Vous êtes sur la page 1sur 16

(PARTE 1)

I. INTRODUCCIN.
1.1. VARIABLES ALEATORIAS
DEFINICIN 1.1.
Variable aleatoria es la que no se puede fijar anticipadamente el valor que debe tomar, porque este valor
depende de los posibles resultados de un experimento aleatorio. Se denotan por letras maysculas X ,
Y , Z , etc.
Ejemplo 1
En el experimento aleatorio de lanzar dos monedas legales el espacio Muestral es { } cc, cs, sc, ss .
Sea la variable aleatoria X que denota el nmero de sellos que se puede obtener en cualquiera de los
resultados del experimento aleatorio antes mencionado..
Notamos ahora que:
Si al lanzar las dos monedas se obtuviera
cc
, entonces 0 X
Si al lanzar las dos monedas se obtuviera
cs
, entonces 1 X
Si al lanzar las dos monedas se obtuviera
sc
, entonces 1 X
Si al lanzar las dos monedas se obtuviera
ss
, entonces 2 X
Luego el rango o recorrido de la variable aleatoria X es el conjunto de nmeros reales { } 0,1, 2
y denotamos entonces { } 0,1, 2
X
R

A continuacin damos la definicin mas formal de variable aleatoria como una funcin.
DEFINICIN 1.2.
Consideremos un experimento cuyo Espacio Muestral es el conjunto . Una funcin : X con
valores real que estn definidas sobre el espacio muestral recibe el nombre de Variable Aleatoria. En
otras palabras, en un experimento aleatorio especfico, una variable aleatoria X sera una funcin que
asigna un nmero real ( ) X w a cada resultado posible w.
Observacin
RHBB
1
Cada valor que toma la variable aleatoria X tiene una probabilidad de ocurrir, en el ejemplo ilustrado
anteriormente est dado del siguiente modo:
1
4
( 0) P X ,
2
4
( 1) P X y
1
4
( 2) P X
Colocndolo cada valor de X y su respectiva probabilidad ( ) ( ) p x P X x en una tabla tenemos:
X
0 1 2
( ) p x
1
4
2
4
1
4

Donde a dicha tabla se denomina distribucin de probabilidad funcin de probabilidad de la
variable aleatoria X y las probabilidades acumuladas de la variable en mencin se denomina Funcin
de Distribucin de dicha variable X lo cual reproducimos en la tabla siguiente
X
0 1 2
( ) p x
1
4
2
4
1
4
( ) F x
1
4
3
4
1
Donde ( ) ( ) F x P X x , 0, 1, 2 x
Entonces
1
4
(0) ( 0) ( 0) F P X P X
3 1 2
4 4 4
(1) ( 1) ( 0) ( 1) F P X P X P X + +
1 2 1
4 4 4
(2) ( 2) ( 0) ( 1) ( 2) 1 F P X P X P X P X + + + +
Luego dicha funcin de distribucin ( ) F x est dado por.
1
4
3
4
0 , 0
, 0 1
( )
, 1 2
1 , 1
x
x
F x
x
x
<

<

'
<

1.2. CLASES DE VARIABLES ALEATORIAS


A.Variables Aleatorias Discretas
Una variable aleatoria X se denomina Discreta si el rango o Recorrido
X
R
de dicha variable solo
toma valores enteros y a la funcin de probabilidad del mencionado variable se le llama funcin de
cuanta denotndolo como ( ) p x .

B.Variables Aleatorias Continuas.
Una variable aleatoria X se denomina Continua si el rango o Recorrido
X
R
de dicha variable toma
valores que son nmeros reales, y a la funcin de probabilidad del mencionado variable se le llama
funcin de densidad denotndolo como ( ) f x .
RHBB
2
1.3. CARACTERSTICAS DE LAS VARIABLES ALEATORIAS
Las caractersticas de todas las variables aleatorias son la media o Esperanza Matemtica, la
Varianza y la Desviacin Estndar denotados respectivamente por [ ]
E X , [ ]
2
V X y
[ ]
V X .
Las siguientes definiciones se dan como opcionales pues no queremos entrar en detalles referido al
clculo integral.
Caractersticas de Variables Aleatorias Discretas
Sea X una variable aleatoria Discreta con funcin de probabilidad ( ) p x y recorrido
X
R
Entonces se definen
La Esperanza Matemtica de X como. [ ] ( ) ( ) . ,
X
x x
E X xp x x P X x x R




La Varianza de X como. [ ] ( ) [ ] ( )
2 2
2
V X E X E X E X
1
1
]
]
, [ ]
E X
Donde
( )
2 2 2
( ) ,
X
x x
E X x p x x P X x x R


1
]

( ) ( ) p x P X x es funcin de cuanta de X
La Desviacin Estndar de X como.
[ ]

X
V X
Caractersticas de Variables Aleatorias Continua
Sea X una variable aleatoria Continua con funcin de densidad ( ) f x y recorrido
X
R
Entonces se definen
La Esperanza Matemtica de X como. [ ]
( ) ,
X
E X xf x dx x R
+

La varianza de
X
como.
[ ] [ ] ( )
2
2
V X E X E X 1
]
Donde
2 2
( ) ,
X
E X x f x dx x R
+

1
]

y ( ) f x es funcin de densidad de X
La Desviacin Estndar de
X
como.
[ ]

X
V X
RHBB
3
II. PRINCIPALES DISTRIBUCIONES NOTABLES DISCRETAS
2.1.DISTRIBUCIN DE BERNUOLLI
Una variable aleatoria X tiene una distribucin Bernoulli con parmetro
p
si tiene la siguiente funcin
de probabilidad o funcin de cuanta
1
( )
x x
p x p q

, 0; 1 x
Donde
( ) p P X x es la probabilidad de xito y 1 q p es la probabilidad de fracaso
La Esperanza Matemtica y la varianza de una v. a. con distribucin Bernoulli estn dados
respectivamente por:
Caracterstica
* [ ] E X p * [ ] V X pq * ( ) X pq
2.2.DISTRIBUCIN DE BINOMIAL
Una variable aleatoria X tiene una distribucin Binomial con parmetros
n
y
p
si tiene la siguiente
funcin de probabilidad o funcin de cuanta
( )
x n x
n
p x p q
x

_


,
, 0,1, 2, ......, x n
Donde
( ) p P X x es la probabilidad de xitos y 1 q p es la probabilidad de fracaso
La Esperanza Matemtica y la varianza de una v. a. con distribucin Binomial estn dados
respectivamente por:
* [ ]
E X np y * [ ]
V X npq
La distribucin binomial parte de la distribucin de Bernouilli. La distribucin de Bernouilli se
aplica cuando se realiza una sola vez un experimento que tiene nicamente dos posibles resultados
(xito o fracaso), por lo que la variable slo puede tomar dos valores: el 1 y el 0
La distribucin binomial se aplica cuando se realizan un nmero "n" de veces el experimento de
Bernouilli, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre:
0: si todos los experimentos han sido fracaso
n: si todos los experimentos han sido xitos
RHBB
4
Ejemplo 2.1.
Se lanza 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
La distribucin de probabilidad de este tipo de distribucin sigue el siguiente modelo:
( )
( )
( ) 1
!
! !
n x
x n x x
n
X x q
x
n
P p p p
x n x

_


,

Ejemplo 2.2.
Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?
" k " es el nmero de aciertos. En este ejemplo " x " igual a 6 (en cada acierto decamos que la
variable toma el valor 1: como son 6 aciertos, entonces x = 6)
" n" es el nmero de ensayos. En nuestro ejemplo son 10
" p " es la probabilidad de xito, es decir, que salga "cara" al lanzar la moneda. Por lo tanto p = 0,5
La frmula quedara:
( )
( )
( )
10 6
6
6
10!
0, 5 1 0, 5
6! 10 6 !
X P

Luego despejando la frmula tendramos: P (x = 6) = 0,205


Es decir, se tiene una posibilidad del 20,5% de obtener 6 caras al lanzar 10 veces una moneda.
Ejemplo 2.3.
Cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un dado 8 veces?
" x " (nmero de aciertos) toma el valor 4
" n" toma el valor 8
" p " (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 (= 0,1666)
La frmula queda:
( )
( )
( )
8 4
4
4
8!
0,166 1 0,166
4! 8 4 !
X P

Luego: P (X = 4) = 0,026 . Es decir, se tiene una posibilidad del 2,6% de obtener cuatro veces el
nmero 3 al tirar un dado 8 veces.
RHBB
5
2.3.DISTRIBUCIN HIPERGEOMTRICA
Una variable aleatoria X tiene una distribucin Hipergeomtrica con parmetros
n
, A y
B N A si tiene la siguiente funcin de probabilidad o funcin de cuanta
( )
A N A
x n x
p x
N
n
_ _

, ,

_

,
, { } 0,1, 2, ....., , x Min n A
Caractesticas
La Esperanza Matemtica y la varianza de una v. a. con distribucin Hipergeomtrica estn dados
respectivamente por:
* [ ]
. n A
E X
N

*
[ ]
( )( )
.
( 1)
nA N A N n
N N N
V X

Temas Opcional
2.4.DISTRIBUCIN DE POISSON
Una variable aleatoria X tiene una distribucin de Poisson con parmetro 0 > (),si tiene la
siguiente funcin de probabilidad o funcin de cuanta
( )
!
x
e
p x
x

,
1, 2, 3, ........... x
Caractersticas
La Esperanza Matemtica y la Varianza de una v. a. con distribucin Poisson estn dados
respectivamente por:
* [ ]
E X
* [ ]
V X
Ejemplo 2.3.
La probabilidad de tener un accidente de trfico 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=0,02 " es menor que 0,1, y el producto " 6 np " es menor que 10,
entonces aplicamos el modelo de distribucin de Poisson.
[ ]
6 3
6
3
3!
e
P X


Luego, P (x = 3) = 0,0892. Por lo tanto, la probabilidad de tener 3 accidentes de trfico en 300 viajes
es del 0.0892
RHBB
6
Ejemplo 2: La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la probabilidad de
que entre 800 recin nacidos haya 5 pelirrojos?
Como la probabilidad " 0.012 p " es menor que 0,1, y el producto " 0.012 800 9, 6 n p " es
menor que 10, entonces aplicamos el modelo de distribucin de Poisson.
[ ]
9 6 5
9 6
5
5
,
,
!
e
P X


Luego, P (X = 5) = 0,04602. Por lo tanto, el porcentaje de que haya 5 pelirrojos entre 800 recin
nacidos es del 4,6%.
III. PRINCIPALES DISTRIBUCIONES NOTABLES CONTINUAS
3.1.DISTRIBUCIN NORMAL
Es el modelo de distribucin ms utilizado en la prctica, ya que multitud de fenmenos se
comportan segn una distribucin normal. Esta distribucin se caracteriza porque los valores se
distribuyen formando una campana de Gauss, en torno a un valor central que coincide con el valor
medio de la distribucin:

Un 50% de los valores estn a la derecha de este valor central y otro 50% a la izquierda. Esta
distribucin viene definida por dos parmetros:
2
( , ) X N :
DEFINICIN. Una variable aleatoria X tiene una distribucin de Normal con media

y Varianza
2

si tiene la siguiente funcin de densidad


2
1

2
1
( )
2
x
f x e

, x
RHBB
7
Caractersticas
La Esperanza Matemtica, Varianza y Desviacin Estndar de una v. a. con distribucin Normal estn
dados respectivamente por:
* [ ]
E X
* [ ]
2
V X
* [ ] ( ) X V X
3.2.DISTRIBUCIN NORMAL ESTNDAR
Una variable aleatoria X tiene una distribucin de Normal Estndar con media 0 y Varianza
2
1
, si tiene la siguiente funcin de densidad:
1

2
2
1
( )
2
x
f x e

, x
Ejemplo 1:
Una variable aleatoria sigue el modelo de una distribucin normal con media 10 y varianza 4.
Transformarla en una normal estndar.
4 (10; ) X N :
Para transformarla en una normal estndar se crea una nueva variable ( Z ) que ser igual a la
anterior (X) menos su media y dividida por su desviacin estndar (que es la raz cuadrada de la
varianza)
X
Z

En el ejemplo, la nueva variable sera:


10
2
X
Z

Esta nueva variable se distribuye como una normal estndar, permitindonos por tanto, conocer la
probabilidad acumulada en cada valor.
0 1 ( , ) Z N :
La distribucin normal estndar tiene la ventaja de que las probabilidades para cada valor de la
curva se encuentran recogidas en una tabla. Dicha tabla nos da la probabilidad acumulada, es decir,
la que va desde el inicio de la curva por la izquierda hasta dicho valor. No nos da la probabilidad
concreta en ese punto. En una distribucin continua en el que la variable puede tomar infinitos valores,
la probabilidad en un punto concreto es prcticamente despreciable.
RHBB
8
Ejemplo 1: Imaginemos que una variable continua puede tomar valores entre 0 y 5. La probabilidad
de que tome exactamente el valor 2 es despreciable, ya que podra tomar infinitos valores: por
ejemplo: 1.99, 1.994, 1.9967, 1.9998, 1.999791, etc.
Veamos otros ejemplos:
Probabilidad acumulada en el valor 0,67: la respuesta es 0.7486
Probabilidad acumulada en el valor 1.35: la respuesta es 0.9115
Probabilidad acumulada en el valor 2.19: la respuesta es 0.98574
Veamos ahora, como podemos utilizar esta tabla con una distribucin normal:
Ejemplo 2:
El salario mensual de los empleados de una empresa se distribuye segn una distribucin normal, con
media S/.5000 y desviacin estndar S/.1000. Calcular el porcentaje de empleados con un sueldo
inferior a S/.7000.
Lo primero que haremos es transformar esa distribucin en una normal estndar, para ello se crea una
nueva variable (Z) que ser igual a la anterior (X) menos su media y dividida por la desviacin tpica
X
Z

En el ejemplo, la nueva variable sera:


5000
1000
X
Z

Esta nueva variable se distribuye como una normal estndar. La variable Z que corresponde a una
variable X de valor 7000 es:
2
7000 5000
1000
Z

Ya podemos consultar en la tabla Estadstica (Pedro Daz) la probabilidad acumulada para el valor 2
(equivalente a la probabilidad de sueldos inferiores a S/.7000). Esta probabilidad es 0.97725. Por lo
tanto, el porcentaje de empleados con salarios inferiores a S/.7000 es del 97.725%.
Ejercicio 3:
La renta anual de los habitantes de un pas es de 4 mil dlares con una varianza de 1.5. Se supone
que se distribuye segn una distribucin normal. Calcular el porcentaje de la poblacin con una renta
inferior a 3 mil dlares.
Lo primero que tenemos que hacer es calcular la normal tipificada:
RHBB
9
4
1.22
X
Z

Recordemos que el denominador es la desviacin estndar (raz cuadrada de la varianza:


1, 5 1, 22 )
El valor de Z equivalente a 3 mil dlares es: 0.82
3 4
1, 22
Z

( ) ( ) 3 0.82 0.20611
3 4
1, 22
X P P Z
X
P

_
< < <

,

.Entonces ( ) ( ) ( ) 3 0.82 0.82 0.20611 X P Z P Z P < <
Luego, el 20,611% de la poblacin tiene una renta inferior a 3 mil dlares.
Ejercicio 4:
La vida media de los habitantes de un ciudad es de 68 aos, con una varianza de 25. Se hace un
estudio de esa pequea ciudad de 10 000 habitantes:
a)Cuntas personas superarn previsiblemente los 75 aos?
b)Cuntos vivirn menos de 60 aos?
Solucin
Definimos la variable aleatoria
X : Tiempo de vida en aos de los habitantes del pas en estudio
2
( ; ) X N : con
2
25 5 68,
a) Personas que vivirn (previsiblemente) ms de 75 aos.
*Calculando la probabilidad de personas que vivirn mas de 75 aos
Es decir calcularemos ( ) 75 X P >
Entonces
( ) ( ) ( ) 75 1.40 1 1.40 0.91924
75 68
5
X P P Z P Z
X
P

_
> > >

,

( ) ( ) ( ) 75 1.40 1 1.40 1 0.91924 0.08076 0.0808 X P Z P Z P > >
Luego, el 8,08% de la poblacin (808 habitantes) vivirn ms de 75 aos.
RHBB
10
b)Personas que vivirn (previsiblemente) menos de 60 aos.
*Calculando la probabilidad de personas que vivirn menos de 60 aos
Es decir calcularemos ( ) 60 X P <
Entonces
( ) ( ) ( ) 60 1.60 1.60 0.05480
60 68
5
X P P Z P Z
X
P

_
< < <

,

( ) ( ) 60 1.60 0.05480 X P Z P <
(Se obtuvo haciendo uso de Talas estadstica)
Luego, el 5.48% de la poblacin (548 habitantes) no llegarn probablemente a esta edad.
3.3.DISTRIBUCIN t-STUDENT
Una variable aleatoria X tiene una distribucin de t Student con
n
grados de libertad si tiene la
siguiente funcin de densidad
( )
( )
2
1
1
2
2
2
( ) 1
n
n
n
x
f x
n
n
+

_
+

,
, x
Donde
1
0
( )
x
x e dx

, para todo

real positivo
Caractersticas
La Esperanza Matemtica y la Varianza de una v. a. con distribucin t Student estn dados
respectivamente por:
n
+
*
[ ]
0 E X
,
1 n >
*
[ ]
2
n
V X
n

,
2 n >
La distribucin t de Student es muy similar a la distribucin normal, ya que ambas son simtricas con
respecto a su media 0. Las dos tienen grficas de su funcin de densidad en forma de una campana,
pero la distribucin t tiene mayor dispersin.
RHBB
11
Ejemplo 1.
Sea X una variable aleatoria que se distribuye con una T de Student con 18 grados de libertad.
a)Determinar la probabilidad de que X se a mayor o igual que 2.101 ( ) 2 101 . P X
b)Determinar ( ) 1 33 . P X <
c)Determinar ( ) 0 668 2 252 . . P X < <
Para determinar estas probabilidades haremos uso de las tabla estadstica t-Student.
Se debe tener en cuenta que para usar las tablas estadsticas cuyo autor es Pedro Daz, las
probabilidades deben tener la forma ( ) P X a < ( ) P X a
a) ( )
( )
(18)
2.101 2.101 P X P X como esta probabilidad no tiene la forma indicada se
transformar de la siguiente manera:
( ) ( )
(18) (18)
2.101 1 2.101 P X P X <
Para determinar el valor numrico de esta probabilidad se busca en la columna de la tabla t-Student el
numero de grado de libertad 18, luego por esa fila se va hacia la derecha hasta encontrar el nmero
2.101 y, enseguida por esa columna se va hacia arriba hasta encontrar el la probabilidad
p
. Para
este caso 0.975 p , por lo tanto:
( )
(18)
2.101 0.975 P X < luego reemplazando:
( )
(18)
2.101 1 0.975 0.025 P X
b) ( ) ( ) ( )
(18) (18)
1.333 1.333 1.33 P X P X P X < < > luego transformando:
( ) ( )
(18) (18)
1.333 1 1.333 1 0.90 0.10 P X P X >
c)
( ) ( ) ( )
(18) (18) (18)
0.668 2.252 2.252 0.668 P X P X P X < < < , luego buscando en la tabla
0.990 0.750 0.140
Ejemplo 2:
Sea X una variable aleatoria que se distribuye con una t de Student con 10 grados de libertad.
determinar la abcisa c si:
( )
(10)
0.95 P X c < .
Como
( )
(10)
0.95 P X c p < entonces 0.95 p . En la tabla localizamos el grado de libertad 10
y la columna encabezada por
p
. El valor de t en la interseccin de la fila marcada con 10 y la
columna encabezada por 0.95, entonces el valor de la abcisa c que buscamos y vemos que
corresponde a 1.812. Por tanto 1.812 c

RHBB
12
3.4.DISTRIBUCIN CHI-CUADRADA
Una variable aleatoria X tiene una distribucin de Chi-Cuadrada con
n
grados de libertad si tiene la
siguiente funcin de densidad
( )

1
2
2
2
1
( )
2 2
n
x
n
x
f x e


,
, 0 x > ,
n
+

Caractersticas
La Esperanza Matemtica y la Varianza de una v. a. con distribucin Chi-Cuadrada con
n
grados de
libertad estn dados respectivamente por:
* [ ]
E X n * [ ]
2 V X n
La Chi Cuadrado es una de las distribuciones mas usadas en la Estadstica aplicada y, como en el
caso de la distribucin normal, existen tablas que permiten hallar sus valores.
Curva de la distribucin Chi Cuadrado
Ejemplo 1.
Sea X una variable aleatoria que se distribuye con una Chi-cuadrado con 23 grados de libertad.
Determinar:
( )
( 23)
20.7 P X
Para determinar el valor numrico de esta probabilidad se busca en la columna de la tabla Chi-
cuadrado, el numero de grado de libertad 23, luego por esa fila se va hacia la derecha hasta encontrar
el nmero 20.7 y, enseguida por esa columna se va hacia arriba hasta encontrar el valor
p
. Para este
caso 0.40 p , por lo tanto:
( )
( 23)
20.7 0.40 P X
RHBB
13
Ejemplo 2.
Sea X una variable aleatoria que se distribuye con una Chi-cuadrado con 20 grados de libertad.
Determinar la abcisa
c
si
( )
( 20)
0.70 P X c < .
En la tabla estadstica (Autor: Pedro Daz) localizamos el grado de libertad 20 y la columna
encabezada por
p
. El valor de
2
en la interseccin de la fila marcada con 20 y la columna
encabezada por 0.70, entonces el valor de la abscisa c que buscamos y vemos que corresponde a
22.8. Por tanto 22.8 c
3.5.DISTRIBUCIN F DE FISHER-ESNEDECOR
Una variable aleatoria X tiene una distribucin F o de Fisher con
m
y
n
grados de libertad si tiene
la siguiente funcin de densidad
( )
( ) ( )
1

2
2 2
2
2 2
.
( ) 1
m
m
m n
m n
m n
x
m mx
f x
n n

+
+

_ _
+


, ,
, 0 x > , , m n
+

Caractersticas
La Esperanza Matemtica y la Varianza de una v. a. con distribucin F con
m
y
n
grados de libertad
estn dados respectivamente por:
* [ ]
2
n
E X
n

, 2 n > *
2
2
2 ( 2)
( )
( 2) ( 4)
n m n
V X
m n n
+


, 4 n >
Nota:
El estudio de esta distribucin es opcional, para mayor detalle revisar las referencias bibliogrficas.
IV.EJERCICIOS PROPUESTOS
1. Una caja contiene 4 fichas rojas y 6 fichas verdes. Se extraen al azar sin reemplazamiento 2 fichas.
Halle la distribucin de probabilidad y funcin de distribucin de la variable aleatoria referido al nmero
de fichas verdes.
2. Si
X
es la variable aleatoria que representa el nmero de caras que se obtienen al arrojar cuatro
monedas al mismo tiempo. Determnese el recorrido y la distribucin de probabilidad de la variable
aleatoria en mencin.
3. Halle la funcin de probabilidad y funcin de distribucin de la variable aleatoria
X
que representa
al nmero de veces que se arroja un dado hasta que aparezca el 5 (incluyendo la prueba en que
aparece el 5).
RHBB
14
4. Se lanzan tres monedas al aire. Sea la variable aleatoria
X
nmero de caras que se obtienen.
Se pide hallar :
a) La distribucin de probabilidad de X
b) Funcin de distribucin de X y su representacin grafica
d) La probabilidad de que salga a lo sumo dos cara
e) La probabilidad de que salgan al menos dos caras
5. En una poblacin de moscas, el 20% tiene mutacin de alas. Si es escogen 6 moscas al azar de la
poblacin.
a) Cul es la probabilidad que dos tiene mutacin?
b) Cul es la probabilidad de que al menos uno tenga mutacin?
c) Cul es la probabilidad de que menos de 5 tenga mutacin?
d) Cul es el numero esperado de moscas con mutacin de alas?

6. El 60% de los televidentes de una poblacin grande dada sintonizan un programa especifico. Cul
es la probabilidad que mas de la mitad de las personas que forman una muestra de 5 personas,
extrada aleatoriamente de la poblacin, vean el programa de televisin?
7. Una empresa manufacturera recibe un lote de 100 artculos de los cuales cinco son defectuosos. La
compaa revisa constantemente los lotes que recibe para establecer la calidad del material. Si la
calidad de un lote recibido es baja, regresa al proveedor el lote completo. Suponga que la compaa
recibe el lote y lo acepta si hay solo uno o menos piezas defectuosas en una muestra de tamao 6 sin
reposicin. Cul es la probabilidad de que se acepte el lote de 100 artculos con 5 piezas defectuosas?
8. Un lote de 100 tubos de televisin a color esta sujeto a un procedimiento de prueba de aceptacin. El
procedimiento consiste en extraer 5 tubos aleatoriamente, sin reemplazamiento y probarlos. Si dos o
menos tubos fallan, se acepta el lote, en caso contrario se rechaza el lote. Asumiendo que el lote
contiene cuatro tubos defectuosos. Determinar la distribucin de probabilidad del numero de tubos
defectuosos en la muestra indicando sus parmetros y luego calcule la probabilidad de aceptar el lote.
9. El cuerpo secretarial de un importante bufete de abogados cuenta con 25 secretarias, 10 de los cuales
han estado con la compaa mas de cinco aos. Un ejecutivo desea seleccionar al azar cuatro
secretarias para asignarles un nuevo asunto.
a) Determine la distribucin de probabilidad del numero de secretarias con mas de cinco aos en la
compaa
b)Cul es la probabilidad que ninguna de las secretarias tengan mas de 5 aos en la compaa?.
c)Cul es la probabilidad que las cuatros secretarias tengan mas de 5 aos en la compaa?
RHBB
15
10. En la observacin del numero de glbulos rojos(en millones) de los habitantes de una ciudad se
observo que seguan aproximadamente una distribucin normal con media 405 y desviacin estndar
0.5. Se pide calcular:
a)Probabilidad de que un habitante tomado al azar tenga mas de cinco millones de glbulos rojos.
b)Porcentaje de la ciudad con menos de 3.75 millones de glbulos rojos.
11.Una maquina de empaquetar un determinado producto empaqueta segn una distribucin normal, con
media

y desviacin estndar de 20gr. Cul es la probabilidad de que el peso de un paquetes


seleccionados al azar sea inferior a 2 Kg,?
12.Si X es una variable aleatoria distribuida con media 6 y varianza
2
25
. Determinar:
a) ( ) 6 12 P X b) ( ) 0 8 P X

13.Si X es una variable aleatoria distribuida con media 50 y varianza
2
36
. Determinar:
a) ( ) 62 P X b) ( )
50 8 P X
14.Determinar la constante
c
si se trata de una distribucin t Student
a) ( )
25
0 85
( )
. P X c < b) ( )
20
0 25
( )
. P X c c) ( )
15
0 995
( )
. P X c <
15.Sea X una variable que se distribuye con una t Student con 9 grados de libertad. Determinar:
a) ( ) 1 383 . P X b) ( ) 2 821 . P X < c) ( ) 0 883 2 262 . . P X < <
16.Sea X una variable aleatoria que se distribuye con una Chi-cuadrado. Determinar:
a) ( )
56
69 9
( )
. P X b) ( )
25
16 5
( )
. P X >
17.Sea X una variable aleatoria que se distribuye con una Chi-cuadrado. Determinar la abcisa
c
si
a) ( )
15
0 975
( )
. P X c < b) ( )
30
0 025
( )
. P X c >
18.Sea X una variable que se distribuye con una t Student. Determinar:
a) ( )
20
2 5
( )
. P X b) ( )
16
1 65
( )
. P X > c) ( )
12
0 663 1 23 . . P X < <
19.Los tubos fabricados por cierta mquina tienen un dimetro medio de 9 8 . mm , con desviacin
estndar 0 536 . mm . Qu porcentaje de tubos ser rechazado, si no se aceptan dimetros
inferiores a 9mm. Asuma que os dimetro tienen una distribucin normal.

RHBB
16

Vous aimerez peut-être aussi