Modelos de distribucin de probabilidad

VARIABLES ALEATORIAS DISCRETAS

Modelo de Bernouilli
Corresponde a experimentos como el lanzamiento de una moneda. Sirve de modelo para muchas situaciones en las que slo puede haber dos posibles resultados complementarios (A y no A): uno de ellos con probabilidad p y el otro con probabilidad (1-p). Ejemplos: Inspeccionar un objeto para ver si es o no es defectuoso. Preguntar a una persona si tiene o no tiene trabajo. Comprobar si una empresa est o no est en quiebra. Ver si un alumno apruebe o no aprueba un examen. Normalmente se denomina xito (x=1) al suceso con probabilidad p y fracaso (x=0) al suceso con probabilidad 1-p. Por tanto, diremos que una variable aleatoria x tiene una distribucin de Bernouilli si:

P { e x ito } = P { x = 1} = p P { fr a c a s o } = P { x = 0} = 1 p
Si x es una variable aleatoria con distribucin de Bernouilli su media ser:
x

i=1

x i p i = 1 p + 0 (1 p ) = p
k

y su desviacin tpica:

x =
=

x i2 p i m

2 x

1 2 p + 0 2 (1 p ) p

p p

i=1

p (1 p )

Ejemplo: Sabemos que una mquina produce un 3% de piezas defectuosas. La variable es x=1 si la pieza no es defectuosa y x=0 si la pieza es defectuosa, es decir:

P { x = 0 } = 1 p = 0 ,0 3 P { x = 1} = p = 0 ,9 7
La variable x sigue una distribucin de Bernouilli con p=0,97, luego:

= p = 0 ,9 7

x =

p (1 p ) =

0 , 9 7 0 , 0 3 = 0 ,1 7 0 6

La distribucin Binomial
Se repite n veces de forma independiente un experimento de Bernouilli con probabilidad de xito igual a p. La variable aleatoria x que expresa el nmero de xitos obtenidos en este proceso sigue una distribucin binomial con parmetros n y p: B(n,p). Ejemplo: En un pas en el que est en paro el 25% de la poblacin activa, se realiza una encuesta sobre distintos temas a 12 personas. La variable aleatoria x que expresa el n de encuestados que estn en paro sigue una binomial con parmetros n=12 y p=0,25, es decir, una B(12,0,25). La distribucin de Bernouilli es B(1,p), un caso particular de la binomial en que el experimento se realiza una sla vez. Para conocer la distribucin de una variable binomial x tendremos que especificar la probabilidad de que tome cualquier valor k entre 0 y n. Ejemplo (continuacin del anterior) La probabilidad de que al realizar la encuesta se pregunte a 4 personas en paro (es decir, P( x=4)) es igual a 0,1936. Si x es una variable B(n, p) su media, varianza y desviacin tpica sern:

m x = np

2 x

= n p (1 p )

x =

n p (1 p )

Para un valor de n, la dispersin es mxima cuando p=0,5. Ejemplo: (continuacin del anterior)

x x

= n p = 1 2 0 ,2 5 = 3 = n p ( 1 p ) = 1 2 0 , 2 5 ( 1 0 , 2 5 ) = 1 ,5

La forma de la distribucin depende del valor de p: si es menor que 0,5 es asimtrica a la derecha, si es mayor que 0,5 asimtrica a la izquierda y si es igual a 0,5 es simtrica. Ejercicio Se sabe que el 40% de los habitantes de una ciudad consumen caf diariamente. Se pregunta a una persona si toma caf a diario. La variable aleatoria x1 vale 1 si la respuesta es afirmativa y 0 en caso contrario. Hallar la media y la desviacin tpica de x1. La distribucin de x1 es una Bernoulli con p=0,4: Si toma caf: x 1 = 1 con probabilidad p=0,4 Si no toma caf: Luego:

x1 = 0
x1

con probabilidad 1-p=0,6

x1

= p = 0 ,4

p (1 p ) =

0 ,4 0 ,6 = 0 ,4 8 9 9

Se encuesta a 20 personas sobre su consumo diario de caf. Sea x el n de personas encuestadas que consume caf a diario. Calcular la probabilidad de que x sea igual a 12. Hallar la media y desviacin tpica de x. Obtener la probabilidad de que nadie tome caf a diario y de que lo hagan al menos tres personas. La variable aleatoria x sigue una distribucin B(20,0,4) (n=20 y p=0,4). Soluciones.- P ( x = 1 2 ) = 0 , 0 3 5 5 ; m x = n p = 2 0 0 , 4 = 8

2 0 0 , 4 ( 1 0 , 4 ) = 2 ,1 9 0 8 La probabilidad de que ninguna persona tome caf diariamente: P ( x = 0 ) = 0

La probabilidad de que al menos tres personas tomen caf a diario ser:

x =

n p (1 p ) =

P ( x 3) = 1 P ( x < 3) = 1 [P (x = 0) + P (x = 1) + P (x = 2 )] P ( x 3 ) = 1 ( 0 + 0 ,0 0 0 5 + 0 ,0 0 3 1 ) = 0 ,9 9 6 4
Ejercicio Un partido poltico consigue el 20% de los votos en unas elecciones. Se realiza una encuesta a 15 personas. Cul es la probabilidad de que no haya entre ellas ningn votante del partido? Sea x el n de votantes del partido entre los encuestados, que sigue una distribucin B(15,0,2) (n=15 y p=0,2). Entonces P ( x = 0 ) = 0 , 0 3 5 2 . Hallar la probabilidad de que no haya ms de 3 votantes de ese partido.

P ( x 3) = P (x = 0) + P (x = 1) + P (x = 2 ) + P (x = 3) P ( x 3 ) = 0 , 0 3 5 2 + 0 ,1 3 1 9 + 0 , 2 3 0 9 + 0 , 2 5 0 1 = 0 , 6 4 8 1 = 1 ( 0 , 0 3 5 2 + 0 ,1 3 1 9 + 0 , 2 3 0 9 ) = 0 , 6 0 2

Obtener la probabilidad de que al menos tres personas voten a dicho partido

P ( x 3) = 1 P ( x < 3) = 1 [P (x = 0) + P (x = 1) + P (x = 2 )] = = n p = 1 5 0 ,2 = 3 = n p ( 1 p ) = 1 5 0 , 2 ( 1 0 , 2 ) = 1 ,5 4 9

Calcular la media y la desviacin tpica del n de votantes entre los 15 encuestados.

x x

Ejercicio Un examen consta de 15 preguntas cada una de las cuales tiene 4 posibles respuestas. Una persona sin conocimientos del tema responde las preguntas al azar. Cul es la probabilidad de que acierte la respuesta si contesta slo una pregunta?

P ( a c e r t a r ) = p = 1 / 4 = 0 ,2 5

Hallar la probabilidad de que dicha persona no conteste bien a ninguna de las 15 preguntas. Calcular la probabilidad de que acierte alguna. Sea la variable aleatoria x el n de aciertos en las 15 preguntas que sigue una distribucin B(15,0,25) (n=15 y p=0,25). Que no acierte ninguna: P ( x = 0 ) = 0 , 0 1 3 4 La probabilidad de que acierte alguna ser:

P ( x 1 ) = 1 P ( x < 1 ) = 1 P ( x = 0 ) = 1 0 ,0 1 3 4 = 0 ,9 8 6 6 La probabilidad de que responda bien a todas las preguntas: P ( x = 1 5 ) = 0 P ( x 8 ) = P ( x = 8 ) + P ( x = 9 ) + . . .+ P ( x = 1 5 ) = = 0 ,0 1 3 1 + 0 ,0 0 3 4 + 0 ,0 0 0 7 + 0 ,0 0 0 1 = 0 ,0 1 7 3

Cul es la probabilidad de que conteste acertadamente a ms de la mitad de las cuestiones?

Cul es la probabilidad de que el n de preguntas acertado sea distinto de tres? P ( x 3 ) = 1 P ( x = 3 ) ; P ( x 3 ) = 1 0 ,2 2 5 2 = 0 ,7 7 4 8 Ejercicio El 25% de las personas con tarjeta de crdito liquidan sus pagos cada mes. Se pregunta a 15 personas con tarjeta. Hallar el n esperado entre ellos que liquidan sus deudas cada mes. Cul es la desviacin tpica de esta variable? Sea x el n de personas (de entre los 15) que liquidan sus deudas cada mes que se distribuye como una B(15,0,25) (n=15 y p=0,25). Por tanto:

x x

= n p = 1 5 0 ,2 5 = 3 ,7 5 4 = n p (1 p ) = 1 5 0 ,2 5 (1 0 ,2 5 ) = 1 ,6 7 7

Obtener la probabilidad de que ninguno pague todas sus deudas mensualmente. Respuesta.- P ( x = 0 ) = 0 , 0 1 3 4 Calcular la probabilidad de que el n de personas encuestadas que liquida mensualmente las deudas supere en ms de una desviacin tpica al valor esperado.

m x + x = 3 ,7 5 + 1 ,6 7 7 = 5 ,4 2 7 P ( x 6 ) = P ( x = 6 ) + P ( x = 7 ) + . . .+ P ( x = 1 5 ) = = 0 ,0 9 1 7 + 0 ,0 3 9 3 + 0 ,0 1 3 1 + 0 ,0 0 3 4 + 0 ,0 0 0 7 + 0 ,0 0 0 1 = = 0 ,1 4 8 3 La distribucin geomtrica
Supongamos que un experimento Bernouilli se repite hasta que aparece el primer xito. Se llama distribucin geomtrica a la de una variable x que expresa el instante en que ocurre el primer xito. Por ejemplo, el n de personas a las que hay que entrevistar hasta encontrar una que est en paro. Esta distribucin depende slo de la probabilidad p de obtener xito en cada ensayo y se representa como G(p). La probabilidad de que el primer xito surja en el instante k es:

P ( x = k ) = p ( 1 p ) k 1

k = 1 ,2 , . . .

Ejemplo: Si la probabilidad de que una persona est en paro es p=0,25, la probabilidad de que haya que realizar 6 entrevistas hasta encontrar una persona en paro es:

P ( x = 6 ) = 0 ,2 5 ( 1 0 ,2 5 ) 6 1 = 0 ,0 5
Si x es una variable G(p) su media y desviacin tpica sern:
x

1 p

x =

1 p p2

Ejemplo: (continuacin) El nmero medio de entrevistas que habr que realizar para encontrar una persona en paro ser:

1 1 = = 4 p 0 ,2 5

x =

1 p = p2

1 0 ,2 5 = 3 ,4 6 0 ,2 5 2

Ejercicio Un partido poltico obtiene el 20% de los votos. Obtener la probabilidad de que el primer votante del partido al que se pregunta sea la tercera persona entrevistada. Sea x la variable aleatoria que representa el nmero de entrevistas que habr que realizar hasta encontrar al primer votante del partido que sigue una distribucin G(0,20). Entonces:

P ( x = 3 ) = p ( 1 p ) k 1 = 0 , 2 ( 1 0 , 2 ) 3 1 = 0 ,1 2 8
Cul es el nmero medio de personas que hay que entrevistar hasta llegar al primer votante del partido?

1 1 = = 5 p 0 ,2

personas

Hallar la probabilidad de que sean necesarias ms de 6 entrevistas para llegar al primer votante del partido.

P ( x > 6 ) = 1 P ( x 6 ) = 1 [ P ( x = 1 ) + P ( x = 2 ) + . . .+ P ( x = 6 ) ] = = 1 [ 0 , 2 0 ,8 0 + 0 , 2 0 ,8 1 + . . .+ 0 , 2 0 ,8 5 ] = 0 , 2 6 2 1

Ejercicio Un examen consta de varias preguntas cada una de las cuales tiene 4 posibles respuestas. Una persona sin conocimientos del tema responde las preguntas al azar. El examinado contesta tantas preguntas como sea necesario, se pide: Calcular la probabilidad de que la primera pregunta acertada sea la quinta. Sea x la variable aleatoria que representa el nmero de preguntas que habr que contestar hasta acertar la primera respuesta que sigue una distribucin G(0,25). Entonces:

P ( x = 5 ) = p ( 1 p ) k 1 = 0 ,2 5 ( 1 0 ,2 5 ) 5 1 = 0 ,0 7 9 1
Cul es el nmero esperado de preguntas que debe responder hasta contestar una correctamente?

1 1 = = 4 p 0 ,2 5

preguntas

La distribucin de Poisson
Si x es una variable con distribucin Poisson su media y varianza sern:
x

2 x

; y su desviacin tpica

x =

Ejemplo La variable aleatoria x, con distribucin de Poisson con parmetro =0,8, representa el nmero de accidentes diarios en una ciudad. La probabilidad de que hoy ocurran exactamente 3 accidentes es : P ( x = 3 ) = 0 , 0 3 8 3 Ejemplo El nmero medio de errores que comete una persona al mecanografiar una pgina es 2. Si suponemos que la distribucin de x (errores al mecanografiar una pgina) es de Poisson entonces, la probabilidad de que en una pgina no haya ningn error es

P ( x = 0 ) = 0 ,1 3 5 3

Ejercicio El nmero de clientes x que llegan a la caja de un supermercado en un cuarto de hora sigue una distribucin de Poisson con media 5. Hallar la probabilidad de que lleguen al menos 4 personas en un cuarto de hora.

P ( x 4 ) = 1 P ( x < 4 ) = 1 [ P ( x = 0 ) + P ( x = 1) + P ( x = 2 ) + P ( x = 3 )] = = 1 ( 0 , 0 0 6 7 + 0 , 0 3 3 7 + 0 , 0 8 4 2 + 0 ,1 0 4 ) = 0 , 7 3 5 La probabilidad de que nadie llegue a la caja en un cuarto de hora es P ( x = 0 ) = 0 , 0 0 6 7

Cul es la probabilidad de que lleguen entre 2 y 4 clientes a la caja en un cuarto de hora?

P (2 x 4 ) = P (x = 2 ) + P (x = 3) + P (x = 4 ) = = 0 , 0 8 4 2 + 0 ,1 4 0 4 + 0 ,1 7 5 5 = 0 , 4 0 0 1

VARIABLES ALEATORIAS CONTINUAS La distribucin normal o gaussiana

Se utiliza como modelo para variables como el peso, la altura, la calificacin en un examen, es decir, en variables cuya distribucin es simtrica con respecto a un valor central (alrededor del cual toma valores con gran probabilidad) y apenas aparecen valores extremos. Si una variable aleatoria x tiene distribucin normal suele representarse como N(m,) donde m=mx es la media o valor esperado de la variable y = x es la desviacin tpica de la variable, que son los dos parmetros que caracterizan la distribucin normal. En la distribucin normal, la mayora de la probabilidad se concentra en la zona central.

Ejercicio El peso de los atletas de pruebas de medio fondo sigue una distribucin normal con media 64,3 kilos y desviacin tpica 2,3 kilos. Hallar un intervalo centrado alrededor de la media que contenga el 68,3% de la poblacin. En la distribucin normal se concentra el 68,3% de la probabilidad en el intervalo de valores comprendido entre ser:

m x +

m x

. En este caso como

= 6 4 ,3

x = 2 ,3

m x + m x

= 6 4 ,3 + 2 ,3 = 6 6 ,6 = 6 4 ,3 2 ,3 = 6 2 m x + 2 x ym x 2 = 6 4 ,3 + 2 2 ,3 = 6 8 ,9 = 6 4 ,3 2 2 ,3 = 5 9 ,7

Hallar un intervalo centrado alrededor de la media que contenga el 95,5% de la poblacin. En la distribucin normal se concentra el 95,5% de la probabilidad en el intervalo de valores comprendido entre
x

. Luego ser:

m x + 2 m x 2

x x

Hallar un intervalo centrado alrededor de la media que contenga el 99,7% de la poblacin En la distribucin normal se concentra el 99,7% de la probabilidad en el intervalo de valores comprendido entre

m x + 3 m x 3

x x

m x + 3 x ym x 3 = 6 4 ,3 + 3 2 ,3 = 7 1 ,2 = 6 4 ,3 3 2 ,3 = 5 7 ,4

. Luego ser:

Las transformaciones lineales de una variable que sigue una distribucin normal, tambin tendrn una distribucin normal. Es decir: x es N (

m x , x )

entonces y=ax+b ser N (

am x +b,a x)

Ejemplo: La variable x que expresa el tiempo en horas que tarda un empleado en hacer una tarea sigue una distribucin normal con

= 1 ,5

x = 0 ,1

Cmo ser la distribucin de la variable y que expresa lo mismo pero en minutos? y = 6 0 x luego seguir una distribucin normal con:

= 60m x m x
x

= 6 0 1 ,5 = 9 0

y = 6 0 x = 6 0 0 ,1 = 6
m x , x )
la nueva variable

Si tipificamos una variable x con una distribucin N (

z =

tiene una distribucin N(0,1) o normal estndar.

Algunas propiedades.-

P (z > a ) = 1 P (z < a ) P (a < z < b ) = P (z < b ) P (z < a )

Ejemplo: Sea z una variable normal estndar

P ( z < 1 ,3 5 ) = 0 ,9 1 1 5 P ( z > 0 , 8 6 ) = 1 P ( z < 0 , 8 6 ) = 1 0 , 8 0 5 1 = 0 ,1 9 4 9 P ( 0 , 3 < z < 0 ,8 3 ) = P ( z < 0 ,8 3 ) P ( z < 0 , 3 ) = = 0 ,7 9 6 7 0 ,3 8 2 1 = 0 ,4 1 0 5

Ejercicio Si z es una variable normal estndar verificar lo siguiente:

P ( z < 2 ,2 3 ) = 0 ,9 8 7 1 b) P ( z < 3 , 4 8 ) = 0 , 9 9 9 7 c) P ( z < 1 , 7 6 ) = 0 , 0 3 9 2 d) P ( z > 2 , 4 5 ) = 1 P ( z < 2 , 4 5 ) = 1 0 , 9 9 2 9 = 0 , 0 0 7 1 e) P ( z > 3 , 2 3 ) = 1 P ( z < 3 , 2 3 ) = 1 0 , 9 9 9 4 = 0 , 0 0 0 6 f) P ( z > 3 , 0 7 ) = 1 P ( z < 3 , 0 7 ) = 1 0 , 0 0 1 1 = 0 , 9 9 8 9 g) P ( 1 , 1 3 < z < 2 , 6 9 ) = P ( z < 2 , 6 9 ) P ( z < 1 , 1 3 ) = = 0 , 9 9 6 4 0 , 8 7 0 8 = 0 ,1 2 5 6 h) P ( 0 , 8 6 < z < 1 , 2 8 ) = P ( z < 1 , 2 8 ) P ( z < 0 , 8 6 ) = = 0 , 8 9 9 7 0 ,1 9 4 9 = 0 , 7 0 4 8 i) P ( 2 , 9 8 < z < 1 , 3 2 ) = P ( z < 1 , 3 2 ) P ( z < 2 , 9 8 ) = = 0 ,0 9 3 4 0 ,0 0 1 4 = 0 ,0 9 2
a) Hallar el valor a de la variable z normal estndar tal que: a) P ( z < a ) = 0 , 2 0 3 3 .- Respuesta: a = 0 , 8 3

P ( z < a ) = 0 , 7 7 3 4 .- Respuesta.- a = 0 , 7 5 c) P ( z > a ) = 0 , 9 2 2 .- Respuesta.- a = 1 , 4 2 d) P ( z > a ) = 0 , 0 3 1 4 .- Respuesta.- a = 1 , 8 6

b)

 Como al tipificar cualquier variable x con una distribucin N (

m x , x )

, obtenemos una

variable z con una distribucin normal estndar, podremos calcular probabilidades para cualquier variable normal usando la Tabla Normal. Si x tiene una distribucin N ( manera:

m x , x )
x

, podremos calcular

P (x < b)

de la siguiente

x m P (x < b) = P x
Ejemplo: Si x tiene una distribucin N (

<

b m x b m x = P z < x x

3 , 2 , 1 , 2 2 ) , entonces: x 3 ,2 3 ,4 5 3 ,2 P ( x < 3 ,4 5 ) = P < = P ( z < 0 ,2 0 ) = 0 ,5 7 9 3 1 ,2 2 1 ,2 2 2 ,9 2 3 ,2 x 3 ,2 3 ,4 3 3 ,2 P ( 2 ,9 2 < x < 3 ,4 3 ) = P < < = 1 ,2 2 1 ,2 2 1 ,2 2 = P ( z < 0 ,1 9 ) P ( z < 0 , 2 2 ) = = 0 , 5 7 5 3 0 , 4 1 2 9 = 0 ,1 6 2 4 Si x tiene una distribucin N ( m , ) e y una distribucin N ( m y , y ) y son x x
independientes, entonces x+y tendr una distribucin N ( Ejercicio Si x es una variable N ( 8 a) c) e) g) i)

m x + m y , x2 + y2 )
= 0,9996 = 0,0367

P ( x < 9 ,1 2 )

, 4 7 ;1 ,1 5 )

, verificar: b) d) f)

= 0,7123 = 0,0375 = casi 0 = 0,978

P ( x < 1 2 ,3 4 ) P ( x > 1 0 ,5 3 )

P ( x < 6 ,4 2 )

P ( x > 1 2 ,6 2 )

P ( x > 4 ,0 1 )
h)

= casi 1 = 0,743

P ( 6 ,1 2 < x < 1 1 , 9 2 ) P ( 5 ,0 6 < x < 6 ,8 4 )

P ( 7 ,5 2 < x < 1 0 , 3 2 )

= 0,0763

Ejercicio Si x es una variable con distribucin N(4,3;1,2) hallar el valor de a tal que: P ( x < a ) = 0 , 7 3 8 9 . Respuesta: a = 5,068

P ( x < a ) = 0 ,6 1 7 9 P ( x > a ) = 0 ,2 9 8 1 P ( x > a ) = 0 ,5 8 7 1

. Respuesta: a = 4,66 . Respuesta: a = 4,936 . Respuesta: a= 4,036

Ejercicio La variable x que expresa la altura en metros de los jugadores de baloncesto tiene una distribucin normal con media mx=1,89 y desviacin tpica x=0,07. Si la variable y es la altura en centmetros, escribir la relacin entre x e y.

Solucin: y = 1 0 0 x Como y es una transformacin lineal de una variable con distribucin normal tendr una distribucin N( m y

, y ) con: m y = 1 0 0 m x = 1 0 0 1 ,8 9 = 1 8 9 y = 1 0 0 x = 1 0 0 0 ,0 7 = 7

Hallar la probabilidad de que un jugador de baloncesto elegido al azar mida ms de 180 centmetros.

180 189 P (y > 180) = P z > = 1 P ( z < 1 , 2 8 ) = 1 0 ,1 0 0 3 = 0 , 8 9 9 7 7 x np n p (1 p )

Aproximacin mediante la normal

Si x tiene una distribucin B (

n,p)

entonces la variable tipificada

tiene

una distribucin prxima a la normal estndar. La aproximacin ser buena si n>30 y tanto np como n(1-p) son mayores o iguales que 5. Podremos entonces calcular probabilidades de x aproximndolas mediante la tabla normal estndar Si x es una variable discreta (la binomial) e y una variable continua (la normal) si queremos aproximar probabilidades de x mediante y funcionar mejor si hacemos la correccin por continuidad:

P ( a < x < b ) P ( a 0 ,5 < y < b + 0 ,5 ) P ( x < b ) P ( y < b + 0 ,5 ) ; P ( x > a ) P ( y > a 0 ,5 )

Ejemplo: El 35% de los habitantes de una ciudad votan a un partido. Se hace una encuesta a 200 personas. La variable x que representa el n de personas encuestadas que vota al partido sigue una distribucin B(n=200;p=0,35). Por tanto:

m x = n p = 2 0 0 0 ,3 5 = 7 0 x = n p (1 p ) = 2 0 0 0 ,3 5 (1 0 ,3 5 ) = 6 ,7 4

Queremos saber la probabilidad de que haya entre 82 y 106 votantes del partido: P ( 8 2 < x < 1 0 6 ) . Podemos aproximarla por la normal estndar (n=200>30; np=70>5 y n(1-p)=130>5) para lo que haremos la correccin por continuidad y tipificaremos la variable:

1 0 6 + 0 ,5 7 0 8 2 0 ,5 7 0 P (8 2 < x < 1 0 6 ) P < z < = 6 ,7 4 6 ,7 4 = P (1 ,7 0 < z < 5 ,4 1 ) = P ( z < 5 ,4 1 ) P ( z < 1 ,7 0 ) = = 1 0 ,9 5 5 4 = 0 ,0 4 4 6

Ejercicio

El 40% de los relojes que se venden en una tienda son digitales y el resto analgicos. Se consideran las ventas de los 100 prximos relojes. Hallar el n esperado de relojes digitales que se vendern entre los 100. Cul es la desviacin tpica? La variable aleatoria x representa el n de relojes digitales vendidos entre los 100 prximos. Sigue una distribucin B(100,0,4).

m = n p = 1 0 0 0 ,4 = 4 0 = n p (1 p ) = 1 0 0 0 ,4 (1 0 ,4 ) = 4 ,9
x x

Obtener la probabilidad de que se vendan entre 30 y 50 digitales.

5 0 + 0 ,5 4 0 3 0 0 ,5 4 0 P (30 < x < 5 0) P < z < = 4 ,9 4 ,9 = P ( 2 ,1 4 < z < 1 , 9 4 ) = P ( z < 1 , 9 4 ) P ( z < 2 ,1 4 ) = = 0 ,9 7 3 8 0 ,0 1 6 = 0 ,9 5 7 8

Calcular la probabilidad de que se vendan al menos 15 relojes digitales.

1 5 0 ,5 4 0 P (x > 15) P z > = P ( z > 5 ,2 0 ) = 4 ,9 = 1 P ( z < 5 ,2 0 ) 1 0 1

Hallar la probabilidad de que no se vendan ms de 60 relojes digitales.

6 0 + 0 ,5 4 0 P (x < 60) P z < = P ( z < 4 ,1 8 ) 1 4 ,9

10