Universidad de Sonora.

Probabilidad.

Tarea 5.

Nombre:
Carlos Andrés Almanza López.
1. Calcular las siguientes probabilidades:
a) P [X > 16] si X ∼ N (15, 4).
Tenemos que µ = 15 y σ = 2, por lo que:
 
16 − 15
P Z> = P [Z > 0.5] = 1 − P [Z ≤ 0.5] = 0.3085
2

∴ P [X > 16] = 0.3085

b) P [|Z| ≤ 0.5] si Z ∼ N (0, 1).

P [−0.5 ≤ Z ≤ 0.5] = P [Z ≤ 0.5] − P [Z ≤ −0.5] = 0.6915 − 0.3085 = 0.383

∴ P [|Z| ≤ 0.5] = 0.383

c) P [X > 35] si X ∼ Bin(100, 0.4).

p √
Tenemos que µ = (100)(0.4) = 40 y σ = (40)(1 − 0.4) = 2 6, por lo que:
 
−0.5 − 40 35.5 − 40
P [X > 35] = 1 − P [X ≤ 35] = 1 − P [−0.5 ≤ Y ≤ 35.5] = 1 − P √ ≤Z≤ √
2 6 2 6
= 1 − P [−8.27 ≤ Z ≤ −0.92] = 1 − P [Z ≤ −0.92] + P [Z ≤ −8.06] = 1 − 0.1788 + 0 = 0.8212
∴ P [X > 35] = 0.8212

d) P [14 < X < 40] si X ∼ N (22, 25).

 
14 − 22 40 − 22
P [14 < X < 40] = P <Z<
5 5

= P [−1.6 < Z < 3.6] = P [Z ≤ 3.6] − P [Z ≤ −1.6] = 1 − 0.0548 = 0.9452

∴ P [14 < X < 40] = 0.9452

e) P [X < 13] si X ∼ N (10, 4).

 
13 − 10
P [X < 13] = P Z < = P [Z < 1.5] = 0.9332
2

P [X < 13] = 0.9332

f) P [40 < X ≤ 80] si X ∼ Bin(150, 0.5).

√
5 6
Tenemos que µ = (150)(0.5) = 75 y σ = 2
, por lo que:

P [40 < X ≤ 80] = P [40 − 0.5 < Y ≤ 80 + 0.5] = P [39.5 < Y ≤ 80.5]
" #
39.5 − 75 80.5 − 75
=P √ <Z≤ √ = P [−5.79 < Z ≤ 0.90]
5 6 5 6
2 2

= P [Z ≤ 0.90] − P [Z ≤ −5.79] = 0.8159 − 0

∴ P [40 < X ≤ 80] = 0.8159

1
2. Encontrar el valor de c tal que:
a) P [X < c] = 0.9641 si X ∼ N (3, 4).
 
c−3
P [X < c] = P Z < = 0.9641
2

Tenemos que P [Z ≤ 1.8] = 9641, por lo que:

c−3
= 1.8 =⇒ c = 6.6
2
∴ c = 6.6

b) P [−c < X − 1 ≤ c] = 0.95 si X ∼ N (1, 16).

 
−c + 1 − 1 c+1−1
P [−c < X − 1 ≤ c] = P [−c + 1 < X ≤ c + 1] = P <Z≤
4 4
   
−c c h ci −c h ci h ci
=P <Z≤ =P Z≤ −P Z ≤ =P Z≤ −P Z ≥
4 4 4 4 4 4
h c i h c i h c i
=P Z≤ −1+P Z ≤ = 2P Z ≤ − 1 = 0.95
4 4 4
De aquı́: h ci
P Z≤ = 0.975
4
Se tiene que P [Z ≤ 1.96] = 0.975, por lo que:
c
= 1.96 =⇒ c = 7.84
4
∴ c = 7.84

c) P [−c < X − 3 ≤ c] = 0.90 si X ∼ N (3, 16).

 
−c + 3 − 3 c+3−3
P [−c < X − 3 ≤ c] = P [−c + 3 < X ≤ c + 3] = P <Z≤
4 4
 
h c i −c h c i h c i
=P Z≤ −P Z ≤ =P Z≤ −P Z ≥
4 4 4 4
h c i h c i h c i
=P Z≤ −1+P Z ≤ = 2P Z ≤ − 1 = 0.90
4 4 4
h ci
P Z≤ = 0.95
4
Tenemos que P [Z ≤ 1.65] = 0.95, por lo que:
c
= 1.65 =⇒ c = 6.6
4
∴ c = 6.6

2
3. Un estudio demostró que los tiempos de vida de cierta clase de baterı́as de auto se
distribuyen normalmente con media de 1248 dı́as y una desviación estándar de 185 dı́as.
Si un fabricante desea garantizar sus baterı́as por 36 meses (se toman meses de 30 dı́as),
¿qué porcentaje de baterı́as deberán ser cambiadas, estando en vigor la garantı́a?
Sea X el tiempo de vida, se tiene que µ = 1248 y σ = 185. Dado que 36 meses equivale a 1080 dı́as,
buscamos P [X < 1080], por lo que:
 
1080 − 1248
P [X < 1080] = P Z < = P [Z ≤ −0.91] = 0.1814
185

El porcentaje de bacterias que deberán ser cam-

biadas estando en vigor la garantı́a es del 18.14%

4. Un cierto tipo de lámparas tiene una vida media de 1500 horas y una desviación
estándar de 150 horas. Se conectan 3 de ellas de manera que en cuanto falle una se
encenderá la otra. Suponiendo que los tiempos de vida tienen distribución normal, ¿cuál
es la probabilidad de que den luz durante al menos 5000 horas?
Sean X1 , X2 y X3 v.a.i como el tiempo de vida de cierto tipo de lámparas y Xi ∼ (1500, (150)2 )
∀i = 1, 2, 3, tenemos que W = X1 + X2 + X3 y de aquı́:

µW = µX1 + µX2 + µX3 = 1500 + 1500 + 1500 = 4500

q p
2 2 2
σW = σX 1
+ σX 2
+ σX 3
= (150)2 + (150)2 + (150)2 = 259.81
Por lo que:
 
5000 − 4500
P [W ≥ 5000] = P Z ≥ = P [Z ≥ 1.92] = 1 − P [Z ≤ 1.92] = 1 − 0.9726 = 0.0274
259.81

La probabilidad de que den luz al menos 5000 horas es de 0.0274

5. La altura que libra un atleta de salto de altura en cada intento es una v.a. normal
con media 70 pulgadas y desviación estándar 2.4 pulgadas. ¿Por debajo de qué altura
puede saltar el 95% de las veces?
Sea X la altura del salto, tenemos que µ = 70 y σ = 2.4, buscamos un h tal que P [X ≤ h] = 0.95,
por lo que:  
h − 70
P [X ≤ h] = P Z ≤ = 0.95
2.4
Tenemos que P [Z ≤ 1.65] = 0.95, por lo que:

h − 70
= 1.65 =⇒ 73.96
2.4

El 95% de las veces salta por debajo de 73.96 pulgadas.

6. Tenemos un programa de entrenamiento diseñado para mejorar la calidad de las

habilidades de inspección de supervisores de lı́nea de producción. Debido a que el
programa es autodidáctico, los supervisores requieren un número diferente de horas
para terminarlo. Un estudio de los participantes anteriores indica que el tiempo medio
que se lleva completar el programa es de 500 horas, y que esta variable aleatoria tiene
distribución normal con una desviación estándar de 100 horas.

3
 a) ¿Cuál es la probabilidad de que un candidato elegido al azar, completar el pro-
grama, le tome más de 500 horas? Sea X el tiempo en completar el programa donde
µ = 500 y σ = 100, por lo que:
 
500 − 500
P [X > 500] = P Z > = P [Z > 0] = 1 − P [Z ≤ 0] = 1 − 0.5 = 0.5
100

La probabilidad de que un candidato elegido al azar

complete el programa en más de 500 horas es de 0.5.

b) ¿Y entre 500 y 650 horas?

 
500 − 500 650 − 500
P [500 < X < 650] = P <Z< = P [0 < Z < 1.5]
100 100
= P [Z ≤ 1.5] − P [Z ≤ 0] = 0.9332 − 0.5 = 0.4332

La probabilidad de que un candidato elegido al azar com-

plete el programa entre 500 y 650 horas es de 0.4332.

7. En una distribución normal con una desviación estándar de 5.0, la probabilidad de

que una observación elegida al azar exceda 21 es de 0.14. a) Encuentre la media de la
distribución. b) Encuentre el valor por debajo del cual se halla el 4% de los valores de
la distribución.
a) Tenemos que:
P [X > 21] = 0.14
Normalizando, nos queda que:  
21 − µ
P Z> = 0.14
5
 
21 − µ
1−P Z ≤ = 0.14
5
 
21 − µ
P Z≤ = 0.86
5
Sabemos que P [Z ≤ 1.08] = 0.86, por lo que:
21 − µ
= 0.86 =⇒ µ = 15.6
5

La media es de 15.6

b) Buscamos un c tal que:

P [X < c] = 0.04
Normalizando, nos queda que:  
c − 15.6
P Z< = 0.04
5
Tenemos que P [Z ≤ −1.75] = 0.04, por lo que:
c − 15.6
= −1.75 =⇒ c = 6.85
5

El valor debajo del 4% es de 6.85.

4
8. La directora de una pequeña subestación postal está tratando de cuantificar la
variación en la demanda semanal de cilindros postales. Ha decidido suponer que esta
demanda está distribuida normalmente. Ella sabe que en promedio se adquieren 100
cilindros semanales y que 90% de las veces, la demanda semanal está por debajo de 115.
a) ¿Cuál es la desviación estándar de esta distribución? b) La directora desea tener
en existencia el número suficiente de cilindros postales cada semana, de modo que la
probabilidad de quedarse sin cilindros no sea mayor de 0.05. ¿Cuál es el más bajo nivel
de existencia que debe tener?
a) Sea X la demanda semanal de cilindros postales, tenemos que µ = 100 y que P [X < 115] = 0.90,
por lo que:    
115 − 100 15
P [X < 115] = P Z < =P Z< = 0.90
σ σ
Sabemos que P [Z ≤ 1.28] = 0.90, por lo que:
15
= 1.28 =⇒ σ = 11.72
σ

σ = 11.72

b) Buscamos un c tal que:

P [X > c] ≤ 0.05
c − 100
1 − P [X ≤ c] ≤ 0.05 =⇒ P [X ≤ c] ≥ 0.95 =⇒ P [Z ≤ ] ≥ 0.95
11.72
Se tiene que P [Z ≤ 1.65] = 0.95, por lo que:
c − 100
= 1.65 =⇒ c = 119.38
11.72

El nivel más bajo de existencia

que debe de tener es de 119.

9. La compañı́a Gilbert Machinery ha recibido un gran pedido para producir motores

eléctricos para una compañı́a manufacturera. Con el fin de que ajuste en su soporte,
el rotor del motor debe tener un diámetro de 5.1 ± 0.05 (pulgadas). El encargado de
compras de la compañı́a se da cuenta de que hay en existencia una gran cantidad de
varillas de acero con un diámetro medio de 5.07 pulg., y con una desviación estándar de
0.07 pulg. ¿Cuál es la probabilidad de que una varilla de acero del inventario existente
se ajuste en el soporte?
Sea X el diámetro de una varilla de acero, donde µ = 5.07 y σ = 0.07, buscamos la probabilidad de
que una varilla de acero se ajuste en el soporte, por lo que:
 
5.05 − 5.07 5.15 − 5.07
P [5.05 ≤ X ≤ 5.15] = P ≤Z≤ = P [−0.29 ≤ Z ≤ 1.14]
0.07 0.07

= P [Z ≤ 1.14] − P [Z ≤ −0.29] = 0.8729 − 0.3859 = 0.487

La probabilidad de que una

varilla de acero se ajuste
al soporte es de 0.487

5
10. Utilice una aproximación normal para calcular las probabilidades binomiales de los
siguientes casos:
a) n = 30, p = 0.35, entre 10 y 15 éxitos, inclusive.
p
Tenemos que µ = (30)(0.35) = 10.5 y σ = (10.5)(1 − 0.35) = 2.61
 
9.5 − 10.5 15.5 − 10.5
P [10 ≤ X ≤ 15] = P [9.5 ≤ Y ≤ 15.5] = P ≤Z≤
2.61 2.61
= P [−0.38 ≤ Z ≤ 1.92] = P [Z ≤ 1.92] − P [Z ≤ −0.38] = 0.9726 − 0.3520 = 0.6206
∴ P [10 < X < 15] = 0.6206

b) n = 42, p = 0.62, 30 o más éxitos.

p
Tenemos que µ = (42)(0.62) = 26.04 y σ = (26.04)(1 − 0.62) = 3.15, por tanto:
 
29.5 − 26.04 42.5 − 26.04
P [X ≥ 30] = P [30 ≤ X ≤ 42] = P [29.5 ≤ Y ≤ 42.5] = P ≤Z≤
3.15 3.15
= P [1.1 ≤ Z ≤ 5.23] = P [Z ≤ 5.23] − P [Z ≤ 1.1] = 1 − 0.8643 = 0.1357
∴ P [X ≥ 30] = 0.1357

c) n = 15, p = 0.30, cuando mucho 7 éxitos.

p
Tenemos que µ = (15)(0.30) = 4.5 y σ = (4.5)(1 − 0.30) = 1.77, por lo que:
 
−0.5 − 4.5 7.5 − 4.5
P [X ≤ 7] = P [0 ≤ X ≤ 7] = P [−0.5 ≤ Y ≤ 7.5] = P ≤Z≤
1.77 1.77
= P [−2.82 ≤ Z ≤ 1.69] = P [Z ≤ 1.69] − P [Z ≤ −2.82] = 0.9545 − 0.0024 = 0.9521
∴ P [X ≤ 7] = 0.9521

d) n = 51, p = 0.42, entre 17 y 25 éxitos, inclusive.

Tenemos que µ = (51)(0.42) = 21.42 y σ = 3.52, por lo que:
 
16.5 − 21.42 25.5 − 21.42
P [17 ≤ X ≤ 25] = P [16.5 ≤ Y ≤ 25.5] = P ≤Z≤
3.52 3.52
= P [−1.4 ≤ Z ≤ 1.16] = P [Z ≤ 1.16] − P [Z ≤ −1.4] = 0.8770 − 0.0808 = 0.7962
∴ P [17 ≤ X ≤ 25] = 0.7962

11. La compañı́a HMO-Car-Door fabrica puertas para vehı́culos recreativos. La compañı́a

tiene dos propósitos en conflicto: desea construir puertas lo más pequeñas posible para
ahorrar material, pero para conservar su buena reputación con el público, se siente
obligada a fabricar con la altura suficiente para que 95% de la población adulta del Paı́s
pueda pasar por el marco de ellas. Con el fin de determinar la altura con la cual fabricar
las puertas, la compañı́a está dispuesta a suponer que la altura de la gente adulta del
Paı́s está distribuida normalmente con una media de 1.85 m y una desviación estándar
de 15.5 cm. ¿Qué tan altas deberán ser las puertas?
Sea X la altura de la gente adulta, tenemos que µ = 1.85 y σ = 0.155, se busca una altura h tal que
P [X ≤ h] = 0.95, por lo que:  
h − 1.85
P Z≤ = 0.95
0.155
Tenemos que P [Z ≤ 1.65] = 0.95, por lo que:
h − 1.85
= 1.65 =⇒ h = 2.11
0.155
6
 La altura máxima debe
de ser 2.11 metros.

12. Un estudiante se somete a un examen de selección múltiple. Cada una de las 20

preguntas de que consta el examen tiene cuatro respuestas posibles, siendo sólo una
correcta. Si el estudiante selecciona al azar,
a) ¿Cuál es la probabilidad de acertar entre 8 y 10 preguntas, utilizando la distribución
binomial?
Sea X : número de aciertos donde n = 20 y p = 41 , se tiene que:

P [8 ≤ X ≤ 10] = f (8) + f (9) + f (10) = 0.0979

b) ¿Cuál es esa probabilidad utilizando la aproximación de la binomial a la curva

normal?
p
Tenemos que µ = 5 y σ = (5)(1 − 0.25) = 1.94, por lo que:
 
7.5 − 5 10.5 − 5
P [8 ≤ X ≤ 10] = P [7.5 ≤ Y ≤ 10.5] = P ≤Z≤ = P [1.29 ≤ Z ≤ 2.84]
1.94 1.94

= P [Z ≤ 2.84] − P [Z ≤ 1.29] = 0.9977 − 0.9015 = 0.0962

13. La simulación del tiempo de ensamblaje de un dispositivo muy usado en la indus-

tria, en minutos, tiene una distribución uniforme en el intervalo (20,30). Calcular la
probabilidad de que:
a) el ensamble de uno de esos dispositivos lleve más de 24 minutos.
Sea X : el tiempo de ensamblaje, tenemos que la función de distribución para este caso es:

0
 si x < a
F (x) = x−2010
si 20 ≤ x < 30

1 si x ≥ 30


Por lo que:
24 − 20
P [X > 24] = 1 − P [X ≤ 24] = 1 − = 0.6
10
∴ P [X > 24] = 0.6

b) el tiempo promedio de una docena de dispositivos ensamblados resulte ser a lo más

de 27 minutos.
20+30
Sea X̄12 el tiempo promedio del ensamble  de25 12 dispositivos, tenemos que µ = 2
= 25 y
2
σ 2 = (30−20)
12
= 25
3
, por lo que X̄12 ∼ N 25, 12
3
= N (25, 0.69):
 
27 − 25
P [X̄12 ≤ 27] = P Z ≤ √ = P [Z ≤ 2.41] = 0.9920
0.69

7
14. Los tiempos de la primera averı́a de una unidad de cierta marca de impresoras
tienen aproximadamente una distribución normal con un promedio de 1500 horas y una
desviación estándar de 200 horas:
1. ¿Qué proporción de estas impresoras fallará antes de las 1000 horas? Sea X : El
tiempo que tarda una impresora en averiarse, se tiene que µ = 1500 y σ = 200, por lo que:
 
1000 − 1500
P [X < 1000] = P Z < = P [Z < −2.5] = 0.0062
200

El 0.62% de las impresoras fallará antes de las 1000 horas.

2. ¿Cuál debe ser el tiempo de garantı́a para estas impresoras si el fabricante desea
que sólo presenten averı́as el 5% de las impresoras dentro del tiempo de garantı́a?
Se busca un c tal que P [X < c] = 0.05, por lo que:
 
c − 1500
P [X < c] = P X < = 0.05
200

Se tiene que P [Z ≤ −1.64] = 0.05, por lo que:

c − 1500
= −1.64 =⇒ c = 1172
200

El tiempo de garantı́a serı́a de 1172 horas.

15. El rendimiento, medido por medio sus calificaciones, de los estudiantes foráneos
tiene una distribución normal con µ = 75, σ 2 = 2 mientras que el rendimiento de los
estudiantes cuya residencia familiar es local tiene distribución normal con µ = 77, σ 2 = 6.
Si se eligen al azar a un estudiante local y uno foráneo de forma independiente, ¿cuál
es la probabilidad de que el rendimiento del foráneo sea más alto que el del local?
Sea X el rendimiento del estudiante foráneo y Y el rendimiento del estudiante local. Dado que
estamos buscando la probabilidad de que el rendimiento del estudiante foráneo sea mayor que el del
estudiante local, se tiene que:
P [X > Y ] = P [X − Y > 0]
Definiendo una nueva variable aleatoria W = X − Y y dado que ambas tienen distribución normal
independientes una de la otra, se tiene que:

µW = (1)µX + (−1)µY = 75 − 77 = −2
2
σW = 12 σX
2
+ (−1)2 σY2 = 2 + 6 = 8
Por lo que W ∼ N (−2, 8), por tanto:
 
0+2
P [W > 0] = P Z > √ = P [Z > 0.71] = 1 − P [Z ≤ 0.71] = 1 − 0.7611 = 0.2389
8

La probabilidad de que un estudiante foráneo tenga

mejor rendimiento que el estudiante local es de 0.2389.

8
16. Un productor de focos sabe que el 5% de su producción está defectuosa. El produc-
tor da una garantı́a en su envı́o de 10,000 focos, prometiendo la devolución del costo
de la mercancı́a si más de k focos en el envı́o resultan defectuosos. ¿Qué tan pequeño
puede escoger el productor el valor de k de tal manera que pueda confiar en que no
tendrá que dar un reembolso en más del 1% de los envı́os?
Sea X el número de focos defectuosos de 10000, se tiene que n = 10000 y p = 0.05, por lo que esto
representa una distribución binomial. Estamos buscando un valor k tal que:

P [X > k] ≤ 0.01
p
Dado que n es muy grande, podemos normalizar el problema, dado que µ = 500 y σ = 500(1 − 0.05) =
21.79, ahora se tiene que:

P [X > k] = 1 − P [X ≤ k] = 1 − P [0 ≤ X ≤ k] = 1 − P [−0.5 ≤ Y ≤ k + 0.5]

   
−0.5 − 500 k + 0.5 − 500 k + 0.5 − 500
=1−P ≤Z≤ = 1 − P −22.97 ≤ Z ≤
21.79 21.79 21.79
 
k − 499.5
=1−P + P [Z ≤ −22.97]
21.79
 
k − 499.5
1−P ≤ 0.01
21.79
 
k − 499.5
P ≥ 0.99
21.79
Se tiene que P [Z ≤ 2.33] = 0.99, se tiene que:

k − 499.5
= 2.33 =⇒ k = 550.27
21.79

El valor más pequeño que puede tomar k es de 550.

17. Estimar la probabilidad de que en 10,000 dı́gitos, seleccionados al azar, el número

7 no aparezca más de 985 veces.
1
Sea X : el número de veces que aparece 7, donde n = 10000 y p = 10 = 0.1, se tiene que esto
pP [X ≤ 985]. Dado que la n es muy grande,
representa una distribución binomial. Se desea conocer
normalizamos el problema, dado que µ = 1000 y σ = 1000(1 − 0.1) = 30, nos queda que:
 
−0.5 − 1000 985.5 − 1000
P [X ≤ 985] = P [0 ≤ X ≤ 985] = P [−0.5 ≤ Y ≤ 985.5] = P ≤Z≤
30 30

= P [−33.35 ≤ Z ≤ −0.48] = P [Z ≤ −0.48] − P [Z ≤ −33.35] = 0.3156 − 0 = 0.3156

La probabilidad de que no aparezca

7 más de 985 veces es de 0.3156.

18. Se tira 600 veces un dado, calcular la probabilidad de que el número observado de
6’s difiera del número esperado en más de 15.
Sea X el número de 6 observados, donde n = 600 y p = 16 , se tiene que representa una distribución
q
binomial. Se desea conocer P [|X − µ| > 15], donde µ = 100 y σ = 100 1 − 16 = 9.13, por lo que:

P [|X − 100| > 15] = P [X > 115 ∪ X < 85] = P [X > 115] + P [X < 85]

9
Normalizando, nos queda que:

1 − P [X ≤ 115] + P [X ≤ 84] = 1 − P [0 ≤ X ≤ 115] + P [0 ≤ X ≤ 84]

1 − P [−0.5 ≤ Y ≤ 115.5] + P [−0.5 ≤ Y ≤ 84.5]

   
−0.5 − 100 115.5 − 100 −0.5 − 100 84.5 − 100
=1−P ≤Z≤ +P ≤Z≤
9.13 9.13 9.13 9.13
= 1 − P [−11 ≤ Z ≤ 1.7] + P [−11 ≤ Z ≤ −1.7]
= 1 − P [Z ≤ 1.7] + P [Z ≤ −11] + P [Z ≤ −1.7] − P [Z ≤ −11] = 1 − 0.9554 + 0.0446 = 0.0892
∴ P [|X − 100| > 15] = 0.0892

19. La resistencia a la tensión de una pieza metálica está distribuida normalmente, con
una media de 40 libras y una desviación estándar de 8 libras. Si se producen 50,000
piezas, ¿cuántas se esperarı́a que no satisfagan un lı́mite de especificación mı́nimo, en
resistencia a la tensión, de 34 libras? ¿Cuántas tendrı́an resistencia superior a 48 libras?
Sea X la resistencia a la tensión de una pieza metálica, donde µ = 40 y σ = 8, primero encontramos
P [X ≤ 34], por lo que:
 
34 − 40
P [X ≤ 34] = P Z ≤ = P [Z ≤ −0.75] = 0.2266
8

∴ Dado que se producen 50000 piezas, se espera que (50000)(0.2266) = 11330 piezas no satisfagan
un lı́mite de especificación mı́nimo de 34 libras.
Ahora bien, para el caso X > 48, se tiene que:
 
48 − 40
P [X > 48] = P Z > = P [Z > 1] = 1 − P [Z ≤ 1] = 1 − 0.8413 = 0.1587
8

∴ En este caso, se espera que (50000)(0.1587) = 7935 piezas tendrán una resistencia mayor a 48
libras.
20. Treinta instrumentos electrónicos D1 , D2 , . . . , D30 se usan de la manera siguiente:
tan pronto como D1 falla, empieza a actuar D2 ; cuando D2 falla, empieza a actuar
D3 , etc. El tiempo de falla de Di , i = 1, 2, . . . , 30, es una variable aleatoria distribuida
exponencialmente con parámetro λ = 0.05. Sea T el tiempo total de operación de los 30
instrumentos, ¿cuál es la probabilidad de que T exceda 350 horas?
Sea Xi : el tiempo que transcurre hasta que falla el instrumento Di , i = 1, 2, .., 30, se tiene que
Xi ∼ exp(0.05). Ahora
P30bien, tenemos que T : es el tiempo total de operación de los 30 instrumentos,
es decir, S30 = T = i=1 Xi , donde:
30
! 30  
X X 1
E(T ) = E Xi = E(Xi ) = (30) = 600
i=1 i=1
0.05

30
! 30  
X X 1
V ar(T ) = V ar Xi = V ar(Xi ) = (30) = 12000
i=1 i=1
(0.05)2
Por tanto:
 
350 − 600
P [T > 350] = P Z > √ = P [Z > −2.28] = 1 − P [Z ≤ −2.28] = 1 − 0.0113 = 0.9887
20 30

10
 La probabilidad de que T exceda 350 horas es de 0.9887

21. La duración promedio de una revolvedora marca ABS sigue una distribución aprox-
imadamente normal con media 5 años y desviación estándar de 1 año. Encuentre la
probabilidad de que la vida promedio de una muestra de 9 de tales revolvedoras esté
entre 4.8 y 5.6 años.
Sea X̄9 : la duración promedio de una revolvedora donde cada Xi de i = 1, 2, ..., 9 tiene µ = 5 y
2
σ = 1, se tiene que X̄9 ∼ N (5, 19 ), deseamos conocer P [4.8 < X̄9 < 5.6], por lo que:
 
4.8 − 5 5.6 − 5 
P [4.8 < X̄9 < 5.6] = P  q <Z< q = P [−0.6 < Z < 1.8]
12 12
9 9

= P [Z ≤ 1.8] − P [Z ≤ −0.6] = 0.9641 − 0.2743 = 0.6898

La probabilidad de que la vida promedio este en-

tre 4.8 y 5.6 de una muestra de 9 es de 0.6898.

22. Supóngase que Xi , i = 1, 2, . . . , 50, son variables aleatorias independientes que tienen
una distribución de Poisson con parámetro λ = 0.4. Usando el teorema del lı́mite central,
calcular P [S < 10] donde S = X1 + X2 + · · · + X50 .
Se tiene que µ = 0.4 y σ = 0.63, por lo que:
 
10 − (50)(0.4)
P [S < 10] = P Z < √ = P [Z < −2.24] = 0.0125
50(0.63)
∴ P [S < 10] = 0.0125

23. Una máquina que sirve bebidas, está regulada para despachar, en promedio, 200
mililitros (ml) por vaso. Si la cantidad servida está distribuida normalmente con una
desviación estándar de 15 ml:
1. ¿Qué porcentaje de los vasos contendrá más de 225 ml?
Sea X la cantidad de bebida por vaso, donde µ = 200 y σ = 15, nos piden que:
 
225 − 200
P [X > 225] = P Z > = P [Z > 1.66] = 1 − P [Z ≤ 1.67] = 1 − 0.9525 = 0.0475
15

El 4.75% de los vasos contendrá más de 225 ml.

2. ¿Por de bajo de qué contenido quedará el 30% de los vasos con menos contenido?
Buscamos un k tal que P [X < k] = 0.30, por lo que:
 
k − 200
P [X < k] = P Z <
15
Se tiene que P [Z ≤ −0.52] = 0.30, por lo que:
k − 200
= −0.52 =⇒ k = 192.2
15

El 30% de los vasos tendrá menos de 192.2 ml.

11
24. Al sumar números, un computador aproxima cada número al entero más próximo.
Supongamos que todos los errores de aproximación son independientes y distribuidos
uniformemente en (−0.5, 0.5). Si se suman 1500 números, ¿cuál es la probabilidad de
que la magnitud del error total exceda de 15?
Se tiene que S1500 q
: es el error total de las 1500 variables aleatorias, donde cada una tiene µ =
−0.5+0.5 (0.5+0.5)2
2
=0yσ= 12
= 0.29, se tiene que nos piden que P [|S1500 | > 15], por lo que:
   
−15 − 0(1500) 15 − 0(1500)
P [|S1500 | > 15] = P [S1500 < −15]+P [S1500 > 15] = P Z < √ +P Z > √
1500(0.29) 1500(0.29)
= P [Z < −1.34] + P [Z > 1.34] = P [Z ≤ −1.34] + P [Z ≤ −1.34] = 2P [Z ≤ −1.34]
= 2(0.0901) = 0.1802

La probabilidad de que la magnitud del error total exceda de 15 es de 0.1802.

25. La probabilidad de que cierta clase de componentes se estropee en 1000 horas

o antes, es 0.25. Cuál es la probabilidad de que menos de 30 de entre 100 de estos
componentes se estropeen en 1000 horas o antes.
Sea X el número de componentes que se estropean en 1000 horas, donde p = 0.25 y n = 100, se
tiene que sigue una distribución binomial, se desea conocer P [X < 30], dado que n es muy grande,
el problema se tendrá que normalizar, tenemos que µ = 25 y σ = 4.33, y nos queda que:
 
−0.5 − 25 29.5 − 25
P [X < 30] = P [X ≤ 29] = P [0 ≤ X ≤ 29] = P [−0.5 ≤ Y ≤ 29.5] = P ≤Z≤
4.33 4.33
= P [−5.89 ≤ Z ≤ 1.27] = P [Z ≤ 1.04] − P [Z ≤ −5.89] = 0.8980 − 0 = 0.8508
∴ P [X < 30] = 0.8508

26. El perı́odo de tiempo que un cajero de banco atiende a un cliente es una variable
aleatoria con media µ = 3.2 y σ = 1.6, minutos. Si se observa una muestra de 64 clientes,
calcular la probabilidad de que el tiempo promedio de los mismos con el cajero sea
cuando mucho 2.7 minutos.
Se tiene 
que X̄64 es  el tiempo promedio en el que un cajero atiende a 64 clientes, se tiene que
(1.6)2
X̄64 ∼ N 3.2, 64 , por lo que:
 
2.7 − 3.2 
P [X̄64 ≤ 2.7] = P Z ≤ q = P [Z ≤ −2.5] = 0.0062
(1.6)2
64

La probabilidad de que el tiempo promedio que el cajero tarde

en atender a un cliente en cuando mucho 2.7 min es de 0.0062

27. El número de defectos en un determinado rollo de tela tiene distribución de Poisson

con media 5. Se elige una muestra de 125 rollos. Determinar la probabilidad que: a) el
número de defectos promedio por rollo en la muestra sea menor que 5.5; b) el número
total de defectos en los rollos de la muestra sea mayor que 689
a) Sea X̄125 el número de defectos promedio en una muestra de 125 rollos, donde cada tiene media 5
5


y σ 2 = 5. Se tiene que X̄125 ∼ N 5, 125 , por lo que:
 
5.5 − 5 
P [X̄125 < 5.5] = P Z < q = P [Z < 2.5] = 0.9938
5
125

12
 ∴ P [X̄125 < 5.5] = 0.9938

b) Sea S125 el número total de defectos en 125 rollos, por lo que:

 
689 − (125)(5)
P [S125 > 689] = P Z > √ √ = P [Z > 2.56] = 1 − P [Z ≤ 2.56] = 1 − 0.9948 = 0.0052
( 125)( 5)

∴ P [S125 > 689] = 0.0052

28. Las personas que asisten a una fiesta sirven bebidas de una botella que contiene 63
onzas de tequila. Supóngase que el tamaño promedio de cada bebida es 2 onzas, con
una desviación estándar de 0.5 onzas, y que se sirven independientemente. Determinar
la probabilidad de que la botella no esté vacı́a después de haber servido 36 bebidas.
Sea S36 la cantidad total de tequila, se quiere calcular la probabilidad de que la botella no esté vacı́a
después de haber servido 36 bebidas, por lo que:
 
63 − 2(36)
P [S36 < 63] = P Z < √ = P [Z < −3] = 0.0013
36(5)

∴ P [S36 < 63] = 0.0013

13