FACULTAD DE INGENIERIA

ESCUELA PROFESIONAL DE INGENIERIA

MECÁNICA

CURSO:
Estadística
DONCENTE:
Izquierdo Henríquez María
INTEGRANTES:
• Pereda Beltrán Andrés
• Rodriguez Arce Piero Jesús

CICLO:
III-B

2023
 TAREA 08
1. En el proceso productivo de la empresa OPEN PLEASE se sabe que el 4% de la
producción es defectuosa. Si se extrae una muestra aleatoria de 20 a partir del proceso.
Cuál es la probabilidad de que:
a. Exactamente 4 sean defectuosos.
b. Ninguno sea defectuoso.
c. Menos de 2 sean defectuosos.
a) Probabilidad de que exactamente 4 sean defectuosos:
p = 0.04 (probabilidad de que un producto sea defectuoso)
n = 20 (número total de productos en la muestra)
k = 4 (número de productos defectuosos que queremos obtener)
𝑃(𝑋 = 4) = 𝐶(20, 4) ∗ 0.044 ∗ (1 − 0.04)20−4
Calculando el valor:
20!
𝐶 (20, 4) = = 4845
4! (20 − 4)!
𝑃(𝑋 = 4) = 4845 ∗ 0.044 ∗ 0.9616 ≈ 0.2506
Por lo tanto, la probabilidad de que exactamente 4 productos sean defectuosos es
aproximadamente 0.2506.
b) Probabilidad de que ninguno sea defectuoso:
p = 0.04 (probabilidad de que un producto sea defectuoso)
n = 20 (número total de productos en la muestra)
k = 0 (ningún producto defectuoso)
𝑃(𝑋 = 0) = 𝐶(20, 0) ∗ 0.040 ∗ (1 − 0.04)20−0
Calculando el valor:
20!
𝐶 (20, 0) = = 1
0! (20 − 0)!

𝑃(𝑋 = 0) = 1 ∗ 0.04^0 ∗ 0.96^20 ≈ 0.1074

Por lo tanto, la probabilidad de que ninguno de los 20 productos sea defectuoso es
aproximadamente 0.1074.
c) Probabilidad de que menos de 2 sean defectuosos:
En este caso, queremos calcular la probabilidad de obtener 0 o 1 producto defectuoso.
𝑃(𝑋 < 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1)
Para calcular estas probabilidades, utilizaremos la misma fórmula binomial.
 𝑃(𝑋 < 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1)
𝑃(𝑋 = 0) = 𝐶(20, 0) ∗ 0.040 ∗ (1 − 0.04)20−0
𝑃(𝑋 = 1) = 𝐶(20, 1) ∗ 0.041 ∗ (1 − 0.04)20−1
Calculando los valores:
𝑃(𝑋 = 0) ≈ 0.1074 (𝑐𝑎𝑙𝑐𝑢𝑙𝑎𝑑𝑜 𝑒𝑛 𝑒𝑙 𝑖𝑛𝑐𝑖𝑠𝑜 𝑏)
𝑃(𝑋 = 1) = 𝐶(20, 1) ∗ 0.04^1 ∗ 0.96^19 ≈ 0.2709
𝑃(𝑋 < 2) = 0.1074 + 0.2709 ≈ 0.3783
Por lo tanto, la probabilidad de que menos de 2 productos sean defectuosos es
aproximadamente 0.3783.

2. En un juego de apuestas entre los estudiantes de la UNT y el profesor de estadística,

el estudiante arroja una moneda 10 veces. En este juego se tienen en cuenta las
siguientes apuestas: Si obtiene 5 caras o más, el estudiante gana 2 puntos en su examen
de parcial. Si obtiene menos de 3 caras no gana ningún punto. Si obtiene más de 6 caras
gana 3 puntos. Si obtiene 2 caras o menos se le quita 1 punto en el examen de medio
ciclo. Cuáles son las respectivas probabilidades en las diferentes apuestas:
a. P (X≥5)
b. P (X<3)
c. P (X≤2)
a) Probabilidad de obtener 5 caras o más (X ≥ 5):
En este caso, queremos calcular la probabilidad acumulada de obtener 5, 6, 7, 8, 9 o 10
caras.
𝑃(𝑋 ≥ 5) = 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 7) + 𝑃(𝑋 = 8) + 𝑃(𝑋
= 9) + 𝑃(𝑋 = 10)
Para calcular estas probabilidades, utilizaremos la fórmula binomial.
𝑃(𝑋 = 𝑘) = 𝐶(10, 𝑘) ∗ (0.5)𝑘 ∗ (1 − 0.5)10−𝑘
Calculando los valores:
𝑃(𝑋 = 5) = 𝐶(10, 5) ∗ (0.5)5 ∗ (0.5)10−5 ≈ 0.2461
𝑃(𝑋 = 6) = 𝐶(10, 6) ∗ (0.5)6 ∗ (0.5)10−6 ≈ 0.2051
𝑃(𝑋 = 7) = 𝐶(10, 7) ∗ (0.5)7 ∗ (0.5)10−7 ≈ 0.1172
𝑃(𝑋 = 8) = 𝐶(10, 8) ∗ (0.5)8 ∗ (0.5)10−8 ≈ 0.0439
𝑃(𝑋 = 9) = 𝐶(10, 9) ∗ (0.5)9 ∗ (0.5)10−9 ≈ 0.0098
𝑃(𝑋 = 10) = 𝐶(10, 10) ∗ (0.5)10 ∗ (0.5)10−10 ≈ 0.00098
 𝑃(𝑋 ≥ 5) = 0.2461 + 0.2051 + 0.1172 + 0.0439 + 0.0098 + 0.00098
≈ 0.6221
Por lo tanto, la probabilidad de obtener 5 caras o más es aproximadamente 0.6221.
b) Probabilidad de obtener menos de 3 caras (X < 3):
En este caso, queremos calcular la probabilidad de obtener 0, 1 o 2 caras.
𝑃(𝑋 < 3) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)
Calculando las probabilidades:
𝑃(𝑋 = 0) = 𝐶(10, 0) ∗ (0.5)0 ∗ (0.5)10−0 ≈ 0.00098
𝑃(𝑋 = 1) = 𝐶(10, 1) ∗ (0.5)1 ∗ (0.5)10−1 ≈ 0.0098
𝑃(𝑋 = 2) = 𝐶(10, 2) ∗ (0.5)2 ∗ (0.5)10−2 ≈ 0.0439
𝑃(𝑋 < 3) = 0.00098 + 0.0098 + 0.0439 ≈ 0.0547

Por lo tanto, la probabilidad de obtener menos de 3 caras es aproximadamente 0.0547.

c) Probabilidad de obtener 2 caras o menos (X ≤ 2):
En este caso, queremos calcular la probabilidad acumulada de obtener 0, 1 o 2 caras.

𝑃(𝑋 ≤ 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)

Calculando las probabilidades:
𝑃(𝑋 = 0) ≈ 0.00098
𝑃(𝑋 = 1) ≈ 0.0098
𝑃(𝑋 = 2) ≈ 0.0439
𝑃(𝑋 ≤ 2) = 0.00098 + 0.0098 + 0.0439 ≈ 0.0547
Por lo tanto, la probabilidad de obtener 2 caras o menos es aproximadamente 0.0547.
3. Se realizó un estudio epidemiológico en niños en la ciudad de Trujillo, para verificar
la eficacia de una vacuna contra el resfrío en la época de invierno. Por estudios
anteriores se sabe que esta vacuna tiene una eficacia del 70% contra este tipo de
epidemia. Para este estudió se seleccionó aleatoriamente a 20 niños.
a. Cuál es la probabilidad de que exactamente 5 niños tengan resfrío en invierno
b. Cuál es la probabilidad de que más de 5 niños tengan resfrío en invierno
c. Cuál es la probabilidad de que menos de 5 niños tengan resfrío en invierno.
a) Probabilidad de que exactamente 5 niños tengan resfrío (X = 5):
En este caso, queremos calcular la probabilidad de que exactamente 5 niños tengan
resfrío después de recibir la vacuna.
p = 0.7 (probabilidad de que un niño esté protegido contra el resfrío después de recibir
la vacuna)
n = 20 (número total de niños en el estudio)
k = 5 (número de niños que queremos que tengan resfrío)
𝑃(𝑋 = 5) = 𝐶(20, 5) ∗ 0.7^5 ∗ (1 − 0.7)^(20 − 5)
Calculando el valor:
20!
𝐶 (20, 5) = = 15504
5! (20 − 5)!
𝑃(𝑋 = 5) = 15504 ∗ 0.75 ∗ 0.315 ≈ 0.0746
Por lo tanto, la probabilidad de que exactamente 5 niños tengan resfrío en invierno es
aproximadamente 0.0746.
b) Probabilidad de que más de 5 niños tengan resfrío (X > 5):
En este caso, queremos calcular la probabilidad acumulada de que 6, 7, 8, ..., 20 niños
tengan resfrío después de recibir la vacuna.
𝑃(𝑋 > 5) = 𝑃(𝑋 = 6) + 𝑃(𝑋 = 7) + . . . + 𝑃(𝑋 = 20)
Para calcular estas probabilidades, utilizaremos la fórmula binomial.
𝑃(𝑋 = 𝑘) = 𝐶(20, 𝑘) ∗ 0.7𝑘 ∗ 0.320−𝑘
Calculando los valores:
𝑃(𝑋 = 6) = 𝐶(20, 6) ∗ 0.76 ∗ 0.320−6
𝑃(𝑋 = 7) = 𝐶(20, 7) ∗ 0.77 ∗ 0.320−7
...
𝑃(𝑋 = 20) = 𝐶(20, 20) ∗ 0.720 ∗ 0.320−20
Sumando todas las probabilidades:
𝑃(𝑋 > 5) = 𝑃(𝑋 = 6) + 𝑃(𝑋 = 7) + . . . + 𝑃(𝑋 = 20)
Calculando el valor:
𝑃(𝑋 > 5) ≈ 0.9204
Por lo tanto, la probabilidad de que más de 5 niños tengan resfrío en invierno es
aproximadamente 0.9204.
c) Probabilidad de que menos de 5 niños tengan resfrío (X < 5):
En este caso, queremos calcular la probabilidad acumulada de que 0, 1, 2, 3 o 4 niños
tengan resfrío después de recibir la vacuna.
𝑃(𝑋 < 5) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)
Para calcular estas probabilidades, utilizaremos la fórmula binomial.
𝑃(𝑋 = 𝑘) = 𝐶(20, 𝑘) ∗ 0.7^𝑘 ∗ 0.3^(20 − 𝑘)
Calculando los valores:
𝑃(𝑋 = 0) = 𝐶(20, 0) ∗ 0.70 ∗ 0.320−0
𝑃(𝑋 = 1) = 𝐶(20, 1) ∗ 0.71 ∗ 0.320−1
𝑃(𝑋 = 2) = 𝐶(20, 2) ∗ 0.72 ∗ 0.320−2
𝑃(𝑋 = 3) = 𝐶(20, 3) ∗ 0.73 ∗ 0.320−3
𝑃(𝑋 = 4) = 𝐶(20, 4) ∗ 0.74 ∗ 0.320−4
Sumando todas las probabilidades:
𝑃(𝑋 < 5) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)
Calculando el valor:
𝑃(𝑋 < 5) ≈ 0.0005
Por lo tanto, la probabilidad de que menos de 5 niños tengan resfrío en invierno es
aproximadamente 0.0005.
4. A una garita de peaje llegan aleatoriamente 300 autos por hora. Calcular la

probabilidad de que:

a. Un auto llegue durante un periodo de 1 minuto.

b. Por lo menos dos autos lleguen durante un periodo de un minuto.

a) En este caso, queremos encontrar la probabilidad de que llegue exactamente 1 auto en

1 minuto:

(𝑒 −5 ∗ 51 )
𝑃 (𝑋 = 1 ) =
1!

Calculando esta expresión:

𝑒 −5 ∗ 5
𝑃 (𝑋 = 1) = ≈ 0.0337
1

Por lo tanto, la probabilidad de que un auto llegue durante un período de 1

minuto es aproximadamente 0.0337, o 3.37%.

b. Para calcular la probabilidad de que por lo menos dos autos lleguen durante

un período de 1 minuto, necesitamos sumar las probabilidades de los eventos

mutuamente excluyentes de que lleguen 2 autos, 3 autos, 4 autos, y así sucesivamente,

hasta el infinito.

𝑃(𝑋 ≥ 2) = 1 − 𝑃(𝑋 = 0) − 𝑃(𝑋 = 1)

La probabilidad de que no llegue ningún auto en 1 minuto se puede calcular de

manera similar al inciso anterior utilizando la distribución de Poisson con λ = 5 y k = 0:

𝑒 −5 ∗ 50
𝑃 (𝑋 = 0) = = 𝑒 −5
0!

Sustituyendo en la fórmula:

𝑃(𝑋 ≥ 2) = 1 − 𝑒 −5 − 0.0337 ≈ 0.919

Por lo tanto, la probabilidad de que por lo menos dos autos lleguen durante un

período de 1 minuto es aproximadamente 0.919, o 91.9%.

5. Un ingeniero jefe del Área de Control de Calidad de la empresa Enrique Cassinelli e

Hijos, realiza un examen de control respecto al agua que está sacando del subsuelo para

la elaboración de Gaseosas. Este líquido contiene ciertas bacterias no nocivas para la

salud a razón de 4 bacterias por cm3. Si toma una muestra de 1 cm3, calcular las

siguientes probabilidades:

a. Cuál es la probabilidad que la muestra no contenga bacteria alguna?

b. Cuál es la probabilidad de que en ½ cm3 haya por lo menos 1 bacteria?

a. La probabilidad de que la muestra no contenga bacterias alguna se puede

calcular utilizando la distribución de Poisson con λ = 4 y k = 0:

𝑒 −4 ∗ 40
𝑃 (𝑋 = 0) = = 𝑒 −4
0!

Por lo tanto, la probabilidad de que la muestra no contenga bacterias alguna es

aproximadamente 0.0183, o 1.83%.

b. La probabilidad de que en ½ cm3 haya por lo menos 1 bacteria se puede

calcular utilizando la distribución de Poisson con λ = 2 (pues estamos considerando la

mitad de la muestra anterior) y sumando las probabilidades de los eventos mutuamente

excluyentes de que haya 1 bacteria, 2 bacterias, 3 bacterias, y así sucesivamente, hasta

el infinito:

𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0)

𝑒 −2 ∗ 20
𝑃 (𝑋 = 0) = = 𝑒 −2
0!

Por lo tanto, la probabilidad de que en ½ cm3 haya por lo menos 1 bacteria es 1

aproximadamente 0.865, o 86.5%.

 6. En un estudio por parte de la Dirección Regional de Transportes y

Comunicaciones (DRTC), se ha

determinado que, en la carretera con destino a Huamachuco, hay en promedio de

20 accidentes

por semana (7 días), calcular las siguientes probabilidades:

a. Cuál es la probabilidad de que en una semana haya 15 accidentes.

b. Cuál es la probabilidad de que en dos semanas haya 32 accidentes.

c. Cuál es la probabilidad de que en un día haya tres o menos accidentes.

d. Cuál es la probabilidad de que en un día haya tres o más accidentes.

a) La probabilidad de que en una semana haya 15 accidentes se puede calcular

utilizando la distribución de Poisson con λ = 20 y k = 15:

𝑒 −20 ∗ 2015
𝑃 (𝑋 = 15) =
15!

Calculando esta expresión:

𝑃(𝑋 = 15) ≈ 0.1206

Por lo tanto, la probabilidad de que en una semana haya exactamente 15

accidentes es aproximadamente 0.1206, o 12.06%.

b. La probabilidad de que en dos semanas haya 32 accidentes se puede calcular

utilizando la distribución de Poisson con λ = 40 (el doble de la media de una semana) y

k = 32:

𝑃(𝑋 = 32) = (𝑒^(−40) ∗ 40^32) / 32!

Calculando esta expresión:

𝑃(𝑋 = 32) ≈ 0.0604

Por lo tanto, la probabilidad de que en dos semanas haya exactamente 32

accidentes es aproximadamente 0.0604, o 6.04%.

c. La probabilidad de que en un día haya tres o menos accidentes se puede calcular

sumando las probabilidades de que haya 0, 1, 2 o 3 accidentes en un día:

𝑃(𝑋 ≤ 3) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3)

Calculando cada una de estas probabilidades utilizando la distribución de

Poisson con λ = 20:

(𝑒 −20 ∗ 200 )
𝑃 (𝑋 = 0) = = 𝑒^(−20)
0!

(𝑒 −20 ∗ 201 )
𝑃 (𝑋 = 1) =
1!

(𝑒 −20 ∗ 202 )
𝑃 (𝑋 = 2) =
2!

(𝑒 −20 ∗ 203 )
𝑃 (𝑋 = 3) =
3!

Sumando estas probabilidades:

𝑃(𝑋 ≤ 3) = 𝑒^(−20) + (𝑒^(−20) ∗ 20) + (𝑒^(−20) ∗ 20^2) / 2

+ (𝑒^(−20) ∗ 20^3) / 6 ≈ 0.145

Por lo tanto, la probabilidad de que en un día haya tres o menos accidentes es

aproximadamente 0.145, o 14.5%.

d. La probabilidad de que en un día haya tres o más accidentes se puede calcular como

complemento de la probabilidad de que haya menos de tres accidentes:

𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 ≤ 2)

Calculando esta probabilidad:

𝑃(𝑋 ≥ 3) = 1 − (𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2))

𝑃(𝑋 ≥ 3) = 1 − (𝑒^(−20) + (𝑒^(−20) ∗ 20) + (𝑒^(−20) ∗ 20^2) / 2)

Por lo tanto, la probabilidad de que en un día haya tres o más accidentes es

aproximadamente 1 - 0.145 = 0.855, o 85.5%.

7. Calcule el valor de z si el área bajo una curva normal estándar

a) a la derecha de z es 0.3622;

b) a la izquierda de z es 0.1131;

c) entre 0 y z, con z > 0, es 0.4838;

d) entre –z y z, con z > 0, es 0.9500.

a) Si el área a la derecha de z es 0.3622, esto significa que la probabilidad acumulada

desde -∞ hasta z es 1 - 0.3622 = 0.6378. En la tabla de la distribución normal estándar,

buscamos el valor que corresponde a una probabilidad acumulada de 0.6378. El valor de

z correspondiente es aproximadamente 0.330.

b) Si el área a la izquierda de z es 0.1131, esto significa que la probabilidad acumulada

desde -∞ hasta z es 0.1131. En la tabla de la distribución normal estándar, buscamos el

valor que corresponde a una probabilidad acumulada de 0.1131. El valor de z

correspondiente es aproximadamente -1.17.

c) Si el área entre 0 y z, con z > 0, es 0.4838, esto significa que la probabilidad

acumulada desde 0 hasta z es 0.4838. En la tabla de la distribución normal estándar,

buscamos el valor que corresponde a una probabilidad acumulada de 0.4838. El valor de

z correspondiente es aproximadamente 1.97.

d) Si el área entre -z y z, con z > 0, es 0.9500, esto significa que la probabilidad

acumulada desde -z hasta z es 0.9500. En la tabla de la distribución normal estándar,

buscamos el valor que corresponde a una probabilidad acumulada de 0.9500 dividida

entre 2 (ya que queremos el área en cada cola de la distribución). El valor de z

correspondiente es aproximadamente 1.96.

8. Un investigador informa que unos ratones a los que primero se les restringen drásticamente sus
dietas y después se les enriquecen con vitaminas y proteínas vivirán un promedio de 40 meses. Si
suponemos que la vida de tales ratones se distribuye normalmente, con una desviación estándar de
6.3 meses, calcule la probabilidad de que un ratón determinado viva
a) más de 32 meses;

𝑃 (𝑋 > 32)
32 − 40
𝑍= = −1.26
6.3
𝑃(𝑍 < −2.10) = 0.1038
𝑃 (𝑋 < 32) = 1 − 0.1038 = 0.8962

b) menos de 28 meses;

𝑃 (𝑋 < 28)
28 − 40
𝑍= = −1.9
6.3
𝑃 (𝑍 < −1.9) = 0.0287

c) entre 37 y 49 meses.

𝑃 (37 < 𝑋 < 49) = 𝑃 (𝑍1 < 𝑍 < 𝑍2 ) = 𝑃 (𝑍2 < 1.42) − 𝑃(𝑍1 < −0.47)
49 − 40 37 − 40
𝑍1 = = 1.42 𝑍2 = = −0.47
6.3 6.3

𝑃(−0.47 < 𝑋 < 1.42) = 𝑃(𝑍2 < 1.42) − 𝑃 (𝑍3 < −0,47)
= 0.9207 − 0.3192
= 0.6015
9. En el ejemplar de noviembre de 1990 de Chemical Engineering Progress, un estudio analiza el
porcentaje de pureza del oxígeno de cierto proveedor. Suponga que la media fue de 99.61, con una
desviación estándar de 0.08. Suponga que la distribución del porcentaje de pureza fue
aproximadamente normal.
a) ¿Qué porcentaje de los valores de pureza esperaría que estuvieran entre 99?5 y 99.7?

𝑃 (99.5 < 𝑋 < 99.7) = 𝑃(𝑍1 < 𝑍 < 𝑍2 ) = 𝑃(𝑍2 < 1.125) − 𝑃(𝑍1 < −1.375)
99 − 99.61 99.7 − 99.61
𝑍1 = = −1.375 𝑍2 = = 1.125
0.08 0.08

𝑃 (7.3 < 𝑋 < 9.1) = 𝑃(𝑍2 < −1.375) − 𝑃 (𝑍3 < 1.125)
= 0.8647 − 0.08456
= 0.78

b) ¿Qué valor de pureza esperaría que excediera exactamente 5% de la población?

𝑋−𝜇
𝑍=
𝜎
𝑋 = 𝜇 + 𝑍𝜎

𝑋 = 99.61 + (1.646). 0.08

𝑋 = 99.7416
 10. La estatura de 1000 estudiantes se distribuye normalmente con una media de 174.5 centímetros
y una desviación estándar de 6.9 centímetros. ¿Cuántos de estos estudiantes esperaría que tuvieran
una estatura
a) menor que 160.0 centímetros?

𝑃(𝑋 < 160)

160 − 174.5
𝑍= = −2.10
6.9
𝑃 (𝑍 < −2.10) = 0.01786
Luego: 1000 ∗ 0.01786Θ ≈ 18 𝑎𝑙𝑢𝑚𝑛𝑜𝑠

b) de entre 171.5 y 182.0 centímetros?

𝑃(171.5 < 𝑋 < 182) = 𝑃 (𝑍1 < 𝑍 < 𝑍2 ) = 𝑃 (𝑍1 < −0.43) − 𝑃(𝑍2 < 1.09)
171.5 − 174.5 182 − 174.5
𝑍1 = = −0.43 𝑍2 = = 1.09
6.9 6.9

𝑃(7.3 < 𝑋 < 9.1) = 𝑃(𝑍1 < −0.43) − 𝑃 (𝑍2 < 1.09)
= 0.8413 − 0.34458
= 0.497
Luego: 1000 ∗ 0.497 ≈ 500 𝑎𝑙𝑢𝑚𝑛𝑜𝑠

c) igual a 175.0 centímetros?

𝑃(𝑋 = 175)
175 − 174.5
𝑍= = 0.072
6.9
𝑃 (𝑍 = 0.072) = 1 − 0.5279 = 0.5279

d ) mayor o igual que 188.0 centímetros?

𝑃(𝑋 ≥ 188)
188 − 174.5
𝑍= = 1.96
6.9
𝑃(𝑍 ≥ 188) = 1 − 𝑃 (𝑍 < 1.96) = 1 − 0.9750 = 0.025
Luego: 1000 ∗ 0.025 ≈ 25 𝑎𝑙𝑢𝑚𝑛𝑜𝑠
 11. Los pesos de un gran número de poodle miniatura se distribuyen aproximadamente de forma
normal con una media de 8 kilogramos y una desviación estándar de 0.9 kilogramos. Calcule la
fracción de estos poodle con pesos
𝑋−𝜇
𝑍=
𝜎

a) por arriba de 9.5 kilogramos;

𝑃 (𝑋 > 9.5) = 1 − 𝑃(𝑍 < 1.67)
9.5 − 8
𝑍= = 1.67
0.9
1 − 𝑃 (𝑍 < 1.67) = 1 − 0.9463 = 0.0537

b) a lo sumo 8.6 kilogramos;

𝑃 (𝑋 > 8.6) = 𝑃(𝑍 < 0.67)
8.6 − 8
𝑍= = 0.67
0.9

c) entre 7.3 y 9.1 kilogramos.

𝑃(7.3 < 𝑋 < 9.1) = 𝑃(𝑍1 < 𝑍 < 𝑍2 ) = 𝑃(𝑍1 < 1.12) − 𝑃 (𝑍2 < −0.78)
9.1 − 8 7.3 − 8
𝑍1 = = 1.12 𝑍2 = = −0.78
0.9 0.9

𝑃(7.3 < 𝑋 < 9.1) = 𝑃(𝑍1 < 1.12) − 𝑃 (𝑍2 < −0.78)
= 0.8665 − 0.2420
= 0.6245

12. En una urna hay 30 bolas, 10 rojas y el resto blancas. Se elige una bola al azar y se anota si es
roja; el proceso se repite, devolviendo la bola, 10 veces. Calcular la media y la desviación típica.

Datos:
10 1
Probabilidad de que salga una bola roja: 30 = 3
20 2
Probabilidad de que salga una bola blanca: 30 = 3

Luego:
1
𝜇 = 10 . = 3.33
3

1 2
𝜎 = √10 . . = 1.49
3 3
 13. Un agente de seguros vende pólizas a cinco personas de la misma edad y que disfrutan de buena
salud. Según las tablas actuales, la probabilidad de que una persona en estas condiciones viva 30
años o más es 2/3. Hállese la probabilidad de que, transcurridos 30 años, vivan:

Aplicando la distribución binomial y su fórmula:

𝑛
𝑃 (𝑋 = 𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
2
Donde: 𝑛 = 5 y 𝑝 = 3

a. Las cinco personas.

5 2 5 2
𝑃 (𝑋 = 5) = ( ) ( ) (1 − )5−5
5 3 3
𝑃 (𝑋 = 5) = 0.13

b. Al menos tres personas.

5 2 0 2
𝑃(𝑋 = 0) = ( ) ( ) (1 − )5−0
0 3 3
𝑃(𝑋 = 0) = 0.0041
5 2 1 2
𝑃(𝑋 = 1) = ( ) ( ) (1 − )5−1
1 3 3
𝑃(𝑋 = 1) = 0.041
5 2 2 2
𝑃(𝑋 = 2) = ( ) ( ) (1 − )5−2
2 3 3
𝑃(𝑋 = 2) = 0.165
5 2 3 2
𝑃(𝑋 = 3) = ( ) ( ) (1 − )5−3
3 3 3
𝑃(𝑋 = 3) = 0.329
Luego sumamos las probabilidades obtenidas:
𝑃(𝑋 ≥ 3) = 1 − (0.329 + 0.165 + 0.0041 + 0.041) = 0.4609
c. Exactamente dos personas.

5 2 2 2
𝑃(𝑋 = 2) = ( ) ( ) (1 − )5−2
2 3 3

𝑃(𝑋 = 2) = 0.165