Académique Documents
Professionnel Documents
Culture Documents
Instituto IACC
12-06-2016
Desarrollo
1. Despus de una prueba de laboratorio muy rigurosa con cierto componente elctrico, el
fabricante determina que en promedio solo fallarn tres componentes antes de tener 1.200
horas de operacin. Un comprador observa que son 6 componentes los que fallan antes de
las 1.200 horas. Si el nmero de componentes que fallan es una variable aleatoria de
Argumente.
Se supone que la frecuencia con que ocurren las fallas es constante e igual a 3 por cada
1200 horas o un promedio de 1/400 unidades por hora. La probabilidad de que fallen 6
No existira duda sobre lo expuesto por el fabricante debido a que si hablamos de una variable
aleatoria donde el fabricante asegura 3 fallas antes de las 1200 horas pero el comprador
continuacin se demuestra que esta variable aleatoria es una falla con una probabilidad cada vez
LAMBDA X PROBABILIDAD
3 3 0.224041808
3 6 0.050409407
6 12 0.01126448
12 24 0.000787246
Nuestro resultado en este caso est marcado con amarillo donde se demuestra basado tambin en
el ejercicio desarrollado ms arriba que la probabilidad es minima para que dicho evento vuelva
2. Un agente de seguros vende plizas a 10 individuos, todos de la misma edad. De acuerdo con
las tablas actuariales, la probabilidad de que un individuo con esa edad viva 30 aos ms es de
Respuesta: consideramos que hay dos posibles resultados, ya que dentro de 30 aos podemos
decir que la persona viva (3/5=0,6) o que la persona haya muerto (2/5=0.4), cada suceso es
P ( x 3 )= 10 0.630.4 7+ 10 0.6
( ) ( ) + 10 0. 6de
( ) 10 0. 660.4 4 + 10 0. 670.43 + 10 0. 680.4 2+ 10
( ) ( ) ( ) ( )
4 6 5 5
Es la0.4
probabilidad 0.4
que + al menos 3 individuos vivan dentro de
3 4 5 6 7 8 9
los 30 aos.
2. La probabilidad que una muestra de aire contenga una molcula anmala es 0,03.
Siendo x una variable aleatoria que representa la muestra de aire, tenemos que x=1 si la
molcula es anmala y xi=0 en caso contrario. La variable x sigue una distribucin Bernoulli
1 p n x , x=0,1,2,3 .. ,n
Por lo tanto el modelo es Px ( x )= n p x
()
x
Suponiendo que la cantidad de muestras son 100, la esperanza seria 100*0.03=3; y la varianza
seria 3(1-0.03)=2.91
Bibliografa