Práctica 3 2020

2. Un grupo de amigos del secundario se reúnen en la casa de Laura para comer un asado. En
este grupo hay 6 varones y 8 mujeres, contando a Laura. De las mujeres 5 estudian Letras y el
resto Exactas, mientras que de los varones sólo uno estudia Letras y el resto Exactas.

a) Si las primeras en llegar a la casa son tres chicas, ¿cuál es la probabilidad de que las tres
estudien lo mismo que Laura?

Se definen los eventos:

V: “las primeras en llegar a la casa son tres chicas”,

W: “las tres estudian lo mismo que Laura”

La probabilidad pedida es: P(W|V), una probabilidad condicional.

Veamos, si Laura estudiara en Exactas, entonces las 3 que llegan deberían estudiar Exactas
también…, y esto no puede ser pues se estarían reuniendo 4 chicas de Exactas y sabemos que
de las 8 mujeres sólo hay 3 que estudian en Exactas.

Luego no puede ser que Laura estudie en Exactas, Laura estudia en Letras.

En consecuencia W: “las tres chicas estudian en Letras”.

Y entonces sacamos tres (chicas) de una urna exclusivamente femenina (¡pues llegan 3 chicas!)
con sólo 7 chicas en esa urna (¡pues Laura está en su casa!) de las cuales 4 son de Letras y 3
son de Exactas.

3. En una partida de truco, asumiendo que el mazo se encuentra bien mezclado, se reparte
una mano de cartas.

c) Hallar la probabilidad de que ambos tengan flor.

( )( ) ( )( ) ( )( )

( ) ( )
4. La compañía de aviación Gran Jet ha determinado mediante un estudio estadístico que el
4% de los pasajeros que reservan un viaje Buenos Aires - Misiones no se presentan a tomar el
vuelo. Un día de mucha demanda de pasajes la empresa decide vender 72 pasajes de un vuelo
con capacidad para 70 pasajeros. ¿Cuál es la probabilidad de que puedan viajar todos los
pasajeros que se presentan a tomar el vuelo?

Para los pasajeros que compraron pasaje:

( ) ( )

Cantidad de pasajeros que se presentan sobre 72: ( )

Capacidad: 70 pasajeros…. Definimos el evento: “viajan todos los que se presentan”: * +

( ) ∑ ( ) ( ) ( )

( )

5. Se ha probado que el 25% de los neumáticos de motocicleta sufren pinchaduras en caminos

de ripio durante los primeros 1000km de uso. ¿Cuál es la probabilidad de que entre los
próximos 6 neumáticos que se prueben:

a) Al menos 2 sufran pinchaduras?

P(“pinchadura”) = p = 0.25; n = 6 ensayos; X: “cant. de pinchaduras en 6 ensayos”.

( ) ( ) ( ) ( ) ( )

( ) (de la tabla o de Probability Distributions)

( ) ( ) ( )

( )
( ) ( )

b) A lo sumo 3 no sufran pinchaduras? Ahora: P(“no sufre pinchadura”) = p = 0.75

( ) ( ) ( ) ( ) ( ) ( )

( ) ∑ ( )

c) No se supere el número esperado de pinchaduras?

( )

( )

7. En una empresa el 30% de los empleados (con más de 2000 empleados) están en un
proyecto de calidad, el 50% están en un proyecto de expansión y el 70% está trabajando en al
menos uno de estos proyectos. Se seleccionan al azar para una encuesta de satisfacción cinco
empleados de esta empresa.
a) Hallar la probabilidad de que al menos dos de los seleccionados estén exactamente en un
proyecto.
b) Hallar la probabilidad de que a lo sumo tres estén en ambos proyectos.
c) Hallar la probabilidad de que todos los seleccionados estén en algún proyecto.

a) ¿P(“al menos dos de los seleccionados estén exactamente en un proyecto”)?

W: “un empleado Individual está exactamente en 1 proyecto”

Necesitamos calcular primero P(W).
A: “proyecto de calidad”, P(A) = 0.30
B: “proyecto de expansión”, P(B) = 0.50
A U B: “al menos en 1 de los anteriores”, P(A U B) = 0.70

Hay que notar que: W U (AnB) = A U B, y entonces:

P(W) + P(A n B) = P(A U B), luego:
P(W) = P(A U B) - P(A n B), pero:
P(A U B) = 0.7 = 0.30 + 0.50 - P(A n B), entonces: P(A n B) = 0.10, finalmente:
P(W) = 0.70 – 0.10 = 0.60
Ahora definimos la v.a. “cant. de empleados en exactamente 1 proyecto entre 5”,
( ( ) )
( ) ( ) ( ) ( )

10. Los autos que pasan por cierta cabina de peaje siguen un proceso de Poisson con
intensidad  = 20 autos por hora. El peaje cuesta $45 pero todos los automovilistas pagan con
billetes de $50. Al empezar el día, Fabián (que trabaja en la cabina) cuenta solamente con un
billete de $5.
a) ¿Cuál es la probabilidad de que algún automovilista se quede sin vuelto en los primeros 5
minutos?
“cant. de autos que llegan a la cabina”: ( ⁄ )
⁄
( ) ( ) ( )

( )
b) Fabián quiere salir de la cabina para tomar un café. ¿Cuánto debería tardar como mucho si
quiere la probabilidad de que en su ausencia no aparezca ningún auto sea de 1/10?

Sea t0: “tiempo de ausencia del operador de cabina”.

Sea Y: “tiempo de dos llegadas sucesivas a la cabina”. ( )
P(Y > t0) = 0.10, o sea: ( )
t0 = 6.9 min
14. De una variable aleatoria uniforme se sabe que su valor esperado es 15 y que
P(13 ≤ X ≤ 18,5) = 0,55, hallar su varianza y P(X ≤ 13).

( ) ( ) ( )
 V(x)?

( )
Entonces: a = 10 y b = 20; y ( )
 ( ) ( ) ∫

16. La duración de un amplificador electrónico está modelada como una variable Exponencial.
Si el 10% de los amplificadores tiene una duración media de 20000 horas, mientras que la del
resto es de 50000 horas, hallar:

a) la proporción de amplificadores que fallan antes de las 60000 horas. b) la probabilidad de

que si la duración de un amplificador supera las 20000 horas, supere las 40000 horas.

a) Hay 2 poblaciones de amplificadores, población 1 es aquella con duración media de 20000

hs, y población 2 con duración media de 50000 hs.

Sea el experimento:

Seleccionar 1 amplificador al azar, puede ser de la población 1 o de la población 2.

Sean los eventos:

A1: “el amplificador es de la población 1”, P(A1) = 0.10

A2: “el amplificador es de la población 2”, P(A2) = 0.90

Variable aleatoria: duración X es exponencial…

Para la población 1: ( ); con E(X) = 20000 hs; 1 = 1/20000hs

Para la población 2: ( ); con E(X) = 50000 hs; 2 = 1/50000hs

Se pide:

P(X < 60000hs) = P(X < 60000hs|A1)*P(A1) + P(X < 60000hs|A2)* P(A2), por aplicación del
Teorema de la Probabilidad Total.

( ) ( ) ( )

b) Se pide: ( )

Primero se calculan:

( ) (Teor. prob. Total)

 ( ) (Teor. prob. Total)

Finalmente:

( )
( )
( )

17. La duración de ciertas lámparas eléctricas se distribuye exponencialmente. Se sabe además

que el 80% dura más de 800 horas. ¿Cuántas lámparas se deben extraer como mínimo para
que la probabilidad de que alguna funcione más de 600 horas sea al menos del 90%?

Experimento: “extraer n lámparas”, duración de 1 lámpara: X es Exp()

P(X > 800 hs)= 0.80
Wn: “al menos 1 de las n dura más de 600 hs.”

Hallar n / P(Wn) > 0.90

Lambda : P(X > 800 hs) = exp(-.800 hs) = 0.80 de acá:  = -ln(0.80)/800 hs. = 0.00028/hs.

Sea Y: “cantidad de duraciones superiores a 600hs entre n – ensayos independientes de

duración” Y es Bi(n = ¿?; p = ¿?)

p = P(X > 600 hs.) = exp(-.600 hs) = exp(-0.00028*600) = 0.8454

Busco n / P(Y => 1) > 0.90

1 – P(Y=0) > 0.90; P(Y = 0) < 0.10

(n0)*p0*qn = (1 – p)n < 0.10; o sea: (1 – 0.8454)n < 0.10, entonces: n > ln(0.10) / ln(0.1546)

n => 2

18. El ingreso anual de los jefes de familia de una cierta ciudad se puede modelar con una
distribución Exponencial con = 0,00005. Para clasificar a los hogares de esa ciudad se ha
decidido dividir a la población en 5 grupos igualmente numerosos: clase baja (b), clase media-
baja (mb), clase media (m), clase media-alta (ma) y clase alta (a), de modo que el 20% de la
población pertenezca a cada uno de ellos; es decir, el 20% de los hogares con menores
ingresos entran dentro de la clase baja, el segundo 20% será clasificado dentro de la clase
media-baja, etc. Hallar los salarios que indican el salto de categoría. Observación: Los valores
hallados representan los cuantiles correspondientes a 0.20, 0.40, 0.60 y 0.80 respectivamente.

( )
( )
( )
( )
( )
 ( )
( )
( )
( )

ADICIONAL GAUSS:

31) X: diámetro de ejes, sigue distribución N( =115 mm,  = 0.1mm)

Especificación: (115 +/- 0.1) mm

W: “no cumplir con la especificación”.

W = {x reales / x < mm, o bien x > mm}

P(W) = P(X < 114.9) + P(X > 115.1) = (-1) + [1 – (1)] = 0.3174

Y: nº de ejes que no cumplen la especificación en un lote de n = 8 ejes.

Y sigue distribución: Bi(n = 8, p = 0.3174)

P(Y > 1) = 1 – Fbi(1) =1 – 0.2225= 0.7775