UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

TRABAJO DE RECUPERACIÓN
FERNANDO HARO, ING. CARLOS BALSECA
1. Departamento de Ciencias Exactas, Unidad 2, Facultad de Mecanica, Universidad de las Fuerzas Armadas, Quito, Ecuador.

Abstract

In probability and statistics, a probability distribution assigns a probability to

each measurable subset of the possible outcomes of a random experiment, survey, or
procedure of statistical inference. Examples are found in experiments whose sample space
is non-numerical, where the distribution would be a categorical distribution; experiments
whose sample space is encoded by discrete random variables, where the distribution can
be specified by a probability mass function; and experiments with sample spaces encoded
by continuous random variables, where the distribution can be specified by a probability
density function. More complex experiments, such as those involving stochastic processes
defined in continuous time, may demand the use of more general probability measures.

P (a < x) = f (b) − f (a)

Resumen

En teorı́a de la probabilidad y estadı́stica, la distribución de probabilidad de una

variable aleatoria es una función que asigna a cada suceso definido sobre la variable
aleatoria, la probabilidad de que dicho suceso ocurra. La distribución de probabilidad
está definida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango
de valores de la variable aleatoria. La distribución de probabilidad está completamente
especificada por la función de distribución, cuyo valor en cada x real es la probabilidad
de que la variable aleatoria sea menor o igual que x.

P (a < x) = f (b) − f (a)

Trabajo recibido

Correspondencia a:
Ing. Carlos Balseca
Email: cebalseca@espe.edu.ec

Estadı́stica 1
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

0.1. Ejercicios sección 3-1

En cada uno de los ejercicios siguiente determine el rango (Valores posibles) de la variable
aleatoria

3.1 La variable aleatoria es el número de conexiones soldadas, de las 1000 que tiene un circuito
impreso que no cumplen con ciertos estandares de calidad.

Rango X=(0,1,2,3,4,....,1000)

3.3 Se utiliza un instrumento electrónico para medir pesos de paquetes, hasta la libra mas
cercana. El instrumento de medición solo tiene 5 dı́gitos, cualquier peso mayor del que
puede mostrarse aparecera como 99999. La variable aleatoria es el peso que aparece en el
instrumento.

Rango X=(0,1,2,.....,99999)

3.5 Un lote de 500 partes maquinadas contiene 10 que no se ajustan a los requerimientos del
cliente. Del lote se van tomando partes, sin reemplazo, hasta que se obtiene una que no
cumple con los requerimientos. La variable aleatoria es el número de partes seleccionadas.

Rango X=(0,1,2,.......,491)
Ya que suponemos que 490 cumplen con el requerimiento y la que no cumple esta al
final.

3.7 La variable aleatoria es el número de problemas en la superficie de una bobina grande de

acero galvanizado.

Rango X=(0,1,2,3,.....,n)
Todo depende del modelo de la bobina y a las condiciones a las que sea sometida.

3.9 En la orden de pedido de un automovil puede seleccionarse el modelo base o implementar

cualquier número de opciones, hasta 15. Variable aleatoria es el número de opciones
seleccionadas en un pedido.

Rango X=(0,1,2,3,......,15)

0.2. Ejercicios sección 3-2

3.11 El espacio muestral de un experimento aleatorio es (a, b, c, d, e, f ) y cada resultado es
igualmente probable. Se define una variable aleatoria de la siguiente manera:

Resultado a b c d e f
x 0 0 1.5 1.5 2 3

2 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

1 1 1
f (0) = P (x = 0) = + =
6 6 3
1 1 1
f (1,5) = P (x = 1,5) = + =
6 6 3
1
f (2) = P (x = 2) =
6
1
f (3) = P (x = 3) =
6

3.13 Un grupo de partes moldeadas se clasifican de acuerdo con su longitud, de la siguiente

manera.
Long. en mm 4.9 5.0 5.1 5.2 5.3 5.4 5.5 5.6
Número de partes 0 3 10 25 40 18 16 2
a) Si la variable aleatoria X es la longitud de una parte moldeada seleccionada al azar
determine f (x).

nw=144 partes moldeadas

x 4.9 5.0 5.1 5.2 5.3 5.4 5.5 5.6
f (x) 0 3/144 10/144 25/144 40/144 18/144 16/144 2/144

b) Cuál es el valor de P (x ≤ 5,1).

3 10 13
P (x ≤ 5,1) = 0 + + =
144 144 144

c) Cuál es el valor de P (4,95 < x < 5,35)

3 10 25 40 78
P (4,95 < x < 5,35) = + + + =
144 144 144 144 144

3.21 En el ejemplo 3-8, suponga que la probabilidad de que una muestra de aire contenga una
molécula rara es 0.001. Calculae la probabilidad de que X=3.

w = (p, ap, aap, aaap, aaaap, ....., n); a : normal, p : raro P (p) = 0,001P (a) = 0,999
P (3) = P (aap) = P (a) ∗ P (a) ∗ P (p)
P (3) = P (aap) = 0,999 ∗ 0,999 ∗ 0,001
P (3) = P (aap) = 0,000998

3.23 Un sistema de inspección óptica es capaz de distinguir cuatro partes distintas. La probabi-
lidad de clasificar de manera correcta cualquier parte es 0.98. Suponga que se inspecciona
tres partes y que la clasificación de estas es independiente. Sea la variable aleatoria X el
número de partes clasificadas correctamente. Determine la función de probabilidad de X.

X = (0, 1, 2, 3) P (c) = 0,98; P (i) = 0,02 wX = (ccc, cci, cic, cii, icc, ici, iic, iii)
f (0) = P (X = 0) = (0,002)3 = 8x10−6
f (1) = P (X = 1) = ((0,002)2 (0,98)) ∗ 3 = 1,17x10−3
f (2) = P (X = 2) = ((0,002)(0,98)2 ) ∗ 3P = 0,05762 f (3) = P (X = 3) = (0,98)3 = 0,94
≈1

Estadı́stica 3
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

0.3. Ejercicios sección 3-3

3.27 Continuación del ejercicio 3-14. Determine la función de distribución acumulada para la
variable aleatoria del ejercicio 3-14.

x 30 31 32 33 34 35 36 37 38 39
F(x) 0.02 0.06 0.11 0.22 0.28 0.49 0.75 0.87 0.95 1

Tambien calcular la probabilidad siguiente:

a)P (x < 32,5)

P (x < 32,5) = 0,11

b)P (x ≤ 32)

P (x ≤ 32) = 0,11

c)P (x > 32)

P (x > 32) = 0,88

d)P (33 < x ≤ 38)

P (33 < x ≤ 38) = 0,76

3.29 Continuación del ejercicio 3-19. Determine la función de distribución para la variable
aleatoria del ejercicio 3-19.

8 1 4
f (1) = ∗ =
7 2 7
8 1 2
f (2) = ∗ =
7 4 7
8 1 1
f (3) = ∗ =
7 8 7
x 1 2 3
f (x) 4/7 2/7 1/7
F (x) 4/7 6/7 1

0.4. Ejercicios sección 3-4

3.33 Se evalua el acabado superfiacial de 40 piezas de cinta magnetica y se obtienen os resul-
tados siguientes:

Número de defectos 0 1 2 3 4 5
Número de muestras 18 12 7 2 1 0

Determine la media y la varianza del número de defectos por muestra de cinta.

x 0 1 2 3 4 5
f (x) 18/40 12/40 7/40 2/40 1/40 0

4 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

P 18 18 7 2 1
E(x) = x ∗ f (x) = 0( ) + + 2( ) + 3( ) + 4( ) + 5(0)
40 40 40 40 40
12 14 6 4 36
E(x) = + + + = E(x) = 0,9
40 40 40 40 40

V (x) = (x − E(x))2 ∗ f (x)

P
18 12 7 2 1
V (x) = (0 − 0,9)2 ( ) + (1 − 0,9)2 ( ) + (2 − 0,9)2 ( ) + (3 − 0,9)2 ( ) + (4 − 0,9)2 ( )
40 40 40 40 40
V (x) = 0,3645 + 0,003 + 0,2127 + 0,2205 + 0,2402
V (x) = 1,0409

3.35 Se mide la longitud de las terminales de varios componentes electrónicos (a la décima de

milı́metro mas cercana), y se obtienen los resultados siguientes:

Longitud 2.0 2.1 2.2 2.3 2.4 2.5 2.6

Terminales 5 8 10 22 28 16 9

Determine la media y la varianza de la longitud de las terminales.

x 2.0 2.1 2.2 2.3 2.4 2.5 2.6

f (x) 5/98 8/98 10/98 22/98 28/98 16/98 9/98

P 5 8 10 22 28 16 9
E(x) = x ∗ f (x) = 2( ) + 2,1( ) + 2,2( ) + 2,3( ) + 2,4( ) + 2,5( ) + 2,6( )
98 98 98 98 98 98 98
E(x) = 2,3466mm

(x − E(x))2 ∗ f (x)
P
V (x) =
5 8 10
V (x) = (2 − 2,3466)2 ( ) + (2,1 − 2,3466)2 ( ) + (2,2 − 2,3466)2 ( ) + (2,3 −
98 98 98
2 22 2 28 2 16 9
2,3466) ( ) + (2,4 − 2,3466) ( ) + (2,5 − 2,3466) ( ) + (2,6 − 2,3466)2 ( )
98 98 98 98
V (x) = 0,0061 + 0,0049 + 0,0021 + 0,0004 + 0,0008 + 0,0038 + 0,0058 V (x) = 0,0239

3.41 Determine la media y la varianza de la variable aleatoria del ejercicio 3.18.

x -2 -1 0 1 2
f (x) 1/8 2/8 2/8 2/8 1/8

P 1 2 2 1
E(x) = x ∗ f (x) = (−2)( ) + (−1)( ) + 0 + (1)( ) + (2)( ) E(x) = 0
8 8 8 8

V (x) = (x − E(x))2 ∗ f (x)

P
1 2 2 1 12
V (x) = (−2 − 0)2 ( ) + (−1 − 0)2 ( ) + (1 − 0)2 ( ) + (2 − 0)2 ( ) V (x) = = 1,5
8 8 8 8 8

3.45 El rango de la variable aleatoria X es (0,1,2,3,x) donde x es una incognita. Si cada valor
es igualmete probable y la media de X es 6; calcule x.
P 1 1 1 1 x 6+x
E(x) = x ∗ f (x) = 6 ⇒ (0)( ) + (1)( ) + (2)( ) + (3)( ) + 6 =
5 5 5 5 5 5
⇒ 30 = 6 + x ⇒ 24 = x

Estadı́stica 5
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

0.5. Ejercicios sección 3-5

3.47 La variable aleatoria X tiene una distribución discreta uniforme sobre los enteros 1 ≤ x ≤
4. Calcular la media y la varianza.

x 1 2 3 4
f (x) 1/4 1/4 1/4 1/4

b+a
E(x) =
2
4+1 5
E(X) = = = 2,5
2 2

(b − a + 1)2 − 1
V (x) =
12
(4 − 1 + 1)2 − 1) 16 − 1 15
V (x) = = =
12 12 12
V (x) = 1,250

3.49 En un proceso de recubrimiento se toman varias mediciones del espesor, hasta la centésima
de milı́metro mas cercana. Las mediciones estan distribuidas de manera uniforme, con
valores 0.15; 0.16; 0.17; 0.18; 0.19. Para este proceso, calcule la media y la varianza del
espesor del recubrimiento.

X = (0,15, 0,16, 0,17, 0,18, 0,19)

1 b+a 1 19 + 15 34
Y = (15, 16, 17, 18, 19); k = E(Y ) = k( )= ( )= = 0,17(mm)
100 2 100 2 200

(b − a + 1)2 − 1
V (Y ) = k 2
12
1 2 (19 − 15 + 1)2 − 1
V (Y ) = ( )( )
100 12
24
V (Y ) = = 0,0002(mm)
10000(12)

3.51 Suponga que X tiene una distribución discreta uniforme sobre los enteros desde 0 hasta 9.
Determine la media, la varianza y la desviación estandar de la variable aleatoria y = 5x
y compare los resultados obtenidos con los de x.

X = (10, 1, 2, 3, 4, 5, 6, 7, 8, 9)
b+a 9−0
E(X) = = = 4,5
2 2

(b − a + 1)2 − 1
V (x) =
12
2
(9 − 0 + 1) − 1 33
V (x) = = = 8,25
12 4
6 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

√
DE(X) = 8,25 = 2,82

Y = (0, 1, 2, 3, 4, 5, 6, 7, 8, 9); k = 5

E(Y ) = k(E(X)) = 5(4,5) = 22,5

V (Y ) = k 2 (V (X)) = 52 (8,25) = 22,8

√
DE(Y ) = 22,8 = 14,36

0.6. Ejercicios sección 3-6

3.53 Para cada uno de los escenarios siguientes establezca si es razonable o no utilizar la
distribución binomial como modelo de variable aleatoria y por que. Indique todas las
suposiciones que tenga que hacer según sea el caso.
a)Un porceso produce miles de transductores de energı́a. Sea X el número de transductores
que no cumplen con los requisitos de diseño de una muestra de 30 tomada al azar del
proceso.

No es posible la probabilidad binomial ya que no existe anunciada la probabilidad de

exito o fracaso

b)Cuatro componentes electrónicos identicos están conectados a un controlador que puede

conmutar de un componente que falla a otro de los que quedan como respuesta. Sea X el
número de componentes que han fallado despues de cierto tiempo de operación.

Si es posible aplicar distribución binomial pues se conoce el número de ensayos y la

probabilidad de dicho evento es la misma.

c)Sea X el número de accidentes que ocurren en las carreteras federales de cierto estado
durante un mes.

No se puede aplicar la distribución binomial ya que nos da un intervalo de tiempo en el

que ocurre dicho evento.

3.55 La variable aleatoria X tiene una distribución binomial con n=10 y p=0.5 calcular:
a)P (X = 5)

x n−x
n Cx p q
5 10−5
10 C5 (0,5) (0,5) = 0,2460

b)P (X ≥ 9)

P (X ≥ 9) = P (X = 9) + P (X = 10)
=10 C9 (0,5)9 (0,5)10−9 +10 C10 (0,5)10 (0,5)10−10
P (X ≥ 9) = 0,01073

Estadı́stica 7
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

c)P (3 ≤ X < 5)

P (3 ≤ X < 5) = P (X = 3) + P (X = 4) =10 C3 (0,5)3 (0,5)10−3 +10 C4 (0,5)4 (0,5)10−4

P (3 ≤ X < 5) = 0,1171 + 0,2050 = 0,3221

3.59 Determine la función de distribución acumulada de una variable aleatoria binomial con
n=3 y p=0.25
P
F (X) = f (x) F (X) = P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) F (X) =3
C0 (0,25)0 (0,75)3−0 +3 C1 (0,25)1 (0,75)3−1 +3 C2 (0,25)2 (0,75)3−2 +3 C3 (0,25)3 (0,75)3−3
F (X) = 1

3.61 Sea X el número de bits recibidos de manera incorrecta en un canal de comunicación

digital y suponga que X es una variable aleatoria binomial con p=0.001. Si se transmiten
1000 bits calcule lo siguiente: a)P (X = 1)
1 1000−1
1000 C1 (0,001) (0,999) = 0,3680

b)P (X ≥ 1)

P (X ≥ 1) = 1 − P (X = 0)
P (X ≥ 1) = 1 −1000 C0 (0,001)0 (0,999)1000−0
P (X ≥ 1) = 0,6323

c)E(X); V (X)

E(X) = n ∗ p
E(X) = 1000(0,001) = 1
V (X) = n ∗ p ∗ q
V (X) = 1000(0,001)(0,999) = 0,999

3.65 Dado que no todos los pasajeros de una aerolinea abordan el vuelo para el que han
reservado un lugar, la aerolinea vende 125 boletos para un vuelo de 120 pasajeros. La
probabilidad de que un pasajero no aborde el vuelo es 0.10 y l comportamiento de los
pasajeros es independiente.
a)Cúal es la probabilidad de que todos los pasajeros aborden el vuelo.

P (X ≥ 5) = 1 − (P (X = 0) + P (X = 1) + P (X = 2) + P (X = 3) + P (X = 3) + P (X =
4) + P (X = 5)) = 1 − (125 C0 (0,1)0 (0,9)125−0 +125 C1 (0,1)1 (0,9)125−1 +125
C2 (0,1)2 (0,9)125−2 +125 C3 (0,1)3 (0,9)125−3 +125 C4 (0,1)4 (0,9)125−4 +125 C5 (0,1)5 (0,9)125−5 )
P (X ≥ 5) = 0,9962

b)Cúal es la probabilidad de que el vuelo parta vacı́o.

P (X ≥ 6) = 1 − P (X ≤ 5)
= 1 − (125 C0 (0,1)0 (0,9)125−0 +125 C1 (0,1)1 (0,9)125−1 +125 C2 (0,1)2 (0,9)125−2 +125
C3 (0,1)3 (0,9)125−3 +125 C4 (0,1)4 (0,9)125−4 +125 C5 (0,1)5 (0,9)125−5 )
P (X ≥ 6) = 0,9886

8 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

0.7. Ejercicios sección 3-8

3.82 Suponga que X tiene una distribución hipergeometrica con N=100, n=4 y K=20. Calcular
a)P (X = 1)

20 C1 (100−20 C4−1 )
P (X = 1) =
100 C4
P (X = 1) = 0,4191

b)P (X = 6)

La probabilidad no existe ya que x exede a n

c)P (X = 4)

20 C4 (100−20 C4−4 )
P (X = 4) =
100 C4
P (X = 4) = 0,00124

3.83 Continuación del ejercicio 3.82; calcule la media y la varianza de X

k 20
p= = = 0,2
N 100
N −n 100 − 4
E(X) = np = (4)(0,2) = 0,8 V (X) = npq( ) = (4)(0,8)(0,2)( ) = 0,6206
N −1 100 − 1

3.84 Suponga que X tiene una distribución hipergeometrica con N=20, n=4, k=4; Calcular:
a)P (X = 1)

4 C1 (20−4 C4−1 )
P (X = 1) = P (X = 1) = 0,4623
20 C4

b)P (X = 4)

4 C4 (20−4 C4−4 )
P (X = 4) = P (X = 4) = 0,000206
20 C4

c)P (X ≤ 2)

P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2)
4 C0 (20−4 C4−0 ) 4 C1 (20−4 C4−1 ) 4 C2 (20−4 C4−2 )
P (X ≤ 2) = + + P (X ≤ 2) = 0,9866
20 C4 20 C4 20 C4

3.85 Continuación del ejercicio 3.84. Calcule la media y la varianza de X

k 4
p= = = 0,2
N 20
N −n 20 − 4
E(X) = np = (4)(0,2) = 0,8 V (X) = npq( ) = (4)(0,8)(0,2)( ) = 0,5384
N −1 20 − 1

Estadı́stica 9
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

0.8. Ejercicios sección 3-9

3.9.4 Suponga que X tiene una distribución Poisson con media 4. Calcule las siguientes proba-
bilidades.
Recordando la fórmula para este tipo de distribución:
eΠ × λx
P (X = 0) = x!

a) P (x = 0)
−4 0
P (X = 0) = e 0!× λ
= e14
= 0,018316

b) P (x 6 2)
e−4 × λ1 e−4 × λ2
P (x 6 2) = 0,018316 + 1!
+ 2!
= 0,238104

c) P (x = 4)
−4 4
P (x = 4) = e 4!× λ
= 0,1953

d) P (x = 8)
−4 8
P (x = 4) = e 8!× λ
= 0,02976

3.9.5 Suponga que X tiene una distribuci’on Poisson con media 0.4. Calcule las siguientes
probabilidades. Recordando la fórmula para este tipo de distribución:
eπ × λx
P (X = 0) = x!

a) P (x = 0)
−4 0
P (X = 0) = e 0!× λ
= e14
= 0,67032

b) P (x 6 2)
e−4 × λ1 e−4 × λ2
P (x 6 2) = 0,018316 + 1!
+ 2!
= 0,922074

c) P (x = 4)
−4 4
P (x = 4) = e 4!× λ
= 0,000715

d) P (x = 8)
−4 × λ8
P (x = 4) = e 8!
≈ 0

10 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

3.9.6 El número de clientes que entra en un banco en una hora es una variable aleatoria Poisson,
y que P (x = 0) = 0,05. Calcule la media y la varianza de x.
−λ 0
−λ x 0,05 = e 0!× λ
P (x = xi ) = e x!× λ
(0,05) = −λ ln(e)
P (x = 0) = 0,05
λ = 2,99573

E(x) = 2,99573

3.9.7 A menudo el número de llamadas telefónicas que llegan a un conmutador se modela como
una variable aleatoria Poisson. Suponga que en promedio se reciben 10 llamadas por hora.
a) Cuál es la probabilidad de que lleguen 5 llamadas en 1 hora.

e−λ × λx
P (x = xi ) = , λ = 10 llamadas/hora
x!
−10 5
P (x = 5) = e 5!× 10
P (x = 5) = 0,037833

b) Cuál es la probabilidad de que lleguen 3 o menos llamadas en 1 hora.

e−λ × λx
P (x = xi ) = , λ = 10 llamadas/hora
x!
−10 0 e−10 × 102 e−10 × 103
P (x 6 3) = e 0!× 10 + 2!
+ 3!
P (x 6 3) = 0,010336

c) Cuál es la probabilidad de que lleguen exactamente 15 llamadas en 2 horas.

e−λ × λx
P (x = xi ) = , n = 2 p = 10.
x!
−20
× 20 5 1
P (x = 15) = e 15!
P (x = 15) = 0,051649

d) Cuál es la probabilidad de que lleguen exactamente 5 llamadas en 30 minutos.

e−λ × λx 1
P (x = xi ) = ,n= p = 10 λ = 5.
x! 2
−5
P (x = 5) = e 5!× 5
P (x = 5) = 0,175497

3.9.7 Suponga que el número de defectos en los sellos de tela de cierta industria textiles una
variable Poisson con una media de 0,1 defectos por metro cuadrado.
a) Cuál es la probabilidad de tener 2 defectos en 1m2 de tela.

e−λ × λx
P (x = xi ) = , λ = 0,1
x!
−0,1 2
P (x = 2) = e 2!× 0,1
P (x = 2) = 4,52 × 10−3

Estadı́stica 11
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

b) Cuál es la probabilidad de tener 1 defecto en 10m2 de tela.

e−λ × λx
P (x = xi ) = , λ = n = 10 , p = 0,1
x!
−1 0
P (x = 1) = e 1!× 0
P (x = 1) = 0,3678

c) Cuál es la probabilidad de que no existan defectos en 20m2 de tela.

e−λ × λx
P (x = xi ) = , n = 20 p = 0,10 λ = n × p , λ = 2
x!
−2 0
P (x = 0) = e 0!× 2
P (x = 0) = 0,135

d) Cuál es la probabilidad de que exista al menos 2 defectos en 10m2 de tela.

e−λ × λx
P (x = xi ) = , n = 10 p = 0,1 λ = n × p , λ = 1.
x!

 
e−2 × 20 e−1 × 11
P(x> 2) = 1 − 0!
+ 1!

P (x > 2) = 1 − (0,367 + 0,367)

P (x > 2) = 0,266

0.9. Ejercicios sección 5-2

5.21 Suponga que las variables aleatorias x, y, z tienen las siguientes distribuciones de proba-
bilidad conjunta.

x y z f (x, y, z)
1 1 1 0.05
1 1 2 0.10
1 2 1 0.15
1 2 2 0.20
2 1 1 0.20
2 1 2 0.15
2 2 1 0.10
2 2 2 0.05

a) P (x = 1)

P (x = 1) = 0,05 + 0,10 + 0,15 + 0,2

P (x = 1) = 0,5

12 Estadı́stica
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

b) P (x = 1, y = 2)
P (x = 1, y = 2) = 0,15 + 0,2
P (x = 1, y = 2) = 0,35

c) P (z < 1,5)
P (z < 1,5) = 0,05 + 0,15 + 0,20 + 0,10
P (z < 1,5) = 0,5

d) P (x = 1 o z = 2)

P (x = 1 o z = 2) = 0,05 + 0,10 + 0,15 + 0,20 + 0,05 − 0,10 − 0,20

P (x = 1 o z = 2) = 0,70

e) E(x)
E (x) = 11(0,05 + 0,10 + 0,15 + 0,20) + 2(0,20 + 0,15 + 0,1 + 0,05)
E (x) = 1,5

5.22 Calcule la distribución de probabilidad condicional de X dado que: y = 1 y z = 2

P (x, y = 1 y z = 2)
P (xky = 1 y z = 2) =
P (x = 1 , z = 2)

0,10
P (xky = 1 y z = 2) = = 0,4
0,25
P (xky = 1 y z = 2) P (xky = 1 y z = 2)
=
0,10 + 0,15 0,25
0,15
P (xky = 1 y z = 2) = = 0,6
0,25
3.9.7 A menudo el número de llamadas telefónicas que llegan a un conmutador se modela como
una variable aleatoria Poisson. Suponga que en promedio se reciben 10 llamadas por hora.

a) Cuál es la probabilidad de que lleguen 5 llamadas en 1 hora.

e−λ × λx
P (x = xi ) = , λ = 10 llamadas/hora
x!
−10 5
P (x = 5) = e 5!× 10
P (x = 5) = 0,037833

b) Cuál es la probabilidad de que lleguen 3 o menos llamadas en 1 hora.

e−λ × λx
P (x = xi ) = , λ = 10 llamadas/hora
x!
−10 0 e−10 × 102 e−10 × 103
P (x 6 3) = e 0!× 10 + 2!
+ 3!
P (x 6 3) = 0,010336

Estadı́stica 13
UNIVERSIDAD DE LAS FUERZAS ARMADAS TRABAJO DE ESTADÍSTICA

c) Cuál es la probabilidad de que lleguen exactamente 15 llamadas en 2 horas.

e−λ × λx
P (x = xi ) = , n = 2 p = 10.
x!
−20
× 20 5 1
P (x = 15) = e 15!
P (x = 15) = 0,051649

d) Cuál es la probabilidad de que lleguen exactamente 5 llamadas en 30 minutos.

e−λ × λx 1
P (x = xi ) = ,n= p = 10 λ = 5.
x! 2
−5
P (x = 5) = e 5!× 5
P (x = 5) = 0,175497

5.23 Continuación del ejercicio 5.21. Determine lo siguiente

a) P (x = 1)

P (x = 1ky = 2) 0,35
P (x = 1ky = 2) = = = 0,7
P (y = 2) 0,15

b) P (x = 1, y = 1kz = 2)

P (x = 1, y = 1kz = 2) 0,10
P (x = 1, y = 1kz = 2) = = = 0,20
P (z = 2) 0,5

c) P (x = 1ky = 2, z = 2)

P (x = 1, y = 1, z = 2) 0,20
P (x = 1ky = 2, z = 2) = = = 0,80
P (y = 2, z = 2) 0,25

14 Estadı́stica
Índice general

0.1. Ejercicios sección 3-1 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2

0.2. Ejercicios sección 3-2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2
0.3. Ejercicios sección 3-3 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.4. Ejercicios sección 3-4 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4
0.5. Ejercicios sección 3-5 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6
0.6. Ejercicios sección 3-6 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 7
0.7. Ejercicios sección 3-8 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 9
0.8. Ejercicios sección 3-9 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 10
0.9. Ejercicios sección 5-2 . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 12

15