METODOS ESTADISTICOS EN LA INGENIERIA

TEMA 4: Variables Aleatorias. Distribuciones Discretas y Continuas

Problemas Resueltos

(1) Dada la siguiente funcion de distribucion:

8
>
> 0 si x< 2;
>
> p
>
>
< (x + 3)=16 si 2
p
x< 2;
F (x) = P ( x) = (x + 4)=16 si 2 x < 2;
>
>
>
> (x + 6)=16 si 2 x < 4;
>
>
:
1 si x 4:
p
Se pide: (a) P ( 2 Q) ; (b) P ( 2 I) ; (c) P ( 2 [ 1; 2]) ; (d) P ( 2 (2; 4]) ; (e) P ( 2 ( 2; 3])

p
Solucion. En primer lugar, notese que F solo podr a ser discontinua en los puntos -2, 2; 2 y 4. Es decir, solo

podr a "saltar" en esos puntos, y los "saltos" ser an sus probabilidades; i.e., P ( = x) = F (x) F (x ) 8x 2 R:

P
(a) P ( 2 Q) = P ( = q) por el axioma 3 de la de nicion de medida de probabilidad ya que el conjunto de los
q2Q
numeros racionales es numerable. En general, P ( = q) es el salto de F en q; el cual es F (q) F (q ): Por tanto,

P ( 2 Q) = P ( = 2) + P ( = 2) + P ( = 4) = fF ( 2) F ( 2 )g + fF (2) F (2 )g + fF (4) F (4 )g :

Luego, P ( 2 Q) = (1=16 0) + (8=16 6=16) + (1 10=16) = 9=16:

(b) P ( 2 I) = 1 P ( 2 Q) = 1 9=16 = 7=16:

(c) P ( 1 2) = P ( 2) P( < 1) = F (2) F ( 1 ) = 8=16 2=16 = 6=16:

(d) P (2 < 4) = P ( 4) P( 2) = F (4) F (2) = 1 8=16 = 1=2:

p p p p
(e) P ( 2 < 3) = P ( 3) P( 2) = 9=16 ( 2 + 4)=16 = (5 2)=16:

(2) >Cuales de las siguientes funciones son realmente funciones de distribucion?

8
>
< 0 si x < 0;
1
F1 (x) = x si 0 x < 1=2; F2 (x) = arctg (x) ; 1 < x < +1
>
:
1 si x 1=2:
( (
0 si x < 1; 0 si x < 0;
F3 (x) = F4 (x) =
1 1=x si x 1: 1 exp( x) si x 0:

Solucion. En general, F es una funcion de distribucion acumulativa si y solo si veri ca las siguientes 4

propiedades: 1) 0 F (x) 1 para todo x 2 R; 2) F ( 1) = 0 y F (+1) = 1; 3) F es no decreciente;

1
4) F es continua por la derecha. Es facil comprobar que F1 ; F3 y F4 cumplen las 4 propiedades, es decir, son

funciones de distribucion. Sin embargo, F2 no es una funcion de distribucion. Notese que F2 toma valores entre

-0.5 y 0.5 ya que arctg ( 1) = =2 y arctg (+1) = =2: Observe tambien que F2 (x) = 0:5 + F2 (x); x 2 R;

si ser a una funcion de distribucion.

(3) Una compa~

n a de seguros contra accidentes considera que una proporcion de 0.001 de la poblacion sufre

cierto tipo de accidente al a~

no. >Cual es la probabilidad de que a lo sumo 3 asegurados con la compa~
n a sufran

esta clase de accidente en un a~

no dado si la compa~
n a tiene asegurados a 10000 personas (seleccionadas al azar

de la poblacion)?

Solucion. La variable aleatoria : "Numero de individuos accidentados en un a~

no entre los 10000 asegurados"

tiene una distribucion binomial B(n; p); donde n = 10000 y p = P ("exito") = 0:001; ya que es del tipo "Numero

de exitos en n pruebas independientes". Como B(10000; 0:001) se obtiene que

3
X 3
X 10000
P( 3) = P ( = k) = 0:001k 0:99910000 k
= 0:0103095817:
k
k=0 k=0

Puesto que n 50 y fp 0:1 o np < 5g; podr a utilizar tambien que B(n; p) P( = np): Si utilizamos

que P( = 10); resulta que

3
X k
10 100 101 102 103
P( 3) e =e + + + = 0:01033605068:
k! 0! 1! 2! 3!
k=0

En general, debes aproximar si no tienes otro remedio. Aqu se puede calcular P ( 3) de forma exacta.

(4) Un lepidopterista desea capturar un ejemplar de cierta clase de mariposa que se encuentra en un por-

centaje del 15%. Halla la probabilidad de que tenga que capturar 10 mariposas de otra clase antes de cazar:

(a) un ejemplar de la clase deseada; (b) tres ejemplares de la clase deseada.

Solucion. Suponemos que p = P ("exito") = P ("Una mariposa es de la clase deseada") = 0:15:

(a) Debe ocurrir aqu 10 fracasos seguidos y el primer exito en la prueba 11, es decir: F1 ; F2 ; : : : ; F10 ; E1 : Por

consiguiente, la probabilidad es 0:8510 0:151 = 0:02953116:

(b) Ahora, sucede el tercer exito en la prueba 13, y en las 12 primeras pruebas ocurren 2 exitos y 10 fracasos.
12
Por tanto, la probabilidad es 2 0:152 0:8510 0:15 = 0:04385377:

Notese que si de nimos la variable aleatoria n : "Numero de fracasos antes del n-esimo exito", cuya distribucion

es BN (n; p); entonces la soluciones de los apartados (a) y (b) ser an P ( 1 = 10) y P ( 3 = 10); respectivamente.

2
(5) Consideremos tres formas posibles de declarar inocente o culpable a un reo. En la primera, un unico juez

decide, con probabilidad p = 0:9 de tomar la decision correcta. En la segunda, se decide por mayor a de las tres

personas de un jurado. De ellas, dos son responsables y toman la decision correcta con probabilidad p = 0:9; y

la otra es un irresponsable que absuelve o condena de acuerdo con el resultado del lanzamiento de una moneda.

En la tercera, se decide por mayor a de un jurado de 15 personas que deciden independientemente, cada una de

las cuales toma la decision correcta con probabilidad p = 0:8. >Con cual de estos tres procedimientos es mayor

la probabilidad de tomar la decision correcta?

Solucion. Consideramos el suceso A : "Tomar la decision correcta". En la primera forma, P (A) = 0:9:

En la segunda forma, al Responsable 1, Responsable 2 e Irresponsable los denotaremos como R1 ; R2 e I:

Para decidir correctamente, deben tener exito R1 y R2 ; o bien debe acertar uno de los dos Responsables y tener

exito el Irresponsable. La probabilidad de que R1 y R2 tengan exito es P (E1 E2 ) = 0:9 0:9; representamos exito

y fracaso por E y F: En el otro caso, puede ocurrir E1 F2 E (exito, fracaso, exito) o bien F1 E2 E (fracaso, exito,

exito), los cuales tienen probabilidades 0:9 0:1 0:5 y 0:1 0:9 0:5: Por tanto, en la segunda forma se obtiene
2
que P (A) = 0:9 0:9 + 1 0:9 0:1 0:5 = 0:9:

En la tercera forma, si : "Numero de personas que deciden correctamente entre las 15", cuya distribucion

es binomial B(n; p) con n = 15 y p = 0:8; entonces

15
X 15
X 15
P (A) = P ( 8) = P ( = k) = 0:8k 0:215 k
= 0:99576:
k
k=8 k=8

Por consiguiente, el tercer procedimiento es el que tiene mayor probabilidad de tomar la decision correcta.

(6) Un empleado de un banco sustituye cautelosamente un billete legal por uno falso en cada fajo de cien

billetes. Si el interventor del banco toma un billete al azar de cada uno de 50 fajos. >Cual es la probabilidad

de que tope con un billete falso?

Solucion. La probabilidad de que un billete sea legal es 99/100 y de que sea falso es 1/100. Luego,

P ("Hallar un billete falso entre los 50") = 1 P ("Los 50 billetes son legales") = 1 0:9950 = 0:394994:

3
(7) De los 50 representantes de cierto estado en una convencion pol tica, 30 apoyan al candidato A y 20 al

candidato B. Si se seleccionan aleatoriamente 5 representantes, >cual es al probabilidad de que entre estos 5, al

menos 2 apoyen al candidato A?

Solucion. Supongamos que "exito" es "apoyar al candidato A". Si : "Numero de exitos en la muestra de

tama~
no 5", entonces se pide P ( 2); donde H(N; n; p) con N = 50; n = 5 y p = 30=50: Por tanto

30 20 30 20
0 5 1 4
P( 2) = 1 P ( < 2) = 1 P ( = 0) P ( = 1) = 1 = 0:924081:
50 50
5 5

(8) Un fabricante recibe 40 motores y selecciona 8 para examinarlos. Si el lote contiene 2 motores con serios

defectos, >cual es la probabilidad de que el lote sea aceptado? (el lote se acepta si el fabricante no detecta fallos

en los motores que selecciona para el examen).

Solucion. El lote contiene 38 motores perfectos y 2 defectuosos ("exitos"). En este caso, : "Numero de exitos

(defectuosos) en los 8 motores seleccionados" sigue una distribucion H(N; n; p) con N = 40; n = 8 y p = 2=40:

Por tanto:
2 38
0 8 32 31
P ("El lote es aceptado") = P ( = 0) = = = 0:635897:
40 40 39
8

(9) Una centralita telefonica recibe 300 llamadas de media cada hora. No puede establecer mas de 12 conexiones

por minuto. Se pide: (a) La probabilidad de que quede rebasada en un minuto dado; (b) La probabilidad de

que reciba una sola llamada en un minuto dado.

Solucion. La variable : "Numero de llamadas (exitos) recibidas en un minuto por la centralita" sigue una

distribucion de Poisson con parametro = E[ ] = 300=60 = 5: Notese que el numero de pruebas es el numero de

instantes de un minuto (es decir, in nito) y que la probabilidad de "exito" en cada instante es 0. Si suponemos

que los exitos son independientes, es razonable suponer que la distribucion es de Poisson. Por tanto,

12
X k 1
55
(a) P ( > 12) = 1 P( 12) = 1 e = 0:002 y (b) P ( = 1) = e = 0:0336897:
k! 1!
k=0

4
(10) El promedio de part culas radioactivas que pasan por un contador durante un milisegundo es 4. Se pide:

(a) >Cual es la probabilidad de que en un determinado milisegundo pasen 6 part culas por el contador?

(b) >Cual es la probabilidad de que en cierto segundo pasen entre 3975 y 4050 part culas?

Solucion. Para k = 1; 2; : : : ; de nimos la variable aleatoria k : "Numero de exitos (part culas radioactivas

que pasan por un contador) durante k milisegundos", la cual sigue una distribucion de Poisson con parametro
6
= E[ k ] = k 4: Entonces: (a) P ( = 6) = e 44 = 0:1041956 y (b) P (3975 4050); donde
k 1 1000
6!
X = tiene una distribucion de Poisson con parametro = E[X] = 4000; la cual es aproximadamente
1000
p p p
normal N ( ; ) N (4000; 4000): Tipi cando la variable X; resulta que (X )= es aproximadamente

N (0; 1): Por tanto,

3975 4000 X 4000 4050 4000

P (3975 X 4050) = P p p p P ( 0:395 Z 0:79) ;
4000 4000 4000

donde Z N (0; 1): Luego, P (3975 X 4050) F (0:79) F ( 0:395) = F (0:79) f1 F (+0:395)g; donde

F es la funcion de distribucion de la normal tipi cada N (0; 1): Utilizando la tabla de la distribucion N (0; 1); se

obtiene que F (0:79) = 0:7852 y que F (0:395) fF (0:39) + F (0:40)g=2 = (0:6517 + 0:6554)=2 = 0:6536; lo que

implica que P (3975 X 4050) 0:7852 + 0:6536 1 = 0:4388: Notese que en la tabla de la N (0; 1) aparece

P (Z > z); pero que la funcion de distribucion es F (z) = P (Z z) = 1 P (Z > z) 8z 0:

(11) La humedad relativa medida en cierto lugar, Y; tiene una funcion de densidad dada por :

f (y) = ky 3 (1 y)2 si 0 y 1:

Se pide: (a) El valor de k; (b) La funcion de distribucion de Y ; (c) P (0:2 < Y < 0:3):

Solucion. Es aconsejable obtener primero la funcion de distribucion F (y) = P (Y y); y 2 R, la cual ser a:
8 8
>
> 0 si y < 0; >
> 0 si y < 0;
< Z y Z y < 4
y y6 2y 5
F (y) = f (t)dt = k (t3 + t5 2t4 )dt si y 2 [0; 1]; = k + si y 2 [0; 1];
>
> >
> 4 6 5
: 0 0 :
1 si y > 1; 1 si y > 1:

Como F debe ser continua, F (1) = F (1+ ); es decir, k(1=4 + 1=6 2=5) = 1; lo que implica que k = 60: Ademas,

P (0:2 < Y < 0:3) = F (0:3) F (0:2) = 0:07047 0:01696 = 0:05351:

nos- de cierta componente electronica tiene una tasa de fallo h(t) = t2 =72 para t > 0:
(12) La duracion -en a~

>Cuales son las funciones de densidad y de abilidad? Halla la probabilidad de que una componente elegida

5
al azar dure mas de 5 a~
nos. >Cual debe ser el per odo de garant a si el fabricante desea que como maximo se

aver en el 10% de las componentes en dicho per odo?

Solucion. De nimos la variable aleatoria T : "Duracion -en a~

nos- de cierta componente electronica". Entonces,

la funcion de densidad en t > 0 ser a f (t) = h(t)R(t); donde R(t) = P (T t) es la funcion de abilidad en t:

Puesto que
Z t Z t 2
x t3 (t=6)3
R(t) = exp h(x)dx = exp dx = exp =e 8t > 0;
0 0 72 216

resulta que

t2 (t=6)3 (t=6)3
f (t) = h(t)R(t) = e y F (t) = P (T t) = 1 R(t) = 1 e 8t > 0:
72

Luego, P (T > 5) = e (5=6)3 = 0:560625: Notese que la distribucion de T es de Weibull con parametros =3y

= 6; i.e., T W (3; 6): Por ultimo, el per odo de garant a si el fabricante desea que se aver en como maximo el

10% de las componentes es el cuantil c0:10 de T: Vamos a hallar el cuantil generico cp de la distribucion W ( ; ):

Como P (T cp ) = p; se obtiene que 1 expf (cp = ) g = p: Luego, expf (cp = ) g = 1 p; lo que implica

que (cp = ) = log(1 p): Por tanto, cp = = f log(1 p)g1= ; es decir cp = f log(1 p)g1= 8p 2 (0; 1):

En nuestro caso particular, c0:10 = 6f log(0:9)g1=3 = 2:8338523 a~

nos; esto es, el per odo de garant a debe ser

de 2 a~
nos, 10 meses (de 30 d as) y 4.356 d as. Comprueba que, si solo se admite un 5% de aver as, la garant a

tiene que ser de 2:229315 a~

nos.

(13) Un distribuidor mayorista de gasolina dispone de tanques de almacenaje que contienen una cantidad ja

de gasolina y que se llenan cada lunes. La proporcion de esta reserva que se vende durante la semana es de sumo

interes para el distribuidor. Se comprobo emp ricamente que esta proporcion pod a representarse mediante una

distribucion Beta de parametros a = 4 y b = 2. Halla la probabilidad de que el mayorista venda al menos el

90% de su reserva durante una semana dada.

Solucion. Consideramos la variable aleatoria : "Proporcion de la reserva de gasolina que se vende durante
1
una semana". Como Beta(4; 2); su funcion de densidad ser a f (x) = x4 1
(1 x)2 1
para x 2 (0; 1);
(4; 2)
donde (4; 2) = (4) (2)= (4 + 2) = 3! 1!=5! = 1=20: El problema pide hallar P ( 0:90) = 1 F (0:90);

donde F es la funcion de distribucion, la cual estar a de nida por:

Z x Z x Z x
x4 x5
F (x) = P ( x) = f (t)dt = 20t3 (1 t)1 dt = 20 (t3 t4 )dt = 20 ; 0 < x < 1:
0 0 0 4 5

6
 0:904 0:905
Por consiguiente, P ( 0:90) = 1 F (0:90) = 1 20 = 0:08146: Aproximadamente, el 8:15%
4 5
de las semanas el mayorista vende al menos el 90% de la reserva de gasolina.

(14) El precio de venta de cierto art culo, Y; sigue una distribucion N ( ; ): Se sabe que el 20% de las ventas

son superiores a 1000 euros y que el 30% sobrepasan a 800 euros. Se pide: (a) La media y la varianza de la

distribucion; (b) Si los costes se relacionan con los precios de venta segun la expresion C = 350+Y 0:00012Y 2 ;

>cual es el coste medio?

Solucion. La variable de interes es aqu Y : "Precio de venta de cierto art culo". De acuerdo con el enunciado,

Y N ( ; ); P (Y > 1000) = 0:20 y P (Y > 800) = 0:30: Luego, y0:20 = 1000 y y0:30 = 800 ya que el punto

cr tico y satisface que P (Y > y ) = : Como Y N ( ; ); se veri ca tipi cando que (Y )= = Z N (0; 1);

lo que implica que y = + z para todo 2 (0; 1): En de nitiva, utilizando que z0:20 = 0:8416 y z0:30 = 0:5244;

se obtiene que:
8 8
< 1000 = y0:20 = + z0:20 = + 0:8416 ; < 1000 = + 0:8416 ;
()
: :
800 = y0:30 = + z0:30 = + 0:5244 : 800 = + 0:5244 :

Simplemente restando se obtiene que 200 = 0:3172 ; lo cual implica que = 630:517: Sustituyendo este valor

en una de las ecuaciones, resulta que = 469:357:

En el segundo apartado se pide el coste medio, donde el coste se de ne por C = 350 + Y 0:00012Y 2 : Es

decir, tenemos que calcular E[C] = E[350 + Y 0:00012Y 2 ] = 350 + E[Y ] 0:00012E[Y 2 ]: Evidentemente,

E[Y ] = y, como V [Y ] = E[Y 2 ] (E[Y ])2 ; se veri ca que E[Y 2 ] = V [Y ] + (E[Y ])2 = 2 + 2: Luego:

E[C] = 350 + E[Y ] 0:00012E[Y 2 ] = 350 + 0:00012( 2

+ 2
) = 745:215:

(15) Si X1 ; X2 ; : : : es una sucesion de variables aleatorias independientes e identicamente distribuidas (v.a.i.i.d.)

con funcion de densidad f (x) = 8 exp( 8x) para x > 0; y S100 = X1 +X2 + +X100 . Calcula: (a) P (S100 10);

(b) P (11 S100 13):

Solucion. Por el Teorema Central del L mite (TCL) de Levy-Lindeberg, se veri ca que la distribucion de la

suma muestral S100 es aproximadamente normal ya que 100 es su cientemente "grande". La media de S100

ser a 100E[X]; donde

Z 1 Z 1 Z 1
8x 1 1 1
E[X] = xf (x)dx = 8 xe dx = te t dt = (2) =
0 0 8 0 8 8

7
usando el cambio de variable t = 8x: Ademas, la varianza de S100 ser a 100V [X] ya que X1 ; X2 ; :::; X100 son

independientes. Como V [X] = E[X 2 ] (E[X])2 ; solo necesitamos hallar E[X 2 ]; la cual esta de nida por
Z 1 Z 1 Z 1 Z 1
t2 t dt 1 1 2
E[X 2 ] = x2 f (x)dx = 8 x2 e 8x
dx = 8 e = t2 e t dt = (3) = 2 :
0 0 0 82 8 82 0 82 8

Luego, V [X] = E[X 2 ] (E[X])2 = 2=82 1=82 = 1=82 : En resumen, S100 N ( ; ); donde

2
= E[S100 ] = 100E[X] = 100=8 = 12:5 y = V [S100 ] = 100V [X] = 100=82 = 1:252 :

Por tanto, S100 N (12:5; 1:25); es decir (S100 12:5)=1:25 Z N (0; 1): En el apartado (a) tenemos que

calcular P (S100 10): Tipi cando, es decir restando la media y dividiendo por la desviacion, se obtiene que

S100 12:5 10 12:5

P (S100 10) = P P (Z 2) = 0:0228
1:25 1:25

utilizando la tabla de la N (0; 1): De forma similar, en el apartado (b) se obtiene que

11 12:5 13 12:5
P (11 S100 13) P Z = P ( 1:2 Z 0:4) = F (0:4) F ( 1:2):
1:25 1:25

Usando que F ( z) = 1 F (z); resulta que

P (11 S100 13) F (0:4) F ( 1:2) = F (0:4) + F (1:2) 1 = 0:6554 + 0:8849 1 = 0:5403:

Este problema tambien se podr a resolver de forma exacta utilizando que Xi Exp(8); i = 1; 2; : : : ; 100;

lo que implica que S100 G(100; 8) por la propiedad (3) de la distribucion gamma. Ademas, por la propiedad
n
X1 ( x)k
(4), si n 2 N; la funcion de distribucion de G(n; ) esta de nida por F (x) = 1 e x ; 8x > 0:
k!
k=0
En nuestro caso, la funcion de distribucion exacta de S100 G(100; 8) ser a
99
X k
8x (8x)
F (x) = 1 e ; 8x > 0:
k!
k=0

Por supuesto, tendr amos que utilizar un ordenador para calcular esta sumatoria de 100 numeros.

(16) Una moneda se lanza 4000 veces. Se pide: (a) La probabilidad de que el numero de caras este comprendido

entre 1980 y 2040; (b) Un intervalo centrado en 2000 con una probabilidad 0.95.

Solucion. En este caso, la variable aleatoria : "Numero de caras en los 4000 lanzamientos" tiene una dis-

tribucion binomial B(n; p); donde n = 4000 y p = P ("exito") = P ("cara") = 0:5: Como np 5 y nq 5;
p p
la distribucion de es aproximadamente normal N (np; npq) N (2000; 1000): Luego, en el apartado (a) se

obtiene por la correccion de continuidad y la tipi cacion que

1979:5 2000 2000 2040:5 2000

P (1980 2040) = P (1979:5 2040:5) = P p p p ;
1000 1000 1000

8
lo que implica que

P (1980 2040) P ( 0:65 Z 1:28) = F (1:28) F ( 0:65) = F (1:28) + F (0:65) 1

ya que F ( 0:65) = 1 F (0:65): Por tanto, P (1980 2040) 0:8997 + 0:7422 1 = 0:6419:

En el apartado (b) se pide un intervalo del tipo I = [2000 c; 2000 + c] tal que P ( 2 I) = 0:95: Tipi cando

se obtiene que

c c c c
P ( 2 I) = P (2000 c 2000 + c) P p Z p =F p F p :
1000 1000 1000 1000

Como F ( z) = 1 F (z); se veri ca que

c c c
0:95 = P ( 2 I) 2F p 1 () 0:975 F p () p z0:025 :
1000 1000 1000

Puesto que z0:025 1:96; resulta que c 61:98 62; lo que implica que I [1938; 2062]: En resumen, si lan-

zamos repetidamente una moneda 4000 veces, el numero de caras estar a entre 1938 y 2062 en aproximadamente

el 95% de los casos.

p
El apartado (b) tambien se puede resolver de otra manera. Como N( ; ) N (2000; 1000); un

intervalo centrado en la media = 2000 con un 0.95 de probabilidad debe dejar una probabilidad de 0.025 en

cada extremo; as 0:025 + 0:95 + 0:025 = 1: Luego, el l mite superior del intervalo debe ser el punto cr tico x0:025 :

Como (x0:025 )= z0:025 ; resulta que el l mite superior es

p
x0:025 + z0:025 = 2000 + 1000 1:96 = 2061:98 2062:

Por simetr a, el l mite inferior ser a 2000 62 = 1938: Por consiguiente, I [1938; 2062]:

(17) El peso de las personas de cierta poblacion se distribuye normalmente con media 72 kg. y desviacion t pica

10 kg. Cuatro personas entran en un ascensor cuya carga maxima es de 350 kg. >Cual es la probabilidad de

que entre las cuatro superen esa carga maxima?

Solucion. De nimos las variables Xi : "Peso en kilos de la persona i-esima" para i = 1; : : : ; 4: Entonces, el peso

total de las cuatro personas ser a la variable Y = X1 + X2 + X3 + X4 : Puesto que Xi N (72; 10); i = 1; : : : ; 4;

y son independientes, se veri ca que

p
Y = X1 + X2 + X3 + X4 N (72 + 72 + 72 + 72; 102 + 102 + 102 + 102 ) N (288; 20):

Y 288 350 288 1

Tipi cando se obtiene que P (Y > 350) = P > = P (Z > 3:1) = 0:000968 :
20 20 1000

9
Por tanto, aproximadamente, una vez de cada mil veces que cuatro personas independientes entren en el ascensor

se sobrepasara la carga maxima de 350 kilos.

(18) Con la misma distribucion de los pesos del problema anterior, dos personas quieren jugar en una palanca en

un jard n. Suponiendo que podr an hacerlo si los dos di eren en menos de 5 kg. de peso, calcula la probabilidad

de que esto ocurra.

Solucion. En este caso D = X1 X2 es la diferencia entre los pesos de la primera y segunda personas. Se

puede jugar si y solo si el valor absoluto de D es menor que 5 kilos. Como la distribucion de D = X1 X2 es
p p
normal N (72 72; 102 + 102 ) N (0; 200); se obtiene tipi cando que

5 0 D 0 5 0
P (jDj < 5) = P ( 5 < D < 5) = P p < p <p P ( 0:35 < Z < 0:35):
200 200 200

Luego, P (jDj < 5) P ( 0:35 < Z < 0:35) = 2F (0:35) 1 = 2 0:6368 1 = 0:2736: Por tanto, dos personas

independientes podr an jugar alrededor del 27.36% de las veces.

(19) Un estudio de las tendencias (a lo largo de cinco a~

nos) en los sistemas de informacion log stica de las

industrias revelo que los mayores avances en la computarizacion tuvieron lugar en el transporte (Industrial

Engineering, julio de 1990). Actualmente, el 90% de las industrias contienen archivos de pedido abiertos de

embarque en su base de datos computarizada. En una muestra aleatoria de 10 industrias, sea Y el numero de

ellas que incluyen dichos pedidos. Calcula: P (Y = 7); P (Y > 5); la media y la varianza de Y:

Solucion. Supongamos que Y : "Numero de exitos (industrias con archivos de pedido abiertos de embarque en

su base de datos computarizada) en una muestra aleatoria de 10 industrias". Puesto que la distribucion de Y

es binomial B(n; p) con n = 10 y p = 0:9; resulta que:

n k n k 10 7 3
P (Y = 7) = p q = p q = 120 0:97 0:13 = 0:057395628;
k 7

10
X 10
X n k 10 k
P (Y > 5) = P (Y = k) = p q = 0:9983650626;
k
k=6 k=6

E[Y ] = np = 10 0:9 = 9 y V [Y ] = npq = 10 0:9 0:1 = 0:9:

(20) Un fabricante utiliza fusibles electricos en un sistema electronico. Los fusibles se compran en lotes

grandes y se prueban secuencialmente hasta que se observa el primer fusible defectuoso. Se supone que

10
el lote contiene el 10% de fusibles defectuosos. >Cual es la probabilidad de que el primer fusible defec-

tuoso sea uno de los primeros cinco fusibles probados? Halla la media y varianza de la variable aleatoria

Y1 : "Numero de fusibles probados hasta que se observo el primer fusible defectuoso": >Cual es la probabilidad

de que se necesite observar al menos 15 fusibles para obtener el segundo fusible defectuoso?

Solucion. En este caso, la probabilidad de exito es p = P ("Un fusible es defectuoso") = 0:1: Ademas, de nimos

los sucesos A : "El primer fusible defectuoso es uno de los primeros cinco fusibles probados" y B : "Se necesite

observar al menos 15 fusibles para obtener el segundo fusible defectuoso":

El contrario del suceso A ocurrir a si los primeros cinco fusibles probados fueran correctos. Por tanto,

P (A) = 1 P (A) = 1 0:95 = 0:40951: Notese que P (A) coincide con P (Y1 5); donde la distribucion de Y1

es geometrica con parametro p = 0:1:

Ahora vamos a calcular P (B): Que necesite observar al menos 15 fusibles para obtener dos defectuosos,

signi ca que con 14 fusibles no lo consigo. Luego, en las 14 primeras pruebas, solo puedo conseguir 0 o 1

defectuosos (as no consigo los dos defectuosos). Si de nimos la variable X : "Numero de fusibles defectuosos

entre los 14 probados"; tenemos que calcular P (X 1); donde X B(14; 0:1): Por tanto:

14 14
P (B) = P (X 1) = P (X = 0) + P (X = 1) = 0:10 0:914 0
+ 0:11 0:914 1
= 0:5846291405:
0 1

(21) Se realiza un experimento para seleccionar un catalizador apropiado para la produccion comercial de

etilendiamina (EDA), un producto que se utiliza en jabones. Suponga que un ingeniero qu mico selecciona al

azar tres catalizadores para probarlos entre un grupo de 10 catalizadores, seis de los cuales tienen baja acidez,

y cuatro son muy acidos. Calcula: (a) La probabilidad de que no se escogera un catalizador muy acido; (b) La

probabilidad de que se escoja exactamente un catalizador muy acido.

Solucion. De nimos la variable aleatoria : "Numero de catalizadores con alta acidez entre los tres elegidos";

cuya distribucion es hipergeometrica H(N; n; p) con tama~

no total N = 10; tama~
no muestral n = 3 y probabilidad

inicial de exito ("alta acidez") p = 4=10: Entonces:

4 6 6 5 4 4 6 6 5
1 1 4
(a) P ( = 0) =
0 3
= 3! = ; (b) P ( = 1) =
1 2
= 2! = 1 :
10 10 9 8 6 10 10 9 8 2
3 3! 3 3!

(22) Suponga que el numero, Y; de grietas por especimen de concreto con cierto tipo de mezcla de cemento

tiene aproximadamente una distribucion de probabilidad de Poisson, y que el numero medio de grietas por

11
especimen es de 2.5. Calcula: (a) La probabilidad de que un especimen escogido al azar tenga exactamente 5

grietas; (b) La probabilidad de que el numero medio de grietas de 100 espec menes elegidos aleatoriamente este

comprendido entre 2.25 y 2.55.

Solucion. La variable Y : "Numero de grietas por especimen de concreto" sigue aproximadamente una dis-

tribucion de Poisson de parametro = 2:5; lo cual implica que P (Y = k) = e k =k! para k = 0; 1; : : : Luego

la solucion del apartado (a) es P (Y = 5) = e 2:5 2:55 =5! = 0:066801:

no 100, Y 100 = (Y1 +

En el apartado (b), consideramos la media muestral de tama~ + Y100 )=100; cuya

distribucion por el Teorema Central del L mite (TCL) de Levy-Lindeberg es aproximadamente normal con

media
(100)
E[Y1 ] + + E[Y100 ] 2:5 + + 2:5
E[Y 100 ] = = = 2:5
100 100

y varianza
(100)
V [Y1 ] +
+ V [Y100 ] 2:5 + + 2:5 2:5
V [Y 100 ] = 2
= 2
= = 0:025
100 100 100
p
ya que 100 es su cientemente "grande". Puesto que Y 100 N (2:5; 0:025); se obtiene tipi cando que:

2:25 2:5 2:55 2:5

(b) P (2:25 < Y 100 < 2:55) P p <Z< p P ( 1:58 < Z < 0:32) = F (0:32) F ( 1:58):
0:025 0:025

Por tanto, P (2:25 < Y 100 < 2:55) F (0:32) + F (1:58) 1 = 0:6255 + 0:9429 1 = 0:5684:

(23) El Departamento de Transporte (DOT) de Estados Unidos ha determinado que la licitacion ganadora

(mas baja) Y -en dolares- por contratos de construccion de carreteras tiene una distribucion con funcion de

densidad 8
< 5 si
2d
y 2d;
f (y) = 8d 5
:
0 en otro caso,
donde d es la estimacion que hace el DOT del costo del trabajo. Se pide: (a) La media y la desviacion t pica

de Y ; (b) >Que fraccion de las licitaciones ganadoras por contratos de construccion de carreteras estan por

debajo de la estimacion del DOT?

Solucion. Aqu Y : "Presupuesto -en dolares- de la licitacion ganadora" es la variable aleatoria de interes. La

estimacion que hace el DOT del costo del trabajo es un numero jo d: Notese que la densidad es constante

(ya que 5=(8d) es un numero) en el intervalo numerico [2d=5; 2d] = [0:4d; 2d]: Luego, la distribucion de Y es

uniforme en el intervalo [2d=5; 2d]: Puesto que Y U [a; b]; donde a = 0:4d y b = 2d; se veri ca que

a+b 2d=5 + 2d (b a)2 (2d 0:4d)2 1:62 d

(a) E[Y ] = = = 1:2d; V [Y ] = = = = 0:21b
3d
2 2 2 2 2

12
 Z d Z d
5 5 5 3
(b) P (Y < d) = f (y)dy = dy = [ y ]d0:4d = (d 0:4d) = :
a 0:4d 8d 8d 8d 8
y a d 0:4d 0:6d 3
Tambien podr a utilizar que F (y) = si y 2 [a; b]: As , P (Y < d) = F (d) = = = :
b a 2d 0:4d 1:6d 8

(24) El acero que se utiliza en las tuber as de agua a menudo se recubre internamente con un mortero de

cemento para evitar la corrosion. En un estudio de los recubrimientos de mortero de una tuber a empleada en

un proyecto de transmision de agua en California (Transportation Engineering Journal, noviembre de 1979) se

especi co un espesor de 7/16 pulgadas para el mortero. Si un gran numero de mediciones de espesor dieron

una media de 0.635 pulgadas y una desviacion t pica de 0.082 pulgadas, >que porcentaje aproximado de estas

mediciones fue inferior a 7/16 pulgadas?

Solucion. Consideramos la variable X : "Espesor -en pulgadas- del mortero". Suponemos que la distribucion

de X es normal N ( ; ): Por la Ley Fuerte de los Grandes Numeros, la media muestral y la desviacion muestral

convergen a la media poblacional y desviacion poblacional ; respectivamente, cuando el tama~

no muestral

n tiende a in nito. Como se han efectuado un gran numero de mediciones, el valor de n es "grande". Luego,

0:635 y 0:082: Por tanto, tipi cando la variable X N ( ; ); se obtiene que

7 7=16 0:635
P X< P Z< P (Z < 2:41) = F ( 2:41) = 1 F (2:41) = 1 0:9920 = 0:008;
16 0:082

lo que implica que el porcentaje aproximado de mediciones inferiores a 7/16 pulgadas es del 0:8%:

(25) Ciertos investigadores han descubierto que el nivel de creciente maximo (en millones de pies cubicos

por segundo) durante un per odo de cuatro a~

nos para el R o Susquehanna en Harrisburg, Pennsylvania, sigue

aproximadamente una distribucion gamma de parametros p = 3 y a = 100=7 (Journal of Quality Technology,

enero de 1986). Se pide: (a) La media y la varianza del nivel de creciente maximo durante un per odo de cuatro

a~
nos para el R o Susquehanna; (b) Los investigadores llegaron a sus conclusiones acerca de la distribucion del

nivel de creciente maximos durante 20 per odos de cuatro a~

nos, desde 1890 hasta 1969. Supongase que durante

el per odo de cuatro a~

nos 1982-1985 se observo que el nivel de creciente maximo fue de 0.6 millones de pies

cubicos por segundo. >Se esperar a observar un valor tan alto en una distribucion gamma con p = 3 y a = 100=7?

>Que puede inferirse acerca de la distribucion del nivel de creciente maximo para el per odo 1982-1985?

Solucion. La variable aleatoria X : "Nivel de creciente maximo (en millones de pies cubicos por segundo)

durante un periodo de cuatro a~

nos en el R o Susquehanna" sigue una distribucion gamma G(p; a) o G(n; );

13
donde p = n = 3 y a = = 100=7: Luego,

p 3 p 3
(a) E[X] = = = 0:21; V [X] = 2
= = 0:0147:
a 100=7 a (100=7)2

Por la propiedad (4) de la distribucion gamma, la funcion de distribucion de X G(n; ) esta de nida por

n
X1
x( x)k
F (x) = P (X x) = 1 e 8x > 0:
k!
k=0

Por tanto, para x = 0:6; n = 3 y = 100=7; resulta que

k
100
2
X 0:6
100
0:6 7
P (X 0:6) = 1 F (0:6) = e 7 = 0:0087723:
k!
k=0

La respuesta a la pregunta >se esperar a observar un valor tan alto como 0.6 millones de pies cubicos por

segundo? ser a simplemente que se esperar a aproximadamente un 0.877% de los cuatrienios (es decir, el nivel

0.6 es muy alto). Luego, puede inferirse que durante el cuatrienio 1982-1985 hubo mas lluvia de lo normal e

incluso quizas alguna inundacion.

(26) El tiempo (en meses despues del mantenimiento) que transcurre antes del fallo de un equipo de vigilancia
p
por television de cierta empresa tiene una distribucion de Weibull con parametros = 2 y = 60. Si la

empresa quiere que la probabilidad de fallo antes del siguiente mantenimiento programado sea de 0.05, >con

que frecuencia deber a efectuarse el mantenimiento periodico del equipo?

Solucion. De nimos la variable aleatoria T : "Tiempo -en meses despues del mantenimiento- que transcurre

antes del fallo de un equipo de vigilancia por television", cuya distribucion es Weibull W ( ; ) con = 2 y
p
= 60:

De acuerdo con el problema 12, el cuantil cp de la distribucion W ( ; ) es cp = f log(1 p)g1= : Si la

empresa quiere que la probabilidad de fallo antes del siguiente mantenimiento programado sea 0:05; entonces el

mantenimiento periodico del equipo debe efectuarse cada c0:05 meses. Es decir, cada

p
c0:05 = 60f log(1 0:05)g1=2 = 1:754308 meses.

Esto es, el per odo entre mantenimientos debe ser de: 1 mes, 22 d as, 15 horas, 6 minutos y 7.15 segundos.

14