1.

Un técnico de control de tránsito por carretera informa que 70% de los vehículos que pasan por
un punto de control provienen del mismo estado. ¿cuál es la probabilidad de que menos de 4 de
los siguientes 9 vehículos que pasen provengan de otro Estado?

Este es un problema de probabilidad binomial, en el cual la probabilidad de éxito es 0.7 (la

probabilidad de que un vehículo provenga del mismo estado) y la probabilidad de fracaso es 0.3 (la
probabilidad de que un vehículo provenga de otro estado).

La pregunta nos pide encontrar la probabilidad de que menos de 4 de los siguientes 9 vehículos
que pasen provengan de otro Estado. Podemos calcular esto sumando las probabilidades de que 0,
1, 2 o 3 vehículos provengan de otro estado.

Podemos usar la fórmula de probabilidad binomial para calcular cada una de estas probabilidades:

P(X = k) = (n choose k) * p^k * (1-p)^(n-k)

Donde n es el número de ensayos (en este caso, 9), k es el número de éxitos (es decir, el número
de vehículos que provienen de otro estado) y p es la probabilidad de éxito (0.3 en este caso).

Probabilidad de que 0 vehículos provengan de otro estado:

P(X = 0) = (9 choose 0) * 0.3^0 * 0.7^9 = 0.007

Probabilidad de que 1 vehículo provenga de otro estado:

P(X = 1) = (9 choose 1) * 0.3^1 * 0.7^8 = 0.046

Probabilidad de que 2 vehículos provengan de otro estado:

P(X = 2) = (9 choose 2) * 0.3^2 * 0.7^7 = 0.15

Probabilidad de que 3 vehículos provengan de otro estado:

P(X = 3) = (9 choose 3) * 0.3^3 * 0.7^6 = 0.29

Entonces, la probabilidad de que menos de 4 vehículos provengan de otro estado es la suma de

estas probabilidades:

P(X < 4) = P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3)

P(X < 4) = 0.007 + 0.046 + 0.15 + 0.29

P(X < 4) = 0.493

Por lo tanto, la probabilidad de que menos de 4 de los siguientes 9 vehículos que pasen provengan
de otro Estado es de 0.493.

2. ¿Cuántos soles se puede esperar que salgan si se tira una moneda 64 veces?

Cuando se tira una moneda, existen dos posibles resultados: cara o cruz. Cada resultado tiene la
misma probabilidad de ocurrir, es decir, 0.5.

Si se tira la moneda 64 veces, podemos considerar cada tiro como un ensayo independiente. La
cantidad de caras que se obtienen en los 64 tiros se puede modelar como una variable aleatoria
binomial con parámetros n=64 y p=0.5.

La fórmula para la media de una distribución binomial es:

media = n * p
Por lo tanto, en este caso, la cantidad media de caras que se pueden esperar es:

media = 64 * 0.5 = 32

Entonces, podemos esperar que salgan 32 caras en 64 lanzamientos de la moneda.

Sin embargo, es importante tener en cuenta que esto es solo un valor esperado y que la cantidad
real de caras puede variar en cada lanzamiento.

3.De acuerdo con un estudio publicado por un grupo de sociólogos de cierta Universidad, se
menciona que dos tercios de los 20 millones de personas que en México acostumbran tomar café,
son mujeres. Suponiendo que esta cifra sea una estimación válida, obtenga la probabilidad de que,
en un día dado, la sexta taza de café

a) Sea la primera que se le sirve a una mujer?

b) Sea la tercera que se le sirve a una mujer?

Dado que dos tercios de las personas que acostumbran tomar café en México son mujeres,
podemos decir que la proporción de mujeres que toman café es de 2/3 y la proporción de
hombres que toman café es de 1/3.

a) Para calcular la probabilidad de que la primera taza de café que se sirve a una mujer sea la sexta
taza en un día dado, podemos usar la fórmula de probabilidad condicional:

P(primera taza servida a una mujer es la sexta) = P(primera taza servida a una mujer) * P(quienes
tomaron las primeras cinco tazas son hombres)

La probabilidad de que la primera taza servida sea a una mujer es de 2/3, ya que dos tercios de las
personas que toman café son mujeres.
La probabilidad de que las primeras cinco tazas sean para hombres es (1/3)^5, ya que la
proporción de hombres que toman café es de 1/3 y estamos hablando de cinco tazas sucesivas.

Entonces, la probabilidad de que la primera taza servida a una mujer sea la sexta taza en un día
dado es:

P(primera taza servida a una mujer es la sexta) = (2/3) * (1/3)^5 = 0.00045

Por lo tanto, la probabilidad de que la primera taza servida a una mujer sea la sexta taza en un día
dado es de 0.00045.

b) Para calcular la probabilidad de que la tercera taza de café que se sirve a una mujer sea la sexta
taza en un día dado, podemos usar la misma fórmula de probabilidad condicional:

P(tercera taza servida a una mujer es la sexta) = P(primeras dos tazas servidas a hombres) *
P(tercera taza servida a una mujer) * P(quienes tomaron las siguientes dos tazas son hombres)

La probabilidad de que las dos primeras tazas sean para hombres es (1/3)^2, ya que estamos
hablando de dos tazas sucesivas y la proporción de hombres que toman café es de 1/3.

La probabilidad de que la tercera taza servida sea a una mujer es de 2/3, ya que dos tercios de las
personas que toman café son mujeres.

La probabilidad de que las dos siguientes tazas sean para hombres es (1/3)^2, ya que estamos
hablando de dos tazas sucesivas y la proporción de hombres que toman café es de 1/3.

Entonces, la probabilidad de que la tercera taza servida a una mujer sea la sexta taza en un día
dado es:

P(tercera taza servida a una mujer es la sexta) = (1/3)^2 * (2/3) * (1/3)^2 = 0.00015
Por lo tanto, la probabilidad de que la tercera taza servida a una mujer sea la sexta taza en un día
dado es de 0.00015.

4.La cantidad de café diaria, en litros, que sirve una máquina que se localiza en el vestíbulo de un
Aeropuerto es una variable aleatoria X que tiene una distribución continua uniforme A = 7 y B =
10, encuentra la probabilidad de que en un día dado la cantidad de café que sirve esta máquina
sea:

a) A lo más 8.5 litros.

b) Más de 7.2 litros, pero menos de 9 litros.

c) Al menos 8 litros.

Sabemos que la cantidad de café diaria que sirve la máquina de café tiene una distribución
uniforme continua entre 7 y 10 litros.

a) La probabilidad de que la cantidad de café sea a lo más 8.5 litros es igual al área bajo la curva de
densidad de probabilidad de la distribución uniforme entre 7 y 8.5.

La curva de densidad de probabilidad para una distribución uniforme continua es simplemente

una recta horizontal que tiene una altura de 1/(B-A) y es igual a cero fuera del intervalo [A,B]. En
este caso, la altura de la recta es 1/(10-7) = 1/3. Por lo tanto, la probabilidad de que la cantidad de
café sea a lo más 8.5 litros es:

P(X ≤ 8.5) = (8.5 - 7)/(10 - 7) = 0.5

Entonces, la probabilidad de que la cantidad de café sea a lo más 8.5 litros es de 0.5.

b) La probabilidad de que la cantidad de café sea más de 7.2 litros pero menos de 9 litros es igual
al área bajo la curva de densidad de probabilidad de la distribución uniforme entre 7.2 y 9.
La altura de la recta de densidad de probabilidad sigue siendo 1/3, pero ahora tenemos que
calcular el área bajo la curva entre 7.2 y 9. Esto es:

P(7.2 < X < 9) = (9 - 7.2)/(10 - 7) = 0.6

Por lo tanto, la probabilidad de que la cantidad de café sea más de 7.2 litros pero menos de 9 litros
es de 0.6.

c) La probabilidad de que la cantidad de café sea al menos 8 litros es igual al área bajo la curva de
densidad de probabilidad de la distribución uniforme entre 8 y 10.

La altura de la recta de densidad de probabilidad sigue siendo 1/3, y ahora tenemos que calcular el
área bajo la curva entre 8 y 10. Esto es:

P(X ≥ 8) = (10 - 8)/(10 - 7) = 0.6667

Por lo tanto, la probabilidad de que la cantidad de café sea al menos 8 litros es de 0.6667.

5.Estadísticas publicadas en cierto Periódico otorgadas por Tránsito Municipal muestra que en una
noche promedio de fin de semana, 3 de cada 10 conductores conduce con sueño. Si se verifican
300 conductores al azar la siguiente noche de sábado, ¿cuál es la probabilidad de que el número
de conductores con sueño sea

a). Menor que 70?

b). Mayor que 80?

c). Al menos 60 pero menos que 85?

Podemos modelar el número de conductores con sueño en una noche de fin de semana como una
distribución binomial con n = 300 (el número de conductores verificados) y p = 0.3 (la probabilidad
de que un conductor conduzca con sueño).
a) Para encontrar la probabilidad de que el número de conductores con sueño sea menor que 70,
debemos sumar las probabilidades de que haya 0, 1, 2, ..., 69 conductores con sueño. Podemos
usar la fórmula de la distribución binomial o una aproximación normal.

Usando la fórmula de la distribución binomial, la probabilidad es:

P(X < 70) = Σ P(X = k), desde k = 0 hasta k = 69

= Σ (300 choose k) * 0.3^k * 0.7^(300-k), desde k = 0 hasta k = 69

donde (300 choose k) es el número de formas de elegir k conductores con sueño de un total de
300 conductores.

Este cálculo puede ser tedioso de hacer a mano, pero podemos usar una aproximación normal
para simplificarlo. Si aproximamos la distribución binomial con una distribución normal con media
μ = np = 300 * 0.3 = 90 y desviación estándar σ = sqrt(np(1-p)) = sqrt(63), podemos usar la tabla de
la distribución normal estándar para encontrar la probabilidad de que X sea menor que 70:

P(X < 70) ≈ P(Z < (70 - 90) / sqrt(63))

≈ P(Z < -3.17)

≈ 0.0008

donde Z es una variable aleatoria normal estándar.

Entonces, la probabilidad de que el número de conductores con sueño sea menor que 70 es de
aproximadamente 0.0008.

b) Para encontrar la probabilidad de que el número de conductores con sueño sea mayor que 80,
debemos sumar las probabilidades de que haya 81, 82, ..., 300 conductores con sueño. Podemos
usar la fórmula de la distribución binomial o una aproximación normal, similar a la parte (a).

Usando la aproximación normal, la probabilidad es:

P(X > 80) ≈ P(Z > (80 - 90) / sqrt(63))

≈ P(Z > -1.58)

≈ 0.9429

donde Z es una variable aleatoria normal estándar.

Entonces, la probabilidad de que el número de conductores con sueño sea mayor que 80 es de
aproximadamente 0.9429.

c) Para encontrar la probabilidad de que el número de conductores con sueño sea al menos 60
pero menos que 85, podemos usar la aproximación normal para aproximar la probabilidad de que
X esté entre 60 y 84:

P(60 ≤ X < 85) ≈ P((60 - 90) / sqrt(63) ≤ Z < (85 - 90) / sqrt(63))

≈ P(-3.17 ≤ Z < -1.58)

≈ P(Z < -1.58) - P(Z < -3.17)

≈ 0.9429 - 0.0008

≈ 0.9421

donde Z es una variable aleatoria normal estándar