Académique Documents
Professionnel Documents
Culture Documents
1.- La luz verde de un semáforo está encendida 15 s cada vez, el ámbar 5, y la roja 55 s.
Suponiendo que las condiciones de tráfico inducen variaciones aleatorias en los tiempos
de llegada de los automóviles, de formar que “llegar cuando el semáforo está verde” es
un suceso aleatorio. Calcular la función de probabilidad de éxitos en 4 pruebas
independientes.
2.- En un taller hay 10 máquinas iguales, se ha visto que una máquina determinada un
día de cada 5 está averiada. a) Si es de 500 € la perdida diaria ocasionada por tener una
máquina averiada, calcular la perdida media diaria. b) La probabilidad de que un cierto
día no se encuentre ninguna máquina averiada.
4.- Al inspeccionar 100 juntas de soldaduras producidas por una máquina de soldar se
encontraron 10 defectuosas. Al soldar 5 uniones, ¿cuál es la probabilidad de encontrar
al menos una defectuosa? Calcular la media.
5.- Se supone que el n° de bacterias por mm3 de agua en un estanque es una variable
aleatoria que sigue una distribución Poisson de parámetro λ = 1.
¿Cuál es la probabilidad de que no haya bacterias en 1 mm3 de agua?
6.- Se sabe que la probabilidad de que un alumno anote mal un dato en una medición es
0.0002, en una lista de 2000 datos. Determinar: A) El tipo de distribución. B) La
probabilidad de que existan exactamente 4 datos incorrectos. C) El número medio de
datos mal anotados.
9.- Sabiendo que los errores de observación, X, de una determinada magnitud siguen
una distribución N(0,1.5), calcular: a) Probabilidad de que al hacer una observación el
error sea mayor que 0,5. b) El error x tal que P ( X < x ) =
0.95
11.- Los cierres de triángulos de una red están normalmente distribuidos con media 1 y
desviación típica 2. Calcular la probabilidad de que un cierre sea:
a) mayor que 2.
b) mayor que 1 y menor que 2.
c) negativo.
d) en valor absoluto menor que 1.
12.- Sabiendo que la demanda aleatoria de teodolitos durante un día en una fábrica
sigue una distribución N(70,3), calcular: a) Probabilidad de vender más de 60 teodolitos.
b) Número de teodolitos que debe fabricar cada día para satisfacer la demanda el 95%
de los días.
13.- Se tiene una variable aleatoria X, de la que se conoce que sigue una distribución chi-
cuadrado, con 3 grados de libertad. Se pide:
a) La moda
b) La mediana
14.- Una niña coge todos los días el autobús para ir al colegio en una parada que está
frente a su casa. El tiempo de espera diaria es una variable aleatoria con distribución
χ2n de media 5 minutos. a) ¿Cuál es la probabilidad de que el tiempo de espera sea
inferior a 5 minutos? b) ¿Cuál es el tiempo de espera máxima con probabilidad 0,5?
15.- Cada una de las tres coordenadas de un punto P del espacio son v. a. con
distribución N(0,1). Calcular: a) Probabilidad de que el cuadrado de la distancia de
dicho punto al origen de coordenadas sea mayor que 0.35. b) Media del cuadrado de la
distancia al origen.
16.- Se tiene una variable aleatoria X, de la que se conoce que sigue una distribución chi-
cuadrado, con 6 grados de libertad. Se pide:
a) Probabilidad de que la variable tome un valor inferior a 3.
b) Probabilidad de que la variable tome un valor comprendido entre 4 y 5.
c) El valor del primer cuartil.
18.- Una empresa decide otorgar un premio entre los distribuidores si venden trescientos
veinte o más productos por día. El número de productos vendidos al día por los
distribuidores A y B está normalmente distribuido de la forma siguiente:
Distribuidor Media Varianza
A 290 400
B 300 100
Se pide:
a) ¿Qué porcentaje de los días obtendrá premio el distribuidor A?
b) ¿Qué porcentaje de los días obtendrá premio el distribuidor B?
c) Si se asocian los distribuidores A y B. ¿Qué porcentaje de los días obtendrían
premio?
19.- Se sabe que una fábrica produce un 4 por mil de artículos defectuosos.
Se piden cinco artículos a la fábrica. ¿Cuál es la probabilidad de que haya uno
defectuoso? Y de que haya al menos uno defectuoso.
20.- Se supone que en un determinado país el número de individuos albinos sigue una
distribución de Poisson de parámetro λ =5 . Calcular la probabilidad de que elegida una
muestra de la citada población, se presenten los siguientes casos:
a) Ningún individuo sea albino.
b) Halla menos de dos individuos albinos.
c) Al menos se encuentren 3 individuos albinos.
21.- La media del número de libros leídos al cabo de un año por los habitantes de una
ciudad determinada es 15 y la desviación típica 2.5. Si la distribución se considera
normal, calcular:
a) Porcentaje de personas que leen menos de 11 libros al año.
b) Porcentaje de personas que leen más de 20 libros al año.
c) Porcentaje de personas que leen más de 7 libros y menos de 12 libros al año.
d) Valores que hay que tomar a ambos lados de la media, y a igual distancia, para que el
área correspondiente bajo la curva sea igual a 0.5.
e) Número de libros que ha de leer, como mínimo, una persona para que esté situada
entre el 80% de los que mayor número de libros leen al año.
22.- Sabiendo que la mortandad de las orugas a las 48 horas de aplicarles los insecticidas
Actelic y Metoxidoro se distribuyen según N(28,4.5) y N(58,4.9) respectivamente. Se
pide:
a) Probabilidad de que mueran menos de 20 orugas en 48 horas al aplicarles Actelic.
b) Probabilidad de que la diferencia de orugas muertas entre los dos grupos
Metoxidoro y Actelic sea mayor que 40.
27.- El tiempo necesario para realizar un examen sigue una distribución normal de
media 100 minutos y de desviación típica 10 minutos. Sabiendo que el examen empieza a
las 11horas 30 minutos. Se pide:
a) La probabilidad de que un alumno acabe antes de las 12h 30m.
b) La probabilidad de que un alumno acabe después de las 13h.
c) El tiempo máximo que debe fijar un profesor para que acaben el 90% de los alumnos.
d) Si se examinan 10 alumnos, la probabilidad de que al menos uno de ellos acabe el
examen antes de las 13h.
29.- El contenido de una lata de refresco se distribuye normalmente con una media µ=33
cl y desviación típica σ=1cl.
a) ¿Cuál es la probabilidad de que el contenido de una lata sea superior a 34 cl?
b) Si tenemos 3 latas, ¡cuál es la probabilidad de que él contenido total sea inferior a 100
cl?
c) ¿Qué contenido de refresco máximo le corresponde una probabilidad 0,68?
30.- Se tiene una variable aleatoria X, de la que se conoce que sigue una distribución chi-
cuadrado, con 3 grados de libertad. Obtener la mediana.
32.- Un servidor de una pequeña red de ordenadores recibe una media de 7 accesos al
minuto. Se pide:
a) Calcular la probabilidad de que reciba más de 10 accesos en un minuto.
b) Probabilidad de que en un minuto reciban exactamente 7 accesos.
c) Varianza de la distribución.
33.- Sabiendo que la demanda diaria de un artículo X en una fábrica sigue una
distribución N(600, 25), calcular:
a. Probabilidad de vender menos de 550 artículos X en un determinado día.
b. Número de artículos X que se debe fabricar para satisfacer la demanda el 90%
de los días.
c. Porcentaje de días que venderá 600 artículos X.
34.- Dada una distribución χ32 calcular el valor de la abscisa que corresponde al área
sombreada del gráfico cuyo valor es 0,05:
37.- Si el 5% de las piezas fabricadas por una determinada marca son defectuosas. En
un lote de 20 piezas, calcular el número máximo de piezas defectuosas que se podrá
garantizar con una probabilidad del 90%.
38.- Suponiendo que cada niño tiene una probabilidad de 0.49 de ser varón. Calcular la
probabilidad de que una familia de 5 hijos:
a) Tenga dos niños.
b) Tenga al menos un niño.
c) Tenga una niña.
d) Tenga al menos una niña.
39.- La probabilidad de que un vehículo con más de 10 años pase con éxito la I.T.V. es de
4/5.
a) Hallar la probabilidad de que exactamente dos de los siguientes 4 vehículos con más
de diez años que se inspeccionen pasen la prueba con éxito.
b) Hallar la probabilidad de que al menos pase la prueba un vehículo de los siguientes 4
vehículos con más de diez años.
40.- Por término medio se reciben tres accesos a una página web durante un minuto
cualquiera, utilizar el modelo de Poisson para calcular la probabilidad de que en un
minuto cualquiera:
a) Nadie acceda a la página.
b) Se reciban más de dos entradas en un minuto.
41.- El promedio de la frecuencia con la que llegan los coches a un determinado peaje es
de cinco coches en 20 minutos. Calcular la probabilidad de que:
a) No llegue ningún coche en un periodo de 20 minutos.
b) Llegue solo un coche en un periodo de 20 minutos.
44.- Un fabricante de acero cree que una de las máquinas de rolado está produciendo
láminas de metal con espesores variables. El espesor es una variable aleatoria uniforme
con valores entre 150 y 200 milímetros. Cualquier lámina que tenga menos de 160
milímetros de espesor deberá desecharse, pues no es aceptable por los compradores.
a) Calcular el espesor medio y la desviación típica de las láminas.
b) Representar la función de densidad y la de distribución.
c) Calcular la proporción de láminas producidas por esta máquina que se desechan.
45.- El peso de un limón está distribuido según una distribución N(125, 10) en gramos.
¿Cuál es la probabilidad de que una caja con 50 limones pese menos de 6 kg? Si
llenamos bolsas de ocho limones, ¿cuál es la probabilidad de que las bolsas pesen entre
975 y 1025 gramos?
47.- Al finalizar las pruebas de selectividad, uno de los tribunales comprobó que de 250
alumnos presentados, 200 obtuvieron una calificación inferior a 6. Supuesta normal la
distribución de las calificaciones, con una desviación típica de 2.5, se pide:
a) Calcular la media de las calificaciones. b) Si se considera suspenso a los que han
obtenido una calificación inferior a 5, qué tanto por ciento de suspensos habrá habido. c)
¿Cuántos alumnos obtuvieron una nota igual a 6?
48.- El etíope Bekele, posee la mejor marca mundial y puede correr la prueba de los
2000 metros en un tiempo distribuido según una N(4:52.86, 0:03.00). Su contrincante el
keniano S. Morir puede hacer esa misma distancia en un tiempo según una distribución
N(4:55.72, 0:02.00). Bekele estableció la mejor marca mundial parando el crono en
4:49.99.
a) ¿Qué probabilidad tenía de establecer dicha marca?
b) ¿Cuál es la probabilidad de que Bekele ganase a S. Morir?
c) ¿Cuál es la probabilidad de que ganase en caso de perder 3 segundos por hacer una
mala salida?
49.- Un estudio demostró que los tiempos de vida de cierta clase de baterías de automóvil
se distribuye normalmente con una media de 1248 días y una desviación típica de 185
días. Si el fabricante desea garantizar sus baterías por 36 meses, ¿qué porcentaje de
baterías deberán ser cambiadas estando en vigor la garantía?
58.- Supongamos que el 5% de la población que ingresa en los hospitales de Madrid por
urgencias tiene menos de 9 años. Supongamos, también, que el número de ingresos es
suficientemente grande como para que al elegir un usuario al azar y apartarlo, no se
altere dicho porcentaje.
Se eligen al azar 16 enfermos ingresados por urgencias. Calcular:
a) La probabilidad de que ninguno de ellos tenga menos de 9 años.
b) La probabilidad de que 3 o menos ingresados tengan menos de 9 años.
c) La probabilidad de que tengan menos de 9 años menos de 3 ingresados.
d) La probabilidad de que tengan menos de 9 años más de 2 ingresados.
e) La probabilidad de que tengan menos de 9 años 2 ingresados o más.
f) La probabilidad de que el número de ingresados con menos de 9 años este
comprendido entre 2 y 5 ambos inclusive.
g) El número medio de ingresados con menos de 9 años.
h) La desviación típica de ingresados con menos de 9 años
59.- El tiempo en minutos de un viaje (ida y vuelta) de los camiones que transportan
material hacia una obra de construcción en una carretera, está distribuido
uniformemente en un intervalo de 50 a 70 minutos.
a) Cuál es la probabilidad de que la duración del viaje sea mayor a 65 minutos?
b) ¿Cuál es la probabilidad de que la duración del viaje sea menor a 65 minutos?
c) ¿Cuál es la probabilidad de que la duración del viaje sea exactamente 65 minutos?
d) ¿Cuál es la probabilidad de que la duración del viaje sea mayor a 65 minutos si se
sabe que la duración del viaje es mayor que 55 minutos?
e) Determinar el tiempo medio y la desviación estándar de la duración de los viajes.
60.- Un estudio de la DGT estima que el número de horas prácticas necesarias para la
obtención del permiso de conducir sigue una distribución N(24, 3).
a) ¿Qué probabilidad hay de obtener el permiso de conducir con menos de 20 horas
de prácticas?
b) ¿Cuántas horas de prácticas ha necesitado un conductor para obtener el permiso
si el 68% de los conductores ha necesitado más horas que él?
Si la autoescuela ingresa por alumno una parte fija en concepto de matrícula de 300
euros, más 25 euros por hora de práctica.
c) Calcular el ingreso por alumno esperado.
d) Calcular la desviación típica del ingreso por alumno.
62.- Las calificaciones de los 500 aspirantes presentados a una oposición, se distribuyen
normalmente con media 6,5 y varianza 4.
a) Calcular la probabilidad de que un aspirante obtenga más de 8 puntos.
b) Calcular el porcentaje de aspirantes con calificaciones inferiores a 5 puntos.
c) ¿Cuántos aspirantes obtuvieron calificaciones comprendidas entre 5 y 7.5?
70.- Solo 24 de los 200 alumnos de una Escuela Técnica miden menos de 168 cm, si la
estatura media de dichos alumnos es de 174 cm, ¿cuál es la varianza en las estaturas?
73.- En un estudio sobre la preferencia de los clientes hacia una determinada marca X
se ha obtenido que el 40% de los clientes tienen la marca X como su marca favorita. Si
se extrae una muestra aleatoria de 8 sujetos obtener las probabilidades siguientes:
a) Que 2 clientes tengan la marca X como su marca favorita.
b) Que menos de 3 clientes tengan la marca X como su marca favorita.
c) Que como máximo 3 clientes tengan la marca X como su marca favorita.
d) Que como mínimo haya 5 clientes que tengan la marca X como su marca
favorita.
e) Calcular la media y varianza.
76.- Se ha realizado un examen de tipo test con un gran número de preguntas. Las
puntuaciones finales del test se dan sobre 50 puntos (enteros del 0 al 50). Las
puntuaciones finales en actas son redondeadas al entero más próximo a partir de las
puntuaciones reales, esto es, obtienen 12, por ejemplo, los alumnos con nota en el
intervalo [11.5, 12.5).
Para aprobar el examen se exige una puntuación de 25. Si suponemos que las
puntuaciones antes de ser redondeadas siguen una distribución normal de media 30 y
varianza 25:
a) ¿Qué puntuación máxima (no redondeada) delimita el 22% de las notas más
bajas?
b) ¿Qué puntuación mínima (no redondeada) delimita el 20% de las notas más
altas?
c) ¿Qué porcentaje de alumnos aparecerán en las actas de notas finales
(redondeadas) con 25 puntos exactamente?
d) ¿Cuál será el porcentaje de suspensos en actas (notas finales redondeadas)?
78.- El tiempo en minutos que tarda un atleta en recorrer 100 metros sigue una
distribución Normal, N(10,0.5). En una carrera por relevos de 4x100 metros, ¿cuál es la
probabilidad de batir el record establecido en 37 segundos? Determinar con
probabilidad del 0.95 el tiempo máximo que puede durar la carrera.
80.- Un determinado componente electrónico tiene una vida útil (tiempo hasta
rotura), T en años, que se distribuye según una distribución de Poisson de media cuatro
años.
a) Calcular la función de probabilidad de la variable aleatoria T.
b) Calcular la probabilidad de que el componente electrónico falle antes de tres años.
c) ¿Cuál será la vida útil del 95% de estos componentes electrónicos?
d) Calcular la probabilidad de que un componente electrónico que ha funcionado ya
más de cuatro años tenga una vida útil mayor de siete años.
Solución:
P(X = k) = pk . qn−k =
k k 5 5
4−0
4 1 4
0
P(X = 0) = ≈ 0.4096
0 5 5
4 −1
4 1 4
1
P(X = 1) = ≈ 0.4096
1 5 5
4− 2
4 1 4
2
P(X = 2) = ≈ 0.1536
2 5 5
4 −3
4 1 4
3
P(X = 3) = ≈ 0.0256
3 5 5
4 1
4
P(X = 4) = ≈ 0.0016
4 5
Solución:
Consideramos la variable aleatoria X=”número de máquinas averiadas en un día”
P(X = k) = pk . qn−k =
k k 5 5
a) Cuya media es
1
E[X]= np= 10 = 2 ⇒ Perdida igual a 2 por 500=1000€
5
10 − 0
10 1 4
0
b) P(X = 0) = ≈ 0.1073741824
0 5 5
Solución:
k k
20
a) P(X = 16) = 0,816 (1 − 0,8 )
20 −16
≈ 0,2181994019
16
b) Cuya media es
E[X] =np =20 ⋅ 0,8 =16
c) Cuya varianza es
Solución:
k k
5
P ( X ≥ 1) =1 − P ( X < 1) =1 − P ( X =0 ) =1 − 0,10 (1 − 0,1) ≈ 0,40951
5− 0
0
Cuya media es
E[X] =np =⋅
5 0,1 =0,5
a) Puede ser una distribución binomial de parámetros n=2000 y p=0,0002 o bien una
distribución de Poisson de media np=0,4; ya que se trata de una variable aleatoria discreta con
dos situaciones éxito o fracaso. Puesto que np es inferior a 5 utilizaremos la distribución de
Poisson (Ley de casos raros).
0, 4k −0,4
= k)
b) Distribución de Poisson de parámetro λ=0,4, luego P(X = e y exactamente
k!
0, 44 −0,4
= 4)
cuatro datos incorrectos P(X = e ≈ 0,0007150080491
4!
Solución:
5
2k −2
a) P(X > 5) =1 − P(X ≤ 5) =1 − ∑ e ≈ 0,01656360847
k = 0 k!
Solución:
0 si x < −0.5
1
=
En nuestro caso: f (x) 1 si -0.5 ≤ x ≤ 0.5 con media 0 y varianza σ 2 =
0 si 12
0.5<x
1 n
La varianza de una distribución uniforme es: , luego en n según el teorema es . Por
12 12
1000 5 30
tanto para n=1000, tenemos N 0, = N 0,
12 3
a)
Sea X la observación que tiene la misma distribución que la población. cuya función de
distribución es:
1 (t −µ )2 1 (t − 0)2
x 1 − x 1 −
F(x)= P(X ≤ x)= ∫ σ
dt = ∫
2 2 1.52
e 2 e dt
−∞
σ 2π −∞
1.5 2π
b)
P ( X < x ) = P(− x < X < x) = 0.95 ⇒ F(x) = P(X < x) = 0.975 ⇒ x = 2.939945906
Solución:
a)
Con E Y E X1 E X 2 E X3 50 70 80 200
b)
2
2
2 V Y V X1 V X 2 V X 3 52 32 36 6
Y X1 X 2 X 3 N(, ) N(200, 6)
c)
Solución:
1 (t −µ )2 1 (t −1)2
x 1 − x 1 −
F(x)= P(X ≤ x)= ∫ σ
dt = ∫
2
22
e 2 e 2 dt
−∞
σ 2π −∞
2 2π
a)
P(X > 2) =1 − P(X ≤ 2) =1-F(2) ≈ 0.3085375387
b)
P(1 < X < 2)= P(X < 2) − P(X ≤ 1) =F(2)-F(1) ≈ 0.1914624612
c)
P(X < 0) =F(0) ≈ 0.3085375387
d)
P( X < 1) = P(−1 < X < 1) = P(X < 1) − P(X ≤ −1) = 2 P(X < 1) − 1 = 2F(1) − 1 ≈ 0.3413447460
Solución:
1 (t −µ )2 1 (t − 70)2
x 1 − x 1 −
F(x)= P(X ≤ x)= ∫ σ
dt = ∫
2
32
e 2 e 2 dt
−∞
σ 2π −∞
3 2π
Solución:
X ≡ χ 2n =3
( )
b) F(M) = P χ 2n =3 < M = 0.5 ⇒ M = 2.365973889
Solución:
a) P ( χ 2n =5 < 5 ) =0.5841198130
Solución:
Un punto P(X1,X2,X3) donde X i N(0,1) si calculamos
d(O, P)
2
X12 X 22 X 32 2n 3
a) P 2n 3 0,35 1 P 2n 3 0,35 1 F 0,35 1 0,04963388263= 0,9503661173
b) E 2n 3 n 3
Solución:
X ≡ χ 2n =6
( )
a) P χ 2n =6 < 3 =0.1911531694
=n 6=(
b) P 4 < χ
2 2
n 6=
2
n 6 < 5) = P ( χ < 5) − P ( χ < 4 ) = 0.1328633003
( )
c) P χ 2n =6 < Q1 = 0.25 ⇒ Q1 = 3.454598784
1 (t −µ )2 1 (t − 68)2
x 1 − x 1 −
F(x)= P(X ≤ x)= ∫ σ
dt = ∫
2
102
e 2 e 2 dt
−∞
σ 2π −∞
10 2π
a) P(48 < X < 72) = P(X < 72) − P(X ≤ 48) = F(72) − F(48) ≈ 0,6326716096
En una población de 500 estudiantes será: 500.(0,6326716096) aproximadamente 316
= 68)
c) P(X = 0
P(67,5 < X < 68,5)= P(X < 68,5) − P(X ≤ 67,5)= F(68,5) − F(67,5) ≈ 0.03987761167
En una población de 500 estudiantes será: 500.( 0.03987761167) aproximadamente 20
a)
P(X > 320) = 1 − P(X ≤ 320) = 1 − F(320) =1 − 0.9331927987 ≈ 0.06680720126 1, por tanto, el
6,68 por 100 de los días obtendrá premio el distribuidor A.
b)
P(Y > 320) = 1 − P(Y ≤ 320) =1 − F(320) = 1 - 0.9772498680 ≈ 0.02275013194 , el 2,28 por
100 de los días obtiene premio el distribuidor B
c)
Si se asocian el número de productos vendidos al día tendrá de media 590, y desviación típica
σX + Y = σ2X + σ2Y = 400 + 100 = 500
k k
a)
5
P (X =1) = 0, 004 (1 − 0, 004 ) ≈ 0,01968191488
1 5 −1
1
b)
5
P ( X ≥ 1) =1 − P ( X < 1) =1 − P ( X =0 ) =1 − 0, 0040 (1 − 0, 004 ) =1 − 0,9965 ≈
5− 0
0
0,01984063872
a)
50 −5 1
P(X= 0)
= e = 5
0! e
b)
50 −5 51 −5 6
P(X < 2) = P(X =0) + P(X =1) = e + e = 6e −5 = 5
0! 1! e
c)
50 −5 51 −5 52 −5 37
P(X ≥ 3) =1 − P(X < 3) =1 − ( P(X =0) + P(X =1) + P(X =2) ) =1 − e − e - e = 1- e −5 ≈
0! 1! 2! 2
0,8753479805
c) P(7 < X < 12)= P(X < 12) − P(X ≤ 7) =F(12)-F(7) ≈ 0.1143825322 ⇒ 11,44%
Sea M la mortandad de las orugas con Metoxidoro, N(58,4.9), cuya función de distribución
es:
1 (t −µ )2 1 (t −58)2
x 1 − x 1 −
FM (x)= P(M ≤ x)= ∫ σ
dt= ∫
2 2 4.92
e 2 e dt
−∞
σ 2π −∞
4.9 2π
a)
( N ( 30, 6.652818951)
Ahora la distribución M − A ≡ N 58 − 28, 4.92 + 4.52 = )
1 − P ( M − A < 40 ) =
P ( M − A > 40 ) = 1 − F(40) ≈ 0.06640376476
b) Para n=10
x
La mediana, x, es tal que=
F(x) ∫=
f (t)dt
0
0,5
x
⌠ 4 - x/2
⎮ x ·
#10: ⎮ ⎯⎯⎯⎯⎯⎯⎯⎯⎯ dx = 0.5
⌡ 768
0
#11: x = 9.341817498
( )
c) Ahora la distribución T − C ≡ N 100 − 140, 202 + 102 = N ( −40, 22.36067977 )
P ( T > C ) =P ( T − C > 0 ) =−
1 P ( T − C < 0 ) =−
1 F(0) ≈ 0.03681913468
6
8000
∑ 0, 001 (1 − 0, 001)
10 − k
=
a) P(X < 7) k
≈ 0,31325207
k =0 k
M
8000
∑ 0, 001 (1 − 0, 001)
10 − k
b) F(M) = P(X ≤ M) = k
≥ 0,5 ⇒ M = 8
k =0 k
Otra forma de resolver el problema, dado que n es grande y p pequeño es con una
Distribución de Poisson de parámetro λ=np=8:
λ k −λ 8k −8
P(X= k)= e = e
k! k!
6 k
8
a) P(X= < 7) ∑ e −8 ≈ 0.3133742775
k = 0 k!
M
8k −8
b) F(M) = P(X ≤ M) = ∑
k = 0 k!
e ≥ 0,5 ⇒ M = 8
a) P(165 < X < 200)= P(X < 200) − P(X ≤ 165)= F(200) − F(165) ≈ 0.8351350807
b) P(190 < X < 200)= P(X < 200) − P(X ≤ 190)= F(200) − F(190) ≈ 0.06059753595
a)
P(X < 60)= F(60) ≈ 3 10-5
b)
P(X > 90) =
1 − P(X ≤ 90) =
1 − F(90) ≈ 0.8413447460
c)
P(X ≤ t)= F(t)= 0,90 ⇒ t = 112.8155159
113 minutos a partir de las 11:30 horas resulta que el examen debe acabar a las 13h 23m
d)
P(que acabe al menos uno de los 10 antes de 90 minutos)=
=1-P(que no acaben ninguno de los 10 antes de 90 minutos)=
=1-P(los 10 acaben depués de 90 minutos)= =1-(P(uno acabe depués de 90 minutos))10=
=1-P(X>90)10=1-(1-P(X<90))10=1-(1-F(90))10 = 0.8222785407
P(X = k) = p k (1 − p=
)
10 − k
1 −
k k 3 3
10 − k
10 1
k
4
1
a) P(X ≥ 5) =1 − P(X < 5) =1 − ∑ 1 − ≈ 0.2131280800
k =0 k 3 3
10 − 0
10 1
0 10
1 2
b) P(X = 0) = 1 − = ≈ 0.01734152991
0 3 3 3
(
b) El contenido de las 3 latas: 3X = X + X + X ≡ N 99, 3 )
P(3X < 100) =F3X (100) ≈ 0.7181485691
k k
3
7
a) P(X ≥ 4) =1 − P(X < 4) =∑ 0.8k (1 − 0.8 ) ≈ 0.966656
7−k
k =0 k
7
b) P(X = 3) = 0.83 (1 − 0.8 ) ≈ 0.028672
7 −3
3
10
7 k −7
a) P(X > 10) = 1− ∑
1 − P(X ≤ 10) = e ≈ 0.09852079411
k = 0 k!
7 7 −7
= 7)
b) P(X = e 0.1490027796
7!
c. P(599,5 ≤ x ≤ 600,5)= P(x ≤ 600,5) − P(x < 599,5)= F(600,5) − F(599,5) ≈ 0,01595.
Por tanto, el porcentaje de días que se vende 600 artículos será 1,6%
Solución:
=
2
P (χ
n 3 > x ) =0, 05=
⇒ F(x) =P ( χ 2n 3=
≤ x ) =−
1 P ( χ 2n 3 < x ) =0,95 ⇒ x = 7.814728021
k k
10
a) P(X = 7) = 0, 7 7 (1 − 0, 7 )
10 − 7
≈ 0.266827932
7
λ k −λ 1k −1
= k)
Distribución de Poisson de parámetro λ=1 en 1 minuto: P(X = e = e
k! k!
10 −1
a) P(X= 0)= e ≈ 0.3678794411
0!
1
1k −1
b) P(X ≥ 2) =1 − P(X < 2) =1 − ∑ e =1-2 e −1 ≈ 0.2642411176
k = 0 k!
P ( X ≤ 1) =
0, 73583952 .
P ( X ≤ 2) =
0,92451633 .
Por tanto, podemos garantizar con una probabilidad mayor de 0.9 que hay como máximo 2
piezas defectuosas en el lote de 20 piezas. Con una probabilidad de 0,73583952
garantizaríamos que existen como máximo 1 pieza defectuosa. Así pues, el número máximo
que podemos garantizar con una probabilidad de 0.9 es de dos piezas.
5
P ( X ≤ 4 ) =−
1 P ( X > 4 ) =−
1 P ( X =5 ) =−
1 ·0.4950.510 ≈ 0.971752
5
Sea A el suceso “el vehículo con más de diez años supera la prueba de I.T.V.”,
entonces
4 1
P (A=) = p ⇒ q =1 − p = y n=4 . Tenemos que X es el suceso “número de vehículos que
5 5
4
pasan con éxito la ITV”, entonces X ≡ B n = 4, p = .
5
n
Función de probabilidad P ( X
= k= ) pk (1 − p)n −k
k
4 4
2 2
) ≈ 0.1536
1
a) P ( =
x 2=
2 5 5
b)
P ( X > 2) =
1 − P(X ≤ 2) = 1 − ( P(X =+
1 − F(2) = 0) P(X = 2) ) =
1) + P(X =
30 31 32
1 − e −3 + e −3 + e −3 ≈ 0.5768099188
=
0! 1! 2!
b)
51 −5
P ( X= 1=
) e ≈ 0.03368973499
1!
=
µ n·p
= 6
=
σ2 n·p·q
= 3.6 ⇒ σ ≈ 1.9
Los valores de X comprendidos entre µ − σ ≤ X < µ + σ son los valores 5,6 y 7. Por tanto,
n
Función de probabilidad P ( X
= k= ) pk (1 − p)n −k
k
15
P ( X= 5=
) 0.450.610 ≈ 0.185938
5
15
P (X ) 0.460.69 ≈ 0.206598
= 6=
6
15
P (X ) 0.47 0.68 ≈ 0.177083
= 7=
7
P (µ − σ ≤ X < µ + σ) = P ( X =
5) + P ( X =
6) + P ( X =
7) =
0.185938+0.206598+0.177083=0.569619.
Sea X la variable aleatoria que representa el número de latas consumidas durante un día.
X sigue una distribución uniforme de parámetros a=60 y b=100.
1
La probabilidad de consumir k latas es P ( X
= k= )
41
0 si x<60
1
si 60 ≤ x<61
41
2
si 61 ≤ x<62
a) La función de distribución: F(x) = 41
3
si 62 ≤ x<63
41
.............................
1 si 100 ≤ x
19
b) P ( 74 < X < 95 ) = P ( X = 75 ) + .... + P ( X = 94 ) =
41
16 25
c) P ( 75 < X ) =−
1 P ( X ≤ 75 ) =−
1 =
41 41
0 si x < a
1 (b − a )
2
a+b
f ( x) = si a ≤ x ≤ b Media: µ = Varianza: σ 2
=
b - a 2 12
0 si b < x
0 si x < 150
1
=
En nuestro caso: f (x) si 150 ≤ x ≤ 200
200-150
0 si 200<x
(b − a )
2
a + b 150 + 200 50
a) Espesor medio=µ = =
= 175 mm. Desv. típica: σ =
2 2 12 12
c)
1 1 1
P ( X < 160 ) = dx = (160 − 150 ) ==
160
∫ 150 50 50 5
0, 2 ⇒ 20%
Solución:
N (∑ µ ,
i ∑σ 2
i ) =N ( 6250,50 2 )
P ( X < 6000 )= F(6000) ≈ 0.000203476
Solución:
P(X<2,25) = 0,25, puesto que son el 25% y P(X<2,7) = 0,8, ya que representan el 80%.
X − µ 2, 25 − µ 2, 25 − µ 2, 25 − µ
Tipificando, P < =P Z < =F =0, 25
σ σ σ σ
X −µ 2, 25 − µ
=
y observando que Z ≡ N(0,1), se tiene que: = −0.6744897365 (1)
σ σ
X − µ 2, 7 − µ 2, 7 − µ 2, 7 − µ
P < =P Z < =F =0,8
σ σ σ σ
2, 7 − µ
Y observando la normal tipificada = 0.841621235 (2)
σ
=µ =
2.450196678; σ2 0.29681204632 ≈ 0.08809739082
b)
Tenemos una distribución Normal de parámetros μ = 3.895946912 y σ=2.5
P ( X < 5 )= F ( 5 ) ≈ 0.6706183425
En tanto por ciento,
67,06%
c)
Obviamente P(X=6)=0
Podemos considerar el intervalo (5.95, 6.05) puesto que la variable es continua y exactamente
no se obtiene el valor 6.
Aproximadamente 3 alumnos
b)
En una distribución de media la diferencia de medias y varianzas la suma de las varianzas:
Solución:
X=“tiempo en días” ≡ N(µ, σ) =N (1248, 185 )
Solución:
El consumo en cada vuelta sigue una distribución χ32 por tanto, el consumo en cada una de las
20 vueltas que faltan vendrá determinado por una distribución X i ≡ χ32 con i = 1,2,...,20. Así
pues, la cantidad total de combustible consumido en las veinte vueltas será la suma de 20
20 20
distribuciones χ32 , independientes, por tanto, ∑ Xi ≡ ∑ χ32 =χ602
=i 1 =i 1
Nos piden la cantidad mínima de combustible que debemos repostar para que, la probabilidad
de cubrir el consumo de las 20 vueltas sea mayor de 0,95,
Aproximadamente 79
P ( χ 221 > 13.24 ) P ( χ62 ≤ 1.55 ) . P ( 29.6 < χ 221 < 33.6 )
P ( χ92 > χ ) =0.05 P ( χ92 < χ ) =0.10 P ( 20.6 < χ 221 < χ ) =0.4
Solución:
Con Excel:
P ( χ92 >=
χ ) 0.05 ⇒ = PRUEBA.CHI.INV ( 0, 05;9 ) ⇒ χ =16,9189776
P ( χ92 < χ=
) 0.10
= ⇒ P ( χ92 > χ=
) 0.9 ⇒ PRUEBA.CHI.INV ( 0,9; 9 ) ⇒ χ =4,16815904
P ( 20.6 < χ 221 < χ )= P ( χ 221 > 20.6 ) − P ( χ 221 > χ )= 0.4 ⇒ P ( χ 221 > χ )= P ( χ 221 > 20.6 ) − 0.4
=1-DISTR.T(0,262;8;2) = 0,200058723
P ( 0.26 ≤ t10 < 0.879 ) =P ( t10 > 0.26 ) − P ( t10 > 0.879 ) =
=DISTR.T(0,26;10;1)-DISTR.T(0,879;10;1) = 0, 20005436
) P ( t10 > 0.26 ) − P ( t10 > t=) 0.4 ⇒ P ( t10 > t=) P ( t10 > 0.26 ) − 0.4
P ( 0.26 ≤ t10 < t=
Solución:
λ k −λ 3k −3
= k)
Distribución de Poisson de parámetro λ=3 en 1 página: P(X = e = e
k! k!
32 −3
= 2)
a) P(X = e ≈ 0.2240418076
2!
1
3k −3
b) P(X ≥ 2) =1 − P(X < 1) =1 − ∑ e ≈ 0.8008517265
k = 0 k!
λ k −λ 15k −15
= k)
P(Y = e = e
k! k!
1512 −15
= 12)
P(Y = e ≈ 0.08285923436
12!
Solución:
n 4
P(X = k) = p k (1 − p )= 0.8k (1 − 0.8 )
n −k 4− k
k k
a)
4
P(X = 0) = 0.80 (1 − 0.8 ) ≈ 0.0016
4−0
0
4
P(X = 1) = 0.81 (1 − 0.8 ) ≈ 0.0256
4 −1
1
4
P(X = 2) = 0.82 (1 − 0.8 ) ≈ 0.1536
4− 2
2
4
P(X = 3) = 0.83 (1 − 0.8 ) ≈ 0.4096
4 −3
3
4
P(X = 4) = 0.84 (1 − 0.8 ) ≈ 0.4096
4− 4
4
1
4
b) P(X ≥ 2) =1 − P(X < 1) =1 − ∑ 0.8k (1 − 0.8 ) ≈ 0.9728
4− k
k =0 k
Solución:
a) P ( 9.5 < L < 10.5 )= P ( L < 10.5 ) − P ( L ≤ 9.5 )= F(10.5) − F(9.5) ≈ 0.9999994266
b)
Solución:
n 10
P(X = k) = p k (1 −=
p) 0.02 (1 − 0.02 )
n −k k 10 − k
k k
a)
10
P(X = 2) = 0.022 (1 − 0.02 )
10 − 2
≈ 0.0153137344
2
b)
10
P(X = 0) = 0.020 (1 − 0.02 )
10 − 0
≈ 0.8170728068
0
c)
1
10
∑ k 0.02 (1 − 0.02 )
10 − k
P(X < 2) = F(1) = k
≈ 0.9838223592
k =0
Solución:
La variable aleatoria “peso” X ≡ N(110,15) cuya función de distribución es:
1 (t −µ )2 1 (t −110)2
x 1 − x 1 −
F(x)= P(X ≤ x)= ∫ σ
dt = ∫
2
152
e 2 e 2 dt
−∞
σ 2π −∞
15 2π
a)
P(110 < X < 120) = P(X < 120) − P(X ≤ 110) = F(120) − F(110) ≈ 0.2475074624
Aproximadamente 24,75%
b)
F(x)= P(X < x)= 0.98 ⇒ x = 140.8062338
A partir de 141
b) Nos piden P( X ≤ 25 ).
100 x 100− x
25
P ( X ≤ 25 )= F(25)=
x =0
∑ x
0.3 0.7 ≈ 0.163130
Aproximadamente, como mucho el 16% de los matriculados se dará de baja
e) Por cada alumno tenemos un ingreso de 750€. Si se inscriben 100 alumnos tenemos un
ingreso total I = 100 ·750 € = 75000 €.
Cada alumno que permanece todo el año genera un gasto anual de 120 euros.
Solución
Sea X = “número de ingresos por urgencias con menos de 9 años, entre los 16 elegidos al
azar”. Entonces X sigue una distribución de Poisson de parámetro λ = n·p = 0.8. Teniendo
λk −λ
en cuenta que P ( X )
= k= e ; calculamos:
k!
0.80 −0.8
a) P( X = 0 ) = e = 0.449328 .
0!
h) V[ X ] = λ = 0.8;
= σ 0,8 ≈ 0.894427191 .
Solución
0 si x ≤ 50
1 x − 50
si 50 ≤ x ≤ 70
La función de densidad es f ( x ) = 20 = ⇒ F(x) si 50<x ≤ 70
0 en el resto 20
1 si 70 ≤ x
1 1
a) P ( X > 65 ) ∫
70
= =
dx .
65 20 4
1 3
b) P ( X < 65 ) = P ( X ≤ 65 ) = F ( 65 ) = ∫
65
dx = .
50 20 4
1
c) P (= ) ∫
65
=
X 65 =
dx 0 . Por ser una variable aleatoria continua.
65 20
a + b 70 + 50
=
e) Media: µ = = 60
2 2
(b − a) ( 70 − 50 )
2 2
400 10 3
Desviación estándar: =
σ 2
= = ⇒=
σ
12 12 12 3
Si la autoescuela ingresa por alumno una parte fija en concepto de matrícula de 300
euros, más 25 euros por hora de práctica.
Solución
x0=22,5969
permiso de conducir, el ingreso de la autoescuela será 300 € por matrícula más 25·X
€ por las horas de práctica, por tanto, el ingreso por alumno es I = 300 + 25·X €. El
c) Valores centrales entre los que queda comprendido el 40% de las observaciones.
Solución
c) Los valores a y b tales que entre ellos queda el 40% de las observaciones son aquellos
que P(X < a) = 0.3 y P(X < b) = 0.7, por tanto corresponden a los percentiles 30 y 70
respectivamente.
P (a < X < b) =
0, 4
Solución:
88 − µ 88 − µ 88 − µ
P ( X ≤ 88 ) = 0.7 ⇒ P z ≤ =F = 0.7 , por tanto, = 0.5544
σ σ σ
60 − µ 60 − µ 60 − µ
P ( X ≤ 60 ) = 0.27 ⇒ P z ≤ = F = 0.27 , por tanto, = −0.6128
σ σ σ
( ) ( ) ( ) ( )
a) P χ 62 ≤ 4 =p ; b) P χ 62 > 3 =p ; c) P 3.5 ≤ χ 62 < 5.9 =p ; d) P χ 72 ≤ 4 =p
Solución:
( )
a) p= P χ 62 ≤ 4 = F(4)= 0.3233
( )
b) p = P χ 62 > 3 = 1 − F(3) = 0.8088
( ) ( ) ( )
c) p= P 3.5 ≤ χ 62 < 5.9 = P χ 62 < 5.9 − P χ 62 < 3.5 = F(5.9) − F(3.5)= 0.3095
( )
d) p= P χ 72 ≤ 4 = F(4)= 0.22022
( ) ( ) ( ) (
a) P χ 52 < x =0.90 ; b) P χ 52 > x =0.05 ; c) P χ 52 ≥ x =0.975 ; d) P χ 52 < x =0.975 )
( ) ( ) (
e) P x < χ 52 < 5 =0.045 ; f) P χ 62 < x =0.95 ; g) P χ 62 > x =0.05 ;)
( )
h) P χ 72 ≥ x =0.975 ; ( )
i) P χ 72 < x =0.975
Solución:
( )
a) P χ 52 < x= F(x)
= 0.90 ⇒ x = 9.2364
( )
b) P χ 52 > x = 0.05 = 1 − F(x) ⇒ F(x) = 0.95 ⇒ x = 11.0705
( )
c) P χ 52 ≥ x = 0.975 = 1 − F(x) ⇒ F(x) = 0.025 ⇒ x = 0.8312
( )
d) P χ 52 < x= 0.975
= F(x) ⇒ x = 12.8325
(
e) P x < χ 52 <= )
5 0.045 ⇒ F(5) − F(x) (
= P χ 52 ≤ 5 − P χ 52 ≤= )
x 0.045 ⇒ ( )
⇒ F(x)= P ( χ 52 ≤ x )= F(5) − 0.045= 0.5391 ⇒ x = 4.6436
( )
f) P χ 62 < x= F(x)
= 0.95 ⇒ x = 12, 5916
( )
g) P χ 62 > x = 0.05 = 1 − F(x) ⇒ F(x) = 0.95 ⇒ x = 12, 5916
( )
h) P χ 72 ≥ x = 0.975 = 1 − F(x) ⇒ F(x) = 0.025 ⇒ x = 1.68987
( )
i) P χ 72 < x= 0.975
= F(x) ⇒ x = 16.0128
a) P ( t 9 ≤ 0.3 ) =
p ; b) P ( t 9 < −1) =p ; c) P ( t15 > 2.5 ) =
p ; d) P ( t 7 > −2 ) =p
Solución:
d)=p P ( t 7 > −=
2 ) P ( t 7 ≤=
2 ) F(2)
= 0.9572
0.827419
0.90 ; b) P ( t 5 < x ) =
a) P ( t 5 < x ) = 0.05 ; c) P ( t 5 ≥ x ) =
0.975 ; d) P ( t 5 < x ) =
0.975 ;
c) P ( t 5 ≥ x=
) 0.975 ⇒ F(x)= P ( t 5 ≤ x=) 0.025 ⇒ x = −2.5706
d) P ( t 5 < x )= 0.975= F(x) ⇒ x = 2.5706
e) P ( − x < t 5 < x=
) F(x) − F(− x)
= F(x) − (1 − F(x))
= 2F(x) −=
1 0.05 ⇒
x = 0.06591486
f) Que estén a favor al menos el valor esperado de clientes que están a favor.
Solución:
10
a) P ( X ) 0.730.37 ≈ 0.009001692
= 3=
3
3
10
b) P ( X > 3 ) =1 − P(X ≤ 3) =1 − F(3) =1 − ∑ 0.7k 0.310− k ≈ 0.9894079215
k =0 k
2
10
c) P ( X < 3 )= P ( X ≤ 2 )= F(2)= ∑ k 0.7 0.3 k 10 − k
≈ 0.0015903864
k =0
3
10
d) P ( X ≤ 3 )= F(3)= ∑ k 0.7 0.3 k 10 − k
≈ 0.0105920784
k =0
5
10
e) P ( X ≥ 6 ) =1 − P ( X < 6 ) =1 − F(5) =1 − ∑ 0.7k 0.310− k ≈ 0.8497316674
k =0 k
f) E[X]=np=7
6
10
P ( X ≥ 7 ) =1 − P ( X < 7 ) =1 − F(6) =1 − ∑ 0.7k 0.310− k ≈ 0.6496107183
k =0 k
Solución:
Sea X la variable aleatoria X = “contenido de un bote de cerveza en cl”, X ≈ N(33, 3)
a) P ( X > 34 ) =−
1 P(X ≤ 34) =−
1 F(34) ≈ 0,3694
c) Consideramos la variable aleatoria Y=6X, que se distribuye según una Normal de media
6x33 y de varianza 6x9.
=
Y 6X ≡ N(198, 3 6)
Solución:
X − 174
X ≈ N(174, σ )=
⇒Z ≈ N(0,1)
σ
24 168 − 174 −6
P ( X ≤ 168 ) = ⇒ P Z ≤ =F =0,12 , por tanto,
200 σ σ
−6
= -1.174986790 ⇒ σ = 5.106440388
σ
k
10 n −5
a) P(X =
5) =
0, 65 (1 − 0, 65) ≈ 0,1535704107
5
5
x
10
c) La función de distribución: F(x)= P(X ≤ x)= ∑ k
k =0
0, 65 (1 − 0, 65)
k n −k
La mediana, M, es tal que F(M)=0,5
k F(k)
0 0,00002758547353
1 0,0005398871249
2 0,004821265211
3 0,02602428049
4 0,09493408017
5 0,2485044908
6 0,4861729836
7 0,7383926086
8 0,9140455617
9 0,9865372566
10 1
Dado que no hay un valor exacto de 0,5 se toma F(M)>0,5 y resulta M=7
b) P ( X < 40=
) FY ( 40 ) ≈ 0,04779035226
P (150 < X + Y =
< 180 ) FX + Y (180 ) − FX + Y (150) ≈ 0,8185946141
8
a) P(X = 2) = 0.42 0.66 = 0.016796.
2
µ E [ X=
e) = ] n·p
= 3.2
σ 2 V [=
= X ] n·p·(1 −=
p) 1.92
a)
33
1. P (= =
X 33 ) ∫ f ( x ) dx
= 0
33
2. P ( X ≥ 33.5 ) = 1 − F ( 33.5 ) =
1 − P ( X < 33.5 ) = 0.308537.
3. ) F ( 32=)
P ( X < 32= 0.158655 .
4. P ( 32 < X < 34
= ) F ( 34 ) − F ( 32=) 0.682689 .
b)
(
B ≡ N n·µ ,=
σ n )
N 3·33, =
1⋅ 6 (
N 99, ) ( )
3 , por tanto, calculamos
P ( B < 100=
) F (100=) 0.7181485691
b)
1) P ( χ 52 < x=
) 0.95= F(x) ⇒ x = 11.07
2) P ( χ 52 < x=
) 0.05
= F(x) ⇒ x = 1.145476251
3)
P ( t 6 ≥ x ) =1 − P ( t 6 < x ) =1 − P ( − x < t 6 < x ) =0.1 =2 − 2F(x) ⇒ F(x) =0.95 ⇒
x = 1.94318
a) ¿Qué puntuación máxima (no redondeada) delimita el 22% de las notas más bajas?
b) ¿Qué puntuación mínima (no redondeada) delimita el 20% de las notas más altas?
Solución
c) P ( 24.5 ≤ X ≤ 25
=.5 ) F ( 25.5 ) − F ( 24.5 ) ≈ 0.18406 − 0.13566
= 0.0484 , por tanto,
4.84%
d) P ( X ≤ 24.5=
) F ( 24.5=) 0.13566 , por tanto, 13.56%
b) Primer cuartil=Q1
F(Q1)=P(X<Q1)=0.25, luego Q1 = 149.7302040
Tercer cuartil=Q3
F(Q3)=P(X<Q3)=0.75, luego Q3 = 150.2697958
Solución:
El tiempo empleado por los 4 corredores será la suma de los tiempos de cada corredor:
X1 + X 2 + X 3 + X 4 ≡ N(µ, σ)
µ = E [ X1 + X 2 + X 3 + X 4 ] = 10 + 10 + 10 + 10 = 40
σ= V [ X1 + X 2 + X 3 + X 4 ] = 0,52 + 0,52 + 0,52 + 0,52 = 1
X1 + X 2 + X 3 + X 4 ≡ N(40,1)
∞ 3
∫=
f (x)dx ∫=
3k
dx 2k 1 además f (x) ≥ 0, ∀ k > 0, por tanto, f(x) es una función de densidad
−∞ 7k 3
para cualquier valor de k.
∞ 3 11
∫=
xf (x)dx ∫ =
3k
=
a) µ x dx 2k k
−∞ 7k 6
3
2
∞ 11 3 49 2 7 3
∫−∞ ( x − µ ) f (x)dx
= ∫ 2k x − k =
3k
k ⇒ σ=
2
=
σ 2
dx k
3 6 7k 108 18
2 k 3 1
b) P( k < X= < k) ∫ 2k = dx por tanto, el porcentaje de licitaciones ganadoras
3 3 7k 7
pedidas por debajo de k es14.28%
3 9
∫
3k
c) P(1, 5k=
< X) = dx por tanto, el porcentaje de licitaciones ganadoras
7k 14
1,5k
b) El componente electrónico fallará antes de tres años si su vida útil es menor que tres
años.
F(T<3)=P(T=0)+P(T=1)+P(T=2)= 0,2381033055
Al calcular el peso de las ocho personas, se está sumando ocho variables aleatorias
independientes. Si multiplicamos el peso de una persona por ocho, se multiplica por ocho el
peso de sólo una variable aleatoria.
Una variable aleatoria continua X se dice que tiene una distribución normal o de
1 (x ) 2
1
Laplace-Gauss de media y desviación típica : f (x) e 2 2
es su
2
función de densidad.
2
La esperanza matemática o media es y la varianza es 2 . Se denota N( , ).
Los más utilizados son los cuartiles Q1, Q2 y Q3 que dejan a su izquierda
1/4, 1/2 y 3/4 de la población respectivamente. Obsérvese que Q2 = M
(Mediana).
Los deciles D1, D2, ..... , D9 dejan a su izquierda 1/10, 2/10, ..., 9/10 de la
población respectivamente.
Los percentiles P1, P2, ........, P99 dejan a su izquierda 1/100, 2/100, .....
99/100 de la población respectivamente.
Moda es el valor de la variable que se presenta con más frecuencia dentro de la distribución.
En las distribuciones sin agrupar se observa directamente el valor de mayor
frecuencia.
En las agrupadas, definimos la clase modal como la que tiene mayor frecuencia.
NOTA: Algunas distribuciones pueden presentar varias modas. Cada moda corresponde a un
máximo absoluto del diagrama de barras o histograma.
La función de densidad de la
variable aleatoria 2n es:
n
1
2
x -x
f (x) e 2
si x 0
2
n
2 n
2
La función de distribución de
una variable aleatoria 2n viene dada
por:
x
F(x) P( n2 x ) f ( x)dx
0
En Estadística:
La mediana es el valor de la variable que ocupa el lugar central, es decir,
que la mitad de la población es menor y la otra mitad es mayor que él.
La mediana es un valor M tal que F(M)=1/2, se define así como raíz de una
ecuación.
Se dice que una variable continua,X, sigue una distribución uniforme en el intervalo a, b
0 si x a
1
cuando su función de densidad es: f (x) si a x b
b-a
0 si b<x
Gráficamente:
1_
b-a
a b
0 si x a
x - a
La función de distribución, será: F(x) si a x b cuya gráfica es:
b - a
1 si b < x
a b
ab
Media: E X x.f (x).dx
2
b a
2
V X E X 2 E X
2
Varianza:
12
Esta distribución depende de los parámetros a y b y se denota U a, b .
n
denomina t de Student con n grados de libertad.
n 1
n 1
1 2 x2 2
Función de densidad: f ( x) 1
n n n
2
n
Su media 0 (n>1) y su varianza 2 (n>2).
n2
La gráfica de la función de densidad para n=3 grados de libertad:
convergente.
E = t. f ( t ). dt cuando la variable es continua con función de densidad