TALLER No.

10

JULIAN ANDRES MARIN ZAPATA

MARIA FERNANDA MARTINEZ ZAMBRANO

DOCENTE

ALVARO TREJOS

ESTADISTICA I

UNIVERSIDAD TECNOLÓGICA DE PEREIRA

PEREIRA, RISARALDA, COLOMBIA

4to° SEMESTRE

MAYO 2022

1
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 TALLER 10 – DISTRIBUCIONES DE PROBABILIDAD PARA VARIABLES ALEATORIAS DISCRETAS Y CONTINUAS1

1. Sea x una variable aleatoria discreta cuya distribución de probabilidad es:

X 0 1 2 3 4 5
f(x) 0,1 0,2 0,1 0,4 0,1 0,1

a) Calcule y represente gráficamente la función de distribución acumulada.

0 𝑥<0
0,1 0 ≤ 𝑥 < 1
0,3 1 ≤ 𝑥 < 2
𝑓 (𝑥) = 0,4 2 ≤ 𝑥 < 3
0,8 3 ≤ 𝑥 < 4
0,9 4 ≤ 𝑥 < 5
{ 1 5≤𝑥 }

b) Calcule las siguientes probabilidades p(x<4,5), p(x≥3)

p(x<4,5) = p (x = 4) = 0.1
p (x = 3) = 0.4
p (x = 2) = 0.1
p (x = 1) = 0.2
p (x = 0) = 0.1
0.1+0.4+0.1+0.2+0.1 = 0.9

p (x ≥ 3) = p (x = 3) = 0.4
p (x = 4) = 0.1
p (x = 5) = 0.1
0.4+0.1+0.1 = 0.6

2. En una lotería se venden 200 boletos, de los cuales dos son ganadores de $1000, ocho de $500, 10 de $200, 12
de $100 y 60 de $10. Sea X la variable aleatoria que representa la ganancia del jugador:

a) Encuentre la distribución de probabilidad de la variable X.

Xi 0 10 100 200 500 1000

P(xi) 0,5 0,3 0,1 0,05 0,04 0,01

b) Obtenga la función de Distribución acumulada de la variable X.

0𝑥 < 0
0,50 ≤ 𝑥 < 10
0,810 ≤ 𝑥 < 100
𝐹 (𝑥) = 0,9100 ≤ 𝑥 < 200
0,95200 ≤ 𝑥 < 500
0,99500 ≤ 𝑥 < 1000
{ 1 𝑥 ≥ 1000 }

c) calcule la media, la varianza y la desviación estándar de la variable X.

2
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 𝜇 = ∑ 𝑥𝑖 ∗ 𝑝(𝑥𝑖) = 0 ∗ 0,5 + 10 ∗ 0,3 + 100 ∗ 0,1 + 200 ∗ 0,05 + 500 ∗ 0,04 + 1000 ∗ 0,01 = 53.

𝑉(𝑥𝑖) = (02 ∗ 0,5) + (102 ∗ 0,3) + (1002 ∗ 0,1) + (2002 ∗ 0,05) + (5002 ∗ 0,04) + (10002 ∗ 0,01) − (532 )
= 20221.

𝜎 = √20221 = 142,20 ; 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟.

3. Determinar la esperanza matemática y varianza de la variable aleatoria discreta que tiene como función
de distribución acumulada:

X 2 3 5 6 10
F(x) 0,2 0,1 0,4 0,2 0,1

𝜇 = ∑ 𝑥𝑖 ∗ 𝑝(𝑥𝑖) = 2 ∗ 0,2 + 3 ∗ 0,1 + 5 ∗ 0,4 + 6 ∗ 0,2 + 10 ∗ 0,1 = 4,9.

𝑉(𝑥𝑖) = (22 ∗ 0,2) + (32 ∗ 0,1) + (52 ∗ 0,4) + (62 ∗ 0,2) + (102 ∗ 0,1) − (4,92 ) = 4,89.

𝜎 = √4,89 = 2,21 ; 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟.

4. Sea X una variable aleatoria continua que tiene la siguiente función de densidad:

Hallar:
a) El valor de c para que f(x) sea una función de densidad.
∞ 2
𝑥3 3
∫ 𝑓 (𝑥)𝑑𝑥 = 1; ∫ 𝑐𝑥𝑑𝑥 = 𝑐 [ ] = 𝑐[2 − 0] = 1; 𝑙𝑢𝑒𝑔𝑜 𝑐 =
−∞ 0 3 8

b) Obtener la función de distribución acumulada: F(x)

3 2
𝐹 𝑥 = { 8𝑥 0 ≤ 𝑥 ≤ 2 }
( )
0 𝑒𝑛 𝑜𝑡𝑟𝑜𝑠 𝑐𝑎𝑠𝑜𝑠

0 𝑠𝑖 𝑥 < 0
𝑥3
𝑓(𝑥) = { 𝑠𝑖 0 ≤ 𝑥 < 2}
8
1 𝑠𝑖 𝑥 ≥ 2
3
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 c) Calcular: .
2
3 2 𝑥3 2 1
𝑃 (1 ≤ 𝑋 ≤ 2) = ∫ 𝑥 𝑑𝑥 = ( ) ∫ = 1 − = 0,87
1 8 8 1 8

d) Calcular la esperanza y la varianza de X.

2 2
3 3
𝐸(𝑥) = ∫ 𝑥 𝑥 2 𝑑𝑥 = ( 𝑥 4 ) ∫ = 1,5 − 0 = 1,5
0 8 32 0
2 2
3 3
𝐸 (𝑥) = ∫ 𝑥 4 𝑑𝑥 − 1,52 = ( 𝑥 5 ) ∫ −1,52 = 2,4 − 1,52 = 0,15
0 8 40 0

e) Si X es la cantidad diaria vendida de un producto y la ganancia del vendedor es 5 unidades monetarias por cada unidad
de producto vendida si , y 8 unidades monetarias si X > 1, encontrar la ganancia esperada del vendedor para
cualquier díaespecificado.
5𝑥 𝑠𝑖 𝑥 ≤ 1}
𝐹 (𝑥 ) = {
8𝑥 𝑠𝑖 𝑥 > 1

5. una variable aleatoria continua X tiene la siguiente función de densidad

0, en otro lado

a) Calcule a para que f(x) sea una función de densidad.

4 𝑥
= ∫0 12
+ 𝑎 𝑑𝑥
4 𝑥 4
=∫0 12 𝑑𝑥 + 𝑎 ∫0 𝑑𝑥
4
𝑥2
=24| + 𝑎𝑥|40
0
42
=24 + 𝑎(4)
16 2 21 5
=24 + 4𝑎 = 3 + 4𝑎 = 1 ⇒ 1 − 3 4 = 𝑎 = 6

b) Construya la función de distribución acumulada.

Tramo 1

𝑥 4
F(x)=∫−∞ 𝑓 (𝑥)𝑑𝑥 = ∫0 0 𝑑𝑥 = 0

4
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 Tramo 2

0 𝑥
F(x)= ∫−∞ 𝑓(𝑥)𝑑𝑥 + ∫0 𝑓(𝑥) 𝑑𝑥

0 𝑥 𝑥 5
=∫−∞ 0 𝑑𝑥 + ∫0 12
+ 6 𝑑𝑥

𝑥
𝑥2 5 𝑥 𝑥2 5
=0 +24| + 6| = 24 + 6 𝑥
0 0

Tramo 3

0 4 𝑥
F(x)=∫−∞ 𝑓 (𝑥)𝑑𝑥 + ∫0 𝑓(𝑥) 𝑑𝑥 + ∫4 𝑓 (𝑥)𝑑𝑥

0 4 𝑥 5 𝑥
=∫−∞ 0 𝑑𝑥 + ∫0 12
+ 6 𝑑𝑥 + ∫4 1 𝑑𝑥

4
𝑥2 5 4
=0 +24| + 6| + 𝑥|4𝑥
0 0

42 5 16 20 2 10
=24 + 6 (4) + (𝑥 − 4) = 24 + 6
+𝑥−4 = 3+ 3
+𝑥−4

F(x)= x

0, 𝑥<0
2
𝑥 5
𝑓 (𝑥) = { + 𝑥, 0≤𝑥≤4
24 6
𝑥, 𝑥 > 4

Distribuciones de probabilidad con nombre propio.

6. En una clase de ciencias naturales de 12 estudiantes se elegirá un representante de grupo tomando como base el
lugar en la lista, para lo cual se anotan 12 papelitos con números de 1 a 12 y se colocan en una bolsa para
luego extraer al azar el representante. Determine la probabilidad de que salga un número:
X 1 2 3 4 5 6 7 8 9 10 11 12
F(x) 1 1 1 1 1 1 1 1 1 1 1 1
12 12 12 12 12 12 12 12 12 12 12 12

a) menor que 5;
p (x < 5) = (p = 4) + (p = 3) + (p = 2) + (p = 1)
1 1 1 1
= ( 12 ) + ( 12
)+( 12
) + ( 12 )

1
p(x<5)= 3
= 0,33

b) mayor que 3, pero menor que 7.

p (3 < x < 7) = (p = 4) + (p = 5) + (p = 6)

5
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 1 1 1
= ( 12 ) + ( 12
)+( 12
)

1
p ( 3 < x < 7) = = 0,25
4

Binomial:
7. Un estudio determinó que 40% de los estudiantes de una universidad se desayunan en las cafeterías del
campus. Si una tarde se escogen al azar 8 estudiantes del campus, determine la probabilidad de que hayan
tomado su desayuno en la U:

a) exactamente 2 de ellos,
𝑃(𝑥 = 2) = ( 82) ∗ 0,42 ∗ (1 − 0,4)8−2
𝑃(𝑥 = 2) = ( 82) ∗ 0,42 ∗ 0,66
8!
𝑃(𝑥 = 2) = ∗ 0,42 ∗ 0,66 = 0,209019.
(8 − 2)! 2!
La probabilidad de que exactamente 2 de ellos hayan tomado su desayuno en las cafeterías de la
U es de 20,9%

b) Por lo menos uno de ellos,

𝑃 ( 𝑥 ≥ 1) = 𝑃 ( 𝑥 = 0) + 𝑃 ( 𝑥 = 1)
𝑃 (𝑥 = 0) = ( 80) ∗ 0,40 ∗ 0,68 = 0,0167962.
𝑃 (𝑥 = 1) = ( 81) ∗ 0,41 ∗ 0,67 = 0,0895795.
𝑃 (𝑥 > 1) = 1 − 𝑃 (𝑥 ≤ 1) = 1 − 0,1063757 = 0,8936243.
La probabilidad de que por lo menos 1 de ellos haya tomado su desayuno en las cafeterías de la
U es de 89,3%

c) ninguno de ellos,

𝑃 (𝑥 = 0) = ( 80) ∗ 0,40 ∗ 0,68 = 0,0167962.

La probabilidad de que ninguno de ellos haya tomado su desayuno en las cafeterías de la U es de
1,67%

d) no más tres de ellos

𝑃 ( 𝑥 ≤ 3) = 𝑃 ( 𝑥 = 0) + 𝑃 ( 𝑥 = 1) + 𝑃 ( 𝑥 = 2) + 𝑃 ( 𝑥 = 3)
𝑃 (𝑥 = 0) = ( 80) ∗ 0,40 ∗ 0,68 = 0,0167962.
𝑃 (𝑥 = 1) = ( 81) ∗ 0,41 ∗ 0,67 = 0,0895795.
𝑃 (𝑥 = 2) = ( 82) ∗ 0,42 ∗ 0,66 = 0,209019.
𝑃 (𝑥 = 3) = ( 83) ∗ 0,43 ∗ 0,65 = 0,278692.
𝑃 (𝑥 ≤ 3) = 0,5940867. La probabilidad de que no más de tres de ellos haya tomado su desayuno en
las cafeterías de la U es de 59,4%
8. Un examen de estadística consta de 10 preguntas cada una de ellas con cinco respuestas de las cuales una
sola es correcta. Un alumno responde al azar (es decir, sin tener la menor idea sobre las 10 preguntas).

¿Cuál es la probabilidad de que resuelva bien a más de 6 preguntas?

𝑃 (𝑥 ≥ 6) = 𝑃 (𝑥 = 6) + 𝑃 (𝑥 = 7) + 𝑃 (𝑥 = 8) + 𝑃 (𝑥 = 9) + 𝑃(𝑥 = 10)
𝑃 (𝑥 = 6) = ( 106) ∗ 0,26 ∗ 0,84 = 0,00550502.
𝑃 (𝑥 = 7) = ( 107) ∗ 0,27 ∗ 0,83 = 0,000786432.
𝑃 (𝑥 = 8) = ( 108) ∗ 0,28 ∗ 0,82 = 7,3728 ∗ 10−5 .
6
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 𝑃 (𝑥 = 9) = ( 109) ∗ 0,29 ∗ 0,81 = 4,096 ∗ 10−6
𝑃 (𝑥 = 10) = ( 10 10 0
10) ∗ 0,2 ∗ 0,8 = 1,024 ∗ 10 .
−7

𝑃 (𝑥 ≥ 6) = 0,00636938. La probabilidad de que el alumno responda bien a más de 6 preguntas es de

0,63%

Hipergeométrica:
9. Un embarque de 80 alarmas contra robo contiene cuatro que son defectuosas. Si del embarque se seleccionan
al azar tres y se envían a un cliente, encuentre la probabilidad de que el cliente reciba exactamente una unidad
mala. R/ 0.1387

N= 80
n= 3
K= 4
x= 1
( 41)( 80−4
3−1) ( 41)( 762) (4)(2,850)
( )
𝑃 𝑁, 𝑛, 𝑘, 𝑥 = ( = 80 = = 0,138753.
( 803) ( 3) 82,160
La probabilidad de que el cliente reciba exactamente una unidad mala es de 13,87%

10. Se recibieron 30 facturas en el mes, de las cuales cinco tienen equivocado el valor facturado. ¿Cuál es la
probabilidad de que,al seleccionar 10 facturas, aparezcan las cinco facturas que tienen error? R/0.0017.

N= 30
n=10
K=5
x=5
( 55)( 30−5
10−5) ( 55)( 255) (1)(53130)
𝑃 (𝑁, 𝑛, 𝑘, 𝑥) = ( = = = 0,00176835.
( 30
10) ( 30
10) 30045015

La probabilidad de que, al seleccionar 10 facturas, aparezcan las cinco facturas que tienen error
es de 0,17%

11. De un grupo de 12 personas, que se realizan un análisis de colesterol, cuatro tienen niveles elevados. Si el
médico selecciona siete personas al azar para realizar un análisis ¿Cuál es la probabilidad de que
N= 12
n=7
K=4
x=1; x=0; x=3
a) al menos uno tenga nivel alto de colesterol,
( 40)( 12−4
7−0) ( 41)( 87) (1)(8)
𝑃 (𝑁, 𝑛, 𝑘, 𝑥) = 1 − = = = 0,98989899.
( 127) ( 127) 792
La probabilidad de que, al menos uno tenga nivel de colesterol elevado es de 98,9%

b) ninguno tenga nivel de colesterol elevado,

( 40)( 12−4
7−0) ( 40)( 87) (1)(8)
𝑃 (𝑁, 𝑛, 𝑘, 𝑥) = = = = 0,01010101.
( 127) ( 127) 792
La probabilidad de que, ninguno tenga nivel de colesterol elevado es de 1,01%

c)exactamente tres tengan altos niveles de colesterol. R/ 0.9898; 0.0101; 0.3535

( 43)( 12−4
7−3) ( 43)( 84) (4)(70)
(
𝑃 𝑁, 𝑛, 𝑘, 𝑥 =) = 12 = = 0,353535353.
( 127) ( 7) 792
La probabilidad de que, exactamente tres tengan altos niveles de colesterol es de 35,3%
7
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
Poisson:
12. El número de camiones que llegan en un día cualquiera a una Terminal, en cierta ciudad, es de 12. Si las
llegadas de camiones son aleatorias e independientes ¿cuál es la probabilidad de que en un día dado lleguen
menos de nueve camiones a ese Terminal? R/0.155.

𝑒 −λ λ𝑘
𝑷 (𝒙 = 𝒌) =
𝑘!
P (x ˂ 9) = P (x = 0) + P (x = 1) + P (x = 2) + P (x = 3) + P (x = 4) + P (x = 5) + P (x = 6) +
P (x = 7) + P (x = 8)

120 121 122 123 124 125 126 127 128

𝑷 (𝒙 ˂ 𝟗) = 𝑒 −12 ( + + + + + + + + )
0! 1! 2! 3! 4! 5! 6! 7! 8!

𝑷 (𝒙 ˂ 𝟗) = 𝑒 −12 (25231,51429) = 0,155

La probabilidad de que, en un día dado lleguen menos de nueve camionetas a ese terminal es de
15,5%

13. El número de pacientes que llega a un hospital sigue una distribución de Poisson. Si el número promedio es de
120 por hora, ¿cuál es la probabilidad de que en un minuto lleguen por lo menos 3 pacientes? R/0,323

120
λ= = 2 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑐𝑎𝑑𝑎 𝑚𝑖𝑛𝑢𝑡𝑜.
60

𝑃 (𝑥 > 3) = 1 − 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)

𝑒 −2 ∗ 20 𝑒 −2 ∗ 21 𝑒 −2 ∗ 22
𝑃 (𝑥 < 3) = 1 − ( + + )
0! 1! 2!
𝑃 (𝑥 < 3) = 1 − 0,135335 − 0,270671 − 0,270671 = 0,323323.

La probabilidad de que, en un minuto lleguen por lo menos tres pacientes es de 32,3%

14. Durante la época de lluvias el suministro de energía eléctrica en la ciudad se interrumpe con mucha
frecuencia, causando con ello bastante molestia a la gente. Suponga que las interrupciones del suministro
de energía eléctrica (apagones) en la ciudad y durante la época mencionada, siguen una distribución de
Poisson con promedio de 0.8 apagones al día. Si una persona necesita de sólo tres horas para terminar un
trabajo en el PC (se encuentra en un día lluvioso), calcule la probabilidad de que pueda lograrlo antes de
que un apagón interrumpa abruptamente su trabajo.
𝑥=3
𝜆 = 0,8
𝑒 −0,8 ∗ 0,83
𝑃 (𝑋 = 1) = = 0.0383
3!
La probabilidad de que, pueda lograrlo antes de que un apagón interrumpa abruptamente su
trabajo es de 3,83%

15. Una empresa electrónica observa que el número de componentes que fallan antes de cumplir 100 horas de
funcionamiento es una variable aleatoria de Poisson. Si el número promedio de estos fallos es ocho,
a) ¿cuál es la probabilidad de que falle un componente en 25 horas?,
25 ∗ 8
λ= = 2.
100

𝑃 (𝑥 = 1) = 𝑃(𝑥 = 1)
8
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 𝑒 −2 ∗ 21
𝑃 (𝑥 = 1) =
1!
𝑃 (𝑥 = 1) = 0,270671.

La probabilidad de que, falle un componente en 25 horas es de 27,06%

b). ¿y de que fallen no más de dos componentes en 50 horas?,

50 ∗ 8
λ= = 4.
100

𝑃 (𝑥 ≤ 2) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)

𝑒 −4 ∗ 40 𝑒 −4 ∗ 41 𝑒 −4 ∗ 42
𝑃 (𝑥 ≤ 2) = ( + + )
0! 1! 2!
𝑃 (𝑥 ≤ 2) = 0,238103.

La probabilidad de que, falle al menos dos componentes en 50 horas es de 23,81%

c) ¿cuál es la probabilidad deque fallen por lo menos diez en 125 horas? R: a) 0.2706; b)0.2381; c)0.4169
124 ∗ 8
λ= = 10 .
100

𝑃(𝑥 ≥ 10) = 1 − 𝑃 (𝑥 = 0) + 𝑃 (𝑥 = 1) + 𝑃 (𝑥 = 2) … + P(x = 10)

𝑒 −10 ∗ 100 𝑒 −10 ∗ 101 𝑒 −10 ∗ 102 𝑒 −10 ∗ 1010
𝑃(𝑥 < 3) = 1 − ( + + + ⋯+ )
0! 1! 2! 10!
𝑃(𝑥 < 3) = 0,41696.

La probabilidad de que, falle por lo menos diez componentes en 125 horas es de 41,69%

16. Un dispositivo electrónico de conmutación ocasionalmente funciona mal y puede ser necesario reemplazarlo.
Se sabe que el dispositivo es satisfactorio si, en promedio, no comete más de 0.2 errores por hora. Se
selecciona un periodo de 5 horas como una “prueba” del dispositivo. Si no ocurre más de un
malfuncionamiento, el dispositivo se considera satisfactorio. ¿Cuál es la probabilidad de que un dispositivo
satisfactorio se considere insatisfactorio de acuerdo a la prueba?

Exponencial: y la F.D.A. es Donde los parámetros de

ladistribución exponencial son: E(x) y V(X) son respectivamente:

X= posición (0,2)
Media= 0.2*5= 1
P(x=x) = 1-p (2 ≤ x ≤ 5)
𝑒 −1 ∗12 𝑒 −1∗13 𝑒 −1 ∗14 𝑒 −1∗15
P(x=x) = [ + + + ]
2! 3! 4! 5!
𝑒 −1 ∗1 𝑒 −1 ∗1 𝑒 −1∗1 𝑒 −1∗1
P(x=x) = [
+ 6 + 24 + 120 ]
2
P(x=x) = 0.7360
La probabilidad de que sea insatisfecho el dispositivo satisfactorio es de 73,6%

17. El tiempo de reparación de unas máquinas de escribir tiene una distribución aproximadamente exponencial,
con media 22 minutos.
9
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 a) Hallar la probabilidad de que el tiempo de reparación sea menor que diez minutos,
P (t < 10)
−𝑥
1
F(x)= 22 ∗ 𝑒 22 , 𝑥>0
−𝑥 −𝑥
10 1
P (x < 10) = ∫0 22 ∗𝑒 22 𝑑𝑥 = (−𝑒 22 )010
−5
P (x < 1 ) = 1-𝑒 11 = 0.365
La probabilidad de que el tiempo de reparación sea menor que diez minutos es de 36,5%.

b) El costo de reparación es de 2000 pts. por cada media hora o fracción. ¿Cuál es la probabilidad de que una
reparación cueste 4000 pts.?,
Una reparación costara 400Ԑ siempre que su duración sea superior a 30 minutos e inferior o igual a 60
minutos.
−𝑥 −𝑥
60 1
P (30 <x≤ 60) = ∫30 22
∗ 𝑒 22 𝑑𝑥 = (−𝑒 22 )30 60
−30 −15
P(30 <x≤ 60) = −𝑒 22 + −𝑒 11

c) Para efectuar una programación, ¿Cuánto tiempo se debe asignar a cada reparación para que la probabilidad de
que cualquier tiempo de reparación mayor que el tiempo asignado sea solo de 0,1?

P (x>t) = 0.1 es decir:

∞
1 −𝑥 −𝑥 −𝑡
∫ ∗ 𝑒 22 𝑑𝑥 = (−𝑒 22 )𝑡 ∞ = 𝑒 22 = 0.1
22
𝑡
Esto se cumple para t= -22*ln0.1= 50,65 minutos.

El tiempo de asignar a cada reparación para que la probabilidad sea de 0.1 es de 50,65 minutos

18. Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribución exponencial con
media de 16 años.

¿Cuál es la probabilidad de que a una persona a la que se le ha implantado este marcapasos se le deba reimplantar
otro antes de 20 años? Sea T la variable aleatoria que mide la duración de un marcapasos en una
persona.

La probabilidad de que, a una persona a la que se le ha implantado este marcapasos se le deba

reimplantar otro antes de 20 años es de 71,35%

Si el marcapasos lleva funcionando correctamente 5 años en un paciente, ¿cuál es la probabilidad de que haya que
cambiarlo antes de 25 años?

10
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 La probabilidad de que, a una persona a la que se le ha implantado este marcapasos se le deba
reimplantar otro antes de 25 años es de 71,35%

Multinomial
19. Suponga que de todas las personas que le llaman a usted por teléfono, 30% desean pedirle un favor, 50% desean
saludarlo (charlar) y 20% tratar algún tema importante para usted.

Calcule la probabilidad de que en las 12 próximas llamadas telefónicas que usted reciba, cuatro sean para pedirle
un favor, 6 para saludarlo y dos para tratar un asunto realmente importante. R/0.0702

N= 12; K= 3; P1= 0,30; P2= 0,50; P3= 0,20; n1= 4; n2=6; n3=2
12
( 4,6,2 ) = (0,304 )(0,506 )(0,202 ) = 0,0701662

La probabilidad de que, en las próximas 12 llamadas recibidas, 4 sean para favores, 6 para saludo
y dos para asuntos importantes es de 7,02%

20. La probabilidad de que un ciudadano cualquiera se enferme durante un año de padecimientos comunes es la
siguiente: de la garganta 0.2, del estómago 0.4, de gripe 0.3 y de que no se enferme durante el año es 0.1. Si se
seleccionan 10 ciudadanos al azar
¿cuál es la probabilidad de que cuatro se hayan enfermado de la garganta, dos del estómago, uno de gripe y tres no se
hayan enfermado? R/ 0.00097

P (X1=4, X2=2, X3=1, X4=3)

X1=Dolor de Garganta
X2= Dolor de Estómago
X3= Gripe
X4= No hay enfermos
10!
P(x1=4, x2=2, x3=1, x4=3)= ∗ 0,24 ∗ 0,42 ∗ 0.31 ∗ 0,13
4!∗2!∗1!∗3!

378
= 0,00096768 ≈ 0,00097
390625

La probabilidad de que, que cuatro se hayan enfermado de la garganta, dos del estómago, uno de
gripe y tres no se hayan enfermado es de 0,097%

Hipergeométrica multivariada
21. De los 120 empleados de una empresa de consultoría, 80 estudiaron una carrera universitaria relacionada con
sistemas, 28 de ellos son técnicos, y el resto una carrera administrativa. Si se seleccionan 25 empleados para
asistir a una convención.
¿Cuál es la probabilidad de que asistan 18 empleados con carrera de sistemas, tres técnicos y cuatro
administradores? R/0.0137
11
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 Sistemas 80 empleados
Técnicos 28 empleados
Administrativa 12 empleados
N: 120 K1:80 K2:28 K3:12
n: 25 X1:18 X2:3 X3:4
80 28 12
( )( )( )
18 3 4
P(x1=18,x2=3,x3=4) = 120 = 0.0137
( )
25
La probabilidad de que, asistan 18 empleados con carrera de sistemas, tres técnicos y cuatro
administradores es de 1,37%

22. Una caja contiene ocho bolas blancas; cinco rojas y tres azules. Una bola se selecciona aleatoriamente se
anota el color y no se devuelve a la caja, así ocurre 6 veces.
Halle la probabilidad de que, entre las 6 bolas seleccionadas, 3 sean rojas, 2 blancas y 1 azul. R/ 0.104

8 bolas blancas
5 bolas rojas
3 bolas azules
N: 16 K1:8 K2:5 K3:3
n: 6 X1:2 X2:3 X3:1
8 5 3
( )( )( )
2 3 1
P(X1:2,X2:3,X3:1) = 16 = 0.104
( )
6

La probabilidad de que, entre las 6 bolas seleccionadas, 3 sean rojas, 2 blancas y 1 azul es de
10,4%

Normal

23. Un estudiante ingeniería, toma la clase de probabilidad a partir de las siete de la mañana. Su profesor
siempre empieza la clase en punto de las siete, pero pasa asistencia a las 7:07. Todo estudiante que llegue
después de esa hora registra retardo, y tres retardos contabilizan una falta. Suponga que dicho estudiante
realiza en promedio 28 minutos desde que sale de su casa hasta que entra al salón de clases, con una
desviación estándar de σ=6 minutos, y que la distribución tiempos de viaje es aproximadamente normal.

a) Si siempre sale de su casa a las 6:40 de la mañana ¿Qué porcentaje de veces registra retardo?

(𝑥 ≥ 28)
28−28
𝑧 = 6 =0
𝑝(𝑧 ≥ 0) = 1 − 0,500 = 0,5
El 50% de las veces registra retraso si sale de su casa a las 6:40.

b) ¿Cuál es la probabilidad de que un viaje le tome menos de 20 minutos?,

(𝑥 ≤ 20)
20 − 28
𝑧= = −1,3
6
𝑝(𝑧 ≤ −1,3) = 0,0986
El 9,86% de las veces su viaje tomará menos de 20 minutos.

c) ¿A partir de que tiempo de viaje (en minutos) se encuentran 10% de los viajes más demorados?

12
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 𝑥 − 28
−1,2 =
6
𝑥 = −1,2 × 6 + 28 = 20,8

A partir de 20,8 minutos se presenta el 10% de los viajes más demorados.

24. Control de calidad y confiabilidad. El mecanismo interno de un refrigerador de cierto tipo tiene una vida cuya
distribución es aproximadamente normal, con media μ=12 años y desviación estándar σ=4.863 años. El
fabricante asume la responsabilidad de reponer (o, en su caso reparar gratuitamente) aquellos refrigeradores
que estén dentro de la garantía. Si piensa reponer sólo 5% de las unidades, ¿Por cuánto tiempo debe
estipular la garantía?

𝑥 − 12
−1,56 =
4,863
𝑥 = −1,56 × 4,863 + 12 = 4,41372
Si piensa reponer solo 5% de las unidades debe estipular la garantía por 4,4 años.

25. En un estudio de un gran número de personas adultas sanas, se encontró que 30% dormían menos de 7.2
horas diarias, mientras que 40% dormían menos de 7.5. Si se supone una distribución normal,
¿cuáles son los valores de la media y la desviación típica para el número de horas de sueño diarias de
un adulto?

P(x  7.2) = 30%

P(x  7.5) = 40%
7.2 − 
= −0.525

7.5 − 
= −0.255

0.525 7.2
0.255 7.5
−0.3
= = 1.11
−0.27
7.2 0.525(1.11) 7.7827

26. Suponga que la vida útil de cierta marca de refrigeradores es una variable aleatoria con media igual a 12
años y con una desviación estándar de 2 años. Asuma que la distribución de dicha variable aleatoria es
aproximadamente normal. Si el fabricante piensa reponer solo el 3% de los refrigeradores que falle (dentro
del uso ordinario),

¿Por cuánto tiempo debe estipular la garantía?

Denotamos x como la vida útil del refrigerador

𝜇 = 12 (media)

𝜎 = 2 (desviación estándar)
10−12
𝑃(𝑧 ≤ 10) → 𝑧 = 2
→ 𝑧 = −1

𝑃(𝑧 ≤ 1) = 0.1587
𝑧−12
2
= −1.88 → 𝑧 = 8.24

Ahora bien, si calculamos la probabilidad 𝑃(𝑧 ≤ 8.24), encontramos un valor de 0.0301, del cual
13
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
concluimos que el 3% de los electrodomésticos durarán menos o 8.24 años, así que es por esta cantidad
de tiempo que debe estipular la garantía.

27. Una fábrica produce objetos circulares cuyos diámetros se encuentran adecuadamente clasificados por una
distribución normal con un diámetro promedio de 5 cm. y una desviación estándar de 0,001 cm. Para que un objeto
pase el control de calidad su diámetro debe encontrarse entre 4.998 y 5.002 cm. Si el diámetro es menor que 4,998
cm. Se desecha; si es mayor que 5,002 cm. puede reprocesarse.

a. ¿Qué porcentaje de objetos servirá?

P(4.998≤ 𝑥 ≥ 5.002)

Dado que los valores se encuentran bajo una distribución normal, debemos transformarlos a una
𝑥−𝜇
normal estándar bajo la expresión 𝑧 = 𝜎 , así:

4.998−5
P(𝑧 ≥ 4.998) → 𝑧 = 0.001
→ 𝑧 = −2

Dado que estandarizamos la probabilidad de que x sea mayor o igual a 4.998 cm y obtenemos un
valor z = -2, pasamos a analizar las probabilidades de la normal estándar.

𝑃(𝑧 ≥ −2) = 0.0228

Repetimos el procedimiento para el otro valor de x.

5.002−5
𝑃(𝑧 ≤ 5.002) → 𝑧 = 0.001
→ 𝑧=2

𝑃(𝑧 ≤ 2) = 0.9772

Ahora bien, dado que buscamos hallar la probabilidad entre los valores para conocer el
porcentaje de productos aceptados, restamos las probabilidades así:

𝑃(4.998 ≤ 𝑧 ≥ 5.002) = 0.9772 − 0.0228 = 0.9544

Así pues, el porcentaje de objetos que servirá es del 95.44%

b. ¿Qué porcentaje será desechado?

Si el diámetro es menor que 4.998 cm el objeto es desechado, por lo tanto, tomamos la

probabilidad de que x sea menor que este valor, el cual ya habíamos estandarizado anteriormente
y nos dio 0.0228,

Por lo tanto, el porcentaje de objetos desechado será de 2.28%

c. ¿Qué porcentaje será reprocesado?

Ahora, dado que los objetos reprocesados corresponden a aquellos con diámetros mayores a 5.002
cm, estandarizamos el valor y nos dio como resultado 0.9772. Para conocer el porcentaje de objetos
que sobrepasan el diámetro debemos realizar el siguiente procedimiento:

𝑃(𝑧 ≥ 2) = 1 − 𝑃(𝑧 ≥ 2) = 1 − 0.9772 = 0.0228.

Al restar la probabilidad de tener objetos con diámetro menor a 5.002 cm, obtenemos que el
porcentaje de reprocesados será del 2.28%
14
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
d. Si la empresa tiene un pedido de 1000 objetos y no tiene tiempo para realizar ninguna clase de reprocesamiento,
cuantos debeobjetos en total debe producir.

El porcentaje de objetos reprocesados corresponde al 2.28%. Para una producción de 1000 objetos,
este porcentaje corresponde a 22.8 objetos, por lo tanto, para contrarrestar este valor y asegurar que
todos los objetos son aptos, se deben producir 1022 unidades.

VARIOS

29. Un camarógrafo desea filmar para un reportaje una o más escenas de pleitos a puñetazos y patadas entre los
diputados de un país cualquiera, Se estima que el 8% de las sesiones en la cámara de diputados termina con
semejantes escenas.

¿A cuántas sesiones deberá asistir el camarógrafo para tener una probabilidad de por lo menos ½ de filmar lo que se
propone?

El camarógrafo debe asistir por lo menos a 9 sesiones en la Cámara de Diputados.

30. Una caja con 24 calculadoras contiene cuatro que están defectuosas. Si se eligen cuatro al azar, ¿cuál es la
probabilidad de que

a) tres estén defectuosas?,

N= 24 n=4 k=4

𝐶 (4).𝐶(20)
3 1
P(X=3)= = 0.0075
𝐶 (24)
4
La probabilidad de que, tres estén defectuosas es de 0,75%

¿b) a lo mucho una resulte con defecto?,

P (X ≤ 1) = P(X=0) + P (X=1)

𝐶(4).𝐶(20) 𝐶(4).𝐶(20)
0 4 1 3
= + = 0.8851
𝐶(24) 𝐶(24)
4 4
La probabilidad de que, a lo mucho una resulte con defecto es de 88,51%

c) Las cuatro estén defectuosas?

𝐶 (4).𝐶(20)
4 0
P (X = 4)= = 0.00009
𝐶 (24)
4

31. Un tirador acierta en el blanco el 70% de sus tiros. Si el tirador participa en una competencia y tira 25
veces. ¿Cuál es la probabilidad que acierte más de 10 tiros? R/0.9998 Aplique corrección por continuidad y recuerde
que E[x]=np y V[x]=npq.

B (25; 0,7), n=25 y q=1-p=1-0,7= 0,3

𝜇 = 𝑛. 𝑝
𝜇 = 25 . 0,7 ≥ 17,5
𝜎 = √𝑛 . 𝑝 . 𝑞
𝜎 = √250,70,3 = 2,29
15
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 X es B (25;0,7)= Corrección x es N(17,5;2,29)= Tipificamos z es N(0,1)

p(𝑥 > 10 )= p(𝑥 ≥ 11 )= p (𝑥 ≥ 10,5 )

10,5−17,5
= p(=≥ )
2,29
= p (=≤ −3,06) = 0,9998
La probabilidad de que, acierte más de 10 tiros es de 99,98%

32. Se lanza una moneda correcta al aire 400 veces. Calcula la probabilidad de obtener un número de caras
comprendido entre 180 y 210, ambos inclusive. corrección por continuidad.

Probabilidad 1
cara 2

Probabilidad 1
sello 2

1.
- N = 400
- P = 0.5
- Q = 0,5
B(n,p) = B(400, 0,5)
2.
- 𝜇 = 0.5 ∗ 400 = 200
Desviación estándar
- 𝜎 = √0.5 ∗ 0.5 ∗ 400 = 10
N (200,10)
Distribución de probabilidad normal
180−200 210−200
𝑝 ( 10 ≤𝑍 ≤ ) = 𝑃(𝑍 ≤ 1) − (𝑃(𝑍 ≤ 2)) = 𝟎, 𝟗𝟐
10
___________________________________
Corrección por continuidad
𝑝(180 ≤ 𝑥 ≤ 210)
𝑝(179,5 ≤ 𝑥 ≤ 210,5)

179,5−200 210,5−200
P( ≤𝑍 ≤ )=
10 10
𝑃(−2,05 ≤ 𝑧 ≤ 1,05) = 𝑃 (𝑍 ≤ 1,05) − (𝑃(𝑍 ≤ 2,05)) = 𝟎, 𝟗𝟒
La probabilidad de obtener un número de caras comprendido entre 180 y 210 es de 94%

33. Varios test de inteligencia dieron una puntuación que sigue una ley normal con media 100 y desviación
típica 15.

a) Determinar el porcentaje de población que obtendría un coeficiente entre 95 y 110.

N (100; 15)
- 𝜇 = 100
- 𝜎 = 15
16
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C
 95 − 100 110 − 100
𝑃(95 ≤ 𝑋 ≤ 110) = 𝑃 (
≤𝑍 ≤ )=
15 15
𝑃 (−0,33 ≤ 𝑍 ≤ 0,67) = 𝑃(𝑍 ≤ 0,67) − (𝑃(𝑍 ≤ −0,33)) =
0,7486 − 0,3707 = 𝟎, 𝟑𝟕
Aproximadamente el 38% de la población obtendría un resultado entre 95 y 110 de coeficiente en el test.

b) ¿Qué intervalo centrado en 100 contiene al 50% de la población?

𝑃 (−𝑧 ≤ 𝑍 ≤ 𝑧) = 0,50
𝑷(𝒁 ≤ 𝒛 ) = 𝟎, 𝟐𝟓
𝑧 = 0,675
𝑿 = 𝝁+𝒁∗𝝈
𝑋 = 100 + (−0,67) ∗ 15 = 90
𝑃 (𝑍 ≤ 𝑧 ) = 0,75
𝑍 = 0,68
𝑿 = 𝝁+𝒁∗𝝈
𝑋 = 100 + (0,68) ∗ 15 = 110

Intervalo que contiene el 50% (90,110)

c). En una población de 2500 individuos ¿cuántos individuos se esperan que tengan un coeficiente superiora 125?
125−100
𝑃 (𝑋 > 125) = 𝑃 ( ) = 1,67
15
𝑃 (𝑍 > 1,67) = 1 − 𝑃(𝑍 ≤ 1,67) = 1 − 0,9525 = 𝟎, 𝟎𝟒𝟕𝟓
2500 ∗ 0,0475 = 119
119 individuos aproximadamente de una población de 2500 individuos, se espera que tengan un
coeficiente superior a 125 como resultado en el test

34. El número medio de accidentes ocurridos en una planta petrolera es de 2 accidentes en 2 meses.
a) ¿Qué modelo sigue la variable número de accidentes ocurridos en la planta por 2 meses?
b) Probabilidad de que haya más de 2 accidentes en 2 meses.
P(X>2) = 1- P (X≤2) P (X≤2) = P(X=0) + P(X=1) + P(X=2) P (X≤2) =
0,1353+0,2706+0,2706=0,6767.
P(X>2) = 1- P (X≤2) = 1- 0,6767= 0,3233
La probabilidad de que haya más de 2 accidentes en 2 meses es de 32,33%.

c) Probabilidad de que haya entre 2 y 8 inclusive, en 2 meses.

P (2≤X≤8) = P (X≤8) – P(X≤1) = 0,9998-0,4060= 0,5938

La probabilidad de que haya entre 2 y 8 inclusive, en 2 meses es de 59,38%.

d) Probabilidad de que haya más de 2 accidentes en 1 mes.

λ= 1
P(X>2) = 1 – P(X≤2) P(X≤2) = P(X=0) + P(X=1) +P(X=2) P(X≤2) = 0,3669 +0,3669 +0,1839=
0.9197
P(X>2) = 1 – P(X≤2) = 1-0,9197 = 0,0803
La probabilidad de que haya más de 2 accidentes en 1 mes, es de 8,03%

17
Profesores: Patricia Carvajal Olaya – Alvaro Trejos C