
d) Determine la varianza del número de componentes que
funcionan adecuadamente.
e) Determine la desviación estándar del número de compo-
nentes que funcionan adecuadamente.

f) Determine la varianza del número de galones ordena-

dos.
g) Determine la desviación estándar del número de galones
ordenados.
4. Un automóvil viejo con un motor de cuatro cilindros es lle-
vado a un taller para ajustarlo. Sea X el número de cilindros
con compresión baja.
6. El producto de un proceso químico se supervisa continua-
mente para asegurar que la concentración permanezca den-
tro de los límites aceptables. Cada vez que la concentración
se sale de los límites, el proceso se detiene y se calibra nue-
vamente. Sea X el número de veces en una semana dada que
el proceso se calibra nuevamente. La tabla siguiente presen-
ta los valores de la función de distribución acumulativa F(x)
de X.

a) ¿Cuál de las tres funciones dadas en la tabla siguiente es x F.x/

una función de masa de probabilidad posible de X? Ex- 0 0.17
plique. 1 0.53
2 0.84
3 0.97
4 1.00
NAVIDI Cap 02 A 2/9/06 9:55 PM Page 109
a) ¿Cuál es la probabilidad de que el proceso se calibre
nuevamente menos de dos veces durante una semana?
b) ¿Cuál es la probabilidad de que el proceso se calibre
nuevamente más de tres veces durante una semana?
c) ¿Cuál es la probabilidad de que el proceso se calibre de
nuevo exactamente una vez durante una semana?
d) ¿Cuál es la probabilidad de que el proceso no se calibre
nuevamente durante una semana?
e) ¿Cuál es el número más probable de que ocurran nuevas
calibraciones durante una semana?
7. En 100 días diferentes, un ingeniero especializado en el
tránsito de automóviles cuenta el número de éstos que pa-
san por cierto crucero entre las 5:00 y 5:05 p.m. Los resul-
tados se presentan en la tabla siguiente.
Número de Número Proporción
automóviles de días de días
0 36 0.36
1 28 0.28
2 15 0.15
3 10 0.10
4 7 0.07
5 4 0.04
a) Sea X el número de automóviles que pasan por el cruce-
ro entre las 5:00 y las 5:05 p.m. en un día elegido alea-
toriamente. Alguien sugiere que para cualquier entero
positivo x, la de masa de probabilidad de X es p1(x) 
(0.2)(0.8)x. Usando esta función, calcule P(X  x) para
valores de x de 0 a 5 inclusive.
b) Otra persona sugiere que para cualquier entero positivo
x, la función de masa de probabilidad es p2(x) 
(0.4)(0.6)x. Usando esta función, calcule P(X  x) para
valores de x de 0 a 5 inclusive.
c) Compare los resultados de los incisos a) y b) con los da-
tos de la tabla. ¿Cuál función de masa de probabilidad
parece ser el mejor modelo? Explique.
d) Alguien dice que ninguna de las funciones es un buen
modelo ya que ninguna coincide exactamente con los
datos. ¿Esto es correcto? Explique.
8. Se seleccionan aleatoriamente chips de microprocesadores
uno tras otro de una gran población y se prueban para deter-
minar si son aceptables para determinada aplicación. El 90%
de los chips en la población es aceptable.
a) ¿Cuál es la probabilidad de que el primer chip elegido
sea aceptable?
b) ¿Cuál es la probabilidad de que el primer chip sea in-
aceptable y que el segundo sea aceptable?
c) Sea X el número de chips que se prueba hasta incluir el
primer chip aceptable. Determine P(X  3).
d) Determine la función de masa de probabilidad de X.
9. Con referencia al ejercicio 8, sea Y el número de chips pro-
bados hasta incluir el segundo chip aceptable.
a) ¿Cuál es el valor más pequeño posible de Y?
b) ¿Cuál es la probabilidad de que Y tome ese valor?
c) Sea X el número de chips que se prueba hasta incluir el
primer chip aceptable. Determine P(Y  3⏐X  1).
d) Determine P(Y  3⏐X  2).
e) Determine P(Y  3).
10. Se seleccionan aleatoriamente tres componentes, uno a la
vez, de un gran lote. Cuando se selecciona cada componen-
te, se prueba. Si pasa la prueba, ocurre un éxito (S); si no
pasa la prueba, ocurre una falla (F). Suponga que 80% de
los componentes del lote conseguirá pasar la prueba. Sea X
el número de éxitos entre los tres componentes selecciona-
dos.
a) ¿Cuáles son los valores posibles para X?
b) Determine P(X  3).
c) Al evento de que falle el primer componente y que los
próximos dos pasen con éxito la prueba se denota por
FSS. Determine P(FSS).
d) Determine P(SFS) y P(SSF).
e) Use los resultados de los incisos c) y d) para encontrar
P(X  2).
f) Determine P(X  1).
g) Determine P(X  0).
h) Determine μX.
i) Determine σX2 .
j) Sea Y el número de éxitos si se seleccionan cuatro com-
ponentes. Determine P(Y  3).
11. La hidrogenación del benceno para el ciclohexano es pro-
movida con un catalizador de níquel dividido en poros fi-
nos. El catalizador de partículas se puede considerar como
esferas de diferentes tamaños. Todas las partículas tienen
masas entre 10 y 70 μg. Sea X la masa de una partícula ele-
NAVIDI Cap 04 A 2/10/06 10:28 PM Page 204
Ejercicios para la sección 4.2
2. Se toma una muestra de cinco elementos de una población
grande en la cual 10% de los elementos está defectuoso.
a) Determine la probabilidad de que ninguno de los ele-
mentos de la muestra esté defectuoso.
b) Determine la probabilidad de que sólo uno de ellos ten-
ga defectos.
c) Determine la probabilidad de que uno o más de los ele-
mentos de la muestra estén defectuosos.
d) Determine la probabilidad de que menos de dos elemen-
tos de la muestra tenga defectos.
3. Se lanza al aire una moneda diez veces.
a) ¿Cuál es la probabilidad de obtener exactamente tres ve-
ces “cara”?
b) Determine la media del número de caras obtenidas.
c) Determine la varianza del número de caras obtenidas.
d) Determine la desviación estándar del número de caras
obtenidas.
4. En un cargamento grande de llantas de automóvil, 5% tiene
cierta imperfección. Se eligen aleatoriamente cuatro llantas
para instalarlas en el automóvil.
a) ¿Cuál es la probabilidad de que ninguna de las llantas
tenga imperfección?
b) ¿Cuál es la probabilidad de que sólo una de las llantas
tenga imperfección?
c) ¿Cuál es la probabilidad de que una o más de las llantas
tenga imperfección?
5. En un patrón aleatorio de ocho bits utilizado para probar un
microcircuito, cada bit tiene la misma probabilidad de ser 0
o 1. Suponga que los valores de los bits son independientes.
a) ¿Cuál es la probabilidad de que todos los bits sean 1?
b) ¿Cuál es la probabilidad de que exactamente tres de los
bits sean 1?
c) ¿Cuál es la probabilidad de que al menos seis de los bits
sean 1?
d) ¿Cuál es la probabilidad de que al menos dos de los bits
sean 1?
6. Un ingeniero que supervisa el control de calidad, seleccio-
na una muestra aleatoria de 100 varillas de acero de la pro-
ducción del día, descubre que 92 de ellas satisfacen las
especificaciones.
a) Estime la proporción, de la producción de ese día, que
satisface las especificaciones y determine la incertidum-
bre en la estimación.
NAVIDI Cap 04 A 2/10/06 10:28 PM Page 205
b) Estime el número de varillas que se debe seleccionar pa-
ra reducir la incertidumbre a 1 por ciento.
7. En una muestra aleatoria de 100 partes ordenadas al vende-
dor A, 12 estaban defectuosas. En una muestra aleatoria de
200 partes ordenadas al vendedor B, diez estaban defectuosas.
a) Estime la proporción de partes del vendedor A que están
defectuosas y determine la incertidumbre en la estima-
ción.
b) Estime la proporción de partes del vendedor B que están
11. Cierto cargamento viene con la garantía de que contiene no
defectuosas y encuentre la incertidumbre en la estima-
ción.
c) Estime la diferencia en las proporciones y determine la
incertidumbre en la estimación.
8. De los elementos producidos en determinado proceso, 20%
estaba defectuoso; de ellos, se puede reparar 60 por ciento.
a) Determine la probabilidad de que un elemento elegido de
forma aleatoria esté defectuoso y no se pueda reparar.
b) Determine la probabilidad de que sólo dos de los 20 ele-
mentos seleccionados aleatoriamente esté defectuoso y
no se pueda reparar.
9. De los pernos manufacturados por cierta aplicación, 90%
satisface la longitud especificada y se puede utilizar inme-
diatamente, 6% está demasiado largo y sólo se puede usar
después de que sea cortado, y 4% está demasiado corto y
debe desecharse.
a) Determine la probabilidad de que un perno selecciona-
do aleatoriamente se pueda utilizar (inmediatamente o
después de ser cortados).
b) Determine la probabilidad de que menos de nueve de
una muestra de diez pernos se puedan utilizar (inmedia-
tamente o después de ser cortados).
12. Una compañía aseguradora ofrece descuentos a los propie-
10. Una distribuidora recibe importante cargamento de compo-
nentes. A la empresa le gustaría aceptar el cargamento si
10% o menos de los componentes está defectuoso y recha-
zarlo si más de 10% presenta defecto. Se opta por seleccio-
nar diez de éstos, y regresar el envío si más de uno tiene
defectos.
a) Si la proporción de pernos defectuosos en la muestra es
de hecho 10%, ¿cuál es la probabilidad de que la distri-
buidora regrese el cargamento?
b) Si la proporción de pernos defectuosos en la muestra es
20%, ¿cuál es la probabilidad de que la empresa regrese
el cargamento?
c) Si la proporción de pernos con defecto en la muestra es
2%, ¿cuál es la probabilidad de que la compañía regre-
se el cargamento?
d ) La distribuidora decide que aceptará el cargamento sólo
si ninguno de los elementos de la muestra está defectuo-
so. ¿Cuál es el número mínimo de elementos que debe
seleccionar si quiere tener una probabilidad no mayor a
0.01 de aceptar el cargamento si es que 20% de los com-
ponentes del cargamento tiene defectos?
más de 15% de unidades defectuosas. Si la proporción de
unidades defectuosas es mayor a 15%, aquél será regresado.
Se extrae una muestra aleatoria de diez unidades. Sea X el
número de unidades defectuosas en la muestra.
a) Si, de hecho, 15% de las unidades en el cargamento es-
tá defectuoso (por lo que apenas el cargamento es acep-
table), ¿a qué es igual P(X  7)?
b) Con base en la respuesta del inciso (a), si 15% de las
unidades del cargamento está defectuoso, ¿siete piezas
defectuosas en una muestra de diez es un número inusual-
mente grande?
c) Si se descubre que siete de las diez unidades de la mues-
tra está defectuoso, ¿esto sería una evidencia de que se
debe regresar el cargamento? Explique.
d ) Si, de hecho, 15% de las unidades en el cargamento es-
tá defectuoso, ¿a qué es igual P(X  2)?
e) Con base en la respuesta al inciso (b), si 15% de las uni-
dades del cargamento está defectuoso, ¿dos muestras
defectuosas entre diez sería un número inusualmente
grande?
f ) Si se descubre que dos de las diez unidades de la mues-
tra están defectuosas, ¿ello sería una evidencia de que se
debe regresar el cargamento? Explique.
tarios de casas que deseen instalar detectores de humo en
sus hogares. Un representante de la empresa afirma que
80% o más de los asegurados tiene detectores de humo. Us-
ted toma una muestra aleatoria de ocho asegurados. Sea X el
número de éstos en la muestra que tiene detectores de humo.
a) Si exactamente 80% de los asegurados tiene detectores
de humo (por lo que la afirmación del representante es
verdadera, pero apenas), ¿a qué es igual P(X  1)?
b) Con base en la respuesta al inciso (a), si 80% de los ase-
gurados tiene detectores de humo, ¿uno de aquéllos en
una muestra de ocho sería un número inusualmente pe-
queño?
NAVIDI Cap 04 A 2/10/06 10:28 PM Page 206
c) Si se descubre que uno de los ocho asegurados de la
muestra tenía un detector de humo, ¿esto sería una evi-
dencia de que la afirmación es falsa? Explique.
d ) Si exactamente 80% de los asegurados tiene detectores
de humo, ¿a qué es igual P(X  6)?
e) Con base en la respuesta al inciso (d), si 80% de los ase-
gurados tiene detectores de humo, ¿seis de aquéllos en
16. Con referencia al ejemplo 4.14 estime la probabilidad de
una muestra de ocho sería un número inusualmente pe-
queño?
f ) Si usted descubre que seis de los ocho asegurados de la
muestra tenían detectores de humo, ¿esto sería una evi-
17. Si p es la probabilidad de éxito, a la cantidad p/(1  p) se
dencia de que la afirmación es falsa? Explique.
13. Unas figurillas de porcelana se venden a 10 dólares si no
tienen imperfección, y a 3 dólares si la presentan. Entre las
figurillas de cierta compañía, 90% no tiene imperfecciones
y 10% sí tiene. En una muestra de 100 figurillas ya vendi-
das, sea Y el ingreso ganado por su venta y X el número de
éstas que no presenta imperfecciones.
a) Exprese Y como una función de X.
b) Determine mY.
c) Determine sY.
14. El diseño de un sistema requiere la instalación de dos com-
ponentes idénticos. El sistema funcionará si al menos uno
de los componentes lo hace. Un diseño alterno necesita cua-
tro de estos componentes, y el sistema funcionará si al menos
dos de los cuatro componentes funcionan. Si la probabilidad
de que el componente funcione es de 0.9, y si los componen-
tes funcionan de forma independiente, ¿qué diseño tiene la
mayor probabilidad de funcionar?
que sólo una de las cuatro llantas tenga alguna imperfec-
ción, y determine la incertidumbre en la estimación.
le llama oportunidad. Ésta se estima en la investigación mé-
dica. El artículo “A Study of Twelve Southern California
Communities with Differing Levels and Types of Air Pollu-
tion” (J. Peters, E. Avol y colaboradores, en The American
Journal of Respiratory and Critical Care Medicine, 1999:
760-767) presenta una evaluación de la salud respiratoria de
niños del sur de California. Suponga que a 88 infantes, en
una muestra de 612 estudiados, se les diagnosticó bronqui-
tis durante los últimos 12 meses.
a) Estime la proporción p de niños a los que se les ha diag-
nosticado bronquitis y encuentre la incertidumbre en la
estimación.
b) Estime la oportunidad y determine la incertidumbre en
la estimación.
NAVIDI Cap 04 A 2/10/06 10:29 PM Page 218

Ejercicios para la sección 4.3

5. El número de mensajes recibidos por el tablero computado

de anuncios es una variable aleatoria de Poisson con una ra-
zón media de ocho mensajes por hora.

a) ¿Cuál es la probabilidad de que se reciban cinco mensa-

jes en una hora?
b) ¿Cuál es la probabilidad de que se reciban diez mensa-
jes en 1.5 horas?
c) ¿Cuál es la probabilidad de que se reciban menos de tres
mensajes en 11⁄2 horas?
2. La concentración de partículas en una suspensión es 2 por
mL. Se agita por completo la concentración, y posterior- 6. Cierto tipo de tablero de circuitos contiene 300 diodos. Ca-
mente se extraen 3 mL. Sea X el número de partículas que da uno tiene una probabilidad p  0.002 de fallar.
son retiradas. Determine
a) ¿Cuál es la probabilidad de que fallen exactamente dos
a) P(X  5) diodos?
b) P(X  2) b) ¿Cuál es la media del número de diodos que falla?
c) P(X  1) c) ¿Cuál es la desviación estándar del número de diodos
que falla?
d) mX
d) Un tablero funciona si ninguno de sus diodos falla.
e) sX
¿Cuál es la probabilidad de que funcione un tablero?
e) Se envían cinco tableros a un cliente. ¿Cuál es la proba-
3. Suponga que 0.03% de los contenedores plásticos produci-
bilidad de que cuatro o más de ellos funcione?
dos en cierto proceso tiene pequeños agujeros que los dejan
inservibles. X representa el número de contenedores en una
7. Una variable aleatoria X tiene una distribución binomial y
muestra aleatoria de 10 000 que tienen este defecto. Deter-
una variable aleatoria Y tiene una distribución de Poisson.
mine
Tanto X como Y tienen medias iguales a 3. ¿Es posible de-
a) P(X  3) terminar qué variable aleatoria tiene la varianza más gran-
de? Elija una de las siguientes respuestas:
b) P(X  2)
c) P(1  X  4) i) Sí, X tiene la varianza más grande.
d ) mX ii) Sí, Y tiene la varianza más grande.
e) sX iii) No, se necesita conocer el número de ensayos, n, para X.
iv) No, se necesita conocer la probabilidad de éxito, p, pa-
4. Uno de cada 5 000 individuos en una población porta cier- ra X.
to gen defectuoso. Se estudia una muestra aleatoria de 1 000 v) No, se necesita conocer el valor de λ para Y.
individuos.
8. Una química desea estimar la concentración de partículas
a) ¿Cuál es la probabilidad de que sólo uno de los indivi-
que hay en determinada suspensión. Ella extrae 3 mL de la
duos de la muestra porte el gen?
suspensión y cuenta 48 partículas. Estime la concentración
b) ¿Cuál es la probabilidad de que ninguno sea portador? de partículas por mL y determine la incertidumbre en la es-
c) ¿Cuál es la probabilidad de que más de dos individuos timación.
porte el gen?
d) ¿Cuál es la media del número de individuos de la mues- 9. Una microbióloga quiere estimar la concentración de cierto
tra que porta el gen? tipo de bacteria en una muestra de agua tratada. Ella pone
e) ¿Cuál es la desviación estándar del número de indivi- una muestra de 0.5 mL de agua tratada en el vidrio del mi-
duos portadores de gen? croscopio y descubre 39 bacterias. Estime la concentración
NAVIDI Cap 04 A 2/10/06 10:29 PM Page 219
de bacterias por mL, en esta agua tratada, y determine la in-
certidumbre en la estimación.
10. La abuela está probando una nueva receta de pan de pasas.
En cada hornada de la masa de pan salen tres hogazas, y ca-
da una tiene 20 rebanadas de pan.
a) Si ella agrega 100 pasas a una hornada de masa, ¿cuál es
la probabilidad de que una rebanada de pan elegida alea-
toriamente no tenga pasas?
b) Si ella agrega 200 pasas a una hornada de masa, ¿cuál es
la probabilidad de que una rebanada de pan elegida alea-
toriamente tenga cinco pasas?
c) ¿Cuántas pasas debe agregar para que la probabilidad de
que una rebanada elegida de forma aleatoria no tenga
pasas sea 0.01?
11. Mamá y la abuela están horneando, cada una, galletas de
chispas de chocolate. Cada una le da dos galletas. Una de las
galletas de mamá tiene 14 chispas de chocolate y la otra tie-
ne 11. Las galletas de la abuela tienen seis y ocho chispas.
a) Estime la media del número de chispas en una de las ga-
lletas de mamá.
b) Estime la media del número de chispas en una de las ga-
lletas de la abuela.
c) Determine la incertidumbre en la estimación de las ga-
lletas de mamá.
d) Determine la incertidumbre en la estimación de las ga-
lletas de la abuela.
e) Estime cuántas chispas más en promedio tiene una ga-
lleta de mamá en comparación con una galleta de la
abuela. Determine la incertidumbre en la estimación.
12. Usted ha recibido una masa radiactiva de la que se afirma
tiene una media de la razón de decaimiento de al menos una
partícula por segundo. Si la media de la razón de decai-
miento es menor a una por segundo, usted puede regresar el
producto para un reembolso. Sea X el número de eventos de
decaimiento que se produce en diez segundos.
a) Si la media de la razón de decaimiento es exactamente
de una por segundo (de tal forma que la afirmación es
verdad, pero apenas), ¿a qué es igual P(X  1)?
b) Con base en la respuesta del inciso a), si la razón de de-
caimiento promedio es de una partícula por segundo,
¿un evento en diez segundos sería un número inusual-
mente pequeño?
c) Si usted encuentra un evento de decaimiento en diez se-
gundos, ¿esto sería una evidencia de que debe regresar-
se el producto? Explique.
d ) Si la media de la razón de decaimiento es sólo de una
por segundo, ¿a qué es igual P(X  8)?
e) Con base en la respuesta del inciso (d), si la razón de de-
caimiento promedio es de una partícula por segundo,
¿ocho eventos en diez segundos sería un número inusual-
mente pequeño?
f ) Si cuenta ocho eventos de decaimiento en diez segun-
dos, ¿esto sería una evidencia de que debe regresarse el
producto? Explique.
13. Alguien afirma que cierta suspensión contiene al menos sie-
te partículas por mL. Extrae una muestra de 1 mL de la so-
lución. Sea X el número de partículas en la muestra.
a) Si el número promedio de partículas es exactamente sie-
te por mL (de manera que la afirmación es verdad, pero
apenas), ¿a qué es igual P(X  1)?
b) Con base en la respuesta del inciso (a), si la suspensión
contiene siete partículas por mL, ¿una partícula en una
muestra de 1 mL sería un número inusualmente pequeño?
c) Si encuentra una partícula en la muestra, ¿esto sería una
evidencia de que la afirmación es falsa? Explique.
d ) Si la media del número de partículas es exactamente 7
por mL, ¿a qué es igual P(X  6)?
e) Con base en la respuesta del inciso (d), si la suspensión
contiene siete partículas por mL, ¿seis partículas en una
muestra de 1 mL sería un número inusualmente pequeño?
f ) Si cuenta seis partículas en la muestra, ¿esto sería una
evidencia de que la afirmación es falsa? Explique.
14. Un físico desea estimar la razón de emisiones de partículas
alfa provenientes de cierta fuente. Él hace dos cuentas. Pri-
mero mide la razón fondo contando el número de partículas
que hay durante 100 segundos en ausencia de la fuente.
Cuenta 36 emisiones de fondo. Después, con la fuente pre-
sente, cuenta 324 emisiones en 100 segundos. Esto último
representa la suma de las emisiones de la fuente más las
emisiones de fondo.
a) Estime la razón de fondo, en emisiones por segundo, y
determine la incertidumbre en la estimación.
b) Estime la suma de la fuente más la razón de fondo, en
emisiones por segundo, y determine la incertidumbre en
la estimación.
c) Estime la razón de emisiones provenientes de la fuente
en partículas por segundo, y determine la incertidumbre en
la estimación.
d ) ¿Qué da como resultado una menor incertidumbre al es-
timar la razón de emisiones provenientes de la fuente:
(1) contar las partículas de fondo sólo durante 150 se-
NAVIDI Cap 04 A 2/10/06 10:29 PM Page 220
gundos, así como las partículas de fondo, más las de la
fuente durante 150 segundos, o (2) contar las partículas
de fondo durante 100 segundos, así como las de la fuen-
te más las de fondo durante 200 segundos? Calcule la
incertidumbre en cada caso.
e) ¿Es posible reducir la incertidumbre a 0.03 partículas
por segundo si se mide la razón de fondo sólo durante
100 segundos? Si es así, ¿cuánto tiempo puede medirse
las partículas de la fuente más las de fondo? Si no, ex-
plique por qué.
15. Con referencia al ejemplo 4.27, estime la probabilidad de
que en 1 m2 de aluminio haya una imperfección y determi-
ne la incertidumbre en la estimación.