Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
De antemano damos las gracias por la acogida que se espera tener y las
disculpas por los errores que se puedan haber cometido, asegurándoles
que serán corregidas y con las sugerencias que se nos pueda dar; este
texto irá mejorando su calidad. Asimismo damos gracias a quienes han
hecho posible la publicación del presente texto.
“Los números pueden no mentir, pero las estadísticas acumuladas en
forma empírica y analizadas incompetentemente, casi con seguridad serán
desorientadoras y, cuando esta situación se vuelve crónica, a las personas
dedicadas a la Estadística bien se les puede llamar mentirosos”
E.B Wilson
Jorge
……………………………..
ºººººººººººººººººººººººººººººººº
PRIMERA EDICIÓN
------------------------------------------------------------------------------------
Huaraz- Perú
CÁLCULO DE PROBABILIDADES
M.Sc. Jorge Luis Llanos Tiznado
Impreso en el Perú Printed in Perú
Huaraz- 2018
INDICE
Página
Introducción…………………………………………………….
CAPÍTULO I
1.Probabilidad……………………………………………………
1.1.Definición de términos usados……………………………….
1.2. Operaciones con eventos…………………………………….
1.3. Algebra de eventos………………………………………….
CAPÍTULO II
2.Técnicas de conteo……………………………………………
2.1. Principio de la Adición……………………………………..
2.2. Principio de la Multiplicación……………………………….
2.3. Variaciones…………………………………………………..
2.4. Permutaciones………………………………………………..
2.5. Combinaciones………………………………………………
2.6. Binomio de Newton…………………………………………
2.7. Diagrama del Árbol…………………………………………
2.8. Problemas Resueltos…………………………………………
2.9. Problemas Propuestos……………………………………….
CAPÍTULO III
3. Definición de Probabilidad…………………………………….
3.1. Axiomas de Probabilidad…………………………………….
3.2. Teoremas de probabilidad……………………………………
3.3. Tipos de Espacio muestral…………………………………..
3,3,1. Finito………………………………………………………
3.3.2. Infinito Numerable………………………………………...
3.3.3. Infinito no numerable………………………………………
3.4. Problemas Resueltos…………………………………………
3.5. Problemas Resueltos…………………………………………
CAPITULO IV
4.- Probabilidad Condicional……………………………………..
4.1. Teorema de la Multiplicación……………………………….
4,2. Teorema de la Probabilidad Total ………………………….
4.3. Teorema de Bayes…………………………………………..
4.4. Independencia de Eventos………………………………….
4.5. Circuitos…………………………………………………….
4.6. Problemas Resueltos………………………………………..
4.7. Problemas Propuestos……………………………………….
CAPITULO V
5. Variables Aleatorias…………………………………………….
5.1. V.A. Discretas………………………………………………..
5.1.1. Función de Cuantía……………………………………….
5.1.2. Función de Distribución…………………………………..
5.1.3. Problemas Resueltos……………………………………....
5.1.4. Problemas Propuestos……………………………………..
5.2. V.A. Continuas………………………………………………
5.2.1. Función de densidad……………………………………….
5.2.2. Función de Distribución……………………………………
5.2.3. Problemas Resueltos………………………………………..
5.2.4. Problemas Propuestos……………………………………….
5.3. Medidas de Posición………………………………………….
5.3.1. Esperanza Matemática……………………………………..
5.3.2. Mediana y Moda…………………………………………..
5.4. Medidas de Dispersión……………………………………….
5.4.1. Varianza……………………………………………………
5.5.Problemas Resueltos……………………………………….
5.6. Problemas Propuestos…………………………………….
CAPITULO VI
6. V.A. Bidimensionales……………………………………………
6.1. V.A.B. Discretas………………………………………………
6.1.1. Función de Cuantía conjunta………………………………..
6,2. V.A.B. Continuas……………………………………………..
6.2.1.. Función de densidad conjunta……………………………….
6.3. Función de distribución Conjunta……………………………
6.4. Funciones marginales…………………………………………
6.5. Distribuciones condicionales…………………………………
6.7. V.A. Independientes……………………………………………
6.8. Coeficiente de Correlación…………………………………….
6.9.Teorema de Chevishev…………………………………………
6.10. Problemas Resueltos…………………………………………..
6.11. Problemas Propuestos………………………………………….
CAPÍTULO VII
7. Distribuciones de Probabilidad…………………………………..
7.1. V.A. Discretas…………………………………………………..
7.1.1. Distribución Uniforme………………………………………..
7.1.2. Distribución de Bernoulli……………………………………..
7.1.3. Distribución Binomial…………………………………………
7.1.4. Distribución Geométrica………………………………………
7.1.5. Distribución de Pascal…………………………………………
7.1.6. Distribución Hipergeométrica…………………………………..
7.1.7. Distribución de Poisson…………………………………………
7.1.8. Distribución Multinomial……………………………………….
7.1.9. Problemas propuestos……………………………………………
7.2. V.A. Continuas……………………………………………………
7.2.1. Distribución Uniforme…………………………………………..
7.2.2. Distribución Exponencial…………………………………………
7.2.3. Distribución Normal………………………………………………
7.2.3.1. Normal estandarizada…………………………………………..
7.2.3.2. Aproximación mediante la Distribución Normal……………..
A. Binomial…………………………………………………….
B. Poisson………………………………………………………
C. Hipergeométrica……………………………………………
7.2.3.3. Propiedad Reproductiva de la Distribución Normal…………
7.2.3.4. Teorema del Límite central………………………………….
*Función Gamma……………………………………………..
7.2.4. Distribución Gamma……………………………………………
7.2.5. Distribución Beta……….………………………………………
* Función Beta………………………………………………….
7.3. Ley de los Grandes Números……………………………………..
7.4. Momentos…………………………………………………………
7.5. Función Generadora de Momentos……………………………….
7.6 Problemas Propuestos……………………………………………..
CAPÍTULO VIII
8. Distribuciones Muestrales…………………………………………..
8.1. Distribución de la Media Muestral……………………………….
8.2. Distribución de la Proporción Muestral…………………………..
8.3. Distribución Chi-Cuadrado………………………………………..
8.4. Distribución T de student………………………………………….
8.5. Distribución F……………………………………………………..
8.6 Problemas propuestos………………………………………………
BIBLIOGRAFIA
TABLAS ESTADISTICAS.
CÁLCULO DE PROBABILIDADES
INTRODUCCIÓN
El vocablo probabilidad ha aprehendido en la actualidad un extenso uso
en nuestra existencia diaria, con la finalidad de cuantificar el grado de
confianza de la realización de un suceso de nuestro interés, y de acuerdo
al valor de la probabilidad se pueden tomar decisiones de vital
trascendencia; motivo por el cual el estudio de las probabilidades en la
actualidad es de mucha importancia para todo profesional.
Como dijo el matemático ruso V.S. Pugachev; cada fenómeno del mundo
que nos rodea se halla enlazado, más o menos estrechamente, con un
conjunto infinito de otros hechos; además que toda ciencia estudia sólo
un número finito de estos vínculos, de tal modo que se establecen las
regularidades fundamentales de los fenómenos, sólo como consecuencia
de las conexiones internas de los principales vínculos. En principio es
imposible llegar a conocer toda la diversidad infinita de relaciones
existentes en cualquier fenómeno dado; en consecuencia las leyes se
cumplen no con la precisión deseada, sino con ciertas desviaciones.
Las desviaciones de lo regular originadas por la infinidad de vínculos no
previstos en un fenómeno dado se llaman fenómenos aleatorios.
En consecuencia, la casualidad existe objetivamente en el contexto que
nos rodea, pues como ya se mencionó, en principio no es posible revelar
todos los nexos existentes en el fenómeno estudiado ni la multiplicidad
infinita de los otros sucesos. A medida que se va desarrollando la ciencia,
se llegan a conocer nuevas leyes; esto es, las conexiones que tiene el
fenómeno estudiado con sus distintos factores; por ello es que las
fronteras entre lo regular (Determinístico) y lo casual (Aleatorio) no
permanecen inalterables, sino que cambian a medida que crece el
conocimiento humano; lo que en una época puede ser casual o accidental,
puede hacerse regular en otra época y viceversa.
La historia del desarrollo de la ciencia pone de manifiesto y en relieve,
que muchas ramas de la ciencia, en cierta etapa de su desarrollo se ven
obligados a tener en consideración las desviaciones aleatorias con
respecto a lo regular e investigan la influencia de las mismas sobre el
curso de los procesos que se estudian.
Reiterando, al principio toda ciencia aplicada sólo estudiaba las
regularidades fundamentales de los fenómenos examinados, como
consecuencia de la imperfección y baja precisión de los instrumentos de
medida, y la poca exigencia a los resultados y en consecuencia no existía
la necesidad de estudiar las desviaciones, pero a medida que se
desarrollaron estas ramas de la ciencia, siempre surgió en cualquiera de
sus etapas, la necesidad de tener en consideración estas desviaciones
accidentales y su influencia sobre el curso de los fenómenos. A causa de
esto, toda rama aplicada de la ciencia tuvo y tiene que acudir a la Teoría
de la Probabilidad y por ende cada día, se amplían más los campos de
acción de los métodos probabilísticos y más comúnmente los métodos
estadísticos.
En la actualidad, la teoría de la probabilidad es la base fundamental de la
Estadística, puesto que desempeña un papel muy importante en cualquier
proceso de decisión. Toda persona en su qué hacer diario se enfrenta a
situaciones de incertidumbre o inciertas, en la que tiene que tomar una
decisión, por su puesto lo más conveniente posible; esta toma de
decisiones aumenta en la medida que el riesgo aumenta, así como el
cargo que ostenta; pero si conociera la magnitud de la probabilidad del
evento, el riesgo cambiaría considerablemente.
Al acelerarse el ritmo de la industria y los negocios tendientes a la
globalización; el impulso hacia las ventas son más altas, hay una mayor
eficiencia, una mayor participación en el mercado, los productos tienen
que ser más confiables, etc., en ese sentido los niveles de intensidad son
cada vez mayores; en consecuencia, se pide a las personas responsables
en todos los niveles, que tomen un mayor número de decisiones y en
menos tiempo que antes. Debido al tamaño creciente de las empresas o de
las organizaciones industriales y a la complejidad mayor del ambiente en
que funcionan, las decisiones erróneas tienen mayores probabilidades de
resultar costosas para la organización e indirectamente para la sociedad,
que en cualquier otra época anterior; agregando a este hecho, el número y
la complejidad de los factores implícitos en la toma de decisiones han
aumentado considerablemente, así como los problemas y los
subproblemas, para los cuales es preciso encontrar soluciones inmediatas.
Con esta cantidad de problemas nuevos, dentro de los cuales los
responsables tienen que tomar decisiones, muchas veces trascendentales,
por lo que estos responsable, sin lugar a dudas necesitan fuentes nuevas y
más numerosas de datos en qué basar sus decisiones; pero, estos datos
son también cada vez mayores en volumen, por lo que han tenido que
automatizarse, por la imposibilidad de manejarlos manualmente; estos
datos también han generado otro tipo de problemas a las que se han
tenido que enfrentar.
Por otro lado, para mucha gente la palabra probabilidad, se asocia por lo
común a los juegos del azar; es decir, a lo probable; sin embargo esta
asociación es natural, ya que los resultados de los juegos del azar y las
respectivas apuestas están relacionados y fundamentados en las reglas de
la probabilidad. Se sabe que las primeras investigaciones sobre las
probabilidades, se debieron a las inquietudes del caballero francés
Chevalier De Mere, quién consultó a su amigo el matemático Blaise
Pascal y este a su vez a Pierre de Fermat, para solucionar ciertos
problemas de juegos del azar. Los estudios realizados por estos
matemáticos iniciaron la teoría de las probabilidades, que posteriormente
fueron ampliados por los trabajos de Bernoulli y de La Place cuya obra
“Theorie Analytique des Probabilites”, fijó los fundamentos de esta
teoría; y otros como C.F. Gauss, De Moivre, Simeon Poisson, Adolph
Quetelet, Borel, Kolmogorov, Tchevyshev, Karl Pearson, Ronald Fisher,
Tomás Bayes, Francis Galton, William Gosset (Student), etc., fueron los
que le dieron a las probabilidades una estructura matemática y un grado
de perfeccionamiento tal, que hoy en día, puede ser aplicado en cualquier
campo del saber humano; así por ejemplo la decisión de producir y lanzar
al mercado un nuevo artículo, dependerá en gran medida de las
probabilidades favorables de la demanda de dicho artículo, dados a
conocer después del estudio de mercado; el gerente de mercadotecnia
deseará conocer las probabilidades de obtener una materia prima vital por
menos precio que el ofertado; el encargado del departamento de
ingeniería deseará saber las probabilidades de que el producto desempeñe
adecuadamente las funciones para las que fue diseñado en determinadas
condiciones y circunstancias, etc.
De lo mencionado, se puede concluir que el conocimiento de las
probabilidades es muy necesario e importante y por su puesto de la
estructura matemática que lo sustenta, para todo profesional de cualquier
rama del conocimiento humano.
CAPÍTULO I
1. PROBABILIDAD
Para definir la probabilidad en forma correcta, es necesario conocer
ciertos términos muy usados en esta rama de la Estadística, como son, los
siguientes:
Ejemplo:
- Seleccionar un conjunto de alumnos de un salón de clase.
- Escoger preguntas de un banco de preguntas.
- Contar el número de accidentes en un determinado cruce de avenidas,
los fines de semana.
- Medir la intensidad de la lluvia en una ciudad, en los días de invierno.
- Medir la temperatura en una ciudad, todos los días a las 12 m.
- Contar el número de artículos defectuosos por día de producción en una
empresa.
- Medir el tiempo de vida de un artículo electrodoméstico.
- Lanzar dos dados sobre una superficie plana y sumar los puntos que
aparecen en los lados superiores.
- Medir el tiempo de atención de un cliente en la ventanilla de un banco.
- Contar el número de palabras por página en un texto determinado, etc.
ESPACIO MUESTRAL.
Se llama espacio muestral asociado a un experimento aleatorio, al
conjunto de todos los resultados posibles de dicho experimento y se le
designará con la letra griega omega o latina S.
Donde = w, x, y,..... = w1, w2, w3,…..
Sea un experimento aleatorio y sea M el conjunto de resultados de
dicho experimento, consideraremos un conjunto y una función f,
epiyectiva, tal que:
F: M
Entonces al par ordenado ( , f) se llama espacio muestral. En
consecuencia es un conjunto tal que:
a) Todo elemento de representa (o está asociado por f a) almenos un
posible resultado de .
b) Todo resultado de tiene asociado por f uno y sólo un elemento de
.
EVENTOS INCOMPATIBLES
Se dice que dos eventos son incompatibles, si y sólo si, no pueden ocurrir
juntos; se les llama también mutuamente excluyentes, son isomormorfos
a los conjuntos disjuntos de la teoría de conjuntos.
Sean A y B eventos de , asociados a un experimento aleatorio , se dice
que A y B son eventos incompatibles, si y sólo si AB = . Es decir un
evento imposible.
Ejemplo:
1.- Sea A el evento de obtener un número par al lanzar un dado sobre una
superficie plana y sea B el evento de obtener un número impar al
lanzar el mismo dado. Por lo que:
A = 2, 4, 6 y B = 1, 3, 5, entonces AB = . En consecuencia A Y B
son incompatibles.
2.- Sea A el evento de obtener por lo menos tres artículos defectuosos en
una muestra de 5 artículos extraídos de un almacén y sea B el evento
de obtener a lo más dos artículos defectuosos en dicha muestra. En
este caso:
A = 3, 4, 5, B = 0, 1, 2, entonces AB = . Por consiguiente
los eventos A Y B son mutuamente excluyentes o incompatibles.
SUB-EVENTOS.
Dados dos eventos A y B, se dice que A es sub-evento de B, o que A está
contenido en B y se denota por A B, si todos los sucesos elementales de
A también pertenecen a B, en otras palabras si ocurre el evento A también
ocurre el evento B.
Si w A w B, ya que A B
Ejemplo:
Si el experimento aleatorio consiste en entrevistar a los clientes de un
banco hasta encontrar un moroso, y sea A el evento de entrevistar por lo
menos 20 clientes y sea B el evento de entrevistar por lo menos 10
clientes, entonces tenemos:
= 1, 2, 3,...........
A = 20, 21, 22, 23,........
B = 10, 11, 12, 13,........
Por lo tanto A B
EVENTOS COMPLEMENTARIOS.
Si A es un evento del espacio muestral , se llama complemento de A y
que lo denotaremos por Ac o A’, al evento que ocurre cuando no ocurre A,
es decir es el evento formado por todos los sucesos elementales de que
no pertenecen a A.
Ac = A’ = - A = w/ w , w A, además AAc = , AAc =
Ejemplo:
El experimento consiste en medir la temperatura del medio ambiente a las
12 m, cada día, sea A el evento que la temperatura sea inferior a los 20ºC,
entonces el evento complementario será que la temperatura leída sea de
20 o más grados centígrados, es decir:
A = T/ T< 20ºC y Ac = T/ T 20ºC
1. 2.OPERACIONES CON EVENTOS.
1.- Unión de eventos: Sean A y B dos eventos del mismo espacio
muestral , se llama A unión B, y al que lo denotaremos por “AB”, al
evento que ocurre si y sólo si ocurre A ó B ó ambos; es decir, ocurre por
lo menos uno de ellos:
AB = w / w A, ó w B
A
A B B
AB AB
Ejemplo Nº 1:
Si se entrevista a las personas que salen de un centro comercial hasta que
se entreviste a un extranjero, sea A el evento de entrevistar por lo menos
5 personas y se B el evento de entrevistar a lo más 8 personas, entonces la
unión es el evento de entrevistar al menos una persona, es decir:
A = 5, 6, 7, 8, 9,…….
B = 1, 2, 3, 4, 5, 6, 7, 8
AB = 1, 2, 3, 4, 5, 6, 7, 8, 9, 10,………..
Ejemplo Nº 2:
De una caja que contiene 5 focos de luz, de los cuales dos están
quemadas, se escogen tres focos, sea A el evento de que en la muestra
haya un foco quemado y sea B el evento de que en la muestra haya dos
focos quemados.
Sean B1, B2, B3, los focos en buen estado y Q1, Q2 los focos quemados,
entonces:
= B1 B2 B3, B1 B2 Q1, B1 B2 Q2, B1 B3 Q1, B1 B3 Q2, B2 B3 Q1, B2, B3
Q2, B1Q1 Q2, B2 Q1 Q2, B3 Q1 Q2
A = B1 B2 Q1, B1 B2 Q2, B1 B3 Q1, B1 B3 Q2, B2 B3 Q1, B2, B3 Q2
B = B1Q1 Q2, B2 Q1 Q2, B3 Q1 Q2
AB = B1 B2 Q1, B1 B2 Q2, B1 B3 Q1, B1 B3 Q2, B2 B3 Q1, B2, B3
Q2, B1Q1 Q2, B2 Q1 Q2, B3 Q1 Q2
2.- Intersección de eventos. Sean A y B dos eventos del mismo espacio
muestral , se llama intersección de A y B, y al que lo denotaremos
por “AB” ó “AB”, al evento que ocurre si y sólo si ocurren ambos
eventos juntos.
AB = w / w A y w B
AB AB
Ejemplo Nº 1:
Obtenga la intersección de los eventos definidos en los ejemplos
anteriores.
1.1. AB = 5, 6, 7, 8
1.2. AB = , pues los eventos son mutuamente excluyentes; es decir,
no tienen sucesos elementales comunes.
Ejemplo Nº 2:
Si se lanzan tres monedas similares sobre la superficie de un plano, sea A
el evento de que se obtenga a lo más dos caras y sea B el evento de que se
obtenga como mínimo una cara, en consecuencia la intersección es como
sigue:
= CCC, CCS, CSC, SCC, CSS, SCS, SSC, SSS
A = CCS, CSC, SCC, CSS, SCS, SSC, SSS
B = CCC, CCS, CSC, SCC, CSS, SCS, SSC
B
A A
B B
A-B A-B
Ejemplo:
Use los ejemplos de los casos anteriores para obtener la intersección:
1.1. A-B = 9, 10, 11, 12…
B-A = 1, 2, 3, 4
1.2. A-B = B1 B2 Q1, B1 B2 Q2, B1 B3 Q1, B1 B3 Q2, B2 B3 Q1, B2, B3
Q2 B-A = B1Q1 Q2, B2 Q1 Q2, B3 Q1 Q2
1.3. Ejemplo de las monedas:
A-B = SSS
B-A = CCC
4.- Diferencia Simétrica. Sean A y B dos eventos del mismo espacio
muestral , se llama diferencia simétrica de A y B, y al que lo
denotaremos por “A B”, al evento formado por todos los sucesos
elementales de la unión de los A y B, menos los sucesos elementales
de la intersección de dichos eventos, es decir es el evento que ocurre
cuando sucede la unión pero no la intersección..
A B = w / w (AB), w AB
= (AB) – (AB)
= (A-B) (B-A)
= (ABc) (AcB)
Ejemplo:
Use los ejemplos dados anteriormente para obtener la diferencia
simétrica:
1.1. A B = 1, 2, 3 4, 9, 10, 11,12………..
1.2. A B = B1 B2 Q1, B1 B2 Q2, B1 B3 Q1, B1 B3 Q2, B2 B3 Q1,
B2, B3 Q2, B1Q1 Q2, B2 Q1 Q2, B3 Q1 Q2
1.3. A B = CCC, SSS
1. 3. ALGEBRA DE EVENTOS
Se puede hacer uso del isomorfismo entre el álgebra de conjuntos y el
álgebra de eventos para obtener nuevos eventos, tales como:
1.- Si A1, A2, A3,……An,……… es una colección finita o infinita
numerable de eventos, entonces Ai, es el evento que ocurre si y
sólo si ocurren almenos uno de los eventos Ai.
2.- Si A1, A2, A3,……An,……es una colección finita o infinita numerable
de eventos, entonces Ai, es el evento que ocurre si y sólo si
ocurren todos los eventos Ai.
3.- Ley de idempotencia:
AA = A, A A = A
4.- Ley asociativa
(AB) C = A(B C) (AB) C = A(B C)
5.- Ley conmutativa
(AB = (BA) (AB = (BA)
6.- Ley distributiva
A(BC) = (AB) (AC) A (BC) = (AB)(AC)
7.- Ley de identidad
A = A A =
A = A = A
8.- Leyes del complemento
AAc = AAc =
(Ac)c = A c = , c =
9.- Leyes de Morgan
(AB)c = Ac Bc (AB)c = Ac Bc
n n
( Ai ) C ( A ) i
C
i 1 i 1
n n
( Ai ) C ( A ) i
C
i 1 i 1
2. 3. VARIACIONES.
Se refiere a las diferentes ordenaciones que se pueden realizar con los
elementos del espacio muestral.
Ejemplo Nº 1.
Se quiere formar números de 3 dígitos de los números disponibles: 1, 2, 3
y4
Solución:
V (4, 3) = 43 = 4 x 4 x 4 = 64 y los números son:
111, 112, 121, 211, 113, 131, 311, 114, 141, 411, 122, 212, 221,
222, 223, 232, 322, 224, 242, 422, 331, 313, 133, 332, 323, 233,
333, 334, 343, 433, 444, 443, 434, 344, 442, 424, 244, 441, 414,
144, 123, 132, 213, 231, 312, 321, 124, 142, 214, 241, 412, 421,
134, 143, 314, 341, 413, 431, 234, 243, 324, 243, 423, 432.
Ejemplo Nº 2.
Enumere el conjunto de palabras de dos letras que se pueden formar con
un conjunto de 4 letras que son: a, b, c, d.
Solución: V (4, 2) = 42 = 4 x 4 = 16 y las palabras son.
aa, ab, ba, ac, ca, ad, da, bb, bc, cb, bd, db, cc, cd, dc, dd
2. 3.2. VARIACIONES SIN REPETICIÓN.
Dado un conjunto de n elementos distintos, se llama variación sin
repetición de r elementos escogidos de un conjunto de n elementos,
tomados de r en r, a toda disposición ordenada, si entre los r elementos no
hay ninguno repetido. El número de variaciones sin repetición es:
n n!
V r
V ( n, r )
(n r )!
n( n 1)(n 2).....( n r 1)
Ejemplo Nº 1.
Obtenga números de tres cifras de los dígitos: 1, 2, 3 y 4, de tal manera
que ninguno se repita.
Solución: V (4,3) = 4! / (4-3)! = 4! / 1! = 4! = 24
123, 132, 213, 231, 312, 321,
124, 142, 214, 241, 412, 421,
134, 143, 314, 341, 413, 431,
234, 243, 324, 243, 423, 432.
Ejemplo Nº 2.
Obtenga palabras de dos letras diferentes, de un conjunto de las cuatro
letras: a, b, c, d.
Solución: V (4,2) = 4! / (4-2)! = 4! / 2! = 4 x 3 = 12
ab, ba, ac, ca, ad, da, bc, cb, bd, db, cd, dc.
2. 4. PERMUTACIONES.
Es una disposición ordenada de todos los elementos del conjunto; es
decir, todos contra todos.
Ejemplo Nº 2.
Obtenga el conjunto de palabras de cuatro letras diferentes que se pueden
formar con las letras: a, b, c, d.
Solución: P4 = 4! = 24, las palabras son:
abad, abdc, acbd, acdb, adbc, adcb,
bacd, badc, bcad, bcda, bdac, bdca,
cabd, cadb, cbad, cbda, cdab, cdba,
dabc, dacb, dbac, dbca, dcab, dcbc.
9
En primer lugar hay
36 formas d e escoger los dos artículos para A1,
2
7
luego quedan 7 artículos, por lo que habrá
35 formas de escoger los
3
tres artículos para A2 y por último quedan 4 artículos que corresponden a
9 7 4 ! 9
los cuatro artículos del tercer conjunto A3; es decir hay:
1260 formas
2347!. 0 23!.4
Un caso particular puede ser: A1 = 1, 2; A2 = 3, 4, 5; A3 = 6, 7, 8, 9
n n n!
Crr(nr !.r!)
n n
Cr r Se llama una combinación de n elementos tomados de r en r.
Ejemplo Nº 1.
Cuántos comités de tres miembros se pueden elegir de un conjunto de
ocho personas disponibles.
Solución. Puesto que los comités serán conjuntos de personas y sólo será
diferente uno del otro, si y sólo si alguno de sus miembros es diferente de
los otros, el número de comités es el siguiente:
8 8!
56 comités diferentes.
3 5!.3!
Ejemplo Nº 2.
Si un conjunto de 4 personas están identificadas por los números: 1, 2, 3
y 4, se quiere formar comités de 4, 3, 2 y 1 persona respectivamente,
¿cuántos comités se pueden formar? Y ¿cuáles son?
Solución. n = 4
4
i) Si r = 4, entonces
1 y es 1234
4
4
ii) Si r = 3, entonces
4 y son: 123, 134, 124, 234
3
4
iii) Si r = 2, entonces
6 y son: 12,13,14,23,24,34
2
4
iv) Si r = 1, entonces
4 y son 1, 2, 3 y 4
1
Ejemplo Nº 3.
Si un conjunto está formado por las letras: a, b, c, d, e, ¿cuántos grupos
de 3 y 2 letras cada uno se puede formar?
Solución: n = 5
5
i) Si r = 3, entonces 10 y son los siguientes:
3
abc, abd, abe, acd, ace, ade, bcd, bce, bde, cde.
5
ii) Si r = 2, entonces 10 y son los siguientes:
2
ab, ac, ad, ae, bc, bd, be, cd, ce, de.
n rn 1 ( rn 1)!
Cr
r ( !.rrn !)
Ejemplo Nº 1.
Cuántos grupos de 3 elementos se pueden formar de un conjunto de 8
elementos, si se permite que cada grupo pueda tener elementos repetidos.
Solución:
n = 8, r = 3
8 831 10 10!
C3 120 comités diferentes.
3 3 7!.3
Ejemplo Nº 2.
Si un conjunto de 4 personas estuvieran identificadas con los números 1,
2, 3 y 4, ¿de cuántas formas se pueden elegir a los miembros de un
comité formado por tres y dos personas respectivamente?
Solución:
i) n = 4, r = 3
4 4 3 1 6
C3 20 formas y son los siguientes:
3 3
111, 122, 134, 224, 333,
112, 123, 144, 233, 334,
113, 124, 222, 234, 344,
114, 133, 223, 244, 444.
ii) n = 4, r = 2
4 421 5
C2 10 formas y son los siguientes:
2 2
11, 12, 13, 14, 22, 23, 24, 33, 34, 44
Ejemplo Nº 3.
Si los integrantes de un conjunto de personas están identificados con las
letras: a, b, c, d, e; se quiere formar grupos de tres y dos integrantes
respectivamente, pudiéndose repetir sus integrantes en cada grupo, ¿de
cuantas formas se pueden formar?
Solución:
i) n = 5, r = 3
5 531 7
C3 35 formas y son los siguientes:
3 3
aaa, aab, aac, aad, aae, abb, abc, abd, abe, acc, acd, ace, add,
ade, aee, bbb, bbd, bbc, bbe, bcc, bcd, bce, bdd, bde, bee, ccc,
ccd, cce, cdd, cde, cee, ddd, dde, dee, eee.
ii) n = 5, r = 2
5 521 6
C2 15 formas y son los siguientes:
2 3
aa, ab, ac, ad, ae, bb, bc, bd, be, cc, cd, ce, dd, de, ee.
2. 6. BINOMIO DE NEWTON. Un binomio es toda expresión formada
por la suma de dos términos elevados a un determinado exponente, este
binomio lo podemos expresar junto con su desarrollo como sigue:
n
n kn k
( a b) n
ba
k 0 k
nn1 n2 n1n
=
ab .
01 2 n1
(a + b)0 = 1
(a + b)1 = a + b
(a + b)2 = a2 + 2ab + b2
(a + b)3 = a3 + 3ª2b + 3ba2 + b3
(a + b)4 = a4 + 4ª3b + 6ª2b2 + 4ab3 + b4
(a + b)5 = a5 + 5ª4b + 10ª3b2 + 10ª2b3 + 5ab4 + b5
...........................
Al desarrollar el binomio (a + b)n se deben observar las siguientes
propiedades:
1.- Hay n+1 términos.
2.- La suma de los exponentes de “a” y “b” en cada término es igual a n.
3.- Los exponentes de “a” decrecen una unidad desde n hasta cero, los
exponentes de “b” crecen similarmente de cero a n.
n
4.- Los coeficientes de cada término es igual a
donde k varía de
cero a n.
k
5.- Los coeficientes de los términos pueden obtenerse también usando el
Triángulo de Pascal, que se forma colocando uno a los extremos y los
enteros interiores son las sumas de los dos números que se encuentran
directamente encima de él.
1
1 1
1 2 1
1 3 3 1
1 41 6 4
1 5 10 10 5 1
………………………………….
Ejemplo Nº 1.
Desarrolle el siguiente binomio (2X – 3Y)6
Solución:
6 6 5 6 24 6 33 6 42 6 6
(2x – 3y)6 =
0
(2x)6 +
(2x)3y(2x)3y +
(2x)3y(2x)3y5(2x( y)3) 6(3y)
5 6
n n
n nk k
(p q) 1 p q Esta expresión corresponde a la Distribución
k 0 k
Binomial
2. 7. DIAGRAMA DEL ARBOL.
Es un diagrama de semirrectas que se usa para enumerar los resultados
posibles de una serie de procedimientos, en el que cada procedimiento
puede suceder en un número finito de maneras, a cada una de estas
maneras se les conoce como las ramas del árbol.
Ejemplo Nº 1.
Hallar el número de maneras del conjunto producto A x B, donde: A = a,
b, c y B = 1, 2, 3
Solución:
A x B = a1, a2, a3, b1, b2, b3, c1, c2, c3
1 a1
a 2 a2
3 a3
1 b1
0 b 2 b2
3 b3
1 c1
c 2 c2
3 c3
Ejemplo Nº 2.
Dos equipos juegan un torneo de basketball, el primer equipo que gane
dos juegos seguidos o que complete tres victorias gana el torneo, ¿de
cuántas maneras puede terminar el torneo?
Solución:
AA, ABB, ABAA, ABABA, ABABB, BB, BAA, BABB, BABAA,
BABAB, los 10 puntos finales corresponden a la finalización del torneo.
A A
A A
A
B B
B
B
A A
A A
B
B B
B B
2. 8. PROBLEMAS RESUELTOS:
1.- Sean U = x / 0 x 300, x R
A = x / 50 x 100, x R
B = x / 0 x 200, x R
C = x / 150 x 250, x R
Hallar: i) (ABC), ii) (AB) c, iii) (A C), iv) (Bc – Cc)
Solución:
i) AB = A, AC = ABC =
ii) AB = B (AB)c = Bc = x / 20 0 x 300, x R
iii) AC = x / 50 x 100 ó 150 x 250, x R AC =
(A C) = AC = x / 50 x 100 ó 150 x 250, x R
iv) (Bc – Cc) = Bc C = C – B = x / 20 0 x 250, x R.
2.- Sean U = x / 0 x 2, x R
A = x / ½ x 3/2, x R
B = x / 0 x 1, x R
C = x / ¼ x 7/4, x R
Hallar: a) A – C, b) BC, c) Ac B, d) Bc - Cc
Solución:
a) A – C =
b) BC = x / ¼ x 1, x R
c) Ac = x / 0 x ½ ó 3/2 x 2, x R
Ac B = x / 0 x 1 ó 3/2 x 2, x R
d) Bc - Cc = C – B = x / 1 x 7/4, x R
Solución:
a) (AB) (ABc) = A(BBc) = AU = A
b) (B) (UA) = ()(A) = A
c) (A – B) B = (ABc) B = (AB) (BcB) = AU = A
d) (A – B) B = (ABc) B = A(BcB) = A =
e) A(B – A) = A(BAc) = (AB) (AAc) = BU = B
f) (AB) (AC) = (AB) (AC) - (AB) (AC)
= A(BC) - (A(BC)
= A(B C)- (B C)
= A(B C)
6.- De la ciudad A a la ciudad B hay 6 caminos diferentes, y de la ciudad
B a la ciudad C hay 4 caminos diferentes.
a) ¿De cuántas maneras se puede ir de la ciudad A a la ciudad C
pasando por B?
b) ¿De cuántas maneras se puede hacer el viaje de ida y vuelta de la
ciudad A a la misma pasando por B y por C?
c) ¿De cuántas maneras se puede hacer el viaje de ida y vuelta de la
ciudad A a la misma pasando por B y por C, pero sin usar el mismo
camino mas de una vez?
Solución:
a) 6 x 4 = 24 formas diferentes.
b) 6 x 4 x 4 x 6 = 576 formas diferentes.
c) 6 x 4 x 3 x 5 = 360 formas diferentes.
7.- ¿Cuántas placas para automóvil se pueden hacer, sí cada placa debe
constar de 2 letras diferentes seguido de tres dígitos diferentes?,
resolver además si las letras y los dígitos se pueden repetir.
Solución:
i) Existen 30 letras del alfabeto español, de los cuales hay 3 letras
dobles que son: ch, ll y rr, pero se incluye el w, por lo tanto quedan
27 letras y 10 dígitos disponibles, entonces se tiene: 27 x 26 x 10 x 9
x 8 = 505 440 formas diferentes.
ii) En este caso (con repetición) se tiene 27 x 27 x 10 x 10 x 10 728
000 formas diferentes.
Solución:
3 4
a)
4!32palbrsdifents.
2
6
b)
4x3!480palbrasdifernts
3
9.- Considere todos los números enteros de 3 dígitos diferentes (no
considere al cero como primer dígito), ¿cuántos de estos números
son:
a) mayores que 700?
b) impares?
c) pares?
d) divisibles por 5?
Solución:
a) 3 x 9 x 8 = 216 números.
b) 8 x 8 x 5 = 320 números impares.
9 x 8 x 1 = 72 terminan en cero
8 x 8 x 4 = 256 terminan en los 4 números pares restantes.
En total hay: 72 + 256 = 328 números pares.
También se puede obtener por diferencia, pues hay 9 x 9 x 8 = 648
números diferentes de tres cifras, si hay 320 impares entonces 648 –
320 = 328 pares.
c) 9 x 8 x 1 = 72 números terminan en cero,
8 x 8 x 1 = 64 números terminan en cinco,
Entonces hay 72 + 64 = 136 números divisibles por cinco.
Solución:
a) Hay 8! / (4!.4!) = 70 formas diferentes. Es una repartición de 8 en
dos grupos de 4 cada uno.
b) Sólo hay dos formas que son: VFVFVFVF ó FVFVFVFV.
5
a)
10subconju tos.
3
b) 25 = 32 subconjuntos.
Solución:
a) Hay 4 x 3 x 2 x 1 = 4! = 24 formas diferentes.
b) Hay dos casos:
i) Si dos escogen un mismo hotel y los otros dos escogen también el
mismo hotel pero diferente a los primeros, entonces hay 3 formas de
repartir 4 personas en grupos de dos cada uno, luego hay 4 formas de
que el primer par escoja un hotel y 3 formas de que el segundo par
escoja otro hotel, entonces hay 3 x 4 x 3 = 36 formas.
ii) Dos escogen un mismo hotel, pero los otros dos restantes hoteles
diferentes, entonces hay 6 formas de repartir 4 personas en tres
grupos uno de dos y los otros uno cada uno, luego hay 4 formas de
que la pareja escoja su hotel, 3 formas de que escoja el primer
individual y dos formas de que escoja el segundo individual, por lo
tanto hay 6 x 4 x 3 x 2 = 144 formas.
Finalmente, se concluye que hay 36 + 144 = 180 formas de escoger
el hotel.
16.- De 7 economistas y 8 estadísticos, se escogen 6 profesionales para
formar un grupo de trabajo, ¿de cuántas formas se podrá escoger si:
a) el grupo debe estar formado por dos economistas?
b) en el grupo deben estar dos de los economistas y dos de los
estadísticos más destacados?
Solución:
7 8
a) Como no interesa el orden se usa combinaciones:
1470formas.
24
b) Los dos economistas y los dos estadísticos no se escogen, pero
faltarían dos profesionales, los cuales se escogen de los 5 economistas
y 6 estadísticos que quedan, pero hay 3 casos diferentes de
escogerlos para completar el grupo:
5
- Dos economistas, hay 10formas
2
5 6
- Un economista y un estadístico, hay
5x6 0formas.3
1
6
- Dos estadísticos, hay
15 formas.
2
Por lo tanto, hay 10 + 30 + 15 = 55 formas de escogerlos.
17.- Un embarque de 10 receptores de TV, contiene 3 receptores con
defectos, ¿de cuántas puede comprar un distribuidor 4 receptores y
recibir al menos dos defectuosos?
Solución:
Como no interesa el orden se usa combinaciones:
7 3
21x37 0 formas
2 13
18.- Un contratista desea construir 5 casas, todas de diferente diseño, ¿de
cuántas maneras puede ubicar las casas en una calle, si 3 lotes se
encuentran en lado de la calle y 2 al lado opuesto?
Solución:
5
3!2 5! 120 formas
2
19.- Un vendedor de bienes raíces, tiene 6 llaves diferentes, de los cuales
2 pueden abrir una determinada puerta, a la cual desea abrir, ¿de
cuántas maneras puede abrir la puerta exactamente en el tercer
intento?
Solución:
Se supone que no conoce las llaves, entonces ira probando uno por
uno y separando la llave probada, luego hay 4 posibilidades de no
abrir en primer intento, 3 posibilidades de abrir en el segundo intento
y dos posibilidades de abrir en el tercer intento, en consecuencia hay
4 x 3 x 2 = 24 maneras de abrir en el tercer intento.
20.- Un restaurante tiene un menú compuesto por 6 entradas, 4 sopas, 5
segundos y 3 bebidas diferentes, ¿cuántos almuerzos diferentes,
compuesto por una entrada, una sopa, un segundo y una bebida
puede ofrecer?
Solución:
se usa el principio de la multiplicación, es decir hay 6 x 4 x 5 x 3 =
360 formas diferentes.
21.- Un estudiante tiene 7 libros diferentes que quiere colocar en un
estante, sin embargo en este estante caben sólo 4 libros, ¿de cuántas
formas puede colocar sus libros tiene el estudiante?
Solución:
se usa las variaciones sin repetición de 7 con 4,
7
V 4
= 7 x 6 x 5 x 4 = 840 formas.
24- En una habitación hay 4 personas, ¿de cuántas formas se les puede
evacuar de la habitación en un momento dado, si la habitación tiene
4 puertas?
Solución:
Es una variación con repetición, es decir: V (4,4) = 4 4 = 4 x 4 x 4 x 4
= 256 formas.
25.- Si un electrón se puede colocar en cualquiera de los vértices de un
poliedro, ¿de cuántas formas lo pueden hacer 4 electrones (uno en
cada vértice) si el poliedros es un: a) cubo?, b) octaedro?
Solución:
a) 8 x 7 x 6 x 5 = 1680 formas.
b) 6 x 5 x 4 x 3 = 360 formas.
26.- Suponga que hay 5 cartas, que deben ser introducidos en 5 sobres
diferentes con las respectivas direcciones, ¿de cuántas formas lo
puede hacer una persona, si no se fija de a quien corresponde las
cartas?
Solución:
Corresponde a un problema de permutaciones sin repetición, es decir
hay 5! = 120 formas diferentes de hacerlo.
27.- Un club tiene 8 miembros igualmente elegibles, ¿de cuántas maneras
se puede elegir una junta directiva compuesta por un presidente, un
vice presidente y un secretario?
Solución:
Es un problema de variaciones sin repetición de 8 tomados de tres en
tres, o principio de la multiplicación con tres instancias seguidas
diferentes, es decir: hay 8 x 7 x 6 = 336 formas de elegir.
28.- Una liga de fútbol está formada por 8 clubes (equipos), ¿cuántos
encuentros serán necesarios para realizar un campeonato, si cada
equipo debe jugar con cada uno de los demás equipos una vez como
local?
Solución:
Habrá 14 fechas y 4 partidos por cada fecha; por lo tanto, habrán:
14 x 4 = 56 partidos en total.
29.- Si hay 10 equipos en una liga de basketball, ¿de cuántas formas
puede quedar la tabla de posiciones después de que termine el
campeonato? Y de ¿cuántas formas, si los equipos A o B quedan
como campeón?
Solución:
a) Habrá 10! = 3 628 800 formas.
b) Habrá 2 x 9! = 725 760 formas.
Solución:
A = Dirección hidráulica…..23
B = Cambios automáticos….27 A B B
C = Radio…………………..20
9
ABC………………….. 7 3
ABCc…………………. 3 15
AcBC…………………. 2 7
4
2
ABcC…………………. 4
C
a) 9 + 15 + 7 = 31 automóviles. 7
3 C
b) n(ABC) = 47, n() = 50
47 – 31 = 16 automóviles.
Solución:
a) n(ABC) = 285 personas.
Pues el 95% de las personas leen almenos uno de los periódicos
B B
300 x 0,95 = 285
A
7%
5% C
1 2 3 4
37.- ¿cuántas señales diferentes se pueden hacer con 10 banderas
colocadas en línea vertical, si 4 son rojas, 4 son azules y 2 son
verdes?
Solución:
10!
Hay = 3150 señales.
4!.4!.2!
38.- Hallar todas las palabras que se pueden formar con las letras de cada
una de las siguientes palabras: gorro, susurros, sensaciones, Porfirio
y matemática.
Solución:
Son permutaciones con repetición:
5!
gorro 30 palabras.
2!.2!.1!
8!
susurros 1 680 palabras.
3!.2!.2!.1!.
sensaciones
11!
1 663 200 palabras.
2!.3!.2!.1!.1!.1!.1!
8!
Porfirio 5 040 palabras.
2!.2!.2!.1!.1!
10!
matemática 151 200 palabras.
2!.3!.2!.1!.1!.1!
39.- Una canoa tiene 8 tripulantes, 4 civiles y 4 militares, ¿de cuántas
maneras puede disponerse a los tripulantes a lo largo de la canoa si:
a) no hay restricción alguna?
b) cada grupo se sientan juntos?
Solución:
a) 8! = 40 320 maneras. Es una permutación sin repetición.
b) 2 x 4! x 4! = 1 152 maneras.
Solución:
Hay 7 x 6 x 5 x 4 = 840 palabras diferentes con 4 letras.
a) 5 x 4 x 3 x 2 = 120 palabras.
b) 5 x 5 x 4 x 4 = 400 palabras.
c) 2 x 6 x 5 x 4 = 240 palabras.
d) 4 x 6 x 5 x 4 = 480 palabras.
e) 1 x 5 x 4 x 2 = 40 palabras.
f) 1 x 3 x 5 x 4 = 60 palabras.
g) 4 x 3 x 5 x 4 = 240 formas
Solución:
a) – No asisten los 3, entonces quedan 7 aptos para asistir, por lo que
7
se escogerán 5 de los 7, entonces hay:
21maneras.
5
- Asisten 2 de los 3, hay 3 formas de escoger 2 de los 3, luego se
7
debe escoge 3 de los 7 restantes, luego hay: 3
105maneras.
3
7
- Asiste uno de los tres, entonces hay: 3
105maneras.
4
En consecuencia en total hay: 21 + 105 + 105 = 231 maneras.
7
b) – Asisten los 3 juntos, luego hay:
21maneras.
2
7
-No asisten los 3, entonces hay:
21maneras.
5
Por lo tanto, hay 21 + 21 = 42 maneras de escogerlos.
n n11
42.- Demuestre que:
r r 1
Solución:
n
=
r
43.- De un conjunto de 10 libros de contabilidad en los cuales hay 6 de
actividades estatales y 4 de actividades privadas, se selecciona en
forma aleatoria 4 libros con fines de auditoría, ¿cuántos de ellos
contendrán:
a) 2 libros de actividades estatales exactamente?
b) almenos uno que no sea de actividad estatal?
c) ninguno de actividad privada?
Solución:
6 4
a)
90 de ellos
2
64
b)
195delos.
6 4
c)
5de los.1
40
44.- De un conjunto de 8 consonantes simples y 5 vocales diferentes se
quieren formar palabras de 3 consonantes y 2 vocales diferentes,
estos es, palabras de 5 letras.
a) ¿Cuántas palabras se pueden formar?
b) ¿Cuántas de estas palabras comienzan con consonante y terminan
en vocal?
Solución:
Hay 13 x 12 x 11 x 10 x 9 = 154 440 palabras de 5 letras sin
considerar el número de consonantes ni vocales tienen.
8 5
a)
5!670palbrs.2
32
7 4
b) 8
3!5206palbrs.1
21
45.- Para qué valor de n se cumplen las siguientes igualdades:
n 1 n
a)
V 3
V 4
n 1 n
b)
3 7
3 2
Solución:
( n 1)! n!
a)
(n 2)! (n 4)!
(n 1) n! n!
( n 2)( n 3)(n 4)! (n 4)!
(n+1) = (n-2)(n-3)
(n+1) = n2 -5n + 6
n2 – 6n + 5 = 0
(n-5)(n-1) = 0
n = 5, n=1 no es congruente con la igualdad, pues n r
3( n 1)! 7 n!
b)
3!( n 2)! 2!( n 2)!
3(n 1)n! 7 n!
6(n 2)! 2(n 2)!
n+1= 7 n = 6
46.- En un edificio de 16 pisos entran al ascensor en el primer piso 5
personas y cada uno baja a partir del segundo piso, ¿de cuantas
formas estas personas pueden bajar:
a) en cualquier piso?
b) en cualquier piso pero en pisos diferentes?
Solución:
a) 15 x 15 x 15 x 15 x 15 = 759 375 formas.
b) 15 x 14 x 13 x 12 x 11 = 360 360 formas.
47.- Una caja tiene 8 artículos de etiqueta roja, 6 de etiqueta verde y 4 de
etiqueta azul. Si se escogen 3 artículos al azar, ¿cuántas de ellas
contienen uno de cada color?
Solución:
8 6 4
8x64192
1
48.- Ocho personas hacen cola en la ventanilla de un banco, ¿de cuántas
maneras diferentes pueden hacer la cola:
a) si el más alto está en el primer lugar?
b) si el más alto y el más bajo están los extremos?
c) si el más alto y el mas bajo están juntos?
Solución:
Hay 8! = 40 320 formas de hacer la cola si no hay restricción alguna.
a) Hay 7! = 5 040 formas.
b) Hay 2 x 6! = 1 440 formas.
c) Hay 2 x 7! = 10 080 formas.
5
5 5
2 131 sumas
k1k
50.- Un estudiante debe contestar 6 de 10 preguntas correctamente para
aprobar el examen, ¿de cuántas formas diferentes puede escoger los
seis:
a) sin ninguna restricción?
b) si las primeras son obligatorias?
c) si debe contestar 3 de las 5 primeras?
Solución:
10
a)
C = 210 formas.
6
8
b)
C = 70 formas.4
5 5
c)
C C = 100 formas.
3 3
2. 9. PROBLEMAS PROPUESTOS
1.- a) ¿De cuántas formas se pueden hacer cola 5 personas para llamar
por teléfono en una cabina?
b) ¿De cuántas formas, si dos personas no pueden esta juntos?
Rpta. a) 120, b) 72
2.- ¿De cuántas formas se puede contestar un examen que tiene 5
preguntas con 3 alternativas cada uno, de los cuales sólo una es
correcta?
Rpta. 243
6.- ¿De cuántas formas se puede alinear en línea recta 4 álamos, 3 cedros
y 2 pinos, si de la misma especie no se distinguen?
Rpta. 1260
10.- En una pequeña clase de biología cada uno de los 4 estudiantes debe
escribir un informe sobre una de las 8 prácticas de campo. ¿De
cuántas diferentes pueden elegir una de las prácticas si:
a) dos estudiantes cualquiera no pueden escoger la misma práctica?
b) no hay restricción sobre su elección?
Rpta. a) 1 680 b) 4 096
11.- Si participan 9 autos en una carrera, ¿de cuántas formas diferentes
pueden ocupar el 1er., 2do. y 3er lugar?
Rpta. 504
13.- En una caja hay dos tarros de leche fresca confundidas con dos tarros
de leche cuya fecha de vencimiento ha caducado, los tarros escogen
uno por uno para ver su fecha de vencimiento y se escogen hasta
encontrar el segundo tarro de leche fresca, ¿de cuántas formas se
puede realizar este proceso?
Rpta. 6
16.- Una caja con 12 baterías para radio contiene 2 usados, ¿de cuántas
formas diferentes un inspector puede elegir 3 baterías y:
a) obtener las 2 usadas?
b) no obtener baterías usadas?
Rpta. a) 10, b) 120
17.- Una tienda de artículos electrodomésticos posee en existencia 8 tipos
de refrigeradoras, 6 tipos de de lavadoras y 5 tipos de hornos
eléctricos, ¿de cuántas formas diferentes se pueden elegir 6 artículos
para una promoción de ventas con descuentos, si debe tener 2
artículos de cada clase?
Rpta. 4200
18.- Se tiene un conjunto de 5 fichas etiquetadas con los números 1, 2, 3,
4 y 5 ; haga una lista de todos los números posibles que se puede
formar con: a) 2 dígitos, b) 3 dígitos, c) 4 dígitos.
Rpta. a) 20, b) 60, c) 120
19.- Defina cada uno de los siguientes conjuntos haciendo una lista de sus
elementos:
a) cantidades diferentes de dinero que se pueden formar con una
moneda de 5, 10, 50 y 100 soles.
b) arreglos posibles de 5 signos (3 positivos y 2 negativos) en forma
secuencial.
Rpta. a) 15, b) 10
20.- De 150 soldados que participaron en una cruenta batalla, 80
perdieron un ojo, 70 perdieron un brazo y 20 quedaron ilesos.
¿Cuántos soldados perdieron a la vez un ojo y un brazo?
Rpta. 20 soldados.
35.- Una pulga está en el origen del plano cartesiano mirando el eje de las
y, da un salto de una unidad a la izquierda o a la derecha (en el eje de
las x), se detiene después de 5 saltos ó si llega a +3 ó a -2. Construya
un diagrama del árbol para determinar el número de trayectorias.
Rpta. 20
46.- Hay 12 fichas numeradas en una urna, ¿de cuántas maneras puede
extraerse 3 fichas a la vez de la urna, 4 veces sucesivas y sin
reposición hasta extraer la s 3 últimas fichas?
Rpta. 369600
CAPÍTULO III
3. DEFINICIÓN DE PROBABILIDAD
En la definición de probabilidad, como en muchas otras disciplinas los
autores discrepan, en este texto se mencionarán todas las necesarias para
una mejor comprensión y uso.
A.- Objetiva: dice que la probabilidad de un evento se puede cuantificar
con un valor determinado y pueden ser de dos formas:
Ejemplo:
En un almacén hay 20 artículos, de los cuales 12 son de existencia
antigua. Si se escoge una muestra aleatoria de de dos artículos, ¿cuál es la
probabilidad de que:
a) los dos sean artículo nuevos?
b) almenos uno sea de existencia antigua?
c) ninguno sea nuevo?
d) Haya uno de cada tipo?
Solución:
n() = número de casos posibles del espacio muestral
= (20x19)/2 = 190
a) n(A) = número de casos favorables al evento A
= (8x7)/2 = 28
P(A) = 28 / 190 = 0,147
b)n(B) = 12x8 + (12x11/2) = 162
P(B) = 162 / 190 = 0,853
c) n(C) = (12x11/2) = 66
P(C) = 66 / 190 = 0,347
d)n(D) = 12x8 = 96
P(D) = 96 / 190 = 0,505
A.2.Frecuencial (a posteriori)
Se le conoce como a posteriori porque el valor de la probabilidad del
evento se obtiene después de realizar el experimento. Los teóricos de este
enfoque afirman que el único procedimiento válido para determinar la
probabilidad de un evento es por experimentos repetitivos y la definen de
la siguiente manera; si un experimento aleatorio perfectamente definido
se repite n veces, que frecuentemente se llama n ensayos o pruebas, si el
número de veces que el evento A ocurre es designada por X; a la
proporción (frecuencia relativa) de veces que ocurre el evento A, se le
llama probabilidad de que ocurra el evento A, es decir:
X
P(A) =
n
Además, la estimación exacta de la probabilidad de un evento A es la
razón resultante del límite de la expresión (X/n) cuando n tiende hacia el
infinito, esto es:
lim
P(A) = P (X/n)
n
En contraste con la definición clásica, la definición por frecuencia
relativa de la probabilidad de un evento, no requiere que los resultados
sean mutuamente excluyentes, que se conozcan todos los resultados
posibles, y que cada resultado sea igualmente probable, pero sí se
requiere que se haga el experimento físico, por lo tanto las probabilidades
se cuantifican después del experimento.
Ejemplo.
Si se tiene una moneda bien confeccionada y esta se lanza 100 veces
sobre una superficie plana, y se cuenta que aparecen 56 caras y 44 sellos,
entonces la probabilidad de que salga cara es igual a 0,56; pero sabemos
que la probabilidad de que salga cara de una moneda bien hecha es de
0,5; por lo que este valor se obtendrá en la medida que se lancen muchos
más veces la moneda.
B.- Subjetiva.
En muchas situaciones únicas o en que las definiciones anteriores no se
pueden aplicar, los teóricos consideran que la probabilidad de un evento
es una medida de confianza personal en una proporción particular y se
asignan a los distintos eventos valores o pesos ponderados que sumados
den la unidad.
La definición es como sigue: dado un experimento aleatorio determinado,
una situación o un hecho, la probabilidad de un evento es el grado de
creencia asignado a la ocurrencia de este evento por un individuo
particular, en base a las evidencias que posee sobre este hecho, de tal
manera que otro individuo puede dar al mismo hecho o evento un peso
diferente; con la única exigencia de que el valor debe cumplir con los
axiomas de la probabilidad. Las probabilidades subjetivas son las que las
personas usan a diario en su vida rutinaria e incluso es tema de
conversación.
Ejemplo.
a) ¿Cuál es la probabilidad de que haya vida en Marte?
b)¿Cuál es la probabilidad de que haya un terremoto en una ciudad
determinada?
c) ¿Cuál es la probabilidad de que un determinado equipo gane el
encuentro a realizarse?
d)¿Cuál es la probabilidad de que suba un10% las acciones de una
empresa en la bolsa de valores?
e) ¿Cuál es la probabilidad de que me quiera mi amiga?, etc.
Definición.
Sea un conjunto no vacío, cuyos elementos son los sucesos elementales
o los casos posibles del experimento aleatorio y sea A una familia de
subconjuntos de , diremos que A es un Álgebra, sí verifica las
siguientes condiciones:
1.- A
2.- Sí A A entonces Ac A
3.- Sí A y B son A entonces AB A
Si la condición 3 es sustituida por,
3ª.- Para toda sucesión numerable A1, A2, A3,……An,………de eventos de
A , su reunión pertenece a A , es decir también es un evento de A (
eventos.
Ejemplo.-
Sea un conjunto de resultados posibles al lanzar un dado sobre una
superficie plana, diga cuáles de las siguientes clases de conjuntos son
álgebras.
a) A1 = ,
b) A2 = , , 1, 3, 5,2, 4, 6
c) A3 = 1, 2, 3,4, 5, 6
d) A4 = 2 = P ()
Solución.
a) Si es un álgebra, pues A 1, c = A 1, = A 1
b) Si es un álgebra, pues A 2, A = 1, 3, 5 B =Ac = 2, 4, 6 A
2, y A B = A 2
c) No es un álgebra, pues A = 1 A3 pero Ac = 2, 3, 4, 5, 6 A 3
d) Si es un álgebra, pues P () contiene todos los subeventos de
C.- Axiomática.
Sea un espacio muestral asociado a un experimento aleatorio , la
probabilidad P, es una función que asigna a cada evento A (A P ()), un
número real P(A) 0,1, llamado probabilidad del evento A, si cumple
los axiomas: Ax.1, Ax.2 y Ax.3.
3.1. AXIOMAS DE PROBABILIDAD:
Los axiomas en las que se basa la estructura de la teoría de la
probabilidad son los siguientes:
Ax.1. La probabilidad de un evento existe y está restringido a la amplitud
cero a uno inclusive, esto es:
0 P(A) 1
Por lo tanto, la probabilidad de un evento es un número real positivo,
cuyo límite inferior es cero y cuyo límite superior es uno.
Ax.2. La probabilidad del espacio muestral o del evento seguro es uno,
esto es: P() = 1
Ax.3. Dados dos eventos A y B mutuamente excluyentes, la probabilidad
de su unión es igual a la suma de sus probabilidades individuales, esto
es:
P(AB) = P(A) + P(B)
Además se conoce como aditividad finita a la siguiente definición: Sea
A1, A2, A3,……An una sucesión finita de eventos mutuamente excluyentes
de A, entonces:
n n
P( A
i 1
i
)= P( A )
i 1
i
Ax.3ª. -Aditividad. Sea A1, A2, A3,……An……. unas sucesión infinita
numerable de eventos mutuamente excluyentes de A, entonces:
P( A
i 1
i
)= P( A )
i 1
i
P( A ) = P( Ai )
i
i
i
3.- P() = 1
Entonces se dice que P es una función de probabilidad o medida de
probabilidad, puesto que toda función f: A R, que cumple 1 y 2 se
llama medida.
Definición. Sea (, A) un espacio medible y sea P una función de
probabilidad definida en A, a la terna (, A, P) se le llama Espacio de
Probabilidad.
3. 2. TEOREMAS DE PROBABILIDAD.
T.1. La probabilidad de un evento imposible es cero, esto es:
P () = 0
Prueba:
Sea A un evento del espacio muestral asociado a un experimento ,
además es conocido que A y son eventos incompatibles, entonces se
tiene que:
A = A…………… por el álgebra de eventos.
P(A) = P(A)……… por el Ax.3., se tiene que:
P(A) + P() = P(A)…. despejando, se llega a demostrar que:
P() = P(A) – P(A) = 0
T.2. La probabilidad de un evento complementario, es igual a uno
menos la probabilidad del evento.
Sea Ac el evento complementario del evento A asociado al espacio
muestral , entonces:
P (Ac) = 1 – P(A)
Prueba:
Se sabe que AAc = , por el álgebra de eventos, además son eventos
incompatibles; es decir, A Ac = , entonces:
P(AAc) = P()
P(A) + P(Ac) = P()……..Ax.3.
P(A) + P(Ac) = 1…………Ax.2.
P(Ac) = 1 – P(A)
Nota. - P(A) = 1 - P(Ac)
B
B-A A
A(B-A) = B
PA(B-A) = P(B)
P(A) + P(B-A) = P(B)... Ax.3.
Como P(B-A) 0, se concluye que:
P(A) P(B)
T.4. Probabilidad de la diferencia de eventos.
Sean A y B dos eventos asociados al espacio muestral , entonces:
P(A-B) = P(A) – P(A B)
Prueba:
Cualquier evento A se puede descomponer en dos eventos mutuamente
excluyentes, tal como se muestra en el siguiente diagrama de Venn.
AA B
A-B
AB
A = (A-B) (AB)
P(A) = P(A-B) (AB)
P(A) = P(A-B) + P(AB)...... Ax.3.
P(A-B) = P(A) - P(AB)
A B
A-B
(AB) = (A-B) B
P(AB) = P(A-B) B
P(AB) = P(A-B) + P(B)…….Ax.3.
P(AB) = P(A) – P(AB) + P(B)……T.4.
P(AB) = P(A) + P(B) - P(AB)
Corolario.
Como se puede apreciar, cualquier evento se puede descomponer en dos o
más eventos mutuamente excluyentes; por otro lado, la unión es un
evento que puede ser expresado como la unión infinita de eventos, en
particular en una unión finita de eventos; por consiguiente, teniendo a los
eventos A, B y C asociados al espacio muestral , se tiene que:
P(ABC) = P(A) + P(B) + P(C) – P(AB) – P(AC) – P(BC)
+ P(ABC)
Prueba:
Sea D = (BC), entonces se tiene:
* P(AD) = P(A) + P(D) – P(AD)…………..T.5.
** P(D) = P(BC) = P(B) + P(C) – P(BC)……T.5.
*** P(AD) = PA(BC) = P(AB) (AC)… Propiedad
distributiva de eventos.
= P(AB) + P(AC) – P(AB) (AC)… T.5.
= P(AB) + P(AC) – P(ABC)
Reemplazando en * las correspondientes igualdades ** y ***
P(ABC) = P(A) + P(B) + P(C) – P(BC) - P(AB) + P(AC) –
P(ABC)
Ordenando, se tiene:
P(ABC) = P(A) + P(B) + P(C) – P(AB) – P(AC) – P(BC) +
P(ABC)
w , i
además P(A) = p(w ) i
i 1 wiA
Ejemplo.
Dos personas A y B, juegan lanzando un dado hasta obtener un dos o un
cuatro, gana el primero que lo obtiene, calcule la probabilidad de ganar
de A si él juega primero.
Solución.
= A, A’B’A, A’B’A’B’A, A’B’A’B’A’B’A, A’B’A’B’A’B’A’B’A,….
Donde A’ indica que perdió A, de igual forma B’
A puede ganar en la primera, en la tercera, en la quinta, en la séptima, etc
jugadas o tiradas, las probabilidades en cada caso son:
P: 1/3, (2/3)2(1/3), (2/3)4(1/3), (2/3)6(1/3), (2/3)8(1/3),….. luego
P(A) = 1/3 + (2/3)2(1/3) + (2/3)4(1/3) + (2/3)6(1/3) + (2/3)8(1/3) +….
= (1/3) (2/3)o + (2/3)2 + (2/3)4 + (2/3)6 + (2/3)8….
= (1/3) (4/9)o + (4/9) + (4/9)2 + (4/9)3 + (4/9)3 + ….
1
= (1/3) = 3/5
1 ( 4 / 9)
Ejemplo.1.
Hallar la probabilidad de que al dividir una varilla de 30 cm. de largo en
dos partes, una de las partes sea almenos el doble de la otra parte.
Solución.
¡____________¡____________¡___________¡
0 10 20 30cm
Para que una de las partes sea almenos el doble de la otra parte, se puede
fraccionar a la varilla en cualquier punto interior de la parte sombreada de
la figura que representa a la varilla, por lo tanto:
20cm 2
P(A) = 0,667
30cm 3
Ejemplo.2.
Si se escoge en forma aleatoria un punto interior de un triángulo
equilátero de lado 3 cm. ¿Cuál es la probabilidad de que su distancia a
uno de los vértices sea mayor que un cm?
Solución.
Si se grafica tres sectores en los vértices del triángulo con un radio de un
cm. cada uno, y si se escoge un punto dentro de estos sectores y se mide
la distancia al vértice más cercano la distancia es menor que uno,
entonces el área del sector corresponde al complemento del evento A en
estudio y como son tres sectores, el área de estos tres sectores forman la
mitad de un círculo cuyo radio es de un cm. En consecuencia:
Área de = área del triángulo = (bxh)/2 = (l2 3 )/4
Donde: l = lado del triángulo = 3 cm.
h = altura del triángulo
b = base del triángulo = 3 cm.
2
3 (3 / 2)
2
h= = (3/2) 3 cm.
Ejemplo Nº 3.
En el interior de un círculo de radio 4 cm. se selecciona un punto al azar,
halle la probabilidad P(A) de que el punto quede más cercano al centro
que a la circunferencia.
Solución.
3. 4. PROBLEMAS RESUELTOS
1.- Un distribuidor de textos escolares acepta un lote de 15 textos, si una
muestra de 4 textos no tiene erratas, ¿cuál es la probabilidad de que
acepte el lote, si en realidad contiene 3 textos con erratas?
Solución:
Como la selección de los textos es sin reposición, entonces el espacio
15
muestral tiene = 1365 muestras posibles de 4 textos
diferentes;
4
por otro lado, los casos favorables al evento, es decir,
12
que los 4 textos no tengan erratas pueden escogerse de
= 495
4
495
formas, entonces P(A) = 0,36
1365
2.- La junta directiva de una empresa tiene 9 miembros, de los cuales 5
están a favor de la compra de un terreno para su nuevo local y 4 están
en contra por ser muy caro. Cuando se convocó a una reunión de la
junta para decidir la compra del terreno, sólo se presentaron 5
miembros. Los acuerdos de la junta son por mayoría simple de los
presentes. ¿Cuál es la probabilidad de que se acuerde comprar el
terreno?
Solución:
9
El espacio muestral tiene
= 126 elementos, pues hay 126
formas
5
diferentes de que asistan 5 de 9 miembros a la reunión, en
tanto que los casos favorables serán si asisten 3, 4 ó 5 miembros de los 5
54
que estén a favor de la compra del terreno, por lo tanto hay
81formas
324150
81
Luego P(A) = 0,64 En consecuencia es más probable que
126
se compre el terreno.
3.- En una zona de parqueo de una institución hay 5 espacios para
estacionar vehículos y sólo hay 4 empleados con carro, los cuales se
estacionan indistintamente en la medida que van llegando a la
institución, ¿cuál es la probabilidad de que el empleado Beto en un
día determinado haya estacionado su carro en alguno de los
extremos?
Solución:
El espacio muestral tiene 5 x 4 x 3 x 2 = 120 elementos, en tanto que
los casos favorables tiene 2 x 4 x 3 x 2 = 48 elementos, es decir el
empleado Beto tiene 2 formas de estacionar su carro y los otros tres
empleados tienen 4 x 3 x 2 = 24 formas de hacerlo en los 4 espacios
48
que quedan, en consecuencia P (B) = 0,4
120
4.- Un día determinado llegan 7 amigos de los cuales 2 son esposos, a la
casa de la Sra. Zoila, a quienes en un primer momento los acomoda
en un sofá de 7 cuerpos y en un segundo momento alrededor de una
mesa redonda con 7 sillas, ¿cuál es la probabilidad de que los
esposos se sientan juntos?
Solución:
a) En fila.
El espacio muestral tiene 7! = 5040 elementos, en cambio el número
de casos favorables al evento es igual a 2 X 6! = 1440, por lo que
1440
P(A) = 0,29
5040
b) En círculo.
El espacio muestral tiene (7-1)! = 6! = 720 elementos, en tanto que el
número de casos favorables es igual a 2(6-1)! = 2x 5! = 240, por lo
240
tanto P(B) = 0,33
720
5.- Las correspondencias pueden ser depositados en 4 casilleros en forma
indistinta, en un día dado llegaron 4 cartas, ¿cuál es la probabilidad
de que las cartas hayan sido depositados:
a) 3 en un casillero y uno en otro casillero?
b) 2 en un casillero y los otros 2 en forma individual en otros
casilleros?
Solución:
El espacio muestral está formado por 4 x 4 x 4 x 4 = 256 elementos.
a)Las 4 cartas pueden ser repartidas en dos grupos de 3 y un elemento
4!
cada uno, de 4 formas, luego el grupo de 3 puede ser
3!.1!
depositado en cualquiera de los 4 casilleros y la carta restante en
cualquiera de los 3 casilleros que quedan, en consecuencia hay 4 x 4 x
3 = 48 formas de depositarlos, entonces
48
P(A) = 0,1875
256
b) Las 4 cartas pueden ser repartidos en 3 grupos de 2, 1 y 1 elemento
4!
cada uno, de 6 formas; luego las dos cartas se
2!.1!.1!.2!
pueden depositar en cualquiera de los 4 casilleros, la siguiente en
cualquiera de los 3 casilleros que quedan y la última carta en cualquiera
de los 2 casilleros que faltan, entonces hay 6 x 4 x 3 x 2 = 144 formas,
144
por lo tanto P(B) = 0,5625
256
6.- Los siguientes son números que representan a los sueldos de un grupo
de 6 empleados en miles de soles: 4,08; 6,32; 5,46; 7,24; 8,50; 4,40.
_
Si
x es la media y S es la desviación típica de estos números,
x
2
_
V(x) = i
230,428 62 = 2,40467
i 1
X2
6 6
S= 2,40467 = 1,55
_
x + S = 6 + 1,55 = 7,55
_
x - S = 6 – 1,55 = 4,45
El intervalo es (4,45; 7,55) y en ella están incluidas 3 sueldos, en
consecuencia
6 3
n() = = 15, en cambio n(A) = = 3 , por lo tanto P(A) =
2 2
3
0,2
15
7.- De una baraja de 52 cartas se extraen al azar 5 cartas, calcule la
probabilidad de en las 5 cartas hayan:
a) 3 espadas y 2 corazones.
b) 3 cartas con el mismo número y dos ases.
Solución:
52
El espacio muestral tiene
= 2598960 elementos, o formas de
1313
a) Hay 13 espadas y 13 corazones, luego hay
= 22308
3 2
22308
formas de seleccionarlos, luego P(A) = 0,0086
2598960
b) Hay 4 ases, 12 grupos de 4 cartas del mismo valor cada uno que no
4 12 4
son ases, hay
= 288 formas de escogerlos, luego
2 1 3
288
P(B) = 0,00011
2598960
8.- Si se lanzan dos dados bien construidos sobre una superficie plana,
¿cuál es la probabilidad de que la suma de los números de las caras
superiores sea:
a) mayor de 8?
b) exactamente 7?
Solución:
n() = 6 x 6 = 36
a) A = (4,5), (5,4), (5,5), (3,6), (6,3), (4,6), (6,4), (5,6), (6,5), (6,6)
n(A) = 10
P(A) = 10/36 = 0,2778
b) B = (1,6), (6,1), (2,5), (5,2), (3,4), (4,3)
n(B) = 6
P(B) = 6/36 = 0,1667
9.- Una secretaria escribe 4 oficios diferentes con sus respectivos sobres
dirigidos a 4 entidades diferentes, por descuido introduce los oficios
a los sobres sin fijarse en los nombres y direcciones, ¿Cuál es la
probabilidad de que:
a) todos los oficios estén en su respectivo sobre?
b) sólo un oficio esté en su respectivo sobre?
c) exactamente 2 oficios estén en su respectivo sobre?
d) ningún oficio esté en su respectivo sobre?
Solución:
El espacio muestral tienen 4! = 24 elementos.
a) De que todos estén en su respectivo sobre, sólo se presenta de una
forma, por lo que P(A) = 1/24 = 0,0417
b) Existen 8 formas de que un oficio esté en su respectivo sobre, por
lo que
P(B) = 8/24 = 0,333
c) Hay 6 formas en que dos oficios estén en su respectivo sobre, por
lo que
P(C) = 6/24 = 0,25
d) Hay 9 casos en el que ningún oficio esté con su respectivo sobre,
por lo que
P(D) = 9/24 = 0,375
Nota.- Su probabilidad en forma general es igual a
P(A) = 1 – (1/2) – (1/n!)
Donde n es el número de elementos en este caso sobres u oficios.
10.- Un auditor del Departamento de Impuesto a la Renta, selecciona una
muestra de 4 declaraciones de impuestos a personas naturales con el
fin de efectuar una auditoría. Si uno ó más indican declaraciones
falsas, entonces se auditará todo el grupo de 100 declaraciones, ¿cuál
es la probabilidad de auditar todo el grupo, si el porcentaje de de
declaraciones incorrectas fuera del:
a) 10%
b) 5%
Solución:
100
El número de elementos del espacio muestral es igual a
=
3921225
4
90
a) n(Ac) =
= 2555190, n(A) = 3921225 – 2555190 = 1366035,
4
por lo tanto P(A) = 1366035 / 3921225 = 0,348.
95
b) n(Bc) =
= 3183545, n(B) = 3921225 – 3183545 = 737680,
4
por lo que P(B) = 737680 / 3921225 = 0,188
11.- Tres personas entran al ascensor de un edificio de 6 plantas, cada una
de estas personas salen indistintamente en cualquiera de las 5 plantas
o pisos restantes. Hallar la probabilidad de que todas las personas
bajen en:
a) una misma planta.
b) diferentes plantas.
Solución:
El espacio muestral tiene 5 x 5 x 5 = 125 elementos.
a) Hay 5 formas en que puedan bajar todos en una planta, por lo que
P(A) = 5/125 = 0,04
b) Hay 5 x 4 x 3 = 60 formas de que bajen todos en diferentes plantas,
por lo que
P(B) = 60 / 125 = 0,48
12.- Si A y B son eventos mutuamente excluyentes de un mismo espacio
muestral, tal que: P(A) = 0,30 y P(B) = 0,40; calcule las siguientes
probabilidades:
a) P(Ac), b) P(AcBc), c) P(Ac Bc), d) P(ABc)
Solución:
a) P(Ac) = 1 – P(A) = 1 – 0,3 = 0,7
b) P(AcBc) = P(AB)c = 1 - P(AB) = 1 – P() = 1 – 0 = 1
c) P(Ac Bc) = P(AB)c = 1 - P(AB) = 1 – P(A) – P(B)
= 1 – 0,3 – 0,4
= 0,3
d) P(ABc) = P(A–B) = P(A) – P(AB = P(A) - P() = 0,3 – 0 = 0,3
Solución:
a)P(A) = 0,12; P(B) = 0,29; P(AB) = 0,07
P(AB) = P(A) + P(B) - P(AB) = 0,12 + 0,29 – 0,07 = 0,34
b) P(Ac Bc) = P(AB)c = 1 - P(AB) = 1 – 0,34 = 0,66
Solución:
a)P(A) + P(B) + P(C) = 1
p + p + 2p = 1 p = ¼, por lo que P© = ½ = 0,25
b) P(Ac Cc) = P(AC)c = 1 - P(AC) = 1 – P(A) –P(C)
= 1 – 0,25 – 0,50 = 0,25
Es lo mismo que la probabilidad de que gane B.
16.- Dados 5 segmentos de longitudes: 1, 3, 5, 7 y 9 cm. Hallar la
probabilidad de que 3 segmentos seleccionados al azar de los 5
formen un triángulo?
Solución:
5
n() = = 10
3
A = (3,5,7), (3,7,9), (5,7,9) n(A) = 3 ,luego P(A) = 3/10 = 0,3
Nota.- Para formar un triángulo, la suma de 2 cualquiera de los lados
debe ser mayor que el otro lado.
17.- Ocho ejecutivos de una empresa llegan a su institución todos los días
en sus carros y lo aparcan en uno de los 3 estacionamientos. Si estos
son escogidos al azar, ¿cuál es la probabilidad de que en un día
determinado se tenga:
a) 3 de los carros en un estacionamiento, otros 3 en otro y los 2
restantes en el otro?
b) 5 carros en un estacionamiento, 2 en otro y el último en otro?
Solución:
El espacio muestral tiene 3x3x3x3x3x3x3x3 = 38 = 6561 elementos.
8!
a) Hay 280 formas de repartir los 8 carros en 3
3!.3!.2!.2!
grupos de 3, 3 y 2 carros respectivamente; por otro lado, hay 3!
formas de distribuir los grupos en los 3 estacionamientos, en
consecuencia hay 280 x 6 = 1680 casos favorables al evento,
entonces P(A) = 1680 / 6561 = 256
8!
b) En este caso hay: x6x2 = 1008 formas de distribuir
5!.2!.1!
los carros, entonces
P(B) = 1008 / 6561 = 0,1536
18.- Una caja contiene 5 conservas de etiqueta roja, 7 de etiqueta blanca y
8 de etiqueta azul, todas ellas del mismo material, tamaño y peso. Se
seleccionan 3 conservas sin ver las etiquetas con fines comerciales,
¿cuál es la probabilidad de que:
a) los 3 sean de etiquetas diferentes?
b) los 3 sean de etiquetas del mismo color?
c) 2 sean de un color y el otro de un color diferente?
Solución:
20
El espacio muestral tiene, n() = = 1140 elementos.
3
a)n(A) = 5 x 7 x 8 = 280 P(A) = 280 / 1140 = 0,2456
5 7 8
b) n(B) =
= 101 P(B) = 101 / 1140 = 0,0886
Solución:
200
El espacio muestral está formado por
= 19900
2
100
a) n(A) = 2
= 9900 P(A) = 9900 / 19900 = 0,4975
2
b) n(B) = 100 x 100 = 10000 P(B) = 10000 / 19900 = 0,5025
c) n(C) = 100 P© = 100 / 19900 = 0,005
3K
=
K (3K 1)(3K 2)
2
en tanto que el número de
3
elementos de los casos favorables es igual a:
2KK
n(A) =
= K2(K-1) P(A)
1 2
2 K ( K 1) 2 K ( K 1)
=
(3K 1)(3K 2) ( n 1)(n 2)
2(3)(3 1) 3
Si n = 9 K = 3 P(A) = 0,2143
(9 1)(9 2) 14
22.- Después de realizar una encuesta en la ciudad de Lima, se tiene la
siguiente información: El 20% de los encuestados leen La República,
el 16% El Comercio y el 14% lee el Correo, el 8% lee La Republica
y El Comercio, el 5% lee La República y el Correo, el 4% lee El
Comercio y el Correo y el 2% leen los 3 periódicos. Si se escoge al
azar a una persona, ¿cuál es la probabilidad de que lea:
a) almenos uno de los 3 periódicos?
b) almenos 2 de los periódicos?
c) exactamente uno de los 3 periódicos?
d) no lea ninguno de los 3 periódicos?
Solución:
Se A el evento de que la persona lea La República, B el evento de
que lea El Comercio y C el evento de que lea el Correo.
a) P(ABC) = 1 –P(AcBcCc) = 1 – 0,65 = 0,35
b) P = P(ABCc) + P(ABcC) + P(AcBC) + P(ABC)
= 0,06 + 0,04 + 0,02 + 0,02
= 0,13
c) P = P(ABcCc) + P(AcBCc) + P(AcBcC) = 0,09 + 0,06 +
0,07 = 0,22
d) P = P(AcBcCc) = 0,65
A
B
9 6 6
2
3 2
7
65 C
Solución:
M F
5 15 18
() = 100
F
10
12 25
8 7
Q
Q
a) P(McFQ) = 25/100 = 0,25
b) P = P(McFQ) + P(MFcQ) + P(MFQc)
= 0,25 + 0,12 + 0,15
= 0,52
Solución:
a) P(N) = 120 / 220 = 0,545
b) P(C)= 40 / 220 = 0, 182
Solución:
El espacio muestral tiene: 4 x 4 x 4 = 64 elementos.
a) Para que una oficina quede sin secretaria, significa que hay una
secretaria en cada una de las otras 3 oficinas, el cual se presenta de 4 x
3 x 2 = 24 formas, por lo que P(A) = 24 / 64 = 0,375
b) Para que dos oficinas queden sin secretaria, las otras dos deben
estar ocupadas por 2 y una secretaria respectivamente, luego hay 3
formas de repartir 3 secretarias en dos grupos de 2 y una secretaria
respectivamente y hay 4 x 3 = 12 formas de distribuir a los dos
grupos en las 4 oficinas, entonces los casos favorables para este
evento son 3 x 12 = 36 casos P(B) = 36 / 64 = 0,5625
c) Para que 3 oficinas queden sin secretaria, significa que solo una
oficina debe tener a la 3 secretarias, en este caso hay sólo 4 formas,
por lo que
P(C) = 4 / 64 = 0,0625
Nota.- Los 3 eventos anteriores son mutuamente excluyentes y la
suma de sus probabilidades es igual a la unidad, por lo que el espacio
muestral ha sido particionado en 3 eventos.
26.- En una caja hay 5 pares de guantes de la misma talla para el frío, si
se selecciona al azar 2 guantes, ¿cuál es la probabilidad de que
ambos sean:
a) de la mano derecha?
b) de manos diferentes?
Solución:
10
n() = = 45
2
5
a) n(A) =
= 10 p(a) = 10 / 45 = 0,222
2
b) n(B) = 5 x 5 = 25 P(B) = 25 / 45 = 0,556
Solución:
20
El espacio muestral tiene
= 15504 elementos.
5
15
a) n(A) =
= 3003 P(A) = 3003 / 15504 = 0,1837
5
b) n(B) = 1 P(B) = 1 / 15504 = 0,0000645
155
c) n(C) =
= 1050 P© = 1050 / 15504 = 0,0677
2 3
28.- Dos libros con errores tipográficos han sido incluidos en un grupo de
6 libros sin errores, la persona que recibe los libros los revisa uno por
uno. ¿Cuál es la probabilidad de que :
a) el último libro con errores tipográficos sea detectado, en el cuarto
libro revisado?
b) el último libro con errores tipográficos sea detectado, en el quinto
libro revisado?
Solución:
a)El espacio muestral tiene 8 x 7 x 6 x 5 = 1680 elementos, en tanto
que el evento tiene n(A) = 3 x 2 x 6 x 5 = 180 elementos,
entonces P(A) = 180 / 1680 = 0,107
b) n() = 8 x 7 x 6 x 5 x 4 = 6720, n(B) = 4 x 2 x 6 x 5 x 4 = 960,
entonces
P(B) = 960 / 6720 = 0,143
29.- Se sacan 5 cartas de una baraja de 52 cartas, uno por uno y sin
reposición, ¿cuál es la probabilidad de que:
a) no se haya sacado ningún as?
b) las 3 primeras sean ases y las 2 últimas reyes?
c) el 1º, 3º, 5º sean ases, el 2º y el 4º sean reinas?
d) hayan 2 rojos y 3 negros?
Solución:
n() = 52 x 51 x 50 x 49 x 48 = 311875200
a) n(A) = 48 x 47 x 46 x 45 x 44 = 205476480
P(A) = 205476480 / 311875200
= 0,6588
b) n(B) = 4 x 3 x 2 x 4 x 3 = 288
P(B) = 288 / 311875200 = 0,0000009
c) n(C) = 4 x 4 x 3 x 3 x 2 = 288
P(C) = 288 / 311875200 = 0,0000009
2626
d) n(D) =
5!
3!.2!
x 26 x 25 x 26 x 25 x 24 = 5!
= 101400000
2 3
P(D) = 101400000 / 311875200 = 0,325
Solución:
10
El espacio muestral tiene = 120 elementos.
3
a) En este caso se pueden presentar varios eventos mutuamente
excluyentes, a saber:
28
- 2 tíquets de 50 soles y uno de otro valor
=8
2 1
37
- 2 tíquets de 20 soles y uno de otro valor
= 21
2 1
55
- 2 tíquets de 10 soles y uno de otro valor
= 50
2 1
3
- 3 tíquets de 20 soles
=1
3
5
-3 tíquets de 10 soles
= 10
3
n(A) = 8 + 21 + 50 +1 + 10 = 90 P(A) = 90 / 120 = 0,75
b) Para que la suma sea 80 soles, debe haber un tíquet de 50 soles,
5 3 2
otro de 20 soles y uno de 10 soles, en consecuencia hay
= 30
1 1
formas posibles de seleccionarlos, entonces:
P(B) = 30 / 120 = 0,25 (Es un evento complementario al evento
anterior)
31.- Un agente viajero va de la ciudad A a la ciudad C, pasando por la
ciudad B. De la ciudad A a la ciudad B hay 4 caminos diferentes y de
la ciudad B a la ciudad C hay 5 caminos diferentes. ¿Cuál es la
probabilidad de que use caminos diferentes al hacer el viaje de ida y
vuelta, siempre pasando por la ciudad B?
Solución:
n() = 4 x 5 x 5 x 4 = 400 formas
n(A) = 4 x 5 x 4 x 3 = 240 formas
P(A) = 240 / 400 = 0,6
32. - Un comerciante tiene 15 unidades de cierto artículo, de los cuales 5
tienen defectos. Un comprador pide 3 artículos para comprarlos,
pero con la condición de que los artículos no tengan defectos. El
comerciante escoge los artículos al azar del almacén. Determine la
probabilidad de que los 3 artículos escogidos sean vendidos.
Solución:
15
n() = = 455
3
10
n(A) =
= 120
3
P(A) = 120 / 455 = 0,2637
Solución:
El espacio muestral tiene 10! = 3628800
a) n(A) = 2 x 8! = 80640
P(A) = 80640 / 3628800 = 0,0222
b) n(B) = 5!x 3! x 2! x 3! = 8640
P(B) = 8640 / 362880 = 0,00238
34.- Suponga que un alumno se matricula en un curso de matemática que
tiene 5 secciones con diferentes profesores, A, B, C, D, E, pudiendo
los 3 matricularse en una misma sección. Calcule la probabilidad de
que ninguno de ellos se matricule en la sección E.
Solución:
El espacio muestral tiene: 5 x 5 x 5 = 53 = 125 elementos
n(A) = 4 x 4 x 4 = 64
P(A) = 64 / 125 = 0,512
35.- Un dado normal se lanza sobre una superpie plana 5 veces, calcule la
probabilidad de que:
a) todos los resultados sean diferentes.
b)almeno un par de resultados iguales:
Solución:
El espacio muestral tiene 6 x 6 x 6 x 6 x 6 = 65 = 7776
a) n(A) = 6 x 5 x 4 x 3 x 2 = 120
P(A) = 120 / 7776 = 0,01543
b) P(B) = P(Ac) = 1 – P(A) = 1 – 0,01543 = 0, 98457
Solución:
Los eventos a lo más 4 llamadas (A), entre 5 y 8 llamadas inclusive
(B) y por lo menos 9 llamadas (C) son eventos mutuamente
excluyentes por lo tanto: P(A) + P(B) + P(C) = 1 0,67 + P(B) +
0,15 = 1,0
P(B) = 0,18
a) P( x 5) = P( 5 x 8) + P(x 9) = P(B) + P(C)
= 0,18 + 0,15 = 0,33
b) P(x 8) = P(x 4) + P( 5 x 8) = P(A) + P(B)
= 0,67 + 0,18 = 0,85
38.- Los valores de 5 acciones de 5 diferentes empresas en la bolsa de
valores son 20, 25, 30, 35 y 40 soles respectivamente, una persona
elige 3 acciones de las 5 al azar, determine la probabilidad de que el
de mayor valor difiera del menor en por lo menos en 15 soles.
Solución:
5
n() = = 10
3
A = (20, 25, 35), ( 20, 30, 35), ( 20, 25, 40), (20, 30, 40), (20, 35,
40),
( 25, 30, 40), (25, 35, 40)
n(A) = 7
P(A) = 7 / 10 = 0,7
Solución:
El espacio muestral tiene 25 = 32 elementos
5!
a) n(A) = = 10
2!.3!
P(A) = 10 / 32 = 0,3125
b) n(Bc) = 1, siendo Bc = ninguna cara, es decir 5 sellos,
P(Bc) = 1 / 32 P(B) = 1 – 1/32 = 31 / 32 = 0,0,96875
40.- En una habitación hay 10 personas etiquetadas de 1 al 10, se eligen 3
personas al azar y se les pide sus etiquetas, ¿cuál es la probabilidad
de que:
a) el número menor de las etiquetas sea 5?
b)el número mayor de las etiquetas sea 5)
Solución:
10
El espacio muestral tiene
= 120 elementos.
3
5
a) n(A) =
= 10 P(A) = 10 / 120 = 0,0833
2
4
b) n(B) =
= 6 P(B) = 6 / 120 = 0,05
2
41.- En una habitación hay 20 personas identificadas con fichas
enumeradas de 1 al 20, de los cuales 10 son varones, 9 son mayores
de 18 años y 4 son varones menores de 18 años, se escogen 2 fichas,
¿cuál es la probabilidad de que se hayan escogido:
a) 2 mujeres menores de 18 años?
b) un hombre y una mujer mayores de 18 años?
Solución:
20
El espacio muestral tiene
= 190 elementos.
2
Edad (años) Sexo
Varones Mujeres Total
Mayor de 18 6 3 9
Menor de 18 4 7 11
Total 10 10 20
7
a) n(A) =
= 21 P(A) = 21 / 190 = 0,1105
2
63
b) n(B) =
= 18 P(B) = 18 / 190 = 0,0947
1 1
42.- Un aparato electrónico consta de 2 partes, la probabilidad de que
falle la primera es igual a 0,25; que fallen las dos partes a la vez es
igual a 0,05 y de que falle sólo la segunda parte es igual a 0,15.
Calcular la probabilidad de que:
a) falle sólo la primera parte.
b) no fallen ninguna de las dos partes.
Solución:
1ra
2da
0,15
0.20 0,05
0,60
a) P(A) = 0,20
b) P(B) = 0,60
Solución:
a) P© = 0,12 P(B) = 0,23 P(CB) = 0,30
P(CB) = P© + P(B) - P(CB) = 0,12 + 0,23 – 0,30 = 0,05
b) P(CcBc) = P(CB)c = 1 - P(CB) = 1- 0,3 = 0,7
4
a) Si los números escogidos son todos positivos, entonces hay
6
= 15
4
Si los números escogidos son todos negativos, entonces hay
8
= 70
4
Si hay 2 números positivos y 2 negativos, entonces hay
68
= 420
2 2
Luego hay 15 + 70 + 420 = 505 casos favorables a que el producto se
positivo, por lo que P(A) = 505 / 1001 = 0,5045
b) P(B) = 1 – P(A) = 1 – 0,5045 = 0,4955
Solución:
11 11 12 21 11
= 0, = -1, = 1, = -1,
11 12 11 11 21
22 21 12 11
= 1, = 0, = -3 = 3, = 0,
11 12 21 22
21 12 22 22 12
= 0, = 0, = -2, = 2, =
21 12 12 21 22
2,
21 22
= -2, =0
22 22
a) P(A) = 5 / 16 = 0,3125
b) P(B) = 6 / 16 = 0,375
46.- La probabilidad de que llueva cualquier día de la semana es igual a
0,4; de que llueva 2 días seguidos es igual a 0,25. ¿Cuál es la
probabilidad de que llueva:
a) un día y el día siguiente no?
b) un día o el día siguiente?
Solución:
a) P(A1) = 0,4 P(A2) = 0,4 P(A1 A2) = 0,25
c
P ( A1 A ) P( A ) P( A A ) = 0,4 – 0,25
2 1 1 2
= 0,15
b) P(A1 A2) = P(A1) + P(A2) - P(A1 A2) = 0,4 + 0,4 -0,25 = 0,55
47.- En un salón de clase hay 2 profesores, 5 alumnos y 6 alumnas, en
otro salón hay 3 profesores, 8 alumnos y 10 alumnas, y en un tercer
salón hay un profesor, 6 alumnos y 8 alumnas, todos ellos
identificados con un código dado por la Universidad, si el Decano
escoge a una persona de cada salón usando sólo los códigos, ¿cuál es
la probabilidad de que:
a) las 3 personas escogidas sean alumnas?
b) las 3 personas sean diferentes; es decir, un profesor un alumno y
una alumna?
Solución:
El espacio muestral tiene: 13 x 21 x 15 = 4095 elementos.
a) Hay: 6 x 10 x 8 = 480 formas de escoger a las 3 alumnas, entonces
P(A) = 480 / 4095 = 0,1172
b) Hay : 2x8x8 + 2x10x6 + 3x5x8 + 3x6x6 + 1x5x10 + 1x6x8 = 574
P(B) = 574 / 4095 = 0,14
48.- Veinte obreros que trabajan en la construcción de un edificio, tiene la
siguiente distribución: 12 son carpinteros el resto son albañiles, 10
son de Huaraz el resto de otro lugar, además se sabe que 5 albañiles
son de Huaraz.
a) Se escoge un obrero, calcule la probabilidad de que sea carpintero
de otro lugar.
b) se escogen 2 obreros, calcule la probabilidad de que sean
carpinteros de otro lugar.
Solución:
Tipo de Lugar de procedencia
obrero Otro Total
Huaraz
lugar
Carpintero 5 7 12
Albañil 5 3 8
Total 10 10 20
20 7
b) n() = = 190, n(B) = = 21 P(B) = 21 / 190 =
0,1105
2 2
49.- En una universidad de 5600 alumnos el 70% de los estudiantes son
de ciencias, el resto de letras, el 80% de los estudiantes de ciencias
son varones y el 60% de los estudiantes de letras son mujeres, se
eligen a 3 estudiantes al azar, calcule la probabilidad de que: :
a) los 3 sean varones que estudien letras.
b) 2 varones y una mujer que estudie ciencias.
Solución
Especialidad Sexo
Varón Mujer Total
Ciencias 3136 784 3920
Letras 672 1008 1680
Total 3808 1792 5600
5600
n() = = 2,92536552 x 1010
3
672
a)n(A) =
= 50351840, entonces
3
P(A) = 50351840 / 2,92536552 x 1010 = 0,00172
31 6784
b) n(B) =
= 3853893120, entonces
2 1
P(B) = 3853893120 / 2,92536552 x 1010 = 0,13174
50.- .Sean A y B dos eventos de un espacio muestral , tales que P(A) =
0,2
P(Bc ) = 0,4 y P(AcBc) = 0,3.
Hallar: a) P(AB), b) P(AB), P(A B), d) P(ABc)
Solución:
a)P(AcBc) = P(AB)c = 1- P(AB) = 0,3 P(AB) = 0,7
b)P(AB) = P(A) + P(B) - P(AB) = 0,2 + 0,6 – 0,7 = 01
c) P(A B) = P(AB) - P(AB) = 0,7 – 0,1 = 0,6
d)P(A Bc) = P(A) + P(Bc ) – 2P(A-B) = 0,2 + 0,4 – 2(0,1)
= 0,5
3. 5. PROBLEMAS PROPUESTOS:
1.- Se eligen 3 números de los 10 disponibles del sistema de numeración
decimal para formar números de 3 cifras (el cero no se considera
como válido delante de los otros dígitos al inicio). Calcule la
probabilidad de que sea:
a) mayor de 700.
b) menor de 500.
c) número par.
d) múltiplo de 5.
Rpta. a) 1/3, b) 4/9, c) 41/81, d) 17/81
2.- una caja tiene 20 navajas para rasurar, de los cuales se sabe que 5 han
sido usadas y el resto son nuevas. Halle la probabilidad de que al
seleccionar 3 navajas de la caja:
a) una sea usada y 2 nuevas.
b) almenos una sea nueva.
Rpta. a) 0,46 b) 0,99
3.- En una habitación hay un grupo de personas distribuidas como sigue:
5 hombres casados y 6 solteros, 6 mujeres casadas y 3 solteras. Halle
la probabilidad de que:
a) al elegir a una persona al azar, éste sea varón o casado.
b) al elegir 2 personas al azar, éstos sean un soltero y una casada.
Rpta. a) 0,85 b) 0,1895
4.- En una rifa se venden 25 boletos y se ofrecen 3 premios, si se
compran 5 boletos, ¿cuál es la probabilidad de:
a) ganar almenos un premio?
b) de no ganar ningún premio?
c) exactamente un premio?
Rpta. a) 0,5043, b) 0,4957, c) 0,413
5.- El 70% de una caja de 20 cigarrillos tiene sabor natural y el resto
sabor a menta, sí se sacan 4 cigarrillos de la caja en forma aleatoria,
¿cuál es la probabilidad de que 2 de los 4 sean de sabor:
a) natural?
b) a menta?
Rpta. a) 0,939 b) 0,3426
6.- Dos amigos Pedro y Edwin son miembros de un grupo de 6 personas
que han colocado su maletín en una mesa, resulta que por
coincidencia todos tienen el mismo tipo de maletín. Cada persona
recibe un maletín distribuido por otra persona que no conoce su
procedencia, ¿cuál es la probabilidad de que:
a) Pedro reciba su propio maletín?
b) ambos, Pedro y Edwin reciban sus propios maletines?
c) por lo menos uno, Pedro o Edwin reciban su propio maletín?
Rpta. a) 1/6, b) 1/30, c) 3/10
7.- Una persona lanza 10 veces una moneda legal. Halle la probabilidad
de que la persona obtenga:
a) caras en los 5 primeros lanzamientos y caras en los 5 últimos
lanzamientos.
b) caras en los lanzamientos impares y sellos en los pares.
c) 5 caras y 5 sellos.
Rpta. a) 2-10 b) 2-10 c) 0,2461
8.- Un aficionado pescó 10 peces en una laguna, 3 de los cuales son más
chicos que el tamaño oficial permitido; un inspector de pesca escoge 2
de los 10 pescados al azar. ¿Cuál es la probabilidad de que el
aficionado no sea sancionado?
Rpta. 0,6222
9.- Un mago profesional de nombre Beto, asegura que puede leer el
pensamiento de las personas, para probar su aseveración se realiza
un experimento con 10 cartas numeradas de 1 al 10. Otra persona se
concentra en los números de 2 de las cartas y Beto intenta leer el
pensamiento para identificar las 2 cartas. ¿Cuál es la probabilidad de
que Beto identifique correctamente las 2 cartas bajo el supuesto de
que sólo adivina?
Rpta. 1/45
10.- Considere una instalación eléctrica con focos de luz, que consta de 5
focos conectado de tal manera que ninguno prenderá si almenos uno
de ellos es defectuoso. Si los focos han sido comprados de un lote de
100 focos, 10 de los cuales tiene defectos, calcule la probabilidad de
que la instalación eléctrica funcione.
Rpta. 0,584
11.- De un conjunto de 3 matemáticos, 4 físicos y 5 estadísticos, se
escoge un comité de 3 profesionales. Calcule la probabilidad de que
el comité esté formado por:
a) uno de cada especialidad.
b) 3 de la misma especialidad.
c) 2 de una especialidad y uno de otra especialidad diferente.
Rpta. a) 3/11 b) 3/44, c) 29/44
12.- Cierta señorita tiene 5 amigos que son sus pretendientes llamados:
Artemio, Bernardino, Cirilo, Demetrio y Epifanio. Un adivinador le
dice que se casará 2 veces y que ambos maridos pertenecerán al
grupo de los 5 pretendientes que tiene. Si todos tienen la misma
preferencia, ¿cuál es la probabilidad de que la Srta. se case:
a) con Artemio?
b) Artemio y Epifanio?
c) Cirilo o Demetrio?
d) cualquiera, pero menos con Bernardino?
Rpta. a) 0,4 b) 0,1 c) 0,7 d) 0,6
13.- Seis de parejas de casados se encuentran en un salón; halle la
probabilidad de que si se escogen:
a) a 2 personas, éstos sean un hombre y una mujer.
b) a 3 personas, éstos sean 2 del mismo sexo y uno del otro sexo.
c) a 4 personas, éstos sean 2 parejas de casados.
d) a 5 personas, de que haya almenos una pareja de casados.
Rpta. a) 6/11 b) 9/11 c) 1/33 d) 25/33
14.- En una competencia de velocidad participan 12 atletas entre los
cuales está el atleta Tiberio, si se dona un premio a cada uno de los 3
primeros en llegar a la meta y si todos tienen la misma opción,
calcule la probabilidad de que el atleta tiberio reciba el:
a) primer premio.
b)segundo premio.
c) tercer premio.
Rpta. a) 1/15, b) 1/15, c) 1/15
15.- De diez estudiantes llamados: A, B, C...de una clase de Física, se
escoge al azar 3 estudiantes para que presenten un informe de la
práctica realizada, halle la probabilidad de que:
a) El estudiante A haya sido elegido.
b) A y B hayan sido elegidos.
c) A o B hayan sido elegidos.
d) ni A ni B hayan sido elegidos.
Rpta. a) 0,3 b) 1/15, c) 8/15 d) 7/15
16.- Una persona viaja diariamente en un tren para ir de su casa a su
trabajo, los trenes parten de la estación que queda cerca de su casa a
las: 7:00, 7:13, 7:20, 7:25, 7:32, 7:45 y7:55 a.m. y esta persona
aborda el primer tren que llega a la estación, debido a que se levanta
a diferentes horas por las condiciones variables del tiempo llega
generalmente entre las 7:15 y 7:55 a. m. ¿Cuál es la probabilidad de
que un día determinado tenga que esperar:
a) menos de 10 minutos?
b) menos de 5 minutos
Rpta. a) 0,025 b) 0, 625
17.- Un joven y una Srta. Se han puesto de acuerdo encontrarse entre las
6 y 7 p.m. en un parque, uno no esperará más de 10 minutos al otro.
Determine la probabilidad de encontrarse.
Rpta. 11/36
18.- Se sabe que en la producción de cierto artículo, está sujeta a 3 tipos
de defectos, A, B y C, entre las mil unidades producidas un día
determinado, el inspector de la línea de montaje informó que había
30 con defectos tipo A, 35 con defectos tipo B, 20 con defectos tipo
C, 5 con los defectos tipo A y B, 5 con A y C, 4 con B y C y 2 con los
3 tipos de defectos. Determine la probabilidad de que al escoger un
artículo al azar éste:
a) sea defectuosa.
b) tenga uno solo de los defectos.
c) tenga 2 tipos de defectos.
d) no tenga defectos.
Rpta. a) 0,073 b) 0,063 c) 0,008 d) 0,927
19.- Un edificio consta de 6 pisos con 5 departamentos cada uno,
determine la probabilidad de que 2 jefes de familia escogidos al azar
pertenezca a departamentos que por lo meno estén separados por 2
pisos.
Rpta. 10/29
20.- Se lanzan 9 naranjas dentro de 3 cajas que inicialmente están vacías,
las naranjas tienen la misma posibilidad de caer en cualquiera de las
3 cajas. Determine la probabilidad de que:
a) hayan 3 naranjas en cada caja.
b) hayan 4 naranjas en una caja, 3 naranjas en otra caja y 2 naranjas
en otra caja.
c) una caja quede vacía.
Rpta. 0,085 b) 0,384 c) 0,0777
21.- En un almacén hay 4 cajas de conservas de peras, 6 de duraznos, 5
de damascos y 3 de ciruelos, si se eligen 3 cajas determine la
probabilidad de que:
a) no sean de la misma fruta.
b) los 3 sean de frutas diferentes.
Rpta. a) 0,957 b) 0,419
22.- Diez libros diferentes se colocan en un estante aleatoriamente.
Determine la probabilidad de que 3 libros determinados queden
juntos.
Rpta. 1/15
23.- De una baraja de 52 cartas se eligen 5 cartas al azar, determine la
probabilidad de que:
a) 2 de ellas sean espadas, 2 de oros y un corazón.
b) 3 sean de oros y 2 de corazones.
c) 2 con el número 10 y 2 con el número 9.
d) 3 ases y 2 del mismo número.
Rpta. a) 0,03 b) 0,00858 c) 0,000009 d) 0,00011
24.- Con 5 estadísticos y 4 economistas se quiere formar un comité de 3
estadísticos y 2 economistas. Calcule la probabilidad de que el
comité:
a) hayan 2 estadísticos con mayor experiencia.
b) no esté un economista determinado.
c) un estadístico y un economista determinados no estén al mismo
tiempo, pudiendo estar por separado.
Rpta. a) 0,3 b) 0,5 c) 0,7
25.- Una caja contiene 9 tíquets numerados de 1 al 9, si se extraen 3
tíquets uno a continuación del otro y sin reposición, calcule la
probabilidad de que se presenten en forma alternada números pares e
impares y viceversa.
Rpta. 5/18
26.- El testamento del abuelo José dispone que María reciba 10000
dólares de su fortuna a su muerte. El abuelo ha muerto recientemente
y María contempla utilizar el dinero en una de las 3 siguientes
acciones excluyentes: A = Educación superior, B = Inversiones y C =
Viaje a la India, las probabilidades de estas opciones son: 0,4; 0,3;
0,1 respectivamente. Calcule la probabilidad de que:
a) haga una de estas acciones.
b) se olvide de estas 3 opciones y haga otra cosa.
Rpta. a) 0,8 b) 0,2
27.- Seis pasajeros quieren viajar en un tren con 6 vagones, cada pasajero
escoge el vagón en forma aleatoria. ¿Cuál es la probabilidad de que:
a) haya un pasajero en cada vagón?
b) haya 3 pasajeros en un vagón , 2 en otro y uno en otro?
Rpta. a) 0,0154 b) 0,0077
28.- En una zona de parqueo hay 10 lugares para estacionarse en fila, un
taxista deja estacionado su vehículo en uno de esos lugares que no
son los extremos, al regresa de hacer una diligencia encuentra tres
carros más estacionados, calcule la probabilidad de que los demás
carros estén estacionados en lugares que no sean los adyacentes a su
vehículo.
Rpta. 1/24
29.- Un fabricante de productos envasados, desea cambiar el sabor de su
producto a uno nuevo, para lo cual hace una prueba con 6
especialistas, a los que les hace probar su producto nuevo y el
antiguo, cada especialista sólo debe decir si prefiere al nuevo o al
antiguo; si hay 4 o más especialistas a favor del nuevo lo cambiará
de lo contrario seguirá con en antiguo. Calcule la probabilidad de
cambiar el sabor de su producto.
Rpta. 11/32
30.- Un jardinero tiene 6 plantas de rosas blancas y dos de rosas rojas, a
las cuales debe plantarlas en fila, pero como no tiene tiempo ordena a
su ayudante hacer el plantado pero como éste no conoce cuáles son
blancas y cuáles son rojas los planta al azar. Calcule la probabilidad
de que:
a) las dos rosas rojas hayan sido plantadas en los extremos.
b) las dos rosas rojas estén plantadas en forma separada.
Rpta. a) 1/28 b) ¾
31.- 60 cajas son transportadas en un camión de Lima con destino al
Callejón de Huaylas, 45 con destino a Huaraz y 15 con destino a
Carhuaz, si 2 cajas son descargadas en el puesto de control de Ancón,
¿cuál es la probabilidad de que:
a) ambas hayan tenido destino a Huaraz?
b) ambas hayan tenido como destino Carhuaz?
c) una caja haya tenido destino a Huaraz y la otra a Carhuaz?
Rpta. a) 0,56 b) 0,06 c) 0,38
32.- Entre 24 facturas emitidas por el departamento de ventas de una
empresa 4 contienen errores, si un auditor revisa 2 de ellas en forma
aleatoria. Halle la probabilidad de que:
a) ambas contengan errores.
b) ninguna contengan errores.
Rpta. a) 0,0217 b) 0,6884
CAPÍTULO IV
4. PROBABILIDAD CONDICIONAL
En ciertas ocasiones trabajar con partes del espacio muestral es más
conveniente que hacer con todo el espacio muestral, pues puede ayudar a
solucionar el problema en forma más precisa y rápida; así por ejemplo
seleccionar a una persona mayor de 50 años con cierta característica
específica, es mucho más fácil que seleccionarlo de toda la población de
individuos, o es más probable un estudiante del tercio superior apruebe el
curso de estadística, que la probabilidad de que cualquier estudiante
apruebe el curso es estadística. En cada caso sólo se evaluado la
ocurrencia del evento en un espacio más reducido que la del espacio
muestral completo, por su puesto que la información que se tiene de un
grupo más reducido es mayor que la que se tiene de todo el grupo, y a la
probabilidad de un evento conociendo de antemano algún hecho o evento
particular que ya ocurrió se llama probabilidad condicional de un evento
dado otro evento que ya sucedió, entonces la evaluación de la
probabilidad del nuevo evento se reduce sólo al espacio que le
corresponde al evento dado.
T.6. La probabilidad de que ocurra un evento A, dado que otro evento B
ya sucedió, se llama probabilidad condicional de A dado B y se denota
como sigue:
P( A B)
P( A / B) , P(B) 0
P( B)
De igual modo:
P( A B)
P ( B / A) , P(A) 0
P ( A)
Más estrictamente, sea (,A, P) un espacio de probabilidad, si B A y si
P(B) 0, la probabilidad condicional de A dado B está definida por:
P( A B)
P( A / B) , A A
P( B)
Nota.- Cualquier probabilidad de un evento A, es una probabilidad
condicional A dado el espacio muestral , es decir P(A) = P(A/) pues
P ( A ) P ( A)
P(A/) = P ( A)
P ( ) 1
Asimismo si P(B) = 0, la probabilidad condicional es indeterminada,
pero si los eventos son independientes es preferible que P(A/B) = P(A)
Por otro lado, se tiene que: P(Ac/B) = 1 – P(A/B)
Ejemplo Nº 1.
Suponga que en una oficina hay 20 empleados trabajando, algunos son
nombrados (N) y mientras que otros son contratados ©, además algunos
son profesionales (P) y otros son técnicos (T), la tabla siguiente muestra
la distribución de estos empleados.
Tipo Condición
Nombrado Contratado Total
Profesional 3 2 5
Técnico 9 6 15
Total 12 8 20
Un inspector entra a la oficina y escoge a una persona al azar y le
pregunta que si es nombrado y éste le responde que si, ¿cuál es la
probabilidad de que sea profesional?
P( P N ) 3 / 20
Solución: P(P/N) = = 3 / 12 = ¼ = 0,25
P( N ) 12 / 20
Se puede apreciar que la probabilidad se reduce sólo a los nombrados, del
cual se nota que 3 de los 12 nombrados son profesionales entonces su
probabilidad es igual a 3/12.
Ejemplo Nº 2.
Una fábrica tiene 200 obreros, cuya estructura está dado por el siguiente
cuadro:
Condición
Calificación
N: Nombrado M: Contratado Total
A: Calificado 50 10 60
B: Semi. Calif. 70 18 88
C: No Calif. 30 22 52
Total 150 50 200
Ejemplo Nº 1.
Se seleccionan 3 artículos de un conjunto de 20 artículos, donde 5 son
defectuosos, la selección se hace uno por uno y sin reposición, ¿cuál es la
probabilidad de que:
a) los 3 no tengan defectos?
b) los 2 primeros no tengan defectos y el tercero si lo sea?
c) el tercero sea defectuoso?
Solución:
15 14 13
a) P(B1 B2 B3) = P(B1) P(B2/B1) P(B3 /B1 B2) = x x =
20 19 18
0,399
15 14 5
b) P(B1 B2 D3) = P(B1) P(B2/B1) P(D3 /B1 B2) = x x =
20 19 18
0,1535
c) P = P(D1 D2 D3) + P(D1 B2 D3) + P(B1 D2 D3) +
P(B1 B2 D3)
= P(D1) P(D2/D1) P(D3 /D1 D2) + P(D1) P(B2/D1) P(D3 /D1 B2) +
P(B1) P(D2/B1) P(D3 /B1 D2) + P(B1) P(B2/B1) P(D3 /B1 B2)
5 4 3 5 15 4 15 5 4 15 14 5
= x x x x x x x x =
20 19 18 20 19 18 20 19 18 20 19 18
0,25
Ejemplo Nº 2.
Se tienen 5 llaves en un llavero de los cuales sólo uno puede abrir un
determinado candado, si la persona que tiene las llaves no las conoce, por
lo tanto, tiene que probarlas uno por uno hasta abrir el candado, ¿cuál es
la probabilidad de abrirlo en la:
a) cuarta prueba?
b) tercera prueba?
Solución:
a) P(N1 N2 N3 A4) =P(N1) P(N2 /N1) P(N3 /N1 N2) P(A4 /N1 N2 N3)
4 3 2 1
= x x x 1 / 5 0,2
5 4 3 2
b) P(N1 N2 A3) =P(N1) P(N2 /N1) P(A3 /N1 N2)
4 3 1
= x x 1 / 5 0,2
5 4 3
Ejemplo Nº 3.
Se seleccionan 3 cartas de una baraja de 52 cartas, uno por uno y sin
reposición, halle las siguientes probabilidades:
a) obtener 3 espadas.
b) cartas de diferentes palos.
c) dos ases.
Solución:
13 12 11
a) P(E1 E2 E3) = P(E1) P(E2 /E1) P(E3 /E1 E2) = x x =
52 51 50
0,013
E = espadas, C = corazones, O = oros, T = trébol o flor
b) P = 6P(ECO) + 6P(ECT) + 6P(E OT) + 6P(COT)
13 13 13
= (6 x x x ) x 4 0,3976
52 51 50
4 3 48
c) P = 3P(A1 A2 Ac) = 3 x x x
52 51 50
Se multiplica por 3 porque la carta que no es as, puede estar en
cualquiera de las 3 posiciones, sólo varía el numerador.
Ejemplo Nº 4
Tres artículos son seleccionados uno a continuación del otro y sin
reposición de una caja que tiene 10 artículos de los cuales 6 son nuevos y
4 son usados. Halle la probabilidad de que el tercer artículo extraído sea:
a) usado.
b) nuevo.
Solución:
a) P = P(UUU) + P(UNU) + P(NUU) + P(NNU)
=
4 3 2 4 6 3 6 4 3 6 5 4 288
x x x x x x x x 0,4
10 9 8 10 9 8 10 9 8 10 9 8 720
a) P = P(NNN) + P(NUN) + P(UNN) + P(UUN)
=
6 5 4 6 4 5 4 6 5 4 3 6 432
x x x x x x x x 0,6
10 9 8 10 9 8 10 9 8 10 9 8 288
A1 A2 A3 …. Ar
……
Supongamos que los eventos A1, A2, A3,…. Ar, representan una partición
del espacio muestral , pues:
a) Ai Aj = i j
b) Ai i
r
c) A i
=
i 1
Esto indica que los eventos Ai deben ser eventos mutuamente excluyentes
o incompatibles y diferentes del vacío.
Sea X un evento cualquiera de , esto es X y sea A1, A2, A3,…. Ar una
partición de tal como se muestra en la figura adjunta, por lo tanto se
tiene que: X = X
= X UAi
= X (A1 A2 A3 …. Ar)
= (XA1)(XA2) (XA3) …. (XAr)
La expresión anterior es consecuencia de la propiedad distributiva de la
teoría de conjuntos y extendida al algebra de eventos, por otro lado los
eventos (XAi) son mutuamente excluyentes, por consiguiente usando el
Ax.3 se puede tener la siguiente igualdad:
P(X) = P(XA1) + P(XA2) + P(XA3) + ... + P(XAr)
Usando el teorema de la multiplicación se tiene:
P(X) = P(A1)P(X/A1) + P(A2)P(X/A2) + P(A3)P(X/A3) +…+ P(Ar)P(X/Ar)
r
P(X) =
i 1
P(Ai)P(X/Ai)... A esta expresión se le conoce con el nombre
de Probabilidad total.
Ejemplo Nº 1.
Cierto artículo es fabricado por 4 máquinas, en la proporción: 1: 2: 3: 4
respectivamente, se sabe también que el 5, 4, 3 y 2% de los artículos
producidos por las respectivas máquinas son defectuosos. Todos los
artículos producidos son almacenados en un mismo ambiente. Un
inspector selecciona al azar un artículo del almacén, determine la
probabilidad de que sea defectuoso.
Solución:
Sea X que el artículo seleccionado sea defectuoso, además:
A1 = producción de la máquina 1
A2 = producción de la máquina 2
A3 = producción de la máquina 3
A4 = producción de la máquina 4
Luego se tiene:
P(A1) = 0,1 P(X/A1) = 0,05
P(A2) = 0,2 P(X/A2) = 0,04
P(A3) = 0,3 P(X/A3) = 0,03
P(A4) = 0,4 P(X/A4) = 0,02
4
P(X) =
i 1
P(Ai)P(X/Ai)
Ejemplo Nº 2.
Tres secretarias anotan todos los pedidos especiales en la librería
universitaria, por los archivos se sabe que la Srta. Adela recepciona el
50% de los pedidos especiales, la Srta. Bertha recepciona el 30% de los
pedidos y la Srta. Carolina el 20%, se sabe además que la Srta. Adela
comete un error por cada 100 pedidos, la Srta. Bertha 2 por cada 100
pedidos y la Srta Carolina 3 por cada 100 pedidos. Un estudiante recibe
un pedido, calcule la probabilidad de que esté equivocado.
Solución:
Sea X = pedido equivocado.
A = Srta. Adela... P(A) = 0,5 P(X/A) = 0,01
B = Srta. Bertha... P(B) = 0,3 P(X/B) = 0,02
C = Srta. Carolina... P© = 0,2 P(X/C) = 0,03
P(X) = P(A)P(X/A) + P(B) P(X/B) + P(C) P(X/C)
= (0,5)(0,01) + (0,3)(0,02) + (0,2)(0,03)
P(X) = 0,017 1,7% de los pedidos en forma general son equivocados.
Una forma práctica de obtener estas probabilidades es usando el diagrama
del árbol.
X P(A)P(X/A)
P(X/A)
A
Xc
P(A)
P(X/B) X P(B)P(X/B) P(X)
P(B)
B
Xc
P(C) P(X/C) X P©P(X/C)
C
Xc
Por su puesto para obtener P(X) se suman los tres productos que
corresponden a los 3 terminales de X.
Ejemplo Nº 3.
A, B y C licitan por un contrato para la construcción de un puente, las
probabilidades de que A, B y C obtengan el contrato son 0,45; 0,30 y 0,25
respectivamente, si obtiene A el contrato escogerá a X como
subcontratista con probabilidad de 0,8, si B obtiene el contrato
subcontratará a X con una probabilidad de 0,5 y si gana C subcontratará a
X con un probabilidad de 0,1. ¿Cuál es la probabilidad de que sea
subcontratada?
Solución:
P(A) = 0,45 P(X/A) = 0,80
P(B) = 0,30 P(X/B) = 0,50
P© = 0,25 P(X/C) = 0,10
P(X) = P(A)P(X/A) + P(B)P(X/B) + P(C)P(X/C)
= (0,45)(0,80) + (0,30)(0,50) + (0,25)(0,10)
= 0,535
Ejemplo Nº 4.
Dos candidatos llamados A y B compiten para ocupar la presidencia de
una entidad financiera, las probabilidades de incursionar en nuevas
inversiones
Es de 0,8 si gana el candidato A y de 0,4 si gana el candidato B, se sabe
que el 70% de los miembros del directorio están a favor de A y el 30%
está a favor de B, ¿cuál es la probabilidad de que se incursione en nuevas
inversiones, cualquiera que gane?
Solución:
P(A) = 0,7 P(X/A) = 0,8
P(B) = 0,3 P(X/B) = 0,4
P(X) = (0,7)(0,8) + (0,3)(0,4) = 0,68
4. 3. TEOREMA DE BAYES. (T.8.)
Si los r eventos A1, A2, A3,…. Ar, constituyen una partición del espacio
muestral , entonces para cualquier evento X , tal que P(X) 0,
se tiene la siguiente igualdad:
P ( Ai ) P ( X / Ai ) P ( Ai ) P ( X / Ai )
r
P(Ai/X) = P( X )
P( A ) P( X / A )
i 1
i i
Ejemplo Nº 2.
En una fábrica de personas las máquinas A, B y C producen el 20%, 30%
y 50% de los pernos de los cuales el 3%, 2% y 1% son defectuosos
respectivamente, si se escoge un perno del almacén general y se nota que
no tiene defectos, ¿cuál es la probabilidad de que el perno haya sido
producido por la máquina B?
Solución:
P(A) = 0,2 P(X/A) = 0,97
P(B) = 0,3 P(X/B) = 0,98
P© = 0,5 P(X/C) = 0,99
X = perno escogido no tiene defectos.
P(X) = (0,2)(0,97) + (0,3)(0,98) + (0,5)(0,99) = 0,983
(0,3)(0,98)
P(B/X) = 0,2991
0,983
Ejemplo Nº 3.
El volumen de producción diaria en 3 plantas diferentes en una fábrica es
de 500 unidades en la primera planta, de 1000 unidades en la segunda
planta y de 2000 unidades en la tercera planta, además el porcentaje de
unidades defectuosas es 1%, 3% y 2% respectivamente, si se escoge una
unidad de la producción de un día de la fábrica, determine la probabilidad
de que:
la unidad no sea defectuosa.
si es defectuosa de que haya sido producida por la planta C.
Solución:
A = Primera planta……..P(A) = 1/7 P(X/A) = 0,01
B = Segunda planta…….P(B) = 2/7 P(X/B) = 0,03
C = tercera planta………P© = 4/7 P(X/C) = 0,02
X = unidad escogida tiene defectos.
P(X) = (1/7)(0.01) + (2/7)(0.03) + (4/7)(0,02) = (0,15)/7 = 0,02143
P(Xc) = 1- (0,15)/7 = 6,85/7 = 0,97857
P(C ) P ( X / C ) ( 2 / 7)(0,03) 0,06
P(C/X) = 0,4
P( X ) (0,15) / 7 0,15
Ejemplo Nº 4.
Tres máquinas producen los mismos artículos, la máquina A necesita de 3
minutos para producir un artículo pero produce el 3% con defectos, la
máquina B necesita un minuto y 12 segundos para producir el artículo
pero produce el 5% con defectos y la máquina C necesita 2 minutos pero
produce el 4% con defectos. De la producción de una hora de la fábrica se
elige un artículo al azar y resulta ser defectuosa, ¿cuál es la probabilidad
de que el artículo haya sido producido por la máquina B?
Solución:
P(A) = 0,2 P(X/A) = 0,03
P(B) = 0,5 P(X/B) = 0,05
P© = 0,3 P(X/C) = 0,04
X = artículo escogido tiene defectos
P(X) = (0,2)(0,03) + (0,5)(0,05) + (0,3)(0,04) = 0,043
P ( B ) P ( X / B ) (0,5)(0,05)
P(B/X) = 0,58
P( X ) 0,043
Ejemplo Nº 5.
Un comerciante compra un lote de 240 computadoras a 3 proveedores, de
los cuales 60 son del proveedor A, 108 son del proveedor B y el resto del
proveedor C, además sabe que el 10% de las computadoras que vende A
tienen garantía de 5 años, en tanto que el 15% de B y el 20% de C tienen
esa garantía, un comprador escoge una computadora al azar y ve que
tiene la etiqueta de tener una garantía de 5 años, ¿Cuál es la probabilidad
de que haya sido del proveedor C?
Solución:
P(A) = 0,25 P(X/A) = 0,10
P(B) = 0,45 P(X/B) = 0,15
P© = 0,30 P(X/C) = 0,20
X = computadora escogida tiene garantía de 5 años
P(X) = (0,25)(0,10) + (0,45)(0,15) + (0,30)(0,20) = 0,1525
P(C ) P( X / C ) (0,30)(0,20)
P(C/X) = 0,39344
P( X ) 0,1525
4. 4. INDEPENDENCIA DE EVENTOS
Sea (,A, P) un espacio de probabilidad, se dice que dos eventos A y B
A del evento B desfavorece al evento A, pero si P(A/B) = P(A), son
independientes si y solo si, se cumple la siguiente igualdad:
P(AB) = P(A)P(B)
Caso contrario son dependientes.
Dos eventos son independientes si la ocurrencia de uno, no afecta la
ocurrencia del otro. Además si P(A/B) P(A), entonces la presencia del
evento b favorécela evento A y si P(A/B) P(A), entonces la presencia
entonces la presencia del evento B no influye en la ocurrencia del evento
A.
Nota.-
Si los eventos A y B A tienen probabilidad cero ó uno, entonces los
eventos son independientes; así por ejemplo, si P(A) = 0, entonces A = ,
luego P(AB) = P(B) =P() = 0, por otro lado P(A)P(B) = (0)P(B) =
0; y si P(A) = 1entonces A = , luego P(AB) = P(B) = P(B), por
otro lado P(A)P(B) = 1P(B) = P(B)
Cualquier evento A A es independiente de si mismo, si y solo si
P(A) = 0, pues P(AA) = P(A) = P(A)P(A) P(A) = 0
Si A y B A son independientes entonces P(A/B) = P(A),
ó P(B/A) = P(B)
Para A y B A ,si B A entonces P(A/B) = 1
Si los eventos A y B A son mutuamente excluyentes, entonces
P(A/B) = P(B/A) = 0
Ejemplo Nº 1.
Se lanza dos dados sobre la superficie plana, sea A el evento de que el
primer dado es muestra el número 4 y sea B el evento de que segundo
dado muestre también el número 4, determine si los eventos son
independientes.
Solución:
A = (4,1),(4,2),(4,3),(4,4),(4,5),(4,6)
P(A) = 1/6
B = (1,4),(2,4),(3,4),(4,4),(5,4),(6,4)
P(B) = 1/6
(AB) = (4,4)
P(AB) = 1/ 36, luego:
P(AB) = P(A)P(B)
1/36 = (1/6)(1/6)
Ejemplo Nº 2.
La probabilidad de que un determinado hombre de 60 años sobreviva 10
años más es igual a ¼, y la probabilidad de que su esposa, también de 60
años sobreviva 10 años más es de 1/3, si los eventos son independientes.
Halle las siguientes probabilidades:
a) por lo menos uno sobreviva 10 años más.
b) solo uno sobreviva 10 años más.
c) los dos sobrevivan 10 años más.
d) ninguno sobreviva 10 años más.
Solución:
Sea A el evento de que el varón sobreviva 10 años más y sea B el evento
de su esposa sobreviva 10 años más.
a) P(AB) = P(A) + P(B) – P(A)P(B) = ¼ + 1/3 – (1/4)(1/3) = ½
b) P(A B) = P(A) + P(B) – 2P(A)P(B) = ¼ + 1/3 – 2(1/4)(1/3) = 5/12
c) P(AB) = P(A)P(B) = (1/4)(1/3) = 1/12
d) P(AcBc) = P(AB)C = 1 - P(AB) = 1 – ½ = ½
Ejemplo Nº 3.
De una caja que contiene 4 conservas de durazno y 5 de peras, se extraen
sucesivamente y sin reposición 2 conservas, sean los eventos:
A = Primera conserva escogida es de durazno.
B = Segunda conserva escogido es de pera.
Determine si los eventos A y B son independientes.
Solución:
4 3 4 5 4
P(A) = P(D1)P(D2/D1) + P(D1)P(P2/D1) = x x
9 8 9 8 9
4 5 5 4 5
P(B) = P(D1)P(P2/D1) + P(P1)P(P2/P1) = x x
9 8 9 8 9
4 5 5
P(AB) = P(D1)P(P2/D1) = x =
9 8 18
5 4 5
x Los eventos A y B son dependientes
18 9 9
Definición.-
Se dice que 3 eventos A, B y C son independientes entre si, o son
independientes colectivamente, si cumplen las siguientes condiciones:
i) P(AB) = P(A)P(B)
ii) P(AC) = P(A)P(C)
P(BC) = P(B)P(C)
P(ABC) = P(A)P(B)P(C)
Si sólo cumplen las 3 primeras, se dice que son independientes dos a dos.
Ejemplo Nº 1.
Se lanza una moneda en forma sucesiva 3 veces, sean los eventos:
A = la primera moneda muestra cara.
B = la segunda moneda muestra sello.
C = la tercera moneda muestra cara.
Determine si los eventos son independientes entre si.
Solución:
= (CCC),(CCS),(CSC),(SCC),(CSS),(SCS),(SSC),(SSS)
A = (CCC),(CCS),(CSC),(CSS) P(A) = ½
B = (CSC),(CSS),(SSC),(SSS) P(A) = ½
C = (CCC),(CSC),(SCC),(SSC) P(A) = ½
AB = (CSC),(CSS) P(AB) = ¼
AC = (CCC),(CSC) P(AB) = ¼
BC = (CSC),(SSC) P(AB) = ¼
ABC = (CSC) P(ABC) = 1/8
i) P(AB) = P(A)P(B) ¼ = (1/2)(1/2)
ii) P(AC) = P(A)P(C) ¼ = (1/2)(1/2)
iii) P(BC) = P(B)P(C) ¼ = (1/2)(1/2)
iv) P(ABC) = P(A)P(B)P(C) 1/8 = (1/2)(1/2)(1/2)
Como se cumple las 4 condiciones se dice que los eventos son
independientes entre si.
Ejemplo Nº 2.-
Determine si los eventos dados en la figura son independientes entre si.
A
B
C
Solución:
P(A) = P(B) = P(C) = 2/4 = ½
P(AB) = P(AC) = P(BC) = ¼
P(ABC) = ¼
P(AB) = P(A)P(B) ¼ = (1/2)(1/2)
P(AC) = P(A)P(C) ¼ = (1/2)(1/2)
P(BC) = P(B)P(C) ¼ = (1/2)(1/2)
P(ABC) = P(A)P(B)P(C) = ¼ (1/2)(1/2)(1/2)
En consecuencia son independientes dos a dos pero no entre si.
Más eventos pueden se colectivamente independientes, por lo tanto por el
principio de la multiplicación y la definición de independencia de eventos
se tiene:
Definición.- Dado los eventos A1, A2, A3,…. Ar A correspondientes a
un espacio muestral . Si los eventos son independientes entonces se
cumple la siguiente igualdad:
r r
P ( Ai )
i 1
P( A )
i 1
i
i,r
Prueba:
i) P(ABc) = P(A – B) = P(A) – P(AB)
= P(A) - P(A)P(B) por ser A y B independientes
= P(A)1 – P(B)
= P(A)p(Bc) por T.2.
ii) Se prueba igual que i)
iii) P(AcBc) = P(AB)c por Morgan
= 1 - P(AB) por T.2.
= 1 – P(A) – P(B) + P(AB) por T.5.
= 1 – P(A) – P(B) + P(A)P(B) por enunciado
= 1 – P(A) - P(B)1 – P(A)
= 1 – P(A) 1 – P(B)
= P(Ac)P(Bc) por T.2.
Ejemplo Nº 1:
Una caja A tiene 8 focos de luz de los cuales 3 son usados, y la caja b
tiene 10 focos de los cuales 4 son usados. Se saca al azar un foco de cada
caja. ¿Cuál es la probabilidad de que:
a) ambos sean usados?
b) ambos sean nuevos?
c) haya un usado y un nuevo?
d) por lo menos un usado?
e) por lo menos un nuevo?
Solución:
Todos los eventos son independientes.
3 4
a) P(UAUB) = P(UA)P(UB) = x 0,15
8 10
5 6
b) P(NA NB) = P(NA)P(NB) = x 0,375
8 10
c) P = P(NA UB) + P(UA NB) = P(NA)P(UB) + P(UA)P(NB)
5 4 3 6
= x x 0,475
8 10 8 10
Si se suman las 3 probabilidades anteriores es igual a uno, lo que indica
que los 3 eventos son mutuamente excluyentes, pero no independientes.
d) P(UAUB) = P(UA) + P(UB) – P(UAUB)
= P(UA) + P(UB) – P(UA)P(UB)
3 4 3 4
= x 0,625
8 10 8 10
e) P(NANB) = P(NA) + P(NB) – P(NANB)
= P(NA) + P(NB) – P(NA)P(NB)
5 6 5 6
= x 0,85
8 10 8 10
Ejemplo Nº 2.
Tres expertos tiradores A, B y C compiten disparando sus armas a un
blanco, las probabilidades de acertar son los siguientes: P(A) = 0,9; P(B)
= 0,8 y P(C) = 0,7. Si los 3 disparan al mismo blanco, ¿cuál es la
probabilidad de que:
a) los 3 hayan dado en el blanco?
b) sólo 2 hayan dado en el blanco?
c) sólo uno haya dado en el blanco?
d) ninguno haya dado en el blanco?
e) almenos uno haya dado en el blanco?
Solución:
Los eventos son independientes.
a) P(ABC) = P(A)P(B)P(C) = (0,9)(0,8)(0,7) = 0,504
b) P = P(ABCc) + P(ABcC) + P(AcBC)
= P(A)P(B)P(Cc) + P(A)P(Bc)P(C) + P(Ac)P(B)P(C)
= (0,9)(0,8)(0,3) + (0,9)(0,2)(0,7) + (0,1)(0,8)(0,7) = 0,398
c) P = P(ABcCc) + P(AcBcC) + P(AcBCc)
= P(A)P(Bc)P(Cc) + P(Ac)P(Bc)P(C) + P(Ac)P(B)P(Cc)
= (0,9)(0,2)(0,3) + (0,1)(0,2)(0,7) + (0,1)(0,8)(0,3) = 0,092
d) P = P(AcBcCc) = P(Ac)P(Bc)P(Cc) = (0,1)(0,2)(0,3) = 0,006
Si se suma las 4 probabilidades anteriores se obtiene, estos 4 eventos son
mutuamente excluyentes y no independientes.
P(ABC) = 1 - P(ABC)c = 1 - P(AcBcCc) = 1 – 0,006
= 0,994
Ejemplo Nº 3.
Se escoge un punto interior de un cuadrado, cuyos vértices opuestos son
(0,0) y (2,2). Sea A el evento de que las coordenadas del punto tienen la
siguiente desigualdad x + y 1 y sea B el evento de que las coordenadas
del punto tienen la siguiente desigualdad x + y 3. Determine:
a) si los eventos son independientes.
b)P(A/B)
Solución:
Y
(0,2) (2,2)
(0, 0) X
(2,0)
Si dividimos el cuadrado en 8 parte iguales notamos que y 3 – x, abarca
7 cuadrantes, es decir menos el triángulo que está por encima de la recta
que pasa por los puntos (1,2) y (2,1) y este corresponde al evento B,
entonces P(B) = 7/8, de igual manera hay 7 cuadrantes que abarca la
desigualdad que corresponde al evento A, es decir a y 1 – x, o sea todos
los triángulos que están por encima de la recta que pasa por los puntos
(0,1) y (1,0), por lo que P(A) = 7/8, en tanto que la intersección de A y B
abarca 6 triángulos, es decir todos los triángulos que están por debajo de
la recta que pasa por los puntos (1,2) y (2,1), y por encima de la recta que
pasa por los puntos (0,1) y (1,0), entonces la probabilidad de P(AB) =
6/8
6 7 7
P(AB) P(A)P(B) pues x
8 8 8
P( A B) 6 / 8 6
P(A/B) =
P( B) 7/8 7
4. 5. CIRCUITOS
4. 5. 1. EN SERIE.
© # # ®
A B
Todo circuito en serie consta de dos terminales y 2 ó más puntos de
interrupción, por el que puede circular cualquier fluido u objeto, estas
pueden ser por ejemplo los canales de regadío y los puntos de
interrupción las compuertas para impedir o permitir el paso del agua, o
puede ser una corriente eléctrica y los puntos de interrupción los
interruptores o relees o relevadores.
Suponga que los puntos de interrupción tienen una probabilidad P de
funcionar y que el funcionamiento de cada uno de estos puntos de
interrupción son independientes, entonces la probabilidad de que el
circuito funcione dependerá del funcionamiento de cada uno de los
puntos de interrupción, en consecuencia funcionará el circuito entre C y
R si y solo si funcionan los puntos de interrupción A Y B a la vez, es
decir:
Funciona el circuito.
Si son 2 los puntos de interrupción.
P(AB) = P(A)P(B)
Si son 3 los puntos de interrupción.
P(ABC) =P(A)P(B)P(C)
…………….
Si Hay r puntos de interrupción (A1, A2, A3…. Ar).
r r
P( Ai )
i 1
P( A )
i 1
i
No funciona el circuito.
Para que no funcione el circuito entonces no debe funcionar almenos uno
de los puntos de interrupción.
Si hay 2 puntos de interrupción.
P(AcBc) = P(AB)c = 1 - P(AB), como son independientes entonces.
= 1 –P(A)P(B)
Si hay 3 puntos de interrupción.
P(AcBcCc) = 1 – P(A)P(B)P(C)
…………….
Si hay r puntos de interrupción (A1, A2, A3…. Ar).
r r
P (P ( Ai ) 1 P ( Ai )
c
i 1 i 1
4. 5. 2 EN PARALELO.
A
© ®
#
B
Funciona el circuito.
Para que funcione el circuito debe funcionar el punto de interrupción A,
ó el punto de interrupción B, o ambos puntos, es decir debe funcionar
interrupción
P(AB) = P(AB)cc = almenos uno de los puntos de interrupción.
Si son 2 los puntos de 1 - P (AB)c = 1 – P(Ac Bc)
= 1 – P(Ac)P(Bc)
Si son 3 los puntos de interrupción paralelas.
P(ABC) = 1 – P(Ac)P(Bc)P(Cc)
…………………
Si son r los puntos de interrupción (A1, A2, A3…. Ar).
r r
P (Ai ) 1 P( Ai )
C
i 1 i 1
No funciona el circuito.
Para que no funcione el circuito no debe funcionar el punto de
interrupción A y el punto de interrupción B, ambos a la vez.
Si son dos los puntos de interrupción.
P(AcBc) = P(Ac)P(Bc)
Si son 3 los puntos de interrupción.
P(AcBcCc ) = P(Ac)P(Bc)P(Cc)
…………………………
Si son r los puntos de interrupción (A1, A2, A3…. Ar).
r r
P( A )
c c
p ( Ai ) i
i 1 i 1
Nota.- Los circuitos no necesariamente están instalados en serie o en
paralelo, generalmente son mixtos. Para su solución es recomendable
convertirlo ya sea en serie o en paralelo.
Ejemplo Nº 1.
Suponga que la probabilidad de funcionamiento de cada punto de
interrupción del circuito que se presenta en la siguiente figura es igual a
0,9 y que cada uno de ellos funciona en forma independiente, calcule la
probabilidad de que el circuito funcione, es decir que haya fluido entre
los terminales C y R.
Solución:
Sea X = AB P(X) = P(A)P(B) P(X) = (0,9)(0,9) = 0,81
Y = DE P(Y) = P(D)P(E) P(Y) = (0,9)(0,9) = 0,81
Luego el circuito se reduce a uno paralelo con 3 puntos de interrupción
X, C e Y, entonces usando la fórmula, se tiene:
A B
# #
C
© # ®
D E
# #
P(XCY) = 1 – P(XcCcYc) = 1 – P(Xc)P(Cc)P(Yc)
= 1 – (0,19)(0,1)(0,19) = 1 – 0,00361 = 0,99639
Otra forma de solucionar pero más complicada es la siguiente:
P(XCY) = P(X) + P© + P(Y) – P(XC) – P(XY) – P(CY) +
P(XCY)
Reemplazando X e Y se tiene:
P(XCY) = P(AB) + P© + P(DE) – P(ABC) – P(ABDE)
– P(CDE) + P(ABCDE)
Como lo eventos son independientes, entonces se tiene la siguiente
igualdad
P(XCY) = P(A)P(B) + P(C) + P(D)P(E) – P(A)P(B)P(C) –
P(A)P(B)P(D)P(E) – P(C)P(D)P(E) +P(A)P(B)P(C)P(D)P(E)
= (0,9)2 + (0,9) + (0,9)2 – (0,9)3 – (0,9)4 – (0,9)3 + (0,9)4
= (0,9) + 2(0,9)2 – 2(0,9)3 – (0,9)4 + (0,9)5
= 0,99639
4. 6. PROBLEMAS RESUELTOS
1.- Un equipo electrónico consta de dos componentes, digamos A y B, a
partir de una serie de pruebas se sabe que la probabilidad de que falle
A es igual a 0,2; de que falle sólo B es igual a 0,15 y de que fallen A y
B juntos es igual a 0,15. Calcule la probabilidad de que:
a) Sí falló B, de que falle A.
b) Si falló A, de que falle B.
Solución:
P(A) = 0,20 P(AcB) = 0,15 P(AB) = 0,15 P(B) =
0,30
P( A B) 0,15
P(A/B) = = 0,5
P( B) 0,30
P( A B) 0,15
P(B/A) = 0,75
P( A) 0,20
2.- Considere dos eventos A y B de un espacio muestral , tales que:
P(A) = 1/3, P(B) = ½, determine el valor de P(ABc) para cada una
de las siguientes condiciones:
a) A y B son mutuamente excluyentes.
b) A y B son independientes.
c) A B
e) P(AB) = 1/8
Solución:
P(AB) = 0 si son mutuamente excluyentes, entonces
P(ABc) = p(A-B) = P(A) – P(AB) = 1/3 – 0 = 1/3
P(AB) = P(A)P(B) = (1/3)(1/2) = 1/6, entonces
P(ABc) = P(A-B) = P(A) – P(AB) = 1/3 – 1/6 = 1/6
Si A B P(AB) = P(A) = 1/3, entonces
P(ABc) = P(A-B) = P(A) – P(AB) = 1/3 – 1/3 = 0
Si P(AB) = 1/8, entonces
P(ABc) = P(A-B) = P(A) – P(AB) = 1/3 – 1/8 = 5/24
Solución:
n() = 3! = 6
R = ABC, ACB, CAB
S = ABC, ACB, BAC
RS = ABC, ACB
P(RS) = P(R)P(S) (2/6) (1/2)(1/2) los eventos no son
independientes.
P(R/S) = P(RS) / P(S) = (2/6) / (1/2) = 2/3
Solución:
El suceso puede ocurrir: 0, 1, 2, 3, 4 ó 5 veces, de que el suceso
ocurra almenos una vez, es complementario con que el suceso no
ocurra ninguna vez, por lo tanto si n= 5:
P(A) = 1 – (1- 0,2)5 = 0,67232
P(B) 1 – (1- 0,1)10 = 0,65132
8.- Una cierta prueba médica tiene una efectividad del 99% para
descubrir la presencia de una enfermedad (esto indica que P(S/E) =
0,99 y que P(S c/Ec) = 0,99. Donde S indica un resultado positivo y E
indica presencia de la enfermedad). Se aplica la prueba en una
población en la que hay el 1% de individuos con la enfermedad. Se
desea saber el porcentaje de individuos que:
a) tienen la enfermedad y tendrán resultado positivo.
b) tienen la enfermedad, pero tendrán resultado negativo.
Solución:
P(E) = 0,01 P(Sc/E) = 1 - P(S/E) = 1 – 0,99 = 0,01
P(ES) = P(E) P(S/E) = (0,01)(0,99) = 0,0099
P(ESc) = P(E) P(Sc/E) = (0,01)(0,01) = 0,0001
9.- Una CIA reemplaza un componente de una de sus máquinas cada 2
años. La probabilidad de que el componente haya tenido 2 años sin
fallas es igual a 0,8075. el componente puede tener 2 tipos de falla (A
y B), la falla tipo A ocurre 3 veces más que el tipo B pero en forma
independiente. ¿Cuál es la probabilidad de que ocurra:
a) almenos una de las fallas?
b) del tipo A pero no del tipo B?
c) sólo una de las fallas?
Solución:
P(Ac Bc ) = 0,8075 P(Ac Bc ) = P(AB)c = 1 - P(AB)
P(AB) = 0,1925 = 3P + P – 3P 2 P = 0,05 P(A) = 0,15 y P(B)
= 0,05
a) P(AB) = 0,1925
b) P(ABc) = P(A-B) = P(A) – P(A)P(B) = 0,15 – (015)(0,05) =
0,1425
P(A B) = P(A) + P(B) – 2P(A)P(B) = 0,15 + 0,05 – 2(0,15)(0,05)
= 0,185
10.- Durante el primer año de uso un equipo electrónico puede requerir 3
tipos de reparaciones, las probabilidades correspondientes son: 0,05;
0,04 y 0,02. ¿Cuál es la probabilidad de que el equipo comprado
requiera reparación durante el primer año de uso?
Solución:
El evento es complementario de que el equipo no requiera
reparación, por lo que:
P(A) = 1 – (0,95)(0,96)(0,98) = 0,10624
11.- En un país determinado la probabilidad de que un hombre sea
exonerado del cargo de paternidad a pesar de serlo, mediante una
prueba de grupo sanguíneo en el sistema ABO es de 0,165; en el
sistema MN es de 0,274 y en el sistema RH es de 0,256, esta pruebas
son independientes, ¿cuál es la probabilidad de que un hombre sea
acusado de paternidad después de pasar las 3 pruebas?
Solución:
El evento es complementario del evento de que el hombre sea
exonerado en las 3 pruebas, por lo que:
P(A) = 1 – (0,165)(0,274)(0,256) = 0,9884
12.- Una operación antidroga debe comenzar a las 11p.m. de cierta
noche. Se estima que lloverá 6 horas antes con una probabilidad de
0,8; si llueve, se estima que la probabilidad de éxito de la operación
sea de 0,75. Si no llueve, esta probabilidad se estima que sea de 0,60;
¿cuál es la probabilidad de éxito?
Solución:
P(A) = 0,8 probabilidad de que llueva
P(Ac) = 0,2 P(E/A) = 0,75 P(E/Ac) = 0,60
Por isomorfismo del álgebra de conjuntos con el álgebra de eventos
se conoce que:
E = (EA)(EAc) las dos intersecciones son eventos
mutuamente excluyentes, por lo que usando Ax.3. se tiene:
P(E) = P(EA) + P(EAc)
= P(A)P(E/A) + P(Ac)P(E/Ac)
= (0,8)(0,75) + (0,2)(0,60)
= 0,72
13.- En una ciudad el 40% de los trabajadores tienen primaria completa,
el 50% tiene secundaria completa y el 10% son profesionales, entre
los que tienen primaria completa el 25% son desocupados, entre los
que tienen secundaria completa el 15% son desocupados y entre los
profesionales ninguno está desocupado. Si se elige un trabajador al
azar, ¿cuál es la probabilidad de que:
a) sea desocupado?
b) si es desocupado, de que tenga secundaria completa?
Solución:
A = tiene primaria completa.
B = tiene secundaria completa.
C = es profesional.
D = es desocupado.
a) P(D) = P(A)PD/A) + P(B)P(D/B) + P(C)P(D/C)
= (0,40)(0,25) + (0,50)(0,15) + )0,10)(0,0)
= 0,175
P ( B ) P ( D / B ) (0,5)(0,15)
P(B/D) = 0,4286
P( D) 0,175
14.- Si A y B son dos eventos independientes de un espacio muestral ,
tales que P(A/B) = 0,35 y P(B) = 0,6. Hallar:
a) P(ABc)
b) P(AcB)
Solución:
a) P(ABc) = P(A) + P(Bc) – P(ABc)
= P(A) + P(Bc) – P(A)P(Bc)
= 0,35 + 0,4 – (0,35)(0,4)
= 0,61
b) P(AcB) = P(Ac)P(B) = (0,65)(0.6) = 0,39
15. - Una Unidad de Educación emplea 120 personas, 80 de los cuales
son varones. El Departamento de Estadística e Informática da trabajo
al 15% de los varones y al 20% de las mujeres. Si un inspector
escoge a una persona al azar y nota que es varón, ¿cuál es la
probabilidad de que trabaje en el Departamento de estadística e
Informática?
Solución:
P(V) = 2/3 P(M) = 1/3 P(DEI) = 1/6 P(DEIV) =1/10
P(DEI/V) = P(DEIV) / P(V) = (1/10) / (2/3) = 0,15
16. - ¿Cuál es la probabilidad de que al arrojar dos dados en una
superficie plana, la suma de los números que aparecen en las caras
superiores exceda a 8, dado que uno de ellos es el número 6?
Solución:
A = el evento de que uno de los números sea el número 6.
= (1,6),(6,1),(2,6),(6,2),(3,6),(6,4)(4,6), (6,4), (5,6),(6,5),(6,6),
P(A) = 11/36
B = la suma excede a 8
= (3,6),(6,3),(4,5),(5,4),(4,6),(6,4),(5,5),(5,6),(6,5),(6,6)
AB = (3,6),(6,3),(4,6),(6,4),(5,6),(6,5),(6,6)
P(AB) = 7/36
P(B/A) = (7/36) / (11/36) = 7/11 = 0,63636
Solución:
P(V) = 0,4 P(M) = 0,5 P(V/M) = 0,7
P(VM) = P(M)P(V/M) = (0,5)(0,7) = 0,35
P(M/V) = P(VM) / P(V) = 0,35 / 0,4 = 0,875
P(VM) = P(V) + P(M) – P(VM) = 0,4 + 0,5 – 0,35
= 0,55
19.- Se sabe que el veredicto dado por un jurado es un 90% de confiable
cuando el sospechoso es culpable y un 99% confiable cuando es
inocente. En otras palabras declara inocente al 10% de los culpables
y declara culpable al 1% de los inocentes. Si un sospechoso es
seleccionado al azar de un grupo de personas de los cuales sólo un
5% ha cometido delito alguna vez. ¿Cuál es la probabilidad de que la
persona sea culpable dado que ha sido declarado inocente?
Solución:
P(C) = 0,05 donde C indica que la persona seleccionada es culpable.
P(I) = 0,95 donde I indica que la persona escogida es inocente.
A = la persona escogida es declarada inocente por el jurado
P(A/C) = 0,10 P(Ac/I) = 0,01 P(A/I) = 0,99
P(A) = P(I) P(A/I) + P(C)P(A/C)
= (0,95)(0,99) + (0,05)(0,10)
= 0,9455
P(CA) = P© P(A/C) = (0,05)(0,10) = 0,005
P(C/A) = P(CA) / P(A) = (0,005) / (0,9455) = 0,0053
Solución:
a) Dos eventos son mutuamente excluyentes si y solo si P(AB) = 0,
en este caso P(AB) = 1/18, por lo tanto la afirmación es falsa.
b) Como PA/B) = P(A), entonces los eventos son independientes, por
lo que la afirmación es verdadera.
c) Si A B AB = A, pero como P(AB) = 1/18 y P(A) = 1/6,
entonces la afirmación es falsa.
d)P(Ac/Bc) = 5/6 como los eventos son independientes P(Ac/Bc) =
P(Ac) = 5/6 entonces la afirmación es verdadera.
e)P(A-B) = P(A) – P(AB) = 1/6 – 1/18 = 1/9, por lo tanto la
afirmación es verdadera.
22.- De un espacio muestral se tienen las siguientes probabilidades
P(A) = ½, P(A/B) = 1/3, P(B/A) = ¼. Diga si cada una de las
siguientes proposiciones son verdaderas o falsa:
a) A y B son independientes.
b) A es subevento de B.
c) P(Ac – Bc) = ¼
d) P(Ac Bc) = 5/8
Solución:
P(B/A) = P(AB) / P(A) P(AB) = P(A)P(B/A) = (1/2)(1/4) =
1/8
P(B) = P(AB) / P(A/B) = (1/8) / (1/3) = 3/8
a) P(AB) P(A)P(B) pues (1/8) (1/2)(3/8) a proposición es
falsa.
b) si A es subevento de B entonces P(AB) = P(A), lo cual no se
cumple en la proposición, entonces es falsa.
c) P(Ac – Bc) = P(B-A) = P(B) - P(AB) = (3/8) – (1/8) = ¼, por lo
que la proposición es verdadera.
d) P(Ac Bc) = P(A B) = P(A) + P(B) – 2P(AB)
= (1/2) + (3/8) – 2(1/8) = 5/8, por lo que la proposición es verdadera.
23.- En una caja se tiene 12 artículos nuevos y 4 usados, se extraen 2
artículos, se les separa sin tener en cuenta su estado, luego se extrae
otro artículo de la caja. ¿Cuál es la probabilidad de que sea nuevo?
Solución:
16
n() = 120 formas de extraer 2 artículos de los 16 existentes en la
2
caja, pero puede suceder de 3 formas: i) que los dos sean nuevos,
12 4
entonces hay
6 formas ; ii) que los dos sean usados entonces hay
6formas
2
; iii) que haya un usado y un nuevo, entonces hay 12 x 4 = 48 formas
2
de seleccionarlos, luego quedarán 14 artículos en la caja del cual se
extrae uno, entonces la probabilidad de que el último artículo sea
nuevo es como sigue:
P = P(2N)P(N/2N) + P(2U)P(N/2U) + P(NU)P(N/NU)
66 10 6 12 48 11
= x x x 0,75
120 14 120 14 120 14
Prueba:
P(/C) = P(C) / P© = P©/ P© = 1
P(A/C) = P(AC) /P© = P© /P© = 1
P(A/C) = P(AC) /P© = P(C) /P© = P() /P© = 0/P©
=0
P(AB/C) = P(AB)C / P© = P(AC) (BC) /P©
= P(AC) + P (BC) – P(ACBC) /P©
= P(AC) /P© + P(BC) /P© – P(ABC) / P©
= P(A/C) + P(B/C) – P(AB/C)
P(Ac/C) = P(Ac C)/P© = P(C-A)/P© = P©–P(AC)/ P©
= P(C)/P(C) - P(AC)/P(C)
= 1 – P(A/C)
25. - Suponga que 2 libros con errores tipográficos han sido incluidos en
un grupo de 6 libros, la persona que recepciona los libros, los revisa
uno por uno. ¿Cuál es la probabilidad de que el último libro con
errores tipográficos sea detectado en:
a) el cuarto libro revisado?
b) el quinto libro revisado?
Solución:
Puede suceder de la siguiente manera:
ENNE, NENE, NNEE, los 3 tiene las mismas probabilidades, por lo
2 4 3 1
que: P(A) = 3 x x x 1/ 5
6 5 4 3
En este caso puede suceder de 4 maneras:
ENNNE, NENNE, NNENE, NNNEE y los 4 tienen la misma
probabilidad.
2 4 3 2 1 4
P(B) = 4 x x x x
6 5 4 3 2 15
26.- Tres distribuidores surten con la marca X de leche embotellada a
todos los expendios de una zona de la ciudad. El distribuidor A
suministra el 60% de la leche, el distribuidor B suministra el 30% y
el distribuidor C suministra el 10% restante. Una inspección de
salubridad comprueba que el 1% de la leche suministrada por A es
adulterada, al igual que el 3% suministrada por B y el 5%
suministrada por C. Un niño de corta edad de la zona fallece a
consecuencia de haber consumido leche adulterada de la marca X.
Determine la probabilidad de que la botella de leche causante del
deceso haya sido suministrada por el distribuidor A.
Solución:
P(A) = 0,6 P(X/A) = 0,01
P(B) = 0,3 P(X/B) = 0,03
P© = 0,1 P(X/C) = 0,05
P(X) = (0,6)(0,01) + (0,3)(0,03) + (0,1)(0,05) = 0,02
P(A/X) = P(A)P(X/A) / P(X) = (0,6)(0,01) / (0,02) = 0,006 / 0,020
= 0,3
27.- A y B son dos mayoristas más importantes que abastecen con arroz a
las tiendas de la ciudad, A abastece el 70% de las tiendas, B abastece
el 50%, y A y B abastecen al 30% de las mismas tiendas, sin
embargo no todas las tiendas que abastece A son las mismas que
abastece B, por otra parte existen tiendas que no son abastecidas por
A ni por B. Si se escoge una tienda al azar, ¿cuál es la probabilidad
de que:
a) sea abastecido A, dado que también es abastecido por B?
b) sea abastecido B, dado que también es abastecido por A?
Solución:
P(A/B) = P(AB)/P(B) = 0,3 / 0,5 = 0,6
P(B/A) = P(AB)/P(A) = 0,3 / 0,7 = 0,42857
28.- De una caja que tiene 12 artículos, de los cuales 8 son nuevos y 4
usados, se seleccionan 2 artículos uno a continuación del otro. Sea a
el evento de que el primer artículo escogido es usado y sea b el
evento de que el segundo artículo escogido sea nuevo. Determine si
los eventos son independientes, si la selección es:
a) con sustitución.
b) sin sustitución.
Solución:
Las formas de seleccionar son para el evento A( UU y UN) y para el
evento B (UN, NN)
4 4 4 8 1
a) P(A) = x x
12 12 12 12 3
4 8 8 8 2
P(B) = x x
12 12 12 12 3
4 8 2
P(AB) = x
12 12 9
P(AB) = P(A)P(B) pues 2/9 = (1/3)(2/3) entonces los eventos son
independientes.
4 3 4 8 1
b) P(A) = x x
12 11 12 11 3
4 8 8 7 2
P(B) = x x
12 11 12 11 3
4 8 8
P(AB) = x
12 11 33
P(AB) P(A)P(B) pues 8/33 (1/3)(2/3) entonces los eventos no
son independientes.
29.- Un experto en tiro al blanco acierta el 90% de las veces en el que
dispara. Si dispara 3 tiros consecutivos, calcule la probabilidad de
que:
a) haya acertado por lo menos dos tiros.
b) haya fallado por lo menos dos tiros.
Solución:
Los disparos son independientes unos de otros.
P = P(AAF) + P(AFA) + P(FAA) + P(AAA)
= (0,9)(0,9)(0,1) + (0,9)(0,1)(0,9) + (0,1)(0,9)(0,9) + (0,9)(0,9)(0.9)
= 0,972
P = P(FFA) + P(FAF) + P(AFF) + (FFF)
Este es un evento complementario al anterior.
P = 3(0,1)(0,1)(0,9) + (0,1)(0,1)(0,1) = 0,028
31.- Cuando una máquina que produce tornillos está trabajando bien el
95% de los tornillos satisfacen las especificaciones, en cambio
cuando la máquina no trabaja bien sólo el 40% de los tornillos
satisfacen las especificaciones. La máquina trabaja bien el 90% de
las veces. Un inspector selecciona un tornillo del almacén. ¿Cuál es
la probabilidad de que:
a) el tornillo no satisfaga las especificaciones?
b) si el tornillo está bien, de que haya sido producido cuando la
máquina estaba trabajando mal?
Solución:
A = el tornillo cumple las especificaciones dadas.
B = la máquina trabaja bien.
P(A/B) = 0,95 P(A/Bc) = 0,40 P(B) = 0,90
P(A) = (0,90)(0,95) + (0,10)(0,40) = 0,895
P(Ac) = 1 – P(A) = 1 – 0,895 = 0,105
P(Bc/A) = 1 – P(B/A) = 1 – 0,9553 = 0,0447
P(B/A) = P(B)P(A/B) / P(A) = (0,90)(0,95) / (0,895) = 0,9553
32.- Se sabe que 1/3 de todos los alumnos de un salón de clase son
menores de 20 años, 3/5 del total son varones y que la mitad de las
mujeres son mayores de 20 años. Si se escoge un alumno al azar,
calcule la probabilidad de que:
a) sea varón con menos de 20 años.
b) si es varón, tenga menos de 20 años.
Solución:
Sexo
Edad
Varón Mujer Total
Menor de 2/15 1/5 1/3
20 años : A
Mayor de 7/15 1/5 2/3
20 años
Total 3/5 2/5 1.0
a) P(AV) = 2/15
b) P(A/V) = P(AV)/ P(V) = (2/15) / (3/5) = 2/9
Solución:
Hay 160 tornillos en el segundo y tercer cajón, por lo que en el
segundo cajón hay 40 tornillos (28 de cromo y 12 de acero) y en el
tercer cajón hay 120 tornillos (90 de cromo y 30 de acero), en total
hay 198 de cromo y 62 de acero.
Por otro lado, P(A) = 5/13, P(B) = 2/13, P(C) = 6/13
P(X/A) = 0,2 P(X/B) = 0,3 P(X/C) = 0,25
Donde A = primer cajón, B = segundo cajón, C = tercer cajón, X
tornillo de acero, por lo que:
P(X) = (5/13)(0,2) + (2/13)(0,3) + (6/13)(0,25) = 0,23846
P(B/X) = P(B)P(X/B) / P(X) = (2/13)(0,30) / (0,23846) = 0,19355
Solución:
P(A) = 1/3 P(X/A) = 1/6
P(B) = 1/3 P(X/B) = ¼
P© = 1/3 P(X/C) = 1/3
A = El ganado pertenece al primer rancho.
B = El ganado pertenece al segundo rancho.
C = El ganado pertenece al tercer rancho.
X = el ganado está afectado por la epidemia.
a) P(X) = (1/3)(1/6) + (1/3)(1/4) + (1/3)(1/3) = ¼
b) P(C/X) = (1/3)(1/3) / (1/4) = 4/9
Solución:
P(F) = 400/1000 = 0,4 P(Fc) = 0,6
P(D) = (180 + 150)/1000 = 0,33
P(FD) = 180/1000 = 0,18
P(FD) P(F)P(D) pues 0,18 (0,4)(0,33), luego los eventos no son
independientes.
P(F/D) = P(FD) / P(D) = (0,18) / (0,33) = 0,545
P(D/F) = P(FD) / P(F) = (0,18) / (0,40) = 0,45
Solución:
P(A) = (0,4)(0,4) + (0,3)(0,3) + (0,2)(0,2) + (0,1)(0,1) = 0.30
P(B) = 1 – 0,3 = 0,7 (Este evento es complementario del anterior)
37.- 200 obreros de una empresa constructora están clasificados por el
tiempo de servicios y el sueldo, la distribución es como sigue: 130
obreros ganan menos de mil soles, 110 obreros tienen menos de 5
años de servicio y 30 tienen más de 5 años de servicio y ganan más
de mil soles. Se escoge un obrero al azar, ¿cuál es la probabilidad de
que:
a) gane más de mil soles, si tiene menos de 5 años de servicio?
b) tenga menos de 5 años de servicio, si gana más de mil soles?
Solución:
A = el obrero gana más de mil soles
B = el obrero tiene menos de 5 años de servicios.
P(A/B) = (40/200)/(110/200) = 40/110 = 4/11
b) P(B/A) = (40/200)/ (70/200) = 40/70 = 4/7
(Ver la siguiente tabla)
Tiempo de servicios
Sueldo Menos de Más de Total
5 años 5 años
Menos de 70 60 130
mil soles
Más de mil 40 30 70
soles
Total 110 90 200
4. 7. PROBLEMAS PROPUESTOS
1.- La probabilidad de que un cazador de en el blanco es igual a 0,8.
¿Cuál es la probabilidad de que:
a) falle 4 tiros consecutivos?
b) falle uno de 4 tiros consecutivos?
c) de en el blanco en cuarto tiro?
Rpta. a) 0,0016 b) 0,4096 c) 0,1024
22.- Se lanzan dos dados idénticos sobre una superficie plana, sea A el
evento de que el primer dado muestre el número 6 y sea B el evento
de que el segundo dado muestre el número 5. Determine:
a) Si A y B son independientes.
b) P(Ac /Bc)
c) P(Bc /Ac)
Rpta. a) Si b) 5/6 c) 5/6
38.- En calidad de vendedor de bonos, usted está pensando usar una lista
de propietarios de acciones para efectuar su publicidad por correo. Se
sabe que el 40% de los inversionistas financieros tienen sólo
acciones, el 10% tienen sólo bonos, el 20% tienen ambos y los
restantes 30% no tienen ni bonos ni acciones. Entonces si un
inversionista es propietario de acciones, ¿cuál es la probabilidad de
que también sea inversionista de bonos?
Rpta. 2/3
48.- Cuando una máquina que produce clavos de acero trabaja bien el
90% de los clavos satisfacen las especificaciones dadas, en cambio
cuando la máquina no trabaja bien sólo el 60% de los clavos
satisfacen bien. La maquina está en buen estado el 95% de las veces.
Si se seleccionan 2 clavos y ambos cumplen las especificaciones
dadas ¿Cuál es la probabilidad de que la máquina haya estado
trabajando:
a) bien?
b) mal?
Rpta. a) a) 0,977 b) 0,023
57.- Suponga que se tiene 2 archivadores de metal, cada uno con dos
gavetas. En el archivador 1 hay una solicitud en una gaveta y un
oficio en la otra mientras que en la otra hay un oficio en cada gaveta.
Se escoge un archivador al azar y de ésta se escoge una gaveta al
azar. El documento que se encontró en esta gaveta es un oficio. ¿Cuál
es la probabilidad de que el documento que se encontró es del
archivador 2?
Rpta. 2/3
61.- Una máquina produce artículos, pero la máquina trabaja bien sólo el
90% de las veces, cuando la máquina trabaja bien el 95% de los
artículos pasan el control de calidad, pero si la máquina no está
trabajando sólo el 60% de los artículos pasan el control de calidad.
De los 200 artículos producidos se escogen 3. ¿Cuál es la
probabilidad de que:
a) 2 hayan pasado el control de calidad y uno no?
b) si sólo 2 pasaron el control de calidad, de que los 3 hayan sido
producidos cuando la máquina estaba trabajando bien?
Rpta. a) 0,2155 b) 0,462
CPAÍTULO V
5. VARIABLES ALEATORIAS
En muchos experimentos aleatorios, los resultados no necesariamente son
números reales, sino entes abstractos, además muchos espacios
muestrales no pueden ser expresados en forma extensiva sino en forma
comprensiva, por consiguiente es necesario codificar los elementos del
espacio muestral para su mejor manejo, esta simplificación del espacio
muestral se puede hacer mediante una variable llamada aleatoria, que no
tendrá la amplitud de la variable definida en la Estadística Descriptiva, en
este caso se dejará de lado las variables cualitativas, sólo nos ocuparemos
de las variables cuantitativas.
Definición.- Dado (, A, P) un espacio de probabilidad, a la función real
X se le llama variable aleatoria, si asigna a cada uno de los elementos del
espacio muestral de un experimento aleatorio , un número real: x =
X(w)
X: R
f=X R
H 1
M 0
Ejemplo Nº 2.Se lanzan dos dados sobre una superficie plana, sea X la
suma de los puntos obtenidos.
n() = 36
X : 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12
P(X): 1/36, 2/36, 3/36, 4/36, 5/36, 6/36, 5/36, 4/36, 3/36, 2/36, 1/36
Ejemplo Nº 3:
Se escogen 3 artículos de una caja que tiene 6 artículos nuevos y 4
usados, sea X la variable aleatoria que indica el número de artículos
usados en la muestra.
n() = 120
X : 0, 1, 2, 3
P(X): 5/30, 15/30, 9/30, 1/30
Ejemplo Nº 4:
Se registra la asistencia de los n alumnos de un salón de clase, sea X el
número de alumnos inasistentes al salón de clase.
X: 0, 1, 2, 3,…….., n
Ejemplo Nº 5:
Se lanza un dado hasta obtener un seis, sea X la variable aleatoria que
indica el número de lanzamientos necesarios para obtener el seis.
X: 1 2 3 4 …..
P(X): 1/6 (5/6)(1/6) (5/6)2(1/6) (5/6)3(1/6) …..
Ejemplo Nº 6:
Se mide la estatura de los alumnos de un salón de clase, sea X la medida
de la estatura que corresponde a cada alumno.
X = x/ x R, 0 x 3 m.
Ejemplo Nº 7:
Se mide la temperatura en una ciudad a las 12 m. Sea X la v.a. que indica
la temperatura medida en grados centígrados.
X = x/ x R, -20 x 45ºC si la ciudad nunca ha tenido temperaturas
inferiores a -20ºC ni superiores a los 45º C.
Ejemplo Nº 8:
Se mide el tiempo que tarda un estudiante de ir de su domicilio a la
universidad. Sea X la v.a. que indica el tiempo empleado y medido en
minutos.
X = x/ x R, x 0
TIPOS DE VARIABLES ALEATORIAS:
5. 1. VARIABLES ALEATORIAS DISCRETAS
Sea X una variable aleatoria, se llama variable aleatoria discreta, si el
número de valores posibles de X es finita o infinita numerable, en este
caso el rango de X es como sigue:
Rx = x1, x2, x3,……, en el caso finito la lista termina y en el caso
infinito la lista continúa indefinidamente. En este caso con cada resultado
xi se asocia un número P(xi) = P(X=xi), i = 1, 2, 3, …… llamados
probabilidades puntuales de xi y por lo tanto cumplen los axiomas de
probabilidad. Además las probabilidades asociadas a los eventos, resultan
de la suma de las probabilidades individuales de cada resultado.
Asimismo en cada intervalo finito habrá cuando mucho un número finito
de valores posibles de X; si uno de esos intervalos no contiene ninguno
de los valores posibles, se le asigna la probabilidad cero, es decir, si Rx =
x1, x2, x3,…… y si ningún xi a,b, entonces Pa x b = 0
Ejemplo Nº 1:
Suponga que los chips fabricados por una compañía son colocados uno
por uno en un probador electrónico con fines de control de calidad, la
probabilidad de que pase la prueba (positivo) según el fabricante es igual
a 0,99. Las pruebas se realizan hasta que un chip no pase la prueba
(negativo). Considere X como el número de pruebas que se hacen hasta
que aparezca un chip que no pase la prueba. Entonces el espacio muestral
asociado al experimento se puede expresar como sigue:
= -, +-, ++-, +++-, ++++-,…., en tanto que la variable aleatoria será
X = 1, 2, 3, 4, 5,…. , y si cada prueba no afecta al siguiente,
P(n) = P(X=n) = (0,99)n-1(0,01)
Ejemplo Nº 2:
Un salón de clase tiene 15 alumnos de los cuales 10 son varones y 5 son
mujeres, del cual se escoge una comisión de 4 alumnos para realizar un
trabajo, sea X el número de varones en la comisión. Entonces la variable
aleatoria es igual a X = 0, 1, 2, 3, 4, las probabilidades son:
P(X=0) = 1/173, P(X=1) = 20/273, P(X=2) = 90/273, P(X=3) = 120/273,
P(X=4) = 42/273
5. 1. 1. FUNCIÓN DE CUANTIA
Se llama también función de probabilidad de la variable aleatoria X,
expresado como P(X), a toda función definida para variables aleatorias
discretas y que para ser considerada como tal debe cumplir dos
condiciones:
P(X) 0, x R
P( X ) = 1
x
Si A Rx, entonces P(A) = P( X
x
x)
1.2. Distribución de probabilidad
Se llama distribución de probabilidad o modelo probabilidad, al conjunto
de pares ordenados (x, P(x)), el cual puede ser expresado en una tabla
como la siguiente:
xi x1 x2 x3 ……..
P(xi) P(x1) P(x2) P(x3) ……..
4
x
P(X = x) = x = 0, 1, 2, 3, 4
16
P(X)
6/16
4/16
1/16
0 X
1 2 3 4
5. 1. 2. FUNCIÓN DE DISTRIBUCIÓN: F(X)
Es la función acumulada de probabilidades de la variable aleatoria X y se
define de la siguiente manera: F(X) = PX x = P(w / X(w) x)
Propiedades:
1.- F(X) 0, la función F(X) es no negativa. F: R R definida por
F(a) = P(X a), llamada función escalonada, donde
F(X) = P( X )
x
2.- Dados S y T R, tal que S T, entonces F(S) F(T), esto significa
que la función es monótona no decreciente.
3. - Lim. F(X) = 0 Lim. F(X) = 1
x - x +
4. - P(a X b) = F(b) – F(a)
5. - P(Xi) = F(Xi) – F(Xi-1)
Consecuencias:
0 F(X) 1
P((-, x) = F(X)
P((x, )) = 1 – F(X)
((a, b ) = F(b) – F(a)
Ejemplo Nº 1:
Use el ejemplo anterior para demostrar las propiedades
mencionadas.
X P(X) F(X)
0 1/16 1/16
1 4/16 5/16
2 6/16 11/16
3 4/16 15/16
4 1/16 1.0
0 x0
1/16 0x1
F(X) = 5/16 1x2
11/16 2x3
15/16 3x4
1.0 x4
5/16
1/16
0 1 2 3 4 X
Ejemplo Nº 2:
Un lote de 12 tornillos tiene 8 de acero y 4 de cromo, del cual se escogen
3 tornillos, obtenga la función de cuantía de la variable aleatoria X que
indica el número de tornillos de acero en la muestra, si la selección se
hace:
a) todos a la vez.
b) uno por uno y con reposición.
Solución:
12
a) n() = = 220
3
8 4
X=0
4 P(X=0) = 1/55
0 3
84
X=1
48 P(X=1) = 12/55
1 2
8 4
X=2
1 2 P(X=2) = 28/55
2 1
84
X=3
56 P(X=3) = 14/55
3 0
8 4
x 3 x
P(X) = X = 0, 1, 2, 3
20
b) n() = 12x12x12 = 1728
X = 0 4x4x4 = 64 P(X=0) = 1/27
X = 1 3x8x4x4 = 384 P(X=1) = 6/27
X = 2 3x8x8x4 = 768 P(X=2) = 12/27
X = 3 8x8x8 = 512 P(X=0) = 8/27
3
P(X) =
2 1
( ) x ( ) 3 x X = 0, 1, 2, 3
3 3
x
5. 1. 3. PROBLEMAS RESUELTOS:
1.- Se lanzan dos dados sobre una superficie plana, a) sea X la suma de
los puntos obtenidos, b) sea X el mínimo de los puntos obtenidos.
Obtenga la función de cuantía y la función de distribución.
Solución:
X = suma de los puntos obtenidos.
X P(X) F(X)
2 1/36 1/36
3 2/36 3/36
4 3/36 6/36
5 4/36 10/36
6 5/36 15/36
7 6/36 21/36
8 5/36 26/36
9 4/36 30/36
10 3/36 33/36
11 2/36 35/36
12 1/36 1.0
6 7 X
P(X) = X = 2, 3, 4,…., 12
36
X = mínimo de los puntos obtenidos.
X P(X) F(X)
1 11/36 11/36
2 9/36 20/36
3 7/36 27/36
4 5/36 32/36
5 3/36 35/36
6 1/36 1.0
13 2 X
P(X) = X = 1, 2, 3, 4, 5, 6
36
2.- Un artículo es ensamblado por una máquina de tal manera que se
detiene en el primer artículo que no cumple con las especificaciones
del caso, el fabricante asegura que solo el 5% de los artículos no
cumplen con las especificaciones del caso. Sea x el número de
ensambles que se hacen hasta que se detenga la máquina. Determine
la función de cuantía.
Solución:
X P(X) F(X)
0,05 0,05
(0,95)(0,5) 0,0975
(0,95)2(0,05) 0,142625
(0,95)3(0,05) 0,18549375
….. ….
(0,95)n-1(0,05) P( X )
… …..
d) P(X) = K(X+1)2 X = 1, 2, 3.
e) P(X) = K(2/3)X X = 1, 2, 3,......
Solución:
1 2 3 4
a) 1 K = 10 P(X) = X/10 X = 1, 2, 3,
K K K K
4.
b) K(1+2+3+4+5+6+7) = 1 K = 1/28 P(X) = X/28
X = 1, 2, 3, 4, 5, 6, 7.
c) K(1/5) + (1/5)2 + (1/5)3 + (1/5)4 +…… = 1
K(1/5) (1/5)0 + (1/5) + (1/5)2 + (1/5)3 + …… = 1
1
K(1/5) = 1 K = 4 P(X) = 4(1/5)X
1 (1 / 5)
X = 1, 2, 3,……..
d) K(1+1)2 + (2+1)2 + (3+1)2 = 1 K = 1/29 P(X) = (1/29)
(X+1)2
X = 1, 2, 3.
e) K(2/3) + (21/3)2 + (2/3)3 + (2/3)4 +….. = 1
K(2/3) (2/3)0 + (2/3) + (21/3)2 + (2/3)3 + ….. = 1
1
K(2/3) = 1 K = ½ P(X) = (1/2)(2/3)X
1 ( 2 / 3)
X = 1, 2, 3,......
3
5.- P(X) = X = 0, 1, 2, 3, 4.
2( 4 X )! X !
a Si) Probar si es una función de cuantía
b) Hallar P(X 3/X > 1)
Solución:
a)
3 3 3 3 3
2(4 0)!.0! 2( 4 1)!.1! 2( 4 2)!.2! 2( 4 3)!.3! 2( 4 4
y como cada P(X) > 0 se confirma que P(X) es una función de
cuantía
b) P(X 3/X > 1) =
P(1 X 3) P ( X 2) (6 / 16) 6
P( X 1) 1 P( X 1) (11 / 16) 11
6.- Durante el curso de una semana, se tiene 6 horas de clase en 3
sesiones de 2 horas cada una de un curso determinado. La
probabilidad de que un alumno inasista a clase es de 0,05. Sea X el
número de inasistencias por semana de un alumno. Construya la
distribución de probabilidades de este problema y determine su
función de cuantía.
Solución:
X P(X) F(X)
0 0,857375 0,857375
1 0,135375 0,99275
2 0,007125 0,999875
3 0,000125 1,0
3 x 3x
P(X) =
(0, 5) (0,95) X = 0, 1, 2, 3
x
7. - En un salón de clase se tiene 5 alumnos con fichas numeradas de uno
al cinco, se seleccionan 2 alumnos. Sea X la suma de los números de
sus fichas. Obtenga la distribución de probabilidades de la variable
aleatoria X. haga lo mismo si se seleccionan 3 alumnos.
Solución:
Si se seleccionan 2 alumnos:
X P(X) F(X)
3 1/10 1/10
4 1/10 2/10
5 2/10 4/10
6 2/10 6/10
7 2/10 8/10
8 1/10 9/10
9 1/10 1.0
Si se seleccionan 3 alumnos:
X P(X) F(X)
6 1/10 1/10
7 1/10 2/10
8 2/10 4/10
9 2/10 6/10
10 2/10 8/10
11 1/10 9/10
12 1/10 1.0
Solución:
X P(X) F(X)
2 1/15 1/15
3 2/15 3/15
4 3/15 6/15
5 4/15 10/15
6 5/15 1.0
X 1
a) P(X) = X = 2, 3, 4, 5, 6.
15
10.- Una caja contiene 4 artículos nuevos y un usado, otra caja contiene 3
artículos nuevos y 2 usados y una tercera caja contiene 2 artículos
nuevos y 3 usados. Se saca en forma aleatoria un artículo de cada
caja, sea X el número de artículos nuevos extraídos. Determine la
distribución de probabilidades de la Variable aleatoria X.
Solución:
P(X=0) = (1/5)(2/5)(3/5) = 6/125
P(X=1) = (4/5)(2/5)(3/5) + (1/5)(3/5)(3/5) + (1/5)(2/5)(2/5) = 37/125
P(X=2) = (1/5)(3/5)(2/5) + (4/5)(2/5)(2/5) + (4/5)(3/5)(3/5) = 58/125
P(X=3) = (4/5)(3/5)(2/5) = 24/125
11.- Una señora tiene 5 llaves de los cuales sólo una es la que
corresponde a la puerta que se quiere abrir, sea X la variable aleatoria
que representa el número de pruebas que se deben hacer hasta abrir
la puerta. Obtenga la distribución de probabilidades de la variable
aleatoria X.
Solución:
P(X=1) = 1/5
P(X=2) = (4/5)(1/4) = 1/5
P(X=3) = (4/5)(3/4)(1/3) = 1/5
P(X=4) = (4/5)(3/4)(2/3)(1/2) = 1/5
P(X=5) = (4/5)(3/4)(2/3)(1/2)(1) = 1/5
Solución:
10
n() = 120
3
X P(X) F(X)
0 5/30 5/30
1 15/30 20/30
2 9/30 29/30
3 1/30 1.0
120
13.- En un sobre hay 12 carnés de trabajo, 5 de los cuales son de
profesionales, 4 son de técnicos y 3 de auxiliares. Se escoge 3 carnés
del sobre. Sea X la v.a. que indica el número de técnicos en la
muestra. Hallar:
a) P(X 1)
b) la función de cuantía.
Solución:
12
n() = 2 0
3
X P(X) F(X)
0 14/55 14/55
1 28/55 42/55
2 12/55 54/55
3 1/55 1.0
P(X 1) = 42/55
4 8
x 3 x
P(X) = X= 0, 1, 2, 3.
20
14.- Una caja tiene 20 fusibles de los cuales 5 son usados. Si se
seleccionan 4 fusibles a la vez, considere a la v.a. X como el número
de fusibles usados en la muestra. Hallar:
a) P(X 1/X 2)
b) la función de cuantía.
Solución:
20
n() = 4845
4
X P(X) F(X)
0 273/969 273/969
1 455/969 728/969
2 210/969 938/0969
3 30/969 968/969
4 1/969 1.0
5 15
x 4 x
b) P(X) = X= 0, 1, 2, 3, 4.
4845
15.- Si la selección se hace uno a continuación del otro y con reposición
de los fusibles del problema anterior, obtenga lo mismo, es decir:
a) P(X 1/X 2)
b) la función de cuantía
Solución:
n() = 20x20x20x20 = 160000
X P(X) F(X)
0 81/256 81/256
1 108/256 189/256
2 54/256 243/256
3 12/256 255/256
4 1/256 1.0
4 x 4 x
P(X) = (1/4) (3/4) X = 0, 1, 2, 3, 4.
x
16.- Un artículo producido debe pasar por 4 puestos de control de calidad
y en cada caso puede ser considerado como apto o no apto para su
comercialización con la misma probabilidad. Sea X la v.a. que
representa el número de puestos en que un artículo es considerado
apto. Obtenga:
a) P(X 2)
b) la función de cuantía.
Solución:
n() = 2x2x2 = 8
X P(X) F(X)
1/16 1/16
4/16 5/16
6/16 11/16
4/16 15/16
1/16 1.0
P(X 2) = 11/16
4
x
P(X) = X = 0, 1, 2, 3, 4.
16
17.- Si una v.a. tiene como función de cuantía a la siguiente expresión
P(X) = K/n X = 1, 2, 3,……….,n
Hallar el valor de la constante K y P(X 5), para n = 20
Solución:
n n
nK
P ( X ) 1 ( K / n)
x 1 x 1 n
K 1
3 x 3 x
P(X) =
(1/6) (5/6)
x
20.- Tres tiradores disparan a un blanco a la vez, las probabilidades de
acertar de cada uno es: 0,9; 0,8 y 0,7 respectivamente. Sea X la v.a.
que indica el número de aciertos, determine la distribución de
probabilidades de la v.a. X:
Solución:
X P(X) F(X)
0 0,006 0,006
1 0,092 0,098
2 0,398 0,496
3 0,504 1,0
21.- Sea X una v.a. discreta cuya función de cuantía está dada por la
siguiente expresión: P(X) = (1/2)X X = 1,2,3,……
a) Compruebe que es una función de cuantía.
b) Obtenga la probabilidad X número par.
Solución:
a)
(1 / 2)
x 1
x
(1 / 2) (1 / 2) 0 (1 / 2) (1 / 2) 2 (1 / 2) 3 .....
1
= (1/2) =1
1 (1 / 2 )
Además cada P(X) es mayor que cero, por lo tanto P(X) = (1/2) X es
una función de cuantía.
b) Si X es número par, entonces se tiene:
P(X par) = (1/2)2 + (1/2)4 + (1/2)6 + (1/2)8 +……..
= (1/4)(1/4)0 + (1/4) + (1/4)2 + (1/4)3 +…….
1
= (1/4) 1/ 3
1 (1 / 4)
22.- Si X es la v.a. discreta cuya función de cuantía esta definida por la
siguiente expresión:
P(X) = 2(1/3)X X = 1, 2, 3, 4, ……
Hallar P(X 5 / X 1).
Solución:
P(1 x 5) 26 / 81 26 / 81 26
P(X 5 / X 1) =
P( x 1) 1 P( x 1) 27 / 81 27
P(1 X 5) = P(2 X 4) = 2(1/3)2 + 2(1/3)3 + 2(1/3)4 = 26/81
P(X > 1) = 1 –P(X 1) = 1 – P(X=1) = 1 – 2/3 = 1/3 = 27/81
25.- Un jugador lanza un dado, si sale número primo gana esa cantidad en
soles, pero si no pierde esa cantidad en soles, obtenga la probabilidad
de ganar más de 2 soles.
Solución:
X 1 2 3 -4 5 -6
P(X) 1/6 1/6 1/6 1/6 1/6 1/6
X 3 1 -1 -3
P(X) 1/8 3/8 3/8 1/8
X 0 1 2 3
P(X) 5/30 15/30 9/30 1/30
X 1 2 3 4 5 6
P(X) 1/36 3/36 5/36 7/36 9/36 11/36
X 1 2 3 4 …
P(X) 1/2 1/4 1/8 1/16 …
1/ 2
E(x) = x(1 / 2)
x 1
x
(1 1 / 2) 2
2
X 1 2 3 4 …
P(X) 1/6 5/36 25/216 125/1296 …
E(x) =
5/ 6
x(1 / 6)(5 / 6)
x 1
x 1
(1 / 5) x (5 / 6) x (1 / 5)
x 1 (1 5 / 6) 2
= 6
5. 1. 4. PROBLEMAS PROPUESTOS
1.- Se lanza una moneda 5 veces, sea X el número de caras obtenidas.
Hallar: a) P(X < 3)
b) La función de cuantía.
5
x
Rpta. a) ½ b) P(X) =
32
2.- Aún estando sometidos a control de calidad diario los artículos
ofertados a la venta en un almacén tienen defectos, el número X de
artículos con defectos tiene una función de cuantía dado por:
P(X) = (2/3)(1/3)X X = 0, 1, 2,…. Calcule: P(X > 5)
Rpta. 728/729
3.- Una fábrica produce cada día 20 artículos, se sabe que el 10% de los
artículos tienen algún tipo de defecto, por eso antes de que éstos sean
depositados en un almacén son revisados y a los que tienen defectos
se les separa, pero hay una probabilidad de 0,1 de que un artículo
defectuoso sea mal clasificado. Sea X el número de recipientes
clasificados como defectuosos al término del día:
a) Obtenga P(X=2)
b) Diseñe la función de cuantía.
20 x 2 0 x
Rpta. a) P(X=2) = 0,2818 b) P(X) =
(0, 9) (0,91)
x
4.- En un llavero hay 10 llaves de los cuales 2 pueden abrir una puerta,
una persona que no conoce las llaves, las prueba una por una hasta
abrir la puerta, sea X la v.a. que indica el número de pruebas que se
hacen hasta abrir la puerta. Halle:
a) P(X=5)
b) P(X=6)
Rpta. a) 1/9 b) 4/45
5.- Sea X una v.a. discreta cuya función de cuantía está dada por:
X 1
P(X) = K X = 2, 3, 4,…,n
n
Hallar:
El valor de K.
P(X3).
P(X3).
Rpta. a) K = 2/(n-1) b) 1 – 6/n(n-1) c) 6/n(n-1)
K2X
P(X) = X = 0, 1, 2, 3,…..
X!
Calcule:
a) el valor de K.
b) la probabilidad de que se produzca alguna rotura.
c) la probabilidad de que se produzca exactamente 3 roturas.
Rpta. a) e-2 b) 0,865 c) 0,18
5 20
Rpta. P(X) =
x 4x X = 0, 1, 2, 3, 4.
12650
10.- Considera a las familias con 6 hijos cada uno, sea X la v.a. que indica
el número de hijos varones, si el nacimiento de los hijos varones y
mujeres son igualmente probables, estime la función de cuantía para
la v.a. X.
6
x
Rpta. P(X) = X = 0, 1,2, 3, 4, 5, 6.
64
11.- Se lanza una moneda hasta que salga una cara, sea X la v.a. que
indica el número de lanzamientos necesarios hasta obtener la
primera. Determine la función de cuantía de la v.a. X.
Rpta. P(X) = (1/2)X X = 1,2, 3,…..
12.- Se lanza un dado hasta obtener un seis, sea X la v.a. que indica el
número de lanzamientos necesarios hasta obtener el primer 6.
Determine la función de cuantía de la v.a. X.
Rpta. P(X) = (1/6)(5/6)X-1 X = 1,2, 3,…..
13.- Se sacan 5 cartas de una baraja ordinaria de 52 cartas, sea X el
número de corazones que se obtengan, determine la función de
cuantía de la v.a.X.
13 39
x 5x
Rpta. P(X) = X = 0, 1,2, 3, 4, 5.
52
5
14.- Se echan 10 naranjas en 4 cajas, de modo que cada naranja tenga la
misma probabilidad de caen en cualquiera de las cajas. Sea X la v.a.
que indica el número de naranjas que cae en la primera caja. Obtenga
la función de cuantía de la v.a. X.
10 X 10X
P(X) =
(1/4) (3/4) X = 0, 1,2,…,10
x
15.- Un fábrica produce artículos con un promedio del 1% de
defectuosos, se escoge una muestra de 50 artículos de la producción
total, sea X el número de artículos con defectos en la muestra.
Determine la función de cuantía para la v-a- X.
50 X 50X
P(X) =
(0, 1) (0,9 ) X = 0, 1,2,….,50
x
16.- Se lanza 5 dados sobre una superficie plana, sea X la v.a. que indica
el número de ases que aparecen. Obtenga la función de cuantía de la
v.a. X.
5 X 5 X
P(X) =
(1/6) (5/6) X = 0, 1, 2, 3, 4, 5.
x
17.- Un distribuidor de semillas de durazno sabe por experiencia que en
promedio 4 de las semillas que vende no germina por cualquier
motivo. Si vende semillas en bolsas de 80 semillas cada uno,
garantizando que por lo menos el 95% de las semillas germinarán.
¿Cuál es la probabilidad de que una bolsa determinada no cumpla la
garantía dada?
4
80 X 8 0 X
Rpta. P(X) = 1 -
(0,5) (0,95)
X 0 x
Donde X indica el número de semillas que no germinan.
18.- En una fábrica una máquina produce el doble que la segunda
máquina, cerca del 4% de los artículos producidos por la primera
máquina son defectuosos, mientras que sólo el 2% de los producidos
por la segunda máquina son defectuosos, los artículos son
almacenados en un solo depósito, del cual se sacan 10 artículos.
¿Cuál es la probabilidad de que la muestra contenga 2 artículos
defectuosos?
10 X 1 0 X
Rpta. P(X) = (1/30) (29/30) X = 0, 1,2,..,10
x
19.- Una variable aleatoria X puede tomar ciertos valores con
probabilidades, de: (1-4x)/16, (1-x)/16, (1+2x)/16 (1+3x)/16
respectivamente, ¿Para que valores de X N, es esta una
distribución de probabilidades?
Rpta. X = 0, 1, 2, 3
20.- Si X es una v.a. cuyos valores son número enteros que van de uno a n
y cuya función de cuantía es igual a P(X) = KX, halle el valor de K y
b) P(X1).
Rpta. a) P(X) = 2X/n(n+1), K = 2/n(n+1) X = 1,2,..,n
b) P(X>1) = 1- 2/n(n+1)
21.- Una caja contiene 10 artículos etiquetados de 1 al 9, se extraen 2
artículos, sea X la v.a. que indica la suma de los valores de las
etiquetas. Obtenga a) P(X 10) y b) P(X 10)
Rpta. a) 5/9 b) 5/9
22.- En una clase hay 10 estudiantes de los cuales, 3 tienen 19 años, 4
tienen 20 años y 3 tienen 21 años, de los cuales se escogen 2
estudiantes, sea X el promedio aritmético de sus edades, determine la
distribución de probabilidades de la v.a.X.
Rpta.
X: años 19,0 19,5 20,0 20,5 21,0
P(X) 1/15 4/15 5/15 4/15 1/15
4 X 4 X
Rpta. P(X) =
(0,9) (0,1) X = 0, 1,2, 3, 4.
x
5. 2.VARABLES ALEATORIAS CONTINUAS
Si el rango Rx de una v.a. X es un intervalo o una colección de intervalos
sobre la recta de los números reales, entonces X se llama v.a. continua.
Además una v.a. es continua si su Función de Distribución F(X) no tiene
discontinuidad, entonces el conjunto de valores que toma con
probabilidades no nulas es no numerable; es decir, es infinito.
5. 2. 1 FUNCIÓN DE DENSIDAD
Sea X una v.a. continua con rango Rx, que es un intervalo o unión de
intervalos sobre la recta real. A la función f(x) asociada a la v.a. continua
se llama función de densidad, si es integrable y satisface las siguientes
condiciones:
a) f(x) 0 X Rx
b)
x
f ( x ) dx = 1
Hallar:
a) el valor de la constante K.
b) P(1 x 2)
c) P(X> 1)
d) P(x>1/x 2)
e) P(x 2/ x>1)
Solución:
3
K (x 1) dx 1
2
a)
0
3 3
x dx dx = 1
2
K
0 0
3
K x 30 X 30 = 1
3
K ( 9 +3) = 1 K = 1/12
2 2 3
( x 2 1) dx 1 5
b) P(1 x 2) = = ( x 2dx dx) =
1
12 12 1 1
18
3 3 3
( x 2 1) dx 1 8
c) P(X> 1) = 1 12 = ( x 2dx dx)
12 1 1
9
d) P(x>1/x 2) = P(1< x 2) / P(x 2)
2 2 2
( x 2 1)dx 1 7
0 12 12 ( 0 x dx 0 dx) 18
2
P(x 2) =
5 / 18 5
P(x>1/x 2) =
7 / 18 7
5 / 18 5
P(x 2/ x>1) = P(1 < x 2) / P(x > 1) =
16 / 18 16
Ejemplo Nº 2:
La demanda en miles de unidades de un producto por día, es una variable
aleatoria X cuya función de densidad está dada por la siguiente expresión:
x 0<x<1
f(x) = 2–x 1x2
0 en otro caso
Hallar:
P(x < ½)
P(½ < x < 3/2)
P(X > 3/2)
Solución:
1/ 2
x2
1/ 2
a) P(x < ½) = xdx 0
1 / 8 0,125
0
2
b) P(½ < x < 3/2) =
1 3/ 2 2 2
x x
(2 x)dx 2 x 1
1 3/ 2 3/ 2
xdx 1/ 2
1
1/ 2 1
2 2
= ¾ = 0,75
2
5. 2. 2. FUNCIÓN DE DISTRIBUCIÓN
Definición.- Sea X una v.a. continua, se define que F(X) sea la Función
de Distribución acumulada de la v.a. X a la expresión siguiente:
x
F(X) = P(X x) =
f ( x ) dx
Propiedades:
1.- F(X) 0, la función F(X) es no negativa. F: R R definida por
F(a) = P(X a), llamada función escalonada, donde
F(X) = P( X )
x
2.- Dados S y T R, tal que S T, entonces F(S) F(T), esto significa
que la función es monótona no decreciente.
3. - Lim. F(X) = 0 Lim. F(X) = 1
x - x +
4. - P(a X b) = F(b) – F(a)
d
5. – f(x) = F(X )
dx
Consecuencias, son las mismas que en el caso discreto:
a) 0 F(X) 1
b) P((-, x) = F(X)
c) P((x, )) = 1 – F(X)
d) ((a, b ) = F(b) – F(a)
Ejemplo Nº 1:
Suponga que el diámetro X de un cable eléctrico es una v.a. continua con
función de densidad, dada por la siguiente expresión:
6X(1-X) 0X1
f(x) =
0 en otro caso
a) Verifique si es una función de densidad.
b) Obtenga la función de distribución.
c) Calcular P(x < ½ / x > 1/3)
Solución:
1
a) 6 X (1 X )dx
0
=
1 1
2 3
6 Xdx 6 X dx 3 X 0 2 X
1 1
2
0
3 2 1
0 0
La gráfica de la función se presenta en el primer cuadrante de los ejes
cartesianos, por lo tanto es una función positiva, en consecuencia cumple
los dos requisitos para ser función de densidad.
x x
6 X (1 X )dx 6 X (1 X )dx 3 X 2 X
2 3
F(X) =
0
0 x<0
F(X) = X 2(3 2 X ) 0x1
1 x>1
P (1 / 3 X 1 / 2)
c) P(x < ½ / x > 1/3) = =
P ( X 1 / 3)
13 / 54
13 / 40 0,325
40 / 54
1/ 2 1/ 2 1/ 2
6 X (1 X )dx 6 Xdx 6 X dx =
2
P(1/3 < x < ½) =
1/ 3 1/ 3 1/ 3
13/54
P(1/3 < x < ½) = F(1/2) – F(1/3) = (1/2)2(3-2(1/2)) – (1/3)2(3-2(1/3))
= (1/2) –(7/27) = 13/54
1
P(X>1/3) = 6 X (1 X )dx 40 / 54
1/ 3
P(X>1/3) = 1 – P(X1/3) = 1 – F(1/3) = 1- 7/27 = 20/27 = 40/54
Ejemplo Nº 2:
El porcentaje de alcohol (100X) de cierto compuesto químico, se puede
considerar como una variable aleatoria, cuya función de densidad está
dada por la siguiente expresión:
20X3(1-X) 0x1
f(x) = 0 en otro caso
a) Obtener la función de distribución.
b) Calcular P(X < ½); es decir, que un compuesto tenga menos del 50%
de alcohol
c) Calcular P(X > 2/3)
Solución:
x x x
5. 2. 3. PROBLEMAS RESUELTOS
1.- Una v.a. X tiene la function de densidad dada por la siguiente
expresión:
x/4 0x<2
f(x) = 1 – x/4 2 x 4
en otro caso
Grafique la función de densidad.
Obtenga la función de distribución.
P(X < 1)
P(X 3)
Solución:
a)
f(x)
½
¼
0 1 2 3 4 X
x 2
X
b) F(X) = ( X / 4)dx =
0 8
x x x
1 X2 3
F(X) = (1 / 4)(4 X )dx dx
2 2
4 2
Xdx X
8
2
0 x< 0
X2
0x2
8
X2 3
F(X) = X 2<x4
8 2
1 x>4
=0 x<0
c) P(X 4) = F(4) = 1 – e-1 = 1 – 1/e = 0,6321
P(X 8) = 1 – F(8) = 1 – (1- e-2) = e-2 = 0,1353
P(4 < X < 8) = F(8) – F(4) = (1 - e-2 ) – (1 - e-1) = e-1 - e-2
P(4 < X < 8) = 0,2325
4.- Sea X una v.a. continua, con función de densidad dada por la siguiente
expresión:
f(x)= x/6 + k 0x3
0 en otro caso
3 3
1
6 0
xdx k dx 1
0
1 2 3
x 0 kx 0 1
3
12
¾ + 3k = 1 k = 1/12
2 2
1 1
b) P(X 2) =
60 xdx
12 0
dx = ½ = 0,5
5.- Sea X una v.a. que representa el diámetro de unas tuercas en cm. que
produce una fábrica, cuya función de densidad está dada por la
siguiente expresión:
f(x) = k(x – 1)(2 – x) 1<x<2
0 en otro caso
a) k ( x 1)(2 x )dx = 1
1
2 2 2
k 3 xdx 2 dx x 2 dx = 1
1 1 1
3 1
k ( 4 1) 2( 2 1) (8 1) = 1
2 3
K=6
P (1,2 x 1,8) 0,792
b) P(X < 1,8 / X > 1,2) = = 0,8839
P ( x 1,2) 0,896
1,8
1, 2
2
P(X > 1,2) = 6 (3 x 2 x ) dx 0,896
2
1, 2
b)
0 x < -2
2
1 x
F(X) = -2 x < 0
2 8
x2
0<x2
8
1 x>2
P(1 x 3 / 2) 5 / 32 5
c) P(X > 1 / -1 < x < 3/2) = =
P(1 x 3 / 2) 13 / 32 13
P(1< x < 3/2) = F(3/2) – F(1) = (3/2)2/8 – 1/8 = 5/32
P(-1 < x < 3/2) = P(-1 < x 0) + P(x < 3/2)
= F(0) – F(-1) + F(3/2)
= ½ – (1/2 – 1/8) + 9/32
= 13/32
7.- Suponga que la demanda de un artículo en miles de unidades está
dada por la siguiente función de densidad:
Kx si 0 x < 1
f(x) = K(3 – x) si 1 < x 3
0 en otro caso
Hallar el valor de K y la probabilidad de que haya una demanda de a
lo más de 2000 unidades, si ya hubo una demanda de más de 500
unidades.
Solución:
1 3
k xdx k (3 x) dx = 1 k = 2/5
0 1
P (1 / 2 x 2) 15 / 20 15
P(X < 2 / X > ½) = = = 0,7895
P ( X 1 / 2) 19 / 20 19
P(1/2 < x < 2) = P(1/2 < x < 1) + P(1< x < 2)
1 2
2 2
=
5 1/ 2
xdx (3 x)dx
51
= 3/20 + 6/5 – 3/5 = 15/20
1 3
2 2
P(x > ½) =
5 1/ 2
xdx (3 x) dx = 19/20
51
8.- Una estación de servicio es aprovisionado de gasolina una vez por
semana. El volumen X de la venta semanal en miles de galones tiene
la siguiente función de distribución acumulada:
F(x)= 1 – (1 – x)4 0<x<1
0 en otro caso
P (1 x 2) 13 / 27 13
P(x > 1 / x < 2) = = = 0,65
P ( x 2) 20 / 27 20
2 2 2
2 2 2
P(1 < x < 2) =
91 (3 x) xdx xdx x 2 dx = 13/27
31 91
2 2 2
2 2 2
(3 x) xdx xdx x
2
P(x < 2) = dx = 20/27
90 3 0
9 0
10.- El diámetro de los clavos producidos por una fábrica tiene una
función de densidad dada por la siguiente expresión:
f(x) = 12x2(1-x) 0<x<1
0 en otro caso
Hallar la función de distribución para obtener P(x < 3/4/ x> ¼)
Solución:
x x x
12 x (1 x ) dx = 12 x dx 12 x 3 dx
2 2
F(X) =
0 0 0
4x3-3x4 0<x<1
F(X) = 0 x0
1 x1
e
X / 20 10 1 / 2 0 1 / 2
e 0
e =1-
e
= 1 – (1/2,7183)1/2 = 0,3935
X / 20
24
e
P(16 < x < 24) =
16
20
dx = 0,1481
X / 20
e
P(x > 30) =
30
20
dx =
1
e
1.5
e 1.5
0,22313
e
12.- Sea X la v.a. que representa la vida en horas de cierta válvula
electrónica, cuya función de densidad está dada por la siguiente
expresión.
f(x) = 20000 X-3 x > 100
0 x 100
Hallar la probabilidad de que una válvula seleccionadla azar dure:
almenos 500 horas.
a lo más 1000 horas.+
si duró 500 hrs., de que dure a lo más 1000 hrs.
Solución:
20000 X 2
20000 X
3
P(X>500) = dx = 500
=
500 2
10000/250000
= 1/25 = 0,04
1000
20000 X
3
b) P(X < 1000) = dx 0,99
100
20000 X
3
P(500 < X < 1000) = dx 0,03
500
13.- Sea X una v.a. continua cuya función de densidad está dada por la
siguiente expresión:
f(x) = k/ x 1x9
0 en otro caso
Hallar el valor de la constante k y p(X > 4)
Solución:
9
1/ 2
kx dx 2kx
1 / 2 9
1
4k 1 1/4
1
9
1 1 1/ 2 9
P(X>4) = x 1 / 2 dx x 4 = ½
44 2
14.- Sea X una v.a. cuya función de densidad esta dada por la siguiente
expresión:
f(x)= k ( 1 – x2) 0<x<1
0 en otro caso
Hallar el valor de k y P(x < ½ / x > 1/3)
Solución:
1 1 1
k 3 1
k (1 x 2 )dx k dx x 2 dx = kx 0
3 0
1
x 1
0 0 0
k = 3/2
P (1 / 3 x 1 / 2) 89 / 432 89
P(x < ½ / x > 1/3) = = =
P ( x 1 / 2) 135 / 432 135
0,659
1/ 2 1/ 2
3 3
P(1/3 < x < ½) =
2 1/ 3
dx x 2 dx = 89/432
21/ 3
1 1
3 3
P(x >1/2) =
2 1/ 2
dx x 2 dx 5/16 = 135/432
2 1/ 2
15.- Determine si las siguientes funciones son funciones de densidad:
a) f(x) = 1 - 1 - x 0<x<2
0 en otro caso
b) f(x) = 1/ (2 x) 0<x<1
0 en otro caso
c) f(x) = x x <1
0 en otro caso
Solución:
a) Si 1 -x 0 1 – 1 + x = x 0<x<1
Si 1 -x < 0 1 + 1 – x = 2 – x 1 x < 2
1 2
x2 x2
xdx (2 x)dx 0 2 x 1
1 2 2
1
½ + 2 –
0 1
2 2
3/2 = 1
Además f(x) 0, f(x) es una función de densidad.
1
1 1/ 2
2
1
b) dx x 0
1 0 1
0 x
Además f(x) 0, f(x) es una función de densidad.
c) Si x 0 f(x) = x 0x<1
Si x < 0 f(x) = -x -1 x < 0
0 1
x2 0 x2 1
2 1 2 0
xdx xdx 0 1 / 2 1 / 2 0 1
1 0
Además f(x) 0, f(x) es una función de densidad.
16.- Se encontró que el tiempo en minutos que una señorita habla por
teléfono es un fenómeno aleatorio con función de densidad dada por:
f(x) = ke-x/10 x>0
0 x0
x x
5 2 3
= 5
1/ 2
xdx 2 dx
1/ 2
2
x 2 x
8
½<x1
x/25 0x5
f(x) = (10-x)/25 5 < x 10
0 en otro caso
Hallar P(x > 5)
Solución:
5
x2
xdx / 25 = 1 -
5
P(x > 5) = 1 – P(x 5) = 1 – F(5) = 1 - 0
0 50
= 1 – 25/50 = ½
19.- Con el objeto de establecer un plan de producción, una empresa ha
estimado que la demanda aleatoria en miles de unidades, de sus
potenciales clientes se comportará semanalmente, con arregla a la ley
de probabilidades definida por la función de densidad siguiente:
f(x) = k(2x – x2) 0x2
0 en otro caso
Hallar el valor de k y P(X > ½ / x < 3/2)
Solución:
2
2 x3
k ( 2 x x 2 ) dx kx 0 k
2 2
0
1 k = ¾
0
3
x
3 x2
4 0
F(X) = ( 2 x x 2
) dx (3 x) 0 x 2
4
P(1 / 2 x 3 / 2) 22 / 32 22
P(X > ½ / x < 3/2) = =
P( 3 / 2) 27 / 32 27
0,8148
P(1/2 < x < 3/2) = F(3/2) – F(1/2) =
(3 / 2) 2 (1 / 2) 2
(3 3 / 2) (3 1 / 2)
4 4
= 22/32
P(x < 3/2) = F(3/2) = 27/32
20.- Si X es una v.a. cuya función de distribución está dada por la
siguiente expresión:
1
F(X) = 1 x >0
1 x
0 x0
5. 2. 4. PROBLEMAS PROPUESTOS
1.- Si X es una v.a. cuya function de densidad esta dada por la siguiente
expresión:
f(x) = x – x2/4 0x2
0 en otro caso
Hallar: F(X) y P(x 1)
x2 x
Rpta. F(X) = (1 ) 0 x 2
2 6
P(x 1) = 5/12
2.- Suponga que en cierta región del país el ingreso anual por persona en
miles de dólares, es una v.a. con función de densidad dada por la
siguiente expresión:
4kx 0x1
f(x) = K(5-x) 1 x 5
0 en otro caso
Hallar el valor de la constante k y P(x 3)
Rpta. k = 1/10, P(x 3) = 4/5
3.- Sea X una v.a. cuya función de densidad está dada por la siguiente
expresión:
f(x) = k x2(1-x) 0x1
0 en otro caso
Hallar el valor de k y P(x > ¾)
Rpta. k = 12, P(x > ¾) = 67/256
4.- Sea X una v.a. continua cuya función de densidad está dada por la
siguiente expresión:
A x2 0x<1
f(x)= A (2-x)2 1 x 2
0 en otro caso
Hallar el valor de la constante A y P(1/2 < x < 3/2)
Rpta. A = 3/2, P(1/2 < x < 3/2) = 7/8
5.- Sea X una v.a. con función de densidad dada por la siguiente
expresión:
Kx si 0 x < 1
f(x) = K si 1 x < 2
K(3-x) si 2 x 3
0 en otro caso
Hallar el valor de la constante K, grafíquelo y obtenga P(x < 2)
Rpta. K = ½, P(x < 2) = ¾
1
c) f(x) = xR
(1 x 2 )
1
d) f(x) = xe x / 2 x>0
4
0 x0
Rpta. Todas son funciones de densidad.
11.- Determine el valor de K para las siguientes funciones de densidad.
k
a) f(x) = si 0 < x < 1
1 x2
0 en otro caso
b) f(x) = x2/ 2 xR
ke
c) f(x) = ke x / 2 x 1 / 2 si x > 0
0 si x 0
2
d) f(x) = kx 2 e x /4 si x > 0
0 si x 0
1 1 1
Rpta, a) k = 2/ , b) k = c) k = d) k =
2 2
12.- Sea X una v.a. continua cuya función de densidad está dada por la
siguiente expresión:
f(x) = 2x/9 si: 0 < x < 3
0 en otro caso
14. - Si X es una v.a. cuya función de densidad está dada por la siguiente
función de densidad está dada por la expresión siguiente:
22.- Sea X una v.a. continua con función de densidad dada por la
siguiente expresión:
f(x) = K(3x – x2) si 0 < x < 2
0 en otro caso.
Hallar el valor de la constante K y P(x > 1)
Rpta. a)3/10 b) 13/20
23.- Suponga que la v.a. x tiene la siguiente función de densidad:
f(x) = kx2 si 0 < x < 1
0 en otro caso
Hallar el valor de k y la función de Distribución:
Rpta. a) k = 3
b)
0 si x 0
F(x) = x3 si 0 < x < 1
1 si x 1
25.- suponga que la v.a. X tiene como función de densidad dada por la
siguiente expresión:
k
f(x) = si x < k
k x 2
2
0 en otro caso
a) encuentre el valor de la constante k.
b) Hallar la probabilidad de que la v.a. X se encuentre en el intervalo
(k/2,k)
Rpta. a) 1/ b) 1/3
26.- Sea X una v.a. continua con función de densidad dada por la
siguiente expresión:
f(x) = x/3 + k si 0 < x < 3
0 en otro caso
Hallar el valor de k y P(x <2)
Rpta. k = -1/6 b) 1/3
27.- Sea X una v.a. con función de densidad dada por la siguiente
expresión:
k si 0 < x < 2
f(x) = k(x-1) si 2 x 4
0 en otro caso
Hallar el valor de k y P(x <3)
Rpta, k = 1/6 P(x < 3) = 7/12
30.- si X es una v.a. cuya función de densidad está dada por la siguiente
expresión:
f(x)= k/x si 1 < x < 2
0 en otro caso
Hallar el valor de la constante k y P(x >3/2)
Rpta. k =1/ log 2 P(x >3/2) = 0,415
5. 3. MEDIDAS DE POSICIÓN
Así como en la Estadística Descriptiva, es necesario ciertos indicadores
de un conjunto de datos para una mejor descripción de la variable en
estudio, en el caso de las variables aleatorias también es importante tener
algunos indicadores o parámetros sobre las medidas de posición,
dispersión, asimetría, etc. sin embargo, sólo se tratará de medidas muy
usadas, como son los promedios, siendo el promedio aritmético el que
será estudiado con detención, en este caso el promedio aritmético tomará
el nombre de Esperanza matemática, por ser un concepto muy parecido.
5. 3. 1. ESPERANZA MATEMÁTICA: = E(X)
Definición:
Sea X una v.a. asociada a un experimento aleatorio, el valor esperado o
Esperanza matemática de la v.a. X es el promedio ponderado de los
valores que pueda asumir X, con probabilidades para cada uno de los
valores o intervalos de X, como pesos. Se expresa de la siguiente manera:
E(X) = xP( x)
x
para el caso de las v.a. discretas.
= xf ( x)dx
x
para el caso de las v.a. continuas. La
esperanza existirá si la v.a. X es integrable.
E(K) = KP ( x) K P( x) K
x x
= Kf ( x)dx K f ( x)dx K
x x
Donde K es una constante.
2.- E(Kx) = KE(x)
Prueba:
E(x + y) = ( x y ) P ( x, y )
x y
= xP( x, y ) yP( x, y )
x y x y
= xP( x) yP( y)
x y
= E(x) + E(y)
La prueba es similar en el caso continuo.
independientes.
E(x,y) = xf ( x)dx yf ( y ) dy
x y
= E(x)E(y)
6.- Si Y = g(x), es una v.a. obtenido de X mediante la función g, la
esperanza de la v.a. Y se obtiene usando las siguientes expresiones:
=
x
g ( x) f ( x)dx ….para el caso de v.a. continuas.
Eg(x) h(y) = Eg(x) Eh(y)
Eg(x,y) h(x,y) = Eg(x,y) Eh(x,y)
7.- La esperanza de la diferencia de la v.a. X y su esperanza es igual a
cero; es decir: Ex – E(x) = 0
Prueba:
Ex – E(x) = Ex - EE(x) = E(x) – E(x) = 0, ya que E(x) es una
constante.
Ejemplo Nº 1:
Durante el curso del día una máquina produce bien: 0, 1, 2, 3 o 4 artículos
defectuosos con probabilidades de: 1/3, 1/5, 1/5, 1/6 y 1/10
respectivamente, ¿cuál es el número esperado de artículos con defectos
que se producirá?
Solución:
X P(x) XP(x)
0 1/3 0
1 1/5 1/5
2 1/5 2/5
3 1/6 ½
4 1/10 2/5
Total 1,0 15/10
4
E(x) = xP( x) = 15/10 = 1,5 artículos por día, en otros palabras se
x 0
producirá entre uno y dos artículos defectuosos por día.
Ejemplo Nº 2:
Un componente electrónico se inserta a un aparato de prueba para
determinar si posee o no cierta característica, si posee se dice que la
prueba es positiva y si no se dice que la prueba es negativa. Si los
componentes son producidos en serie y la probabilidad de que la prueba
sea positiva es ¾ y de que sea negativa es ¼, la prueba continúa hasta que
aparezca el primer componente que no posea la característica dada.
Determine el número esperado de pruebas que se harán.
Solución:
Sea x la v.a. que indica el número de pruebas que se deben hacer hasta
que aparezca un componente que no tenga la característica dada.
X P(x) xP(x)
1 ¼ ¼
2 (3/4)(1/4) 2(3/4)(1/4)
3 (3/4)2(1/4) 3(3/4)2(1/4)
4 (3/4)3(1/4) 4(3/4)3(1/4)
…. .... …. 1
E(x) = 1(3/4)0 +
n (3/4)n-1(1/4) n(3/4)n-1(1/4) 4
…. ….. ….. 2(3/4) + 3(3/4)2 +
4(3/4)3 +...….
1 1
= 2 = 4
4 (1 3 / 4)
Ejemplo Nº 3:
La probabilidad de que un auto sea robado durante el curso de un año es
igual a 0,005. Una compañía de seguros ofrece vender al propietario del
auto una póliza de seguro contra robos por 20000 soles y a un año por
una prima de 150 soles. ¿Cuál es la ganancia esperada de la compañía?
Solución:
E(x) = 150(0,995) + (-19850)(0,005) = 50 soles
Ejemplo Nº 4:
Un juego consiste en lanzar un dado, si el jugador saca una número par,
la casa devuelve la apuesta más una cantidad similar a la apuesta. Un
jugador que tiene 1400 soles, apuesta 200 soles en el primer lanzamiento,
si gana se retira, si pierde apuesta 400 soles en el segundo lanzamiento, si
gana se retira, de lo contrario apuesta los 800 soles que le quedan en el
3er. lanzamiento. ¿Cuál es la ganancia esperada del jugador?
Solución:
- La probabilidad de obtener número par es igual a ½ y si gana obtiene
un beneficio de 200 soles.
- La probabilidad de obtener número par en el segundo lanzamiento es
igual a ¼ y el beneficio efectivo es de 400 soles que le dará la casa
menos los 200 soles que perdió en el primer juego, por lo tanto es de
200 soles.
- La probabilidad de obtener número par en el 3er.
lanzamiento es igual a 1/8 y el beneficio efectivo es de 800 soles que
le pagará la casa, menos 200 que perdió en el primer juego y 400
soles que perdió en el segundo juego, por lo que el beneficio efectivo
es igual a 200 soles.
- La probabilidad de que pierda en el 3er. juego es igual a 1/8, esto
significa que ha perdido los 3 juegos y pérdida efectiva es de 200 +
400 + 800 = 1400 soles, es decir todo su dinero.
- En consecuencia: E(X) = 200(1/2) + 200(1/4) + 200(1/8) -1400(1/8)
= 100 + 50 + 25 – 175
= 0,0 soles
En consecuencia el juego es equitativo, tanto para el jugador como para la
casa de juego.
Ejemplo Nº 5:
Una casa distribuidora de artículos de ferretería está rematando cierto
número de artículos, entre ellos un lote de 4 artículos de ebanistería al
precio de 3000 soles por todo el lote. Un comerciante puede vender los
artículos en buen estado a 2000 soles cada uno, pero todo artículo
defectuoso representa una pérdida completa de 1000 soles. Por su
experiencia el comerciante sabe que las probabilidades de encontrar: 0, 1,
2, 3 y 4 artículos defectuosos son: 0,1; 0,3; 0,3; 0,2 y 0,1
respectivamente. ¿Si no es posible ver el lote, le convendría comprar el
lote?
Solución:
- Si no encuentra artículos defectuosos, el lote lo venderá a 4 x 2000 =
8000 soles.
- Si encuentra un artículo defectuoso, el lote lo venderá a 3 x 2000 –
1000 = 5000 soles.
- Si encuentra dos artículos defectuosos, el lote lo venderá a 2 x 2000
– 2 x 1000 = 2000 soles
- Si encuentra 3 artículos defectuosos, el lote le ocasionará una pérdida
de 1 x 2000 – 3 x 1000 0 = -1000 soles.
- Si encuentra los 4 artículos defectuosos, el lote le ocasionará una
pérdida de – 4 x 1000 = -4000 soles.
- Por lo tanto, la ganancia esperada será como sigue:
E(x) = 8000 (0,1) + 5000 (0,3) + 2000 (0,3) + (-1000)(0,2) +(-4000)
(0,1)
= 2300 soles.
Se le recomendaría que no compre el lote pues obtendría una utilidad
inferior al costo del lote que es de 3000 soles.
Ejemplo Nº 6:
Un centro comercial contabiliza su venta en forma semanal de su
mercadería, las estadísticas anteriores indican que la función de densidad
de la venta semanal X medida en miles de kilogramos está dada por:
x – 1 si 1 x < 2
f(x) = 3 – x si 2 x 3
0 en otro caso.
Obtenga la venta probable en Kg. en una semana dada.
Solución:
2 3
E(x) = x( x 1)dx x(3 x)dx =
1 2
x3 x2 3x 2 x3
2 3
2 2 3 3
1
1
2
3 2 2
= 7/3 – 3/2 + 15/2 – 19/3 = 6 – 4 = 2 000 kg.
Ejemplo Nº 7
Si X es una v.a. que representa el tiempo de vida de una batería en horas,
cuya función de distribución está dada por la siguiente expresión:
F(X) = 1 – e-x/5 si x 0
0 si x < 0
Determine el probable tiempo de vida de una batería seleccionada al azar.
Solución:
Se necesita f(x), por lo que se tendrá que derivar de la función de
distribución:
d
( 1 – e-x/5) =(1/5) e-x/5
dx
1
xe
x / 5
E(x) = dx
5 0
Ejemplo Nº 8:
Sea X una v.a. que representa la demanda de un artículo en promoción,
cuya función de distribución está dada por:
F(x) = 1 – 4/x2 x2
0 x<2
x8 / x 3dx = 8 / x dx = -8/x
2
E(x) = 2 = 4 la demanda
2 2
Ejemplo Nº 10:
La Asociación de docentes de la Universidad está planificando organizar
un curso de Proyección Social. En base a la experiencia de cursos
similares ofrecidos anteriormente, la concurrencia puede estimarse según
el cuadro siguiente:
Asistencia: X
P(x) XP(x)
Número de personas
200 0,1 20
300 0,4 120
400 0,3 120
500 0,2 100
Total 1,0 360
El costo total del curso es de 4000 soles y el precio de la inscripción es de
20 soles por asistente. ¿Cuál es la utilidad esperada si se realiza el curso?
Solución:
La utilidad bruta se obtiene multiplicando la cantidad esperada de
personas que asistirían al curso por 20 soles que es el precio de la
inscripción por cada asistente al curso, luego:
E(X) = 200(0,1) + 300(0,4) + 400(0,3) + 500(0,2) = 360 personas.
la utilidad bruta es igual a 360 x 20 = 7200 soles, en tanto que la
utilidad neta, es igual a 7200 – 4000 = 3200 soles.
Ejemplo Nº 11:
Una caja tiene 4 transistores usados y 6 nuevos, se sacan 3 transistores
uno a continuación del otro. Si usted saca un transistor usado pierde 10
soles, pues podrá venderlo además debe pagar 10 soles por cada transistor
que saca; pero si saca un transistor nuevo gana, pues puede venderlo a 30
soles cada uno, por lo que gana 20 soles por cada transistor nuevo sacado.
¿Cuál es su ganancia esperada si, la extracción se hace:
a) con sustitución?
b) sin sustitución?
Solución:
a) Sea X la v.a. que indica el número de transistores nuevos que saca y
sea Y la ganancia neta en cada caso. Y = 30X - 30
X Y P(x) Y P(x)
3 60 0,216 12,96
2 30 0,432 12,96
1 00 0,288 0,00
0 -30 0,064 -1,92
Total 60 1,000 24,00
E(Y) = 60(0,216) + 30(0,432) + (00)(0,288) + (-30)(0,064) = 24
soles
b) Sin sustitución:
X Y P(x) Y P(x)
0 60 1/6 10
1 30 ½ 15
2 00 3/10 0
3 -30 1/30 -1
Total 60 1.0 24
E(Y) = 60(1/6) + 30(1/2) + (00)(3/10) + (-30)(1/30) = 24 soles
La ganancia neta esperada es igual a 24 soles en ambos casos.
Nota.- Se dice que una distribución de una v.a X R, es simétrica
respecto al valor cero si, P(Xx) = P(X -x). Asimismo será simétrica
respecto a su promedio si, P(X + x) = P(X -x).
0
40
Me
Me Me 2 4 2 4
1 x x Me Me Me
xdx 4 x dx
Me
3
0
0
1/ 2
0 0
2 16 2 16
(Me)4 – 8(Me)2 + 8 = 0 Me = 4 8 , esta ecuación tiene 4
raíces y el que se adecua a la variables es 4 8 Me = 1.0824
d
Mo = ( x x 3 / 8) 1 3 x 2 / 8 0 x2 = 8/3 x = 1,633.
dx
Ejemplo Nº 2:
Se lanza un par de dados sobre una superficie plana, sea X la suma de los
puntos obtenidos, obtenga la esperanza, la mediana y la moda de la v.a.
X.-
Solución:
X 2 3 4 5 6 7
P(x) 1/36 2/36 3/36 4/36 5/36 6/36
X 8 9 10 11 12
P(x) 5/36 4/36 3/36 2/36 1/36 36/36
E(X) = 2(1/36) + 3(2/36) + 4(3/36) + 5(4/36) + 6(5/36) + 7(6/36) +
8(5/36) + 9(4/36) + 10(3/36) + 11(2/35) + 12(1/36) = 252/36 = 7
Mo = 7 por tener la probabilidad más alta.
Me = P(x 7) = 21/36, p(x 7) = 21/36 X = 7
La distribución es simétrica alrededor del punto X = 7.
5. 4. MEDIDAS DE DISPEERSIÓN:
5. 4. 1. VARIANZA: 2 = V(X)
La varianza de una v.a. X es una medida de dispersión y viene a ser el
valor esperado de las diferencias cuadráticas de cada uno de los valores
de la v.a. x con respecto a la esperanza de la variable, cuyo valor se
obtiene usando la siguiente expresión:
x x
= E(x2) – E(x)2…. Caso continuo.
La varianza es un valor positivo, expresado en las unidades de medida al
cuadrado de la variable aleatoria, por lo que para usarlo como medida
descriptiva se debe obtener su raíz cuadrada positiva, llamada desviación
estándar (Sx).
Si se interpreta la esperanza como el centro de masa unitaria distribuida
sobre la recta real, entonces se puede decir que la varianza es el momento
de inercia de esta masa, respecto a un eje perpendicular que pasa por el
centro de masa-
Si la varianza viene expresada en términos de momentos, éste viene a ser
el segundo momento respecto a la media o esperanza.
Propiedades:
1.- V(K) = 0
Prueba:
V(K) = EK – E(K)2 = EK – K2 = E(02) = E(0) = 0
2.- V(Kx) = K2V(x)
Prueba:
V(Kx) = EKx – E(Kx)2 = EKx – KE(x)2 = EK x – E(x) 2
= EK2 x – E(x)2 = K2 E x – E(x)2 = K2 V(x)
3.- V(x + K) = V(x)
Prueba:
V(x + K) = E(x+K) – E(x+K)2 = Ex+K – E(x) -K2 = Ex – E(x)2
= V(x)
4.- V(x y) = V(x) + V(y) 2 Cov (x,y)
Prueba:
V(x y) = E(x y) - E(x y) 2 = Ex – E(x) +y - E(y) 2
= Ex – E(x)2 + E +y - E(y) 2
2Ex – E(x)y – E(y)
= V(x) + V(y) 2 Cov (x,y)
Donde Cov (x,y) = Ex – E(x)y – E(y)
= Ex y– xE(y) – yE(x) + E(x)E(y)
= E(x.y) – E(y)E(x) – E(x)E(y) + E(x)E(y)
= E(x.y) – E(x)E(y)
E(x) = 2,5
V(x) = 7,5 – (2,5)2 = 1,25
Sx = V ( x ) = 1,25 = 1,118
CV(x) = Sx/E(x) x 100: (1,118/2,5) x 100 = 44,72%, existe una variación
del 44,72% respecto a su valor esperado.
Ejemplo Nº 2:
La vida útil de un artículo electrodoméstico es una variable aleatoria X
con función de densidad dada por:
xe
x
E(x) = dx
0
Se usará la función gamma para los cálculo, por lo que se hará un cambio
de variables: y = x dy = dx, la variable y tiene el mismo recorrido
que la variable x, reemplazando se tiene:
1 1
ye dy = (1/)(2) = (1/)(1!) =
y
E(x) =
0
x e x dx
2
E(x2) =
0
x 0
1
E(x) = (1/6) =6
(1 5 / 6) 2
E(x2) = (1/6) (5/6)0 + 4(5/6) + 9(5/6)2 + 16(5/6)3 +……
= (1/6) ( x 1) (5 / 6)
2 x
x 0
(5 / 6 1)
E(x2) = (1/6) = 66
(1 5 / 6) 3
V(x) = 66 – (6)2 = 30
Ejemplo Nº 4:
Se estima que la función de cuantía del número de artículos con defectos
producidos por una fábrica está dada por la siguiente expresión:
P(x) = (3/4)(1/4)x x = 0, 1, 2, 3,……..
Hallar la varianza de la distribución.
Solución:
E(x) = x (3 / 4)(1 / 4)
x 0
x
= (3/4) x(1 / 4)
x 0
x
=
3 1/ 4
( )
4 (1 1 / 4) 2
= 1/3
E(x2) = x
x 0
2
(3 / 4)(1 / 4) x = (3/4) x
x 0
2
(1 / 4) x =
3 (1 / 4) 2 1 / 4
( )
4 (1 1 / 4) 3
= 5/9
V(x) = 5/9 – 1/9 = 4/9 = (2/3)2
Ejemplo Nº 5;
Si La v.a. X tiene una función de distribución dada por:
F(X) = 1 – 4/x2 x>2
0 x2
Halle la varianza de la distribución.
Solución:
d
f(x) = (1 – 4/x2) = 8/x3 x > 2 y f(x) =0 en otro caso
dx
dx 8 8 8
E(x) = x (8 / x )dx 8 2 2 4
3
2 2 x
x 2
x
2
E(x2) = (8 / x 3 ) dx =
2
dx
8 log( x ) 2 8(log() log(2)) =
8
2
x
V(x) = - 16 =
La varianza para esta distribución no está determinada, por que x no es
convergente.
5. 5. PROBLEMAS RESUELTOS:
1.- Suponga que X es una v.a. que representa el tiempo de vida en
segundos de una partícula radioactiva, cuya función de distribución
está dada por la siguiente expresión
F(x) = 1 – e-x x 0
0 x<0
Obtenga la varianza de la v.a. X.
Solución:
d
f(x) = ( 1 – e-x) = e-x x 0, y f(x) = 0 en otro caso
dx
xe dx ( 2) 1 seg.
x
E(x) =
0
x e x dx (3) 2
2 2
E(x ) =
0
V(x) = 2 – 1 = 1seg.2
0 , 02 0 , 02
x 25dx = (25/3) x3
2
2 0 , 02
E(x ) = = 1/7500 = 0,0001333
0 , 02
V(x) = 1/7500 – 0 = 1/7500 = 0,0001333
0 0 0
= 3/8
1
(3 / 2) x (1 x 2 )dx
2
E(x2) = (3/2)
0
1 1
0
x 2dx (3 / 2) x 4dx = 1/5
0
V(x) = 1/5 – (3/8)2 = 19/320
km.
E(x2) =
1
0 200 x e dx 40000 t 2 e t dt 40000 (3) 80000
2 x / 200
Solución:
Si ordena 10 cajones, y si hay una demanda de 10 cajones, entonces
venderá los 10 cajones a 300, soles pero gastó 100 soles al comprar
los 10 cajones, por lo que su ganancia esperada, es igual a:
E(x) = 200 x (0,6) + 200(0,3) +200(0,1)= 200 soles. Si hay más
demanda no podrá vender más, pues no tiene más de lo ordenado.
Si ordena 15 cajones, entonces puede haber una demanda de 10 o de
15 cajones, en caso de que la demanda sea de 10 cajones tendrá una
ganancia neta de 300 – 150 = 150 soles, en cambio si hay una
demanda de 15 cajones, entonces su ganancia neta será de 450 – 150
= 300 soles; por lo que su ganancia esperada será de:
E(x) = 150(0,6) + 300(0,3) + 300(0,1) = 210 soles.
Si ordena 20 cajones, puede suceder 3 casos: que la demanda sea de
10 cajones, entonces su ganancia neta será de 300 – 200 = 100 soles;
si la demanda es de 15 cajones su ganancia será de 450 – 200 = 250
soles y si la demanda es de 20 cajones, entonces su ganancia será de
600 – 200 = 400 soles, por lo que su ganancia esperada neta será:
E(x) = 100(0,6) + 250(0,3) + 400(0,1) = 175 soles.
En consecuencia se recomienda ordenar 15 cajones.
10.- Una persona tiene 5 llaves en su llavero pero solo uno abre el
candado de una puerta, la persona no conoce las llaves por lo prueba
uno por uno hasta abrir el candado. Hallar el número esperado de
pruebas que se deben hacer para el abrir el candado.
Solución:
E(x) = 1(1/5) + 2(1/5) + 3(1/5) + 4(1/5) + 5(1/5) = 3 pruebas
11.- El número de robos en un almacén por día, tiene una
distribución de probabilidades dada por:
X 3
P(x)0,20 0,30 0,25 0,100,1 0,04 0,01
Halle:
a) la probabilidad de que haya por lo menos 2 robos al día.
b) el coeficiente de variación del número de robos por día.
Solución:
a) P(x 2) = 0,25 +0,10 + 0,10 + 0,04 + 0,01 = 0,5
b) E(x) = 0(0,2) +1(0,3) + 2(0,25) + 3(0,1) + 4(0,1) + 5(0,04) +
6(0,01)
= 1,76 robos
E(x2) = 02(0,2) +12(0,3) + 22(0,25) + 32(0,1) + 42(0,1) + 52(0,04) +
62(0,01)
= 5,16
V(x) = 5,16 –(1,76)2 = 2,0624
Sx = 1,4361
CV(x) = (1,4361/1,76) x 100 = 81,6%
Solución:
1
a) A (1 / 3) A(
x
) = A(3/2) = 1 A = 2/3
0 1 1/ 3
b) P(x < 3) = (2/3)(1/3)0 + (1/3) + (1/3)2 = (2/3) 1 + 1/3 + 1/9
= 26/27
1/ 3
c) E(x) = (2/3) x (1 / 3) = (2/3) ( )=½
x
0 (1 1 / 3) 2
1/ 9 1/ 3
E(x2) = (2/3) x (1 / 3) = (2/3) ( )=1
2 x
0 (1 1 / 3) 3
V(x) = 1 – (1/2)2 = ¾
Solución:
10 x
a) K 0 x !
Ke10 1 K = e-10
e 10 10 0
b) P(x 1) = 1 – P(x = 0) = 1 - = 1 – e-10 = 0,9999546
0!
x10 x
10 x 1
c) E(x) = e-10 = 10e-10
x 0 x! x 1 ( x 1)!
si hacemos y = x-1
10 y
E(x) = 10e-10
y 0 y!
= 10 e-10 e10 = 10 roturas.
15.- Una caja de repuestos tiene 20 transistores, de los cuales por error
están incluidas 5 usadas, un técnico extrae 3 transistores uno por uno
y sin reposición. Sea X el número de transistores usados extraídos
por el técnico. Obtenga el coeficiente de variación de la v.a. X.
Solución:
La distribución de probabilidades es el siguiente:
X P(x) XP(x) X2P(x)
0 91/228 0,0 0,0
1 105/228 105/228 105/228
2 30/228 60/228 120/228
3 2/228 6/228 18/228
Total 1,0 1/3 81/76
V(x) = 81/76 - 1/9 = 0,954678362
Sx = 0,977
CV(x) = (0,977/0,3333) x 100 = 293,1%
16.- En una panadería se compra 5 tortas a 20 soles cada uno se vende a
50 soles cada uno el mismo día, si no se vende el mismo día se
guarda para venderlo el día siguiente a 10 soles. En base a las ventas
anteriores se ha obtenido la siguiente distribución de X que es el
número de tortas vendidas al día:
X 0 1 2 3 4 5
P(x) 0,1 0,2 0,3 0,2 0,1 0,1
Y -50 -10 30 70 110 150
Obtenga la ganancia esperada y la desviación estándar de X .
Solución:
Y es la ganancia neta
E(y) = -50(01) -10(0,2) + 30(0,3) + 70(0,2) + 110(0,1) + 150(0,1)
= 42 soles
E(y2) = 2500(0,1) + 100(0,2) + 900(0,3) + 4900(0,2) + 12100(0,1)
22500(0,1) = 4980
V(y) = 4980 – (42)2 = 3216 soles2
Sx = 56,71 soles.
17.- Sea X una v.a. cuya función de cuantía es la expresión siguiente,
halle la varianza de la v.a.X
3
P(x) = x: 0, 1, 2, 3, 4
2( 4 x )! x!
Solución:
X 0 1 2 3 4
P(x) 1/16 4/16 6/16 4/16 1/16
x
x 0
2
/ 55 (1/55)( 0 + 1 + 4 + 9 + 16 + 25) = 1
Si es una función de cuantía.
5
c) P(x) = x/15 > 0, además x / 15 = (1/15)( 0 + 1 + 2 + 3 + 4 +
x 0
5) = 1
Si es una función de cuantía.
d) P(x) = (x-1)/ 9, si x = 0 entonces P(x) = -1/9 es negativo, por lo
tanto, P(x) no es una función de cuantía.
Solución:
E(x) = A(0,838) -400000(0,002) – 200000(0,01) – 100000(0,05)
40000(0,1) 10000
A(0,838) – 11800 = 10000
A(0,838) = 21800
A = 26014,21 soles
5. 6. PROBLEMAS PROPUESTOS
1.- Se lanza una moneda hasta que salga cara, hallar el número esperado
de lanzamientos y la varianza de dicha variable.
Rpta. E(x) = 2, V(x) = 2
2.- la demanda de cierto artículo por día tiene una función de cuantía
dada por la siguiente expresión:
P(x) = k x2 x: 0, 1, 2, 3, 4, 5, 6 y cero en otro caso.
Hallar el valor de la constante k y la demanda esperada.
Rpta. k = 1/91, E(x) = 441/91 casi 5 artículos por día.
50
E(x) = 1
5
6.- Una empresa ha estimado su tabla de distribución del jornal diario de
sus obreros, tal como sigue:
Jornal Diario: 40, 45, 50, 55, 60, 65, 70, 75, 80 soles
% de obreros: 3, 12, 18, 25, 20, 12, 5, 3, 2
Hallar a) jornal promedio.
b) el coeficiente de variación.
Rpta. a) 56,50 soles, b) CV(x) = 15,2%
7.- Dada la distribución de probabilidades de acuerdo a la siguiente
expresión: (0; C), (1; 0,1), (2; 0,4), (3; 2C), (4; 2C)
a) Hallar el valor de la constante C.
b) Hallar V(x)
Rpta. a) C = 0,1 b) V(x) = 1,41
8.- Una fábrica automotriz tiene que enviar al Perú un equipo muy pesado
a su planta de montaje. La máquina puede ser trasladada por vía aérea
o marítima, el costo por avión es generalmente mayor, pero existe la
probabilidad de que haya huelga portuaria, los costos están dados
según la matriz siguiente.
No hay huelga
Decisión Hay huelga portuaria
portuaria
Envío por mar 5000 dólares 1000 dólares
Envío por aire 2000 dólares 2000 dólares
a) si la probabilidad de que haya huelga portuaria es de 0,4 ¿cuál es la
decisión?
b) ¿Qué valor debe alcanzar la probabilidad de una huelga portuaria,
para que resulte más lucrativo el envío por vía aérea?
Rpta. a) Por aire, b) P < 0,25
x
b) E(x) = 2
c) V(x) = 3/2
20
x
x
12.- Se reparte 5 cartas de una baraja ordinaria de 52 cartas, sea X la v.a.
que indica el número de ases que se puedan tener en el grupo de las 5
cartas repartidas. Obtenga la función de cuantía de la v.a. X.
4 48
x 5x
Rpta. P(x) = x: 0, 1, 2, 3, 4
52
5
13.- Se lanzan 6 dados sobre una superficie plana. Obtenga la función de
cuantía para el número de ases que puedan salir.
6 x 6 x
P(x) = (1/6) (5/6) x: 0, 1, 2, 3, 4, 5, 6
x
14.- Alfonso tiene 2 monedas y Braulio tiene una moneda, los dos juegan
una partida, donde cada uno pierde o gana una moneda con la misma
probabilidad hasta que uno de ellos tiene las tres monedas. ¿Cuál es
la función de cuantía del número de partidas necesarias para terminar
el juego? y ¿cuál sería dicha función si Alfonso gana el juego?
Rpta. a) P(x) (1/2)x x: 1, 3, 5,…
b) (2/3)(1/2)x x: 1, 3, 5,…
15.- En una caja se tiene 10 pilas secas, de los cuales 2 son usadas, se van
probando las pilas uno por uno hasta obtener la segunda pila usada.
Obtenga la función de cuantía de la v.a. X que indica el número de
pruebas que se hacen hasta obtener la segunda pila usada, así como
el número esperado de pilas probadas.
Rpta. P(x) = (x-1)/45 x: 2, 3, 4,…., 10
E(x) = 22/3, aprox. 7 pruebas.
16.- Un club tiene 10 parejas de casados, se elige un comité de 3
personas, sea X el número de varones en el comité.
Hallar: a) P(x < 2), b) E(x), c) V(x)
Rpta. a) 0,5 b) E(x) = 1,5 c) V(x) = 0,671
20 x 10x
Rpta. P(x) =
(1/4) (3/4) x: 0, 1, 2, 3,…20
x
E(x) = 5; es decir, solo 5 preguntas correctas.
20.- Compruebe si las siguientes funciones son de densidad o no.
a) f(x) = (1/2) e- x xR
1 2
b) f(x) = ex / 2 xR
2
1
c) f(x) = x < 1
1 x 2
0 en otro caso
1
d) f(x) = si 0 < x < 1
2 x
0 en otro caso
Rpta. Todas son funciones de densidad
21.- Sea X una v.a. continua cuya función de densidad es la siguiente:
2
f(x) = (1 x) si 2 < x < 5
27
0 en otro caso
Obtenga la E(x) y la V(x).
Rpta. E(x) = 11/3, V(x) = 13/18
30.- Sea X una v.a. cuya función de densidad está dada por la siguiente
expresión:
f(x) = (1/2)(x + 1) si -1 < x < 1
0 en otro caso
30.- Sea X un v.a. cuya función de densidad está dada por la siguiente
expresión:
f(x) = cos (x) 0 < x < /2
0 en otro caso
Hallar V(x)
Rpta. V(x) = 0,1416
31.- Sea X un v.a. cuya función de densidad está dada por la siguiente
expresión:
(x + 3)/9 si -3 < x < 0
f(x) = (3 - x )/9 si 0 x < 3
0 en otro caso
36.- Sea X un v.a. cuya función de cuantía está dada por la siguiente
expresión:
2x
P(x) = x: 1, 2, 3,…., n
n( n 1)
Hallar E(x) y V(x).
Rpta. E(x) = (2n+1)/3 V(x) = (n2 + n – 2)/18
4 8
x 3 x
a) P(x) = x: 0, 1, 2, 3
b) V(x) = 6/11
20
40.- Calcule P( - < x < + ) para la v.a. cuya función de densidad es
el siguiente:
f(x) = kx2(1-x) si 0 < x < 1
0 en otro caso
Rpta. K = 12, = 3/5, = 1/5, P(2/5 < x < 4/5) = 16/25 = 0,64
41.- Suponga que X es una v.a. cuya función de densidad está dada por la
siguiente expresión:
f(x) = k (x-2)(4-x) 2x4
0 en otro caso
43.- Suponga que X es una v.a. cuya función de densidad está dada por la
siguiente expresión:
1+x si -1 x < 0
f(x) = 1–x si 0 x 1
0 en otro caso
CAPÍTULO VI
6. VARIABLES ALEATORIAS BIDIMENSIONALES
Hasta el momento, se ha considerado una sola variable aleatoria para
describir un fenómeno aleatorio, sin embargo un experimento aleatorio
puede generar 2 o más variables aleatorias que puede ser de interés para
describir un fenómeno aleatorio.
En el presente texto, sólo se tratará dos v.a., el estudio de 3 o más v.a. no
está dentro de los objetivos del presente texto, pero el lector puede
fácilmente inferir a más variables, ya que las relaciones entre dos
variables son aplicables a más variables.
Para el estudio de las variables bidimensionales, es preciso tener los datos
de cada variables, en especial si las variables son discretas se tendrá el
par ordenado (x, y), que implica un dato para cada variable
correspondiente a una unidad elemental. Por ejemplo, si el estudio
consiste en determinar la relación entre el peso y la estatura de los niños,
entonces por cada niño (unidad elemental) se registrará el peso y la
estatura del niño.
Definición:
Sea un experimento aleatorio, y el espacio muestral asociado al
experimento aleatorio . Sean X = X(w) e Y = Y(w) dos funciones que
asignan un número real a cada uno de los resultados w , entonces se
llamará variable aleatoria bidimensional o vector bidimensional al para
ordenado (X, Y), que representa un punto en el plano euclidiano.
Rx
x=X (w)
X
w
Y
Ry
y=Y (w)
6. 1. V.A.B. DISCRETAS
Definición:
Se dice que (X, Y) es una v.a. b. discreta, si los valores posibles de (X, Y)
son finitos o infinitos numerables. Por lo tanto, los valores posibles de (X,
Y) se pueden expresar como (xi, yj) donde i= 1, 2, 3,….n; j = 1, 2, 3,…..m.
Ejemplo: Sea X el número de artículos electrodomésticos vendidos en la
mañana y sea Y el número de artículos electrodomésticos vendidos en la
tarde, entonces el par (X, Y) es el número de artículos electrodomésticos
vendidos durante el día, por consiguiente X puede tomar valores como: 0,
1, 2,…..,n e Y puede tomar valores como: 0, 1, 2,….,m y el evento
(x = 2, y = 3), significa que se vendió 2 artículos en la mañana y y 3
artículos en la tarde.
6. 1. 1. FUNCIÓN DE CUANTÍA CONJUNTA
Sea (X, Y) una v.a. discreta bidimensional, la función P(X,Y) =
P(X=x,Y=y), se llama Función de Cuantía Bidimensional, si cumple las
siguientes condiciones:
i) P(x,y) 0
ii) P ( x, y ) 1
x y
Se llama Distribución de Probabilidades Conjunta, a la terna:
xi, yj, P(xi,yj)
Si la v.a. b. discreta es finita, entonces la distribución de probabilidades
conjunta se puede presentar en una tabla de doble entrada, esta tabla no es
otra es una extensión o idealización de un cuadro de frecuencias
bidimensionales, donde los valores interiores corresponden a las
frecuencias relativas bidimensionales.
Ejemplo: Sea X el número de apagones de luz eléctrica durante la
mañana y sea y el número de apagones de luz eléctrica en la tarde, por lo
que (X,Y) representa el número de apagones de luz eléctrica durante el
día, en una oficina determinada, el cuadro adjunto muestra dicha
distribución.
Y X 0 1 2 P(x)
0 0,20 0,20 0,10 0,50
1 0,12 0,12 0,06 0,30
2 0,08 0,08 0,04 0,20
P(y) 0,40 0,40 0,20 1,00
6. 2. V.A.B. CONTINUAS
Definición:
Se dice que (X,Y) es una v.a.b. continua, si el par(X,Y) puede tomar
cualquier valor del conjunto no numerable del plano euclidiano.
Ejemplo: si (x,y) es un punto interior del círculo: (x,y)/ x2 + y2 1
6. 2. 1. FUNCIÓN DE DENSIDAD CONJUNTA
Sea (X,Y) una v.a.b. continua, la función f(x,y) se llama función de
densidad conjunta, si cumple las siguientes condiciones:
i) f(x,y) 0; es decir, es una función positiva.
ii) f ( x, y ) dxdy 1
x y
Además:
b d
( x xy / 3)dxdy = x
2 2
P(x<0,5,y>1,5) = dxdy +
0 3/ 2 0 3/ 2
1/ 2 2
(1 / 3) xydxdy
0 3/ 2
= 1/48 + 7/192 = 11/192 = 0,0573
=
f (t , s )dtds (Caso continuo)
Propiedades:
1.- F(x, y) = P(Xx, Yy)
F(a, b) = P(Xa, Yb)
2.- La función es no decreciente, si X1 X2 e Y1 Y2 entonces,
P(X1,Y1) P(X2, Y2)
d 2F ( X , Y )
3.- f ( x, y )
dxdy
lim . lim .
4.- x F(X,Y) = 0 x F(X,Y) = 1
y y
5.- P(a < x b, c < y d) = F(b,d) – Fb,c) – F(a,d) + F(a,c)
Solución: F(x,y)
Y X 0 1 2 3 F(y)
0 0,09 0,17 0,24 0,30 0,30
1 0,17 0,34 0,46 0,55 0,55
2 0,24 0,46 0,67 0,80 0,80
3 0,30 0,55 0,80 1,00 1,00
F(x) 0,30 0,55 0,80 1,00
0 0 0 0
30 0
x 3y x 2y 2
=
3 12
0 si x < 0, y < 0
x 3y x 2y 2
F(x,y) = si 0 < x 1, 0 < y 2
3 12
1 si x > 1, y > 2
6. 4. FUNCIONES MARGINALES:
Son funciones de las v.a. unidimensionales que forman parte de la v.a.b.
P(x) = P( x, y ) ………función de cuantía marginal de X
y
f(x) =
y
f ( x, y )dy ……. función de densidad marginal de X
f(y) =
x
f ( x, y ) dx ……. función de densidad marginal de Y
Ejemplo Nº 1:
Sea (X,Y) una v.a.b de un fenómeno aleatorio, cuya función de cuantía
P(x,y) está dada por el siguiente cuadro. Obtenga las funciones de cuantía
marginal de X e Y.
Y X 1 2 3 4
1 0,10 0,10 0,05 0,05
2 0,10 0,15 0,05 0,05
3 0,15 0,10 0,05 0,05
Solución:
X 1 2 3 4
P(x) 0,35 0,35 0,15 0,15
4
P(x) = P ( x, y )
x 1
Y 1 2 3
P(y) 0,30 0,35 0,35
3
P(y) = P ( x, y )
y 1
Las funciones marginales generalmente se presentan a los márgenes del
cuadro de distribución conjunta de probabilidades.
Ejemplo Nº 2:
Obtenga las funciones de densidad marginales del ejemplo dado en caso
de v.a.b continuas.
Solución:
2 2 2
x
f(x) = ( x xy / 3) dy x dy ydy 2 x 2 x / 3
2 2 2
0 0
30
f(x) = 2x(x+1/3) si 0 < x 1
0 en otro caso
1 1
y1
f(y) = ( x xy / 3)dx x dx xdx 1 / 3 y / 6
2 2
0 0
30
f(y) = 1/3 + y/6 si 0 < y 2
0 en otro caso
También se puede obtener de la siguiente manera si se tiene la función de
distribución conjunta F(X,Y).
d
f(x) = F ( x, )
dx
d d
= F (x,2) (2 x 3 / 3 4 x 2 / 12) 2 x 3 2 x / 3
dx dx
d
f(y) = F ( , y )
dy
d d
= F (1, y ) ( y / 3 y 2 / 12) 1 / 3 y / 6
dy dy
6. 5. DISTRIBUCIONES CONDICIONALES
1. Caso Discreto:
P ( x, y )
P(x/y) = P(y) > 0
P( y )
P ( x, y )
P(y/x) = P(x) > 0
P( x)
2. Caso Continuo:
f ( x, y )
f(x/y) = f(y) > 0
f ( y)
f ( x, y )
f(y/x) = f(x) > 0
f ( x)
Ejemplo Nº 1:
Obtenga la probabilidad condicional P(x = 2/ y = 2), usando los datos del
último cuadro de distribución de probabilidades dado en el caso discreto.
Solución:
P( x 2, y 2) 0,10
P(x = 2/ y = 2) = = 0,4
P( x 2) 0,25
Ejemplo N 2:
Obtenga la probabilidad condicional P(x<1/2 / y<3/2), para la v.a.b. cuya
función de densidad conjunta se está usando como ejemplo.
Solución:
P ( x 1 / 2, y 3 / 2)
P(x<1/2 / y<3/2) =
p ( y 3 / 2)
1/ 2 3 / 2
Ejemplo Nº 1:
Sea X el número de artículos defectuosos envasados por la máquina Nº 1
y sea Y el número de artículos defectuosos envasados por la máquina Nº
2, cuya función de cuantía bidimensional,, está dada por el siguiente
cuadro. Determine si las v.a. son independientes o no.
Y X 0 1 2 3 P(y)
0 0,02 0,04 0,06 0,08 0,20
1 0,03 0,06 0,09 0,12 0,30
2 0.05 0,10 0,15 0,20 0,50
P(x) 0,10 0,20 0,30 0,40 1,00
Solución:
P(x=0,y=0) = 0,02 P(x=0)P(y=0) = (0,10)(0,20) = 0,02
P(x=1,y=2) = 0,10 P(x=1)P(y=2) = (0,20)(0,50) = 0,10
P(x=2,y=1) = 0,09 P(x=2)P(y=1) = (0,30)(0,30) = 0,09
De igual manera se puede comprobar que para todo X e Y
P(x,y) = P(x)P(y), por consiguiente las v.a. X e Y son independientes.
Ejemplo Nº 2:
Sean X e Y v.a.b. cuya función de densidad conjunta está dada por la
siguiente expresión:
f(x,y) = (4/3)(x + xy) si 0 x 1, 0 y 1
0 en otro caso
Determine si son v.a. independientes.
Solución:
1 1 1
4 4
f(x) = ( 4 / 3)( x xy )dy x dy x ydy = 2x 0 x
0 3 0 3 0
1
1 1 1
4 4 2
f(y) = (4 / 3)( x xy )dx xdx y xdx = (1 y )
0
30 3 0 3
0y1
2
f(x,y) = (4/3)(x +xy) = (2x) (1 y ) = f(x)f(y), en consecuencia las
3
v.a. X e Y son independientes.
6. 8. COEFICIENTE DE CORRELACIÓN
El coeficiente de correlación como se sabe, mide el grado de relación que
existe entre 2 variables, el coeficiente de correlación que se usará en el
presente caso será el de Pearson, por lo tanto su valor está comprendida
entre -1 y +1, en otros términos: -1 r 1, cuando r = 0, se dice que las
variables no están correlacionadas; además si son independientes,
entonces el coeficiente de correlación es cero; si r = -1 o +1, se dice que
las variables están perfectamente correlacionadas, si r = 0,5, se dice
que existe una mediana correlación entre las variables, si r > 0, entonces
hay una correlación positiva, en otras palabras las variables son
directamente proporcionales; en cambio si r < 0, entonces hay una
relación inversa, por lo que las variables son inversamente
proporcionales; esto es, mientras uno crece el otro disminuye. La fórmula
a usar es el siguiente:
E ( x, y ) E ( x ) E ( y ) cov( x, y )
r=
E(x 2
) E ( x) 2
E( y 2
) E ( y) 2
=
Sx.Sy
Ejemplo Nº 1
Obtenga el coeficiente de correlación de las v.a. X e Y, dados en el cuadro
de distribución de probabilidades expresada en el ejemplo anterior del
caso discreto.
Solución:
Y X 0 1 2 3 P(y)
0 0,02 0,04 0,06 0,08 0,20
1 0,03 0,06 0,09 0,12 0,30
2 0.05 0,10 0,15 0,20 0,50
P(x) 0,10 0,20 0,30 0,40 1,00
E(x) = 0(0,1) + 1(0,2) + 2(0,3) + 3(0,4) = 2,0
E(x2) = 0(0,1) + 1(0,2) + 4(0,3) + 9(0,4) = 5,0
V(x) = 5,0 – 4,0 = 1,0
E(y) = 0(0,2) + 1(0,3) + 2(0,5) = 1,3
E(y2) = 0(0,2) + 1(0,3) + 4(0,5) = 2,3
V(y) = 2,30 – 1,69 = 0,61
E(x,y) = 0x0x0,02 + 0x1x0,03 + 0x2x0,05 + 1x0x0,04 + 1x1x0,06 +
1x2x0,010 + 2x0x0,06 + 2x1x0,09 + 2x2x0,15 + 3x0x0,08 +
3x1x0,12 + 3x2x0,20
= 2,60
2,60 ( 2,0)(1,3) 0,0
r = 0,0 pues las variables son
(1x0,61 0,781
independientes, ya que la cov(x, y) = 0,0.
Ejemplo Nº 2:
Obtenga el coeficiente de correlación, para las variables aleatorias dadas
en el último ejemplo en el caso continuo.
Solución:
1
x ( 2 x) dx 1 / 2
2
E(x2) =
0
V(x) = ½ - 4/9 = 1/18
1
2
3 0
E(y) = y (1 y )dy 5 / 9
1
2
y (1 y )dy 7 / 18
2
E(y2) =
3 0
V(y) = 7/18 – 25/81 = 13/162
E(x,y) =
1 1 1 1 1 1
4 4
xy(4 / 3)( x xy)dxdy
0 0
30 x 2 dx ydy x 2dx y 2 dy
0
30 0
= 10/27
Cov(x,y) = 10/27 – (2/3)(5/9) = 10/27 – 10/27 = 0,0
0,0
r= 0,0 pues las variables son independientes,
(1 / 18)(13 / 162)
puesto que la cov(x, y) = 0,0.
6. 9. TEOREMA DE CHEBYSHEV
La varianza de una v.a nos indica el grado de variación de los datos
respecto a su media, si una v.a tiene una varianza pequeña, esto nos indica
que los datos se acumulan o agrupan alrededor de la media, en cambio si
una v.a tiene una varianza grande, esto significa que la mayoría de los
datos están alejados de la media, es decir los datos son muy variables. Si
se considera en términos de área de probabilidad, una varianza pequeña
significa tener un área mayor alrededor de la media, y a medida que la
varianza va creciendo el área se va diseminando, este hecho fue estudiado
por el matemático ruso P.L. Chebyschev (1821-1894), quien descubrió
que la fracción del área entre 2 valores simétricos cualesquiera alrededor
de la media tiene relación con la desviación estándar, y lo planteó como
el teorema que lleva su nombre.
Teorema de Chebyschev. La probabilidad de que cualquier variable
aleatoria X tome un valor dentro de k desviaciones estándar de la media,
es al menos 1 – 1/k2. es decir,
P( - k < X < + k) = 1 – 1/k2
Este teorema nos proporciona una aproximación bastante conservadora
de las probabilidades entre k desviaciones estándar.
Como consecuencia de este teorema, se tienen otros, como los siguientes:
1.- Sea X una v.a. y g una función real, tal que g(x) 0, X R,
entonces:
Pg(x) k E g(x) / k k>0
2.- Desigualdad de Harkov.
Si X es una v.a. no negativa; esto es, P(X 0) = 1, entonces para
cualquier número a > 0, se tiene:
P(X a) = E(x) / a
3.- Desigualdad de Chebyschev.
Si X es una v.a. con E(x) = y varianza igual a 2< (finita),
entonces para cualquier número real k> 0, se tiene:
Px - < k > 1 – V(X)/k2 Px - < k > 1 – 1/k2
Px - k V(X)/k2 Px - k 1/k2
Si x es la media muestral, entonces la desigualdad es como sigue:
En forma general se puede decir, que para Px - < 3 > 1 – 1/9 = 8/9,
por lo que podemos decir que como mínimo el 88,89% de los datos deben
estar en el intervalo de cualquier conjunto de datos.
Solución:
a) E(x+y) = E(z) = 5,07 = 3,48 + 1,59 = E(x) + E(y)
Z P(z) Z P(z) Z2 P(z)
0 0,00 0,00 0,00
1 0,02 0,02 0,02
2 0,06 0,12 0,24
3 0,13 0,39 1,17
4 0,17 0,68 2,72
5 0,21 1,05 5,25
6 0,16 0,96 5,76
7 0,15 1,05 7,35
8 0,10 0,80 6,40
Total 1,00 5,07 28,91
E(z) = 5,07
V(z) = 28,91 – (5,07)2 = 3,2051
X P(x) X P(x) X2 P(x)
0 0,04 0,00 0,00
1 0,08 0,08 0,08
2 0,12 0,24 0,48
3 0,19 0,57 1,71
4 0,26 1,04 4,16
5 0,31 1,55 7,75
Total 1,00 3,48 14,18
E(x) = 3,48
V(x) = 14,18 – (3,48)2 = 2,0696
Y P(y) Y P(y) Y2 P(y)
0 0,25 0,00 0,00
1 0,20 0,20 0,20
2 0,26 0,52 1,04
3 0,29 0,87 2,61
Total 1,00 1,59 3,85
E(y) = 1,59
V(Y) = 3,85 – (1,59)2 = 1,3219
E(x,y) = 0x0x0,00 + 0x1x0,01 + 0x2x0,01 + 0x3x0,02 + 1x0x0,01 +
1x1x0,02 + 1x2x0,03 + 1x3x0,02 + 2x0x0,03 + 2x1x0,02 +
2x2x0,04 + 2x3x0,03 + 3x0x0,06 + 3x1x0,04 + 3x2x0,05 + 3x3x0,04
+ 4x0x0,07 + 4x1x0,05 + 4x2x0,06 + 4x3x0,08 + 5x0x0,08 +
5x1x0,06 + 5x2x0,07 + 5x3x0,10
= 5,44
Cov(x,y) = 5,44 – (3,48)(1,59) = 5,44 – 5,5332 = -0,0932
b) V(z) = V(x+y) = V(x) + V(y) + 2cov(x,y)
V(z) = 3,2051
Por otro lado, se tiene:
V(x+y) = 2,0696 + 1,3219 + 2(-0,0932) = 3,2051
c) V(2x + 3) = 4 V(x)
Si, 2x + 3 = w, entonces:
w P(w) w P(w) w2 P(w)
3 0,04 0,12 0,36
5 0,08 0,40 2,00
7 0,12 0,84 5,88
9 0,19 1,71 15,39
11 0,26 2,86 31,46
13 0,31 4,03 52,39
Total 1,00 9,96 107,48
E(w) = 9,96
V(w) = 107,48 – (9,96)2 = 8,2784
4V(x) = 4(2,0696) = 8,2784
d) V(2y+3) = 4V(y)
Si, 2y+3 = u, entonces:
u P(u) u P(u) u2 P(u)
3 0,25 0,75 2,25
5 0,20 1,00 5,00
7 0,26 1,82 12,74
9 0,29 2,61 23,49
Total 1,00 6,18 43,48
E(u) = 6,18
V(u) = 43,48 – (6,18)2 = 5,2876
4V(y) = 4(1,3219) = 5,2876
3.- Obtenga el coeficiente de correlación de las v.a. X e Y del problema
resuelto Nº 1.
Solución:
cov( x, y ) 0,0932
r= = 0,056
V ( x )V ( y ) ( 2,0696)(1,3219)
Y X 1 2 3 4
1 0,10 0,10 0,05 0,05
2 0,05 0,10 0,05 0,10
3 0,05 0,05 0,20 0,10
Hallar: a) V(x+y) y b) el coeficiente de correlación.
Solución:
a)
X P(x) XP(x) X2P(x)
1 0,20 0,20 0,20
2 0,25 0,50 1,00
3 0,30 0,90 2,70
4 0,25 1,00 4,00
Total 1,00 2,60 7,90
E(x) = 2,60
V(x) = 7,90 – (2,6)2 = 1,14
Y P(y) YP(y) Y2P(y)
1 0,30 0,30 0,30
2 0,30 0,60 1,20
3 0,40 1,20 3,60
Total 1,00 2,10 5,10
E(y) = 2,10
V(x) = 5,10 – (2,1)2 = 0,69
XY P(x,y) XYP(x,y)
1 0,10 0,10
2 0,15 0,30
3 0,10 0,30
4 0,15 0,60
6 0,10 0,60
8 0,10 0,80
9 0,20 1,80
12 0,10 1,20
Total 1,00 5,70
E(x,y) = 5,70
Cov(x,y) = 5,70 –(2,6)(2,1) = 0,24
Sea z = x + y, entonces:
Z P(z) ZP(z) Z2P(z)
2 0,10 0,20 0,40
3 0,15 0,45 1,35
4 0,20 0,80 3,20
5 0,15 0,75 3,75
6 0,30 1,80 10,80
7 0,10 0,70 4,90
Total 1,00 4,70 24,40
E(z) = 4,70
V(z) = 24,40 – (4,7)2 = 2,31
V(x+y) = 1,14 + 0,69 + 2(0,24) = 2,31
0,24
b) r = 0,2706
(1,14)(0,69
En este caso existe una correlación positiva entre las variables, aún
cuando la correlación no es tan buena.
5.- Usando el cuadro de distribución de probabilidades conjunta del
problema resuelto Nº 4, obtenga:
a) P(x 3 / y 2)
b) P(x=2 / y=2)
c) P(x 2 / y 2)
Solución:
P ( x 3, y 2)
a) P(x 3 / y 2) = = 0,5/0,7 = 0,714
P( y 2)
P( x 2, y 2)
b) P(x=2 / y=2) = = 0,1 / 0,3 = 0,333
P ( y 2)
P( x 2, y 2)
c) P(x 2 / y 2) = = 0,35 / 0,60 = 0,583
P ( y 2)
6.- Un fabricante de muebles está interesado en el número de muebles
que le serán entregados durante los meses de enero (X) y febrero (Y),
por estadísticas sabe que el cuadro de distribución de probabilidades
conjunta está dada según el siguiente cuadro.
Y X 0 1 2 3 4 5
0 0,00 0,01 0,03 0,050,07 0,09
1 0,01 0,02 0,04 0,050,06 0,08
2 0,01 0,03 0,05 0,050,05 0,06
3 0,01 0,02 0,04 0,060,06 0,05
a) Compruebe la relación V(x+y) = V(x) + V(y) + 2cov(x,y)
b) Obtenga el coeficiente de variación para cada variable y
compárelos.
c) Obtenga el coeficiente de correlación.
Solución:
X P(x) XP(x) X2P(x)
0 0,03 0,00 0,00
1 0,08 0,08 0,08
2 0,16 0,32 0,64
3 0,21 0,63 1,89
4 0,24 0,96 3,84
5 0,28 1,40 7,00
Total 1,00 3,39 13,45
E(x) = 3,39
V(x) = 13,45 – (3,39)2 = 1,9579
Sx = 1,39925
9.- Se lanza dos dados sobre una meza, sea X los números obtenidos con
el primer dado y sea Y los números obtenidos con segundo dado.
a) Obtenga el cuadro de distribución de distribución de
probabilidades.
b) Demuestre que: V(x+y) = V(x) + V(y) + 2cov(x,y)
c) Obtenga el coeficiente de correlación.
Solución:
a)
Y X 1 2 3 4 5 6
1 1/36 1/36 1/36 1/36 1/36 1/36
2 1/36 1/36 1/36 1/36 1/36 1/36
3 1/36 1/36 1/36 1/36 1/36 1/36
4 1/36 1/36 1/36 1/36 1/36 1/36
5 1/36 1/36 1/36 1/36 1/36 1/36
6 1/36 1/36 1/36 1/36 1/36 1/36
E(x) = E(Y) =(1/6)(1 + 2 + 3 + 4 + 5 + 6) = 7/2
E(x2) = E(y2) =(1/6)(1 + 4 + 9 + 16 + 25 + 36) = 91/6
V(X) = V(y) =91/6 – 49/4 = 35/12
E(x,y) = (1/36)(1 +2 + 3 + 4 + 5 + 6 + 2 + 4 + 6 + 8 + 10 + 12 + 3 +6
+ 9 + 12 + 15 + 18 + 4 + 8 + 12 + 16 + 20 + 24 + 5 + 10 + 15 + 20 +
25 + 30 + 6 + 12 +18 + 24 + 30 + 36)
E(x,y) = 441/36 = 49/4
Cov(x,y) = 49/4 – (7/2)(7/2) = 0,00
Si, x + y = z
z P(z) zP(z) z2P(z)
2 1/36 2/36 4/36
3 2/36 6/36 18/36
4 3/36 12/36 48/36
5 4/36 20/36 100/36
6 5/36 30/36 180/36
7 6/36 42/36 294/36
8 5/36 40/36 320/36
9 4/36 36/36 324/36
10 3/36 30/36 300/36
11 2/36 22/36 242/36
12 1/36 12/36 144/36
Total 1.00 252/36 1974/36
E(z) = 252/36 = 7 = 7/2 + 7/2
V(z) = 1974/36 -49 = 35/6
V(x+y) = 35/12 + 35/12 + 0,00 = 35/6
0,00
b) r = 0,00
(35 / 12)(35 / 12)
Pues las variables son independientes.
10.- Una caja tiene 5 fichas con el número uno, 4 fichas con el número 2
y 6 fichas con el número 3. se seleccionan 2 fichas uno a
continuación del otro con y sin reposición. Obtenga el cuadro de
distribución de probabilidades conjunta, de las v.a. X e Y, donde X
indica el número de la primera ficha seleccionada e Y indica el
número de la segunda ficha seleccionada, además el coeficiente de
correlación en cada caso.
Solución:
a) Con reposición
Y X 1 2 3
1 1/9 4/45 2/15
2 4/45 16/225 8/75
3 2/15 8/75 4/25
E(x) = E(y) = 1(5/15) + 2(4/15) + 3(6/15) = 31/15
E(x2) = E(y2) = 1(5/15) + 4(4/15) + 9(6/15) = 5
V(x) = V(y) = 5 – (31/15)2 = 164/225
E(x,y) = 1(1/9) + 2(4/45) + 3(2/15) + 2(4/45) + 4(16/225) + 6(8/75)
+
3(2/15) + 6(8/75) + 9(4/25)
= 1/9 + 16/45 * 12/15 + 64/225 + 96/75 + 36/25
= 961/225
Cov(x,y) = 961/225 – (31/15)(31/15) = 0,00
r = 0,00 pues las variables aleatorias son independientes.
Sin reposición
Y X 1 2 3
1 2/21 2/21 1/7
2 2/21 2/35 4/35
3 1/7 4/35 1/7
E(x) = E(y) = 1(70/210) + 2(56/210) + 3(84/210) = 31/15
E(x2) = E(y2) = 1(70/210) + 4(56/210) + 9(84/210) = 5
V(x) = V(y) = 5 – (31/152 = 164/225
E(x,y) = 1(2/21) + 2(2/21) + 3(1/7) + 2(2/21) + 4(2/35) + 6(4/35) +
3(1/7) + 6(4/35) + 9(1/7)
= 15/7 + 10/21 + 56/35
= 886/210 = 443/105
Cov(x,y) = 443/105 – (31/15)(31/15) = -82/1575
82 / 1575
r= 1 / 14 0,07143
164 / 225
La correlación entre las variables en este caso es negativa y bien
pequeña, en otras palabras, existe una pequeña correlación entre las
variables en sentido inverso.
11.- Sean X e Y dos v.a.b. continuas cuya función de densidad está dada
por la siguiente expresión.
f(x,y) = (3/4)(x2 + x2y) 0 < x 1, 0 < y 2
0 en otro caso
Solución:
P ( x 1 / 2, y 3 / 2)
a) P(x>1/2 / y < 3/2) = =
P ( y 3 / 2)
147 / 256
7/8
21 / 32
3 1 3/ 2 2
4 1 / 2 0
P(x>1/2, y<3/2) = ( x x 2y ) dxdy
1 3/ 2 1 3/ 2
3 3
=
4 1/ 2
x 2 dx
0
dy x 2dx
41 / 2 ydy
0
= 147/256
1 3/ 2
3
(x x 2 y ) dxdy 21/32
2
P(y <3/2) =
4 0 0
2
3
(x x 2 y ) dy = 3x2 0 < x 1
2
b) f(x) =
4 0
1
3x dx 3 / 4
3
E(x) =
0
1
3x dx 3 / 5
4
E(x2) =
0
V(x) = 3/5 – 9/16 = 3/80
1
3
(x x 2 y ) dx = ¼ + y/4 0 < x 2
2
f(y) =
4 0
2
E(y) = y (1 / 4 y / 4)dy
0
= 7/6
y (1 / 4 y / 4)dy = 5/3
2 2
E(y ) =
0
V(y) = 5/3 – 49/36 = 11/36
1 2
3
xy ( x x 2 y ) dxdy
2
E(x,y) = =
4 0 0
1 2 1 2
3 3
40 x 3dx ydy x 3dx y 2 dy
0
40 0
=7/8
Cov(x,y) = 7/8 – (3/4)(7/6) = 0,00
r = 0,00 pues las variables son independientes, ya se puede apreciar
que:
f(x,y) = f(x)f(y); es decir,
(3/4)(x2 + x2y) = 3x2(1/4 + y/4)
12.- Sean X e Y dos v.a. continuas con función de densidad dada por la
siguiente expresión:
f(x,y) = x + ky 1 x 2, 0 < y 1
0 en otro caso
Obtenga:
a) El valor de K.
b) P(x < 3/2/ y > ½)
c) El coeficiente de de correlación.
Solución:
2 1 2 1
a) xdxdy k ydxdy 1
1 0 1 0
2 1 2 1
xdx dy k dx ydy 1
1 0 1 0
3/2 + k/2 = 1 k = -1
P( x 3 / 2, y 1 / 2) 1 / 8
b) P(x < 3/2/ y > ½) = = 1/ 3
P( y 1 / 2) 3/8
3/ 2 1
P(x<3/2,y>1/2) = ( x y )dxdy
1 1/ 2
=
3/ 2 1 3/ 2 1
1
xdx dy
1/ 2
1
dx ydy
1/ 2
= 1/8
2 1 2 1 2 1
P(y>1/2) =
1 1/ 2
( x y ) dxdy xdx
1
1/ 2
dy dx
1
ydy =
1/ 2
3/8
1 1 1
2 1 2 1
x dx ydy xdx y dy
2 2
1 0 1 0
= 2/3
Cov(x,y) = 2/3- (19/12)(5/12) = 1/144
1 / 144 1 / 144
r= 1 / 11 0,091
(11 / 144)(11 / 144) 11 / 144
El coeficiente es positivo pero muy cercano a cero, por lo que existe
una pequeña correlación positiva entre las variables.
13.- Se tiene la función de densidad conjunta de 2 v.a. continuas, cuya
expresión es la siguiente:
f(x,y) = (3/28)(xy + y2) 0 < x < 2, 0 < y < 2
0 en otro caso
Hallar P(x<1 / y>1) y el coeficiente de correlación.
Solución:
P ( x 1, y 1) 37 / 112
P(x<1 / y>1) = = 37 / 92
P ( y 1) 92 / 112
P(x<1, y>1) =
1 2 1 2 1 2
3 3 3
28 0 1
( xy y 2 )dxdy
28 0
xdx ydy
1
28
0
dx y 2 dy
1
= 37/112
2 2
3
P(Y>1) =
28 0 1
( xy y 2 )dxdy
2 2 2 2
3 3
28 0
xdx ydy
1
28 0
dx y 2 dy
1
= 23/28 = 92/112
2 2 2
3 3 3
f(x) =
28 0
( xy y 2 )dy x ydy
28 0
28 0
y 2dy = 3x/14
+ 2/7
f(x) = 3x/14 + 2/7 0<x<2
2 2
3 2
E(x) =
14 0
x 2 dx xdx = 8/7
70
2 2
3 2
x dx x
3 2
E(x2) = dx =34/21
14 0
7 0
V(x) = 34/21 – (8/7)2 = 46/147
Sx = 0,5594
2 2 2
3 3 3y 2
28 0 28 0 dx
f(y) = ( xy y 2
) dx y xdx = (3/14)(y
28 0
+ y2)
f(y) = (3/14)(y + y2) 0<x<2
2 2
3 3
E(y) =
14 0
y 2dy
14 0
y 3 dy = 10/7
2 2
3 3
E(y2) =
14
0
y 3dy
14 0
y 4 dy = 78/35
2 2 2 2
3 3
28 0
x 2dx y 2dy
0
28 0
xdx y 3dy
0
= 34/21
Cov(x,y) = 34/21 – (8/7)(10/7) = -2/147 = -0, 0,0136
r = -0,0136/(0,5594)(0,43331) = - 0,056
En este caso, también la correlación es bastante baja pero negativa.
0 x 0, y 0
1
F(x,y) = ( x 2 y xy 2 ) 0 < x < 2, 0 < y < 2
16
1 x 2, y 2
P ( x 1, y 1) 1 / 8
P(x<1/y<1) = = 1/ 3
P ( y 1) 3/8
P(x<1, y<1) = F(1,1) = 1/8
P(y<1) = F(2,1) = 3/8
2 2 2
1 1 1 1
f(x) =
80 ( x y ) dy x dy ydy = ( x 1)
8 0 80 4
0<x<2
d 1
= F (x,2) = ( x 1) 0 < x < 2, 0 en otro caso
dx 4
2 2 2
1 1 1
4 0 4 0 4 0
E(x) = x ( x 1) dx x 2
dx xdx = 7/6
2 2 2
1 1 1
E(x2) =
4
0
x 2 ( x 1) dx
4
0
x 3dx
4 0
x 2dx = 5/3
2 2 2 2
1 1
80 x 2dx ydy xdx y 2dy
0
80 0
= 4/3
Cov(x,y) = 4/3 – (7/6)(7/6) = -1/36
1 / 36
r= 1 / 11 0,091
11 / 36
Solución:
x y
F(x,y) = (2 t s)dtds =
0 0
x y x y x y
2 dt ds tdt ds dt sds
0 0 0 0 0 0
2xy – x2y/2 – xy2 0 < x < 1, 0 < y < 1
F(x,y) = 0 x 0, y 0
1 x 1, y 1
P ( x 1 / 2, y 1 / 2) 1 / 4
P(x<1/2/ y>1/2) = = 2/3
P ( y 1 / 2) 3/8
1/ 2 1
x (3 / 2 x)dx = ¼
2 2
E(x ) =
0
V(x) = ¼ – 25/144 = 11/144
1 1 1 1
E(y) = y (3 / 2 y )dy
0
= 5/12
y (3 / 2 y )dy = ¼
2
E(y2) =
0
V(y) = ¼ – 25/144 = 11/144
1 1
P(y>1/2) = 2 xdx
0
1/ 2
dy 2 dx
0
1/ 2
ydy 4 xdx
0
ydy
1/ 2
=
½
1 1 1
0
f(x) = 2 x dy 2 ydy 4 x ydy = 1
0
0
0 x 1, 0 en
otro caso.
1 1 1
f(y) = 2 xdx 2 y dx 4 y xdx = 1 0 y 1, 0 en otro
0 0 0
caso
1
E(x) = xdx
0
=½
E(y) = ydy = ½
0
1
x
2
2
E(x ) = dx = 1/3
0
1
y
2
2
E(y ) = dy = 1/3
0
V(x) = 1/3 – ¼ = 1/12
V(y) = 1/3 – ¼ = 1/12
E(x,y) =
1 1 1 1 1 1
2 x 2dx ydy 2 xdx y 2dy 4 x 2dx y 2dy =
0 0 0 0 0 0
2/9
Cov(x,y) = 2/9 –(1/2)(1/2) = -1/36
1 / 36
r= 1 / 3
1 / 12
17.- Si la función de densidad conjunta de las variables X e Y está dada
por la siguiente expresión:
f(x,y) = x+y 0 x 1, 0 y 1
0 en otro caso
Determine si las v.a. son independientes o no y F(x, y)
Solución:
1
f(x) = ( x y )dy x 1 / 2
0
0 x 1, 0 en otro caso
f(y) = ( x y)dx y 1 / 2
0
0 y 1, 0 en otro caso
0 x < 0, y < 0
F(x,y) = x2y/2 + xy2/2 0 x 1, 0 y 1
1 x 1, y 1
e
y
dy
f(x) = e -x 0 =
e-x x>0
e
x
dx
f(y) = e -y 0 =
e-y y>0
xe
x
E(x) = dx = 1 (use la función gamma)
0
x e x dx = 2
2
E(x2) =
0
V(x) = 2 – 1 = 1
ye
y
E(y) = dy = 1
0
y e y dy = 2
2
E(y2) =
0
V(y) = 2 – 1 = 1
1 1
xe dx ye dy = 1
x y
E(x,y) =
0 0
xye x e y dxdy =
0 0
Cov(x,y) = 1 – (1)(1) = 0,00
0,00
r = 0,00 ; pues se puede apreciar que las v.a. X e Y son
1
v.a. independientes
19.- Si X e Y son dos v.a. continuas que tienen una función de densidad
conjunta dada por:
f(x,y) = kxy 0 < x < 1, 0 < y < 2
0 en otro caso
Determine si las v.a. son independientes, previamente obtenga el
valor de k.
Solución:
1 2
k xdx ydy 1 k = 1
0 0
2
f(x) = x ydy
0
= 2x 0 < x < 1, 0 en otro caso.
1
(9 2 y ) 1 < x < 3
10
3
1
10 1
E(y) = y (9 2 y )dy = 28/15
3
1
y (9 2 y )dy = 3,8 = 38/10 = 19/5
2 2
E(y ) =
10 1
V(y) = 19/5 – 784/225 = 71/225
2 3
1
5 1 1
E(x,y) = xy (3 x y ) dxdy =
2 3 2 3
3 1
51 x 2dx ydy xdx y 2dy
1
51 1
=3
Cov(x,y) = 3 – (8/5)(28/15) = 1/75
V(2x +3y) = 4V(x) + 9V(y) + 12Cov(x,y)
= 4(11/150) + 9(71/225) + 12(1/75)
= 247/75
V(3x -2y + 4) = 9V(x) + 4V(y) – 12Cov(x,y)
= 9(11/150) +4(71/225) -12/75
= 793/450
Y X 1 2 3 4
1 0,0 1/12 1/12 1/12
2 1/12 0,0 1/12 1/12
3 1/12 1/12 0,0 1/12
4 1/12 1/12 1/12 0,0
b) r = - 1/3
4.- En una caja hay 5 focos de luz eléctrica usados y 7 nuevos, del cual se
eligen 3 focos sin reemplazo, sea X la v.a que indica el número de
focos usados y sea Y la v.a. que indica el número de focos nuevos
escogidos.
a) Construya el cuadro de distribución bidimensional de
probabilidades.
b) Obtenga el coeficiente de correlación e interprételo.
Rpta. a)
Y X 0 1 2 3
0 0,0 0,0 0,0 10/220
1 0,0 0,0 70/220 0,0
2 0,0 105/220 0,0 0,0
3 35/220 0,0 0,0 0,0
b) r = -1, existe una correlación perfecta, pero inversa.
Y 1 2 3
P(y) 0,2 0,3 0,5
Construya el cuadro bidimensional de probabilidades y obtenga la
E(x,y)
Rpta. E(x,y) = 6,9
6.- Demuestre que: V(ax + by + c) = a2V(x) + b2V(y) + 2ab Cov(x,y).
7.- Dado 2 v.a. discretas cuyo cuadro de distribución de probabilidades
conjunta está dado en el siguiente cuadro, construya el cuadro de
distribución acumulada de probabilidades, con el cual obtenga
P(x<0, y< 2) y P(x 0, y 2)
Y X -2 -1 0 1 2 3
0 0,05 0,05 0,10 0,03 0,05 0,02
1 0,10 0,05 0,05 0,07 0,04 0,04
2 0,03 0,12 0,07 0,05 0,06 0,02
Rpta. P(x<0, y< 2) = 0,25
P(x 0, y 2) = 0,62
8.- Usando los datos del cuadro de distribución de probabilidades
anterior, demuestre que:
V(x – y) = V(x) + V(y) -2 Cov(x,y)
e Y dos v.a. discretas cuyo cuadro de distribución de
9.- Sea X
probabilidades conjunta, está dado por el siguiente
cuadro:
Y X 0 1 2 3 4 5
0 0,05 0,05 0,05 0,03 0,03 0,02
1 0,05 0,05 0,05 0,05 0,04 0,04
2 0,03 0,06 0,04 0,05 0,06 0,05
3 0,02 0,04 0,06 0,02 0,02 0,04
Halle V(3x + 5y) = 58,85
10.- Haga z = x + y, construya la distribución de probabilidades de z,
obtenga su varianza y demuestre que es igual a V(x) + V(y) +
2cov(x,y)
Rpta. V(z) = 4,2804
11.- Una caja tiene 4 pastillas de analgésicos, 5 de antibióticos y 6 de
vitaminas, del cual se seleccionan 3 pastillas al azar, sea X la v.a que
indica el número de analgésicos y sea Y la v.a que indica el número
de antibióticos. Construya el cuadro bidimensional de distribución de
probabilidades conjunta. Y el coeficiente de correlación.
Rpta.
P(x,y)
Y X 0 1 2 3
0 20/455 60/455 36/455 4/455
1 75/455 120/455 30/455 0,0
2 60/455 40/455 0,0 0,0
3 10/455 0,0 0,0 0,0
r = 0,4264
816
y 2y
13.- Dado el siguiente cuadro de distribución bidimensional
de probabilidades, determine el coeficiente correlación.
Y X -1 0 1
-1 1/12 2/12 1/12
0 2/12 0,0 2/12
1 1/12 2/12 1/12
Rpta. r = 0,0 pero las v.a no son independientes
Y X 0 1 2
0 0,10 0,04 0,06
1 0.20 0,08 0,12
2 0,20 0,08 0.12
Hallar el coeficiente de correlación.
Rpta. 0,0
17.- Sea X e Y dos v.a. cuya distribución de probabilidad
conjunta está dada por la siguiente tabla:
Y X 1 2 3
0 3/20 1/20 8/20
1 3/20 1/20 5/20
2 2/20 2/20 7/20
Halle el coeficiente de correlación
Rpta. 0,0 pero los variables no son independientes.
18.- Si X e Y son 2 v.a. continuas cuya función de densidad conjunta está
dada por la siguiente expresión:
f(x,y) = k(x2 – xy) 0 < x < 2, -x < y < x
0 en otro caso
Halle:
a) el valor de k y P(x>1/2/ y<1)
b) el coeficiente de correlación.
Rpta. a) k = 3, P(x>1/2/ y<1) = ½, b) r = 0,0
22.- Sean X e y 2 v.a. continuas, cuya función de densidad está dada por
la siguiente función:
f(x,y) = k(x-y)2 0 < x < 2, 0 < y < 1
0 en otro caso
Hallar k y determine si las v.a. X e Y son independientes.
Rpta. k = ¾, y las v.a. no son independientes.
23.- Sean X e y 2 v.a. continuas, cuya función de densidad está dada por
la siguiente función:
f(x,y) = k(6 – x - y) 0 < x < 2, 2 < y < 4
0 en otro caso
Hallar k y determine si las v.a. X e Y son independientes.
Rpta. k = 1/8 y las v.a. no son independientes.
24.- Sean X e y 2 v.a. continuas, cuya función de densidad está dada por
la siguiente función:
f(x,y) = k(x + y) e-x x > 0, 0 < y < 1
0 en otro caso
Halle el valor de la constante K y el coeficiente de correlación.
Rpta. k = 2/3, r = - 0,09513
25.- Sean X e y 2 v.a. continuas, cuya función de densidad está dada por
la siguiente función:
f(x,y) = k(2x + y) 0 < x < 1, 0 < y < 2
0 en otro caso
26.- Sea X e y v.a continuas con función de densidad conjunta dada por la
siguiente expresión:
f(x,y) = kx(1+3y2) 0 < x < 2, 0 < y < 1
0 en otro caso
Halle el valor de la constante k y demuestre que E(x,y) = E(x)E(Y)
Rpta. k = ¼; E(x,y) = 5/6, E(x) = 4/3 y E(y) = 5/8
27.- Un equipo electrónico tiene dos componentes, sea X la v.a que indica
la vida en años del primer componente y sea Y la v.a. que indica la
vida en años del segundo componente, el equipo funciona si alguno
de sus componentes funciona. El vendedor de este equipo garantiza
como mínimo un año de funcionamiento del equipo. ¿Cuál es la
probabilidad de que el equipo siga funcionando después de cumplido
la garantía? La función de densidad conjunta es el siguiente
f(x,y) = (1/9) e-x/3e-y/3 x > 0, y > 0
0 en otro caso
Rpta. 0,955375
28.- Si X e Y son dos v.a. cuya función de densidad conjunta está dada
por la siguiente expresión:
f(x,y) = (1/3)(x + y ) si 0 < x < 1, 0 < y < 2
0 en otro caso
Hallar V(2x + 3y)
Rpta. 127/162
29.- Si X e Y son dos v.a. cuya función de densidad conjunta está dada
por la siguiente expresión:
f(x,y) = (1/4) e-x/2e-y/2 si x > 0, y > 0
0 en otro caso
Demuestre que son v.a. independientes.
30.- Si X e Y son dos v.a. cuya función de densidad conjunta está dada
por la siguiente expresión:
f(x,y) = (1/8) (6 – x –Y) Si 0 < x < 2, 2 < y < 4
0 en otro caso
Demuestre que son v.a. dependientes.
CAPÍTUNO VII
7. DISTRIBUCIONES DE PROBABILIDAD
En la mayoría de los problemas de probabilidad, nos interesamos
generalmente en un solo aspecto, o cuando mucho en algunos de los
resultados de los experimentos aleatorios, por ejemplo si un estudiante
rinde un examen de opción múltiple, puede estar interesado
exclusivamente en cuántas preguntas debe contestar correctamente ya
que su promoción depende de ello, un ahorrista puede estar interesado en
la tasa de interés que paga y no importarle los ingresos de la entidad
financiera, a un ingeniero le puede interesar sólo el número de piezas
defectuosos producidas por la fábrica donde trabaja; etc. por lo tanto sólo
puede interesar los valores de la v.a. y por su puesto en sus respectivas
probabilidades con lo que se tendría la distribución de probabilidad de la
v.a., la construcción de esta distribución en algunos casos es muy tedioso,
por lo que se puede simular un modelo, con lo que se puede calcular las
probabilidades de hechos similares, otros caso no se podrá formular un
modelo por ser casos únicos o no tener una regularidad específica.
Es preciso diferenciar, que las distribuciones de probabilidad dependen
del tipo de v.a. en estudio; es decir, depende de que si la v.a. es discreta o
continua, asimismo un modelo puede ser Determinista si nos permite
decir que dadas ciertas condiciones iniciales, es seguro que se obtendrán
ciertos estados o resultados específicos, por otro lado, el modelo puede
ser Probabilístico, si nos permite decir que sólo dadas ciertas
condiciones iniciales ocurrirán ciertos estados con tales o cuales
posibilidades.
Estos modelos son muy importantes, porque permiten ayudar a predecir
la conducta de futuras repeticiones de un experimento dado, también
podemos calcular la probabilidad de un evento dado ciertas condiciones
iniciales, sólo con aplicar el modelo o fórmula.
7. 1. V.A. DISCRETAS
7. 1.1. DISTRIBUCIÓN UNIFORME:
Si una v.a. puede tomar k valores distintos con probabilidades iguales,
diremos que esta tiene distribución discreta uniforme y se define como
sigue:
Definición:
Una v.a. X tiene una Distribución Uniforme Discreta, donde a la v.a. X se
le conoce como v.a uniforme discreta, si y sólo si, su distribución de
probabilidades está dada por la siguiente expresión.
P (x)= 1/n X: 1, 2, 3,……….,n
Es decir, cualquier punto del recorrido de X tienen la misma probabilidad
de ocurrir.
Donde: E(x) = (n+1)/2
V(x) = (n2-1)/12
Ejemplo Nº 1:
Se lanza un dado sobre la superficie plana de una mesa, sea X la v.a. que
indica el número de la cara superior del dado. Obtenga la función de
cuantía y el coeficiente de variación de la v.a.
Solución:
P(x) = 1/6 X: 1, 2, 3, 4, 5, 6
E(x) = (6+ 1)2 = 3,5
V(x) = (36-1)/12 = 35/12
35 / 12
CV(x) = 48,795%
3,5
Ejemplo Nº 2:
Si se escoge cualquier numero entero positivo de uno a 20 inclusive,
¿Cuál es la probabilidad de que sea número primo.
Solución:
P(x) = 1/20 x: 1, 2, 3,.....,20
Sea A el evento de que el número sea primo:
P(A) = P(x=1) + P(x=2) + P(x=3) + P(x=5) + P(x=7) + P(x=11) +
P(x=13)
P(x=17) + P(x=19)
= 1/20 + 1/20 + 1/20 + 1/20 + 1/20 + 1/20 + 1/20 + 1/20 + 1/20
= 9/20
Ejemplo Nº 2:
Escoja un artículo de un almacén y defina su función de cuantía de la v.a.
X que indica el número de artículos con defectos, si se sabe que el 1% de
ellos tiene defectos.
Solución:
= B, D
Donde B = el artículo escogido es bueno,
D = el articulo tiene defectos,
X = B = 0, D = 1
P(X = B) = 0,99
P(X = D) = 0,01
P(X) = (0,01)x (0,99)1-x X = 0,1
E(x) = 0,01
V(X) = 0,0099
Ejemplo Nº 3:
Escoja a una persona al azar en una ciudad y pregunte si tiene vivienda
propia, sabiendo que en esta ciudad el 25% de las personas tienen
vivienda propia, defina la función de cuantía de X.
Solución:
= S, N
Donde S = la persona si tienen vivienda propia,
N = la persona no tienen vivienda propia.
P(S) = 0,25
P(N) = 0,75
X : 0, 1
Además X = 0 la persona no tiene vivienda propia.
X = 1 la persona si tiene vivienda propia.
P(x) = (0,75)x(0,25)1-x X : 0, 1
E(x) = 0,25
V(x) = 0,1875
Ejemplo N4:
Obtenga la esperanza y la varianza de la distribución de Bernoulli:
Solución:
V(x) = p – p2 = p(1-p) = pq
7. 1. 3. DISTRIUBUCIÓN BINOMIAL
Cuando el experimento tipo Bernoulli se repite 2 o más veces, y si cada
experimento o repetición son independientes unos de otros, la
distribución formada así se llama binomial. Así por ejemplo si se escogen
5 piezas de un almacén y se prueban uno por uno y en cada prueba la
pieza puede ser declarado apto (éxito) o inapto (fracaso), el resultado de
cada prueba es independiente del anterior así como del posterior, por lo
que se le puede considerar como un fenómeno binomial, pues se repiten
varias pruebas del tipo bernoulli.
Definición: Se dice que una v.a. tiene una distribución binomial, si tiene
las siguientes características:
a.- Cada ensayo, prueba o repetición tiene 2 resultados: éxito y fracaso.
b.- La probabilidad del éxito es p y la del fracaso es q y permanece
constante en cada prueba o ensayo.
c.- los n ensayos son independientes.
d.- la v.a. X indica el número de éxitos en las n pruebas.
e.- cuando se realiza la selección de la muestra, se realiza uno por uno y
con reposición. La población puede ser finita o infinita.
f.- la función de cuantía es como sigue.
n x n x
P(X) =
P q X: 0, 1, 2, 3,…….,n
E(x) = np
x
V(x) = npq
Mx(t) = (pet + q)n
Nota.- Si p = ½, la distribución binomial es simétrica; si p1, la
distribución tiene asimetría negativa y si p0, la distribución tiene
asimetría positiva.
La distribución tienen dos parámetros n y p, en cambio el de Bernoulli
tiene un solo parámetro que es p.
En la distribución binomial se tiene n ensayos de los cuales se tiene x
éxitos cada uno con una probabilidad p, por lo que la probabilidad de los
éxitos es igual a px, y n-x fracasos, cada uno con probabilidad q, por lo
que la probabilidad de los fracasos es igual a q n-x; los éxitos y los fracasos
se distribuyen indistintamente dentro de las n pruebas y la forma de
n
presentarse es igual a
formas, por lo que la función de cuantía es el
x
producto de estos 3 componentes.
Ejemplo Nº 1
La probabilidad de que cierto componente resista una prueba de impacto
es de 4/5. Encuentre la probabilidad de que 3 de los 5 componentes
siguientes resistan la prueba de impacto.
Solución:
Se supone que las pruebas son independientes entre si, donde p = 0,8,
para cada una de las 5 pruebas, se considera a la v.a. X como el número
de componentes que resisten la prueba.
5 3 2
P(x = 3) =
(0,8) (0,2) = 0,2048
3
Ejemplo Nº 2:
La probabilidad de que un paciente se recupere con satisfacción de una
operación quirúrgica después de un accidente es de 0,9; si 15 personas
accidentadas se someten a dicha operación, ¿cuál es la probabilidad de
que almenos uno se recupere a satisfacción?
Solución:
Se considerará a la v.a. X como el número de pacientes que se recuperen
a satisfacción de la operación quirúrgica, entonces:
P(x 1) = 1 - P(x < 1) = 1 – P(x=0) = 1 – (0,1)15
15
P(x=0) =
(0,9)0(0,1)15 = (0,1)15
Ejemplo Nº 3:
0
Un fabricante de computadoras asegura que sólo el 10% de sus unidades
requiere de ajuste durante el año de garantía, ¿cuál es la probabilidad de
que 5 de las 10 computadoras compradas requerirán una ajuste en el
período de garantía?
Solución:
Sea X la v.a que indica el número de computadoras que requieren ajuste
durante el período de la garantía de las 10 adquiridas.
10 5 5
P(x=5) =
(0,1) (0,9) = 0,001488
5
Ejemplo Nº 4:
Si la probabilidad de que cierta columna falle ante una carga axial es de
0,05 ¿cuál es la probabilidad de que entre 6 de estas columnas:
a) a lo más fallen 2?
b) almenos fallen 2?
Solución:
Sea X la v.a. que indica el número de columnas que fallan de las 6 que
son sometidas a la carga axial.
2
6 x 6 x
a) P(x 2) = P(x=0) + P(x=1) + P(x=2) =
x02(0,5)(0,95)
= 0,9977
b) P(x 2) = 1 – P(x 1) = 1- 0,9672 = 0,0328
Ejemplo Nº 5:
La probabilidad de que el motor de un avión falle es de 0,1. Si el avión
tiene 4 motores que funcionan independientemente, y para un vuelo
exitoso se requiere que por lo menos 2 de los 4 motores funcionen, ¿cuál
es la probabilidad de:
a) un vuelo exitoso?
b) que el vuelo no sea exitoso?
Solución:
Sea X la v.a. que indica el número de motores que funcionan..
4
4 x 4 x
a) P(x 2) =
x2x(0,9)(0,1) = 0,9963
b) P(x <2) = 1 – P(x 2) 0 1 – 0,9963 = 0,0037
Ejemplo Nº 6:
Obtenga la esperanza y la varianza de la distribución binomial:
Solución:
n
n x n x
E(x) =
x0xxp q =
n
x 0
x.n!
(n x)!.x! p x
q n x
n
x.n.(n 1)!
= (n x)!.x( x 1)! pp
x 0
x 1
q n x
n
( n 1)!
= np (n x)!.(x 1)! p
x 1
x 1
q n x
Si hacemos que x -1 = y
n
.(n 1)!
= np (n 1 y )!.( y )! p
y 0
y
q n 1 y
n
n1 y n1 y
=
np p q
y 0 y
= np(p+q)n-1
E(x) = np
n
2 n xnx
E(x2) =
x0 x )( xpq
x2 = x(x-1) + x
n n nn
x xn x nx
E(x2) =
n
x( x 1).n.(n 1)(n 2)!
= (n x)!.x( x 1)( x 2)! p
x 2
2
p x 2 q n x + np
Si hacemos y = x-2
n
.(n 2)!
E(x2) = n(n-1)p2 (n 2 y )!.( y )! p
y 0
y
q n 2 y + np
n
n2 ny 2 y
= n(n-1)p2
p q + np
y0 y
= n(n-1)p2(p+q)n-1 + np
= n(n-1)p2 + np
V(x) = n(n-1)p2 + np – (np)2
= (np)2 – np2 + np - (np)2
= np – np2
= np(1-p)
= npq
Ejemplo Nº 6:
El tiempo de llegada en minutos X de los camiones a un depósito se
comporta según la función de densidad siguiente:
f(x) = 1/x2 si 1 < x <
0 si x 0
Se elige una muestra aleatoria de 12 camiones, determine el número
esperado de camiones que llegan en menos de 6 minutos.
Solución:
6
1 / x
2
P = P(x < 6 ) = dx = 1 – 1/6 = 5/6
1
Q = 1/6
E(x) = np = 12(5/6) = 10 camiones
7. 1. 4. DISTRIBUCIÓN GEOMÉTRICA
Hay muchos casos en los que los ensayos o pruebas se realizan en forma
secuencial y que el objetivo es el de encontrar el primer éxito o fracaso en
la última prueba; este es un caso particular de la distribución binomial, en
el que se tiene un solo éxito, pero que aparece en la última prueba, está
también dentro de la familia de los ensayos tipo Bernoulli, pues los
ensayos son independientes y la probabilidad del éxito (p) y del fracaso
(q) permanecen constantes, pero en este caso los ensayos pueden sir
finitos o infinitos, la distribución que se adapta a este tipo de
experimentos aleatorios se llama distribución geométrica, cuyo nombre
proviene de la serie geométrica que se usa en estos casos.
Definición:
Se dice que la v.a. X que se define como el número de repeticiones
independientes de un ensayo tipo Bernoulli hasta que ocurra el primer
éxito tiene distribución geométrica, si su función de cuantía está dada por
la siguiente expresión:
P(x) = p qx-1 x = 1, 2, 3, 4…………
E(x) = 1/p
V(x) = q/p2
pe t
Mx(t) =
1 qe t
El espacio muestral es un conjunto compuesto, como sigue:
= E, FE, FFE, FFFE,…..
Por lo que la variable x puede tomar los valores 1, 2, 3, .. etc.
Si el éxito ocurre en el ensayo X, hay (X-1) fracasos cada uno con
probabilidad q y un éxito en el x-ésimo ensayo con probabilidad p y
como los ensayos o eventos son independientes entonces la probabilidad
de éxito en la x-ésima repetición es igual (qx-1 )(p).
Ejemplo Nº 1:
Se sabe que un cierto proceso refabricación, en promedio el 1% de las
piezas salen con defectos. ¿Cuál es la probabilidad de que se
inspeccionen 6 piezas antes de encontrar una defectuosa?
Solución:
P(x=6) = (0,01)(0,99)5 = 0,00951
Ejemplo Nº 2:
La probabilidad de que un postulante a un trabajo apruebe el examen de
suficiencia es igual a 0,6. Encuentre la probabilidad de que a) el cuarto,
b) el quinto postulante que se presente apruebe el examen.
Solución:
a) P(x=4) = (0,6)(0,4)3 = 0,0384
b) P(x=5) = (0,6)(0,4)4 = 0,01536
Ejemplo Nº 3:
Tres personas lanzan cada uno una moneda de similares características y
el obtiene un resultado disparejo pierde el juego, en cambio si los 3
resultados son iguales se lanzan de nuevo las monedas. Calcule la
probabilidad de que se necesiten menos de 4 intentos.
Solución:
P = ¾, q = ¼ ya que: = ccc, ccs, csc, scc, css, scs, ssc, sss
Sea x el número de lanzamientos: 1,2, 3,……
P(x) = (3/4)(1/4)x-1
P(x<4) = (3/4) + (3/4)(1/4) + (3/4)(1/4)2 = ¾(1 + ¼ + 1/16)
= 63/64 = 0,984375
Ejemplo Nº 4:
En el departamento de control de calidad de una fábrica se inspeccionan
las unidades terminadas que provienen de una línea de montaje. Se sabe
que el porcentaje de unidades con defectos es del 5%, ¿Cuál es la
probabilidad de que la primera unidad sin defectos se encuentre en:
a) la quinta inspeccionada?
b) la sexta inspeccionada?
Solución:
a) P(x=5) = (0,95)(0,05)4 = 0,000005937
b) P(x=6) = (0,95)(0,05)5 = 0,000000296
Son eventos casi imposibles.
Ejemplo Nº 5:
Un tirador experto da en el blanco el 98% de las veces. ¿cuál es la
probabilidad de que falle por primera vez en el:
a) décimo tiro?
b) noveno tiro?
Solución:
a) P(x=10) = (0,02)(0,98)9 = 0,0167
b) P(x=9) = (0,02)(0,98)8 = 0,017
Ejemplo Nº 6:
Obtenga la esperanza y la varianza de la distribución geométrica.
Solución:
p p q p 1
E(x) = xpq
x 1
x 1
=
q x 1
xq x = 2
q (1 q )
= 2
p p
p 2 x p q 2 q q 1
E(x2) = x
x 1
2
pq x 1 =
q x 1
x q =
q (1 q ) 3
=
p2
q 1 1 q
V(x) = - =
p2 p2 p2
Ejemplo Nº 7:
Se sabe que el 20% de las personas que viven en una determinada ciudad
tienen instrucción superior. ¿Cuál es el número esperado de personas que
se debe entrevistar hasta encontrar uno con instrucción superior?
Solución:
k 1
Pascal, sería la expresión anterior multiplicada por p que es la
probabilidad del último éxito.
k 1
Definición: Se dice que una v.a. X tiene distribución de Pascal o
Binomial Negativa, si tiene la función de cuantía dada por la siguiente
expresión:
x 1 k n k
P(x) =
p q x: k, k+1, k+2, k+3,……
k 1
Donde k indica el número de éxitos requerido en la x-ésima prueba, por
lo que la v.a. X indica el número de pruebas necesarias que se hacen hasta
obtener el k-ésimo éxito.
Debe entenderse que las pruebas mencionadas son del tipo Bernoulli y
que cada prueba es independiente del otro, asimismo la probabilidad del
éxito es p y la del fracaso es q.
E(x) = k/p
E(x2) = kq/p2
pe t
Mx(t) = k
1 qe t
Nota.- Sean X1, X2, X2……..Xk, v.a. independientes cada una con
distribución geométrica, tales que:
X1 es el número de repeticiones necesarias hasta la ocurrencia del primer
éxito.
X2 es el número de repeticiones entre el primer éxito y el segundo éxito.
X3 es el número de repeticiones entre el segundo éxito y el tercer éxito.
…..
Xk es el número de repeticiones entre el penúltimo éxito y el último
éxito, o el k-ésimo éxito.
k
Entonces la v.a. X = X
i 1
i es el número de repeticiones independientes
k K k
1 k
E(x) = E i =
X E ( X i =
) =
i 1 i 1 i 1 p
p
k k k
q kq
V(x) = V X i = V ( X i) = =
i 1 i 1 i 1 p
p2
Ejemplo Nº 1:
En un centro de salud la probabilidad de que nazca un varón es igual a la
de una mujer (0,5). ¿Cuál es la probabilidad de que nazca el quinto varón
en el décimo alumbramiento?
Solución:
P = 0,5; q = 0,5; x = 10
9 5 5
P(k=5) =
(0,5) (0,5) = 0,123
Ejemplo Nº 2:
4
Generalmente el 5% de los alumnos inasisten a clase, un profesor llama
lista. ¿Cuál es la probabilidad de que se presente el cuarto ausentismo en
el:
a) octavo alumno llamado?
b) doceavo alumno llamado?
Solución:
7 4 4
a) P(k=4) =
(0, 5) (0,95) = 0,000178
3
12 4 8
b) P(k=4) = (0, 5) (0,95)
3
Ejemplo Nº 3:
La probabilidad de que un artículo sea defectuoso es igual a 0,02; se
escogen los artículos uno por uno hasta que aparezca el tercer artículo sin
defectos. ¿Cuál es la probabilidad de que esto suceda en:
a) la quinta selección?
b) la octava selección?
Solución:
4 3 2
a) P(k=3) = (0,98) (0, 2) = 0,00226
2
7 3 5
b) P(k=3) =
(0,98) (0, 2) = 6,33 x 10-8
Ejemplo Nº 4:
2
Se sabe que el 20% de las llamadas que se realizan a una central
telefónica es de larga distancia, calcule la probabilidad de la tercera
llamada de larga distancia se realicen en:
a) la sexta llamada telefónica.
b) la décima llamada telefónica.
Solución:
5 3 3
a) P(k=3) =
(0,2) (0,7) = 0,04096
2
9 3 7
b) P(k=3) =
(0,2) (0,7) = 0,0604
2
Ejemplo Nº 5:
Una empresa necesita 4 técnicos en control de calidad, para lo cual el
gerente entrevista a los postulantes uno por uno hasta cubrir su
requerimiento, si el 10% de los técnicos que postulan son especialistas en
control de calidad, calcule la probabilidad de cubrir la necesidad en:
a) la décima entrevista.
b) la entrevista número 12.
Solución:
9 4 6
a) P(k=4) =
(0,1) (0,9) = 0,004464
3
1 4 8
b) P(k=4) =
(0,1) (0,9) = 0,0071
3
Ejemplo Nº 6:
Obtenga la esperanza y la varianza de la distribución de Pascal.
Solución:
Ya se ha obtenido la E(x) y la V(x) usando un método diferente; sin
embargo, en este caso se usará un método diferente:
E(x) = k/p x: k, k+1, k+2, k+3,……
x1 r kx
E(x) =
kx xk1 qp
x r xk
x kx
=
xkkkp q = kp k
kx kq
Por otro lado se tiene el desarrollo de la binomial negativa:
k x1
(1 – q)-k =
(q) q
i x k
ii0 xkk1
Haciendo x = z-1, k = y-1, se tiene la siguiente igualdad:
z 1 z 1 y1 z1 yz
z1 y1y1q yz y1q
= = (1-q)-y = p-y
p-y = p-(k+1) = p-k p-1 usando esta igualdad se tiene:
E(x) = kp k ( p k p 1 ) k / p
2 x1 r xk
E(x2) =
x p q
xk k 1
Haciendo x2 = x(x+1)-x, se tiene E x(x+1)-x E(x2) = E x(x+1) - E(x)
x 1 r x k
E(x2) =
x ( 1) pq k/p
xk k 1
x 1
kx
= k(k+1)pk
Haciendo z-1 = x+1 z = x+2, x = z-2
y-1 = k+1y = k+2, k = y-2
z
k z 2 y 2
1
E(x2) =
k(k 1)p q - k/p
z2y2 y 1
z 1
k z y
=
k(k 1)p q - k/p
zy y 1
= k ( k 1) p k (1 q ) y k / p
= k (k 1) p k (1 q ) ( k 2 ) k / p
= k ( k 1) p k ( p ) 2 k / p
k 2k k
= 2
p p
k 2k k k2 k k kq
V(x) = - 2 = 2 2
p 2
p p p p p
Ejemplo Nº 7:
Cierta dieta con poco yodo produce un ensanchamiento de la glándula
tiroides en un 80% de ciertos animales de una región del país; se
necesitan 4 animales con glándula tiroides ensanchada para un
experimento. Se seleccionan los animales uno por uno hasta conseguir los
4 animales, halle:
a) P(x=7), b) E(x) y c) V(x)
Solución:
6 4 3
a) P(k=4) = (0,8) (0,2) = 0,065536
3
b) E(x) = 4/0,8 = 5 animales
c) V(x) = 4(0,2)/0,64 = 1,25 animales2
7. 1. 6. DISTRIBUCIÓN HIPERGEOMÉTRICA
Si la selección de la muestra se realiza uno por uno pero sin reposición de
una población finita, entonces el valor de la probabilidad de éxito va
disminuyendo de selección a selección, esta variación será más notoria si
la población es pequeña, en cambio si se tiene una población muy grande
estas probabilidades casi son similares. Por otro lado, toda población se
puede dividir en dos grupos excluyentes de elementos llamados también
de éxito o que pertenecen al éxito y otros que corresponden al fracaso. Se
nota claramente que los ensayos o pruebas ya no son independientes, más
aún dependen de los ensayos anteriores. Las probabilidades serían como
sigue, si se tiene N elementos en la población, de los cuales A
corresponden al éxito y N-A al fracaso, si de esta población se selecciona
un elemento, la probabilidad de que pertenezca al éxito es igual a A/N, la
probabilidad de éxito del siguiente elemento escogido sería (A-1)/(N-1) y
así sucesivamente hasta completar los n elementos de la muestra, siendo
la probabilidad de éxito de este último elemento igual a (A-n+1)/(N-n+1),
pero en la práctica no necesariamente todos los elementos escogido
pertenecen al éxito, sino que habrá un combinación de éxitos y fracasos,
por lo que la variable X que indica el número de éxitos en la muestra,
tendrá una distribución del tipo hipergeométrica.
Definición:
Un experimento hipergeométrico consiste en escoger una muestra al azar
de tamaño n, uno a continuación del otro y sin reposición de un conjunto
de N elementos, que tiene A elementos designados como éxitos y con N-
A elementos designados como fracasos.
Se dice que una v.a. X tiene distribución hipergeométrica, si tiene como
función de cuantía a la siguiente expresión:
AN A
x nx
P(x) = x: 0, 1, 2, 3,…..,n
N
n
Donde: N, A, n, x son enteros positivos.
Nota.- En muchos casos n es mayor que A, por lo que X no podrá variar
hasta n sino sólo hasta A.
E(x) = nA/N
nA( N A)( N n)
V(x) =
N 2 ( N 1)
Mx(t): No tiene.
Ejemplo Nº 1:
Un fabricante de tractores compra motores de una compañía, bajo una
condición, acepta un lote de 40 motores si de una muestra de 8 motores
ninguno presenta defectos. ¿Cuál es la probabilidad de aceptar un lote
que en realidad tiene 2 motores con defectos?
238
0 8
P(x=0) = = 0,6359
40
8
Ejemplo Nº 2:
Entre los 12 colectores solares en exhibición en una feria comercial 9 son
planos y los otros 3 son curvos. Si una persona que visita la feria
selecciona aleatoriamente 3 colectores para probarlos y luego comprarlos,
¿cuál es la probabilidad de que:
a) los 3 sean colectores planos?
b) los 3 sean colectores curvos?
Solución:
93
a) P(x=3) =
30 = 0,3818
12
3
93
b) P(x=0) =
03 = 0,004545
12
3
Ejemplo Nº 3:
El departamento de contabilidad de una constructora tiene 8
declaraciones con deducciones falsas de un total de 18, un auditor
selecciona al azar 6 del total de declaraciones, ¿cuál es la probabilidad de
que encuentre 2 declaraciones con deducciones falsas?
Solución:
810
2 4
P(x=2) = = 0,3167
18
6
Ejemplo Nº 4:
Si 6 de 20 edificios nuevos en una ciudad violan el código de
construcciones. ¿Cuál es la probabilidad de que al escoger aleatoriamente
4 edificios, un inspector de la municipalidad encuentre que:
a) ninguno viole el código mencionado?
b) almenos uno viole el código indicado?
Solución:
614
0 4
a) P(x=0) = = 0,2066
20
4
Ejemplo 5:
Entre las 16 ciudades que una sociedad profesional está considerando
como futura sede para sus próximas 3 convenciones nacionales, 7 están
en la parte sur del país, para evitar reclamos la selección se realiza en
forma aleatoria, si ninguna ciudad puede ser elegida más de una vez. Cuál
es la probabilidad de que:
a) ninguna de las convenciones se realice al sur del país?
b) todas las convenciones se realicen al sur del país?
Solución:
79
0 3
a) P(x=0) = = 0,15
16
3
79
b) P(x=3) =
30 = 0,0625
16
3
Ejemplo Nº 6:
Obtenga la esperanza y la varianza de la distribución hipergeométrica.
Solución:
Para las deducciones de las fórmulas se usará la siguiente igualdad.
n
r N A N
xx0nx n
A AN
n
x xn
E(x) =
x0x N
n
N A
n
( A1)! n x
=
A
x0 (x 1 !() A x)! N
n
A1 AN
n
x 1 xn
A
x0 N
=
n
N NN1
Haciendo y = x-1, asimismo
se tiene
n n1
A1 AN
n1
nA y n1 y
E(x) =
n 1
nA A
E(x) = n np
N N
A AN
n
x2 xn
E(x2) =
x
x 0 N
n
Haciendo x2 = x(x-1) + x, se tiene
E(x2) = Ex(x-1) + E(x)
A N A
n x xn
E(x2) =
x2 N
x(x 1)(x 2)!
n
N N( 1)(NN 2)!
Haciendo y = x-2, además
, entonces
Ejemplo Nº 7:
Un fabricante de tornillos dice que una caja que contiene 5000 tornillos
enviados a un distribuidor, 1000 son ligeramente más pequeños que los
demás. Si el distribuidor escoge una muestra de 10 tornillos de la caja al
azar. ¿Cuál es la probabilidad de que exactamente 3 sean de menor
tamaño?
a) use la distribución hipergeométrica.
b) use la distribución binomial
c) obtenga la E(x) y la V(x) usando las dos distribuciones indicadas.
Solución:
10 40
3 7
a) P(x=3) = = 0,2014777
50
1 0
10 3 7
b) P(x=3) =
(0,2) (0,8) = 0,2013266
3
La diferencia es 0,00015, prácticamente nula.
c) i) Distribución Hipergeométrica.
E(x) = 10(1000)/5000 = 2 tornillos de menor tamaño.
V(x) = 10(1000)(4000)(4990) / (5000)(5000)(4999) = 1,59712
ii) Distribución Binomial
E(x) = 10(0,2) = 2 tornillos.
V(x) = 10(0,2)(0,8) = 1,6
En este caso la diferencia también es muy pequeña.
7. 1. 7. DISTRIBUCIÓN DE POISSON
Llamada así en honor al probabilista francés Simeón Denis Poisson. Es
una distribución de v.a. discreta en la que la variable representa al número
de éxitos en el intervalo de tiempo o espacio, estos eventos son continuos
e independientes, lo que significa que el número de éxitos que ocurren en
un intervalo de tiempo dado o espacio son independientes, de los que
ocurren en cualquier otro intervalo, pero se supone que la tasa de éxitos
por unidad de tiempo o espacio permanece constante, esta tasa lo
representaremos por .
Definición:
Si X es una v.a. discreta y cuando la probabilidad de éxito es pequeña y n
es grande en un proceso binomial, donde el producto np se hace
constante, o cuando los sucesos se realizan en un intervalo de tiempo o
espacio; la distribución que representa a este tipo de procesos aleatorios
se llama Distribución de Poisson, cuya función de cuantía está dada por la
siguiente expresión:
e x x
P(x) = x: 0, 1, 2, 3,……..
x!
Donde e = 2,71828…….
E(x) =
V(x) =
t
Mx(t) = e ( e 1)
Nota. La probabilidad de que ocurra k eventos de Poisson en un intervalo
de tiempo o en un espacio de tamaño t es igual a:
e t ( t ) k
P(X=k) = k = 0, 1, 2, 3, ……..
k!
Donde es el número promedio de ocurrencias por unidad de tiempo o
espacio y t es el número promedio de ocurrencias de eventos en el
intervalo de tiempo o espacio de tamaño t.
La aproximación de una v.a del tipo binomial a una del tipo Poisson, es
muy buena si n 30 y p 0,05
Existen muchos casos en las que se pueden usar la distribución de
Poisson, tales como: en el número de llamadas telefónicas a una central,
el número de personas que llegan a una posta médica para ser atendidos,
o a la ventanilla de un banco para hacer alguna transacción, el número de
tornillos fabricados en un día, el número de aviones que llegan a un
aeropuerto durante el día, el número de barcos que arriban a un puesto en
una semana, el número de manchitas que puede tener una loseta de 20
cm2, el número de bacterias que puede haber en un centímetro cúbico de
agua, etc., en general todos los problemas llamados líneas de espera,
teoría de colas o similares.
Ejemplo Nº 1:
Se sabe que el número promedio de camiones que llegan a un terminal
terrestre durante el día es de 10, las instalaciones del terminal pueden
atender como máximo 15 camiones al día. ¿Cuál es la probabilidad de
que la capacidad de atención del terminal sea superado en un día
cualquiera?
Solución:
X = número de camiones que llegan al terminal terrestre durante el día
para ser atendidos.
X= 0, 1, 2, 3,…..
P(x > 15) = 1 – P(x 15)
15
e 10 10 x
=1-
x 0 x!
= 1 - 0,9513 = 0,0487
Ejemplo Nº 2:
En cierto proceso de fabricación en el que se producen artículos de
porcelana ocurren defectos que ocasionan problemas en las ventas, el
fabricante asegura que en promedio uno de cada 1000 artículos
producidos es defectuoso. ¿Cuál es la probabilidad de que en una caja de
3000 artículos haya:
a) exactamente 3 artículos con defectos?
b) almenos un artículo con defectos?
Solución:
a) X: número de artículos defectuosos en la muestra.
= np = 3000(1/1000) = 3
e 3 3 3
P(x=3) = = 0,224042
3!
Si se hubiera usado la distribución binomial, se tendría:
30 297
P(x=3) =
0, 01)(0, 9 )9 = 0,224154
3
Nuevamente la diferencia es bastante pequeña.
b) P(x 1) = 1 - P(x=0) = 1 – 1/e3 = 1 – 0,049787 = 0,950213
Ejemplo N 3:
El número de clientes que llegan a un banco es en promedio 60 por hora,
¿cuál es la probabilidad de que lleguen 2 clientes en:
a) un minuto?
b) dos minutos?
Solución:
a) = 60(1/60) = 1
e 1 12
P(x=2) = 1 / 2e 0,1839
2!
b) = 120(1/60) = 2
P(x=2) = e-222/2! = 2/e2 = 0,27067
Ejemplo Nº 4:
Una compañía compra cantidades muy grandes de componentes
electrónicos, la decisión para aceptar o rechazar un lote de componentes
se toma en base a una muestra aleatoria de 100 unidades. Si el lote se
rechaza al encontrar tres o más unidades defectuosas en la muestra, ¿cuál
es la probabilidad de rechazar un lote, si contiene un:
a) 0,5% de defectuosos?
b) un 1,5% de defectuosos?
Solución:
a) X: número de componentes defectuosos en la muestra.
= 100(0,005)= 0,5
e 1 / 2 (1 / 2) 0 e 1 / 2 (1 / 2)1
P(x3) = 1 – P(x2) = 1 - - -
0! 1!
e 1 / 2 (1 / 2) 2
2!
= 1 – 0,9856 = 0,0144
e 3 / 2 (3 / 2) 0 e 3 / 2 (3 / 2)1
b) P(x3) = 1 – P(x2) = 1 - - -
0! 1!
e 3 / 2 (3 / 2) 2
2!
= 1 – 0,80885 = 0,19115
Ejemplo Nº 5:
Al inspeccionar la aplicación de estaño por un procesos electrónico
continuo, se descubren en promedio 0,2 imperfecciones por minuto,
calcule las siguientes probabilidades:
a) de encontrar una imperfección e 5 minutos.
b) de encontrar 2 imperfecciones en 10 minutos.
c) 3 imperfecciones en 15 minutos.
Solución:
a) = 5(0,2) = 1
e 1 11
P(x=1) = 1 / e 0,367879
1!
b) = 10(0,2) = 2
e 2 2 2
P(x=2) = 2 / e 2 0,27067
2!
c) = 15(0,2) = 3
e 3 33
P(x=3) = 9 / 2e 3 0,224
3!
Ejemplo Nº 6:
Obtenga la media y la varianza de la distribución de Poisson.
Usaremos la siguiente igualdad para deducir las fórmulas.
ax
x 0 x!
e a
e x
x x 1
E(x) = x x!
= e
x 1 x( x 1)!
x 0
x( x 1) x 2
= 2e
x 2 x( x 1)( x 2)!
+
V(x) = 2 - 2 =
Ejemplo Nº 7:
El número de imperfecciones que una lámina de acero tiene por metro
cuadrado, es en promedio 0,5.
a) ¿Cuál es la probabilidad de que un comprador encuentre 2
imperfecciones en una lámina cuadrada de 2 y 3 metros cuadrados?
b) obtenga el coeficiente de variación de la v.a. X.
Solución:
X = Número de imperfecciones que tiene la lámina en un área
determinado.
a) i) En una lámina cuadrada de 2 metros de lado
= (2x2)(0,5) = 2
e 2 2 2 2
P(x= 2) = 2 0,27067
2! e
ii) En una lámina de 3 metros de lado.
0 (3x3)(0,5) = 4,5
e 4,5 ( 4,5) 2
P(x=2) = = 0,1125
2!
7. 1. 8. DISTRIBUCIÓN MULTINOMIAL
Como última distribución a estudiar se considerará a la distribución
multinomial. Esta distribución es una extensión de la distribución de
Bernoulli y binomial, pues los espacios muestrales no sólo se pueden
dividir en dos grupos excluyentes, sino en 3 o más grupos excluyentes
que son particiones del espacio muestral, donde la probabilidad del éxito
también permanece constante en cada una de las n repeticiones o ensayos
independientes.
Definición:
Se dice que las v.a. X1, X2, X3,….Xk, o que el vector aleatorio X1, X2, X3,
….Xk se distribuyen en forma multinomial si tienen como función
de cuantía a la siguiente expresión:
P(X1=x1, X2=x2, X3=x3,…Xk=xk) =
n! x1 x2 x3 xk
x 1 !x 2 !x 3 !...x k !
p p p
1 2 3
... p k
Donde:
x1 + x2 + x3 +…+xk = n
P1 + P2 + P3 +…+Pk = 1,0
k
A
i 1
i =, cada Ai es una parte del espacio muestral, por lo que X i es el
número de veces que Ai ocurre entre las n repeticiones del experimento
aleatorio . Las variable Xi no son v.a. independientes, puesto que
k
x
i 1
i n ; es decir, si se conoce el valor de las (k-1) variables, se
conoce el valor de la variable faltante.
E(Xi) = nPi i= 1, 2, 3,….,k
V(Xi) = nPiQi i= 1, 2, 3,….,k
Ejemplo Nº 1:
Se fabrican lingotes de acero de dimensiones específicas de grosor y de
largo, suponga el grosor es de ¾ de pulgada y el largo es una v.a. X
distribuida uniformemente de 10 a 16 metros. Nos puede interesar
suponga sólo los 3 eventos siguientes:
A1 = X 12 A2 = 12 < X 14 A3 = X > 14
Además se conoce que la fábrica produce el 20% lingotes del tipo A 1, el
30% lingotes del tipo A2 y el resto lingotes del tipo A3. si se escogen 10
lingotes del almacén general, calcule la probabilidad de que:
a) todos sean del tipo A3
b) 4 sean del tipo A2 y 6 del tipo A3
c) 2 sean del tipo A1, 3 del tipo A2 y 5 del tipo A3
Solución:
10!
a) P(X1=0, X2 =0,X3=10) = (0,2) 0 (0,3) 0 (0,5)10 =
0!0!0!
(0,5)10
= 0,00097656
10!
b) P(X1=0, X2 =4,X3=6) = (0,2) 0 (0,3) 4 (0,5) 6 = 0,026578
0!4!6!
10!
c) P(X1=2, X2 =3,X3=5) = (0,2) 2 (0,3)3 (0,5)5 = 0,08505
2!3!5!
Ejemplo Nº 2:
En una ciudad el 70 de las personas tienen empleo formal, el 20% tiene
subempleo y el 10% son subempleadas, si se escogen 9 personas, ¿cuál
es la probabilidad de que 2 sean desocupadas, 3 subempleadas y 4 con
empleo formal?
Solución:
9!
P(X1=2, X2 =3,X3=4) = (0,1) 2 (0,2)3 (0,7) 4 = 0,0242
2!3!4!
Ejemplo N3:
En una Universidad el 25% de los alumnos son de humanidades, el 35%
son de ciencias médicas y el 40% son del área de ciencias e ingeniería.
Un profesor de estadística selecciona en forma aleatoria 12 estudiantes
para entrevistarlos. ¿Cuál es la probabilidad de que entreviste, 3
estudiantes de Humanidades, 4 de Cs. médicas y 5 del área de ciencias e
ingeniería?
Solución:
12!
P(X1=3, X2 =4,X3=5) = (0,25)3 (0,35) 4 (0,40)5 =
3!4!5!
0,0665557
Ejemplo Nº 4.
En una ciudad el 40% de las personas tienen grupo sanguíneo tipo O
(universal), el 35% es del grupo A, el 15% del grupo B y el 10% restante
del grupo AB. Un empleado del Sector Salud, tiene 10 personas a las que
debe sacara muestras de sangre para ser analizadas. ¿Cuál es la
probabilidad de que encuentre: 1 del tipo AB, 2 del tipo B, 3 del tipo A y
4 del tipo O?
Solución:
P(X1=1, X2 =2,X3=3, X4=4) =
10!
(0,1)1 (0,15) 2 (0,35)3 (0,40) 4 = 0,0311
1!2!3!4!
Ejemplo Nº 5:
Cuatro compañías tiene probabilidades de: 0,4; 0,3; 0,2 y 0,1 de ganar un
concurso de adjudicación de obras para su construcción. Una determinada
entidad tiene 10 obras para se adjudicadas, ¿cuál es la probabilidad de
que las obras se hayan adjudicado de acuerdo a sus probabilidades de
cada compañía?
Solución:
P(X1=1, X2 =2,X3=3, X4=4) =
10!
(0,1)1 (0,2) 2 (0,3)3 (0,4) 4 = 0,0348
1!2!3!4!
7. 1. 9. PROBLEMAS PROPUESTOS:
1.- Al probar cierto tipo de neumático para camión en terreno escarpado,
se encuentra que el 25% de los camiones no terminan la prueba por
pinchazo de neumático. ¿Cuál es la probabilidad de que entre 5 y 10
de los siguientes 15 camiones sufran pinchazo de neumático?
Rpta. 0,3134
3.- Una garita de control de tráfico terrestre indica que el 75% de los
vehículos que pasan son camiones; ¿cuál es la probabilidad de que
almenos 3 de los siguientes 5 vehículos sean camiones?
Rpta. 0,8965
4.- Una encuesta entre residentes de una ciudad demuestra que el 20%
prefiere la construcción de un mercado de abastos, antes que un cine.
¿Cuál es la probabilidad de que más de la mitad de los siguientes 20
residentes entrevistados prefieren el mercado antes que el cine?
Rpta. 0,0006
5.- Se sabe que el 75% de las personas vacunadas con suero están
protegidas contra cierta enfermedad, si se vacunan a 3 personas, ¿cuál
es la probabilidad de que a lo sumo a 2 de ellas contraigan la
enfermedad?
Rpta. 63/64
11.- Se sabe que el 1% de los tornillos producidos por una fábrica son
defectuosos, un comprador adquiere 100 tornillos, obtenga el
número esperado de tornillos con defectos que ha adquirido y el
coeficiente de variación del número de tornillos con defectos en el
lote adquirido.
Rpta. E(x) = 1 tornillo, CV(x) = 99,5%
15.- La probabilidad de que una lámpara fluorescente tenga una vida útil
de almenos 500 hrs. Es de 0,85. Calcule la probabilidad de que 6 de
estos fluorescentes:
a) almenos 5 tengan una vida útil de almenos 500 hrs.
b) almenos 2 tengan una vida útil de almenos 500 hrs.
c) entre 2 y 4 tengan una vida útil de almenos 500 hrs.
Rpta. a) 0,77648 b) 0,9996 c) 0,22312
47.- Los pernos producidos por una fábrica son en un 99% bueno. Si un
comprador escoge los pernos uno por uno en forma aleatoria hasta
encontrar uno que tenga defectos. ¿Cuál es la probabilidad de que se
encuentre el primer perno con defectos en:
a) la décima selección?
b) la 12º selección.
Rpta. a) 0,009135 b) 0, 008953
48.- Se escogen los ladrillos uno por uno de un lote que tiene el 10% de
los ladrillos en mal estado. ¿Cuál es la probabilidad de que:
a) de 8 escogidos 3 estén en mal estado?
b) el octavo escogido sea el primero en mal estado?
c) el octavo escogido sea el tercero en mal estado?
Rpta. a) 0,033 b) 0,0478 c) 0,0124
49.- Un comprador va seleccionando los ladrillos uno por uno hasta
encontrar uno en malas condiciones. El vendedor asegura que el 95%
de sus ladrillos están en buenas condiciones. ¿Cuál es la probabilidad
50.- Una máquina produce artículos de acero hasta que uno de ellos no
cumpla las especificaciones dadas, entonces se para la máquina que
se le regula para luego seguir funcionando. Calcule la probabilidad
de que la máquina sea detenida en el séptimo artículo producido, si
en general los artículos salen con defectos en:
a) el 10% de los casos.
b) el 15% de los casos.
Rpta. a) 0,0531 b) 0,0566
1 0
3
61.- De un lote de 10 artículos se escogen al azar 4, si el lote tiene 3
artículos con peso menor a lo especificado. ¿Cuál es la probabilidad
de que:
a) los 4 tengan el peso especificado?
b) 2 de los 4 tengas pesos inferiores a lo especificado?
a) 0,16667 b) 0,1
63.- Una caja tiene 10 guantes para el frío, de los cuales 5 son de la mano
derecha y 5 de la mano izquierda. Una persona selecciona 2 guantes
al azar, ¿cuál es la probabilidad de que :
a) los 2 sean de la misma mano?
b) la persona se las pueda poner los en sus respectivas manos?
Rpta. a) 20/45 b) 25/45
74.- Una caja tiene 50 clavos de 3 pulgadas, 20% de ellos son de acero y
el resto de fierro, una persona escoge 5 clavos. ¿Cuál es el número
esperado de clavos de: a) acero?, b) de fierro?
Rpta. a) 1 b) 4
75.- Una tapa del cojinete central de una máquina tiene 4 tornillos, estos
se toman al azar y sin reemplazo de un lote de partes que contiene 30
tornillos de un proveedor y 70 de otro. ¿Cuál es la probabilidad de
que:
a) lo 4 tornillos escogidos pertenezcan al mismo proveedor?
b) 3 tornillos pertenezcan a un mismo proveedor?
Rpta. a) 0,2408 b) 0,491275
76.- una caja tiene 10 artículos nuevos y 5 usados, del cual se escogen 3
artículos al azar. ¿Cuál es la probabilidad de que se haya escogido:
a) 2 artículos nuevos?
b) 2 artículos usados?
Rpta. a) 0,4945 b) 0,21978
77.- Una caja tiene 16 fusibles de los cuales 10 son nuevos y el resto
usados. ¿Cuál es la probabilidad de que al escoger una muestra de 5
fusibles, almenos uno sea:
a) nuevo?, b) usado?
Rpta. a) 0,9986 b) 0,9423
78.- Una caja tiene 10 focos de luz eléctrica, de los cuales 6 son nuevos y
4 son quemados, del cual se escogen 3 focos en forma conjunta, sea
X la v.a. que indica el número de focos nuevos en la muestra.
Obtenga:
a) P(X>2) y b) V(x)
Rpta. a) 1/6 b) V(x) = 0,56
79.- Un jurado está formado por 8 jueces, de los cuales 4 están a favor del
candidato A, y 4 del candidato B; el día de la votación aparecen sólo
5 jueces. Calcule la probabilidad de ganar de los candidatos A y B.
Rpta. P(A) = 1/2, P(B) = ½
80.- En 15 experimentos que estudian las características eléctricas de
células fotovoltaicas, 11 usan micro electrodos de metal y los otros 4
emplean micro electrodos de vidrio. Si 3 experimentos son
cancelados por razones financieras y si esta cancelación se efectuó al
azar. Determine la probabilidad de que:
a) ninguno de los 3 experimentos cancelados hayan empleado micro
electrodos de metal.
b) ninguno de los 3 experimentos cancelados hayan empleado micro
electrodos de vidrio.
Rpta. a) 0,00879 b) 0,36264
81.- La plana secretarial de una empresa tiene 25 secretarias, 5 de las
cuales vienen trabajando por más de 10 años en la empresa. Si un
gerente selecciona al azar 3 secretarias por desconocimiento, para
asignarlas a un nuevo cargo. Determine la probabilidad de que:
a) por lo menos una tenga más de 10 años de servicios en la empresa.
b) a lo más una tenga más de 10 años de servicios en la empresa.
Rpta a) 0,50435 b) 0,9087
82.- La probabilidad de que un alumno apruebe el curso de Estadística a
un profesor determinado es igual a 0,6. Si un semestre determinado
el docente tiene 12 alumnos matriculados, ¿cuál es la probabilidad de
que:
a) aprueben sólo 2 alumnos.
b) desaprueben sólo 2 alumnos.
Rpta. a) 0,00249 b) 0,06385
99.- Una compañía de seguros contra accidentes sabe que uno de cada mil
personas incurren en cierto tipo de accidentes cada año. Si 3000
personas se aseguran contra este tipo de accidentes , determine la
probabilidad de que:
a) almenos una persona asegurada sufra este tipo de accidente.
b) a lo más 2 personas aseguradas sufran este tipo de accidentes.
Rpta. a) 0,9502 b) 0,4232
112.- Suponga que el 1% de los pernos que produce una máquina son
defectuosos. En una muestra aleatoria de 300 pernos, halle la
probabilidad de que:
a) todos los pernos estén buenos.
b) 2 pernos estén defectuosos.
c) 2 0 más pernos estén defectuosos.
Rpta. a) 0,049787 b) 0,22404 c) 0,80085
122.- En una ciudad hay 5000 habitantes de los cuales el 0,02% son
ingenieros civiles. Se entrevistas a los habitantes uno por uno.¿Cuál
es la probabilidad de que:
a) se entreviste por lo menos a un ing. Civil?
b) se entreviste a lo más dos ing. Civiles?
Rpta. a) 0,632 b) 0,9197
123.- Un libro que tiene 585 páginas contiene 117 errores tipográficos,
que están distribuidos aleatoriamente en todo el libro. ¿Cuál es la
probabilidad de que al escogen 10 páginas al azar, se encuentre:
a) más de 2 errores tipográficos?
b) a lo más 2 errores tipográficos?
Rpta. a) 0,3233 b) 0,6767
124.- Suponga que el número de accidentes de trabajo que se producen
por semana en una fábrica sigue la ley de Poisson, de manera que la
probabilidad de que ocurran 2 accidentes es igual a 2/3 de la
probabilidad de que ocurra un accidente. Calcule la probabilidad de
que en 3 semanas consecutivas:
a) no ocurra accidente alguno.
b) ocurra por lo menos 2 accidentes.
Rpta. a) 0,0183 b) 0,9084
132.- Una máquina se utiliza para fabricar cierto tipo de objeto en serie,
se sabe que la probabilidad de que cada objeto sea defectuoso es
0,1. Si se controla la calidad de cada objeto producido para lo cual
se programa a la máquina de tal manera que se detenga cuando se
producen 4 objetos defectuosos. ¿Cuál es la probabilidad de que se
pare la máquina en el:
a) 6to. Objeto producido?
b) 8º objeto producido?
Rpta. a) 0,00081 b) 0,0023
7. 2. V.A CONTINUAS
7. 2.1. DISTRIBUCIÓN UNIFORME
Cuando la probabilidad de la realización de un evento definido en un
intervalo continuo es igualmente probable en cualquier punto, esto quiere
decir que la v.a está distribuida uniformemente a lo largo del intervalo en
la que está definida el experimento aleatorio.
Definición:
Se dice que una v.a. continua X está distribuida uniformemente sobre el
intervalo ,, si su función de densidad está dada por la siguiente
expresión:
1
f(x) = x , además <
0 en otro caso.
La función de densidad es constante para todos los puntos del intervalo
,, a esta distribución se le conoce también con el nombre de
Distribución Rectangular.
Nota si c, d ,, la probabilidad de que la v.a. X tome valores en el
intervalo c, d es igual a:
d c
P(c x d) = , esta probabilidad depende sólo de la longitud
del intervalo c, d y no de la ubicación dentro del intervalo mayo ,,
en todos los casos son iguales.
f(x)
1/(-)
c d x
E(x) =
2
( ) 2
V(x) =
12
e t e t
Mx(t) = t0
t ( )
Ejemplo Nº 1:
De acuerdo a la revista “Perú Económico”, las cuotas anuales de las
compañías ala seguro, están distribuidas en forma uniforme en el
intervalo (80 -110) dólares. Obtenga la probabilidad de que una compañía
pague entre 100 y 110 dólares.
Solución:
La función de densidad será:
110
x 110 110 100
P(100 x 110) = (1 / 30)dx
100
=
30 100
=
30
1/ 3
Ejemplo Nº 2:
La concentración de cierto contaminante se encuentra distribuida de
manera uniforme en el intervalo 2, 27 ppm (partes por millón). Si se
considera tóxica una concentración de 15 ppm o más. ¿Cuál es la
probabilidad de que al tomar una muestra la concentración de esta sea
tóxica?
Solución:
La función de densidad será:
f(x) = 1/25 2 x 27
0 en otro caso
27
x 27
P(15 x 27) = (1 / 25)dx
15
=
25 15
=
27 15
12 / 25 0,48
25
Ejemplo Nº 3:
La tensión de una cuerda de 2 metros está distribuida uniformemente de
tal manera que la rotura de dicha cuerda se puede producir en cualquier
punto de la cuerda. ¿Cuál es la probabilidad de que la cuerda se rompa
entre el metro y metro y medio de la cuerda?
Solución:
La función de densidad será:
f(x) = 1/2 0x2
0 en otro caso
1, 5
x 1, 5
P(1,0 x 1,5) = (1 / 2)dx
1
=
2 1
=
1,0 1,5
0,5 / 2 0,25
2
Ejemplo Nº 4:
Suponga que un cable de corriente eléctrica de alta tensión, puede sufrir
cualquier desperfecto en un punto cualquiera, si el cable tiene 500 metros
de largo.¿Cuál es la probabilidad de que el cable sufra un desperfecto
entre los 150 y los 300 metros?
Solución:
f(x) = 1/500 0 x 500
0 en otro caso
300
x
(1 / 500)dx
300
P(150 x 300) = = 150
=
150 500
300 150
150 / 500 0,30
500
Ejemplo Nº 5:
Una tubería de agua instalada a lo largo de 300 metros tiene la misma
probabilidad de tener alguna ruptura en toda la instalación. Se ha
producida una rotura, ¿cuál es la probabilidad de que esté entre los 50 y
los 250 metros del inicio.
f(x) = 1/300 0 x 300
0 en otro caso
250
x
(1 / 300)dx
250
P(50 x 250) = = 50
=
50 300
250 50
200 / 300 0,667
300
Ejemplo Nº 6
Obtenga la esperanza y la varianza de la distribución uniforme.
Solución:
2 2
xdx x 2 2
E(x) =
= =
2( ) 2( )
=
2
3 2
x 2 dx x 3 3 ( 2 2 )
2
E(x ) =
= = =
3( ) 3( ) 3
( 2 2 ) 2 ( 2 2 )
V(x) = - ( ) = -
3 2 3
2 2 2
4
4 2 4 4 2 3 2 6 2
=
12
( ) 2
V(x) =
12
Si = 0, entonces E(x) = /2 y V(x) = 2/12
Ejemplo Nº 7:
Dos enamorados deciden encontrarse en el parque de la ciudad entre las 6
p.m. y 7 p.m. con la condición de que uno no espera al otro más de 10
minutos. Calcule la probabilidad de encontrarse.
Solución:
El intervalo para cada uno es igual a 60 minutos es decir de 0 a 60
minutos, luego la función de densidad para cada uno es igual a:
0 0
(1 / 3600) dxdy
0 x 10
(1 / 3600)dxdy (1 / 3600)dxdy
50 x 10
150 800 150
P(E) = 11 / 36
3600 3600 3600
60
10
0 10 50 60 X
Ejemplo Nº 8:
Obtenga la esperanza y la varianza de los primeros 5 ejemplos.
1. E(x) = (110 + 80)/2 = 95 dólares
V(x) = (110 – 80)2/12 = 75 dólares2
f(x)
0 x
f(x) = (1 / )e x / > 0, x 0
0 en otro caso
E(x) = (este parámetro es el recíproco del parámetro de la distribución
de Poisson: )
V(x) = 2
Mx(t) = (1-t)-1 = 1/(1-t)
Ejemplo Nº 1:
El tiempo de vida de un artículo manufacturado tiene una distribución
exponencial con un promedio de 5 años. ¿Cuál es la probabilidad de que
un artículo escogido al azar tenga un tiempo de vida:
a) superior al promedio?
b) inferior al promedio?
Solución:
x / 5
(1 / 5)e dx e
x / 5
a) P(x > 5) = 5
e 1 0,368
5
b) P(x < 5) =
5
x / 5
(1 / 5)e
x / 5 5
dx e 0
e 0 e 1 1 e 1 0,632
0
Es complemento del evento anterior.
Ejemplo Nº 2:
El tiempo que tarda un artefacto en ser ensamblado es en promedio 10
minutos, si este tiempo se distribuye exponencialmente. ¿Cuál es la
probabilidad de que un artefacto sea ensamblado en:
a) menos de 5 minutos?
b) más de 15 minutos?,
c) entre 5 y 15 minutos?
Solución:
5
(1 / 10)e
x / 10
a) P(x < 5) = dx = 0,3935
0
(1 / 10)e
x / 10
b) P(x > 15) = dx 0,2231
15
15
(1 / 10)e
x / 10
c) P(5 x 15) = dx 0,3834
5
Ejemplo Nº 3:
La vida en años de un interruptor eléctrico tiene una distribución
exponencial con una razón de falla de 2 años, ¿cuál es la probabilidad de
que un falle:
a) antes de los 10 años?
b) antes del año de funcionamiento?
Solución:
10
/(1 / 2)e
x / 2
a) P(x < 10) = dx 1 e 5 0,9932
0
1
/(1 / 2)e
x / 2
b) P(x<1) = dx 1 e 1 / 2 0,3935
0
Ejemplo Nº 4:
En promedio 3 camiones llegan a un terminal para ser descargados por
cada hora. Obtenga la probabilidad de que el tiempo entre dos llegadas
consecutivas sea:
a) menor que 5 minutos.
b) almenos 45 minutos.
Solución:
f(x) = 3e-3x x0
0 si x<0
1 / 12
3e
3 x
a) P(x<5) = dx 1 e 1 / 4 0,2212
0
3e
3 x
b) P(x > 45) = dx e 9 / 4 0,1054
3/ 4
Ejemplo Nº 5:
El kilometraje (en miles de km /hr.) que los automovilistas logran con
cierto tipo de neumático, es una v.a. cuya función de densidad está dada
por la siguiente expresión:
Solución:
10
(1 / 20)e
x / 20
a) P(x<10) = dx = 1 – e-1/2 = 0,3935
0
30
(1 / 20)e
x / 20
b) P(10 x 30) = dx = e-1/2 – e-3/2 = 0,3834
10
(1 / 20)e
x / 20
c) P(x > 30) = dx = e-3/2 = 0,2231
30
Ejemplo Nº 6:
Obtenga la esperanza y la varianza de la distribución exponencial:
Solución:
E(x) = x
0
(1 / )e x / dx
x (1 / )e x / dx
2
E(x2) =
0
Ejemplo Nº 7:
Obtenga la esperanza y la varianza de los 5 primeros ejemplos:
1.- E(x) = 5 años
V(x) = 25 años2
2.- E(x) = 10 minutos
V(x) = 100 minutos2
Solución:
x
2e
2t
F(x) = dt = 1 - e 2 x x 0 y 0 para x < 0
0
E(x) = ½, V(x) = ¼
Mx(t) = (1-2t)-t
P(x<2) = 1- e-4 = 0, 0183
Ejemplo Nº 9: Ejemplo Nº
Solución:
P (a b x)
P(x > a+b/x > a) =
P( x a)
x /
(1 / )e
x /
P(a+b < x) = dx = -e =
a b a b
e ( a b ) / e ( ) /
= e a / (e b / )
x /
(1 / )e
x /
P(x > a) = dx = e = e a / e ( ) / =
a a
a /
e
P ( a x a b ) e a / (e b / )
P(x > a+b/x > a) = = = e b /
P( x a) e a /
= P(x >b)
7. 2. 3. DISTRIBUCIÓN NORMAL
Llamada también distribución gaussiana, es la distribución de v.a.
continua más importante y seguramente la de mayor uso, es la
distribución modelo y sirve de aproximación para las demás
distribuciones, asimismo de acuerdo a la ley de los grandes números
muchas estadísticas muestrales tienen distribución normal. Su gráfica se
llama curva normal, es una curva simétrica en forma de campana, o
acampanada que se extiende sin límites en ambos sentidos sobre la recta
real o eje de las X (abscisas en el eje cartesiano). Muchos fenómenos que
ocurren en la naturaleza, en la industria y en cualquier campo tienen
distribución normal, tales como: la temperatura del medio ambiente, la
precipitación pluvial, las mediciones de magnitudes físicas, el peso y la
talla de las personas, etc. sin embargo, hay que tener mucho cuidado para
usarlo sin previa comprobación, pues las consecuencias pueden ser
impredecibles. Ejemplo si se diseña cierto material para resistir una
cantidad dada de presión que se supone se distribuye normalmente
alrededor del valor promedio y el diseño se hace con esta suposición, el
material puede verse seriamente dañado al aplacársele una presión
elevada pero dentro de los límites permisibles. Ha sido estudiado por
muchos matemáticos como La Place, De Moivre, Gauss, etc.
Definición:
Se dice que una variable aleatoria continua X, tiene una distribución
normal, si su función de densidad está dada por:
1 1 x 2
f(x) = exp ( ) -<x<
2 2
Donde: - < < y > 0
Su gráfica es como la siguiente figura
CARACTERÍSTICAS
1.- El área formada por la curva f(x) y la recta real (x) tiene como
magnitud igual a uno.
2.- La media: E(x), mediana y moda coinciden, esto es, son iguales en
magnitud, lo que implica que la distribución es simétrica y unimodal.
3.- la curva que corresponde a f(x) es asintótica a la recta real X., esto es:
lim lim
f(x) = 0 f(x) = 0
x x
4.- Es simétrica respecto a su promedio (), por lo tanto el área superior
al punto , es igual al área inferior a dicho punto. El valor es igual a
0,5.
Además f(x + ) = f(x - )
5.- tiene como máximo valor (moda) cuando x = , donde
1
f () =
2
5.- sus puntos de inflexión son: - y + , por lo tanto es cóncava
hacia abajo en el intervalo - < x < + ,
6.- La media y la Varianza de la distribución son: y 2 respectivamente,
y que son los parámetros de la distribución.
7.- Las áreas comprendidas bajo la curva normal son:
, corresponde al 68,26% del área total.
2, corresponde al 95,44% del área total.
3, corresponde al 99,74% del área total.
8.- a cualquier v.a que tiene distribución normal con media y varianza
2, se le representa por: N(, 2)
2 2
9.- Mx(t) = e ( t t / 2 )
7. 2. 3. 1. NORMAL ESTANDARIZADA
la estandarización es un proceso que consiste en restar a la v.a. su
esperanza y luego dividir esta diferencia entre la desviación estándar:
x E ( x)
z=
V ( x)
x
z=
Por lo tanto:
x
E(z) = E( ) = E(x/) – E(/) = E(x)/ - / = / - / = 0
x
V(z) = V( ) = V(x/) – V(/) = V(x)/2 – 0 = 2/2 = 1
En consecuencia:
1 1
f(z)= exp z 2 -<z<
2 2
Ejemplo Nº 1:
Suponga que el diámetro externo de los cojinetes tiene una distribución
normal con media 3,5 cm. y una = 0,02 cm. Los diámetros de estos
cojinetes no deben ser menores que 3,48 cm. ni mayores a los 2,52 cm.
¿Cuál es el porcentaje de cojinetes que deben ser desechados?
Solución:
Para solucionar este problema de acuerdo a lo aprendido, se tendría que
obtener la probabilidad de los cojinetes que están dentro de las normas
establecidas, cuyo complemente corresponde a la pregunta dada. Esto es,
3, 52
3, 52 1 x 3, 5 2
1 ( )
dx
2 0 , 02
e
3, 48 0,02 2
Como se nota no es una tarea fácil, por lo que se hará la estandarización
correspondiente, para simplificar la integral
P(3,48 < x < 3,52) = P(z1 < z < z2) = P(-1 < z < 1 ) = 0,6826 (ver gráfica)
1 z2
1
P(-1 < z < 1) =
2 e
1
2
dz = 0,6826 (ver gráfica)
Solución:
a) P(z 1) = F(1) = 0,8413
b) P(z > 2) = 1 – P(z 2) = 1 – F(2) = 1 – 0,9772 = 0,0228
c) P(z > 1,5) = F(1,5) = 0,9332
d) P( -2 < z < 1.75) = F(1,75) – F(-2) = 0,9599 – 0,0228 = 0,9371
e) P(0,05 < z > 1,96) = F(1,96) – F(0,05) = 0,975 – 0,5199 = 0,4551
Nota.- la tabla usa valores de z con dos decimales como máximo, por lo
que se debe redondear los valores de z originales a dos decimales.
Ejemplos Prácticos:
Ejemplo Nº 1:
El tiempo requerido para ensamblar una pieza mecánica es una v.a. cuya
distribución es normal con media igual a12,9 mn. Y = 2 minutos, ¿cuál
es la probabilidad de que una pieza sea ensamblada en:
a) en menos de 11,5 mn.?
b) entre 11 y 14,8 mn.?
c) en más de 11,8 mn.?
d) exactamente 11 mn.?
Solución:
a) P(x < 11,5) = P( z < z1) = P(z < - 0,7) = 0,2420
11,5 12,9
Donde z1 = 2 = -0.7
b) P(11 < x < 14, 8) = P(z2 < z < z3)= P(-0,95 < z < 0,95)
11 12,9 14,8 12,9
Donde: z2 = 0,95 z3 = 0,95
2 2
P(-0,95 < z < 0,95) = 0,8289 – 0,1711 = 0,6578
c) P(x > 11,8) = P(z > z4) = P(z > -0,55) = 1 – F(-0,55) = 1- 0,7088
11,8 12,9
Donde z4 = 055
2
P(z > -0,55) = 1 – F(-0,55) = 1- 0,2912 = 0,7088
Ejemplo Nº 2:
Un embarque de 2500 aros son enviados a una ensambladora con las
especificaciones que los diámetros de los aros deben estar en el intervalo
0,3 0,005 pulgadas. Si los diámetros internos de los aros tienen una
distribución normal con media 0,302 pulg. Y una = 0,003 pulg.
¿Cuántos aros no cumplirán las especificaciones?
Solución:
P(0,295 < x < 0,305) = P(z1 < z < z2) = P(-2,33 < z < 1,00)
0,295 0,302
Donde. z1 = = - 2,33 z2 =
0,003
0,305 0302
1,00
0,003
P(-2,33 < z < 1,00) = F(1,00) - F(-2,33) = 0,8413 – 0,0099 =0,8314
En conclusión el 83,14% de los aros cumplen con las especificaciones, en
tanto que el 16,86% no los cumple, en consecuencia 2500(0,1686) =
421,5 = 422 aros
Ejemplo Nº 3:
Los hornos eléctricos fabricados por una compañía tienen una duración
promedio de 15000 hrs. Y una = 2500 hrs.
a) si el fabricante promete reponer todo horno que falle antes de las 7500
hrs., ¿qué proporción de sus hornos tendrá que reponer?
b) si da como tiempo de garantía de 8500 hrs., ¿qué proporción de los
hornos tendrá reponer?
c) si sólo quiere reponer máximo el 1% de sus hornos,¿qué tiempo de
garantía tendrá que dar?
Solución:
a) P(x 7500) = P(z z1)
7500 1500
Donde z1 = 3
2500
P(z -3) = F(-3) = 0,0013 0,13% de sus hornos
b) P(x 8500) = P(z z2)
8500 1500
Donde z1 = 2,6
2500
P(z -2,6) = F(-2,6) = 0,0047 0,4,7% de sus hornos
c) P(x < x0) = P(z < z0) = 0,01 z0 = -2,3267
x 0 1500
Donde -2,3267 = x0 = 9183,25 hrs.
2500
Nota.- En lo sucesivo en lugar de z = 2,3267 se usará z = 2,33
Ejemplo Nº 4
Un fabricante de escapes para automóviles desea garantizar su producto
durante un período igual ala duración del vehículo. El fabricante sabe que
el tiempo de duración de su producto es una v.a. con distribución normal
con una vida media de 3 años y una = 6 meses. Si el costo de
reemplazo es de 20 soles por unidad, ¿cuál es el costo total de reemplazo
para: a) los primeros 2 años, b) los primeros 18 meses, si se instalan
20000 unidades?
Solución:
a) P(x < 2) = P(z < z0)
Donde z0 = (2-3)/0,5 = - 2
P(z < -2) = F(-2) = 0,0228
Esto representa el 2,28% de los escapes, por lo que serán
20000(0,0228) = 456 los escapes que deben ser reemplazados y el
costo total de reemplazo, sería 456x20 = 9120 soles.
b) P(x < 1,5) = P(z < z1)
Donde z0 = (1,5-3)/0,5 = -3
P(z < -3) = F(-3) = 0,0013
Esto representa el 0,13% de los escapes, por lo que serán
20000(0,0013) = 26 los escapes que deben ser reemplazados y el costo
total de reemplazo, sería 26x20 = 520 soles.
Ejemplo Nº 5:
El peso del cereal que contiene una caja se aproxima a una distribución
normal, con una media de 600gr. El proceso de llenado de las cajas está
diseñado de tal manera que entre 100 cajas sólo una quede fuera del
intervalo 590 – 610 gr. ¿Con qué valor de se alcanza este
requerimiento?
Solución:
P(590 < x < 610) = 0,99
P(z1 < z < z2) = 0,99
P(0 < z < z2) = 0,495
P(z < z2) = 0,995 z2 = 2,575
610 600
2,575 = = 3,8835 gr.
Ejemplo Nº 6:
Si la distribución de los períodos de duración de los postes telefónicos de
madera es tal que el 9,51% tienen períodos de duración que exceden los
15 años y que el 62,55% tienen períodos de duración que exceden los 9
años. Obtenga la probabilidad de que al escoger un poste, éste dure:
a) más de 10 años.
b) menos de 5 años.
Solución:
P(x > 15) = 0,0951 P(z > z1) = 0,0951 z1 = 1,31
15
1,31 = 1,31 = 15 -
Si el 62,55% exceden los 9 años entonces el 37,45% tienen una duración
inferior a los 9 años:
P(x < 9) = 0,3745 P(z > z2) = 0,3745 z2 = -0,32
9
-0,32 = -0,32 = 9 - = 3,681 años y = 10,178 años
a) P(x > 10) = P(z > z0)
10 10,178
Donde z0 = 0,05
3,681
P(z > -0,05) = P(z < 0,05) = 0,5199
b) P(x< 5) = P(z < z0)
5 10,178
Donde z0 = 1,41
3,681
P(z < -1,41) = 0,0793
A. BINOMIAL.
Cuando n es grande, el uso de la binomial es muy complicada por lo que
la aproximación usando la distribución normal es muy buena, esto se
hace usando el factor de conversión de una v.a. discreta a una v.a
continua; es decir, usando 0,5 pues, la expresión:
x 0,5
Z = N(0,1), en otras palabras es una normal
estandarizada.
Ejemplo Nº 1:
Una prueba de opción múltiple contiene 25 preguntas y cada una de ellas
5 opciones, del cual sólo es verdadera. ¿Cuál es la probabilidad de que al
contestar de manera aleatoria cada pregunta, más de la mitad de ellas sean
contestadas incorrectamente?
Solución:
Si se usa la distribución binomial sería de la siguiente manera:
X = Número de preguntas contestadas incorrectamente.
P = 4/5 probabilidad de una respuesta incorrecta.
Q = 1/5 probabilidad de una respuesta correcta.
25
25 x 25x
P(x 13) =
x13x(4/5)(1/5) = 0,9996
Si se usa la distribución normal sería como sigue:
= 25(4/5) = 20, 2 = 25(4/5)(1/5) = 4 = 2
P(x 13) = P(z z0)
13 0,5 20
Donde z0 = 3,75
2
P(z -3,75) = 1- P(z <-3,75) = P(z 3,75) por ser f(z) una función par
P(z -3,75) = 0,9999, como se puede notar la diferencia es bastante
pequeña.
Ejemplo Nº 2:
Un periódico llevó a cabo una encuesta a 400 personas en una ciudad
sobre el control de la natalidad, de ellas 200 están de acuerdo en reducir
el número de hijos que quisieran tener.
a) ¿Cuál es la probabilidad de que 220 o más personas estén de acuerdo
con la propuesta de reducir el número de hijos que quisieran tener?
b) ¿si se hubieran encuestado a 2000 personas y se hubiera obtenido la
misma proporción que en el caso anterior, cómo cambiaría su
respuesta?
Solución:
a) P(x 220) = P(z z0)
220 0,5 200
Donde z0 = 1,95
10
P(z 1,95) = 1 – P(z < 1,95) = 1 – F(1,95) = 1- 0,9744 = 0,0256
b) P(x 220) = P(z z1)
220 0,5 1000
Donde z1 = 34,9
500
P(z -34,9) = 1 – P(z <-34,9) = 1 – F(-34,9) = 1-0 = 1,00
Ejemplo Nº 3:
La probabilidad de que un tubo de ensayo se rompa a una temperatura
superior a los 500ºC es de 0,2. ¿Cuál es la probabilidad de que de 100
tubos se rompan de 15 a 30 tubos inclusive?
Solución:
np = 100(0,2) = 20, npq = 100(02)(08) = 16
a) P(15 x 30) = P(z1 z z2)
Donde:
15 0.5 20
z1 = 1,375 1,38
4
30 0,5 20
z2 = 2,625 2,62
4
P(-1,38 z 2,62) = F(2,62) – F(-1,38) = 0,9956 – 0,0838 = 0,9118
Nota. Si no se hubiera usado el factor de corrección la respuesta hubiera
sido 0,8882. Como se nota hay bastante error.
Ejemplo N4:
Una encuesta entre los residentes de una ciudad revela que el 30% de los
residentes prefiere tener una instalación trifásica en su red eléctrica.
¿Cuál es la probabilidad de que en las siguientes 500 instalaciones sean
trifásicas entre a35 y 168 inclusive?
Solución:
np = 500x0,3 = 150, npq = 500x0,3x0,7 = 105
P(135 x 168) = P(z1 z z2
Donde:
135 0,5 150 168 0,5 150
z1 = 1,51 z2 = 1,81
105 105
P(-1,51 z 1,81) = F(1,81) – F(-1,51) = 0,9649 – 0,0655 = 0,8994
Ejemplo Nº 5:
Suponga que el 10% de los neumáticos de un fabricante tienen defectos
en la superficie y que los embarca en lotes de 100 unidades.
a)¿Cuál es la probabilidad de que un lote contenga 8 o menos
neumáticos con defectos en la superficie?
b) Un comparador mayorista recibe 500 lotes, ¿cuál es la probabilidad de
que almenos 140 contengan o menos neumáticos con defectos en la
superficie?
Solución:
a) np = 100(01) = 10, npq = 100(0,1)(0,9) = 9
P(x 8) = P(z z1)
8 0,5 10
Donde: z1 = 0,5
3
P(z -0,5) = F(-05) = 0,3085
b) np = 500x0,3085 = 154,25
P(x 140) = P(z z2)
140 0,5 154,25
1,43
Donde: z2 = 500 x 0,3085 x 06915
B. POISSON
X 0,5
Z=
Ejemplo Nº 1:
El número de accidentes en un tramo de 100 km. De una autopista, es una
v.a. con distribución de Poisson, con un promedio de 2 accidentes por
semana. ¿Cuál es la probabilidad de que hayan menos de 100 accidentes
en este tramo durante el próximo año?
Solución:
= 52 x 2 = 104
P(x 100) = P(z z0)
100 0,5 104
Donde z0 = 0,34
104
P(z -0,34) = F(-034) = 0,3669
Ejemplo Nº 2:
Se utiliza la siguiente regla de decisión para controlar el funcionamiento
de una máquina que produce cierto tipo de artículos, se selecciona al azar
una muestra de 400 artículos cada hora, si el número de artículos
defectuosos es inferior a 12 se deja que la máquina siga funcionando.
¿Cuál es la probabilidad de:
a) detener la máquina, si está produciendo un 2% de artículos
defectuosos?
b) dejar que la máquina siga funcionando, si está produciendo un 4% de
artículos defectuosos?
Solución:
a) como n = 400, p= 0,02 np= 400(0,02) = 8, npq = 7,84
Si se usa la binomial, se tiene P(x 12) = P(z z1)
12 0,5 8
Donde: z1 = 1,25
7,84
P(z 1,25) = 1 – P(z < 1,25) = 1- F(1,25) = 1- 0,8944 = 0,1056
Si se usa la Poisson, se tiene P(x 12) = P(z z1)
12 0,5 8
Donde: z = 1,24
8
P(z 1,24) = 1 – P(z < 1,24) = 1- F(1,24) = 1- 0,8925 = 0,1075
La diferencia no es muy grande.
b) P(x < 12) = P(z < z2) , np = 400(0,04) = 16, npq = 15,36
Si se usa la binomial, se tiene:
12 0,5 16
Donde: z2 = 1,15
15,36
P(z < -1,15) = 0,1251
Ejemplo Nº 3:
Se tiene un telar que teje 1000 m 2 de tela por día, la probabilidad de que
no haya falla en 250 m 2 de tela es e-1, ¿cuál es la probabilidad de que en
un mes de trabajo del telar haya entre 100 y 140 fallas?
Solución:
P(x = 0) = 1/e = 1,entonces en un día = 4, en un mes = 120
P(100 x 140) = P(z1 z z2)
100 0,5 120
Donde z1 = = -1,97 z2 =
120
140 0,5 120
1,87
120
P(-1,87 z 1,87) = F(1,87) – F(-1,87) = 0,9693 – 0,0307 = 0,9386
Ejemplo Nº 4:
El número promedio de accidentes de trabajo que se producen en una
fábrica es de 3 por semana. Se quiere saber la probabilidad de que hay
menos de 120 accidentes el año siguiente.
Solución:
= 52 x 3 = 156
P(X < 120) = P(z < z0)
120 0,5 156
Donde z0 = 2,92
156
P(z < -2,92) = 0,0018
Ejemplo Nº 5:
Una empresa produce láminas de acero 5 metros de largo y 2 de ancho,
las láminas tienen un promedio de 2 defectos por cada una, si un
industrial compra 80 láminas, ¿cuál es la probabilidad de encontrar en
total más de 150 defectos?
Solución:
= 80 x 2 = 160
P(X > 150) = P(z > z0)
150 0,5 160
Donde z0 = 0,75
160
P(z > -0,75) = P(z < 0,75) = 0,7734
C. HIPERGEOMÉTRICA
x 0,5 nA / N
Z= nA( N A)( N N )
N .N .( N 1)
Ejemplo Nº 1:
Un cargamento de 500 computadoras está formado por 400 con USB
incorporado, el resto no los tiene, para examinar su funcionamiento se
escoge una muestra de 20 computadoras. ¿Cuál es la probabilidad de que
en la muestra se encuentre más de 12 computadoras con USB
incorporado?
Solución:
E(x) = = nA/N = 20(400)/500 = 16
V(x) = 2 = nA(N-A)(N-n)/NN(N-1) = 20(400)(100)(480)/500(500)(499)
= 3,078
= 1,7545
P(x >12) = P(z > z0)
12 0,5 16
Z0 = 1,99
1,7545
P(z > -1,99) = P(Z < 1,99) = F(1,99) = 0, 9767
En un depósito hay 2000 accesorios de radio, 400 de los cuales están con
defectos, para vender a un cliente se escoge 50 accesorios, ¿cuál es la
probabilidad de que haya a lo más 15 accesorios con defectos en la
muestra?
Solución:
Como se puede notar usar la distribución hipergeométrica sería muy
tedioso.
E(x) = = 50(400)/2000 = 10
V(x) = 50(400)(1600)(1950)/2000(2000)(1999) = 7,8039
= 2,7935
P(x 15) = P(z z0)
15 0,5 10
Donde z0 = = 1,97
2,7935
P(z 1,97) = 0,9756
Ejemplo Nº 2:
En un almacén hay 3000 artículos envasados en latas de 150 gr. de los
cuales 1000 no tienen el peso correcto. Un comprado adquiere 100
artículos. ¿Cuál es la probabilidad de que haya comprado al menos 40
con peso correcto?
Solución:
P(x 40) = P(z z0)
= 100(2000)/3000 = 66,67
2 = 100(2000)(1000)(2900)/3000(3000)(2999) = 21,4886
= 4,6356
39,5 66,67
5,86
z0 = 4,6356
P(z -5,86) = P(z < 5,86) = F(5,86) = 1,00
el evento de que haya por lo menos 40 con peso correcto es un evento
seguro.
Ejemplo Nº 3:
1000 sacos de arroz han sido enviados a una empresa distribuidora para
su venta al público, pero la empresa dice que revisará 20 sacos si
encuentra más de la mitad con granos muy quebrados no los venderá.
Calcular la probabilidad de que la empresa venda el arroz, si en realidad
hay 100 sacos con granos quebrados.
Solución:
P(x 10) = P(z z0)
= 20(900)/1000 = 18
2 = 20(900)(100)(980)/1000(1000)(999) = 1,765765766
= 1,32882
10,5 18
z0 = 5,644
1,32882
P(z -5,644) = 0,00 es un evento imposible.
Ejemplo Nº 4:
En una fábrica trabajan 500 obreros, de los cuales 200 son nombrados, se
seleccionan 50 obreros en forma aleatoria para ser capacitados, ¿cuál es
la probabilidad de que por lo menos 30 sean nombrados en el grupo
escogido?
Solución:
P(x 30) = P(z z0)
= 50(200)/500 = 20
2 = 50(200)(300)(450)/(500)(500)(499) = 10,82164329
= 3,2896
29,5 20
2,89
z0 = 3,2896
P(z 2,89) = 1 – P(z < 2,89) = 1 –F(2,89) = 1 – 0,9981 = 0,0019
Ejemplo Nº 5:
En la Facultad de Ciencias hay 350 alumnos matriculados, de los cuales
200 son de la especialidad de Estadística e Informática, en el curso de
matemática I se han matriculado 50 alumnos, si hay más de 30 alumnos
de la especialidad de estadística e Informática se hará un grupo especial
con el resto, calcule la probabilidad de hacer el grupo especial.
Solución:
P(x 30) = P(z z0)
= 50(200)/350 = 28,57
2 = 50(200)(150)(300)/(350)(350)(349) = 10,5257
= 3,24433356
29,5 28,57
z0 = 0,29
3,24433356
P(z 0,29) = 1 – P(z < 0,29) = 1 – F(0,29) = 1 – 0,6141 = 0,3859
Solución:
E(Y3) = 10 + 12 + 15 = 37 metros; V(Y3) = 1,3 + 1,9 + 2,3 = 5,5
P(30 Y3 40) = P(z1 z z2)
30 37 40 37
2,98 1,28
5,5 5,5
Donde: z1 = z2 =
P(-2,98 z 1,28) = F(1,28) – F(-2,98) = 0,8997 – 0, 0014 = 0,8983
Ejemplo
Suponga que la biga anterior está formado como sigue Y3’ = 2A –3B +
4C, calcule la probabilidad de que la biga tenga una longitud superior a
los 50 metros.
Solución:
P(Y3’ > 50) = P(z > z0)
E(Y3’) = 2(10) -3(12) + 4(15) = 44 m.
V(Y3’) = 4(1,3) + 9(1,9) + 16(2,3) = 59,1
50 44
Z0 = = 0,78
59,1
P(z > 0,78) = 1 – P(z < 0,78) = 1 – F(0,78) = 1- 0,7823 = 0,2177
7. 2. 3. 4.TEOREMA DEL LÍMITE CENTRAL
Este es uno de los teoremas más importantes de la estadística y realza la
importancia de la distribución normal, pues con este teorema cualquier
conjunto de datos se pueden aproximar a la distribución normal, o
cualquier suma finita de variables aleatorias independientes, no
importando la distribución origina con tal de que tengan medias y
varianzas conocidazas y finitas.
Si la población o proceso del cual se toma una muestra tiene una
distribución normal, entonces es lógico que la distribución de la media
muestral tenga también distribución normal, sin importar el tamaño de la
muestra. No obstante, ¿qué ocurre con los datos de una población que no
tiene distribución normal?, por increíble que parezca, un teorema de la
Estadística Matemática, permite la aplicación de la distribución normal a
estas distribuciones del cual se saca la muestra. El Teorema del Límite
central, establece que cuando el tamaño de la muestra se incrementa, la
distribución de la media muestral, así como de otros estadígrafos se
aproxima en cuanto a forma a la distribución normal. Para efectos
prácticos, puede suponerse que la distribución de la media muestral tiene
distribución aproximadamente normal, incluso en procesos menos
normales, siempre que el tamaño de la muestra sea igual o mayor a 30,
para poblaciones ligeramente no normales, sólo bastará un tamaño de
muestra menor, pero con un muestra superior a los 30 se solucionará
situaciones adversas.
Se dice n v.a. X1, X2, X3,… Xn; tienen la misma distribución de
probabilidad con media y varianza 2, si tienen la misma función de
cuantía en el caso discreto o función de densidad en el caso continuo, y si
además:
E(xi) = , V(xi) = 2 i = 1, 2, 3, …….n
Si suponemos que estas v.a. son independientes entonces la suma de estas
v.a. Yn = X1 + X2 + X3 +……+Xn, tienen:
Media: E(Yn) = n
Varianza: V(Yn) = n2
Teorema: sea X1, X2, X3,… Xn un conjunto den n v.a. independientes,
con media E(xi) =i y varianza V(xi) = i2 entonces la v.a.
n n
x i i
i 1 i
Zn = n
i 1
i
2
Corolario:
Si X1, X2, X3,… Xn son n v.a. independientes igualmente distribuidas con
media y varianza 2, entonces la v.a.
Yn n
Zn =
n
n
Si _ x i
Y n es la media muestral, entonces se tiene:
x i 1
n n
_
x
Zn = / n N(0,1)
Tiene distribución normal estandarizada, cuando n crece indefinidamente.
Nota la aproximación es buena cuando n 30
Ejemplo Nº 1:
Las cajas enviadas a un distribuidor, tienen un peso promedio de 40 kg.
Con una desviación estándar de 2 kg., ¿cuál es la probabilidad de que 25
cajas cargadas a un camión excedan la capacidad del camión que es de
1020 kg.?
Solución:
P(Y25 > 1020kg.) = P(z > z0)
E(Y25) = 25(40) = 1000kg.
V(Y25) = 25(2) = 50 kg.2
1020 1000
z0 = 2,83
50
P(z > 2,83) = 1 – P(z 2,83) = 1 – 0,9977 = 0,0023
Ejemplo Nº 2:
Se sabe que la vida útil de un componente electrónico tiene una
distribución exponencial con un promedio de 500 horas, tan pronto como
se quema uno de ellos entra a funcionar el otro en forma automática.
a) Calcular la probabilidad de que en un año se necesite más de 16 de
estos componentes.
b) ¿Cuántos de estos componentes se necesitan para que duren al menos
6675 horas con una probabilidad de 0,9901?
Solución:
E(Y16) = 16(500) = 8000 hr.
V(Y16) = 16(500)2 = 4000000
= 2000, hay 8760 horas en un año, luego
a) P(Y16 < 8760hr.) = P(z < z0)
8760 8000
z0 = 0,38
2000
P(z < 0,38) = 0,6480
b) 0,0099 = P(Yn < 6675hr.) = P(z < z0)
6675 500n
2.33
Donde z0 = 500 n
n - 2,33 n -13,35 = 0 n = 25 componentes.
Ejemplo N3:
Un camión de reparto transporta cajones cargados de artículos
comestibles, el peso de cada cajón tiene distribución normal con una
media de 50 libras. Cuántos cajones puede transportar el camión de tal
manera que la probabilidad de que la carga total exceda a:
a) una tonelada sea 0,1587?
b) 1500 kg. sea 0,1587?
Solución:
a) P(Yn < 1000kg) = 0,1587 P(z < z0) z0 = -1
1000 50n
-1 = n- n -20 = 0 n = 25
50 n
b) P(Yn < 1500kg) = 0,1587 P(z < z0) z0 = -1
1500 50n
-1 = n- n -30 = 0 n = 36
50 n
Ejemplo Nº 4:
Una camioneta de reparto cuya capacidad de carga es de 2,54 TM.
transporta sacos de azúcar, cuyo peso tiene una media de 50 kg. y una =
2 kg.
a) Calcule la probabilidad de que 50 sacos cargados al azar excedan la
capacidad de carga de la camioneta.
b) ¿Cuántos sacos de azúcar serán necesarios para que el peso sobrepase
los 1818kg. Con una probabilidad de 0,0668?
Solución:
a) P(Y50 > 2540 kg) = P(z > z0)
E(x) = 50(50) = 2500 kg.
V(Y50) = 4(50) = 200 kg2
= 2 50 =14,142 kg
2540 2500
z0 = 2,83
14,142
P(z > 2,83) = F(-2,83) = 0,0023
b) P(Y50 > 1818 kg) = P(z > z0) = 0,0668 z0 = -1,5
1818 50n
-1.5 = n – 0,06 n -36,36 = 0, n = 36
2 n
Ejemplo Nº 5:
Suponga que los pesos de los estudiantes de la UNASAM están
distribuidos normalmente con una media de 60 Kg. Y una desviación
estándar de 5 kg. Si se selecciona una muestra aleatoria de 30 estudiantes
y se registra su peso a cada uno, calcula:
a) P(X4 – 2X3 + 3X20 – X25 > 75)
b) P(X17 72)
c) P(Y30 > 1850)
Solución:
a) E(X4 – 2X3 + 3X20 – X25) = E(X4) – 2E(X3) + 3E(X20) – E(X25)
= 60 - 2(60) + 3(60) – 60 = 60 kg.
V(X4 – 2X3 + 3X20 – X25) = V(X4) + 4V(X3) + 9V(X20) + V(X25)
= 25 + 4(25) + 9(25) + 25 = 375
= 375 = 19,365 kg.
P(Yn > 75) = P(z > z0)
75 60
0,77
z0 = 19,365
P(z > 0,77) = F(-0,77) = 0,2206
x
1
() = e x dx >0
0
Propiedades:
1.- Si > 1, entonces () = (-1)(-1)
e
x
2.- (1) = dx 1
0
x
1 / 2
3.- (1/2) = e x dx
0
(3) = 2
(2) = 1
7. 2. 4. DISTRIBUCIÓN GAMMA
Muchas variables aleatorias como la duración del tiempo de vida útil de
una computadora, sólo pueden asumir valores positivos, y la distribución
de frecuencias relativas de los datos de este tipo de variables se puede
modelar mediante la función de densidad gamma; por otro lado, todo
experimento tipo Poisson; esto es, el número de éxitos en un tiempo
determinado, está relacionado con la distribución exponencial, que mide
el tiempo transcurrido de un éxito a otro éxito, pero si quisiéramos saber
la probabilidad de r éxitos en un tiempo dado, entonces usaremos la
distribución gamma con parámetros y , donde es el parámetro de de
la forma de la distribución, por cuanto cuando se cambia los valores de
este parámetro la forma de la distribución cambia de forma; en tanto que
es el parámetro de escala, pues refleja el tamaño de las unidades con
que se mide la variable y es el inverso de que es el parámetro de la
distribución de Poisson, desempeña la función de la desviación estándar
en la distribución normal.
Definición: Sea x una v.a. continua que toma valores sólo positivos,
diremos que X tiene una distribución Gamma con parámetros y y
denotada por (, ), si su función de densidad está dada por la siguiente
expresión:
f(x) = x 1e x si x 0
( )
0 si x < 0
r 1 x
( x) e dx
=
0 ( )
r
Haciendo y = x dy = dx
( y ) r 1e y dy ( r )
E(xr) = 0 r ( ) r ( )
( 1)
E(x) =
( )
( 2) ( 1) 2
E(x2) = =
2( ) 2 2
2 2
V(x) = - 2 =
2
2
La función de distribución también se puede expresar de la siguiente
manera:
x 1e x /
f(x) = x 0, > 0, > 0
( )
0 si x < 0
E(x) =
V(x) = 2
Mx(t) = (1- t)-`
r ( r )
E(xr) =
( )
F(x) = 1 (1 x / )e x / x 0
1
F(x) = 1 - e
k 0
x
( x ) k / k ! x > 0
Nota.- La distribución exponencial es un caso particular de la distribución
gamma cuando = 1. ( de la distribución gamma)
-El punto máximo de la curva de la distribución gamma sucede cuando x
= (-1)
Ejemplo Nº 1
Suponga que el número de accidentes en una fábrica corresponde a un
proceso de poisson a razón de de 2 accidentes en promedio por semana.
¿Cuál es la probabilidad de que el tiempo entre el primer accidente y el
tercer accidente sea mayor que una semana?
Solución:
Sea X el tiempo en semanas para que ocurran dos accidentes, después de
que haya ocurrido el primer accidente, este tiempo tiene el mismo
comportamiento para cualquier intervalo en la que deben ocurrir dos
accidentes; es decir, entre el 1º y el 3º, entre el 2º y el 4º o desde el inicio
y el segundo accidente, por lo tanto se tiene un modelo gamma con = 2,
y=2
( 2) 2 x 2 1e 2 x
f(x) = 4 xe 2 x Si x 0 y 0 en otro caso, o si x<0
( 2)
4 xe
2 x
P(x>1) = dx
1
Haciendo un cambio de variable para integrar por partes:
u = 2x du = 2 dx dv = 2e-2xdx v = -e-2x
2 x
P(x>1) = 2 xe 1
4 e 2 x dx =
1
2 x 2 x
2 xe 1
2e 1
Derivando el numerador y el denominador del primer término se tiene:
1 2 1 2 3
P(x>1) = = 2
2 2 0,406
e2x 1
e2x 1
e e e
Ejemplo Nº 2
Considere que una alarma suena aleatoriamente a razón de 6 veces por
hora, los encargados lo atienden cada segunda vez que suena:
a) Calcule la probabilidad de que transcurran 10 minutos o más entre dos
atenciones a la alarma.
b) si los encargados lo atienden cada tercera sonada, cuál es la
probabilidad de que lo atiendan después de 10 minutos?
Solución:
a) = 2, =1 por cada 10 minutos
f(x) = x e-x si x 0 y 0 en otro caso
1
xe
x
P(x > 1) = 1 - dx
0
Haciendo un cambio de variables para integrar por partes:
x = u dx = du dv = e-x v = -e-x
x 1
1
P(x > 1) = 1 xe 0 e dx
x
0
= 1 - - 1/e – 1/e +1 = 2/e = 0,7358
b) En este caso = 3, = 1 cada 10 minutos.
x 2e x
f(x) = x0
2
P(x > 1) = 1 – P(x 1) 1 – F(x = 1)
2
F(x=1) = 1 - ek 0
1
(1) k / k! = 1 -e-1 + e-1 + e-1/2 = 1 – 5/2e
P(x > 1) = 1 – (1 – 5/2e) = 5/2e = 0,9197
7. 2. 5. DISTRIBUCION BETA
Esta distribución se usa para representar variables físicas cuyos valores,
se encuentran en un intervalo de longitud finita. En un modelo gamma el
límite inferior es fijo y positivo, pero su límite superior puede ser muy
grande o infinitamente grande, en cambio en un modelo Beta, existe un
límite inferior que es cero y un límite superior que es uno, aún cuando se
puede definir con ciertas modificaciones en cualquier intervalo finito.
Esta distribución también tiene dos parámetros y ; la función de
densidad está dada por la siguiente expresión:
( ) 1
f(x) = x (1 x ) 1 0 < x <1, > 0, > 0
( )( )
0 en otro caso
* FUNCIÓN BETA:
Es una función matemática de la forma:
1
x
1
B( ,) = (1 x) 1dx
0
( )( )
Donde B(,) =
( )
E(x) =
V(x) =
( ) ( 1)
2
x 1 (1 x ) 1
1
F(x) =
0
B ( , )
dx es una función beta incompleta.
Ejemplo Nº 1:
la competencia en el mercado de una compañía de computadoras varía de
manera aleatoria de acuerdo a una distribución beta con:
a) = 2, = 2
b) = 3, = 3
Hallar CV(x) y P(x < ½)
a) f(x) = 6x(1-x) 0 < x < 1, 0 en otro caso.
E(x) = 2/(2+2) = ½
2( 2)
V(x) = 1 / 20
(2 2) 2 (2 2 1)
CV(x) = 44,72%
1/ 2
30 x (1 x ) 2dx 1 / 2
2
P(x < ½) =
0
Ejemplo Nº 2:
Los sensores infrarrojos de un sistema robótico computarizado envían
informaciones a otros sensores en diferentes formatos. El porcentaje X de
señales que se envían y que son directamente compatibles para todos los
sensores del sistema sigue una distribución beta con = 2, y = 2,
calcule la probabilidad de más del 30% de las señales infrarrojo enviados
en el sistema sean directamente compatibles para todos los sensores.
Solución:
f(x) = 6x(1-x) 0 < x < 1, 0 en otro caso.
3
3 x 3x
F(0,3) = P(x 0,3) =
= 0,216 luego:
P(x > 0,3) = 1 – P(x 0,3) = 1 – 0,216 = 0,784
Ejemplo Nº 3:
Se sabe que la proporción de tramos de autopista que requieren
reparación en un año determinado es una v.a. con distribución beta, con
= 3, y = 2; calcule:
a) en promedio, ¿qué porcentaje de tramos de autopista requieren
reparación en un año determinado?
b) la probabilidad de que a lo sumo la mitad de los tramos de autopista
requieren reparación en un año determinado.
a)) E(x) = 3 /(3+2) = 0,6 el 60% de los tramos de carretera en
promedio requieren reparación.
b) f(x) = 12x(1-x) 0 < x < 1, 0 en otro caso.
1/ 2
Ejemplo Nº 4:
Si la proporción anual de declaraciones de impuestos erróneos en el
departamento de contribuciones puede considerarse como una v.a. que
tiene una distribución beta con = 3 y = 4. ¿Cuál es la probabilidad de
que en un año determinado menos del 10% de las declaraciones sean
erróneas?
Solución:
f(x) = 10 x2(1-x)3 0 < x < 1, 0 en otro caso.
0 ,1
10 x (1 x ) 3 dx = 0,00264
2
P(x < 0,1) =
0
7. 3. LEY DE LOS GRANDES NÚMEROS
Sea f(x,) la función de densidad de una v.a.X. por otro lado, hemos
examinado el hecho de que una forma de tener información sobre la
función de densidad consiste en observar una m.a. y hacer una inferencia
desde la muestra hacia la población. Si se conoce , la función de
densidad estaría completamente determinada y la inferencia sería
innecesaria, por lo tanto parece que sería necesario o deseable que la m.a
nos facilite alguna información sobre el parámetro desconocido .
Como dice Alexander Mood y Franklin Garaybill en su libro
“Introducción a la Teoría de la Estadística”, designemos por el valor
esperado E(x) de X, en la función de densidad f(x), ahora se trata de
estimar , en el sentido amplio, E(x) es la media idealizada de un número
finito de valores de la v.a. X, en la práctica sólo podemos observa un
número finito de valores de la v.a. X. Entonces una cuestión crucial es la
siguiente pregunta: ¿puede hacerse inferencias fiables acerca de E(x) con
sólo un número finito de valores de x es decir una muestra aleatoria de
valores de tamaño n?, la respuesta es afirmativa y lo demostraremos con
la ley de los grandes números.
Ley Débil:
Designemos por f(x) una función de densidad de una v.a. X con media
_
y varianza 2, y sea y n la media muestral de una m.a. de tamaño n de
f(x), además sean y dos números pequeños tales que > 0, y 0 < <
1, si n es un entero mayor que 2/(.) entonces:
_
P(- < y n - < ) > 1 -
Ley Fuerte:
La ley de los grandes números considera que si existe la esperanza de una
v.a. X, entonces ésta se puede calcular y para ello es suficiente una m.a.
consistente en una sucesión de v.a. independientes entre si: x 1, x2, x3,… xn
_
y considerar el promedio x n de estos, este promedio se estabiliza
alrededor de una constante que es precisamente la esperanza E(x) de X; a
este principio se le llama ley de los grandes números.
Teorema:
Sean x1, x2, x3,… xn una sucesión de v.a. independientes con la misma
distribución, con E(x) = y varianza V(x) = 2, entonces:
_
Yn = x1 + x2 + x3 +…+ xn, donde y n = (x1 + x2 + x3 +…+ xn)/n se llama
media muestral, entonces para todo > 0, se tiene:
lim _
P( y n - < ) = 1
n
_ _
Puesto que E( y n ) = , V( y n ) = 2/n y usando la desigualdad de
Chevishev, se tiene:
_ 2
P( y n - < ) = 1- si se aplica el límite se obtiene la expresión
n 2
del teorema.
Corolario:
lim _
P( y n - ) = 0
n
De igual manera si se aplica la desigualdad mencionada se tiene:
_ 2
P( y n - ) = y si se aplica el límite, se tiene la expresión
n 2
anterior.
7. 4. MOMENTOS:
Definición: Es una función de las v.a. que sirven para obtener los
indicadores estadísticas, como la media, la varianza, el coeficiente de
sesgo, etc. los momentos se identifican por el rango u orden, es decir los
momentos pueden ser de primer orden, de segundo orden, de tercer
orden, etc. Los momentos pueden ser muestrales o poblacionales, a su
vez pueden ser centrales o respecto a un determinado punto como la
media.
1.- Momentos Centrales:
En forma general se denomina momento original o central de orden r de
una v.a. X a la esperanza matemática de X r y que se denomina según sea
muestral o poblacional.
a) Poblacional:
E(xr) = X
x
r
P (x) ….caso discreto
x
r
= f ( x ) dx …. Caso continuo
x
Si r = 1, es igual a la esperanza matemática
b) Muestral:
1 n
( x i ) r …..para ambos casos, pues los valores son
'
mr : n i 1
finitos.
1 n
mr : n
'
( x i ) r f i …. Para datos agrupados.
i 1
Si r = 1, es igual a la media aritmética.
2.- Momentos respecto a la Media:
Sea X una v.a. con media = E(x), el momento de orden r Z+,
centrado respecto a la media de x denotado por r, se define como:
a) Poblacional:
E(x - )r = (x )
x
r
P ( x ) ……….caso discreto.
(x )
r
= f ( x ) dx …….caso continuo
x
Si r = 0 E(x - )0 = 1
Si r = 1 E(x - ) = 0
Si r = 2 E(x - )2 = 2
b) Muestral:
1 n _
m r
i )r
n i 1
( x x i=1, 2, 3,...., n, también para ambos
m r
( x i x ) r f i ….. para datos agrupados.
n i 1
Cuando r = 2, es igual a la varianza (si se divide entre n-1 en lugar de n,
se tiene la varianza muestral)
7. 5 FUNCIÓN GENERADORTA DE MOMENTOS: f.g.m.
Son funciones de las v.a. que generan los momentos mencionados
anteriormente, después de derivarlo r veces respeto a t e igualar esta
derivada a cero. Son bastante útiles para obtener los indicadores
estadísticos.
Definición:
Sea X una v.a. discreta con función de cuantía P(x). a la función Mx,
llamada función generadora de momentos de X, se define como la
siguiente expresión:
e tx
Mx(t) = = P (x ) = e tx P ( x i ) (es la forma más general)
i
x i 1
Si X es una variable continua con función de densidad f(x), se define a la
función generadora de momentos a la siguiente expresión:
e
tx
Mx(t) = f ( x ) dx
Ejemplo Nº 1:
Obtenga la f.g.m. de la distribución binomial.
Solución:
n
tx n x xn n t x nx
n
Mx(t) = =
x0e x qp xe )( qp
x 0
= ( pe t q ) n
d
E(x) = ( pe t q ) n = n ( pe t q ) n 1 pet
dt
Si t = 0, se tiene:
E(x) = np
Ejemplo Nº 2:
Obtenga la f.g.m. de la distribución de Poisson
Solución:
e tx e x
(e t ) x
Mx(t) =
x o x !
e
x 0 x !
e e e t =
t
e ( e 1)
d t t
e ( e 1) = e ( e 1) e
t
E(x) =
dt
Haciendo t = 0 se tiene:
E(x) =
Ejemplo º 3:
Obtenga la f.g.m de la distribución exponencial:
Solución:
e e dx = e
tx x x ( t )
Mx(t) = dx
0 0
Esta integral converge si y solo si t <, por lo tanto la f.g.m. existe sólo si
se cumple esta condición.
Haciendo y = x(-t) dy = (-t)dx
t
y
Mx(t) = e dy =
0
t
d 1
E(x) = ( )= (1 t / ) 2
dt t
Haciendo t = 0, se tiene:
E(x) = 1/
7. 6. PROBLEMAS PROPUESTOS
1.- Determinar el área bajo la curva normal:
a) a la izquierda de z= -1,75
b) a la izquierda de z = 0,58
c) a la derecha de z = 1.645
d) a la derecha de z = 1,96
e) entre -1,28 y 2,33
Rpta. a) 0,04 b) 0,719 c) 0,05 d) 0,025 e) 0,8898
5.- Suponga que X tiene distribución normal con una media igual a 5 y
una = 4. Obtenga el valor de a para las siguientes expresiones:
a) P(x > a) = 0,65
b) P(x < a) = 0,98
c) P(a < x < 9) = 0,25
d) P(–a < x < a) = 0,99
Rpta. a) 3,46 b) 13,22 c) 5,9236 d) -5,3 y 15,3
9.- El tiempo de vida útil de ciertas baterías para camión, tiene una
distribución normal con media de 38 meses y una = 2 meses. Si la
compañía no desea reemplazar más del 5% de las baterías, ¿qué
tiempo de garantía debe dar?
Rpta. 34,08 meses.
10.- Una fábrica harinera ensaca harina en sacos de tela, cuyo peso tiene
una distribución normal con una media de 50 kg. Y una =0,75 kg.
Sise compra un saco de harina,¿cuál es la probabilidad de que pese:
a) más de 52 kg?
b) menos de 49 kg.?
Rpta. a) 0,00379 b) 0,09176
13.- El diámetro del punto ocasionado por una impresora en una copia
tiene una distribución normal con media de 0,002 cm. y una =
0,0004 cm.¿Cuál es la probabilidad de que el diámetro del punto:
a) sea mayor a 0,0026 cm.?
b) esté entre 0,0014 y 0,0028 cm?
Rpta. a) 0,06681 b) 0,91044
14.- Suponga que la cantidad real de café instantáneo colocada por una
máquina llenadota de frascos de 6 onzas es una v.a. que tiene una
distribución normal con = 0,05 onzas. Si sólo el 3% de los frascos
van a contener menos de 6 onzas de café, ¿cuál debe ser el contenido
medio de estos frascos?
Rpta. 6,094 onzas.
38.- Si los pesos de 480 madres gestantes en una ciudad tienen una
distribución normal con un promedio de 62 kg. y una desviación
estándar de 3 kg. ¿Cuántas madres gestantes tendrán entre 55 y 65
kg. de peso?
Rpta. 399 madres
45.- En una región del país el porcentaje medio del ingreso ahorrado por
las familias es del 9,8% con una desviación estándar del 0,75% si los
porcentajes de ahorro siguen una distribución normal, ¿qué
proporción de familias ahorran menos del 9%?
Rpta. 0,14231
47.- El gerente de crédito de una tienda estima las pérdidas por deudas
impagos de la forma siguiente: La pérdida tiene una distribución
normal con media de 30000 soles y hay una probabilidad de 0,5 de
que sea mayor a 35000 soles o menor de 25000 soles, ¿cuál es la
probabilidad de que la pérdida supere los 40000 soles?
Rpta. 0,08851
55.- Suponga que cada bolsa de cemento mezclado con arena y piedra
chancada llena en promedio 4 m2 de techo, con una desviación
estándar de 1,1 m2, asumiendo independencia en el rendimiento de
cada bolsa de cemento, si se va a llenar un techo de 188 m 2.
¿Cuántas bolsas de cemento serán necesarias como mínimo para que
con una probabilidad de: a) 0,85 y b) 0,95 se logre llenar el techo?
Rpta. a) 49 bolsas. b) 50 bolsas.
59.- Si la distribución del peso de las cajas que una ferretería adquiere
tiene una media de 163 libras y una desviación de 18 libras.¿cuál es
la probabilidad de que el peso total combinado de:
a) 36 cajas sea superior a 6000 libras?
b) 25 de esas cajas sea inferior a 4000libras?
a) 0,88877 b) 0,79673
71.- los sacos de arroz pesan en promedio 50 kg. y tiene una varianza de
0,64 kg2, además se supone que el peso tiene una distribución
normal, calcule la probabilidad de que un saco de arroz escogido al
azar de un almacén pese:
a) más de 51 kg.
b) menos de 49,5 Kg.
Rpta. a) 0,10565 b) 0,267
82.- El tiempo requerido para ensamblar una pieza mecánica es una v.a
que tiene una distribución normal con media de 13 mn. Y una = 2
mn. Calcular la probabilidad de que el tiempo de ensamblado de una
pieza determinada sea:
a) superior a 11,5 minutos.
b) almenos de 10 minutos.
Rpta. a) 0,77337 b) 0,84134
105.- Dos marcas de focos A y B tienen una durabilidad de hrs. Que son
N(1400, 40000) y N(2000, 62500) respectivamente, si se prueba la
vida de una de las pilas correspondiente a cada uno de las marcas de
pilas, ¿cuál es la probabilidad de que el foco de:
a) marca A dure mas que el de la marca B?
b) marca B dure mas que el de la marca A?
rpta. a) 0,0307 b) 0,9693
108.- Una fábrica produce neumáticos cuya vida útil es una v.a. que se
distribuye normalmente con una media de 85000km y una = 7500
km. ¿Con qué probabilidad se puede afirmar que un neumático
dure:
a) más de 95000 km?
b) entre 7800 y 9800 km?
Rpta. a) 0,0918 b) 0,782
110.- Todos los artículos producidos durante una semana por un proceso
de manufactura, se envía a una empresa comercializadora para su
venta. La empresa aceptará el envío si una m.a. de 40 artículos
revela a lo más el 10% de artículos defectuosos, caso contrario el
envío será rechazado. Calcule la probabilidad de rechazar el envío,
cuando realmente el porcentaje de producción defectuosa de esa
semana es:
a) es del 20%
b) es del 30%
Rpta. a) 0,0571 b) 0,0008
118.- Suponga que las alturas de las mujeres y los varones de una
universidad tienen distribución normal: N(160,25) y N(170,36)
respectivamente. Si se selecciona una estudiante y un estudiante al
azar, ¿Cuál es la probabilidad de que la estatura de la estudiante sea
mayor que el del estudiante?
Rpta. 0,10
120.- Suponga que las varillas de fierro cortadas por una máquina tienen
la misma probabilidad de estar comprendidas (tienen distribución
uniforme) en el intervalo 9,35 a 945 m. cuando la longitud de cada
varilla es exactamente 9,4125 m. la varilla pesa exactamente 8 kg.
si las longitudes de las varillas son independientes, calcule la
probabilidad de que 40 varillas pesen almenos 320 kg.
Rpta. 0,0031
126.- Se sabe que la leche gloria envasada en latas tiene en promedio 410
gr. y una varianza de 25 gr.2,un inspector escoge una caja de 48 latas
y quiere saber la probabilidad de que el peso de la caja esté entre
19600 y 19700 gr. ( se desprecia el peso de la caja de cartón)
Rpta. 0,7086
127.- Se tiene 80 componentes electrónicos, se les usa uno por uno, tan
pronto falle uso se usa el otro; es decir, se reemplaza por otro, se
sabe que si la vida de estos componentes se distribuye
exponencialmente con un parámetro igual a 0,1 por hora. Sea Yn el
tiempo total de operación de los 80 componentes, ¿cuál es la
probabilidad de que Yn exceda las 900 hr.?
Rpta. 0, 13136
Definición:
Se denomina distribución muestral, a la distribución de probabilidades de
un estadígrafo calculado a partir de todas las posibles muestras de tamaño
n elegidas al azar de una población determinada. En caso de que la
población sea infinita, se considerará la distribución muestral como una
distribución teórica, pues no es posible extraer todas las muestras
posibles.
Cuando se estudia una distribución muestral, lo más importante es
conocer su forma funcional f(x), su esperanza y varianza y los usos que
se puedan dar.
x = /n
2
2
Varianza:
x = n
2
N n 2
) (
N 1
N n N n n lim n
Pues 1 (1 - ) 1
N 1 N N N N
Ejemplo Nº 1:
_
Sea x la media muestral de una muestra aleatoria de tamaño 16, de la
v.a. cuya función de densidad está dado por la siguiente expresión:
Ejemplo Nº 2:
Cierta marca de neumáticos tiene una vida útil media de 21000 km con
una = 800 km., suponiendo que la vida media de los neumáticos están
distribuidos normalmente, ¿cuál es la probabilidad de que la vida media
de 64 neumáticos escogido aleatoriamente duren:
a) menos de 20900 km.?
b) más de 21300 km.?
c) entre 20800 y 21250km.?
Solución:
_
a) P( x < 20900) = P(z < z1) = P(z < -1) = 0,1587
(20900 21000) 64
Donde z1 = 1
800
_
b) P( x > 21300) = P(z > z2) = P(z > 3) = 0,0013
(21300 21000) 64
Donde z2 = 3
800
c) P(20800 < x < 21250) = P(z3 < z < z4) = P(-2 < z < 2,5) = 0,971
Donde:
( 20800 21000) 64
z3 = 2 z =
800
(21250 21000) 64
2,5
800
Ejemplo Nº 3:
Las llamadas de larga distancia telefónicas tienen distribución normal con
media igual a 8 mn. y una = 2mn., si se selecciona una m.a. de 25
llamadas, ¿qué proporción de las llamadas estarían entre 7,8 y 8,2 mn?
Solución:
_
P(7,8 < x < 8,2) = P(z1 < z < z2) = P( -0,5 < z < 0,5) = =,0,38292
Donde:
(7,8 8,00) 25 (8,2 8,00) 25
z1= 0,5 z2= 0,5
2 2
Ejemplo Nº 4:
Un fabricante de equipos electrónicos recibe semanalmente un
cargamento de 20000 pilas de 1,5 voltios, para decidir si acepta o rechaza
el cargamento utiliza la siguiente regla de muestreo, mide la vida útil de
36 pilas de cada cargamento, si la vida media de la muestra es de 50 o
más hrs. acepta el cargamento, caso contrario lo rechaza. ¿Cuál es la
probabilidad de aceptar el cargamento que tiene una vida útil media de:
a) 49 hr. y una = 3 hr.?
b) 50,5 y = 3 hr.?
Solución:
_
a) P( x > 50) = P(z > z1) = P(z > 2) = 0,0228
(50 49) 36
Donde: z1 = 2
3
_
b) P( x > 50) = P(z > z2) = P(z > -1) = 0,8413
(50 50,5) 36
Donde. z2 = 1
3
Ejemplo Nº 5:
De una población normal que corresponde a una tienda comercial con 10
clientes en promedio por hora y una = 2 clientes por hora, calcule la
probabilidad de que una muestra de 4 horas haya más de 48 clientes en la
tienda.
Solución:
Sean x1, x2, x3, x4 las 4 hrs. seleccionadas entonces la probabilidad
buscada será:
P(x1 + x2 + x3 + x4 > 48)
_
P(x1 + x2 + x3 + x4)/4 > 48/4 = P( x > 12) = P(z > z1)
= P(z > 2) = 0,0228
Donde:
(12 10) 4
z1 = 2
2
Ejemplo Nº 6:
Un investigado quiere estimar la media de una población, utilizando una
muestra suficientemente grande para que la probabilidad de que la media
muestral no difiera de la media poblacional en más del 25% de la
desviación estándar sea 0,95, ¿qué tamaño debe tener la muestra para
cumplir con lo indicado?
Solución:
_
P( x - 0,25) = 0,95
_
P(-0,25 ( x - ) 0,25) = 0,95
Dividiendo entre / n se tiene
P(-0,25 n z 0,25 n ) = 0,95
P(z 0,25 n ) = 0,975
F(0,25 n ) = 0,975
0,25 n = 1,96
n = 62
Ejemplo Nº 7:
Las calificaciones en un examen de selección de personal en las empresas
de una ciudad tienen una media de 72 pts. y una 0 10 pts. ¿Qué tan
grande debe ser el tamaño de la muestra de los postulantes para que
tengan un 10% de posibilidad de que la calificación promedio sea inferior
a 70 pts.?
_
solución: P( x < 70) = P(z < z1) = 0,10
(70 72) n
Donde: z1 = 0,2 n 1,28
10
n = 41
Ejemplo Nº 8:
En una partida grande de pilas eléctricas la vida útil de ellas tienen
distribución normal con media de 500 hr., se sabe que el 90% de las pilas
tienen una vida útil comprendida entre 473,68 y 526,32 hr. Si se escoge
una muestra aleatoria de 100 pilas de este grupo. ¿Cuál es la probabilidad
de que la media de esta muestra sea superior a 504hr.
Solución:
P(473,68 < x < 526,32) = 0,90
P(z1 < z < z2) = 0,90
P(-1,645 < z < 1,645) = 0,90
526,32 500,00
z= 1,645 16
_
P( x > 504) = P(z >z1) = P(z > 2,5) = 0,0062
(504 500) 100
Donde z1 = 2,5
16
Ejemplo Nº 9:
Considere una población finita compuesta por los números 1, 2, 3, 4, 5,
escoja todas las muestras posibles de tamaño 3 y demuestre que la media
y la varianza son las dadas en la definición.
Solución:
Nº Muestra
xi (
x i - 3)
2
-------------------------------------------
1.- 1, 2, 3 2,0 9/9
2.- 1, 2, 4 7/3 4/9
3.- 1, 2, 5 8/3 1/9
4.- 1, 3, 4 8/3 1/9
5.- 1, 3, 5 9/3 0/9
6.- 1, 4, 5 10/3 1/9
7.- 2, 3, 4 3,0 0/9
8.- 2, 3, 5 10/3 1/9
9.- 2, 4, 5 11/3 4/9
10.- 3, 4, 5 4,0 9/9
------------------------------------------
Total 30 30/9
= (1 + 2 + 3 + 4 + 5)/5
=3
5
=
2 ( X 3)
X 1
2
=2
5
ux
= 30/10 = 3
x = (30/9)/10 = 1/3
2
x = 23((55 13)) 1 / 3
2
up =P
2
= PQ/n, a su vez:
p
Z = ( p - P)/ PQ / n N(0,1)
Lo enunciado anteriormente se cumple si la población es indinita o
bastante grande respecto a la muestra o cuando el muestreos es con
reemplazo.
Si el muestreo es sin reposición y la población es finita, la distribución
de la proporción es hipergeométrica, por su parte la varianza tiene su
factor de corrección para poblaciones finitas, tal como sigue:
PQ N n
2
= ( )
p n N 1
Cuando n es pequeña, se puede obtener aproximaciones normales
introduciendo el factor de corrección de continuidad (1/2n) en la variable
aleatoria z, en lugar del ½, porque en este caso la proporción es la v.a X
dividida entre n.
Ejemplo Nº 1:
Una firma de pedidos por correo sabe por experiencias anteriores que de
las circulares que encía por correo, solo el 10% tendrá respuesta. Si se
envía 20 circulares como prueba de mercado a una nueva región del país.
Calcular la probabilidad de que menos el 20% de los circulares sean
respondidos, asimismo que contesten entre el 20% y el 30% de los
circulares.
Solución:
a) P( p < 0,2) = P(z < z1) = P(z < 1,12) = 0,8686
0,2 1 / 40 0,1
Donde: z1 = 1,12
(0,1)(0,9) / 20
b) P(0,2 < p < 0,3) = P(z1 < z < z2) = P(1,86 < z < 2,61) = 0,0269
0,2 1 / 40 0,1
Donde z1 = 1,86 z2 =
(0,1)(0,9) / 20
0,3 1 / 40 0,1
2,61
(0,1)(0,9) / 20
Ejemplo Nº 2:
En una población de 5 archivos, la proporción de los que están
incorrectamente llenados es igual a 0,2. se va a elegir una muestra de 3
archivos, hallar la probabilidad de que la proporción en la muestra sea
p = 1/3.
Solución:
Se usará la aproximación a la normal con el factor de continuidad
P( p < p < p ) = P( p <1/3< p ) = P(1/6 < p < 1/2)
1 2 1 2
=P(z1<z<z2)
1 1 1 1 1 3 1
Donde: p = p =
1 3 2 x3 6 2 3 2 x3 6 2
1/ 6 1/ 5 1 / 2 1 / 5
z1 = 0,15 z2 = 1,3
(0,2)(0,8) / 3 ( 0,2)(0,8) / 3
P(-0,15 < z < 1,3) = 0,46282
Nota.- Un resultado más próximo a la realidad se obtendrá usando el
factor de corrección para poblaciones finitas; esto es:
PQ N n (0,2)(0,8) 5 3
2
= ( ) = ( ) = 2/75 = 0,1633
p n N 1 3 5 1
z1 = -0,204 z2 = 1,837
P(-0,20 < z < 1,84) = 0,54638
Por otro lado, la probabilidad verdadera se obtendrá usando la
distribución hipergeométrica, tal como sigue:
14
P(x=1) =
12 = 0,6
5
3
Puesto p = 1/3 en una muestra de tamaño 3 indica que el número de
archivos incorrectos es uno y P = 1/5, de una población de tamaño 5,
implica que hay un archivo incorrecto de 5, en consecuencia hay 4
archivos correctos en la población y 2 en la muestra.
Ejemplo Nº 3:
Un fabricante de desodorantes recibe cada mes lotes de 10000 válvulas
para los botes rociadores, para aceptar o rechazar dichos lotes, ha
instituido la siguiente regla de decisión, se selecciona al azar 400 válvulas
de cada lote, si el 2% o más resultan defectuosos se rechaza el lote, en
caso contrario se acepta el lote. ¿Cuál es la probabilidad de rechazar un
lote que contenga el 1% de válvulas defectuosas?
Solución:
P( p >0,02) =P(z> z1) = P(z > 2,01) = 0,0222
0,02 0,01
Donde z1 = 2,01
(0,01)(0,99) / 400
Ejemplo Nº 4:
Considere una muestra de 20 bujías, extraída al azar de un lote de 100
bujías, en donde hay 20 bujías defectuosas. ¿cuál es la probabilidad de
que de que la proporción muestral de bujías no defectuosas sea menor de
0,7?
Solución:
P = 0,8 Q = 0,2
(0,8)(0,2) 100 20
2
= ( 0,006465
p 20 100 1
= 0,0804
P( p < 0,7) = P(z < z1) = P(z < -1,56) = 0,05938
0,7 1 / 40 0,8
Donde z1 = = -1,555
0,0804
Ejemplo Nº 5:
De todos los conductores cuyos autos están equipados con cinturones de
seguridad, sólo el 40% los utiliza cuando conducen, hallar la probabilidad
de que en una muestra aleatoria de 50 conductores:
a) un quinto a lo más los utilicen cuando conducen.
b) un quinto por lo menos los utilicen cuando conducen.
Entre el 30% y el 40% inclusive los utilicen cuando conducen.
Solución:
P = 0,4 Q = 0,6 n = 50
= (0,4)(0,6) / 50 = 0,0693
p
a) P( p 0,2) = P(z z1) = P(z -2,74) = 0, 00307
0,2 0,01 0,4
Donde z1 = 2,74
0,0693
b) P( p 0,2) = P(z z2) = P(z -3,03) = 0,99878
0,2 0,01 0,4
Donde z2 = 3,03
0,0693
c) P(0,3 p 0,4) = P(z3 z z4) = P(-1,59 z 0,14) = 0,50
0,3 0,01 0,4
Donde z3 = 1,587 z4 =
0,0693
0,4 0,01 0,4
0,144
0,0693
8. 3. DISTRIBUCIÓN CHI-CUADRADO: 2
Sean X1, X2, X3,…. Xn , v.a. independientes distribuidas cada una como
N(0,1), entonces la suma de estas variable al cuadrado:
n
x
2
2 = i
i 1
Tiene una distribución Chi-Cuadrado con n grados de libertad, y su
función de densidad está dada por la siguiente expresión:
1
f(x) = X ( n / 2 ) 1e x / 2 x 0
2 n/2
( n / 2)
0 si x < 0
La distribución Chi-Cuadrado es un caso particular de la distribución
gamma cuando los parámetros de la función gamma toman valores
concretos como: = n/2 y = 1/2.
Además:
2 x i
x i
= (
)2
Tiene una distribución Chi-Cuadrado con un grado de libertad.
x n
x =( )
2 i 2
n i 1
Tiene una distribución Chi-Cuadrado con n grados de libertad.
n
x i 2 n x i 2
Por su parte (
i 1
) =(
i 1
) =
n
x i x x 2
(
i 1
)
_ _
2 n
xi x n
x 2( x ) n _
x n
=
(
i 1
) +(
2
i 1
) +
2
i 1
( xi x)
La última sumatoria es cero, en consecuencia se tienen la siguiente
igualdad:
_ _
2 n
xi x n
x
x n
=
(
i 1
) +(
2
i 1
)2
2 2 2
x n
=
x n 1
+
x 1
_
n
xi x ( n 1) S 2
(
i 1
) 2 =
2
es un Chi-Cuadrado con (n-1) grados
de libertad.
PROPIEDADES:
1.- La v.a. Chi-cuadrado es positiva, puesto que es la suma de valores
positivos, por ser cuadrados.
2.- La distribución es del tipo continuo, la forma y la posición depende de
los grados de libertad. Cuando estos grados de libertad (g.l.) son
pequeños la distribución es sesgada hacia la derecha y a medida que
los g.l. aumentan la distribución tiende a una normal. Los g.l. son los
parámetros de la distribución.
3.- Existe una distribución para cada g.l.
4.- El valor esperado de una v.a. Chi-Cuadrado es igual a sus g.l., esto es:
2
E(
x n
)=n
5.- La varianza de la distribución Chi-Cuadrado, es igual al doble de sus
g.l.
2
V(
x n
) = 2n
Debido a que la distribución Chi-Cuadrado es importante, porque es
usado en casos prácticos como en Inferencia estadística en especial en las
pruebas de hipótesis, se ha tabulado su función de distribución para cada
grado de libertad, y éstas se encuentran en las tablas respectivas, para n
30
f(x)
X2
2 2
P(
x >x n 1
)=
2 2
P(
x <x
n 1
) = 1-
Ejemplo Nº 1
Si x es una v.a. X2 con 17 g.l., calcule:
a) P(X2 < 7,56)
b) P(X2 > 27,59)
c) P(6,408 < X2 < 27,59)
Solución:
Usar la tabla correspondiente, ubicar en la columna de los grados de
libertad n= 17, y en dicha columna ubicar los valores dados, luego subir
en forma perpendicular hasta la primera fila o encabezamiento de la tabla
en donde encontrará el correspondiente.
a) P(X2 < 7,56) = P(X2 < X2 0,025) = 0,025
b) P(X2 > 27,59) = P(X2 > X2 0,95) = 1- 0,95 = 0,05
c) P(6,408 < X2 < 27,59) = P(X2 < X2 0,95) – P(X2 < X2 0,01) = 0,95 – 0,01
= 0,94
Ejemplo Nº 2:
Si X es una v.a. Chi-Cuadrado con 25 g.l., calcular:
a) P(X2 < 44,314)
b) P(X2 < 11,524)
c) P(X2 > 37,65)
c) P(10,52 < X2 < 46,93)
Solución:
Haga lo mismo que el caso anterior.
a) P(X2 < 44,314) = P(X2 < X20,99) = 0,99
b) P(X2 < 11,524) = P(X2 <X20,01) = 0,01
c) P(X2 > 37,65) = P(X2 > X20,95) = 1 – 0,95 = 0,05
d) P(10,52 < X2 < 46,93) =P(X20,005 < X2 < X20,995) = 0,995 – 0,005
= 0,99
Ejemplo Nº 3:
Si X es una v.a. con Distribución Chi-Cuadrado con 20 g.l., halle a y b tal
que: P(a < X2 < b) = 0,98, P(X2 a) = 0,01
Solución:
P(X2 a) = 0,01 P(X2 X20,01) = P(X2 8,26) a = 8,26
P(a < X2 b) = P(X2 b) - P(X2 a) = 0,98
= P(X2 b) - 0,01 = 0,98
= P(X2 b) = 0,99
P(X X 0,99) = 0,99 P(X2 37,57) = 0,99 b = 37,57
2 2
Ejemplo Nº 4:
Sean X1, X2, X3, X4, X5, una m.a. de tamaño 5 de una v.a. con distribución
Chi-Cuadrado con 10 g.l. Hallar la probabilidad de que exactamente 3 de
los 5 valores muestrales excedan a 18,31
Solución:
P(X2 > 18,31) = P(X2>X20,95) = 1 – 0,95 = 0,05,luego:
5 3 2
P(y = 3) =
(0, 5) (0,95) =0,00113 donde Y representa el número de valores
3
muestrales superiores a 18,31
Ejemplo Nº 5
Si X es una v.a. X2 con 23 g.l. hallar:
a) P(X2 > 35, 172)
b) P(X2 18,13)
c) P(X2 > 30)
d) P(13,1 <X2 < 38, 1)
Solución:
a) P(X2 > 35, 172) = 1 – 0,95 = 0,05
b) P(X2 18,13) = 0,25
c) P(X2 > 30) = 1 - P(X2 30) =1 - 0,844 = 0,156
2
Z = 2 xn - 2n 1 N(0,1), en consecuencia:
2 1
x 1
=
2 z1
( 2 n 1 )2
Ejemplo Nº 6:
Si n = 61
2
x 0 ,1
= (1/2(-1,28 + 2(61) 1 )2 = 47,24
2
x 0 , 025
= (1/2)(-1,96 + 11)2 = 40,86
2
x 0 , 99
= (1/2)(2,33 + 11)2 = 88,84
2
x 0 , 95
= (1/2)(1,645 + 11)2 = 79,95
2
x 0 , 975
= (1/2)(1,96 + 11)2 = 83,98
Si n = 41
2
x 0 , 01
= (1/2)(-2,33 + 2( 41) 1 )2 = 22,24
2
x 0 , 975
= (1/2)(1,96 + 9)2 = 60,6
2
x 0 , 99
= (1/2)(2,33 + 9)2 = 64,18
8. 4. DISTRIBUCIÓN T DE STUDENT
Sea Z una v.a. estandarizada y distribuida normalmente con media cero y
varianza uno: N(0,1), y sea Y otra v.a. con distribución Chi-Cuadrado,
con n g.l., donde la v.a. T dado por la siguiente expresión:
Z Z n
T=
Y /n Y
Tiene un distribución t de Student simplemente es una t con n g.l., cuya
función de densidad está dada por la siguiente expresión:
n 1
( )
f(t) = 2 t2 tR
(1 ) ( n 1) / 2
n (n / 2) n
En una sección anterior, se mencionó que la v.a. ( x -) n / tiene una
distribución N(0,1) y además que la v.a. (n-1)S 2/2 tiene una distribución
Chi-Cuadrado con (n-1) g.l. por lo tanto la v.a.
_
(x ) n
n 1 _
T=
Z
Z n
= = ( x ) n
Y /n Y ( n 1) S 2 S
2
PROPIDADES:
1.- La v.a. t toma valores positivos y negativos, puesto que la v.a. Z
puede tomar valores positivos y negativos.
2.- La distribución t, es continua y simétrica alrededor de su valor central
cero, es un poca mas achatada que la normal estandarizada.
3.- la distribución t tiene un solo parámetro que es n; es decir, sus g.l.,
asociada a la v.a. X2 del denominador de su expresión.
4.- El valor esperado de la distribución t es igual a cero E(x) = 0 n>1
5.- La varianza de la v.a. t es igual a V(x) = n/(n-2) n>2
Ejemplo Nº1
Si t es una v.a. con 10 g.l. halle t1- tal que:
a) P(t < t0,95) = 0,95
b) P(t > t0,10) = 0,90
c) P(t0,05 < t < t0,99) = 0,94
Solución:
a) P(t < t0,95) = 0,95 t0,95 = 1,812
b) P(t > t0,10) = 0,90 1 – P(t <t0,10)
puesto que t = - t1- t0,10 = - t0,90
t0,90 = - t0,10 t0,90 = 1,372 t0,10 = -1,372
c) P(t0,05 < t < t0,99) = 0,94 = P(t< t0,99) – P(t< t0,05) = 0,99 – 0,05 = 0,94
t0,99 = 2,764 t0,05 = -1,812
Ejemplo Nº 2:
Si t es una v.a. con 15 g.l., halle t1- para las siguientes expresiones:
a) P(t > t0,95) = 0,05
b) P(t < t0,10) = 0,10
c) P(t0,01 < t < t0,99) = 0,98
Solución:
a) P(t > t0,95) = 0,05 1 – P(t t0,95) t0,95 = 1,753
b) P(t < t0,10) = 0,10 = P(t > t0,90) = 1 – P(t t0,90) t0,90 = 1,341
t0,10 = - 1,341
c) P(t0,01 < t < t0,99) = 0,98 = P(t < t0,99) – P(t < t0,01) = 0,99-0,01 = 0,98
t0,99 = 2,602 t0,01 = -2,602
Ejemplo Nº 3:
Si la v.a. t tiene 20 g.l. halle (1-) para la siguientes expresiones:
a) P(t < 2,528)
b) P(t > -2,086)
c) P(t < -1,725)
d) P(-2,845 < t < 2,845)
Solución:
a) P(t < 2,528) = 0,99 t0,99 = 2,528
b) P(t > -2,086) = P(t < 2,086) = 0,975 t0,975 = 2,086
c) P(t < -1,725) = P(t > 1,725) = 1 – P(t 1,725) = 0,05
t0,95 = 1,725
d) P(-2,845 < t < 2,845) = P(t < 2,845) – P(t < -2,845)
= P(t < 2,845 – 1 + P(t < 2,845
= 2 P(t < 2,845 – 1
t0,995 = 2,845
P(-2,845 < t < 2,845) = 2(0,995) – 1 = 0,99
Ejemplo Nº 4:
Sea t una v.a. que tiene una distribución t con varianza 1,1 calcular
P(-2,074 < t < 2,819)
Solución:
P(-2,074 < t < 2,819) = P(t < 2,819) – P(t < -2,074)
= P(t < 2,819) -1 + P(t < 2,074)
Para obtener lo grados de libertad se usará la varianza; es decir, 1,1 = n/
(n-2) n = 22, luego usando la tabla se tiene:
P(t < 2,819) = 0,995; P(t < 2,074) = 0,975
P(-2,074 < t < 2,819) = 0,995 – 1 + 0,975 = 0,97
Ejemplo Nº 5:
Sea t una v.a. que tiene distribución t con 18 g.l. hallar el valor de la
constante k tal que: P( t < k) = 0,95
Solución:
P( t < k) = 0,95 = P(-k < t < k) = P(t < k) – P(t < -k)
= P(t < k) – 1 + P(t < k)
= 2 P(t < k) – 1
1.95 = 2 P(t < k) 0,975 = P(t < k) k = 2,101
8. 5. DISTRIBUCIÓN F
En muchas ocasiones es de interés evaluar o comparar las varianzas de
dos v.a. independientes distribuidas normalmente, esta relación será
asumida por una distribución llamada F de Fisher.
Definición:
Sean U y V dos v.a. independientes que tienen distribuciones Chi-
Cuadrado con n y m g.l. respectivamente, entonces la v.a.
U /n
F=
V /m
Tiene una distribución F con n y m g.l. En el que además n son los g.l del
numerador y m son los g.l. del denominador. La función de densidad de
la v.a. F está dada por lo siguiente expresión:
n m n / 2 m / 2 ( n / m ) 1
( )n m x
f(x) = 2 x0
(n / 2)(m / 2)(n m) ( n m ) / 2
0 x<0
F, n,m =
1
F 1 , m , n
Nota Nº 3: La varianza muestral S2 es una v.a. que tiene una distribución
Chi-Cuadrado, algo abultada con media 2 y varianza igual a 2 4/(n-1)
Demostración:
E(S2) = 2
( n 1) S 2
= n 1 luego
2
Sabemos que
2
S 2 = n 1 2/ (n-1)
2
PROPIEDADES:
1.- La v.a toma sólo valores positivos, puesto tanto el numerador como el
denominador son valores positivos.
2.- la distribución depende de dos valores n y m que son los g.l. y vienen
a ser los parámetros de la distribución.
3.- para valores pequeños de n y m la distribución es asimétrica con
sesgo hacia la derecha (cola superior), pero a medida que los g.l
aumentan la distribución tiende a la normal.
4.- La esperanza matemática es E(x) = m/(m-2) m > 2 (g.l. del
denominador)
5.- la varianza de la distribución viene expresado como sigue:
2 m 2 ( n m 2)
V(x) = m>4
n(m 2) 2 (m 4)
Los valores de F1- están tabulados para cada n y m g.l. puesto que la
evaluación de la función de densidad y distribución son bastante
complicadas, estos valores se encuentran en la tabla correspondiente
como valores de la función de distribución para un n y un m dados.
Ejemplo Nº 1:
Sea x una v.a. que tiene distribución f con n = 10 y m = 12 g.l., halla los
valores de F1- para las siguientes expresiones:
a) P(x < F0,95) = 0,95
b) P(x > F0,99) = 0,01
c) P(F0,10 < F < F0,90) = 0,80
Solución:
a) F0,95 = F0,95,10,12 = 2,75
b) P(x > F0,99) = 1 – P(x F0,99)
F0,99,10,12 = 4,3
c) P(F0,10 < F < F0,90) = P(x < F0,90) – P(x < F0,10) = 0,80
1 1
F0,10 = F0,10,10,12 = 0,438
F 0,90,12,10 2,28
F0,90 = F0,90,10,12 = 2,19
Ejemplo Nº 2:
Sea X una v.a. que tiene una distribución F con n = 12 y m = 10 g.l.,
hallar los valores de F1- para las siguientes expresiones:
a) P(x < F0,95) = 0,95
b) P(x > F0,99) = 0,01
c) P( F0,10 < F < F0,90) = 0,80
Solución:
a) P(x < F0,95) = 0,95
F0,95 = F0,95,12,10 = 2,91
b) P(x > F0,99) = 0,01 = 1 – P(x F0,99)
F0,99 = F0,99,12,10 = 4,71
c) P(F0,10 < F < F0,90) = P(x < F0,90) – P(x < F0,10) = 0,80
1 1
F0,10 = F0,10,12,10 = 0,4566
F 0,90,10,12 2,19
F0,90 = F0,90,12,10 = 2,28
Ejemplo Nº 3:
Hallar los valores de las constantes a y b tales que n y E(x)
correspondientes a una distribución F son 5 y 1,5 respectivamente,
además P(a < F < b) = 0,95 y P(F < b) = 0,975.
Solución:
P(a < F < b) = P(x < b) – P(X a)
0,95 = 0,975 - P(X a)
P(X a) = 0,975 – 0,95 = 0,025
N = 5, 1,5 = m/(m-2) m = 6
b = F0,975,5,6 = 5,99
1 1
a = F0,025,5,6 = = 0,143
F 0 ,975, 6,5 6,98
Ejemplo Nº 4:
Sea X1, X2, X3,…. X10, una m.a. de una v.a. F con 8 y 10 g.l., hallar la
probabilidad de que almenos 2 de estos valores exceden a 5,06
Solución:
En primer lugar obtendremos P(F> 5,06)
F1-,8,10 = 5,06
P(F> 5,06) = 1 – P(F 5,06) =
P(F 5,06) = 1 - = 0,99 = 0,01
P(y 2) = 1 – P(y 1)
Donde Y es la v.a. tal que F > 5,06
10 0 10
P(y=0) =
(0,1)(0,9) 0,943821
0
10 1 9
P(y =1) =
(0, 1) (0,9 ) = 0,91352
1
P(y 1) = 0,9957
P(y 2) = 1 – 0,9957 = 0,0043
8. 6. PROBLEMAS PROPUESTOS:
1.- Un lote de 1000 comidas para pollo tiene un peso medio cada uno de
12 onzas y una = 0,6 onzas, ¿cuál es la probabilidad de que el peso
medio de una muestra de aleatoria de 100 unidades y sin reposición
sea:
a) menor de 11,9 onzas?
b) mayor de 11,95 onzas?
c) entre 11,9 y 11,95 onzas?
Rpta. a) 0,0392 b) 0,8106 c) 0,1502
3.- Una máquina produce piezas metálicas en forma cilíndrica con una
media de 1,0 cm. y una = 0,023 cm.; se cambiará el proceso si una
muestra de 5 pieza tenga un promedio superior a 1,02 cm. Halle la
probabilidad de cambiar el proceso.
Rpta. 0,026
8.- Los alambres de acero producidos por cierta fábrica tienen una
resistencia media a la tracción de 500 lb. Y una = 20 lb. Si se extrae
una m.a. de 100 alambres de los 100000 alambres producidos, ¿cuál
es la probabilidad de que la media de la muestra difiera al verdadero
promedio en sólo 4 lb.?
Rpta. 0,9544
9.- El consumo promedio de electricidad en una vivienda es de 180 kw
por mes con una = 16 kw. Si se tiene el consumo de un año como
una m.a de consumo de la vivienda, ¿Cuál es la probabilidad de que el
consumo medio de la muestra sea interior a 170 kw.?
Rpta. 0,0152
17.- Una fábrica produce artículos cuyo peso promedio es de 350 gr. con
una = 4 gr. Un comprador escoge 9 artículos, ¿cuál es la
probabilidad de que el promedio de pesos de estos artículos estén
entre 348 y 353 gr.?
Rpta. 0,921
20.- Una máquina produce tornillos con un peso medio de 10 gr. y una
0 2,5 gr. se obtiene una muestra de 25 tornillos, ¿cuál es la
probabilidad de que el peso promedio de la muestra sea superior a
9gr.?
Rpta. 0,97725
24.- Se sabe que el 30% de las plantas de durazno están infectadas por
una enfermedad, ¿cuál es la probabilidad de que en una muestra de
16 plantas:
a) Más del 40% de dichas plantas estén infectados?
b) menos del 35% de las plantas muestreadas estén infectadas?
Rpta. a) 0,19215 b) 0,32997
25.- Se sabe que el 40% de los efectos que produce el consumo de aire
contaminado es nocivo para la salud, para confirmar esto se escoge
una muestra de 9 casos, calcular la probabilidad de que de esta
muestra almenos:
a) el 30% sea nocivo.
b) el 50% sea nocivo.
Rpta. a) 0,72907 b)0,27093
27.- En base a datos pasados, se sabe que el 30% de las compras con
tarjetas de crédito en una tienda comercial son por cantidades
superiores a los 100 dólares, si se selecciona una m.a. de 100
compras,¿qué proporción de las compras es posible que tengan:
a) entre el 20% y el 30% de compras mayores a los 100 dólares?
b) entre el 25% y el 35% de compras mayores a los 100 dólares?
Rpta. a) 0,50 b) 0,9827
31.- Se sabe que el 2% de las piezas producidas por cierta máquina son
defectuosos, ¿cuál es la probabilidad de que en una muestra de 400
piezas sean defectuosos:
a) 3% o más?
b) 2% o más?
Rpta. a) 0,1056 b) 0,5714 (con factor de corrección 1/2n)
34.- Del profesorado de cierta universidad el 20% son doctores, del cual
se selecciona una m.a de 50 profesores, calcule la probabilidad de
que en la muestra haya:
a) más del 25% de profesores con el grado de doctor?
b) menos del 18% de profesores con el grado de doctor?
Rpta. a) 0,1894 b) 0,363
BIBLIOGRAFÍA
1.- ALEMANI R. BOU G. PONS J. SANSÓ A (2000). Estadística
cuestiones tipo test. Edit. Gestión 2000. S.A. Barcelona-España.
2.- ALFONSO LOPES, Paulo(2002).Probabilidad y Estadística. Edit.
prentice Hall. Bogotá-Colombia.
3.- CÓRDOVA ZAMORA, Manuel (2001). Estadística: Descriptiva e
Inferencial. Edit. MOSHERA. Lima-Perú.
4.- CHOU YA- Lung (2001). Análisis Estadístico. Edit. Interamericana.
México.
5.- DEVORE JAY L.(2005). Probabilidad y Estadística para Ingeniería
y Ciencias. Edit. Thomson. México.
6.- EVANS M. ROSENTHAL J.(2005). Probabilidad y Estadística. Edit.
Reverté. Barcelona-España.
7.- FREUND J, WILLIAMS F. Y PERLES B.(2001). Estadística para la
administración. Con enfoque moderno. Edit. Prentice Hall
Internacional. México.
8.-KASMIER Leonard.(2001). Estadística Aplicada a la Administración
y Economía. Edit. Mc Graw Hill. México.
9.- KOHLER, Heinz (1996) Estadística para negocios y economía. Edit.
CECSA. México.
10.- MARQUEZ DE CANTU, María José (2003). Probabilidad y
Estadística para ciencias Químico-Biológicas. Edit. Mc Graw Hill.
México
11.- MARTINEZ B. Ciro (2003). Estadística. Edit. Ecoe. Bogotá-
Colombia.
12.-MENDENHALL W. Y SINCICH T.(2004). Probabilidad y
Estadística para ingeniería y ciencias. Edit. Prentice Hall
Hispanoamericano S.A. México.
13.- MILLER I.,FREUND J. y JOHNSON R.(2002).Probabilidad y
Estadística para ingenieros. Edit. Prentice Hall Internacional.
México.
14.-MONTGOMERY D. RUNGER G.(2005). Probabilidad y Estadística
aplicada a la ingeniería. Edit. Limusa-Wiley. México.
15.- MUCHAYPIÑA REYES, Jorge (2004). Estadística y
Probabilidades. Edit. Kano (Lafonte). Lima-Perú.
16.- OBREGÓN S. Iván (2005). Teoría de la Probabilidad. Edit. Limusa.
México.
17.- RENYI Alfred (2003). Cálculo de probabilidades. Edit. Reverté S.A.
Barcelona-España.
18.- ROSS, Sheldon (2004). A First Course in Probability. Edit. Prentice
Hall, New Jersey. USA.
19.- SRINIVASAN S. K. y MEHATA K. M. (2005). Probability and
random processes. Edit. Mc Graw Hill New Delhi- India.
20.- STEEL R y TORRIE J.(2002). Bioestadística. Edit. Mc Graw Hill
Bogotá-Colombia.
21.- WALPOLE R., MYERS R. y MYERS S.(2003). probabilidad y
Estadística para Ingenieros. Edit. Prentice Hall. México.
22.- WEBSTER Allen (2004). Estadística aplicada a la empresa y
economía. Edit. Mc Graw Hill. Madrid-España.
BIBLIOGRAFIA COMPLEMENTARIA
1.- BARRY R. James (1998). Probabilidade: Um curso em nivel
intermediario. Edit Hamburg. Río de Janeiro – Brasil.
2.- BOWKER A y LIEBERMAN G.(1999). Estadística para Ingenieros.
Edit. Prentice Hall Internacional. Bogotá-Colombia.
3.- CORDOVA Z. M. Y PEÑA Q. C.(1999) Estadística: Descriptiva e
Inferencial. Edit. MOSHERA. Lima-Perú.
4.- CHAO, Lincoln (1997). Estadística para Ciencias Administrativas.
Edit. Mc Graw Hill. Bogotá-Colombia
5.- EXEBIO C. Cristóbal (1995). Estadística y Probabilidad. Edit.
Impresiones EXLO. Trujillo-Perú.
6. FELLER, William (1998).Teoría de Probabilidades. Edit Limusa.
México.
7.- GARCÍA ORE, Celestino (1986) Estadística y Probabilidad. Edit.
Martegraf. Lima-Perú.
8.-GMURMANI V.E (1995).Problemas de la Teoría de las
probabilidades y de Estadística matemática. Edit. MIR Moscú-
URSS.
9.- HINES W. y MONTGOMERY D.(1997). Probabilidad y Estadística
para ingeniería y administración. Edit. CECSA. México
10- HOGG R. y CRAIG A.(1996) Introduction to mathematical statistics.
Edit Mac Millan. New Cork-USA.
11.- LAZARO C. Moisés (1990). Probabilidades Edit. Moshera. Lima-
Perú.
12.- LEVIN Richard (1998). Estadística para administradores. Edit.
Prentice Hall Internacional. México.
13.- LIPSCHUTZ Seymour (1991). Teoría y Problemas de Probabilidad
edit. Mc Graw Hill. Bogotá-Colombia.
14.- LIPSCHUTZ Seymour (1992). Matemáticas Finitas. Edit. Mc Graw
Hill. Bogotá-Colombia.
15.- MAISEL, Louis (1998) Probabilidad y Estadística. Edit Fondo
Educativo Interamericano S.A. Bogotá-Colombia
16.-MEYER Paúl L.(1992). Probabilidad y Aplicaciones estadísticas.
Edit. Iberoamericana , Delaware- USA.
17.-MEZA DE CASTILLO, Elizabeth (1994). Probabilidad Edit.
CONCYTEC. Lima-Perú.
18.- MITACC MEZA, Máximo(1998) Tópicos de Estadística Descriptiva
y Probabilidad. Edit. San Marcos. Lima-Perú.
19.- MITACC MEZA, Máximo(1998) Tópicos de Estadística Descriptiva
y Probabilidad. Edit. San Marcos. Lima-Perú.
20.- MOOD A Y GRAYBILL f. (1994). Introducción a la teoría de la
Estadística. Edit Aguilar. Madrid-España.
21.- MOYA R. SARAVIA G. (1998). Probabilidad e Inferencia
Estadística. Edit San Marcos. Lima-Perú.
22.- MODE, Elmer (1998). Elementos de Probabilidad y Estadística.
Edit. Reverté. México.
23.- MURRAY R. Spiegel (1991) Probabilidad y Estadística. Edit. Mc
Graw Hill. Bogotá-Colombia.
24.- PAGANO M. GAUVREAU K.(1993) Principles of Biostatistcs.
Edit. Wadsworth California –USA.
25.-PARZEN Emmanuel(1997).Teoría moderna de probabilidades y sus
aplicaciones, Edit Limusa. México.
26- PROAÑO, Humberto (1997). Estadística aplicada a la
mercadotecnia. Edit. Diana. México.
27.- PUGACHEV V.S. (1983) Introducción a la Teoría de las
Probabilidades. Edit. MIR . Moscú- URSS
28.- SCHEAFER R. y MC CLAVE J. (1998). Probabilidad y Estadística
para ingeniería. Edit. Iberoamérica. México.
29.- WAYNE W. Daniel (1995). Bioestadística. Eddit. Limusa. México.
30.- WENTZEL E. y OWTSCHAROW L (1998). Problemas de cálculo
de probabilidades. Edit. Paraninfo. Madrid-España.
31.- WOODROOFE Michael (1995). Probability with applications Edit.
Internacional student edition. Tokio-Japón.
32.-VELIZ C. Carlos (1993) Estadística: Aplicaciones. Edit. Copias
gráficas S.A. Lima-Perú