ESTAD´ISTICA DISTRIBUCIONES Alberto Luce˜ no Francisco J. Gonz´ alez
Directorio • Tabla de Contenido • Inicio Art´ıculo
c 2003
[email protected] Copyright Actualizado el: 15 de marzo de 2003
Versi´ on 2.00
Tabla de Contenido 2. Distribuciones discretas 3. Distribuciones continuas Soluciones a los Ejercicios
Secci´ on 2: Distribuciones discretas
3
2. Distribuciones discretas Ejercicio 66. Suponiendo que cada beb´e tiene una probabilidad 0,51 de ser var´ on, h´allese la probabilidad de que una familia de 6 hijos tenga: a). Por lo menos un ni˜ no. b).
Por lo menos una ni˜ na.
Ejercicio 67. Si la probabilidad de acertar en un blanco es 1/5 y se hacen 10 disparos de forma independiente, ¿cu´ al es la probabilidad de acertar por lo menos dos veces? Ejercicio 68. Demostrar que si la variable aleatoria X tiene distribuci´on binomial (X ∼ Bin(n, p)), se tiene: µX = np
;
2 σX = npq.
Ejercicio 69. Se lanza una moneda 500 veces. Estimar la probabilidad de que el n´ umero de caras est´e comprendido entre 240 y 260. Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
4
Ejercicio 70. En una regulaci´ on de calles por sem´ aforos, la luz verde est´a encendida durante 15 segundos, la luz ´ ambar 5 segundos y la luz roja 55 segundos. Supongamos que las condiciones de tr´afico inducen variaciones aleatorias en los tiempos de llegada de los autom´oviles, de forma que ”llegar cuando el sem´ aforo est´ a verde” es un suceso aleatorio. Para cinco coches que lleguen en tiempos diferentes e indeterminados, calcular la probabilidad de que: a). solo tres encuentren la luz verde; b).
a lo sumo cuatro encuentren la luz verde;
c).
m´ as de uno encuentre la luz verde.
Ejercicio 71. Una firma de pedidos por correo env´ıa una carta a sus clientes. La probabilidad de que un cliente elegido al azar conteste a esa carta es de p = 0,1. Hallar: a). Distribuci´on de probabilidad del n´ umero X de cartas que debe enviar hasta obtener exactamente 1 respuesta. Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
5
b).
La esperanza y varianza matem´ atica de la variable X.
c).
Distribuci´on de probabilidad del n´ umero Y de cartas que debe enviar para obtener exactamente k respuestas.
d).
La esperanza y varianza matem´ atica de la variable Y .
Ejercicio 72. Una caja con 12 art´ıculos tiene 4 defectuosos. Si se toma una muestra de 3, en un caso con reemplazamiento y en otro sin reemplazamiento, ¿cu´al ser´ a la probabilidad de no incluir art´ıculos defectuosos en la muestra? Ejercicio 73. Se lanza un dado todas las veces necesarias hasta que aparece un 6. Si X mide el n´ umero del lanzamiento en que ocurre. Se pide: a). ¿Qu´e funci´on de probabilidad tiene la variable aleatoria X? b).
Calcular P (X = 3).
c).
Calcular P (X > 4).
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
6
Ejercicio 74. Sea X una variable aleatoria geom´etrica de par´ametro p. Demostrar que: P (X > a + b|X > a) = P (X > b), para cualesquiera constantes positivas a y b. Ejercicio 75. Para controlar la natalidad, un pol´ıtico algo exc´entrico, propone para los nuevos matrimonios la siguiente norma: u ´nicamente podr´an tener hasta un var´ on y como m´ aximo 5 hijos. Sea X la variable n´ umero de hijos y V la variable n´ umero de varones de un matrimonio. Se pide: a). Probabilidad de que un matrimonio solo tenga un hijo. b).
Probabilidad de que un matrimonio tenga k hijos.
c).
N´ umero medio de hijos por matrimonio.
d).
N´ umero medio de varones por matrimonio.
e).
¿Reduce esta norma la frecuencia de varones en la poblaci´ on?
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
7
Ejercicio 76. Tres personas A, B, y C lanzan sucesivamente en el orden A, B, C un dado. La primera persona que saque un 6 gana. Si p es la probabilidad de sacar un 6 y q = 1 − p, ¿cu´ales son sus respectivas probabilidades de ganar? Ejercicio 77. Se lanza un dado todas las veces necesarias hasta obtener dos seises y X mide el n´ umero del lanzamientos hasta que dicho suceso ocurre. Se pide: a). ¿Qu´e funci´on de probabilidad tiene la variable aleatoria X? b).
P (X = 3).
c).
P (X > 4).
Ejercicio 78. Sea X una variable aleatoria binomial negativa N B(k, p). Demostrar que: k q µ= ; σx2 = k 2 . p p Ejercicio 79. Se conoce de estudios anteriores que el tipo de grupo Toc JJ II J I Volver J Doc Doc I
Secci´ on 2: Distribuciones discretas
8
sangu´ıneo de una poblaci´ on se distribuye de acuerdo a los siguientes datos. Grupo Porcentaje
A 43,2
B 14,2
AB 6
O 36,6
En determinada situaci´on de emergencia se necesitan realizar 5 transfusiones del tipo A. Se solicitan voluntarios a la poblaci´ on y se realizan extracciones sucesivas. ¿Cu´ al es la probabilidad de cubrir la emergencia con el d´ecimo donante? Ejercicio 80. Sea X binomial Bin(n, p) y sea Y binomial negativa N B(k, p), demostrar las siguientes relaciones entre ellas: a). P (Y ≤ n) = P (X ≥ k). b).
P (Y > n) = P (X < k).
Ejercicio 81. La centralita telef´ onica de un hotel recibe un n´ umero de llamadas por minuto que sigue una ley de Poisson con media 0,5. Determinar la probabilidad de que en un minuto al azar: Toc JJ II J I Volver J Doc Doc I
Secci´ on 2: Distribuciones discretas
9
a). Se reciba una u ´nica llamada. b).
Se reciban un m´aximo de dos llamadas.
c).
La centralita quede bloqueada, sabiendo que no puede realizar m´ as de 3 conexiones por minuto.
Ejercicio 82. En una gran ciudad se producen 2 incendios anuales por t´ermino medio. ¿Cu´al es la probabilidad de que el pr´oximo a˜ no se produzcan m´as de cuatro? Ejercicio 83. Sea X una variable aleatoria de Poison de par´ametro λ, P o(λ). Demostrar que: µ=λ
;
σx2 = λ.
Ejercicio 84. Se lanza una moneda 500 veces. Hallar la probabilidad de que la frecuencia relativa de caras est´e comprendida entre 0,45 y 0,65. Ejercicio 85. ¿Cu´antas veces habr´ıa que lanzar una moneda regular Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
10
a fin de tener al menos un 95 % de seguridad de que la frecuencia relativa de caras diste a lo m´as 0,1 de la probabilidad te´orica 0,5? Ejercicio 86. ¿Cu´antas veces habr´ıa que lanzar un dado regular a fin de tener al menos un 95 % de seguridad de que la frecuencia relativa de caras diste a lo m´as 0,1 de la probabilidad te´ orica 1/6? Ejercicio 87. Una f´abrica produce art´ıculos defectuosos con una probabilidad del 5 %. ¿Cu´antas tornillos habr´ıa que inspeccionar para tener al menos un 98 % de seguridad de que la frecuencia relativa de tornillos defectuosos fD diste de 0,05 en menos de 0,02? Contestar a la pregunta anterior si la probabilidad real de 0,05 es desconocida. Ejercicio 88. Dos personas juegan a cara o cruz y han convenido en continuar la partida hasta que tanto la cara como la cruz se hayan presentado por lo menos 3 veces. Hallar la probabilidad de que el juego no se acabe cuando se han hecho 10 tiradas. Ejercicio 89. Un test psicot´ecnico comprende 50 preguntas, para cada una existe una u ´nica respuesta correcta sobre 5 posibles. Cada respuesta correcta vale 1 punto. Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
11
a). Si se somete a una persona a este test y responde al azar, hallar la probabilidad de que obtenga cero puntos. b).
Si fuesen 200 personas respondiendo al azar, hallar el n´ umero medio de personas que obtienen 10 puntos.
Ejercicio 90. Una gran empresa celebra, exactamente dentro de un a˜ no, su centenario. La direcci´ on decide que todos los hijos de los trabajadores que nazcan el d´ıa del centenario tendr´ an derecho a una cuenta de ahorro de 5000 euros. Suelen nacer 730 ni˜ nos al a˜ no, es decir, unos 2 por d´ıa. El valor esperado del desembolso a efectuar es de 10000 euros. La direcci´on destina 25000 euros para prevenir alguna desviaci´on. ¿Cu´al es la probabilidad de que esta cantidad resulte insuficiente? Ejercicio 91. El 4 % de las reservas de un vuelo no son utilizadas. Seg´ un esta observaci´on, una compa˜ nia de aviaci´ on vende 75 billetes para 73 plazas. ¿Cu´al es la probabilidad de que todos los pasajeros consigan plaza? Ejercicio 92. Sup´ongase que en un estudio dental sobre ni˜ nos se ha Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
12
obtenido la proporci´on p = 2/3 de la poblaci´ on infantil que tiene alguna caries. Calcular: a). Probabilidad de que haya que examinar 6 ni˜ nos para encontrar uno con caries. b).
Probabilidad de que haya que examinar 15 ni˜ nos para encontrar 5 con caries.
Ejercicio 93. El departamento de matem´ aticas propone un ex´amen de test consistente en 25 cuestiones. Cada cuesti´ on tiene 5 respuestas listadas. Si un estudiante no conoce la respuesta correcta de ninguna cuesti´on y prueba suerte, calcular: a). ¿Cu´ al es el n´ umero esperado de respuestas correctas y su desviaci´on t´ıpica? b).
Suponiendo que cada respuesta acertada vale 1 punto, ¿cu´anto debe valer cada respuesta fallada para que la nota esperada del estudiante que prueba suerte sea nula?
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
c).
13
Si se pasa el examen cuando se responden correctamente 13 cuestiones, ¿cu´al es la probabilidad de que pase el alumno que ha probado suerte?
Ejercicio 94. Se lanza un dado todas las veces necesarias hasta que aparece un 6. Si sabemos que no sali´ o en la primera tirada, ¿cu´al es la probabilidad de necesitar m´ as de 3 lanzamientos? Ejercicio 95. Una caja contiene 100 art´ıculos, de los que 4 son defectuosos. Sea X el n´ umero de art´ıculos defectuosos encontrados en una muestra de 9. a). Hallar P (X = 2). b).
Aproximar la probabilidad anterior por una binomial.
c).
Aproximar la probabilidad anterior por una Poisson.
Ejercicio 96. Sup´ongase que el n´ umero de llamadas telef´onicas que recibe una operadora desde las 9:00 horas hasta las 9:05 horas sigue una distribuci´on de Poisson con λ = 4. Hallar: Toc JJ II J I Volver J Doc Doc I
Secci´ on 2: Distribuciones discretas
14
a). Probabilidad de que la operadora no reciba ninguna llamada al d´ıa siguiente en ese intervalo de tiempo. b).
Probabilidad de que en los dos pr´ oximos dias la operadora reciba un total de 3 llamadas en ese intervalo de tiempo.
Ejercicio 97. Un almac´en suministra un determinado tipo de gr´ ua. El n´ umero de pedidos por d´ıa se ajusta a una distribucci´on de Poisson con par´ametro λ = 2. Tres de estas gr´ uas por lo general se tienen disponibles en el almac´en. Si se piden m´ as de tres, el comprador debe desplazarse a una distancia considerable hasta una empresa de ingenier´ıa. a). En un d´ıa cualquiera, ¿cu´ al es la probabilidad de que se realice un viaje a la empresa de ingenier´ıa? b).
¿Cu´ al es el n´ umero medio de pedidos por d´ıa?
c).
¿Cu´ antas gr´ uas de repuesto deben permanecer en el almac´en para despachar a los compradores el 90 % de las veces?
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
15
d).
¿Cu´ al es el n´ umero medio de compradores atendidos diariamente en el almac´en?
e).
¿Cu´ al es el n´ umero esperado de veces que el compradores realizar´a el viaje a la empresa de ingenier´ıa?
Ejercicio 98. Se supone que el n´ umero de accidentes por semana que ocurren en una f´abrica sigue una distribuci´ on de Poisson con par´ametro λ = 2. Se pide: a). Probabilidad de que en una semana cualquiera ocurra un solo accidente. b).
Probabilidad de que, en un grupo de 10 semanas, ocurran 3 accidentes en tres semanas distintas.
c).
Probabilidad de que en una semana haya m´ as de 3 accidentes.
d).
Funci´on de densidad del tiempo entre dos accidentes.
e).
Probabilidad de que el tiempo entre dos accidentes sea superior a 3 semanas. Toc JJ II J I Volver J Doc Doc I
Secci´ on 2: Distribuciones discretas
16
Ejercicio 99. Una agencia inmobiliaria dedicada a la venta de apartamentos en la Costa ha realizado un estudio de ventas, comprobando que solo el 5 % de las personas que acuden a visitar el piso piloto compran un apartamento. Se pide: a). Calcular la probabilidad de que tenga que recibir 10 visitas hasta vender un apartamento. b).
Calcular la probabilidad de que tenga que recibir 10 visitas hasta vender dos apartamentos.
c).
Se han tenido que recibir 10 visitas hasta vender 2 apartamentos. ¿Cu´al es la probabilidad de que las 3 primeras visitas no efectuaran ninguna compra?
Ejercicio 100. Un video club tiene 12 pel´ıculas infantiles para alquilar a diario. Para este grupo se estima que la demanda sigue un proceso de Poisson con tasa 10 pel´ıculas/d´ıa. Se pide: a). Probabilidad de que en un d´ıa se hayan alquilado todas las pel´ıculas. Toc JJ II J I Volver J Doc Doc I
Secci´ on 2: Distribuciones discretas
b).
17
¿Cuantas pel´ıculas deber´ıa haber en existencia para que la probabilidad de no satisfacer la demanda de un d´ıa solo fuese del 0,07 %?
Ejercicio 101. Un lote de 10 motores el´ectricos se debe rechazar totalmente o vender, seg´ un el resultado de la siguiente operaci´on: se escogen dos motores al azar sin sustituci´ on y se inspeccionan. Si uno o m´as son defectuosos, el lote se rechaza; en otro caso es aceptado. Supongamos que cada uno de los motores cuesta 75$ y se vende por 100$. Si el lote contiene un motor defectuoso, ¿c´ ual es beneficio neto esperado del fabricante? Ejercicio 102. A un hotel llegan dos carreteras A y B. El n´ umero de llegadas diarias por cada carretera siguen distribuciones de Poisson independientes con par´ametros 8 y 9 respectivamente. a). Si un d´ıa llegaron 12 personas, ¿cu´ al es la probabilidad de que 7 llegaran por la carretera A? b).
El coste diario de manutenci´on por persona es de 2000 euros si
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 2: Distribuciones discretas
18
son menos de 5 personas y 1500 euros si son 5 ´ o m´as personas. ¿Cu´ al ser´a el coste diario esperado? Ejercicio 103. Una empresa de fabricaci´ on de explosivos tiene dos secciones una segura S y otra con riesgo de accidentes R. En la secci´on S hay 2000 empleados donde el n´ umero de accidentes XS por a˜ no sigue una distribuci´on de Poisson de par´ ametro λ1 = 5 y en R hay 500 empleados y el n´ umero de accidentes YR por a˜ no sigue una distribuci´on de Poisson de par´ametro λ2 = 10. Los accidentes se producen de forma independiente en las dos secciones. a). ¿Cu´ al es la probabilidad de que se produzcan cinco accidentes en la secci´on S? b).
¿Cu´ al es el n´ umero medio de accidentes por a˜ no en la empresa?
c).
Si en un a˜ no se han registrado 8 accidentes, ¿cu´ al es la probabilidad de que se hayan producido 6 accidentes en la secci´on R?
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 3: Distribuciones continuas
19
La compa˜ nia ”La Avispa.asegura a cada empleado de la secci´on S por una prima de p1 euros y a cada empleado de la secci´on R por una prima de p2 euros y una indemnizaci´ on com´ un de 10 millones por accidentado. d).
Expresar los beneficios B por a˜ no de la compa˜ nia.
e).
¿Cu´ ales son los valores m´ınimos justos de las primas p1 y p2 , para que el beneficio esperado por la compa˜ nia no sea negativo?
3. Distribuciones continuas Ejercicio 104. Una variable aleatoria X se distribuye de forma uniforme en (2, 4). Se pide: a). P (X < 2,5) b).
P (X > 3,2)
c).
P (2,2 < X < 3,5)
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 3: Distribuciones continuas
d).
20
E(X) y V ar(X)
Ejercicio 105. Se sabe que la cantidad aleatoria demandada durante un cierto periodo de tiempo por parte de una empresa textil tiene distribuci´on uniforme y no supera la tonelada. Determinar para dicho periodo de tiempo: a). Probabilidad de que la cantidad demandada no supere los 900 kg. b).
Probabilidad de que la cantidad demandada est´e comprendida entre 800 y 900 kg.
c).
La demanda esperada.
Ejercicio 106. Una empresa tiene una funci´ on de costes que viene dada por C = 100,000 + 2X. En el mercado vende cada unidad a 5 euros y la demanda X del citado art´ıculo tiene una distribuci´on uniforme entre 25000 y 30000 unidades. ¿Cu´ al ser´ a el beneficio esperado? Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 3: Distribuciones continuas
21
Ejercicio 107. Comprobar que si T es exponencial de par´ametro α se cumple la propiedad 1 1 µT = ; σT2 = 2 . α α Ejercicio 108. Comprobar que si T es exponencial de par´ametro α se cumple la propiedad P (T > s + t|T > s) = P (T > t) Ejercicio 109. La variable aleatoria T es de tipo Exponencial(α). ¿Cu´al es la probabilidad de que T sea superior a su valor esperado? ¿Cu´al es la probabilidad de que T sea superior al doble de su valor esperado? Ejercicio 110. La funci´ on de densidad del tiempo T entre dos aver´ıas de una instalaci´on de c´alculo es f (t) = 0,25e−0,25t . Para resolver un determinado problema es necesario que funcione la Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 3: Distribuciones continuas
22
instalaci´on sin fallos durante 3 minutos, que es el tiempo necesario para la resoluci´on del problema. Si falla la instalaci´ on durante el periodo de 3 minutos hay que volver a empezar con el c´ alculo del problema teniendo en cuenta que la existencia de una aver´ıa s´olo se aprecia despu´es de los tres minutos. Sea Y el tiempo total necesario para la resoluci´on del problema. Hallar: a). Distribuci´on de Y . b).
Tiempo medio de resoluci´ on del problema.
c).
Probabilidad de que en 18 minutos puedan ser resueltos 3 problemas.
Ejercicio 111. La duraci´ on de la vida de una bombilla es Exp(α). La probabilidad de que sobrepase las 100 horas de uso es 0,9. a). ¿Cu´ al es la probabilidad de que sobrepase 200 horas de uso? b).
¿Cu´ antas horas se mantiene funcionando con una probabilidad 0,95? Toc JJ II J I Volver J Doc Doc I
Secci´ on 3: Distribuciones continuas
23
Ejercicio 112. El tiempo medio de funcionamiento de una bombilla es de 120 horas. Se ponen en funcionamiento 6 bombillas al mismo tiempo. Sea Ti el tiempo que transcurre hasta que se estropean i bombillas. Determinar E[Ti ] para i = 1, 3, 6. Ejercicio 113. En la figura 1 cada componente tiene una funci´on de fiabilidad de tipo exponencial con par´ ametro αi . Determinar la funci´on de fiabilidad del sistema y el tiempo medio de vida del sistema.
Figura 1: Fiabilidad en serie y paralelo
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 3: Distribuciones continuas
24
Ejercicio 114. En la figura 2 cada componente tiene la misma funci´on de fiabilidad de tipo exponencial con par´ ametro α. Determinar la funci´on de fiabilidad del sistema y el tiempo medio de vida del sistema.
Figura 2: Fiabilidad en serie y paralelo Ejercicio 115. En la figura 1 cada componente tiene una funci´on de fiabilidad de tipo exponencial con par´ ametro αi . Sea A el suceso la componente 1 se estropea antes que la componente 2. Determinar la Toc JJ II J I Volver J Doc Doc I
Secci´ on 3: Distribuciones continuas
25
probabilidad del suceso A. Ejercicio 116. Sean 30 instrumentos electr´onicos E1 , E2 , . . . , E30 . Tan pronto como falla E1 se activa E2 , y as´ı sucesivamente. Si el tiempo en que falla Ei , para cualquier i, es de tipo exponencial con par´ametro α = 0,1 hora−1 y T es el tiempo total de funcionamiento de los 30 instrumentos, hallar la probabilidad de que T supere las 350 horas. Ejercicio 117. Sea Z una variable aleatoria normal con µ = 0 y σ = 1. Calcular: a) p(Z ≤ 0) b) p(Z ≤ 1) c) p(Z > 1) d) p(Z > −1) e) p(−1 < Z < 1) f ) p(−2 < Z < −1) Ejercicio 118. Sea X una variable aleatoria normal con µ = 50 y σ 2 = 25. Calcular: a) p(X ≤ 40) b) p(X ≤ 60) c) p(X > 65) d) p(X > 35) e) p(40 < X < 60) f ) p(30 < X < 42) Toc JJ II J I Volver J Doc Doc I
Secci´ on 3: Distribuciones continuas
26
Ejercicio 119. Se sabe que el n´ umero X de personas que entran diariamente en unos grandes almacenes se distribuye normalmente. Si hay una probabilidad 0,58 de que entren menos de 75 clientes y una probabilidad 0,38 de que entren entre 75 y 80 clientes, determinar la media y la varianza de la variable X. Ejercicio 120. La duraci´ on aleatoria de un determinado tipo de art´ıculos, en horas, viene regulada por la ley de probabilidad N (180, 5). Determinar la probabilidad de que la duraci´ on de tal art´ıculo: a). Sea superior a 170 horas. b).
Sea inferior a 150 horas.
Ejercicio 121. Sabiendo que la demanda aleatoria de gasolina durante un cierto periodo de tiempo se comporta con arreglo a la ley normal de media 150000 litros y desviaci´ on t´ıpica 10000 litros, determinar la cantidad que hay que tener dispuesta a la venta en dicho periodo para poder satisfacer la demanda con una probabilidad de 0,95. Ejercicio 122. Un instrumento electr´ onico est´ a formado por tres Toc JJ II J I Volver J Doc Doc I
Secci´ on 3: Distribuciones continuas
27
componentes. Dos formas posibles de disponer estas componentes son: i) en serie, ii ) en paralelo. Si los tiempos de fallo de cada componente son independientes y siguen una distribuci´ on exponencial con funci´on de densidad: f (t) = 0,01 e−0,01t , se desea saber: a). Probabilidad de que el instrumento funcione despu´es de 50 horas en los dos casos. b).
Si el sistema no ha fallado durante 20 horas, ¿cu´al es la probabilidad de que falle en las 30 horas siguientes?
Ejercicio 123. Para ganar el jubileo un peregrino decide ir, a golpe de alpargata, desde su pueblo hasta Santiago de Compostela, siendo la distancia entre ambos lugares de 300 km. Este peregrino es precisamente fabricante de dicho tipo de calzado y sus datos han permitido establecer a un ingeniero, que vive en el pueblo, a efectos de control de calidad, que los kil´ometros que se pueden recorrer con un par de Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 3: Distribuciones continuas
28
alpargatas, antes de que queden inservibles, es una variable N (20, 16). Aunque el peregrino no le importa disciplinarse severamente, tampoco quiere correr un riesgo excesivo de destrozarse los pies. Por eso, quiere saber cu´al es el menor n´ umero de pares de alpargatas que debe llevar para tener una garant´ıa de al menos un 91 % de que no tendr´a que caminar descalzo. Ejercicio 124. Un individuo juega con probabilidad de ganar igual a 1/2 en cada juego. Si gana en un juego obtiene 5 euros y si pierde paga 5 euros. Durante una tarde juega 400 veces. ¿Con cu´anto dinero debe acudir si quiere tener una probabilidad de 0,95 de hacer frente a sus posibles p´erdidas? Ejercicio 125. Un corredor de bolsa adquiere 50 acciones diferentes. Se sabe, por estudios anteriores, que los beneficios de cada acci´on se distribuyen uniformemente en el intervalo (1000, 2000), y que dichos beneficios son independientes. Dicho corredor concierta con sus clientes una ganancia, por cada acci´ on de 1200 euros, ¿qu´e probabilidad tiene de no perder dinero? Ejercicio 126. Un instituto de opini´ on p´ ublica quiere obtener una Toc JJ II J I Volver J Doc Doc I
Secci´ on 3: Distribuciones continuas
29
muestra de votantes de un cierto estado, suficientemente grande para que la probabilidad de obtener una proporci´ on de votos a favor del candidato A inferior al 50 %, sea de 0,01, si la intenci´ on de voto a favor de dicho candidato es realmente del 52 %. ¿Qu´e tama˜ no deber´a tener la muestra? Ejercicio 127. Dos individuos A y B realizan un juego bajo las siguientes condiciones: se lanza un dado perfecto, si sale “1 o 2” el jugador A paga 6 euros a B, pero si sale “3, 4, 5 ´ o 6” el jugador B paga 21 euros a A.Se pide: a). Si juegan 300 partidas determinar la probabilidad de A gane entre 175 y 230 euros. b).
El beneficio esperado para ambos jugadores en 300 partidas.
c).
Si B lleva en el bolsillo 200 euros, ¿cu´ antas partidas al menos hay que jugar para que B lo pierda todo con una probabilidad de al menos 0,9772?
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 3: Distribuciones continuas
30
Ejercicio 128. El contenido de un bote de cerveza se distribuye normalmente con media 30 cl, y desviaci´ on t´ıpica 2 cl. a). ¿Cual es la probabilidad de que un bote determinado tenga m´as de 33 cl? b).
En un envase de 6 botes ¿cual es la probabilidad de que el contenido l´ıquido total sea inferior a un litro y tres cuartos?
Ejercicio 129. Sabiendo que el 30 % de los enfermos con infartos de miocardio que ingresan en un hospital, fallecen en el mismo, y que al a˜ no ingresan 2000, determinar la probabilidad de que fallezcan en el hospital un m´aximo de 550. Ejercicio 130. En un proceso de fabricaci´ on se sabe que el n´ umero aleatorio de unidades defectuosas producidas diariamente, viene dado por la ley de probabilidad: 10r P (X = r) = e−10 r = 0, 1, 2, . . . r! Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Secci´ on 3: Distribuciones continuas
31
Determinar la probabilidad de que en 150 d´ıas, el n´ umero de unidades defectuosas producidas supere las 1.480 unidades. Ejercicio 131. Una empresa sabe que la demanda aleatoria de un art´ıculo que produce, se ajusta por la ley N (10000; 100). Si la empresa decide seguir produciendo el art´ıculo en el futuro, supuesto que la demanda est´e comprendida entre 9930 y 10170 unidades, determinar la probabilidad de que no siga produciendo tal art´ıculo. Ejercicio 132. Una tienda comercial dispone a la venta diariamente s´olo dos art´ıculos a precios p1 y p2 , de forma que: el 70 % de las unidades ofrecidas lo son del art´ıculo de precio p1 y el 30 % restante lo son del art´ıculo de precio p2 . Si en un d´ıa determinado se venden 2000 unidades, determinar la probabilidad de que m´ as de 800 unidades correspondan al art´ıculo de precio p2 . Ejercicio 133. Un concesionario de autom´ oviles vende a particulares veh´ıculos de la misma marca. Sabiendo que la probabilidad de que este tipo de veh´ıculos est´e en servicio dos a˜ nos despu´es es de 0,8, determinar la probabilidad de que–de 4000 autom´ oviles vendidos–m´as de 3120 est´en en servicio dentro de dos a˜ nos. Toc JJ II J I Volver J Doc Doc I
Secci´ on 3: Distribuciones continuas
32
Ejercicio 134. La demanda de un producto oscila diariamente entre 20 y 40 unidades. Determinar la probabilidad de que en un periodo de 182 d´ıas, el n0 de unidades demandadas supere 6370 unidades, supuesta la independencia de la demanda de cada d´ıa respecto de las restantes.
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
33
Soluciones a los Ejercicios Ejercicio 66. Sea X el n´ umero de varones de entre 6 hijos. X ≡ Bin(6; 0,51), luego: a). P (X ≥ 1) = 1 − P (X = 0) = 1 − q 6 = 1 − 0,496 = 0.986 b).
P (X ≤ 5) = 1 − P (X = 6) = 1 − p6 = 1 − 0,516 = 0.982 Ejercicio 66
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
34
Ejercicio 67. Sea X el n´ umero de aciertos de entre 10 disparos. 1 X ≡ Bin(10; ) 5 luego: P (X ≥ 2)
= 1 − P (X ≤ 1) = 1 − P (X = 0) − P (X = 1)) =⇒ 1 − q 10 − 10 p q 9 Ejercicio 67
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
35
Ejercicio 68. Sea Xi para todo i una distribuci´ on de Bernoulli con E[Xi ] = p
V ar(Xi ) = pq
Como X = X1 + X2 + . . . + Xn luego: µ = E[X]
= E[X1 ] + E[X2 ] + . . . + E[Xn ] = np
y tomando varianzas para una suma de variables aleatorias id´enticas e independientes σ 2 = V ar[X]
= V ar[X1 ] + V ar[X2 ] + . . . + V ar[Xn ] = n pq Ejercicio 68
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
36
Ejercicio 69. Sea X el n´ umero de caras obtenido en los 500 lanzamientos. X ≡ B(500; 0,5), luego
P (240 ≤ X ≤ 260)
=
260 X 500 0,5500−k 0,5k k
k=240
=
260 X 500 0,5500 k
k=240
como np = 250 > 5 y npq = 125 > 5, √ aproximamos a la distribuci´on normal B(500, 0,5) ∼ N (µ = 250, σ = 125), realizando el ajuste por continuidad: 260 − 250 + 0,5 240 − 250 − 0,5 √ √ = P (−0,94 < z < 0,94) =
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
37
Ejercicio 70. Sea p la probabilidad de que un coche cualquiera en15 . Sea X el n´ umero de coches cuentre la luz verde. Entonces p = 75 que encuentran la luz verde. Como 1 X ∼ Bin(n = 5; p = ) 5 3 4 2 a). P (X = 3) = 53 51 = 0, 0512 5 5 4 0 b). P (X ≤ 4) = 1 − P (X = 5) = 1 − 55 15 = 0, 99968 5 c). P (X > 1)
1 − P (X ≤ 1) = 1 − P (X = 0) − P (X = 1) 0 5 1 4 5 1 4 5 1 4 = 1− − 0 5 5 1 5 5 = 0, 26272 =
Ejercicio 70 Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
38
Ejercicio 71. a). X se ajusta a una distribuci´ on geom´etrica G(p = 0,1). b).
Si X ∼ G(p = 0,1), entonces 1 µX = = 10 p
q p2
V ar(X) =
c).
Y se ajusta a una distribuci´on Binomial Negativa BN (k; p = 0,1),
d).
Si Y ∼ BN (k; p = 0,1), entonces µY =
k = 10 p
V ar(Y ) =
kq p2 Ejercicio 71
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
39
Ejercicio 72. • Con reemplazamiento, X sigue una distribuci´ on Binomial 4 Bin(n = 3; p = ) 12 luego 3 8 3 P (X = 0) = q = = 0, 296 12 • Sin reemplazamiento, X sigue una distribuci´ on Hipergeom´etrica HG(N, E, n) = HG(12, 4, 3) 4 8 14 0 3 = 0, 254 P (X = 0) = 12 = 55 3 Ejercicio 72
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
40
Ejercicio 73. • X sigue una distribuci´ on geom´etrica o de Pascal G(p = 16 ) luego P (X = k) = p q k−1 • P (X = 3) = p q 2 • En la geom´etrica se tiene que P (X > k) = q k , luego 4 5 4 P (X > 4) = q = 6 Ejercicio 73
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
41
Ejercicio 74. Si X es geom´etrica, de par´ ametro p, se tiene ∀k que P (X > k) = q k , luego si a, b > 0 , P (X > a + b|X > a)
P (X > a + b) P (X > a + b ∩ X > a) = P (X > a) P (X > a) a+b q = = qb qa = P (X > b) =
Ejercicio 74
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
42
Ejercicio 75. Sea X la variable n´ umero de hijos y V la variable n´ umero de varones de un matrimonio, y sea p la probabilidad de que nazca un var´on. Configuramos la funci´ on de distribuci´ on en una tabla para ambas variables X pX V pV
1 p 1 p
2 pq 1 pq
3 p q2 1 p q2
4 p q3 1 p q3
5 p q + q5 1 p q4 4
0 q5
a). P (X = 1) = p. b).
P (X = k) = p q k−1 con 1 ≤ k ≤ 4 y P (X = 5) = p q 4 + q 5
c).
N´ umero medio de hijos por matrimonio: E[X]
Toc
JJ
= 1 · p + 2 · p q + 3 · p q 2 + 4 · p q 3 + 5 · (p q 4 + q 5 ) = (sustituyendo p por 1 − q) = 1 + q + q2 + q3 + q4 II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
d).
N´ umero medio de varones por matrimonio: E[V ]
e).
43
= 1 · p + 1 · p q + 1 · p q2 + 1 · p q3 + 1 · p q4 + 0 · q5 ) = p(1 + q + q 2 + q 3 + q 4 )
Como E[V ] =p E[X] la frecuencia de varones en la poblaci´ on sigue siendo de p, es decir con ese criterio de parada en la descendencia, no se modifica la proporci´on entre hombres y mujeres. Ejercicio 75
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
44
Ejercicio 76. Gana A cuando ocurren los siguientes sucesos 6, 6666, 6666666, 6666666666 · · · razonando an´alogamente para B y C, se tiene: = p + p q3 + p q6 + · · · p = 1 − q3 P (B) = p q + p q 4 + p q 7 + · · · pq = 1 − q3 P (C) = p q 2 + p q 5 + p q 8 + · · · p q2 = 1 − q3 P (A)
Ejercicio 76
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
45
Ejercicio 77. a). X sigue una distribuci´ on binomial negativa BN (k = 2; p = 16 ) luego n − 1 2 n−2 P (X = n) = p q n = 2, 3, · · · 1 b).
P (X = 3) = 2 p2 q
c). P (X > 4)
= 1 − P (X ≤ 4) = = 1 − P (X = 2) − P (X = 3) − P (X = 4) = 1 − p2 q 0 − 2 p 2 q − 3 p2 q 2
siendo p = 1/6 y q = 5/6. Ejercicio 77
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
46
Ejercicio 78. Sea X1 el n´ umero de intentos hasta el primer ´exito, X2 el n´ umero de intentos desde el primer ´exito hasta el segundo ´exito,Xi el n´ umero de intentos desde el (i − 1)´esimo ´exito hasta el i−´esimo ´exito. Entonces X = X1 + X2 + · · · + Xk
Xi ∼ G(p)
X es la suma de variables aleatorias id´enticas e igualmente distribui1 q das, {Xi }()i.i.d.), con E[Xi ] = y V ar[Xi ] = 2 . Tomando esperanp p zas y varianzas se llega a k kq E[X] = V ar[X] = 2 p p Ejercicio 78
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
47
Ejercicio 79. Sea X el n´ umero de extracciones hasta encontrar el quinto donante con sangre tipo A. Como X sigue una distribuci´on binomial negativa BN (5; p), donde p es la probabilidad de que un donante cualquiera tenga sangre tipo A, es decir p = 0,432. 9 5 5 P (X = 10) = p q 4 Ejercicio 79
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
48
Ejercicio 80. a). El suceso {Y ≤ n} en la hipergeom´etrica equivale a necesitar al menos n intentos para obtener los k ´exitos, lo que equivale al suceso {X ≥ k} en la binomial. b).
Es inmediato de lo anterior. Ejercicio 80
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
49
Ejercicio 81. La variable X n´ umero de llamadas por minuto sigue una distribuci´on de Poisson P o(λ = 0,5), luego a). P (X = 1) = e−0,5 b).
0,5 = 0,303 1!
P (X ≤ 2) = e−0,5 + e−0,5
0,5 0,52 + e−0,5 = 0,986 1! 2!
c). P (X > 3)
= 1 − P (X ≤ 3) = = 1 − P (X = 0) − P (X = 1) − P (X = 2) − P (X = 3) 0,5 0,52 0,53 = 1 − e−0,5 − e−0,5 − e−0,5 − e−0,5 1! 2! 3! = 0, 002 Ejercicio 81
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
50
Ejercicio 82. La variable X n´ umero de incendios anuales sigue una distribuci´on de Poisson P o(λ = 2), luego P (X > 4)
= 1 − P (X ≤ 4) = = 1 − P (X = 0) − P (X = 1) − . . . − P (X = 4) 22 23 24 2 = 1 − e−2 − e−2 − e−2 − e−2 − e−2 1! 2! 3! 4! = 0, 0527 Ejercicio 82
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
51
Ejercicio 83. De las dos igualdades del c´ alculo siguientes ∞ ∞ k 2 k X kλ Xk λ = λ eλ = (λ2 + λ) eλ k! k! k=0
k=0
y de la definici´on de E[X] y V ar[X] se obtiene con facilidad que µ=λ
;
σx2 = λ. Ejercicio 83
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
52
Ejercicio 84. El n´ umero de caras sigue una distribuci´on binomial B(500; 0,5). A partir de la aproximaci´ on de √ X ≡ B(n, p) ∼ N (np, σ = npq) la variable aleatoria frecuencia relativa fr se aproxima a r X pq ∼ N (p, σ = ) fr = n n luego 0,45 − 0,5 0,65 − 0,5 =
0,25 500
0,25 500
= Φ(2,24) − Φ(−2,24) = 2 Φ(2,24) − 1 = 0.975 Ejercicio 84
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
53
Ejercicio 85. El n´ umero de caras sigue una distribuci´on binomial B(n; 0,5). A partir de la aproximaci´ on de √ X ≡ B(n, p) ∼ N (np, σ = npq) la variable aleatoria frecuencia relativa fr se aproxima a r X pq ∼ N (p, σ = ) fr = n n luego nos pide n que cumpla P (|fr − 0,5| < 0,1) ≥ 0,95 0,1 −0,1 = P (−0,1 < fr − 0,5 < 0,1) = P q
0,25 n
√ √ √ = Φ(0,2 n) − Φ(0,2 n) = 2 Φ(0,2 n) − 1 ≥ 0,95 =⇒ √ √ Φ(0,2 n) ≥ 0,975 = Φ(1,96) =⇒ 0,2 n ≥ 1,96 =⇒ n ≥ 96 Ejercicio 85
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
54
Ejercicio 86. Se resuelve como el ejercicio anterior con p =
1 6
1 P (|fr − | < 0,1) ≥ 0,95 6 1 −0,1 0,1 = P (−0,1 < fr − < 0,1) = P q
36 n
√ √ √ = Φ(0,268 n) − Φ(0,268 n) = 2 Φ(0,268 n) − 1 ≥ 0,95 =⇒ √ √ Φ(0,268 n) ≥ 0,975 = Φ(1,96) =⇒ 0,268 n ≥ 1,96 =⇒ n ≥ 54 Ejercicio 86
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
55
Ejercicio 87. Se resuelve como el ejercicio anterior con p = 0,05 y q = 0,95 1 P (|fr − | < 0,02) ≥ 0,98 6 1 −0,02 0,02 P (−0,02 < fD − < 0,02) = P q
4n
√
4n
√
= Φ(0,04 n) − Φ(−0,004 n) = 2 Φ(0,04 n) − 1 ≥ 0,98 =⇒ √ √ Φ(0,04 n) ≥ 0,99 = Φ(2,326) =⇒ 0,04 n ≥ 2,326 =⇒ n ≥ 3382 Ejercicio 87 Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
56
Ejercicio 88. Sea el suceso A = { menos de tres caras } y el suceso B = { menos de tres cruces }. Se pide P (A ∪ B), como son incompatibles, si tiramos 10 veces, tenemos que P (A ∪ B) = P (A) + P (B) Sean X las caras en 10 tiradas e Y las cruces en 10 tiradas: • P (A) = P (X ≤ 2) =
10 1 10 1 10 1 + + = 0,0546 0 210 1 210 2 210
• P (B) = P (Y ≤ 2) =
10 1 10 1 10 1 + + = 0,0546 0 210 1 210 2 210
luego P (A ∪ B) = P (A) + P (B) = 0,1092 Ejercicio 88
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
57
Ejercicio 89. Sea X el n´ umero de respuestas correctas de entre las 50, como X ∼ B(50; 15 ) a). P (X = 0) = q 50 = 1,4 10−5 10 40 b). Como P (X = 10) = 50 = 0,14 el n´ umero medio de entre 10 p q las 200 ser´a 200 · 0,14 = 28 Ejercicio 89
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
58
Ejercicio 90. Sea X el n´ umero de nacimientos que se producen el d´ıa 1 ). Para que la cantidad del centenario, entonces, como X ∼ B(730; 365 resulte insuficiente se necesitan al menos 6 nacimientos i=5 X 703 i 730−i P (X ≥ 6) = 1 − P (X ≤ 5) = 1 − p q = 0,013 i i=0 Podemos tambi´en utilizar la aproximaci´ on de Poisson con np = λ = 2 P (X ≥ 6) = 1 − P (X ≤ 5) = 1 −
i=5 X i=0
e−2
2i = 0,0165 i! Ejercicio 90
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
59
Ejercicio 91. Sea X el n´ umero de reservas anuladas de entre los 75 billetes, entonces, como X ∼ B(75; 0,04). Para que todos los pasajeros consigan plaza se necesitan al menos 2 anulaciones, luego i=1 X 75 i 75−i P (X ≥ 2) = 1 − P (X ≤ 1) = 1 − p q = 0,807 i i=0 Podemos tambi´en utilizar la aproximaci´ on de Poisson con np = λ = 3 P (X ≥ 2) = 1 − P (X ≤ 1) = 1 −
i=1 X i=0
e−3
3i = 0,801 i! Ejercicio 91
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
60
Ejercicio 92. a). Sea X el n´ umero de ni˜ nos hasta encontrar uno con caries, con p = 2/3, entonces P (X = 6) = p q 5 b).
Sea Y el n´ umero de ni˜ nos hasta encontrar 5 con caries, con p = 2/3, entonces 14 P (X = 15) = p5 q 10 4 Ejercicio 92
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
61
Ejercicio 93. Sea X el n´ umero de aciertos a las 25 cuestiones, entonces X ∼ B(25; p = 0,2). a). El n´ umero esperado de aciertos es E[X] = np = 5. b).
Sea P el n´ umero de puntos, y c la penalizaci´ on por fallo, entonces P = X − c(25 − X) = (1 + c)X − 25 c E[P ] = 0 =⇒ (1 + c)E[X] − 25 c = 0 =⇒ c = 0,25
c).
La probabilidad de que pase el alumno que ha probado suerte i=25 X 25 pi q 25−i = 0,004 P (X ≥ 13) = i i=13 Ejercicio 93
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
62
Ejercicio 94. Sea X el n´ umero de lanzamientos hasta encontrar un 6, con p = 1/6, entonces 2 q3 5 P (X > 3|X > 1) = 1 = q 2 = = 0,694 q 6 Ejercicio 94
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
63
Ejercicio 95. a). El n´ umero de defectuosos X sigue una hipergeom´etrica con N = 100, E = 4, N − E = 96 y tama˜ no de la muestra n = 9. 4 96 2 7 P (X = 2) = = 0,0376 100 9 b).
Con una binomial con n = 9 y p = 4/100 = 0,04 tenemos: 9 P (X = 2) = 0,042 0,967 = 0,0432 2
c).
Por Poisson con λ = np = 0,36, obtenemos P (X = 2) = e−0,36
0,362 = 0,0452 2! Ejercicio 95
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
64
Ejercicio 96. a). Sea X una distribuci´ on de Poisson P (λ = 4) P (X = 0) = e−4 = 0,0183 b).
Sea X1 las llamadas del primer d´ıa y X2 las llamadas del segundo d´ıa, entonces las llamadas conjuntas ser´ an T = X1 + X2 , que siendo independientes corresponde a una distribuci´on de Poisson P (λ = 4 + 4 = 8), luego P (T = 3) = e−8
83 = 0,0286 3! Ejercicio 96
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
65
Ejercicio 97. a). P (X > 3) = 1 − P (X ≤ 3) = 1 −
i=3 X
e−2
i=0
b).
2i = 0,1429 i!
Como X es el n´ umero de pedidos diarios y sigue el tipo Poisson P (λ = 2) E[X] = 2 n´ umero medio de pedidos diarios
c).
Hay que hallar n n´ umero de gruas para que P (X ≤ n) ≥ 0,9 Por tanteo P (x = 0) + P (x = 1) + . . . + P (x = 4) = 0,9473 > 0,9 luego se necesitan tener disponibles n = 4 gruas para asegurar el suministro con al menos un 90 %.
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
d).
66
Sea A la variable aleatoria que mide el n´ umero de clientes atendidos. Claramente A solo puede tomar los valores A = 0, 1, 2, 3 que son las gruas disponibles. La distribuci´ on de probabilidad de A es: P (A = 0) = P (X = 0) = e−2 = 0, 1353 P (A = 1) = P (X = 1) = e−2 2/1! = 0, 2707 P (A = 2) = P (X = 2) = e−2 22 /2! = 0, 2707 P (A = 3) = = P (X ≥ 3) = 1−P (X = 0)−P (X = 1)−P (X = 2) = 0, 3233 Luego
E[A] = 0.P (A = 0)+1.P (A = 1)+2.P (A = 2)+3P (A = 3) = 1,7830 e).
Sea Y la variable aleatoria que mide el n´ umero de compradores que marchar´an a la empresa de ingenier´ıa. Comor X = A + Y , y E[X] = 2 y E[A] = 1,7830, E[Y ] = 2 − 1,7830 = 0,217 Ejercicio 97
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
67
Ejercicio 98. a). El n´ umero de accidentes en una semana es X ∼ P (λ = 2) 2 P (X = 1) = e−2 = 0, 27067 1! b).
Sea Z el n´ umero de semanas de entre 10 que hay un accidente. Z sigue una B(10, p = 0, 27067), luego 10 P (Z = 3) = p3 q 7 3
c). 2 22 23 P (X > 3) = 1 − e−2 1 + + + = 0, 14288 1! 2! 3! d).
Sea T tiempo entre dos accidentes. T sigue una distribuci´on de tipo exponencial de par´ ametro α = 2.
e).
Pide P (T > 3) = 1 − FT (3) = e−2·3 = 0, 002. Ejercicio 98
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
68
Ejercicio 99. a). Sea X el n´ umero de visitas hasta vender un apartamento, X es G(p = 0,05) P (X = 10) = p q 9 = 0, 03151 b).
Sea Z el n´ umero de visitas hasta vender dos apartamento, Z es BN (k = 2, p = 0,05) 9 p2 q 8 = 0, 01493 P (Z = 10) = 1
c).
Equivale a que las tres primeras han sido fracasos y en las siete restantes dos ´exitos siendo uno de ellos la u ´ltima visita, es decir P (Z > 3 sin ´exito en las tres primeras |Z = 10) =
6 qqq p2 q 5 1 6 = = P (Z = 10) 9 Ejercicio 99 Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
69
Ejercicio 100. a). Sea X el n´ umero de pel´ıculas demandadas, P (X ≥ 12) = 1 − P (X ≤ 11) = 1 −
11 X
e−10 .
i=0
10i = 0, 3032 i!
Este c´alculo se puede aproximar con P o(10) ≈ N (10, σ 2 = 10). b).
Sean n las pel´ıculas almacenadas, entonces necesitamos calcular n para que P (X > n) ≤ 0,07 o bien P (X ≤ n) ≥ 0,93. Con la aproximaci´on P o(10) ≈ N (10, σ 2 = 10) tendremos n − 10 = z0 ) ≥ 0,93 P (X ≤ n) = P (z ≤ √ 10 de la tabla normal N (0, 1) obtenemos z0 = 1,48, luego resolvemos n − 10 = 1,48 n = 15 peliculas z0 = √ 10 Ejercicio 100
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
70
Ejercicio 101. El n´ umero de defectuosos X sigue una hipergeom´etrica con N = 10, E = 1, N − E = 9 y tama˜ no de la muestra n = 2. Sea A el suceso el lote se acepta, entonces 1 9 0 2 = 0,8 P (A) = P (X = 0) = 100 9 beneficio neto esperado del fabricante B ser´ a: E[B] = 25 P (A) − 75 P (A) = 5 Ejercicio 101
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
71
Ejercicio 102. a). Sea XA el n´ umero de clientes que llegan por la carretera A y XB el n´ umero de clientes que llegan por la carretera B. El total es T = XA + XB que es de Poisson de par´ ametro λ = 17. P (XA = 7|T = 12) =
P (XA = 7 y XB = 5) = P (T = 12)
7
= b).
5
e−8 87! e−9 95! 12
e−17 17 12!
= 0, 16834
Sea A el suceso ”llegan menos de 5 personas”. P (A) = P (T < 5) = e−17
4 X 17i i=0
i!
= 0, 0002
El coste es C = 2000.IA + 1500 · IA , y el coste diario esperado: E[C] = 2000 · P (A) + 1500.P (A) = 1500, 1 Ejercicio 102 Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
72
Ejercicio 103. 5
a). P (XS = 5) = e−5 55! = 0,1754 b).
λ1 + λ2 = 15.
c).
Sea Z = XS + YR el n´ umero total de accidentes, P (YR = 6|Z = 8) =
P (XS = 2, YR = 6) P (Z = 8) 6
=
2
−5 5 e−10 10 6! e 2! = 0,273 e−15 158 /8!
d). B = 2000 p1 + 500 p2 − 106 (XS + YR ) e).
Hacemos que sea justo para los empleados de la secci´on S, con 2000 p1 − 106 E[XS ] = 0,
Toc
JJ
II
J
I
p1 = 2500 euros Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
73
Lo mismo para los empleados de la secci´ on R, con 500 p2 − 106 E[YR ] = 0,
p2 = 20000 euros
Otra forma, es exigir que la raz´ on de los ingresos por secci´on sea la raz´on de indices de accidentados por secci´ on , es decir 2000 p1 λ1 p1 1 = = 500 p2 λ2 p2 8 que junto a E[B] = 2000 p1 + 500 p2 − 106 15 = 0 proporciona la misma soluci´on. Ejercicio 103
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
74
Ejercicio 104. Sea X ∼ U (2, 4) con 1 x−2 f (x) = FX = 2 2
2
a). P (X < 2,5) = FX (2,5) = 0,25 b).
P (X > 3,2) = 1 − FX (3,2) = 1 − 0,6 = 0,4
c).
P (2,2 < X < 3,5) = FX (3,5) − FX (2,2) = 0,75 − 0,1 = 0,65
d).
E[X] = 3 y V ar[X] =
4 12
Ejercicio 104
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
75
Ejercicio 105. Sea X ∼ U (0, 1) con f (x) = 1
FX = x
0
a). P (X < 0,9) = 0,9 b).
P (0,8 < X < 0,9) = FX (0,9) − FX (0,8) = 0,1
c).
E[X] =
1 2 Ejercicio 105
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
76
Ejercicio 106. Sea X ∼ U (25000, 30000) con x − 25000 f (x) = 25000 < x < 30000 5000 como los beneficios B = V − C E[B] = E[5 · X − 100000 − 2 · X) = 3 · E[X] − 100000 = −17500 Ejercicio 106
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
77
Ejercicio 107. Sea T ∼ Exp(α) con f (t) = α e−α t
FT (t) = 1 − e−α t Z
0
∞
α t e−α t = (por partes) ∞ 1 = −t e−α t − e−α t α 0 1 = α Para la varianza V ar[T ] = E[T 2 ] − E[T ]2 se integra dos veces por partes y se obtiene 1 σT2 = 2 . α Ejercicio 107 E[T ]
=
0
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
78
Ejercicio 108. Sea T ∼ Exp(α) con f (t) = α e−α t
FT (t) = 1 − e−α t
P (T > s + t|T > s)
= =
0
P (T > s + t ∩ T > s) P (T > s) P (T > s + t) P (T > s)
e−α (s+t) e−α s −α t = e = P (T > t) =
Ejercicio 108
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
79
Ejercicio 109. Sea T ∼ Exp(α) con f (t) = α e−α t
FT (t) = 1 − e−α t 1 1 P (T > ) = e−α α = e−1 α
y
P (T > 2
0
1 1 ) = e−α 2 α = e−2 α
Ejercicio 109
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
80
Ejercicio 110. La probabilidad de que la instalaci´ on no se aver´ıe en tres minutos es P (T > 3) = e−0,25·3 = e−0,75 = p = 0,472. a). La variable Y es geom´etrica G(p) y puede tomar los valores 1, 2, 3, . . . en unidades de 3 minutos. La probabilidad de resolver el problema en el k-´esimo intento y por tanto se empleen 3k minutos es P (Y = k) = pq k−1 b).
E[Y ] = e0,75 = 6,35 minutos.
c).
Sea Z el n´ umero de problemas resueltos en 18 minutos. Z se distribuye como una B(6, p), luego 6 P (Z = 3) = p3 q 3 = 0,7072 3 Ejercicio 110
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
81
Ejercicio 111. Sea T ∼ Exp(α) con f (t) = α e−α t
FT (t) = 1 − e−α t
0
como P (T > 100) = e−α 100 = 0,9 =⇒ α = 0,00105 a). P (T > 200) = e−α 200 = 0,81 b).
Para hallar t con P (T > t) = 0,95 resolvemos e−α t = 0,95 =⇒ t = 48,85 Ejercicio 111
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
82
Ejercicio 112. El tiempo Bi de duraci´ on de una bombilla es Exp(α), la variable Mi = min(B1 , B2 , · · · , Bi ) es tambi´en exponencial Exp(i α). M6 indica el tiempo que transcurre hasta la primera rotura, M5 indica el tiempo que transcurre entre la primera rotura y la segunda,y an´alogamente para Mi , entonces T1 = M6 , T3 = M6 + M5 + M4 y T6 = M6 + M5 + · · · + M1 , luego E[T1 ]
=
E[T3 ]
=
E[T6 ]
=
120 = 20 6 120 120 120 + + = 74 6 5 4 120 120 120 + + ··· + = 220 6 5 1 Ejercicio 112
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
83
Ejercicio 113. • Sistema en serie. Sea T = min(T1 , T2 ) P (T > t)
= P (T1 > t ∧ T2 > t) = P (T1 > t) P (T2 > t) = e−α1 t e−α2 t = e−(α1 +α2 ) t = 1 − FT (t)
luego fT (t) = (α1 + α2 ) e−(α1 +α2 ) t lo que muestra que T sigue una distribuci´ on Exp(α1 + α2 ) y por tanto la esperanza es 1 E[T ] = α1 + α2
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
84
• Sistema en paralelo. Sea T = max(T1 , T2 ) P (T < t)
= P (T1 < t ∧ T2 < t) = P (T1 < t) P (T2 < t) = (1 − e−α1 t ) (1 − e−α2 t ) = FT (t)
y calculando la esperanza se tiene 1 1 1 E[T ] = + − α1 α2 α1 + α2 Ejercicio 113
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
85
Ejercicio 114. En el sistema en paralelo el tiempo es T = max(T1 , T2 , T3 ) P (T < t)
= = = =
P (T1 < t ∧ T2 < t ∧ T3 < t) = P (T1 < t) P (T2 < t) P (T3 < t) (1 − e−α t )3 FT (t)
el calculo de la esperanza por integraci´ on por partes es algo pesado, y resulta 1 1 1 E[T ] = (1 + + ) α 2 3 Ejercicio 114
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
86
Ejercicio 115. Sea A el suceso la componente 1 se estropea antes que la componente 2. Si T1 es la duraci´ on de la componente 1, T2 es la duraci´on de la componente 2, Tmin es la duraci´ on m´ınima del sistema y Tmax es la duraci´on m´axima del sistema, se tiene que Tmax = Tmin + T2 A + T1 A y tomando esperanzas E[Tmax ] = E[Tmin ] + E[T2 ] P (A) + E[T1 ] P (A) Sustituyendo las esperanzas del ejercicio 113, se obtiene α1 P (A) = α1 + α2 Ejercicio 115
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
87
Ejercicio 116. Si el tiempo Ti de cada instrumento es Exp(α = 0,1) 2 con µX = 10 y σX = 10, el tiempo total de funcionamiento de los 30 instrumentos corresponde a la variable T = T1 + T2 + . . . + T30 Por el Teorema Centralpdel L´ımite, la suma de las 30 variables i.i.d. 2 ) se ajusta a una N (n µ, nσX √ T ∼ N (300; 3000) luego P (D > 350) = 1 − P
350 − 300 z< 54,77
= 1 − Φ(0,91) = 0, 1814 Ejercicio 116
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
88
Ejercicio 117. Sea Φ(z) = P (Z ≤ z) la funci´ on de distribuci´on de z ∼ N (0; 1), con ayuda de la tabla se tiene: a). P (Z ≤ 0) = Φ(0) = 0,5 b).
P (Z ≤ 1) = Φ(1) = 0,8413
c).
P (Z > 1) = 1 − Φ(1) = 0,1587
d).
P (Z > −1) = 1 − Φ(−1) = Φ(1) = 0,8413
e).
P (−1 < Z < 1) = Φ(1) − Φ(−1) = 0,6826
f). P (−2 < Z < −1) = Φ(−1) − Φ(−2) = Φ(2) − Φ(1) = 0,1359 Ejercicio 117
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
89
Ejercicio 118. Se obtienen tipificando a la variable z ∼ N (0; 1): 40 − 50 a). P (X ≤ 40) = P z ≤ = Φ(−2) = 0,0228 5 60 − 50 b). P (X ≤ 60) = P z ≤ = Φ(2) = 0,9772 5 65 − 50 c). P (X > 65) = P z > = 1 − Φ(3) = 0,0013 5 35 − 50 d). P (X > 35) = P z > = Φ(3) = 0,9987 5 e).
P (40 < X ≤ 60) = Φ(2) − Φ(−2) = 0,9544
f). P (30 < X ≤ 42) = Φ(−1,6) − Φ(−4) = 0,0548 Ejercicio 118
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
90
Ejercicio 119. Suponemos que X se distribuye N (µ, σ 2 ). Tenemos: P (X < 75) = 0,58,
P (75 < X < 80) = 0,38
tipificando Z = (X − µ)/σ obtenemos 75 − µ P (Z < = z0 ) = 0,58 σ 75 − µ 80 − µ P( = z0 < Z < = z1 ) = 0,38 σ σ luego Φ(z0 ) = 0,58, Φ(z1 ) − Φ(z0 ) = 0,38 de la primera igualdad de la tabla N (0, 1) obtenemos z0 = 0,20, y de Φ(z1 ) = 0,96 obtenemos z1 = 1,75. Resolviendo 75 − µ 80 − µ = 0,2 = 1,75 σ σ obtenemos µ = 74,35 y σ = 3,22. Ejercicio 119
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
91
Ejercicio 120. Sea X la duraci´ on de un art´ıculo cualquiera: P (X > 170) = 1 − P (X ≤ 170) = 1 − P (z ≤ −2) = 1 − Φ(−2) = Φ(2) = 0,9773 Por otra parte P (X < 150) = P (z < −6) = 1 − Φ(6) = 0,0 Ejercicio 120
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
92
Ejercicio 121. Sea X la demanda de tipo N (150000, σ = 10,000). Sea C la cantidad dispuesta a la venta, entonces calculamos C imponiendo P (X < C) ≥ 0,95 Tipificando, tenemos P (Z <
C − 150000 = z0 ) = 0,95 10,000
De la tabla N (0, 1) se tiene que Φ(1,65) = 0,95, luego z0 =
Toc
JJ
C − 150000 = 1,65 =⇒ C = 166500 litros 10,000 Ejercicio 121
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
93
Ejercicio 122. Sea λ = 0,01. Vamos a hallar la funci´ on de densidad del tiempo de funcionamiento TS y TP para el sistema en serie y en paralelo respectivamente. • Sistema en Serie: GS (t) = P (TS > t) = P (T1 > t) P (T2 > t) = G1 (t) G2 (t) = = e−λt e−λt = e−2λt y as´ı tenemos para el sistema en serie la funci´ on de distribuci´on y la funci´on de densidad del tiempo TS : FS (t) = 1 − e−2λt
fS (t) = 2λ e−2λt
luego P (TS > 50) = GS (50) = e−2λ 50 = e−1 y P (TS > 50|TS > 20) = = Toc
JJ
II
P (TS > 50 y TS > 20) = P (TS > 20)
GS (50) = e−0,6 = 0,5488 GS (20) J I Volver J
Doc
Doc
I
Soluciones a los Ejercicios
94
P (TS < 50|TS > 20) = 1 − 0,5488 = 0,4512 • Sistema en Paralelo: Fp (t) = P (Tp < t) = P (T1 < t) P (T2 < t) = = F1 (t) F2 (t) = (1 − e−λt )(1 − e−λt ) y as´ı, la funci´on de supervivencia del tiempo Tp : Gp (t) = 1 − (1 − e−λt )(1 − e−λt ) luego P (Tp > 50) = Gp (50) = 1 − (1 − e−λ 50 )2 = 1 − (1 − e−0,5 )2 = 0.8452 y P (Tp > 50|Tp > 20) =
P (Tp > 50 y Tp > 20) Gp (50) = = e−0,6 P (Tp > 20) Gp (20)
P (Tp < 50|Tp > 20) = 1 − 0,8739 = 0,1261 Ejercicio 122 Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
95
Ejercicio 123. Sea R1 el recorrido con el primer par de zapatillas, y Ri el recorrido con el par i−´esimo de zapatillas. El recorrido total RT con n pares de zapatillas equivale a: RT = R1 + R2 + . . . + Rn La variable RT sigue una distribuci´ on normal N (20 n; σ 2 = 16 n). 300 − 20n √ P (RT > 300) = P (Z > = z0 ) ≥ 0,95 4 n 1 − Φ(z0 ) ≥ 0,95 Φ(z0 ) ≤ 0,05 de las tablas obtenemos z0 = −1,65 y as´ı 300 − 20n √ = z0 ≤ −1,65 4 n resolviendo esta ecuaci´on se obtiene n ≥ 17.
Toc
JJ
II
J
I
Ejercicio 123
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
96
Ejercicio 124. Sea C la cantidad que lleva en el bolsillo. Sea X el n´ umero de partidas ganadas de 400, de tipo B(400; 1/2). Sea B el beneficio B = 5X − 5(400 − X) = 10X − 2000. Hay que calcular C con la condici´on P (B + C ≥ 0) ≥ 0,95 Es decir 2000 − C P (10X − 2000 + C ≥ 0) = P X ≥ ≥ 0,95 10 Aproximando X por la distribuci´ on normal N (200; σ = 10) se tiene ! 2000−C − 200 10 = z0 ≥ 0,95 P Z≥ 10 Como 1 − Φ(z0 ) ≥ 0,95, buscando en la tabla N (0; 1), obtenemos z0 = −1,65, luego resolviendo la ecuaci´ on 2000−C 10
− 200 ≤ −1,65 10
C ≥ 165 Ejercicio 124
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
97
Ejercicio 125. Sea X la ganancia por acci´ on y G la ganancia total del corredor de bolsa. Entonces G = 50X − 1200,50 = 50X − 60,000 luego P (G ≥ 0)
= P (50X − 60000 ≥ 0) = P (X ≥ 1200) Z 2000 1 = dx = 0,8 1200 1000 Ejercicio 125
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
98
Ejercicio 126. Sea fA la frecuencia p obtenida con una muestra de tama˜ no n. Se tiene que fA ∼ N (p, pq/n), siendo la proporci´on real p = 0,52. Hay que determinar n con la condici´ on P (fA < 0,50) ≤ 0,01 Tipificando, obtenemos
0,5 − 0,52 = z0 ≤ 0,01 P Z < q 0,52 0,48 n
Como Φ(z0 ) ≤ 0,01, de la tabla N (0; 1), obtenemos z0 = −2,33, luego 0,5 − 0,52 z0 = q ≤ −2,33 =⇒ n ≥ 3388 0,52,0,48 n
Ejercicio 126
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
99
Ejercicio 127. Sean XA las partidas ganadas por A en 300 partidas, √ con XA ∼ B(300; 2/3), µA = np = 200 y σA = npq = 8,165 a). Con la aproximaci´on XA ≈ N (200; 8,165) 230 − 200 175 − 200
b).
El beneficio de A en las 300 partidas es, BA = 21 XA − 6(300 − XA ) = 27 XA − 1800 luego E[BA ] = 27 E[XA ] − 1800 = 3600 euros y por tanto el de B ser´a de -3600 euros.
c).
Las p´erdidas de B en las n partidas son las ganancias de A, PB = 21 XA − 6(n − XA ) = 27 XA − 6n Se pide n para que
Toc
JJ
II
P (PB > 200) > 0,9772 J I Volver J
Doc
Doc
I
Soluciones a los Ejercicios
o sea
100
P
200 + 6n XA < 27
> 0,9772
2 con la aproximaci´on XA ≈ N ( 2n 3 ;σ =
P
Z<
200+6n 27
−
2n 3
p
2n/9
2n 9 ),
se tiene
! = z0
> 0,9772
Como Φ(2) = 0,9772, resolvemos la inecuaci´ on 200+6n 27
− 2n 3 p ≥2 2n/9
y obtenemos n ≥ 28 partidas. Ejercicio 127
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
101
Ejercicio 128. Sea El contenido X en cl. de un bote de cerveza es X ∼ N (30; 2): a). P (X > 33)
b).
= 1 − P (X ≤ 33) = 1 − P (z ≤ 1,5) = 1 − Φ(1,5) = 1 − 0,9332 = 0,0668
Si Xi es el contenido del bote i-´esimo, el contenido total de los 6 botes S es S = X1 + X2 + . . . + X6 siendo S√ la suma de 6 variables aleatorias normales i.i.d, S ∼ N (198, 24) 175 − 198 √ ) = P (z < −4,695) = 0 P (S < 175) = P (z < 24 Ejercicio 128
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
102
Ejercicio 129. Sea X el n´ umero de fallecidos de un total de 2000 ingresados la variable X ∼ B(2000, p = 0,3), con np = 600 y npq = 420. Aproximando a la distribuci´ on normal N (600; σ 2 = 420), tenemos: 550 − 600 P (X ≤ 550) = P z < √ = P (z < −2,44) = 0,0073 420 Ejercicio 129
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
103
Ejercicio 130. El n´ umero X de unidades defectuosas producidas diariamente sigue una distribuci´ on de Poisson P o(λ = 10). En 150 dias el n´ umero de unidades defectuosas producidas ser´ a Poisson P o(λ = 1500). Con la aproximaci´ on a la distribuci´ on normal N (1500, σ 2 = 1500), tenemos: 1480 − 1500 √ )= P (X > 1480) = 1 − P (z < 1500 = 1 − Φ(−0,516) = Φ(0,516) = 0,69 Ejercicio 130
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
104
Ejercicio 131. Si la demanda X es N (10000; 100), P (X 6∈ (9,930, 10170))
= 1 − P (9,930 < X < 10170) 9930 − 10000 10170 − 10000 = 1−P
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
105
Ejercicio 132. De los 2.000 art´ıculos, sean X1 y X2 los art´ıculos vendidos de precios p1 y p2 respectivamente. Como X2 ∼ B(2000; p = 0,3)
P (X ≥ 800) =
2000 X i=800
2000 i
0,3i 0,72000−i
aproximando a la normal N (600, σ 2 = 420), tenemos 800 − 600 = 1 − Φ(9,76) = 0 P (X ≥ 800) = P z ≥ √ 420 Ejercicio 132
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
106
Ejercicio 133. El n´ umero de veh´ıculos X de los 4.000 autom´oviles vendidos que estar´a en servicio dentro de dos a˜ nos es B(4000; 0,8), luego por aproximaci´on a la normal N (np, npq), tendremos 3120 − 3200 √ P (X > 3120) = 1 − P z < = 1 − Φ(−3,16) = 0,9992 640 Ejercicio 133
Toc
JJ
II
J
I
Volver
J
Doc
Doc
I
Soluciones a los Ejercicios
107
Ejercicio 134. La demanda diaria X sigue una distribuci´on uniforme 2 U (20, 40) con µX = 30 y σX = 202 /12. La demanda en 182 dias corresponde a la variable D = X1 + X2 + . . . + X182 siendo Xi la demanda del d´ıa i-´esimo. Por el Teorema Central del L´ımite, la suma de las 182 variables i.i.d.(independientes e id´enticap 2 ) mente distribuidas) se ajusta a una N (n µ, nσX p D ∼ N (5460, 6066,67) luego 6370 − 5460 P (D > 6370) = 1 − P (z < √ ) = 1 − Φ(11,68) = 0,00 6066,67 Ejercicio 134