PROBABILIDADES
PROBABILIDADES
PROBABILIDADES
PROBABILIDAD
1.1. INTRODUCCIÓN
El primer enfoque nos permite comprender con claridad el concepto de probabilidad, así
como obtener un listado de axiomas y propiedades fundamentales de la teoría de probabilidad. Con
el segundo enfoque, llegamos a representaciones matemáticas que facilitan el cálculo de
probabilidades, mediante fórmulas que se ajustan regularmente a ciertos fenómenos o experimentos.
1.2. EXPERIMENTO
Se llama así al fenómeno o experimento que siempre tiene que ocurrir. Es decir se presenta
de una única manera y existen fórmulas matemáticas que describen el fenómeno y con las que
se pueden determinar el resultado del experimento.
Ejemplos:
1. El experimento consiste en dejar en el aire un plumón, éste siempre tiene que caer, pues la
ley de la gravedad hará que sea atraída al suelo.
2. Elevamos el precio de un bien, inmediatamente se reducirá la cantidad demandada.
Por que:
1
Ejemplos:
1. Lanzar una moneda sobre una mesa es un experimento aleatorio; unas veces
resulta cara otras veces sello. Si en este experimento “cargásemos” la moneda (revistiendo la
cara con un metal pesado) de tal manera que al lanzarla a una mesa siempre resulte cara, el
experimento deja de ser aleatorio y pasaría a ser determinístico.
2. Consideremos un partido entre dos equipos de Fútbol; desde el punto de vista de
los resultados (goles). Siempre queda un margen de azar en la determinación del número de
goles a favor o en contra.
3. Los juegos de lanzar dados, barajas, loterías, ruletas, carrera de caballos, etc. son
típicamente aleatorios.
4. Observar la vida útil de un artículo.
Se denomina espacio muestral, al conjunto formado por todos los resultados posibles de un
experimento aleatorio.
Ejemplos:
1. Lanzar una moneda al piso y observar el resultado que ocurre en la cara superior de la
moneda.
= {c, s} n () = 2
2. Lanzar dos monedas consecutivas al piso y observar el resultado que ocurre en la cara
superior de las monedas.
2
1 2
C = ( C, C )
C
S = ( C, S )
C = ( S, C )
S
S = ( S, S )
_________________________________________________
2 * 2 = 4
= {A, B, C, D, E} n () = 5
= {1, 2, 3,…}
= {w / w 0}
Se llama evento o suceso a todo subconjunto del espacio muestral. A los eventos se les
denota con las primeras letras mayúsculas del alfabeto, así decimos:
A = Es un evento A
Ejemplo:
Suponga que se lanza dos monedas consecutivas al piso y se observa el resultado que ocurre
en la cara superior de las monedas. Enliste los siguientes eventos:
3
Solución.
= {(c, c), (c, s), (s, c), (s, s)} n () = 4
Usando las leyes del álgebra de conjuntos se puede formar nuevos eventos, los cuales son
subconjuntos del mismo espacio muestral de donde provienen los eventos dados. Así para los
eventos dados. Así, para los eventos A, B Y C de se cumplen las siguientes leyes:
a) Unión: AA =A
b) Intersección: AA =A
a) Unión: AA´ =
b) Intersección: AA´ =
4
a) Unión: A=A y A =
b) Intersección: A = y A=A
1.6.1. PERMUTACIONES
a) Permutaciones simples.
a.1. P = n
n n
a.2. P = n / (n-r)
n r
P
n n1, n2, n3,...nk = n / (n1 * n2 * … *nk)
c) Permutaciones circulares.
PCn = (n-1)
Ejemplos:
P = 5 = 5*4*3*2*1 =120
5 5
2. De un grupo de 4 personas, se tiene que elegir a 3 personas que deben ocupar el cargo
de presidente, secretario, y vocal. ¿De cuántas maneras se pueden hacer los arreglos?
P = 4 / (4-3) = 24
4 3
P
12 3, 4, 5 = 12 / (3 * 4 *5) =27720
4. ¿De cuántas maneras diferentes pueden sentarse 9 personas alrededor de una mesa
elipsoidal?
5
PC9 = (9-1) =8
1.7. COMBINACIONES
nCr = n / r(n-r)
Ejemplos:
1. ¿Cuántos cables de conexión se necesitan para que dos aulas cualesquiera, de doce aulas
existentes en total en una Universidad, puedan comunicarse directamente?
2. Una caja contiene 20 tornillos similares, de los cuales 10 son buenos, 8 tienen defectos del
tipo A, 5 tienen defectos del tipo B, y 3 los dos tipos de defectos.¿Cuántos elementos tiene
el espacio muestral que resulta de escoger al azar 11 tornillos de manera que 2 tengan
defectos Ay B, 3 defectos sólo A, 2 con defectos sólo B y 4 sin defectos?
a) Un solo elemento de A?
b) Por lo menos un elemento de A?
Solución:
b) 4C1 * 8C5+ 4C2 * 8C4+ 4C3 * 8C3+ 4C4 * 8C2 = 896 formas.
6
Si A es un evento de , la probabilidad de que ocurra el evento A está dada por:
P(A)= n(A) / n ()
Espacio Evento
Experimento muestral (A)
aleatorio n() n(A)
P(A)= n(A) / n
()
a) El número 6.
b) Por lo menos el número 4.
c) A lo más el número 2.
d) Por lo menos el número 1.
Solución:
= {1, 2, 3, 4, 5, 6} n () = 6
a) A= {6} n (A) = 1
c) C = {1, 2} n (C) = 2.
d) D = {1, 2, 3, 4, 5, 6} n (D) = 6
Ejemplo:
7
La tabla siguiente, muestra el estado civil de 30 Trabajadores de una Empresa. Año 2005.
ESTADO CIVIL ni
SOLTERO 20
CASADO 10
TOTAL 30
Solución:
P(Soltero)= 20 / 30
A.1. 0 P(A) 1
A.2. P() =1
P(AB) = P(A)+P(B)
Este axioma se puede extender para k eventos mutuamente excluyentes A 1, A2,…, AK,
es decir
T.1. P( ) = 0
Ejemplos:
8
1. La probabilidad de que la señora hablantina reciba por lo menos 8 llamadas
telefónicas en un día es 0.2 y la probabilidad de que reciba a lo más 5
llamadas telefónicas en un día es 0.3. Hallar la probabilidad de que la
señora hablantina reciba 6 ó 7 llamadas en un día.
Solución:
= {0,1 ,2 ,3 ,4 ,5, 6, 7, 8, 9,...}
A= {8, 9,…} P(A) = 0.2
B= {0, 1, 2, 3, 4, 5} P(B)=0.3
C = {6, 7} P(C) = ?
ABC =
P (ABC) = P()
P(A) + P(B) + P(C) = 1
0.2 + 0.3 + P( C) = 1 P( C) = 0.5
2. Un escolar entra a una tienda de golosinas. La probabilidad de que compre caramelos es
0.7, la probabilidad de que compre galletas es 0.5 y la probabilidad de que compre
ambos (caramelos y galletas) es 0.3. Hallar la probabilidad de compre caramelos, o
galletas o ambos.
Solución:
Sean los eventos:
A = El niño compra caramelos
B = El niño compra galletas
AB = El niño compra caramelos y galletas
A menudo se quiere determinar la probabilidad de que ocurra un evento sabiendo que otro
evento ha ocurrido. La probabilidad condicional (o condicionada) de que un evento B ocurra dado
que otro evento a ha ocurrido se denota por P(B/A). Esta notación se lee “. La probabilidad de que
B ocurra dado que A ha ocurrido” o simplemente la probabilidad de B dado A”
Ejemplo:
Un club consiste de ciento cincuenta miembros. Del total, 3/5 son hombres y 2/3 son profesionales.
Además, 1/3 de las mujeres son no profesionales.
b.1) Si las tres son mujeres, ¿cuál es la probabilidad de que sólo l de ellas sea profesional?
9
b.2) Si resultan ser del mismo sexo, ¿cuál es la probabilidad de que sean mujeres?.
Solución:
PROFESIONAL NO PROFESIONAL TOTAL
HOMBRE (H) 60 30 90
MUJER (M) 40 20 60
TOTAL 100 50 150
a)
a.1) P(H P) = 60/150 = 0.4
a.2) P(H/P) = P (HP) / P(P) = (60/150) / (100/150) = 0.6
b)
b.1) A = Las tres son mujeres
B = Sólo una es profesional P(B/A) = ( 40C1 * 20C2)/ 60C3
b.2) A = Los tres son del mismo sexo
B = Las tres son mujeres P(B/A) = ( 60C3 )/ (90C3 + 60C3) = 0.23
P(B/A) = P(B)
Ejemplo:
Suponga que en un proceso de producción se utilizan las máquinas. 1 y 2, que trabajan en forma
independiente para producir cierto bien. Si la probabilidad de que ambas máquinas fallen es 1/5 y
de que falle sólo la 2 es 2/15. Calcular la probabilidad de que
Solución:
P(AB) =1/5 = 3/15, P(A´B) = 2/15, entonces, P(B)= 5/15
a)
P(AB´) = P (A) P(B´) = 9/15 * 10/15 = 6/15
10
b)
P(A´B AB´ A´B´ ) = P(A´B) + P(AB´) + P( A´B´ )
Si k eventos: A1, A2,..,AK, constituyen una partición del espacio muestral , entonces, para
cualquier evento B en ,
A1 A2 … AK
TEOREMA DE BAYES
Ejemplo:
11
Las probabilidades de que los socios S 1 y S2 sean elegidos presidente de un club son
respectivamente 0.4 y 0.6. Las probabilidades de que se aumenten las cuotas mensuales de
los socios son de 0.9 si sale elegido S1 y de 0.2 si sale elegido S2.
Solución:
S1 0.9 A
0.4
0.6 S2 0.2 A
b)
P(S1/A) = P (S1 ) P(A/ P(S1) / P(A) = 0.75
EJERCICIOS PROPUESTOS
12
1. Sean A, B, y C tres eventos cualesquiera de un espacio muestral , expresar cada uno de
los siguientes eventos compuestos en términos de operaciones entre A, B y C:
2. Cada uno de cuatro amigos elige una bebida al azar en la cafetería. Describa el espacio
muestral del experimento si hay disponibles en tres sabores denominados por L, N y F,
¿cuántos elementos tiene?.
4. Un experimento consiste en observar la vida útil de dos objetos, describa el evento “la
duración del primero más la duración del segundo es al menos 4 años”.
5. En un edificio de 10 pisos entran al ascensor al primer piso tres personas. Cada una baja
al azar a partir del segundo piso. ¿De cuántas maneras distintas estas personas pueden
bajar en pisos diferentes?.
7. Una caja contiene 8 dulces de piña; 6 de naranja y 4 de fresa. ¿Cuántos elementos tiene
el espacio muestral que resulta de extraer al azar un dulce de cada sabor?
10. ¿De cuántas maneras diferentes puede un padre dividir 8 regalos entre sus 3 hijos, si el
mayor debe recibir 4 regalos y los menores 2 cada uno?
11. Un sistema está formado por dos componentes A y B cuyas probabilidades de falla son
1/6 y 2/15 respectivamente. Si la probabilidad de al menos una de las dos componentes
falle es 7/30, calcular la probabilidad de que:
12. Un lote contiene n objetos. La probabilidad de que al menos uno sea defectuoso es 0.06,
mientras que la probabilidad de que al menos dos sean defectuosos es 0.04. Calcular la
probabilidad de que:
13
b) Exactamente un objeto sea defectuoso.
14. Un comerciante tiene 12 unidades de cierto artículo de los cuales 4 tienen algún tipo de
defecto. Un cliente pide para comprar 3 de tales artículos pero que no tengan defectos. Si
el comerciante escoge al azar y de una sola vez 4 de tales artículos, ¿cuál es la
probabilidad de que con las 4 unidades escogidas satisfaga el pedido del cliente?
15. Cien personas fueron encuestadas acerca de sus preferencias sobre tres productos A, B,
y C. Se encontró que 50 prefieren el A, 37 el B, y 30 el C. Además 12 prefieren A y B, 8
sólo A y C, 5 sólo B y C, y 15 sólo C. De cinco personas encuestadas elegidas al azar,
calcular la probabilidad de que 2 de ellas prefieran B, y C, 2 sólo A y B, y una prefiera
los tres productos.
18. De 20 clientes de crédito de una tienda comercial, 100 tienen créditos menores que $
200, 15 tienen créditos de al menos $ 500, y 110 tienen créditos menores de 4 años.
Además 30 clientes tienen créditos de al menos 4 años y de 200 a menos de $500, y 10
clientes tienen créditos al menos $500 y menos de 4 años.
19. Sólo el 60% de la mercadería que recibe un comerciante del fabricante A es de calidad
excepcional, mientras que el 90% de la mercadería que recibe del fabricante B es de
calidad excepcional. Sin embargo la capacidad del fabricante B es limitada, y, por esta
razón sólo el 30% de la mercadería le es permitido adquirir del fabricante B, el 70% la
adquiere de A. Se inspecciona un embarque que acaba de llegar y se encuentra que es de
calidad excepcional, ¿cuál es la probabilidad de que provenga del fabricante A?.
2. DISTRIBUCIONES DE PROBABILIDAD
14
2.1. INTRODUCCIÓN
RX = {x / x = X (w), w }
Ejemplo:
Sea el espacio muestral que se obtiene al lanzar al aire una moneda tres veces consecutivas,
esto, es,
Si X es el número de caras obtenidas, entonces X es una variable aleatoria cuyo rango es: RX =
{0, 1, 2, 3}.
Una variable aleatoria discreta asume cada uno de sus valores con cierta probabilidad que
denotaremos por PX (probabilidad inducida por X).
Sea X una variable aleatoria discreta. Se denomina función (ley o modelo o distribución) de
probabilidad de X a la función f(x) definida por f(x) = PX = x para todo x número real y que
satisface las siguientes condiciones:
NOTAS.
P ( A) P X
xiRx
xi = f ( xi )
xiRx
2. La función de probabilidad de una variable aleatoria X se puede expresar: por una ecuación:
f(x) = PX = x = expresión de x, o por el conjunto de pares {(xi,pi)/pi = f(xi), xi RX} o
por una tabla, si RX es finito.
Valores de xi de X x1 x2 x3 … xn
Probabilidad Pi = p1 p2 p3 … pn
P X xi
Ejemplo:
Sea X la variable aleatoria definida como el número de caras que ocurren al lanzar un moneda 4
veces.
SOLUCIÓN.
a)
16
f(0) = PX=0 = 1/16
b)
2
P0<X<=2 = f (k )
k 1
f (1) f (2) 4 / 16 6 / 16 10 / 16
F ( x ) P X x P X K f (k ), para x
KX kx
NOTAS.
1. La condición i) persona que la gráfica de f(x) no tiene puntos por debajo del eje de las
abscisas.
La condición ii), indica que el área total bajo la curva es igual a uno.
La condición iii) expresa: probabilidad igual a área. Esto es, si A a, b, la probabilidad
P a X b es igual a el área de la región limitada por la curva, el eje X y las rectas X = a, X
P a X b f x dx
b
a
17
2. No es difícil verificar que si el evento A es cualquier intervalo en la recta real, entonces,
P(A) satisface los axiomas de la probabilidad.
3. Cualquier función f(x) que satisfaga sólo las condiciones i) y ii) no es probabilidad, sólo es
probabilidad cuando la función de densidad es integrada entre dos límites. Por ejemplo, la
función:
f x 3 x 2 / 8 para 0 x 2.
Satisface las condiciones i) y ii), pero f(x) no es probabilidad, ya que entre otros valores se
tiene, f(w) = 1.5, f(1.8) = 1.215.
P X x 0 P x 0 X x 0 x dx
x0
0
x0 f
EJEMPLO 6.12.
Sea f(x) una función definida en todos los números reales por
a) Hallar el valor de la constante c para que, f(x) sea una función de densidad para alguna
variable aleatoria X.
b) Calcular P 0 X 1
SOLUCIÓN.
a) El área de la figura 6.6. debe ser igual a 1, entonces,
2
x3 8
f x dx
2
1
0
cx 2 dx c c
3 0 3
1
3x 2 x3 1
b) P 0 X 1
1
0
8
dx
8 0 8
EJEMPLO 6.13.
Sea f(x) una función de densidad de probabilidad de una variable aleatoria X, cuya gráfica es la
figura que sigue:
19
SOLUCIÓN.
a) Si el área que encierra la figura con el eje X es igual a uno, entonces, c = ¼
La función de densidad se define a partir de la ecuación de la recta y -1/4 = (3/4 – ¼) (3-1) (x-
1), o y = x/4. Luego,
x
4 , si 1 x 3
f x
0. en otro caso
5 5 5 5 21 9 75
c) P X F F
4 2 2 4 32 128 128
20
La media de una variable aleatoria X o media de la distribución de probabilidad de X es un
número real que se denota por x o por . La media es denominada también esperanza
matemática o valor esperado de X, y se denota también por E(X).
Definición 1.
La media de una variable aleatoria discreta X con función de probabilidad f(x) es la expresión:
Si el rango de X es el conjunto finito R x x1 , x 2 , ... x n , entonces,
n
E X x f x i i
i 1
En este caso, si la suma indicada no es igual a un número real, se dice que la esperanza de X no
existe.
Definición 2.
La media de una variable aleatoria continua X con función de densidad de probabilidad f(x) es
la expresión:
E X xf x dx
siempre que el valor de la integral sea un número real, en caso contrario, se dice que la media de
X no existe.
EJEMPLO 6.19.
Calcular la media de la distribución de probabilidad de la variable aleatoria X que se define
como el número de caras cuando se lanzan cuatro monedas.
SOLUCIÓN.
La distribución de probabilidad de X se da en la tabla 6-3.
TABLA 6-3
x1 0 1 2 3 4
1/16 4/16 6/16 4/16 1/16
F(xI)
La media de X es el número
21
1 4 6 4 1
E X xi f xi 0 1 2 3 4 2
16
16 16
16 16
Esto significa que si una persona lanza 4 monedas, muchas veces, en promedio obtendrá 2 caras
por lanzamiento.
Luego en x = 2 puede ocurrir cualquier valor entre 5/16 y 11/16. En particular F(2) = 0.5. Por lo
tanto, la mediana = 2.
Por otra parte, la moda de una variable aleatoria X, es el valor de la variable con mayor
probabilidad (caso directo), o donde alcanza su máximo (caso continuo). En la distribución del
ejemplo 6.19, la moda = 2.
g y PTY y P X x
x Rx /H x y
Por ejemplo, si es una variable aleatoria cuya distribución de probabilidad está dada por la tabla
6.4, y si Y = H(X) = 2X – 3, entonces,
Tabla 6.4
x 0 1 2 3
1/8 3/8 3/8 3/8
F(x)
Y es una variable aleatoria, cuya distribución de probabilidades es dada por la tabla 6.5, donde
g y P Y H x P X x f x .
H(x) = 2x - 3 -3 -1 1 3
1/8 3/8 3/8 1/8
g(y) = f(x)
Definición.
Si X es una variable aleatoria con distribución con distribución de probabilidad f(x), la media o
valor esperado o esperanza matemática de la variable aleatoria H(x) está dada por la expresión:
E H X H x f x ,
i i si X es discreta ,
Y por : E H X H x f x dx, si X es continua
Si la suma o la integral indicadas no son iguales a un número real se dice que la esperanza de
H(x) no existe.
23
Definición.
Sea X una variable aleatoria con distribución de probabilidad f(x) y con media igual a . La
varianza de X es la expresión:
x2 E X 2 x i
2
f xi , si X es discreta, y
x2 E X 2
x 2 f x dx, si X es continua.
siempre que la suma y al integral sean números reales.
EJEMPLO 6.28.
Calcular la varianza y la desviación estándar de la distribución de probabilidad de la variable
aleatoria X que se define como el número de caras al lanzar cuatro monedas.
SOLUCIÓN.
La distribución de probabilidad de X es la tabla 6-9.
Xi 0 1 2 3 4
1/16
1/16 4/16 6/16 4/16
f(xi)
En el ejemplo 6.19, se ha calculado E(X) = 2. Además,
x f x 0
4
1 4 6 4 1 80
E X2 2 2
x 12 x 22 x 32 x 42 x 5
x 0 16 16 16 16 16 16
Por lo tanto, x2 E X 2 2 5 2 1
2
EJEMPLO 6.29.
Calcular la varianza y la desviación estándar de la variable aleatoria discreta X cuya función de
probabilidad es:
e x
f x , x 0,1, 2, ...., etc, cons tan te
x!
SOLUCIÓN.
En el ejemplo 6.2 se ha calculado E X . Además,
24
e x x 1
k
E X2 x 2 f x x2 e e k 1 k!
x 0 x 0 x! x 1 x 1! k 0
k
k
e k e e e e e 2
k 0 k! k 0 k!
La desviación estándar de X es
X Var X 1 / 2
NOTA:
Otra forma de calcular esta varianza, es usando la siguiente expresión:
x2 E X X 1 2
En efecto, , y
e x
x2
E X X 1 x x 1 2 e 2 e e 2
x 0 x! x2 x 2!
Es aquel modelo que sigue un experimento que se realiza una sola vez y que puede tener dos
soluciones: acierto o fracaso:
Ejemplo: Probabilidad de salir cara al lanzar una moneda al aire (sale cara o no sale);
probabilidad de ser admitido en una universidad (o te admiten o no te admiten); probabilidad de
acertar una quiniela (o aciertas o no aciertas)
Verificándose que:
p+q=1
p + q = 0,5 + 0,5 = 1
p + q = 0,25 + 0,75 = 1
p + q = 0,00001 + 0,99999 = 1
La distribución de Bernouiili se aplica cuando se realiza una sola vez un experimento que
tiene únicamente dos posibles resultados (éxito o fracaso), por lo que la variable sólo puede
tomar dos valores: el 1 y el 0
Ejemplo: se tira una moneda 10 veces: ¿cuantas caras salen? Si no ha salido ninguna la variable
toma el valor 0; si han salido dos caras la variable toma el valor 2; si todas han sido cara la
variable toma el valor 10
26
" k " es el número de aciertos. En este ejemplo " k " igual a 6 (en cada acierto decíamos que la
variable toma el valor 1: como son 6 aciertos, entonces k = 6)
" p " es la probabilidad de éxito, es decir, que salga "cara" al lanzar la moneda. Por lo tanto p
= 0,5
La fórmula quedaría:
Luego,
P (x = 6) = 0,205
Es decir, se tiene una probabilidad del 20,5% de obtener 6 caras al lanzar 10 veces una moneda.
Ejemplo 2: ¿Cuál es la probabilidad de obtener cuatro veces el número 3 al lanzar un dado ocho
veces?
La fórmula queda:
Luego,
P (x = 4) = 0,026
Es decir, se tiene una probabilidad del 2,6% de obtener cuatro veces el números 3 al tirar un
dado 8 veces.
27
La distribución de Poisson sigue el siguiente modelo:
Vamos a explicarla:
" " = n * p (es decir, el número de veces " n " que se realiza el experimento multiplicado por la
probabilidad " p " de éxito en cada ensayo)
Veamos un ejemplo:
La probabilidad de tener un accidente de tráfico es de 0,02 cada vez que se viaja, si se realizan
300 viajes, ¿cual es la probabilidad de tener 3 accidentes?
Como la probabilidad " p " es menor que 0,1, y el producto " n * p " es menor que 10, entonces
aplicamos el modelo de distribución de Poisson.
Luego,
P (x = 3) = 0,0892
Por lo tanto, la probabilidad de tener 3 accidentes de tráfico en 300 viajes es del 8,9%
Otro ejemplo:
Luego,
P (x = 5) = 4,602
Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recien nacidos es del 4,6%.
28
Ejercicios propuestos
BinomiaI
2. Un estudiante contesta al azar (o sea sin saber nada) a 9 preguntas, siendo cada una de 4
respuestas de las cuales sólo una es la correcta.
a) Determinar la distribución de probabilidades del número de preguntas contestadas
correctamente.
b) Si para aprobar tal examen debe contestar correctamente al menos 6 preguntas, ¿cuál es la
probabilidad de aprobar el examen?
.
3. En una producción, la probabilidad de que un objeto sea defectuoso es 0.2. Si en una muestra
de n de tales objetos escogidos al azar uno por uno, se espera que haya un defectuoso,
a) calcular la probabilidad de que haya un objeto defectuoso.
b) ¿cuántos objetos defectuosos es más probable' que ocurra?
29
4. El 75% de la mercadería que recibe un comerciante del fabricante A es de calidad
excepcional, mientras que el 80'% de la mercadería que recibe del fabricante B es de calidad
excepcional. El 60% del total de la mercadería lo adquiere de A y el resto de B. Si se
seleccionan 4 unidades de la mercadería, ¿qué probabilidad hay de que se encuentren 2 unidades
que sean de calidad excepcional?
5. En una empresa donde los empleados son 80% hombres y 20% mujeres están aptos para
jubilarse el 10% de las mujeres y el 10% de los hombres. De cinco solicitudes para jubilarse,
¿cuál es la probabilidad de que al menos dos estén aptos para jubilarse?
7. Una computadora utilizada por un sistema bancario de 24 horas asigna cada transacción <tI
azar y con igual probabilidad. a una de cinco posiciones de memoria: 1, 2, 3, 4, 5. Si al terminar
el periodo nocturno de un día se han registrado 1 S transacciones, ¿cuál es la probabilidad de
que el número de transacciones efectuadas a las posiciones de memoria par sea mayor que 3?
8. Una secretaria que debe llegar a la oficina a las 8 de la mañana, se retrasa 15 minutos en el'
20% de las veces. El gerente de la compañía que no llega si no hasta las 10 de la mañana llama
ocasionalmente a la oficina entre las 8 y 8.15 de la mañana. Para dictar una carta. Calcular la
probabilidad de que en 5 mañanas por lo menos una no encuentre a la secretaria.
Poisson
10. E] número medio de automóviles que llegan a una garita de peaje es de 120 por hora.
a) Calcular la probabilidad de que en un minuto cualquiera no llegue automóvil alguno.
b) Calcular la probabilidad de que en e] período de 3 minutos lleguen más de 5 automóviles.
c) Si tal garita puede atender a un máximo de 3 automóviles en 30 segundos, calcular la
probabilidad de que en un medio minuto dado lleguen más automóviles de lo que puede atender.
11. Un líquido contiene cierta bacteria con un promedio de 3 bacterias por cm. 3, calcular la
probabilidad de que una muestra,
a) de 1/3 de cm3 no contenga bacteria alguna.
b) de 2 cm,3 . Contenga por lo menos una bacteria.
12. Suponga que el número de accidentes de trabajo que se producen por semana en una fábrica
sigue la ley de Poisson de manera que la probabilidad de que ocurran 2 accidentes es igual a 3/2
de ]a probabilidad de que ocurra un accidente, Calcular la probabilidad de que no ocurran
accidentes en 2 semanas consecutivas.
30
13. Un banco atiende todos los días de 8am. a 4pm. y se sabe que e] número de clientes por día
que van a solicitar un préstamo por más de $10,000 tiene una distribución de Poisson con una
media de 3 clientes por día.
a) ¿Cuál es la probabilidad de que hasta el mediodía no se haya producido una solicitud de
préstamo por más de $10,000?
b) En cuatro días, ¿cuál es la probabilidad de que en dos de los días hasta el mediodía no se
haya producido una solicitud de préstamo por más de $10,000?
14. La demanda semanal de cierto producto tiene una distribución de Poisson. Actualmente su
media es 3 por semana. Se estima que después de una campaña publicitaria, el valor esperado de
la demanda se duplicará con probabilidad 0.8 y se triplicará con probabilidad 0,2, ¿cuál es la
probabilidad de que después de la campaña la demanda sea igual a 4?
15. El número de personas que cada día se aloja en un hotel es una variable aleatoria X que
tiene distribución de Poisson con parámetro , .que puede ser igual a 20 con probabilidad 0.5,
igual a 15 con probabilidad 0.3, igual a 10 con probabilidad 0.2
a) Determinar P[X = k] , donde k = 1, 2, ..., etc.
b) Calcular el valor esperado de X.
16. Cierto tipo de loceta puede tener un número X de puntos defectuosos que sigue una
distribución de Poisson con una media de 3 puntos defectuosos por loceta. El precio de la loceta
es $1 si X =0, de $0.70 si X=1 o 2, y de $0.1 si X>2. Calcular el precio esperado por loceta.
17. El número de usuarios que acuden a cierta base de datos confidencial sigue una
distribución de Poisson con una media de dos usuarios por hora.
a) Calcular la probabilidad de que entre las 8 amo y el mediodía (l2.m) acudan más de dos
usuarios.
b) Si un operador de la base de datos trabaja todos los días de 8 amo hasta el mediodía (l2.m),
¿cuál es la probabilidad de que este operador tenga que' esperar más de 7 días hasta observar el
primer día en el cual acceden más de dos usuarios?
18. Cierta panadería dispone de una masa con frutas confitadas para hacer. 200 panetones.
Agrega 2,000 pasas de uvas a la masa y la mezcla bien. Suponga que e] número de pasas es una
variable aleatoria de Poisson con un promedio 10 pasas por panetón. '
a) Calcular ]a probabilidad de que un panetón elegido a] azar no contenga ninguna pasa.
b) ¿Cuántos panetones se espera que contengan 6 pasas?
Normal
19. En cierta comunidad, el porcentaje del ingreso ahorrado por las familias tuvo una media del
10% y una desviación están dar de 1.2%. Suponga que la distribución es normal.
a) Si el 2.28% de los ahorros son mayores que 12.4%, determine la desviación estándar.
b) ¿Qué porcentaje de familias ahorró entre 9 y 12% de su ingreso?
c) Determine el ahorro máximo para el 0.8% de las familias con bajos ahorros.
20. Una pequeña ciudad es abastecida de agua cada dos días. El consumo en volumen de agua
(cada dos días) tiene distribución normal.
21. Las calificaciones de una prueba final de Estadística tienen distribución normal con una
media de 12. Si el 95.44% de los examinados obtuvieron calificaciones entre 8 y 16,
a) Calcular la desviación estándar de la distribución.
b) Si la nota aprobatoria es 11, ¿qué porcentaje de alumnos aprobaron el curso?
c) ¿Qué nota como mínimo debería tener un alumno para estar ubicado en el quinto superior?
22. Los puntajes de una prueba de aptitud académica están distribuidos normalmente con una
media de 60 y una desviación estándar de 10 puntos.
a) Si el 12.3% de los alumnos con mayor puntaje reciben el calificativo A y el
20% de los alumnos con menor nota reciben el calificativo C, calcular el mínimo puntaje que
debe tener un alumno para recibir una A, y el máximo puntaje que debe tener un alumno para
recibir una C.
b) Si el resto de los alumnos recibe el calificativo B y si el total de alumnos es igual a 90,
¿cuántos alumnos recibieron el calificativo de A, B Y C?
.
23. Las calificaciones de una prueba final de Matemática Básica tienen distribución normal con
una media igual a 8. Si el 6.68% de los examinados tienen nota aprobatoria (mayor o igual a
11), ¿cómo debe modificarse cada nota para conseguir un 45% de aprobados?
24. Suponga que el ingreso familiar mensual en una comunidad tiene distribución normal con
media $400 y desviación estándar $50.
a) Si el 10% de las familias con mayores ingresos debe pagar un impuesto, ¿a partir de que
ingreso familiar se debe pagar el impuesto?
b) Si el ahorro familiar está dada por la relación Y = X /4 - 50, ¿cuál es la probabilidad de que el
ahorro sea superior a $75?
25. Una pieza es considerada defectuosa y por lo tanto rechazada si su diámetro es mayor que
2.02 cm. o menor de 1.98 cm.. Suponga que los diámetros tienen una distribución normal con
una media de 2 cm. y una desviación estándar de 0.0 I cm.
16. Cierto líquido industrial contiene un porcentaje X por galón de un compuesto particular
cuya distribución es normal con una media de 15% y una desviación estándar de 3%. El
fabricante tiene una utilidad neta de $0.15, si 9 < X < 21, de $0.10, si 21<= X<=27, y una
32
pérdida de $.05, si 3<= X<=9, calcular la utilidad esperada por galón.
17. El peso en kilogramos de los artículos que se hacen en la fábrica A tiene una distribución
normal con una media de 25 Kg. Y con una desviación estándar de.
4 Kg.. Mientras que el peso de los artículos que se hacen de la fábrica B tiene una distribución
normal con una media de 28 Kg. Y con una desviación estándar de 3 Kg. De un lote que
contiene el 40% de artículos de A y el 60% de B se elige uno al azar; ¿cuál es la probabilidad de
que el peso de este artículo esté entre 25 Kg. Y 28 Kg?
33