Taller de estadística descriptiva

Integrantes: Andrea Noguera, Rosa Rodríguez, Maryuris Severiche, Luis Valbuena.

7.24.La variable aleatoria discreta X tiene solamente dos valores posibles 𝑥1 y 𝑥2, además 𝑥1 < 𝑥2.
La probabilidad de que X tome el valor 𝑥1 es igual a 0.3. Halle la ley de distribución de X,
conociendo la esperanza 𝐸(X) = 5,40 y la varianza 𝑉𝑎𝑟(X) = 0.84.

X 𝑃(X) 𝐸(X) 𝐸(X2)

𝑥1 0.30 0.30𝑥1 0.30𝑥21
𝑥2 𝑝2 𝑝2𝑥2 𝑝2𝑥22

∑𝑃(X) = 1
0.30 + 𝑝2 = 1.00
𝑝2 = 0.70 (1)

𝐸(X) = 5.40
∑𝑝i × 𝑥i = 5.40
0.30𝑥1 + 𝑝2𝑥2 = 5.40 (2)

(1) en (2)

0.30𝑥1 + 0.70𝑥2 = 5.40 (3)

𝑉𝑎𝑟(X) = 0.84
𝐸(X2) − 𝐸(X)2 = 0.84
0.30𝑥2 + 𝑝2𝑥2 − (5.40)2 = 0.84
1 2

Reemplazando (1)

0.30𝑥2 + 0.70𝑥2 − 29.16 = 0.84

1 2

0.30𝑥2 + 0.70𝑥2 = 30 (4)

1 2

Resolviendo el sistema formado por las ecuaciones (3) y (4) se tiene 𝑥1 = 4.80 , 𝑥2 = 6
Por tratarse de una variable discreta toma 𝑥2 = 6. Reemplazando en (2) se tiene: 𝑥1 = 4

Finalmente la ley de distribución de probabilidades es:

X 4 6
𝑃( 0. 0.
X) 30 70
7.37. Una compañía de productos químicos en la actualidad tienen existencia 100 lb de un
producto químico, el cual se vende a sus clientes en lotes de 5 lb. Sea X el número de lotes
solicitados por un cliente seleccionado al azar y suponga que X tiene la función masa de
probabilidad.
a. Calcule 𝐸(X) 𝑦 𝑉𝑎𝑟 (X).

𝑥i 𝑝i 𝑝i × 𝑥i 𝑝i × ,𝑥i − 𝐸(𝑥)-2
1 0,20 0,20 0,34
2 0,40 0,80 0,04
3 0,30 0,90 0,15
4 0,10 0,40 0,29
∑= 1,00 2,30 0,81

b. Calcule el número esperado de libras que quedan una vez que se envía el pedido del siguiente
cliente y la varianza del número de libras sobrantes. [Sugerencia: El número de libras que quedan
es una función lineal de X].
Sea 𝑌 el número de libras que queda en bodega una vez que se envía el pedido, entonces
𝑌 = 100 − 5X; por lo tanto:

El valor esperado de una función lineal está dado por:

(𝑎X + 𝑏) = 𝑎𝐸(X) + 𝑏
Valor esperado de las libras sobrantes:

(𝑌) = (100 − 5X)

(𝑌) = 100 − 5𝐸(X)
(𝑌) = 100 − 5(2.30) = 88.50 Libras
La varianza de una función lineal está dado por:

𝑉(𝑎X + 𝑏) = 𝑎2 × 𝑉𝐴𝑅(X)

La Varianza del número de libras sobrantes:

𝑉(𝑌) = 𝑉𝐴𝑅(100 − 5X)

𝑉𝐴𝑅 (𝑌) = (5)2 × 𝑉𝐴𝑅(X)
𝑉𝐴𝑅 (𝑌) = 25 × 0.81 = 20.25 𝑙i𝑏𝑟𝑎𝑠²

8.21. Si el 20% de los cerrojos producidos por una máquina son defectuosos, determinar la
probabilidad de que de 4 cerrojos elegidos al azar:
a. Un cerrojo sea defectuoso,
b. Dos cerrojos sean defectuosos
c. más de dos cerrojos sean defectuosos.
R: 0.41; 0.15; 0.0272

Variable Aleatoria 𝑥: 𝑐𝑒𝑟𝑟𝑜j𝑜 𝑑𝑒ƒ𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠; 𝑥 → (4,0.20); (𝑥) = 𝐶(𝑛, 𝑥) × 𝑝𝑥 × 𝑞𝑛−𝑥

a. Exactamente 1 cerrojo defectuoso; 𝑥 = 1

(𝑥 = 1) = (4,1) × (0.20)1 × (0.80)3 = 0.41

b. Exactamente 2 cerrojos defectuosos; 𝑥 = 2

(𝑥 = 2) = (4,2) × (0.20)2 × (0.80)2 = 0.15

c. Más de 2 cerrojos defectuosos; 𝑥 > 2

(𝑥 > 2) = (𝑥 = 3) + 𝑃(𝑥 = 4)

(𝑥 = 3) = (4,3) × (0.20)3 × (0.80)1 = 0.0256

(𝑥 = 4) = (4,4) × (0.20)4 × (0.80)0 = 0.0016

(𝑥 > 2) = 0.0256 + 0.0016 = 0.0272

8.31. Dos vendedores tienen el 20% de posibilidades de cerrar una venta con un cliente
cualquiera. Si el primero llama a cinco clientes y el segundo a ocho:
a. Cuál es la probabilidad de que el primer vendedor haga menos de 3 ventas.
b. Cuál es la probabilidad de que el segundo vendedor haga más de 5 y menos de 8 ventas.
c. Cuál es la probabilidad de que entre los dos vendedores no se haga ninguna venta.
R: 0.9421; 0.0012; 0.055

Evento aleatorio 𝑥: vendedor A cierra una venta, 𝑥 → (5; 0.20)

Evento aleatorio 𝑦: vendedor A cierra una venta, 𝑦 → (8; 0.20)

a. Probabilidad de que el primer vendedor haga menos de 3 ventas, 𝑥 < 3

(𝑥 < 3) = (𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)

(𝑥 = 0) = (5,0) × (0.20)0 × (0.80)5 = 0.3277

(𝑥 = 1) = (5,1) × (0.20)1 × (0.80)4 = 0.4096

(𝑥 = 2) = (5,2) × (0.20)2 × (0.80)3 = 0.2048

(𝑥 < 3) = 0.3277 + 0.4096 + 0.2048

(𝑥 < 3) = 0.9421

b. Probabilidad de que el segundo vendedor haga más de 5 y menos de 8 ventas, 5 < 𝑦 < 8

(5 < 𝑦 < 8) = (𝑥 = 6) + 𝑃(𝑥 = 7)

(𝑦 = 6) = (8,6) × (0.20)6 × (0.80)2 = 0.0011

(𝑦 = 7) = (8,7) × (0.20)7 × (0.80)1 = 0.0001

(5 < 𝑦 < 8) = 0.0011 + 0.0001

(5 < 𝑦 < 8) = 0.0012

c. Probabilidad de que de que entre los dos vendedores no se haga ninguna venta, 𝑥 = 0, 𝑦 = 0

Probabilidad de que Vendedor A no haga ninguna venta, 𝑥 = 0

𝑃(𝑥) = 𝐶(𝑛, 𝑥) × 𝑝𝑥 × 𝑞𝑛−𝑥

(𝑥 = 0) = (5,0) × (0.20)0 × (0.80)5 = 0.3277

Probabilidad de que Vendedor B no haga ninguna venta, 𝑦 = 0

𝑃(𝑥) = 𝐶(𝑛, 𝑥) × 𝑝𝑥 × 𝑞𝑛−𝑥

(𝑥 = 0) = (8,0) × (0.20)0 × (0.80)8 = 0.1678

𝑃,(𝑥 = 0) 𝑦 (𝑦 = 0)- = 𝑃(𝑥 = 0) × 𝑃(𝑦 = 0)

𝑃,(𝑥 = 0) 𝑦 (𝑦 = 0)- = 0.3277 × 0.1678

𝑃,(𝑥 = 0) 𝑦 (𝑦 = 0)- = 0.055

8.32. Repetidas estadísticas realizadas en todo el mundo han dado origen a la distribución de
probabilidad del sexo del recién nacido: p(mujer)=0.48 y p(hombre)=0.52. Si un matrimonio tiene
4 hijos calcule la probabilidad:
a. De que todos sean varones.
b. De que al menos haya una chica.
c. Encuentre el número esperado de hijos varones y la varianza.
R: 0.0731; 0.9269; 2.08; 0.9984

Evento aleatorio 𝑥: hijo varón, 𝑥 → (4; 0.52) 𝑃(𝑥) = 𝐶(𝑛, 𝑥) × 𝑝𝑥 × 𝑞𝑛−𝑥

a. Probabilidad de que el matrimonio tenga 4 hijos varones, 𝑥 = 4

(𝑥 = 4) = 𝐶(4,4) × (0.52)4 × (0.48)0 = 0.0731♦

Evento aleatorio 𝑦: hija mujer, 𝑦 → (4; 0.48)

b. Probabilidad de que al menos haya una chica 𝑦 ≥ 1 (𝑦) = 𝐶(𝑛, 𝑦) × 𝑝𝑦 × 𝑞𝑛−𝑦

(𝑦 ≥ 1) = 1 − 𝑃(𝑦 < 1)
(𝑦 ≥ 1) = 1 − 𝑃(𝑦 = 0)
(𝑦 = 0) = 𝐶(4,0) × (0.48)0 × (0.52)4 = 0.0731
(𝑦 ≥ 1) = 1 − 0.0731
(𝑦 ≥ 1) = 0.9269

c. Encuentre el número esperado de hijos varones y la varianza.

(𝑥) = 𝜇 = 𝑛 × 𝑝 = 4 × 0.52 = 2.08
𝑉𝐴(𝑥) = 𝜎2 = 𝑛 × 𝑝 × 𝑞 = 4 × 0.52 × 0.48 = 0.9984

9.27. Un complejo industrial produce pernos con un diámetro promedio de 0.51 mm y una
estándar de 0.01 mm si la distribución de los diámetros es aproximadamente normal, ¿Qué
porcentaje de la producción total tiene diámetros dentro del intervalo de 0.49 a 0.53 mm?
R: 95,45%

Variable aleatoria: 𝑥 → Diámetro de un perno (mm)

𝑥 → N (0.51; 0.01) (0.49 < 𝑥 < 0.53) =?

𝑥 − 𝜇 0.49 − 0.51 𝑥 − 𝜇 0.53 − 0.51

𝑧= 𝜎 = 0.01 = −2.00 𝑧= 𝜎 = 0.01 = 2.00
(11.90 < 𝑥 < 12.10) = 0.9545 = 95.45%

9.33. La temperatura en el mes de junio en la ciudad de Guayaquil sigue una distribución normal
con media 24.3 °C y desviación estándar 2.4°C; determine la probabilidad de que en el mes de
junio, en la ciudad de Guayaquil, se presenten temperaturas:
a. Mayores a 26 grados.
b. Menores a 20 grados.
c. Entre 22 y 28 grados.
d. Entre 18 y 22 grados.
e. Entre 28 y 30 grados.
R: 0.2388; 0.0367; 0.7697; 0.1643; 0.0531

Variable aleatoria: 𝑥 → Temperatura en el mes de junio en la ciudad de Guayaquil (°C)

a. x → N(24.3; 2.4) P(x > 26) = ?
𝑥 − 𝜇 26 − 24.3
𝑧= = = 0.71
𝜎 2.4
(𝑥 > 26) = 0.2388

b. x → N(24.3; 2.4) P(x < 20) = ?

𝑥−𝜇 20− 24.3

𝑧= = = -1.79
𝜎 2.4

(𝑥 < 20) = 0.0367

c. x → N(24.3; 2.4) P(22 < x < 28) =?

𝑥1 − 𝜇 22 − 24.3 𝑥2 − 𝜇 28 − 24.3
𝑧1 = 𝜎 = 2.4 = −0.96 𝑧2 = 𝜎 = 2.4 = 1.54

(22 < 𝑥 < 28) = 0.7697

d. x → N(24.3; 2.4) P(18 < x < 22) =?

1
𝑥 − 𝜇 18 − 24.3 𝜎 𝑥 − 𝜇 22 − 24.3
𝑧 = 2.4= = −2.63 𝑧2 = 𝜎 = 2.4 = −0.96

(22 < 𝑥 < 28) = 0.1643

e. x → N(24.3; 2.4) P(28 < x < 30) =?

𝑥 − 𝜇 28 − 24.3 𝑥 − 𝜇 30 − 24.3
𝑧1 = 𝜎 = 2.4 = 1.54 𝑧2 = 𝜎 = 2.4 = 2.38

(22 < 𝑥 < 28) = 0.0531

9.34. La duración de un láser semiconductor a potencia constante tiene una distribución normal
con media de 7000 horas y desviación típica de 600 horas.
a. ¿Cuál es la probabilidad de que el láser falle antes de 5750 horas?
b. ¿Cuál es la duración en horas excedida por el 95% de los láseres?
c. Si se hace el uso de tres láseres en un producto y se supone que fallan de manera
Independiente. ¿Cuál es la probabilidad de que tres sigan funcionando después de 7000 horas?
R: 0.0187; 6013; 0.125

Variable aleatoria: 𝑥 → Duración de un láser semiconductor (horas)

a. 𝑥 → N(7000; 600) 𝑃(𝑥 < 5750) = ?

𝑧 = 𝑥 − 𝜇 = 5750 − 7000 = −2.08

𝜎 600

(𝑥 < 5750) = 0.0187

¿Cuál es la duración en horas excedida por el 95% de los láseres? Para el 95% de probabilidad, el
valor tipificado 𝑧 está dado por:

b. Como se trata de acumular más del 95% el valor tipificado debe estar a la izquierda, por lo tanto
es negativo; es decir: z = −1.645

Tomando 𝑧 = −1.645, el gráfico de la distribución normal es:

Reemplazando en la expresión tipificada se tiene:

𝑥−𝜇
𝑧= 𝜎

−1.645 = 𝑥 − 7000

600

𝑥 = 6013 horas

c. x → N(7000; 600) P(x > 7000) =

𝑧 = 𝑥 − 𝜇 = 7000 − 7000 = 0.00

𝜎 600

Even Descripci Probabilidad de

to ón ocurrencia
A Láser sigue funcionando después de 7000 horas 0.50
B Láser sigue funcionando después de 7000 horas 0.50
C Láser sigue funcionando después de 7000 horas 0.50

A, B, C eventos independientes

Evento D: los tres láseres seleccionados siguen funcionando después de 7000 horas.

𝑃(𝐴) = 𝑃(𝐴 𝑦 𝐵 𝑦 𝐶)

𝑃(𝐴) = 𝑃(𝐴) × 𝑃(𝐵) × 𝑃(𝐶)

(𝐷) = 0.50 × 0.50 × 0.50 = 0.125

9.38. El 80% de los integrantes de un grupo de personas tienen menos de 30 años. Sabiendo que la
edad media del grupo es de 24 años, calcule su desviación típica.
R: 7.13
P(x >x0.80)

X=24

M=30

σ=?

80%=0,8

El valor Z=0,8 en la tabla de distribución es de Z=0,7881

Z = (x – μ) / σ

σ = (x – μ) / z

σ = (30-24) / 0,7881

σ = 7,631

24 30

LA DESVIACION TIPICA ES DE 7,631

R/ 7,631

10.15. En una ciudad una de cada tres familias posee conexión de televisión por cable. Si se eligen
al azar 90 familias, calcular la probabilidad de que entre ellas haya entre 40 y 50 familias que
tengan conexión de televisión por cable.
R: 0.0105
N= 90

P=1/3

Q=2/3

P(X>40)

P(X<50)

σ = √ N∗P∗Q

σ = √ (90)(1 /3)(2/3)

σ = 4,472

M=N*P

M = (90) * (1/3)

M= 30

Z= (40-30) /4,472

Z= 2,236135957

Z= (50-30) / 4,472

Z= 4,472271914

P = 0,99999613035 - 0,98732856663

P = 0,012667564
10.18. Una prueba de opción múltiple tiene 200 preguntas, cada una con 4 posibles respuestas, de
las cuáles solo una es la correcta ¿cuál es la probabilidad de que al azar se den de 25 a 30
respuestas correctas para 80 de las 200 preguntas acerca de los cuales el estudiante no tiene
conocimientos?
R: 0.0936

Variable aleatoria 𝑥: sujeto responde correctamente, 𝑥 → (80; 0.25)

Requisitos Estadísticos
a. 𝑛 × 𝑝 ≥ 5 𝜇 = 𝑛 × 𝑝 = 80 × 0.25 = 20

80 × 0.25 = 20 (OK) 𝜎 = √𝑛 × 𝑝 × (1 − 𝑝)

b. n × (1 − p) ≥ 5
𝜎 = √80 × 0.25 × (1 − 0.25)
80 × (1 − 0.75) = 60 (OK)
𝜎 = 3.87

𝑥 → (80; 0.25) ≈ 𝑥 → (20; 3.87)

(25 < 𝑥 < 30) =?

𝑥 − 𝜇 25 − 20 𝑥 − 𝜇 30 − 20
𝑧1 = 𝜎 = 3.87= 1.29 𝑧2 = 𝜎 = 3.87= 2.58

(25 < 𝑥 < 30) = 0.0936