TALLER I TERCER CORTE: Solución

Andrea Johana Flórez Bautista

Gina Carolina Caicedo Huertas

Universidad Militar Nueva Granada

Estadística I

Docente: Cristian Gabriel Rueda Ramirez

Bogotá

2023
 TALLER 3 ESTADISTICA III ADMMINISTRACION DE EMPRESAS
Tomado de: Estadística para administración y Economía Anderson 10 Edición
DISTRIBUCION DE PROBABILIDAD VARIABLES ALEATORIAS DISCRETAS
PAG 195 SECCION 5.2

SECCION 5.3 PAGINA 199

SECCION 5.4 DISTRIBUCION BINOMIAL PAGINA 210

SECCION 5.5 DISTRIBUCION DE POISSON PAGINA 214

 SECCION 5.6 DISTRIBUCION HIPERGEOMETRICA PAG 217

DISTRIBUCIONES DE PROBABILIDAD VARIABLES ALEATORIAS CONTINUAS

SECCION 6.1 DISTRIBUCION UNIFORME

Sección 6.2 pagina 241 DISTRIBUCION NORMAL
SECCION 6.3 APROXIMACION DE LA NORMAL A LA BINOMIAL PAGINA 246

SOLUCIÓN TALLER

a. Para determinar si la función es válida, la suma de todas las probabilidades

debe ser =1

F(1) = 1/6

F(2) = 2/6 = 1/3

F(3) = 3/6 = 1/2

F(X) = 1/6 + 1/3 + 1/2

F(X) = 1/6 + 2/6 + 3/6 = 6/6 = 1

En este caso si es válida la función de probabilidad ya que cumple las

condiciones necesarias.

b. Para encontrar que la función de probabilidad F(x) donde x = 2

F(2) = 2/6 = 1/3
Por lo tanto, la probabilidad de que se necesiten exactamente 2 sesiones para
 ganarse la confianza del paciente 1/3

c. Se podría considerar entonces que para este punto se necesita sumarlas

probabilidades de P(2) que es igual a 1/3 y de P(3) que es igual a 1/2

P(X ≥ 2) = 1/3 + 1/2

P(X ≥ 2) = 2/6+ 3/6 = 5/6 esta es la probabilidad final

a. La suma de todas las probabilidades de f(x) debe ser igual a 1 entonces si

sumamos todas las probabilidades que tenemos encontramos que faltan 0,05
para completar la tabla y obtener el valor de f(200)

b. Se deben sumar las probabilidades positivas o mayores a 0 entonces tenemos

la siguiente operación
P(Empresa sea rentable)= F(50) + F(100) + F(150) + F(200)
P(Empresa sea rentable) = 0,30 + 0,25 + 0,10 + 0,05
P(Empresa sea rentable) = 0,70 esta es la probabilidad de rentabilidad para la
empresa

c. Esta respuesta implica que la ganancia sea igual o mayor a 100 entonces
tomaremos esos valores y los sumaremos
P(por lo menos 100.000) = F(100)+ F(150)+ F(200)
P(por lo menos 100.000) = 0,25 + 0,10 + 0,50
P(por lo menos 100.000) = 0,40 Esta es la probabilidad de ganar por lo menos
100.000
a. Para calcular esto podemos usar la siguiente ecuación:

E (X) =∑¡ X¡* P(X =x¡) Donde xi son los valores posibles de la variable
aleatoria X (las puntuaciones) y P(X=xi) es la probabilidad asociada con cada
valor. En este caso, para los ejecutivos de nivel alto:

E(Xnivel alto)=1⋅0.05+2⋅0.09+3⋅0.03+4⋅0.42+5⋅0.41
E(Xnivel alto)=0.05+0.18+0.09+1.68+2.05
E(Xnivel alto)=4.05

b. Si usamos la misma fórmula, este caso para los ejecutivos de nivel medio

E(Xnivel medio)=1⋅0.04+2⋅0.10+3⋅0.12+4⋅0.46+5⋅0.28
E(Xnivel medio)=0.04+0.20+0.36+1.84+1.40
E(Xnivel medio)=3.84

c. La formula de varianza que vamos a usar es la siguiente:

Var(X)=∑i(xi−μ)2⋅P(X=xi) ya teniendo el nivel medio se calcula la varianza.

Var(Xnivel
medio)=(1−3.84)2⋅0.04+(2−3.84)2⋅0.10+(3−3.84)2⋅0.12+(4−3.84)2⋅0.46+(5−3
.84)2⋅0.28
Var(Xnivel
medio)=6.8104⋅0.04+3.4884⋅0.10+0.7396⋅0.12+0.2916⋅0.46+1.8436⋅0.28

Var(Xnivel medio)= 0.272416+0.34884+0.088752+0.134016+0.515808

Var(Xnivel medio)=1.359832
 d. En este punto se calcula la raíz cuadrada de la varianza calculada
σnivel medio=1.359832
σnivel medio≈1.165

e. La satisfacción con el trabajo de los directivos de alto nivel es mayor que la

que obtuvieron los directivos de nivel medio por unas muy pocas décimas.

a) La función de probabilidad para la distribución binomial es:

P(X=k)=(kn)⋅pk⋅(1−p)n−k
donde:
n es el número total de ensayos (en este caso, el número de sistemas de detección),
k es el número de éxitos que estamos contando (en este caso, el número de
sistemas que detectan un ataque), p es la probabilidad de éxito en un solo ensayo
(la probabilidad de que un sistema detecte un ataque), y (1−p) es la probabilidad
de fracaso en un solo ensayo.
Para la pregunta a:
P(Un solo sistema detecte un ataque)=P(X=1)
P(X=1)=(1/1)⋅0.901⋅(1−0.90)1−1
P(X=1)=1⋅0.90⋅0.100
P(X=1)=0.90

b) ¿Cuál es la probabilidad de que por lo menos uno de los sistemas detecte el

ataque?

P(X=k)=(kn)⋅pk⋅(1−p)n−k
n es el número total de ensayos (en este caso, el número de sistemas de detección),
k es el número de éxitos que estamos contando (en este caso, el número de
sistemas que detectan un ataque),
p es la probabilidad de éxito en un solo ensayo (la probabilidad de que un sistema
detecte un ataque), y
(1− p) es la probabilidad de fracaso en un solo ensayo.
P(Un solo sistema detecte un ataque)=P(X=1)
Se usa n=1 (un solo sistema) y p=0.90 (probabilidad de detección):
P(X=1)=(11)⋅0.901⋅(1−0.90)1−
P(X=1)=1⋅0.90⋅0.10^0
 P(X=1)=0.99
Por lo tanto, la probabilidad de que un solo sistema de detección detecte un ataque
es 0.99

c) ¿Cuál es la probabilidad de que por lo menos uno de los sistemas detecte el

ataque?

La probabilidad de que por lo menos uno de los tres sistemas detecte el ataque se
puede calcular como complemento de la probabilidad de que ninguno de los
sistemas lo detecte
P(Al menos uno detecte el ataque)=1−P(Ninguno detecte el ataque)
P(Al menos uno detecte el ataque)=1−(1−p)3
Sustituimos p=0.90 en la fórmula:
P(Al menos uno detecte el ataque)=1−(1−0.90)3
P(Al menos uno detecte el ataque)=1−(0.10)3
P(Al menos uno detecte el ataque)=1−0.001
P(Al menos uno detecte el ataque)≈0.999

d) Si, ya que, al tener varios sistemas de detección independientes, la probabilidad

de que al menos uno de ellos detecte un ataque aumenta significativamente. Esto
se debe a que estamos utilizando la propiedad complementaria de la probabilidad.

a) En este caso, estamos tratando con una distribución binomial, ya que cada persona
en la muestra puede tener dos resultados posibles: cree o no crea que el país está
en recesión. Además, la probabilidad de que una persona crea que el país está en
recesión es del 50%, que denotaremos como p.

La función de probabilidad para la distribución binomial es:

P(X=k)=(kn)⋅pk⋅(1−p)n−k n=20, k=12, y p=0.50.
P(X=12)=(1220)⋅0.5012⋅(1−0.50)20−12
El procedimiento:
P(X=12)=(1220)⋅0.5012⋅0.508
P(X=12)=(1220)⋅0.5020
P(X=12)=125,964⋅0.00000095367
P(X=12)≈0.120
Por lo tanto, la probabilidad de que exactamente 12 personas hayan creído que el
país estaba en recesión es aproximadamente 0.120 o 12%

b) Para calcular la probabilidad de que no más de cinco personas hayan creído que el
 país estaba en recesión P(X≤5)), se debe sumar las probabilidades de X desde 0
hasta 5.

P(X≤5)=P(X=0)+P(X=1)+P(X=2)+P(X=3)+P(X=4)+P(X=5)

La fórmula general para la probabilidad de X=k es:

P(X=k)=(k/n)⋅pk⋅(1−p)n−k

Donde n es el tamaño de la muestra, k es el número de éxitos, y p es la

probabilidad de éxito.
En este caso, n=20 (tamaño de la muestra), p=0.50 (probabilidad de que una
persona crea que el país está en recesión), y estamos sumando las probabilidades
para k=0,1,2,3,4,5.

P(X≤5)=(020)⋅0.500⋅0.5020+(120)⋅0.501⋅0.5019+(220)⋅0.502⋅0.5018+(320)⋅0.503
⋅0.5017+(420)⋅0.504⋅0.5016+(520)⋅0.505⋅0.5015 = 0.02069 =20.69%

c) n=20 y p=0.50.
E(X)=20⋅0.50
E(X)=10
Por lo tanto, aproximadamente 10 personas de la muestra de 20 dicen que el país
estuvo en recesión.

d) Se calcula primero la varianza en este punto:

Var(X)=n⋅p⋅(1−p)
En este caso, n=20 y p=0.50.
Var(X)=20⋅0.50⋅(1−0.50)
Var(X)=20⋅0.50⋅0.50
Var(X)=5

La desviación estándar es la raíz cuadrada de la varianza:

σ=√5
σ≈2.24

Por lo tanto, la desviación estándar del número de personas que creyeron que el
país estuvo en recesión es aproximadamente 2.24

a. Probabilidad de que exactamente cuatro hayan estudiado cuatro años en la

universidad (de una muestra de 15 personas de 25 años o más):
 Utilizando la fórmula de la distribución binomial:

P(X=4)=(415)×0.254×0.7511

b. Probabilidad de que tres o más hayan estudiado cuatro años en la universidad:

Suma de las probabilidades desde tres hasta quince (el tamaño de la muestra) de
haber estudiado cuatro años en la universidad:

P(X≥3)=P(X=3)+P(X=4)+...+P(X=15)

Esto dará la probabilidad de que tres o más de las 15 personas seleccionadas hayan
estudiado cuatro años en la universidad.

a. Probabilidad de que no llegue ningún pasajero en un lapso de un minuto:

p(k=0)=0.000045 - Esta probabilidad se calcula con la tasa media de llegada de 10

pasajeros por minuto, resultando en una probabilidad muy baja de que ningún
pasajero llegue en un minuto.

b. Probabilidad de que lleguen tres o menos pasajeros en un lapso de un minuto:

11 - La suma de las probabilidades de que lleguen 0, 1, 2 o 3 pasajeros en un

minuto es aproximadamente 11, considerando la naturaleza aleatoria e
independiente de las llegadas. P(X≤3)=∑i=03i!e−10×10i

c. Probabilidad de que no llegue ningún pasajero en un lapso de 15 segundos:

8.208.20 - La probabilidad de que no llegue ningún pasajero en un lapso más corto

es de 8.208.20. P(k=0)=0.082

d. Probabilidad de que llegue por lo menos un pasajero en un lapso de 15 segundos:

91.7991.79 - La alta probabilidad de que al menos un pasajero llegue en un lapso

corto es del 91.7991.79. P(al menos un pasajero)=0.9179
 a. Número medio de accidentes aéreos por mes:

Promedio accidentes por mes:1.25 - Con un promedio de 15 accidentes al año, se

espera un promedio de 1.25 accidentes por mes.

b. Probabilidad de que no haya ningún accidente en un mes:

0.2730.273 - La probabilidad de que no haya ningún accidente en un mes

específico es de 0.2730.273.

P(X = 0)=0!e−λ×λ0=e−1.25

c. Probabilidad de que haya exactamente un accidente en un mes:

0.3540.354 - La probabilidad de que ocurra exactamente un accidente en un mes

es de 0.3540.354.

P(X = 1)=1!e−λ×λ1=e−1.25×1.25

d. Probabilidad de que haya más de un accidente en un mes:

0.7270.727 - La probabilidad de que ocurran más de un accidente en un mes es de
0.7270.727.

P(X > 1)=1−P(X = 0)−P(X = 1)

Donde P(X > 1)=0.727P(X > 1)=0.727.

a. Probabilidad de que no haya ningún accidente fuera del trabajo en un año:

0.04980.0498 - La probabilidad de que no ocurra ningún accidente fuera del trabajo
durante un año es de 0.04980.0498.

Fórmula utilizada: P(X = 0)=0!e−λ×λ0=e−λ

Donde λ=3 (al menos tres accidentes por año) y la probabilidad es 0.04980.0498.

b. Probabilidad de que haya por lo menos dos accidentes fuera del trabajo en un año:

0.22400.2240 - La probabilidad de que haya al menos dos accidentes fuera del trabajo
durante un año es de 0.22400.2240.
 Fórmula utilizada: P(X ≥ 2)=1−(P(X = 0)+P(X = 1))
Donde la probabilidad es 0.224.

c. Número esperado de accidentes fuera del trabajo en un lapso de seis meses:

1.51.5 - En un lapso de seis meses, se espera un promedio de 1.5 accidentes.

Fórmula utilizada: Número esperado de eventos=λ×tiempo

Donde:
λ es la tasa media de eventos por unidad de tiempo.
El tiempo se expresa en la misma unidad que se utilizó para calcular λ.
En el caso específico de calcular el número esperado de accidentes fuera del trabajo en
un lapso de seis meses (medio año) con una tasa media de 1.51.5 accidentes por año
(λ=1.5), la fórmula sería:
Número esperado de accidentes en 6 meses=1.5×0.5=0.75 accidentes
Numero esperado de accidentes en 6 meses=1.5×0.5=0.75 accidentes

d. Probabilidad de que no haya ningún accidente fuera del trabajo en los próximos seis
meses:

0.22310.2231 - La probabilidad de que no ocurra ningún accidente fuera del trabajo en

los próximos seis meses es de 0.22310.2231
Fórmula utilizada: P(X = 0)=0!e−λ×λ0=e−λ
Donde λ=1.5 y la probabilidad es 0.22310.2231

DISTRIBUCION HIPERGEOMETRICA

a) La fórmula de probabilidad para la distribución hipergeométrica es:

P(X=k)= (C(K,k)⋅C(N-K,n-k) )/(C(N,n)

N es el tamaño total de la población (número total de empleados),

K es el número total de elementos de interés en la población (empleados en la fábrica
de Hawái),
n es el tamaño de la muestra,
k es el número de elementos de interés en la muestra (empleados de la fábrica de
Hawái seleccionados).

En este caso, N=60 (40 empleados en Texas y 20 empleados en Hawái), K=20

(empleados en Hawái), n=20 (tamaño de la muestra), y k=0 (ningún empleado de la
 muestra trabaja en la fábrica de Hawái).

P(X=k)=( kK)⋅(n−kN−K)/(nN)

Calculando esto:

P(X=0)= (20/0)⋅(40/20)/ (60/20)

P(X=0)=15,504,122,1601⋅137,846,528
P(X=0)≈0.0000328

b) Probabilidad de que uno de los empleados de la muestra trabaje en la fábrica de

Hawái: P(X=1)=0.00062637 - La probabilidad de que exactamente un empleado sea

de la fábrica de Hawái es del 0.062637, aproximadamente el 6.2637%.

c) Probabilidad de que dos o más empleados de la muestra trabajen en la fábrica de

Hawái:

P(X≥2)=0.99 - La probabilidad de que dos o más empleados sean de la fábrica de

Hawái es del 99%.

d) Probabilidad de que nueve de los empleados de la muestra trabajen en la fábrica de

Texas:

P(X=9)=0.01096 - La probabilidad de que exactamente nueve empleados sean de la

fábrica de Texas es del 1.096%.

a. Probabilidad de que el costo de ninguna de las cenas sea mayor a $50:

P(X=0)=0.26 - Hay un 26% de probabilidad de que ninguna de las tres cenas supere el
límite de $50.

Fórmula utilizada: P(X=0)=0.26

b. Probabilidad de que al menos una cena supere el límite de $50:

P(X≥1)=0.74 - Hay un 74% de probabilidad de que al menos una de las tres cenas
 supere el límite de $50.

Fórmula utilizada: P(X≥1)=0.74

c. Probabilidad de que exactamente dos cenas superen el límite de $50:

P(X=2)=0.2197 - Existe una probabilidad del 21.97% de que exactamente dos de las
tres cenas superen el límite de $50.

Fórmula utilizada: m P(X=2)=0.2197

d. Probabilidad de que las tres cenas superen el límite de $50:

P(X=3)=0.02197 - Hay una probabilidad del 2.19% de que las tres cenas superen el
límite de $50.

Fórmula utilizada: P(X=3)=0.02197

SECCION 6.1 DISTRIBUCION UNIFORME

5. La driving distance de los 100 mejores golfistas del Tour PGA está entre 284.7 y
310.6 yardas (Golfweek, 29 de marzo de 2003). Suponga que las driving distance de
estos golfistas se encuentran uniformemente distribuidas en este intervalo.

a) Dé una expresión matemática de la función de densidad de probabilidad

correspondiente a estas driving distance

Dado que las driving distance están uniformemente distribuidas en el intervalo [284.7,
310.6], la función de densidad de probabilidad correspondiente es:

f(x) = 1 / (b – a)

Donde:
f(x) es la función de densidad de probabilidad.
a es el límite inferior del intervalo (284.7 yardas en este caso).
b es el límite superior del intervalo (310.6 yardas en este caso).

Sustituyendo los valores, la expresión sería:

F (x) = 1 / (310.6−284.7
F (x) = 1 / 25.9

Por lo tanto,

(x)= 25.91

Donde x es cualquier valor de driving distance en el intervalo especificado.

b) Probabilidad de que la driving distance sea menor que 290 yardas

 P (X < 290) = P (X < 290)
= (1/25.9) (290 - 284.7))
=0.204633205

c) Probabilidad de que la driving distance sea por lo menos de 300 yardas

P(x  300) = P(x  300)

= (1/25.9) (310.6 - 300)
=0.409266409

d) Probabilidad de que la driving distance esté entre 290 y 305 yardas

P (290  x  305) = P (290  x  305)

= (1/25.9) (305 - 290)
= 0.579150579

e) Número de jugadores que lanzan la pelota por lo menos a 290 yardas

P (x  290) = 1 – P (x < 290)

P (x  290) = 1 – (290 - 284.7) / (310.6 – 284.7)
P (x  290) = 1 – (5.3) / (25.9)
=1 – 0.20463320
= 0.795366795

Aproximadamente 80 de los jugadores lanzan la pelota por lo menos a 290 yardas.

6. En las botellas de un detergente líquido se indica que el contenido es de 12 onzas por

botella. En la operación de producción se llenan las botellas uniformemente de
acuerdo con la siguiente función de densidad de probabilidad.

f(x) 8 para 11.975  =x  = 12.100

0 en cualquier otro caso

a) Probabilidad de que el contenido de una botella esté entre 12 y 12.05 onzas

P ( 12  12.05 ) = F (8) * (12.05 – 12 )

P ( 12  12.05 ) = 0.4

La probabilidad de que el contenido de una botella este entre 12 y 12.05 onzas es del
40%

b) Probabilidad de que el contenido de una botella sea de 12.02 onzas o más.

P ( x  12.05 ) = 8 (12.100 - 12.02)

P ( x  12.05 ) = 8 (0.08)
P ( x  12.05 ) = 0.64

La probabilidad de que el contenido de una botella sea de 12.05 onzas o más es

64%.
c) En el control de calidad se acepta que una botella sea llenada con más o menos
0.02 onzas de lo indicado en la etiqueta. ¿Cuál es la probabilidad de que una de las
botellas de detergente no satisfaga estos estándares?

P (x < 11.98) + P (x > 12.02)

P (x<11.98) + P (x>12.02) = 8 (11.98 – 11.975) + 8 (12.100 – 12.02)
=0.68

Sección 6.2 pagina 241 DISTRIBUCION NORMAL

13. Dado que z es la variable normal estándar, calcule las probabilidades siguientes:

a) P (−1,98 ≤ z ≤ 0,49)

= 0,6838 - 0,0238 = 0,66

b) P (0,52≤ z ≤ 1.22)

= 0,8849 - 0,6914 = 0,1935

c) P (−1,75 ≤ z ≤ 1.04)

En este caso, la probabilidad se puede calcular como la suma de dos probabilidades,

ya que la distribución normal estándar es simétrica:

= 0,0401 + 0,8413 = 0,8814

14. Dado que z es la variable normal estándar, encuentre z en cada una de las
situaciones siguientes:

a) El área a la izquierda de z es 0.9750

Z = 1.96

b) El área entre 0 y z es 0.4750

Z = 1.96

c) El área a la izquierda de z es 0.7291

Z = 0.61

d) El área a la derecha de z es 0.1314

Z = 1.12

e) El área a la izquierda de z es 0.6700

Z = 0.44

f) El área a la derecha de z es 0.3300

Z = 0.43

17. Una persona con una buena historia crediticia tiene una deuda promedio de
$15015. suponga que la desviación estándar es de $3540 y que los montos de las
deudas están distribuidos normalmente.

a) Probabilidad de que la deuda de una persona con buena historia crediticia sea
mayor a 18000

P (Z> (18000-15015) / 3540

P Z> 0.84 = 1 – P Z < 0.84
P Z> 0.84 = 1 – 0.7995
=0.201

b) Probabilidad de que la deuda de una persona con buena historia crediticia sea
menos de 10000

Z= (10000−15015) / 3540
Z = - 1.416
P (Z < −1.416)
≈0.0778.

c) Probabilidad de que la deuda de una persona con buena historia crediticia este
entre 12000 y 18000

Z1 = (12000 – 15015) / 3540

= −0.85
Z2 = (18000−15015) / 3540
= 0.84
P (Z<0.84) – P (Z>-0.85)
P (12000 < x < 18000)
=0.20 – 0.1976
=0.0024

d) Probabilidad de que la deuda de una persona con buena historia crediticia sea
mayor a 14000?

Z = (14000-15015) / 3540
= 0.29
P(Z > − 0.29)
= 0.618.

18. El precio promedio de las acciones que pertenecen a S&P500 es de $30 y la

desviación estándar es $8.20 (BusinessWeek, Special Annual Issue, primavera de
2003). Suponga que los precios de las acciones están distribuidos normalmente.

a) Probabilidad de que el precio de las acciones de una empresa sea por lo menos de
 $40

Z = (40−30) / 8,20 = 1,22

P (X ≤ 40) = 0,88877
=88,87%

b) Probabilidad de que el precio de las acciones de una empresa no sea mayor a $20

Z = 20-30 / 8,2
Z= - 1,22
P ( X ≤ 20) = 0,11123
=11,12%

c) ¿De cuánto deben ser los precios de las acciones de una empresa para que esté
entre las 10% mejores?

El valor de Z es de 1.28.

X=μ+z⋅σ
Z = 30 + 1.28 ⋅ 8.20
= 40.616

19. La cantidad promedio de precipitación pluvial en Dallas, Texas, durante el mes de

abril es 3.5 pulgadas (The World Almanac, 2000). Suponga que se puede usar una
distribución normal y que la desviación estándar es 0.8 pulgadas.

Probabilidad de distribución normal:

μ=3,5 pulgadas
σ = 0,8 pulgadas

a. ¿Qué porcentaje del tiempo la precipitación pluvial en abril es mayor que 5

pulgadas?

Z = x-μ/σ
P(x≥5) = ?
Z = 5-3,5/0,8
Z = 1,88

P (x≤5) =0,96995
P(x≥5) = 1-0,96995
= 0,03005

b. ¿Qué porcentaje del tiempo la precipitación pluvial en abril es menor que 3

pulgadas?

P(x≤3) =?
Z = 3-3,5/0,8
Z = -0,63

P(x≤3) = 0,26435
c. Un mes se considera como extremadamente húmedo si la precipitación pluvial es
10% superior para ese mes. ¿Cuánta debe ser la precipitación pluvial en abril para
que sea considerado un mes extremadamente húmedo?

Z = 0,1
Z = -1,28

1,28 = x-3.5/0,8 =
1,28*0,8 +3,5 = x
x = 4,524 pulgadas
20. En enero de 2003 un empleado estadounidense pasaba, en promedio, 77 horas
conectado a internet durante las horas de trabajo (cnbc, 15 de marzo de 2003).
Suponga que la media poblacional es 77 horas, tiempos que están distribuidos
normalmente y que la desviación estándar es 20 horas.

a) Probabilidad de que en enero de 2003 un empleado seleccionado aleatoriamente

haya pasado menos de 50 horas conectado a internet

μ= 77 horas
ρ = 20 horas
X = 50 horas
P( X≤50) =?

Z = X -μ /σ
Z = 50 - 77 /20 = -1,35

P( X≤50) = 0,08851
= 8,85%

b) ¿Qué porcentaje de los empleados pasó en enero de 2003 más de 100 horas
conectado a internet?

μ= 77 horas
ρ = 20 horas
X = 100 horas
P( X≥100) =?

Z = X -μ /σ
Z = 100-77 /20
Z = 1,15

P(X≤100) = 0,85493
P( X≥100) = 1 - 0,85493
= 0,145
= 14,5 %

c) Un usuario es clasificado como intensivo si se encuentra en el 20% superior de

uso. Cuantas horas tiene un empleado que haber estado conectado a internet en
enero de 2003 para que le considera un usuario intensivo.
μ= 77 horas
ρ = 20 horas
P (X≥20) = 0,2
P (X≤20)= 1- 0,20 = 0,8

Z =0,84

0,84 = X-77 /20

20/0,84 = X -77
X = 100,81

25. De acuerdo con la Sleep Foundation, en promedio se duermen 6 .8 horas por

noche. Suponga que la desviación estándar es 0.6 horas y que la distribución de
probabilidad es normal.

a) ¿Cuál es la probabilidad de que una persona seleccionada al azar duerma más de

ocho horas?

P(X>8)=1–P(X≤8)
P ( X > 8 ) = 1 − P ( Z ≤ 8 - 6.8 / 0.6)
P ( Z ≤ 2 ) = 0.9772
P ( X > 8 ) = 1 − 0.9772
= 0.0228

b) ¿De que una persona tomada aleatoriamente duerma seis horas o menos?

P ( X ≤ 6 ) = P ( Z ≤ 6 − 6.8 / 0.6)
P ( Z ≤ − 1.3333
P(X≤6)
= 0.0912

c) Los médicos aconsejan dormir entre 7 y 9 hrs por noche. ¿Qué porcentaje de la
población duerme esta cantidad?

P(7≤X≤9)=P(X≤9)–P(X≤7)
P ( 7 ≤ X ≤ 9 ) = P ( Z ≤ 9 − 6.8 / 0.6 ) – P ( Z ≤ 7 − 6.8 / 0.6 )
P ( Z ≤ 3.6667 ) y P ( Z ≤ 0.3333).
P ( 7 ≤ X ≤ 9 ) = 0.9999 − 0.6293
=0.3706

SECCION 6.3 APROXIMACION DE LA NORMAL A LA BINOMIAL

PAGINA 246

30. Cuando usted firma un contrato para una tarjeta de crédito, ¿lee cuidadosamente el
contrato? En un sondeo FindLaw.com les preguntó a las personas “¿Qué tan
cuidadosamente lee usted un contrato para una tarjeta de crédito?” Los hallazgos
fueron que 44% leen cada palabra, 33% leen lo suficiente para entender el contrato,
11% sólo le echa una mirada y 4% no lo leen en absoluto.

a) En una muestra de 500 personas ¿cuántas esperaría usted que respondan que leen
 cada palabra de un contrato para una tarjeta de crédito?

En una muestra de 500 personas, esperaría que 500 * 0.44 = 220 personas respondan
que leen cada palabra de un contrato para una tarjeta de crédito.
b) En una muestra de 500 personas ¿cuál es la probabilidad de que 200 o menos
digan que leen cada palabra de un contrato para una tarjeta de crédito?

μ = np = 500 * 0.44 = 220

σ = √(np(1 - p)) = √(500 * 0.44 * 0.56) = 11.09
Z = (200.5 – 220) / 11.09
= - 1.758
La probabilidad es de 0.0392

c) En una muestra de 500 personas ¿cuál es la probabilidad de que por lo menos 15

digan que no leen en absoluto un contrato para una tarjeta de crédito?

μ = np = 500 * 0.04 = 20
σ = √(np(1 - p)) = √(500 * 0.04 * 0.96) = 4.38
z= (14.5 -20) / 4.38 = -1.255 = 1.26

La probabilidad de que una variable normal tome un valor mayor o igual a -1.255 es
0.8962.

31. El myrtle beach hotel tiene 120 habitaciones. En los meses de primavera la
ocupación es del 75%

a) ¿Cuál es la probabilidad de que por lo menos la mitad de las habitaciones estén

ocupadas en un día dado?

µ = np = (120) (0.75) = 90
σ = √np(1-p) = √ (120) (0.75) (0.25) = 22.5
P (x f 60) = (x - µ) / σ = (60 – 90) / 22.5 = 30 / 22.5= 1.33
= 0.9082

b) ¿De que 100 o más de las habitaciones estén ocupadas en un día dado?

µ = np = (120) (0.75) = 90
σ = √np(1-p) = √ (120) (0.75) (0.25) = 22.5
P (x g 100) = (x - µ) / σ = (100 – 90) / 22.5 = 10 / 22.5= 0.44
= 0.6700

c) ¿De que 80 o menos de las habitaciones estén ocupadas en un día dado?

P(X ≤ 79) = P(Z ≤ (79 - 90) / 10)

P(Z ≤ (-11 / 10))
= 1 - P(Z ≥ -11 / 10)
= 1 - 0,8641
= 0,1359