UBA – Ciencias Económicas – Estadística – Prof.

Marcelo Dreyfus, MBA

Trabajo Práctico 3: SUMAS DE VARIABLES ALEATORIAS.

TEOREMA CENTRAL DEL LÍMITE.

1) Una conserva se venderá envasada en latas. Las distribuciones de los pesos y sus
costos son los siguientes:
Peso neto x = N (49,8g;1,2g);
Peso del envase y = N (8,2g; 0,6g);
Costo de la conserva a = 0,06 $/g;
Costo del envase b = 0,008 $/g.

Calcule la probabilidad de que una unidad terminada tenga un costo inferior a $ 3.

C: costo total por unidad

TCL: una combinación lineal de variables aleatorias Normales tiene distribución Normal

C = a * x + b * y = 0,06 * x + 0,008 * y Normal

Propiedad 3: μ (x ± y) = μx ± μy

σ2 (x ± y) = σ2x + σ2y (x e y deben ser independientes)

μc = 0,06 * 49,8 + 0,008 * 8,2 = 3,0536

σ2c = 0,062 * 1,22 + 0,0082 * 0,62

σc = 0,0722

P (C < 3) = 0,229

2) El costo directo de un producto está formado por materiales (0,08m²/unidad) y mano

de obra (0,25 hora/unidad). Debido a variaciones en la eficiencia de la mano de obra y
en el rendimiento de los materiales, los costos unitarios son variables aleatorias
independientes que pueden considerarse normales: el de materiales, con media 32
$/m² y desvío 2,5 $/m²; el de mano de obra, con media 20 $/hora y desvío 3 $/hora.
Calcular el costo superado con 5% de probabilidad.

Resp: $8,84

3) Hay unas zapatillas económicas que se expiden en cajas de cartón corrugado de 6 pares, cada par
contenido en su caja individual. Frecuentemente los clientes reciben cajas con unidades faltantes, es
decir, que encuentran 11 (o menos) zapatillas y reclaman furiosamente al vendedor. Para solucionar el
problema, se ha decidido efectuar un control al final de la línea de empaques, pero como obviamente
sería ilógico abrir cada caja para verificarla, se aplicará el siguiente procedimiento: Se colocará una
balanza al final de la línea y se pesarán todas las cajas, abriendo luego aquellas cuyo peso sea
sospechoso. Ahora, para implementar este control debe fijarse un peso crítico C, tal que si una caja pesa

1
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

menos, se la abrirá y, en caso de que le falte alguna zapatilla, se la completará. A efectos de calcular el
valor de C, se establece la condición de detectar al menos el 99% de las cajas incompletas, y se sabe
que los pesos de las zapatillas y las cajas son variables normales con los siguientes parámetros:
Peso individual de las zapatillas t=N(170gr;7gr);
Peso de las cajas individuales x=N(50gr;5gr);
Peso de las cajas de cartón corrugado y=N(300gr;40gr).

W: peso de una caja completa

W = t1 + t2 + ….. + t12 + x1 + x2 +…. + x6 + y

Mw = 12 . 170 + 6 . 50 + 300 = 2.640 g

Vw = 12 . 49 + 6 . 25 + 1.600 =

Dw = 48,35 g.

Se revisan No se revisan
1 2
---------------------------2640------------------------- W (peso cajas completas)

99%
3 4
---------------2470------------------- W’ (peso cajas incompletas

C
-----------------------------------Z0,99-- Z

Z0,99 = 2,3263 = (C – 2470) / 47,84

a) C = 2.581,3 las que pesen menos se revisan y las que pesen más no.

Área 1: las cajas que pesan menos que C, se revisan inútilmente por qué están
completas (error)

Área 2: las cajas completas que no se revisan (decisión correcta)

Área 3: las cajas incompletas que se revisan (decisión correcta) = 0,99

Área 4: las cajas incompletas que no se revisan (error) = 0,01

2
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

W’ : peso de una caja incompleta

W = t1 + t2 + ….. + t11 + x1 + x2 +…. + x6 + y

Mw = 11 . 170 + 6 . 50 + 300 = 2.470 g

Vw = 11 . 49 + 6 . 25 + 1.600 =

Dw = 47,84 g.

b) Área 1 : P(W < 2581,3) = 0,1123 = 11%

Resp: a) C=2581gr; b) 11%.

4) El consumo diario de combustible en una planta industrial es una variable aleatoria

con media 35 litros y varianza 140 litros al cuadrado. ¿Qué capacidad en litros deberá
tener un tanque para satisfacer el consumo de 300 días con 90% de confiabilidad?
Resp: 10763 litros.

X: consumo diario de combustible

μ = 35 litros

σ2 = 140 litros2

σ = 11,83

Esta variable tiene un CV = 11,83 / 35 = 34% por lo tanto no tiene distribución Normal
sino que es asimétrica.

Y: consumo anual (300 días)

Y = X1 + X2 +……+X300

TEOREMA CENTRAL DEL LÍMITE: Una suma de variables aleatorias independientes

entre sí se aproxima a la distribución Normal a medida que aumenta el número de
sumandos, sin importar la distribución de X. Caso particular: Si X tiene distribución
Normal la variable Y es exactamente Normal sin importar el número de sumandos

Propiedad 1: La media de una suma de variables es igual a la suma de las medias y la

varianza de una suma de variables es igual a la suma de las varianzas (si las variables
son independientes)

μy = n * μx = 300 * 35 = 10.500 litros

3
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

σ2y = n * σ2x = 300 * 140 = 42.000 litros2

σy = 205 litros

Y90 = 10.763 litros

5) El porcentaje diario de unidades defectuosas en un proceso de manufactura es una variable aleatoria

de la cual no se conoce su distribución, pero sí su media que vale 10% y su desvío estándar, 3%. Se
sabe, además, que por cada unidad defectuosa se genera una pérdida de $45.- Calcular, para un mes de
25 días hábiles en el cual se producen 36 unidades diarias: a) La media y el desvío estándar de la
pérdida ocasionada por las unidades defectuosas; b) la probabilidad de que dicha pérdida supere los $
4300.
Resp: a) $4050; $243; b) 0,1515.

X: proporción de unidades defectuosas

μ = 0,1
σ = 0,03 CV = 30% no es Normal

Y: pérdida mensual por unidades defectuosas (25 días)

Y = 45 * 36 * X1 + 1620 * X2 + ….. + 1620 * X25

μy = 1620 * 0,1 * 25 = 4.050$

σ2y = 16202 * 0,032 * 25 = 59.049 $2

σy = 243 $ CV = 6% es Normal

P (Y > 4300) = 0,15179

6) El peso de ovillos de hilo que salen de una máquina se distribuye normalmente con
media 120 g. y desvío estándar 8 g. en condiciones normales de funcionamiento. Los
ovillos se empaquetan de a 24 en cajas de cartón cuyo peso vacío es de 300 g que se
puede considerar constante. En la inspección final se pesa la caja con los ovillos y se la
acepta si su peso es superior a 3120g. ¿Qué probabilidad hay de rechazar una caja si
la máquina funciona correctamente?

X: el peso de los ovillos – Normal (μ=120; σ=8) CV = 7%

Y: el peso de las cajas

Y = X1 + X2 +……+ X24 + 300

4
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

Propiedad 2: μ (x ± a) = μx ± a

σ2 (x ± a) = σ2x no afecta a la varianza

μy = n * μx + a = 24 * 120 + 300 = 3.180 gramos

σ2y = n * σ2x = 24 * 82 = 1.536 gramos2

σy = 39,2 gramos

P (Y < 3.120) = 0,063

7) La demanda diaria de nafta en una estación de servicio es aleatoria con una media
de 3.120 litros y un desvío estándar de 750 litros. a) Qué capacidad debe tener un
tanque para satisfacer la demanda de 30 días con 90% de seguridad, dado que ese es
el lapso entre llegadas del camión cisterna? b) El costo del combustible es de 0,11
$/litro más el flete de $100; el precio de venta es de 0,125 $/litro. Calcular el beneficio
anual (365 días) que puede garantizarse con 95% de probabilidad.

a) X: demanda diaria – Aprox. Normal (μ=3.120; σ=750) CV = 24%

Y: demanda de 30 días

Y = X1 + X2 +……+ X30

μy = n * μx = 30 * 3.120 = 93.600 litros

σ2y = n * σ2x = 30 * 7502 = 16.875.000 litros2

σy = 4.108 litros CV = 4,4%

Y90 = 98.865 litros

b) B: beneficio anual

B = 0,015X1 + 0,015X2 +……..+ 0,015X365 – 1.200

Propiedad 4: μ (x * a) = μx * a

σ2 (x ± a) = σ2x * a2

μB = n * μx = 0,015 * 3.120 * 365 – 1.200 = 15.882 $

σ2B = n * σ2x = 0,0152 * 7502 * 365 = 46.195,3 $2

5
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

σB = 215 $

B5 = 15.528 $

8) Un camión transporta cajas cargadas de artículos varios. El peso de estas cajas es

una variable muy asimétrica y dispersa con un valor medio de 25 Kg y un desvío
estándar de 18 Kg. De acuerdo con las reglamentaciones vigentes, la carga máxima
que puede llevar el camión es de 4000 Kg, sin embargo, como en el sitio de carga no se
dispone de balanza, existe el riesgo de superarla en caso de colocar demasiadas cajas.
Calcular el número máximo de cajas a cargar en el camión para que la probabilidad de
dicho evento sea a lo sumo del 5%.

X: peso de las cajas

μ = 25 kg
σ = 18 kg

Y: peso total de las n cajas

Y = X1 + X2 + …… + Xn

μy = n * 25

σ2y = n * 182 = 324 * n

σy = 18 * √n

P (Y > 4000) ≤ 0,05

P (Y < 4000) ≥ 0,95

0,05
-----------------μy=25n-----------4000--------- Y

---------------------0-----------------Z0,95--------- Z

Z = (Y – μy) / σy

Z0,95 = 1,6449 = (4000 – 25n) / 18√n

1,644852. 182. n = (4000 – 25n)2

6
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

876,59n = 40002 – 2 * 4000 * 25n + 625n2

876,59n = 16000000 – 200000n + 625 n2

625n2 – 200876,59n +16000000

n1 = 175,7 = 176 la ecuación no cierra – se descarta

n2 = 145,7 = 146 ésta es la respuesta correcta

9) En la producción de rollos de alfombra moquette, se tienen longitudes variables, pues se corta en la

falla. La longitud media de estos rollos es de 45 metros y se puede demostrar matemáticamente que el
desvío estándar es igual a la media. Luego, su distribución es muy asimétrica. Todos los días se
producen 40 rollos y se trabaja 22 días por mes. Se desea calcular: a) La probabilidad de que en un mes
se produzcan más de 45.000 metros de alfombra. b) La producción mensual garantizada con 95% de
probabilidad. c) Cuántos rollos habrá que producir para tener 100.000 metros con 95% de probabilidad.
Resp: a) 0; b) 37.404m; c) 2302rollos

a) t: longitud de los rollos

μt = 45 m = σt

X: producción diaria

X = t1 + t2 + ……. + t40
μx = 45. 40 = 1800 m
σ2x = 452. 40 = 81.000 m2

Y: producción mensual (22 días)

Y: X1 + X2 + ……. + X22

μy = 1800. 22 = 39.600 m
σ2y = 81.000. 22 = 1.782.000 m2
σy = 1.335 m

P (Y > 45.000) = 0, 00003

b) Y5 = 37.404 m

c) P (Y > 100.000) = 0, 95

7
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

P (Y < 100.000) = 0,05

t: longitud de los rollos

X: producción diaria

X = t1 + t2 + ……. + tn
μx = 45. n
σ2x = 452. n

Y: producción mensual (22 días)

Y: X1 + X2 + ……. + X22

μy = 45n. 22 = 990n
σ2y = 452. n. 22 = 44.550√n
σy = 211 √n

--100.000-----------μy=990n-------------------Y
---Z0,05-------------------0-------------------------Z

Z = (Y – μy) / σ(y)

Z0,05 = -1,64485 = (100.000 – 990n) / 211√n

n = rollos por día x 22

10) Una empresa tiene 3 vendedores: Juan, Luis y José. Las ventas diarias de cada uno son sumamente
variables y se conocen sus medias y desvíos pero no sus leyes de distribución. Dichos parámetros valen
100 y 45 para Juan; 120 y 30 para Luis; y 94 y 15 para José. Calcular: a) La probabilidad de que en 40
días hábiles, Luis y José en conjunto dupliquen al menos las ventas de Juan; b) la probabilidad de que en
60 días hábiles, Luis venda al menos un 30 % más que José; c) la venta total mínima que, con 95 % de
confiabilidad podrá obtenerse con los 3 vendedores durante los próximos 60 días hábiles.
Resp: a) 0,8217; b) 0,3169; c) 18.125.

a: ventas diarias de Juan (100;45)

b: ventas diarias de Luis (120;30)
c: ventas diarias de José (94;15)

A: ventas en 40 días de Juan (M = 4.000; V = 81.000)

A = a1 + a2 +……+a40

B: ventas en 40 días de Luis (M = 4.800; V = 36.000)

8
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

C: ventas en 40 días de José (M = 3.760; V = 9000)

P(B + C > 2A) = P(B + C – 2A > 0)

-----------
W
W = B + C – 2A

Mw = 4800 + 3760 – 2.4000 = 560

Vw = 36000 + 9000 + 4.81.000 =

Dw = 607,45

----0-----------------560----------------------------- W

P(W > 0 ) = 0,82

b)

B: ventas en 60 días de Luis (M = 7.200; V = 54.000)

C: ventas en 60 días de José (M = 5.640; V = 13.500)

P(B > 1,3C) = P(B - 1,3C > 0)

-----------
W
W = B – 1,3C

Mw = 7200 – 1,3 . 5640 = -132

Vw = 54000 + 1,32 . 13500 =

Dw = 277,155

--------------------- -132----------------------0------- W

P(W > 0 ) = 0,317

W=A+B+C

Mw = 6000 + 7200 + 5640 = 18.840

Vw = 121.500 + 54.000 + 13.500 =
D = 434,74

9
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

W5 = 18.125 unidades

11) Tres máquinas, denominadas A, B1 y B2, tienen la siguiente disposición:

A /-------->--------- B1
-------------------->
\-------->--------- B2

Los días que vienen los tres operarios, la máquina A produce 100 unidades que son
luego procesadas por partes iguales en cada una de las máquinas B. Cuando viene el operario
de la máquina A y falta uno de los de las B, la producción es de 50 unidades. Estos operarios
faltan independiente y aleatoriamente 1 vez cada 10 días -cada uno- en promedio. Calcular la
producción anual (250 días hábiles) que puede asegurarse con 95% de probabilidad para el
caso en que: a) Cada operario es especializado en su máquina e irremplazable en caso de
ausencia; b) cualquier operario puede atender cualquier máquina.

X : producción diaria (opción b)

X P(X)

0 0,13 + Pb(X=1/n=3;0,9) = 0,12.0,9.3 = 0,028

50 Pb(X=2/n=3;0,9) = 0,243

100 0,93 = 0,729

1

Modo2 (SD); Shift Modo 1 = AC; 0 ; 0,028 M+ 50 ; 0,243 M+ ; 100 ; 0,729 M+

Shift 2 1 Mu = Suma X . P(X) = EX) = 85,05 unidades

V(X) = Suma (X – Mu)2 . P(X) = 664 u2

D(X) = 25,77 u

Y: producción anual (250 días)

Y = X1 + X2 + ………. + X250

My = 250 . 85,05 = 21.262,5

V(Y) = 250 . 664 = 166.000

D(Y) = 407,43
Y5 = 20.592 unidades

10
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

X : producción diaria (opción a)

X P(X)

0 0,13 + 0,9 . 0,12 + 0,1 . 0,9 . 0,9 + 0,1 . 0,9 . 0,1 . 2 = 0,109

50 0,9 . 0,9 . 0,1 . 2 = 0,162

100 0,93 = 0,729

1

Modo2 (SD); Shift Modo 1 = AC; 0 ; 0,109 M+ 50 ; 0,162 M+ ; 100 ; 0,729 M+

Shift 2 1 Mu = Suma X . P(X) = EX) = 81 unidades

V(X) = Suma (X – Mu)2 . P(X) = 1,134 u2

D(X) = 33,67 u

Y: producción anual (250 días)

Y = X1 + X2 + ………. + X250

My = 250 . 81 = 20.250

V(Y) = 250 . 1.134 = 283.500

D(Y) = 532,44

Y5 = 19.374 unidades

<0,05 >0,95 <0,95 >0,05

-------Y5----------------------------------------Y95-----------------Y

12) Una máquina puede ser atendida por uno de dos operarios: Luis, que cuando viene
produce 120 unidades diarias, pero falta aleatoriamente 1 vez cada 10 días en
promedio; y José, que cuando viene produce 85 unidades diarias, pero falta
aleatoriamente 1 vez cada 8 días en promedio. Cuando vienen los dos, la máquina es
atendida por Luis. Calcular: a) La media y el desvío estándar de la variable producción
diaria; b) la producción total que puede garantizarse para 1 año (250 días hábiles) con
95% de probabilidad.

Resp: a) 115,4; 16,32; b) 28435.

11
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

X: producción diaria

X P(X)
0 1/10 . 1/8 = 1/80

85 7/8 . 1/10 = 7/80

120 9/10 . 7/8 + 9/10 . 1/8 = 72/80 = 9/10

1

E(X) = 115,44 un

VAR(X) = 266,34

DES(X) = 16,32 un

Y: producción anual (250 días)

Y = X1 + X2 + … + X250

Mu(y) = 115,44 . 250 = 28.860 u

VAR(y) = 266,34 . 250 =66.585

DES(y) = 258

Y5 = 28.436 u

< 5% > 95%

------------28.436---------------------Mu = 28.860----------------------------Y

Calcule la producción anual máxima a obtener con 95% de probabilidad

Y95 = 29.284 u

13) Un estudiante usa diariamente una calculadora durante un tiempo cuyo valor medio
es de 1 hora y desvío estándar 0,2 hs. Las baterías con que funciona la máquina tienen
12
 UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

vidas útiles variables que, expresadas en tiempo neto de utilización, se distribuyen

con media 12 horas y varianza 48 hs².

Calcule la cantidad de baterías que deberá comprar para que la probabilidad de que no
le alcancen para un año valga 2%.

t: tiempo diario de uso Mu = 1 hora D = 0,2 hs

d: duración de las baterías Mu = 12 hs D = 6,928 hs

T: tiempo de uso anual

T = t1 + t2 + ….. + t365

M(T) = 365 . = 365 hs

V(T) = 365 . 0,22 = 14,6

D: duración de n baterías

D = d1 + d2 + …….. + dn

M(D) = n 12

V(D) = n 48

D(D) = Rn 6,928

P(T > D) = 0,02 si T>D las baterías no le alcanzan

P(T < D) = 0,98

P(T – D < 0 ) = 0,98

W: T – D

M(W) = 365 – 12n

V(W) = 14,6 + 48n

-----------------MW--------------0------- W
--------------------0--------------Z0,98-- Z
2,05375
13
UBA – Ciencias Económicas – Estadística – Prof. Marcelo Dreyfus, MBA

2,05375 = (W – MW) / DW = (0 – (365 – 12n)) / R((14,6 + 48n))

2,05375 = (12n – 365) / R((14,6 + 48n))

2,053752 (14,6 + 48n) = (12n – 365)2

Para que de 0 n = 30,41666

Para que sea + n > 30,416

Tiene que llevar más de 30 baterías

14