Вы находитесь на странице: 1из 88

O

J
A

Ejercicios de
B
A

Estadística
R

Teórica
T
E

Probabilidad e Inferencia
D

2ª Edición revisada y ampliada


S
O
T
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

N
E
M
U
C
O

68
D

EDICIONES
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
EDICIONES DE LA UNIVERSIDAD AUTÓNOMA DE MADRID
28049 Madrid
Teléfono 91 497 42 33
Fax 91 497 51 69
servicio.publicaciones@uam.es
www.uam.es/publicaciones

© UAM Ediciones, 2014.


© Las autoras, 2014.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Ediciones de la Universidad Autónoma de Madrid


Reservados todos los derechos. Está prohibido, bajo las sanciones penales y resarcimien-
to civil previsto en las leyes, reproducir, registrar o transmitir esta publicación, íntegra o
parcialmente (salvo, en este último caso, para su cita expresa en un texto diferente, men-
cionando su procedencia), por cualquier sistema de recuperación y por cualquier medio,
sea mecánico, electrónico, magnético, electroóptico, por fotocopia o cualquier otro, sin
la autorización previa por escrito de Ediciones de la Universidad Autónoma de Madrid.

I.S.B.N.: 978-84-8344--
Diseño de la colección: Producción Gráfica UAM

Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
ÍNDICE
Página

PRÓLOGOS 5

PARTE I: PROBABILIDAD 8

TEMA 1: PROBABILIDAD: CONCEPTOS Y TEOREMAS 9

TEMA 2: VARIABLES ALEATORIAS 18

TEMA 3: CARACTERÍSTICAS DE LA DISTRIBUCIÓN DE


36
PROBABILIDAD

TEMA 4: MODELOS DE PROBABILIAD: VARIABLES DISCRETAS 46

TEMA 5: MODELOS DE PROBABILIDAD: VARIABLES


58
CONTINUAS

TEMA 6: CONVERGENCIA 78

PARTE II: INFERENCIA 85

TEMA 7: DISTRIBUCIÓN EN EL MUESTREO 86

TEMA 8: ESTIMACIÓN PUNTUAL 103


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

TEMA 9: ESTIMACIÓN POR INTERVALOS 127

TEMA 10: CONTRASTES PARAMÉTRICOS 141

TEMA 11: CONTRASTES NO PARAMÉTRICOS 176

ANEXO I: USO DE LAS TABLAS CON LA HOJA DE CÁLCULO EXCEL 188

ANEXO II: TABLAS ESTADÍSTICAS 205

BIBLIOGRAFÍA 213

Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

PRÓLOGO A LA PRIMERA EDICIÓN

Este documento está basado en una colección de ejercicios de Estadística Teórica que
se han utilizado en el departamento de Economía Aplicada de la Universidad
Autónoma de Madrid en los últimos años en las Licenciaturas de Economía, ADE, y la
Licenciatura conjunta ADE-Derecho.

La colección de ejercicios tuvo su origen en una iniciativa de dos profesoras del


departamento: María Antonia Martínez Luengo y María Dolores Jano Salagre, que
propusieron una serie de ejercicios a un nivel adecuado a los nuevos planes de
estudio. En ellos se recogían los aspectos básicos y los conceptos fundamentales que se
explican en las asignaturas de Estadística Teórica I y II (Probabilidad e Inferencia).
Con el paso del tiempo, la colección ha sido utilizada por muchos compañeros del
departamento, que la han enriquecido con sus correcciones y sugerencias. A todos
ellos queremos expresar públicamente nuestro agradecimiento.

La publicación del presente Documento de Trabajo surge en el contexto del nuevo


sistema de créditos ECTS (European Credit Transfer System), centrados en el trabajo
del alumno. El objetivo es proporcionar material al estudiante, con el fin de que pueda
trabajar de manera autónoma para llegar a comprender y utilizar de forma práctica
los conceptos teóricos que se explican en las clases magistrales. Esto permitirá
disponer de más tiempo para la utilización de programas informáticos de análisis de
datos, cada vez más demandado por los empleadores y los propios estudiantes. Se trata
de un conjunto de ejercicios básicos para afianzar conceptos teóricos y aprender a
controlar la incertidumbre presente en el estudio de la realidad económica y en la
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

toma de decisiones.

El documento se ha estructurado en dos partes diferenciadas.

En la primera parte, se proponen y resuelven ejercicios de Probabilidad, organizados


en 6 temas. En el primer tema se calculan probabilidades de sucesos haciendo uso de
la definición axiomática de la Probabilidad. Se incluyen también ejercicios de
aplicación de los teoremas de la Probabilidad Total y de Bayes. En el segundo tema se
obtienen probabilidades a partir de las funciones de cuantía y densidad, las cuales
regulan el comportamiento probabilístico de variables aleatorias discretas o continuas,
tanto en el caso unidimensional como en el bidimensional. En el tercer tema se

5
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

caracterizan las distribuciones de probabilidad con el cálculo de la esperanza y la


varianza, y se utiliza el Teorema de Chebychev para aproximar probabilidades cuando
se desconoce el modelo de distribución de probabilidad que subyace al
comportamiento de la variable aleatoria. Los temas cuarto y quinto se ocupan del
estudio de modelos de probabilidad para variables aleatorias discretas y continuas. Por
último, se proponen ejercicios de convergencia a través de los teoremas de Moivre y
Central del Límite.

La segunda parte se ocupa de la Inferencia Estadística, que permite estimar


características poblacionales a partir de una muestra o subconjunto representativo de
la población, acotando la incertidumbre. En el tema 7, se proponen ejercicios que
ayudan a interpretar y entender la distribución en el muestreo de los estimadores más
comunes (media muestral, varianza muestral, diferencia de medias muestrales), y que
sientan las bases para el resto de secciones. Los temas ocho y nueve analizan diversos
métodos de estimación -puntual y por intervalos-, y estudian las propiedades de los
estimadores (insesgadez, eficiencia, consistencia, robustez y suficiencia). Para
terminar, los dos últimos temas se ocupan de contrastar hipótesis estadísticas en base a
la evidencia que proporciona una muestra aleatoria simple, tanto sobre parámetros de
la población cuyo modelo de distribución es conocido (media y varianza poblacional),
como de características del modelo de distribución de probabilidad (tipo de
distribución, independencia, homogeneidad).

Como complemento a los ejercicios se ofrecen dos anexos. En el Anexo I se explica el


manejo de tablas a través de una hoja de cálculo (Excel), que permite obtener las
probabilidades de todos los modelos de distribuciones utilizados en este Documento. El
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Anexo II recopila las Tablas Estadísticas, correspondientes a las distribuciones de


probabilidad Normal, t de Student, Chi Cuadrado y F de Snedecor.

6
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

PRÓLOGO A LA SEGUNDA EDICIÓN REVISADA

Pasados 7 años desde la prima edición, y dado el acceso generalizado de los


estudiantes a las nuevas tecnologías, consideramos la oportunidad de hacer accesible
una nueva versión del libro, revisada y ampliada, en formato electrónico con el fin de
facilitar el acceso y permitir que el estudiante complemente la formación en el aula
con el trabajo autónomo.

Se han corregido errores, se han añadido ejercicios procedentes de la base de


exámenes del departamento previos a Bolonia y se han incorporado aspectos más
visuales que permitan facilitar la comprensión de los conceptos más abstractos, sobre
todo en el tema de distribución de probabilidad. Los gráficos de las funciones de
densidad y distribución ayudan a visualizar el reparto de probabilidad y entender la
utilidad de dichas funciones para determinar y medir la incertidumbre de
determinados sucesos.

Esperamos que este nuevo formato pueda resultar de utilidad y agradecemos a todos
los profesores y alumnos sus comentarios y sugerencias para mejorar el texto.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

7
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
PARTE I
PROBABILIDAD
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

TEMA 1:
PROBABILIDAD: CONCEPTOS Y TEOREMAS

1.1. En la Universidad hay estudiantes correspondientes al plan nuevo y al plan


antiguo. Terminan la carrera el 75% del plan antiguo y el 55% del plan nuevo. Se sabe
que del total de alumnos, el 70% pertenecen al plan nuevo. Se elige un estudiante al
azar y se pide:
a) Probabilidad de que sea del plan nuevo y haya terminado la carrera.
b) Nos dicen que ha terminado la carrera. ¿Qué probabilidad hay de que sea
de plan antiguo?
c) Probabilidad de que sea del plan antiguo y no haya terminado la carrera.
d) Probabilidad de que, no habiendo terminado la carrera, sea del plan
antiguo.

Solución:

Sean los sucesos:


N = Alumno del Plan Nuevo
A = Alumno del Plan Antiguo
T/ N = Alumno ha terminado la carrera, condicionado a ser del Plan Nuevo
T/A = Alumno ha terminado la carrera, condicionado a ser del Plan Antiguo
NT/N = Alumno no ha terminado la carrera, condicionado a ser del Plan
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Nuevo
NT/A = Alumno no ha terminado la carrera, condicionado a ser del Plan
Antiguo

Las probabilidades a priori son:


P (N) = 70%
P (A) = 30%
Las verosimilitudes son:
P (T/N) = 55%
P (T/A) =75%
Las verosimilitudes de los sucesos complementarios son:
P (NT/N) = 1-0,55 = 0,45

9
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

P (NT/A) = 1-0,75 = 0,25

a) La probabilidad de que se produzcan los dos sucesos se calcula como la intersección


de los dos sucesos: ser del Plan Nuevo y terminar la carrera.
P (N ∩ T) = P(N). P(T/N) = 0,70.0,55 = 0,385

Existe una probabilidad del 38,5% de que el individuo haya terminado la carrera y
que sea del Plan Nuevo.

b) Nos piden la probabilidad a posteriori, luego aplicamos el Teorema de Bayes.


Previamente, necesitamos calcular la probabilidad total de haber terminado, para lo
cual utilizamos el Teorema de la Probabilidad Total.
P(T) = P(A)·P(T/A) + P(N)·P(T/N) = 0,30·0,75+0,70·0,55 = 0,61

La probabilidad pedida es:


P( A ∩ T ) P( A)·P(T / A) 0,3·0,75
P( A / T ) = = = = 0,369
P(T ) P(T ) 0,61

Hay un 36,9% de probabilidad de que el alumno sea del Plan Antiguo, sabiendo que
ha terminado la carrera.

c) La probabilidad de que se produzcan los dos sucesos se calcula como la intersección


de los dos sucesos: ser del Plan Nuevo y no haber terminado la carrera.
P (A ∩ NT ) = P(A). P(NT/A) = 0,30.0,25 = 0,075
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Hay un 7,5% de probabilidad de que el alumno sea del Plan Nuevo y que no haya
terminado la carrera.

d) Nos piden la probabilidad a posteriori, luego aplicamos el Teorema de Bayes.


Previamente, necesitamos calcular la probabilidad total de no haber terminado, para
lo cual utilizamos el Teorema de la Probabilidad Total.
P (NT) = P(A)·P(NT/A) + P(N)·P(NT/N) = 0,30·0,25+0,70·0,45 = 0,39

Alternativamente, podemos calcular la probabilidad total de no haber terminado la


carrera como la probabilidad complementaria del suceso haber terminado la carrera:
P (NT) = 1 – P (T) = 1- 0,610 = 0,390

10
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

La probabilidad pedida es:


P( A ∩ NT ) P( A)·P( NT / A) 0,3·0,25
P( A / NT ) = = = = 0,192
P( NT ) P( NT ) 0,39

La probabilidad de que el alumno sea del Plan Antiguo y que no haya terminado la
carrera es del 19,2%.

1.2. En una casa donde viven tres estudiantes, Juan, Pedro y Luis, se escucha el sonido
de un vaso roto. La vecina, que es un poco fisgona, se pregunta quién habrá sido el
autor de dicho destrozo, así que coincidiendo con uno de los estudiantes en el
ascensor le pregunta quién ha sido el que rompió el vaso fregando. El estudiante, que
por aquel entonces estaba preparando el examen de estadística, le dice que ha sido
aquel cuya probabilidad de haber roto el vaso es más alta. Además le da la siguiente
información: de los siete días de la semana, Juan y Pedro friegan dos días cada uno y él
(Luis) friega tres. Además, le dice que Juan rompe 1 de cada 20 vasos que friega,
Pedro 1 de cada 50 y él 4 de cada 100. Con estos datos, Luis le dice a la señora que
puede saber quién rompió el vaso.
a) ¿A qué conclusión debería llegar la vecina? Realiza los cálculos necesarios
para saber quién rompió el vaso.
b) ¿Se puede decir que el culpable es el más torpe?

Solución:
Sean los sucesos:
FJ = Friega Juan
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

FP = Friega Pedro
FL = Friega Luis
R/FJ = Rompe Juan, habiendo fregado Juan
R/FP = Rompe Pedro, habiendo fregado Pedro
R/FL = Rompe Luis, habiendo fregado Luis
R = Romper el vaso
Las probabilidades a priori son:
P (FJ) = 2/7
P (FP) = 2/7
P (FL) = 3/7

11
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Las verosimilitudes son:


P (R/FJ) = 1/20
P (R/FP) = 1/50
P (R/FL) = 4/100

a) Para saber quién rompió el vaso, la vecina deberá averiguar, sabiendo que el vaso
se ha roto, quién estaba fregando, que será aquél que tenga la probabilidad más alta
de estar fregando.

Para resolver este problema, hemos de aplicar el Teorema de Bayes, para lo cual
necesitamos calcular previamente la probabilidad de que el vaso se haya roto. Para
ello, utilizamos el Teorema de la Probabilidad Total.
3
P (R) = ∑ P( Fi ) P( R / Fi ) , donde i = Juan, Pedro, Luis.
i =1

2 1 2 1 3 4
P (R) = ⋅ + ⋅ + ⋅ = 0,037
7 20 7 50 7 100

Una vez que conocemos la probabilidad de romper el vaso, aplicamos el Teorema de


Bayes, para cada uno de los individuos:
2 1
·
P (FJ) · P (RJ/FJ) 7 20
P (FJ/R) = = = 0,387
P (R) 0,037
2 1
·
P (FP) · P (RP/FP) 7 50 = 0,154
P (FP/R) = =
P (R) 0,037
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

3 4
P (FL) · P (RL/FL) 7 ·100
P (FL/R) = = 0,463
P (R) 0,037

Por tanto, Luis es quien tiene una mayor probabilidad de estar fregando cuando se
rompió el vaso (46,3% frente al 15,4% de Pedro y al 38,7% de Juan).

b) No, el más torpe es aquel que tiene mayor probabilidad de romper el vaso cuando
friega. Por tanto,
P (R/FJ) = 1/20 = 0,05
P (R/FP) = 1/50 = 0,02
P (R/FL) = 4/100 = 0,04

12
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

El más torpe es Juan (5% frente al 2% de Pedro y al 4% de Luis).

1.3. Una clase de estadística se compone de 50 alumnos: 30 alumnos matriculados


por primera vez, 10 repetidores por primera vez, y 10 repetidores por segunda vez.
Las calificaciones mostraron que aprobaron 10, 3 y 5 alumnos de cada tipo
respectivamente. Si se selecciona un estudiante aleatoriamente y se encuentra que está
aprobado. ¿Cuál es la probabilidad de que el alumno sea de los matriculados por
primera vez?

Solución:
Sean los sucesos:
M = Alumnos matriculados por primera vez
R1 = Alumnos repetidores por primera vez
R2 = Alumnos repetidores por segunda vez
A = Alumnos aprobados

Las probabilidades a priori son:


P (M) = 30/50
P (R1) = 10/50
P (R2) = 10/50

Las verosimilitudes son:


P (A/M) = 10/30
P (A/R1) = 3/10
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

P (A/R2) = 5/10
Nos piden la probabilidad a posteriori, luego aplicamos el Teorema de Bayes.
Previamente, necesitamos calcular la probabilidad total de haber aprobado, para lo
cual utilizamos el Teorema de la Probabilidad Total.
P (A) = P(M)·P(A/M) + P(R1)·P(A/R1) + P(R2)·P(A/R2) = 0,6·0,333 +
0,2·0,3 + 0,2·0,5 = 0,359

La probabilidad pedida es:


P ( M ∩ A) P( M ).P( A / M ) 0,6.0,333
P ( M / A) = = = = 0,556
P( A) P( A) 0,359

13
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Si se sabe que el alumno ha aprobado, la probabilidad de que sea de los matriculados


por primera vez es del 55,6%.

1.4. Un sistema tiene dos componentes: A y B y se conecta de manera que éste


funciona si cualquiera de esos componentes funciona. Se sabe que la probabilidad de
que funcione el componente A es de 0,9, la probabilidad de que funcione el
componente B es de 0,8 y la probabilidad de que funcionen los dos a la vez es de 0,72.
Determinar la probabilidad de que el sistema funcione.

Solución:

El sistema funcionará si funciona el componente A, el B, o los dos a la vez. Por tanto, se


pide la probabilidad de la unión de los dos sucesos, dadas las siguientes probabilidades
de los sucesos anteriores:
P(A) = 0,9
P(B) = 0,8
P(A∩B) = 0,72

P(A∪B) = P(A) + P (B) - P(A∩B) = 0,9 + 0,8 – 0,72 = 0,98.

Con un 98% de probabilidad, el sistema funcionará.

1.5. Una empresa fabrica componentes electrónicos de gran precisión. Con el estado
actual de la tecnología, sólo se consigue que dos de cada cinco elementos fabricados
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

sean válidos. Se considera inaceptable vender los productos con ese porcentaje de
elementos defectuosos, de modo que a los componentes fabricados se les somete a un
estricto control a través de un test. No obstante se ha comprobado que no es un test
exacto puesto que es superado por un elemento válido con probabilidad de 0,99 y por
uno defectuoso con probabilidad de 0,025. Se selecciona al azar un componente y se
sabe que ha superado el test.
a) ¿Cuál es la probabilidad de que resulte válido?
b) ¿Cuál es la proporción total de componentes fabricados que pasan el test?

14
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Solución:

Sean los sucesos:


P = El componente pasa el test.
V = El elemento es válido.
NV = El elemento no es válido.
P/V = El componente pasa el test, condicionado a ser válido.
P/NV = El componente pasa el test, condicionado a no ser válido.

Las probabilidades a priori son:


P (V) = 2/5 = 0,4
P (NV) = 1-2/5 = 3/5 = 0,6

Las verosimilitudes son:


P (P/V) = 0,99
P (P/NV) = 0,025

a) Nos piden la probabilidad a posteriori, luego aplicamos el Teorema de Bayes.


Previamente, necesitamos calcular la probabilidad total de que el componente pase el
test, para lo cual utilizamos el Teorema de la Probabilidad Total.
P(P) = P(V)·P(P/V) + P(P/NV)·P(NV) = 0,4·0,99 + 0,025·0,6 = 0,411

La probabilidad pedida es:


P(V )·P( P / V ) 0,4·0,99
P(V / P) = = = 0,963
P( P) 0,411
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Hay un 96,3% de probabilidad de que el componente sea válido, sabiendo que ha


pasado el test.

b) Tal y como se ha calculado en el apartado anterior, a través del Teorema de la


Probabilidad Total, la proporción total de componentes que pasan el test es del 41,1%.
De todos los que pasan el test, el 96,3% resultan ser válidos.

15
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

1.6. Se les preguntó a los espectadores de un partido de baloncesto con qué frecuencia
practicaban ellos baloncesto y también si habían adquirido un abono para todos los
partidos de la temporada. Los resultados fueron los siguientes:

FRECUENCIA CON QUE PRACTICA BALONCESTO


ADQUIERE ABONO REGULARMENTE OCASIONALMENTE NUNCA
SI 0,18 0,10 0,04
NO 0,16 0,31 0,21

a) ¿Cuál es la probabilidad de que un espectador elegido al azar no practique


nunca baloncesto?
b) ¿Cuál es la probabilidad de que un espectador elegido al azar haya
adquirido un abono?
c) ¿Cuál es la probabilidad de que un espectador que practica baloncesto
(regular u ocasionalmente) haya adquirido un abono?
d) ¿Cuál es la probabilidad de que un espectador que no practica nunca haya
adquirido un abono?
e) ¿Cuál es la probabilidad de que un espectador que no practique
regularmente baloncesto haya comprado un abono?

Solución:

Sean los sucesos:

SI = El espectador adquiere el abono.


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

NO = El espectador no adquiere el abono.


R = El espectador practica baloncesto regularmente.
O = El espectador practica baloncesto ocasionalmente.
N = El espectador nunca practica baloncesto.

a) La probabilidad de que el espectador no practique nunca el baloncesto se calculará


como la unión de los sucesos “el espectador nunca practica el baloncesto y adquiere el
abono” y “el espectador nunca practica el baloncesto pero no adquiere el abono”.
P(N) = 0,04 + 0,21 = 0,25

La probabilidad de que el espectador no practique nunca el baloncesto es del 25%.

16
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

b) La probabilidad de que el espectador compre el abono se calculará como la unión


de los sucesos “adquiere el abono y el espectador nunca practica el baloncesto”,
“adquiere el abono y el espectador practica el baloncesto regularmente” y “adquiere
el abono y el espectador practica el baloncesto ocasionalmente”.
P(SI) = 0,18+ 0,10 + 0,04 = 0,32

La probabilidad de que el espectador haya adquirido el abono es del 32%.

c) Se pide la probabilidad de que el espectador haya comprado el abono condicionado


a que practique baloncesto, regular u ocasionalmente.
P(SI ∩ ( R ∪ O) ) 0,18 + 0,10
P ( SI / R ∪ O) = = =
P( R ∪ O) 0,18 + 0,10 + 0,16 + 0,31
0,28
= = 0,373
0,75

El 37,3% de los que practican baloncesto regular u ocasionalmente ha comprado el


abono.
d) Se pide la probabilidad de que el espectador haya adquirido el abono, condicionado
a que no practique el baloncesto.
P(SI ∩ N ) 0,04 0,04
P(SI / N ) = = = = 0,16
P( N ) 0,04 + 0,21 0,25

La probabilidad de que un espectador que no practica nunca haya adquirido un abono


es del 16%.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

e) Se pide la probabilidad de que el espectador haya comprado el abono condicionado


a que no practique nunca baloncesto o lo haga ocasionalmente.
P(SI ∩ (O ∪ N ) ) 0,10 + 0,04 0,14
P(SI / O ∪ N ) = = = = 0,212
P (O ∪ N ) 0,10 + 0,31 + 0,04 + 0,21 0,66

La probabilidad de que un espectador que no practique nunca el baloncesto o lo haga


ocasionalmente haya adquirido un abono es del 21,2%.

17
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

TEMA 2:
VARIABLES ALEATORIAS

2.1. Un deportista de alto nivel realiza al día múltiples ensayos de salto doble mortal.
El deportista estima que el número de veces que falla en el salto “X” se distribuye al
día con función de cuantía:
Xi
23
P ( X = xi ) =   xi = 0,1,2,3,......
55

Determinar:
a) La probabilidad de que en un día no falle ningún salto.
b) La probabilidad de que un día falle más de un salto.
c) La probabilidad de que en un día falle cinco saltos.

Solución:

Sea X la variable aleatoria discreta número de fallos al día de un deportista.

a) Para calcular la probabilidad de que en día no falle ningún salto, hemos de


determinar el valor de la función de cuantía cuando ésta toma el valor 0. Es decir:
0
23
P ( X = 0) =   = 0,4
55

La probabilidad de que un día no falle ningún salto es del 40%.


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

b) La probabilidad de que en día falle más de un salto se calculará como el valor de la


función de cuantía cuando ésta toma valores superiores a uno, es decir, que falle dos,
tres, cuatro, etc. saltos en un día. Como el campo de variación de la variable aleatoria
va de cero a infinito, calcularemos la probabilidad pedida a través del suceso
complementario de “más de un fallo al día”, que es no fallar o fallar una vez.

 2  3 0 2  3 1 
P( X > 1) = 1 − P ( X ≤ 1) = 1 − [P ( X = 0) + P ( X = 1)] = 1 −    +    =
 5  5  55 

= 1 − 0,4 − 0,24 = 0,36

Por tanto, la probabilidad de que un día falle más de un salto es del 36%.

18
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

c) Para calcular la probabilidad de que en día falle cinco saltos, hemos de determinar
el valor de la función de cuantía cuando ésta toma el valor 5. Es decir:
5
23
P( X = 5) =   = 0,031
55

La probabilidad de que un día falle 5 veces es de 3,1%.

2.2. Las compras de libros de texto a una librería en el mes de septiembre (en miles de
unidades) se comportan como una variable aleatoria, cuya función de densidad es:
k ( x + 5) 0 < x < 5
f ( x) = 
0 resto
Se pide:
a) Determinar k para que f(x) sea función de densidad.
b) Hallar la función de distribución.
c) ¿Cuál es la probabilidad de que los clientes demanden entre 2.000 y 3.000
unidades?
d) A la hora de hacer el pedido de libros a las editoriales, el dueño de la misma
se pregunta cuántos libros ha de solicitar para poder atender a su clientela
con un 95% de probabilidad. Con los datos de que disponemos, ¿podemos
ayudarle?

Solución:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

a) Definimos la variable aleatoria continua X como el número de pedidos a una


librería en el mes de septiembre (en miles de unidades).

Para verificar que se trata efectivamente de una función de densidad, han de


cumplirse las siguientes condiciones:
+∞

∫ f ( x)dx = 1
−∞

f ( x) ≥ 0,−∞ < x < +∞

En nuestro caso:

19
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

+∞ 5 5
1 2  75
∫−∞ f ( x)dx = ∫0 k ( x + 5)dx = k  2 x + 5 x 0 = k · 2 = 1

Despejando el valor de k:
2 1
k= =
75 37,5

Por lo que la función de densidad es:


 1
 ·(x + 5) si 0 < x < 5
f ( x) =  37,5
0 resto

b) La función de distribución F(X) será:

1 1 1 2
x

x x
F(X) = P(X ≤ x) = ∫ f ( x)dx = ∫ ( x + 5)dx =  x + 5x =
−∞ 0
37,5 37,5  2 0
1 1 2 
=  x + 5x 
37,5  2 

Luego:

0 si x≤0
1 1 2 
F(X) = x + 5x si 0<x<5
37,5  2 
1 si x≥5
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

c) La probabilidad de que los clientes demanden entre 2 y 3 (mil) unidades se calcula


a partir de la función de densidad, cuyos límites de integración serán 2 y 3.
3 3
1 1 1 2 
P (2 ≤ X ≤ 3) = ∫ ( x + 5)dx =  x + 5 x  = 0,2
2
37,5 37,5  2 2

La probabilidad de que los clientes pidan entre 2.000 y 3.000 libros es de un 20%.

d) Siendo x el número de libros que ha de pedir, sabemos que la función de


distribución toma el valor 0,95. Por tanto:
F(X) = 0,95

20
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Sustituyendo por el valor de la función de distribución:


1 1 2 
 x + 5 x  =0,95
37,5  2 

Despejamos el valor de x (únicamente consideramos válido en este caso el valor


positivo):
x = 4,81
Como la variable está expresada en miles:
x = 4.810 libros ha de pedir como mínimo para poder atender a sus clientes con un
95% de probabilidad.

f(x)=(1/37,5)*(x+5)
F(x)=(1/37,5)*(0,5x2+5x)
1,000
0,900
0,800
0,700
0,600
f(x); F(x)

0,500
f(x)
0,400
0,300 F(x)
0,200
0,100
0,000
0 0,4 0,8 1,2 1,6 2 2,4 2,8 3,2 3,6 4 4,4 4,8
x
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

2.3. Se ha realizado un estudio para analizar el tiempo de reacción (en minutos) de un


retén de bomberos entre la llamada y la llegada al incendio, llegándose a la conclusión
de que puede representarse por la función de densidad:
f ( x) = kx 2 0 < x < 10
donde se supone que X es continua en el intervalo (0;10). Se pide:
a) Determinar k para que sea función de densidad.
b) Probabilidad de que la llegada al incendio se produzca antes de 3 minutos.
c) Calcular la función de distribución.
d) Por término medio, ¿cuántos minutos se esperan de reacción? ¿Cuánta
variabilidad puede existir entre la llamada y la llegada al incendio?

21
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Solución:

a) Definimos la variable aleatoria continua X como los minutos que transcurren


entre la llamada al retén y su llegada al incendio.

Para verificar que se trata efectivamente de una función de densidad, ha de cumplirse


que:
+∞

∫ f ( x)dx = 1
−∞

f ( x) ≥ 0,−∞ < x < +∞

En nuestro caso:
+∞ 10 10
1 3  1000
∫−∞ f ( x)dx = ∫0 kx dx = k  3 x  0 = k. 3 = 1
2

Despejando el valor de k:
3
k=
1000

Por lo que la función de densidad es:


 3 2
 x si 0 < x < 10
f ( x) = 1000
0 resto
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Función de densidad f(x)=(3/1000)x2


0,35

0,3

0,25

0,2

0,15

0,1

0,05

0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5 9 9,5 10

22
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

b) La probabilidad de que la llegada al incendio se produzca antes de 3 minutos se


calcula a partir de la función de densidad, cuyos límites de integración serán 0 y 3.
3 3
3 3  x3  27
P (0 ≤ X ≤ 3) = ∫ x 2 dx =   =
0
1000 1000  3  0 1000

La probabilidad de que la llegada al incendio se produzca antes de 3 minutos es de


0,027.

c) La función de distribución F(X) será:

3 3 1 3  1
[ ]
x x x

F( X ) = P(X ≤ x) = ∫ f ( x)dx = ∫ x 2 dx =  x  = x3
−∞ 0
1000 1000  3 0 1000
Luego:

0 si x≤0
x3
F(X) = si 0<x<10
1000
1 si x≥10

Función de distribución F(x)=(1/1000)x3


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

1,2

0,8

0,6

0,4

0,2

0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5 5,5 6 6,5 7 7,5 8 8,5 9 9,5 10

23
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

d) Para saber los minutos que, por término medio, transcurren entre el aviso y la
llegada del retén al incendio, calculamos la esperanza de la variable aleatoria X.
+∞
E(X) = ∫ x.f(x)dx
-∞

En nuestro caso,
+∞ 10 10
3 3  x4 
E(X) = ∫ x.f(x)dx = ∫ x. x 2 dx = .  = 7,5 minutos transcurren
-∞ 0
1000 1000  4  0
entre el aviso y la llegada al incendio.

Para conocer la variabilidad, calcularemos la varianza de la variable aleatoria X.


V(X) = α 2 − α 12

donde α 2 es el momento de orden 2 respecto al origen y α 1 es el momento de orden 1


respecto al origen, es decir, E(X).

Calculamos α 2 :
+∞ 10 10
3 3  x5 
α 2 = ∫ x .f(x)dx = ∫ x .
2
x 2 dx = 2
.  = 60
-∞ 0
1000 1000  5  0
Por tanto,
V(X) = α 2 − α 12 = 60 − 7,5 2 = 3,75 minutos al cuadrado. Ésta es la variabilidad
de la variable tiempo transcurrido entre aviso y llegada.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

2.4. El volumen de agua que se recoge por minuto en un embalse (en metros cúbicos)
constituye una variable aleatoria continua definida por la siguiente función de
densidad:
ke −2 x si x ≥ 0
f ( x) = 
0 resto de casos
Se pide:
a) Valor de k para que f(x) sea un función de densidad.
b) Calcule la función de distribución.
c) Calcule la probabilidad de que X tome el valor 3.
d) Calcule la probabilidad de que X varíe entre 1 y 3.

24
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Solución:

a) Definimos la variable aleatoria continua X como el volumen de agua recogidos en


una presa (en metros cúbicos).

Para verificar que se trata efectivamente de una función de densidad, ha de cumplirse


que:
+∞

∫ f ( x)dx = 1
−∞

f ( x) ≥ 0,−∞ < x < +∞

En nuestro caso:
+∞ +∞ +∞
 1  1
∫ f ( x)dx = ∫ k (e
−2 x
)dx = k − e − 2 x  = k . = 1
−∞ 0  2 0 2

Despejando el valor de k:
k=2

Por lo que la función de densidad es:


2e −2 x si x ≥ 0
f ( x) = 
0 resto
b) La función de distribución F(X) será:

 1 −2 x 
x x x

∫−∞ f ( x)dx = ∫0 2e dx = 2− 2 e  0 = 1 − e


−2 x −2 x
F(X) = P(X ≤ x) =
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Luego:
0 si x < 0
F ( x) =  −2 x
1 − e si x ≥ 0

25
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Función densidad f(x)=2e-2x


2,5

1,5

0,5

0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5

Función de distribución F(x)=1-e-2x


1,2

0,8

0,6

0,4

0,2

0
0 0,5 1 1,5 2 2,5 3 3,5 4 4,5 5
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

c) Dado que en variables aleatorias continuas la probabilidad se reparte entre infinitos


puntos, la probabilidad de que tome un valor concreto es prácticamente cero. Por
tanto:
P (X=3) ≈ 0

d) Calculamos la probabilidad de que se recojan entre 1 y 3 toneladas a partir de la


función de distribución, como la diferencia entre el valor de la función de distribución
para el punto 3 y su valor en el punto 1 (recordemos que la función de distribución
proporciona la probabilidad que se acumula hasta un punto).
P (1 ≤ X ≤ 3) = F(3) - F(1) = 1 − e −2·3 − (1 − e −2·1 ) = e −2 − e −6 = 0,133

26
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

La probabilidad de que el embalse recoja entre 1 y 3 metros cúbicos es de 13,3%.

2.5. Se pretende estudiar la relación entre el número de hijos deseados por el hombre
y por la mujer. Para ello se entrevista a un conjunto de parejas. Sean X el número de
hijos deseados por la mujer, e Y el número de hijos deseados por el hombre. En la
siguiente tabla se presenta la distribución conjunta de estas dos variables.

Y 0 1 2
X
0 0,20 0,15 0,05
1 0,05 0,20 0,05
2 0,05 0,05 0,20

Se pide:
a) Obtener las distribuciones marginales de X e Y.
b) Determinar la distribución de X condicionada a que Y sea cero.
c) Determinar la distribución de X condicionada a que Y sea mayor o igual que
1.
d) Analizar si son independientes las variables X e Y.

Solución:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Distribución bidimensional:discretas

0,2
Frecuencias relativas

0,15
0,1
0,05
0
0
1
2
X

27
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

a) Sea X la variable aleatoria discreta que representa el número de hijos deseados por
la mujer, e Y la variable aleatoria discreta que representa el número de hijos deseados
por el hombre.

Las distribuciones marginales analizan el comportamiento de cada variable X e Y,


independientemente una de otra. Por tanto, hemos de calcular p i. = ∑ Pij y
i

p .j = ∑ Pij
j

Xi pi. Yj p.j
0 0,40 0 0,30
1 0,30 1 0,40
2 0,30 2 0,30

La interpretación será la siguiente: el 40% de las mujeres desea no tener hijos, el 30%
desea tener un hijo, y el 30%, dos, independientemente de lo que desee el hombre. Por
otro lado, el 30% de los hombres no desea tener hijos, el 40% desea uno, mientras que
el 30% desea dos, independientemente de lo que desee la mujer.

b) Se pide la probabilidad de X condicionada a que Y tome el valor 0. Es decir,


p[X = x i ∩ Y = 0] Pi1
P( X = xi / Y = 0) = =
p[Y = 0] P.1

Sustituyendo para los tres posibles valores que toma la variable X, 0, 1 ó 2:


P11 0,2 2
P( X = 0 / Y = 0) = = =
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

P.1 0,3 3
P21 0,05 1
P( X = 1 / Y = 0) = = =
P.1 0,3 6
P31 0,05 1
P( X = 2 / Y = 0) = = =
P.1 0,3 6

Por tanto, la función de cuantía condicionada será:

Xi Pij/Y = 0
0 0,666
1 0,166
2 0,166

28
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

c) Se pide la probabilidad de X condicionada a que Y tome los valores mayores o


iguales a 1. Es decir,
p[X = x; Y ≥ 1]
P( X = x / Y ≥ 1) =
p[Y ≥ 1]

Sustituyendo para los tres posibles valores que toma la variable X, 0, 1 ó 2:


0,15 + 0,05
P( X = 0 / Y ≥ 1) = = 0,286
0,4 + 0,3
0,2 + 0,05
P( X = 1 / Y ≥ 1) = = 0,357
0,3 + 0,4
P31 0,05 + 0,02
P( X = 2 / Y ≥ 1) = = = 0,357
P.1 0,4 + 0,3

Por tanto, la función de cuantía condicionada será:

Xi Pij/Y≥1
0 0,286
1 0,357
2 0,357

d) La condición de independencia para dos variables es que la probabilidad conjunta


sea igual al producto de las probabilidades marginales. Es decir:
Pij = Pi. ·P.j
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Escogemos un caso concreto, por ejemplo:


P11 = P1. ·P.1 ⇒ 0,2≠0,4·0,3

Como la probabilidad conjunta para un caso concreto es diferente al producto de las


probabilidades marginales podemos afirmar que X e Y no son independientes.

2.6. Si la función de densidad de una variable bidimensional (X,Y) es:


x + y si 0 < x ≤ 1 ; 0 < y ≤ 1
f ( x, y) = 
0 resto de casos

29
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Se pide:
a) Comprobar que es una función de densidad.
b) Calcular las funciones de densidad marginales.
c) ¿Son independientes?
d) Calcular las funciones de densidad condicionadas.
e) Calcular la P[x ≤ 0,5 / y=0,3].
f) Calcular la P[0,1≤ y ≤0,2 / x≤0,5].
g) Calcular la covarianza entre X e Y.

Solución:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

30
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

a) Para que sea función de densidad, ha de cumplirse que:


+∞ +∞

∫ ∫ f (x, y )dxdy = 1
− ∞− ∞

f ( x, y ) ≥ 0,−∞ < x, y < +∞

En nuestro caso:
+∞ +∞ 1 1 1 1 1 1
 x2  1  1 y2 
∫ ∫ (x + y )dxdy = ∫0 ∫0 (x + y )dxdy = ∫0  2 + yx dy = ∫0  2 + y dy =  2 y + 2  =
−∞−∞ 0 0

1 1
= + =1
2 2
Por tanto, se demuestra que se trata de una función de densidad.

b) Para calcular las funciones de densidad marginales utilizamos la expresión


∞ ∞
f1 ( x ) = ∫ f ( x, y )dy para la función de densidad marginal de X y f 2 ( y ) = ∫ f (x, y )dx
−∞ −∞

para la función de densidad de Y. En este caso:


∞ 1 1
 y2  1
f 1 (x ) = ∫ f (x, y )dy = ∫ (x + y )dy =  xy +  =x+
−∞ 0  2 0 2
∞ 1 1
 x2  1
f 2 ( y ) = ∫ f ( x, y )dx = ∫ ( x + y )dx =  xy +  = y +
−∞ 0  2 0 2

Por lo tanto:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

 1
x + si 0 < x ≤ 1 ;
f 1 ( x) =  2
0 resto de casos
 1
y + si 0 < y ≤ 1 ;
f 2 ( y) =  2
0 resto de casos

31
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

f(y)=y+0,5 0<y<1
1,6
1,4
1,2
1
f(y)

0,8
0,6
0,4
0,2
0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
variable y

F(y)=0,5y+0,5y2 0<y<1
1,2

0,8
F(y)

0,6

0,4

0,2

0
0 0,1 0,2 0,3 0,4 0,5 0,6 0,7 0,8 0,9 1
variable y
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

c) Las variables X e Y serán independientes si la función de densidad conjunta es igual


al producto de las marginales, es decir, f(x,y) = f1(x)·f2(y).

En nuestro caso,
 1  1 1 1 1
x + y ≠ x +  y +  = xy + x + y +
 2  2 2 2 4
X e Y no son independientes, ya que la función de densidad conjunta no es igual al
producto de las marginales.

d) Para el cálculo de las funciones de densidad condicionadas a Y y X,


respectivamente, se utilizarán las expresiones siguientes:

32
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

f (x, y )
f ( x / y) =
f 2 (y)
f (x, y )
f ( y / x) =
f 1 (x )

En nuestro caso, la función de densidad de X condicionada a Y será:


x + y
 si 0 < x, y ≤ 1 ;
1
f ( x / y) =  y +
 2
0 resto de casos

Mientras que la función de densidad de Y condicionada a X será:


x+y
 si 0 < x, y ≤ 1 ;
1
f ( y / x) =  x +
 2
0 resto de casos

e) Para calcular la probabilidad de que X sea menor o igual a 0,5 condicionado a que
Y tome el valor 0,3, utilizaremos la expresión de la función de densidad de X
condicionada a que Y tome ese valor. Hay que señalar, que al tratarse de una variable
aleatoria continua, la probabilidad de que Y tome el valor 0,3 es cero. En este caso, en
la función de densidad condicionada se sustituye el valor de Y = 0,3.
0,5 0,5 0,5 0,5
x + 0,3 x + 0,3 1  x2 
P[x ≤ 0,5 / y = 0,3] = ∫ f ( x / y = 0,3)dx = ∫ dx = ∫ dx =  + 0,3 x  =
0 0 0,3 +
1 0
0,8 0,8  2 
2 0
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

= 0,343

Cuando Y = 0,3, la probabilidad de que X sea menor o igual a 0,5 es de 34,3%.

f) Dado que la probabilidad condicionada es el cociente entre la probabilidad de que


una variable esté entre unos determinados valores y la probabilidad del suceso
condicionante, habrá que calcular el cociente entre la función de densidad conjunta
en los puntos de integración pedidos y la función de densidad marginal en los puntos
de integración de la variable que condiciona. En nuestro caso, se quiere calcular la
probabilidad de que Y esté comprendida entre 0,1 y 0,2, cuando X es inferior o igual a
0,5.

33
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

0 , 20 , 5 0, 2 0,5
 x2 
∫ ∫ (x + y )dxdy ∫0,1 2 + xy  dy
P[0,1 ≤ y ≤ 0,2 / x ≤ 0,5] =
0 ,1 0 0
0,5
= 0,5
=
1  1 x  2

∫0  2 + x dx  x+ 
2 2 0
0, 2
0, 2
1 y 1 1 y2 
∫0,1 8 + 2 dy 
8
·y + · 
2 2  0,1
= = = 0,353
1 1 0,375
+
4 8

La probabilidad de que Y esté comprendida entre 0,1 y 0,2, cuando X es inferior o


igual a 0,5 es de 35,3%.

g) La covarianza de las variables X e Y se calcula a partir de la siguiente expresión:


+∞ +∞
Cov( x, y ) = µ11 = ∫ ∫ [(x − α )(· y − α )· f (x, y )]dxdy == α
− ∞− ∞
10 01 11 − α 10α 01

donde α11 es el momento bidimensional de orden (1,1) respecto al origen, α 10 y α 01


son los momentos de orden 1 respecto al origen de la variable aleatoria bidimensional,
es decir, las esperanzas matemáticas de X e Y, respectivamente.

Calculamos los tres momentos indicados:


1

1 1
 1
 y2 
1
 1
E (x ) = α 10 = ∫ x· f 1 ( x )dx = ∫ x  ∫ ( x + y )dy dx = ∫ x  xy +  dx = ∫ x x + dx =
−∞ 0 0  0 
2 0 0 
2
1 1 1 1 1
 1  1  x3  1 x2  1 1 7
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

= ∫  x 2 + x dx = ∫ x 2 dx + ∫ xdx =   +   = + =
0
2  0
20  3  0  2 2  0 3 4 12

∞ 1
1  1
 1
E ( y ) = α 01 = ∫−∞ 2
y · f ( y )dy = ∫0 ∫0
y ( x + y )dx dy = ∫ y y + dy =
 0 
2
1 1 1 1 1
 1  1  y3  1 y 2  1 1 7
= ∫ y2 + y dy = ∫ y 2 dy + ∫ ydy =   +   = + =
0
2  0
20  3  0  2 2  0 3 4 12

34
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

+∞ +∞ +∞ +∞
α 11 = ∫ ∫ xy· f (x, y )dxdy = ∫ ∫ xy·(x + y )dxd y =
− ∞− ∞ − ∞− ∞
1 1
 1

1
( ) (
= ∫ ∫ x 2 y + xy 2 dxdy = ∫  ∫ x 2 y + xy 2 dy dx = )
0 0 0 0 
1 1 1 1 1
 2 y2 y3   x2 x  1  x3  1  x2  11 11 2 1
= ∫ x + x  dx = ∫  + dx =   +   = · + · = =
0 
2 3 0 0
2 3 2  3 0 3  2 0 2 3 3 2 6 3

Por tanto:
1 7 7
µ11 = α 11 − α 10α 01 = − · = −0,0069
3 12 12

La covarianza de X e Y es de -0,0069, lo que implica que su relación es negativa, es


decir, que cuando una variable crece, la otra decrece. Hay que destacar que aunque la
covarianza es prácticamente cero, no tienen por qué ser independientes, como se
comprobó en apartados interiores. Si son independientes, la covarianza es cero, pero
puede ser cero la covarianza y estar relacionadas.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

35
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

TEMA 3:
CARACTERÍSTICAS DE LAS DISTRIBUCIONES DE
PROBABILIDAD

3.1. Una empresa se dedica a la fabricación de lavavajillas. Se sabe que el tiempo en


años de vida útil de un determinado modelo se rige por la siguiente función de
distribución.
 -
x
1 - e 10 si x > 0
F(X ) = 

0 resto de casos
Con esta información:
a) Comprobar que se trata efectivamente de una función de distribución.
b) ¿Cuál es la duración media de estos lavavajillas?
c) ¿Qué porcentaje se estropean antes de alcanzar su “esperanza de vida”?
d) La empresa ofrece una garantía de 3 años. Se sabe que la ganancia por
unidad para la empresa que vende los lavavajillas es de 400 € si el aparato
no se rompe antes de la garantía, y esa cantidad menos el coste que supone
que se rompa el aparato antes de la garantía (que es de 120 €) cuando se
rompe antes de la garantía. ¿Cuál es la ganancia esperada por unidad?

Solución:

f(x)=0,1e-0,1x
0,6
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

0,5

0,4
f (x)

0,3

0,2

0,1

36
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

F(x)=1-e-0,1x
1,2

0,8
F(x)

0,6

0,4

0,2

a) Definiendo la variable aleatoria continua X como los años de vida útil de un


lavavajillas, para que la función sea función de distribución, ha de cumplirse que sea
monótona no decreciente (derivada ≥0) y que tome valores desde 0 hasta 1.
−x
−x
dF ( x) d (1 − e ) 1 10 10
= = e ≥0
dx dx 10
( −∞ ) 1
P (X = ∞) = 1 - e 10
=1− =1− 0 =1

(0 )
P (X = 0) = 1 - e 10
=1−1= 0
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Efectivamente, se trata de una función de distribución.

b) Para calcular la duración media de los lavavajillas, calcularemos la esperanza de X.


Para ello, previamente, deberemos conocer la función de densidad, que se calcula
como la derivada de la función de distribución.
 −x
−x
 d (1 − e 10
) 1 10
 = e
f ( x) =  dx 10 si x > 0

 0 en el resto

Una vez que conocemos la función de densidad, calculamos la esperanza de X.

37
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

+∞ +∞ -x
1
E(X) = ∫ xf(x)dx = ∫ x. e 10 dx
-∞ 0
10
Para resolver la integral, realizamos un cambio de variable:
x
y=
10
x = 10 y
dx = 10dy
+∞ -x +∞ +∞
1
E(X) = = ∫ x. e 10 dx = ∫ y.e .10dy = 10 ∫ y .e dy = 10.Γ(2) = 10.1! = 10 años
−y 1 −y

0
10 0 0

durarán, en media, los lavavajillas.

Donde Г(p) es una función Gamma, cuya formulación genérica es:


+∞

∫x
p −1
Γ( p ) = .e − y dy = ( p − 1)!
0

c) Se pide la probabilidad de que la vida útil sea inferior a 10, que calcularemos a
partir de la función de densidad, cuyos límites de integración son 0 y 10.
10
1  − 
−x 10
1
x

P(X < 10) = ∫ e 10 dx = − 10·e 10  = −e −1 + e 0 = 0,632


0
10 10  0

Por tanto, el 63,2% de los lavavajillas se romperán antes de los 10 años.

d) En primer lugar, habrá de calcularse la probabilidad de que los lavavajillas se


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

estropeen antes de los tres años de garantía. Lo haremos a partir de la función de


densidad, cuyos límites de integración son 0 y 3:
3
1  − 
-x 3 -3
1
x

P(0 < X < 3) = ∫ e 10 dx = − 10.e 10  = −e 10 + e 0 = 0,259


0
10 10  0

Es decir, el 25,9% de los lavavajillas se romperán antes de los tres años de garantía.
Definiendo los siguientes dos sucesos (que el lavavajillas se rompa y que éste no se
rompa) y sus correspondientes probabilidades:
P (Romper) = p = 0,259
P (No Romper) = 1-p = 1 – 0,259 = 0,740

38
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Podemos calcular el beneficio unitario esperado como la suma de las ganancias (400
euros si no se rompen y 280 euros si se rompen), teniendo en cuenta las
probabilidades de que los lavavajillas se rompan y de que no se rompan.
Beneficio unitario esperado = (1-p)·400 + p·(400-120) = (1-p)·400 + p·280
= 400 – 120·0,259 = 368,8 ≈369 euros.

3.2. En una empresa que se dedica a la venta de ordenadores, surgen una serie de
cuestiones que se pretende resolver haciendo uso de la siguiente información:
Los ingresos gravables de impuestos podrían ser de entre 20 y 50 mil €, y se
distribuyen según la distribución de probabilidades siguiente. Además se conoce cuál
sería el impuesto que correspondería a cada ingreso.

X = ingresos Probabilidad Y= Impuesto


(miles de €) P(X), P(Y) (miles de €)
20 0,10 4
30 0,30 6
40 0,40 9
50 0,20 13

Calcular:
a) Ingresos esperados
b) Impuestos esperados.
c) Calcule de dos maneras posibles sus ingresos netos (ingreso total menos
impuestos) esperados.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Solución:

a) Siendo X la variable aleatoria discreta que representa los ingresos, los ingresos
esperados se calcularán como la esperanza de la variable X:
4
E ( X ) = ∑ x i p i = 20·0,1 + 30·0,3 + 40·0,4 + 50·0,2 = 37
i =1

Por tanto, los ingresos esperados son 37.000 euros.

39
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

b) Siendo Y la variable aleatoria discreta que representa los impuestos, los impuestos
esperados se calcularán como la esperanza de la variable Y:
4
E (Y ) = ∑ y i p i = 4·0,1 + 6·0,3 + 9·0,4 + 13·0,2 = 8,4
i =1

Por tanto, los impuestos esperados son 8.400 euros.

c) Denominando los ingresos disponibles como Z, éstos se calcularán como la


diferencia entre los ingresos y los impuestos:

Z= X-Y Z Pi
20-4 16 0,1
30-6 24 0,3
40-9 31 0,4
50-13 37 0,2

Una de las maneras de calcular los ingresos disponibles esperados es, de manera
análoga a apartados anteriores, a través del cálculo de la esperanza de la variable Z:
4
E (Z ) = ∑ z i p i = 16·0,1 + 24·0,3 + 31·0,4 + 37·0,2 = 28,6
i =1

Por otro lado, haciendo uso de las propiedades de la esperanza:

E(Z) = E(X-Y) = E(X) – E(Y) = 37-8,4 = 28,6


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

De las dos maneras, se obtienen unos ingresos disponibles esperados de 28.600 euros.

3.3. Dada la variable aleatoria X definida por f(x) = (1/2)x para 0≤ x ≤2. Se pide:
a) Calcular la esperanza matemática y la varianza de X.
b) Probabilidad de que la variable se encuentre en el intervalo E(x) ± dos
desviaciones típicas.
c) Comparar la probabilidad obtenida en el apartado b) con la suministrada
por la cota de Chebychev.

40
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Solución:

a) Aplicando la expresión de la esperanza matemática:


2 2
1 1  x3  4
E ( X ) = ∫ x 2 dx =   = = 1,33 = µ
0
2 2  3 0 3

El valor esperado de X es de 1,33.

Para el cálculo de la varianza es necesario conocer el momento de orden dos respecto


al origen (α2). Por pasos:
+∞ 2 2
1 1  x4  8
α 2 = ∫ x f (x )dx = ∫ x 3 dx =   = = 2
2

−∞ 0
2 2  4 0 4

V ( x ) = α 2 − α 12 = 2 − (1,33) = 0,22
2

σ X = V ( X ) = 0,47

La varianza de X es 0,22, y su desviación típica 0,47.

b) Con los valores obtenidos en el apartado anterior, se calcula la probabilidad en el


intervalo pedido:
P[µ − 2σ ≤ x ≤ µ + 2σ ] = P[1,33 − 2·0,47 ≤ x ≤ 1,33 + 2·0,47] =
= P[0,39 ≤ x ≤ 2,27] =
2 2
1 1  x2  1 1
= ∫ xdx =   = [4 − 0,1521] = 3,8479 = 0,962
0 , 39
2 2  2  0,39 4 4
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

La probabilidad de que la variable se encuentre en el intervalo E(X) ± 2σ es del 96,2%.

c) Calculamos la probabilidad que proporciona la cota de Chebychev:


1 1 3
P[µ − 2σ ≤ x ≤ µ + 2σ ] ≥ 1 − ⇒ 1 − = = 0,75
2 2
4 4

La probabilidad obtenida a través de la cota de Chebychev es del 75%. Se observa que


es un procedimiento más rápido para el cálculo de la probabilidad en el intervalo,
pero su precisión es menor ya que proporciona cotas de probabilidad

41
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

3.4. Un bufete de abogados que se anuncia en Internet recibe un promedio de 100


casos al año, con una dispersión de 60 casos.
Se pide:
a) ¿Cuál es la probabilidad de que el bufete reciba entre 25 y 175 casos en un
año?
b) ¿Cuál será la probabilidad de que el número de casos recibidos al año se
desvíe en al menos 84 casos de la media?

Solución:

a) Siendo la variable aleatoria discreta X el número de casos que recibe el abogado en


un año, μ = 100, σx = 60, y aplicando la desigualdad de Chebychev, se obtiene la cota
de probabilidad para los casos comprendidos entre los intervalos μ-k y μ+k (donde μ
es la media y k es una constante positiva):

μ-k μ μ+k

P (|X-μ| < k) ≥ 1-(σ2 / k2)


P (μ-k<X< μ+k) ≥ 1-(σ2 / k2)
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

En este caso concreto, se calcula en primer lugar la constante k, a partir de cualquiera


de los extremos del intervalo:
A partir del extremo inferior: 25 = 100 – k; k = 75
A partir del extremo superior: 175 = 100 + k; k = 75

Aplicando la desigualdad de Chebychev:


P (25<X< 175) ≥1-(602 / 752)
P (25<X< 175) ≥ 0,36

El bufete recibirá entre 25 y 175 casos con una probabilidad de, al menos, el 36%.

42
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

b) Siendo la desviación de la media de 84 casos (k = 84), se aplica de nuevo la


desigualdad de Chebychev. Sin embargo, en este caso se quiere conocer la
probabilidad de que el abogado se desvíe de la media, es decir, se desea saber cuál es
la probabilidad de recibir un número de casos superior o inferior a los extremos del
intervalo, por lo que se aplica la siguiente formulación de la desigualdad de
Chebychev:

μ-k μ μ+k

P (|X-μ| > k) ≤ σ2 / k2
P (μ-k>X> μ+k) ≤ σ2 / k2

Aplicando esta formulación a nuestro caso:


P (100 – 84>X>100 + 84) ≤ 602 / 842
P (16>X>184) ≤ 0,510

El número de casos recibidos por el bufete se desviará en 84 casos respecto a la media,


con una probabilidad de, como mucho, el 51%.

3.5. Una discoteca de moda tiene un aforo de 800 personas. La asistencia, por término
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

medio en una noche, es de 600 personas, con una dispersión medida a través de la
desviación típica de 100 personas. ¿Cuál es la probabilidad de que una noche se
supere el aforo?

Solución:

Siendo X la variable aleatoria continua que representa la asistencia por noche a la


discoteca, μ = 600, σx = 100 y k = 800 – 600 = 200, se quiere conocer la
probabilidad de que una noche acudan más de 800 personas a la discoteca, puesto
que a partir de 800 personas el aforo se supera. Para ello, se aplica la desigualdad de
Chebychev. Como se quiere saber cuál es la probabilidad fuera del extremo superior
del intervalo, es decir,

43
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

P (X> μ+k)

μ-k μ μ+k

se aplica la siguiente formulación de la desigualdad de Chevychev:


P (|X-μ| > k) ≤ σ2 / k2
P (μ-k >X> μ+k) ≤ σ2 / k2

Y sabiendo que:
P (X> μ+k) < P (μ-k >X> μ+k) ≤ σ2 / k2 P (X> μ+k) ≤ σ2 / k2

Aplicado a este caso:


P (X> μ+k) ≤ 1002 / 2002
P (X>800) ≤ 0,25

Existe una probabilidad, como mucho del 25%, de que una noche se supere el aforo.

3.6. Si X es la demanda de entradas para una obra de teatro itinerante en un día,


¿cuántas entradas hay que poner a la venta para satisfacer la demanda en, al menos,
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

el 75% de los días? Datos adicionales: E(X) = 100; σx = 10.

Solución:

Siendo X la variable aleatoria continua que representa la demanda de entradas al


teatro en un día, μ = 100, σx = 10, se quiere conocer cuántas entradas se deben poner
a la venta para que, con una probabilidad de, como mínimo, el 75%, haya entradas
para todos los espectadores. Para ello, se aplica la desigualdad de Chebychev. Se
quiere conocer el valor de la variable aleatoria que deja a su izquierda el 75% de
probabilidad, la cual se representa como:

44
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

P (X<μ+k) ≥ 0,75

μ-k μ μ+k

Se aplica la siguiente formulación de la desigualdad de Chebychev:


P (|X-μ| < k) ≥ 1-(σ2 / k2)
P (μ-k<X< μ+k) ≥1-(σ2 / k2)

Y sabiendo que:
P (X< μ+k) > P(μ-k<X< μ+k) ≥ 1- (σ2 / k2)
P (X< μ+k) ≥ 1- (σ2 / k2)

En nuestro caso:
P (X< 100 + k) ≥ 1- (102 / k2)

Se sabe que la cota de probabilidad es de 0,75, luego:


1- 102 / k2 = 0,75

Despejando en la ecuación:
k = 20
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Por tanto, el valor del intervalo superior es:


μ+k = 100 + 20 = 120

La compañía deberá poner a la venta como mínimo 120 entradas para satisfacer la
demanda, al menos, el 75% de los días.

45
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

TEMA 4:
MODELOS DE PROBABILIDAD: VARIABLES DISCRETAS

4.1. Un piloto de coches de carrera suele probar cada día 5 coches. Por su
experiencia, sabe que la probabilidad de que en un coche pueda observarse un defecto
de funcionamiento durante el entrenamiento es de 3/5. Se pide:
a) Determinar la probabilidad de que en un día determinado no funcionen
correctamente los 5 coches.
b) Probabilidad de que no funcionen correctamente al menos tres.
c) Probabilidad de que haya defectos de funcionamiento en dos de los coches.
d) Probabilidad de que no funcione al menos uno.
e) Probabilidad de que el número de coches que no funcione adecuadamente
un día esté comprendido entre 2 y 3.
f) Número medio de coches con problemas de funcionamiento y su varianza.

Solución:

Se define la variable aleatoria discreta X como el número de coches con problemas de


funcionamiento. La variable X sigue una distribución Binomial de parámetros n = 5 y
p = 3/5 = 0,6, cuya función de cuantía será:
 n
P( X ) =   p x q n − x
 x
Xi P(x=xi) P(x≤xi)
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

0 0,010 0,010
1 0,077 0,087
2 0,230 0,317
3 0,346 0,663
4 0,259 0,922
5 0,078 1,000

46
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Función de cuantía B(5;0,6)


0,400
0,350
0,300
P(x=xi)

0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5

Función de distribución B(5;0,6)


1,200

1,000

0,800
P(x≤xi)

0,600

0,400

0,200

0,000
0 1 2 3 4 5

X
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

a) La probabilidad pedida se traduce en P(X=5):


 5  5
P( X = 5) =  ·(0,6) ·(0,4) =  ·(0,6) = (0,6) = 0,077
5 0 5 5

 5  5

b) La probabilidad de que haya como mínimo tres coches que no funcionen (implica
que haya 3, 4 ó 5 coches con problemas) se calcula como:
P( X ≥ 3) = P( X = 3) + P( X = 4 ) + P( X = 5) =

 5  5  5
=  ·(0,6 ) ·(0,4 ) +  ·(0,6 ) ·(0,4 ) +  ·(0,6 ) ·(0,4 ) =
3 2 4 5 0

 3  4  5

= 0,345 + 0,259 + 0,077 = 0,682

47
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

La probabilidad de que haya como mínimo tres coches que no funcionen es del 68,2%.

c) La probabilidad de que haya exactamente dos coches que no funcionen es:


 5
P( X = 2 ) =  ·(0,6 ) ·(0,4 ) = 0,2304
2 3

 2
La probabilidad de que haya sólo dos coches que no funcionen es del 23,04%.

d) La probabilidad de que haya al menos un coche estropeado (que implica que haya
de uno a cinco coches con mal funcionamiento) se calcula como:
P( X ≥ 1) = P( X = 1) + P( X = 2 ) + P( X = 3) + P( X = 4 ) + P( X = 5) =
5
= 1 − P( X = 0 ) = 1 −  ·(0,6) ·(0,4) = 1 − 0,0102 = 0,989
0 5

0

Hay un 98,9% de probabilidad de que haya al menos un coche estropeado.

e) La probabilidad de que el número de coches que no funcione adecuadamente un


día esté comprendido entre 2 y 3 se calcula como:
P(2 ≤ X ≤ 3) = P( X = 2 ) + P( X = 3) = 0,2304 + 0,3456 = 0,576

Existe un 57,6% de probabilidad de que haya entre dos y tres coches que no
funcionen.

f) Se utilizarán las expresiones de la esperanza matemática y de la varianza de


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

distribuciones Binomiales:
E(X) = n·p = 5·0,6 = 3 coches
V(X) = n·p·q = 5·0,6·0,4 = 1,2 coches2

Por término medio, se estropearán 3 coches, con una dispersión de 1,2 coches al
cuadrado.

48
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

4.2. La secretaria de una empresa dedicada al cobro de morosos archiva los


expedientes en carpetas de 20 y 50 expedientes. Se sabe, por la experiencia
acumulada a lo largo de los años que la probabilidad de que un expediente se declare
finalmente impagado sea cual sea la carpeta en la que se archive es del 5 % (siendo
los expedientes independientes entre sí:
a) ¿Cuál es la probabilidad de que, en una carpeta de 20, haya al menos uno
impagado?
b) En una carpeta de 20 expedientes, si se sabe que hay al menos uno
impagado, ¿cuál es la probabilidad de que, encontremos menos de 4
impagados?
c) Se sabe que de todos los expedientes un 40% se archivan en carpetas de 20 y
un 60% en carpetas de 50. Si semanalmente se archivan un total de 5.000
expedientes, y una carpeta (independientemente de los expedientes que
contenga) se considera dentro del grupo de los morosos si contiene más de un
expediente impagado, ¿Cuál será el número medio o esperado de carpetas
“morosas” si se examinan todos los expedientes de una semana?

Solución:

Se sabe que existen dos tipos de carpetas:


• Carpetas con 20 expedientes: 40%
• Carpetas con 50 expedientes: 60%

a) Se definen la variable aleatoria discreta X como el número de expedientes


impagados en carpetas de 20 expedientes y la variable aleatoria discreta Y como el
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

número de expedientes impagados en carpetas de 50 expedientes. Las dos alternativas


que se pueden dar en cada observación son, o bien que el expediente resulte
impagado, (con probabilidad “p” = 0,05) o bien que se pague (con probabilidad “q”
= 0,95). La variable X se distribuye, por tanto, como una Binomial de parámetros n =
20 y p = 0,05. Sustituyendo en la función de cuantía de la distribución Binomial:
n
P( X = x) =   p x q n − x
 x
Se obtiene que la probabilidad de que haya un expediente impagado o más se calcula
en la carpeta de 20 expedientes como:
 20 
P ( X ≥ 1) = 1 − P ( X = 0) =  0,05 0 .0,95 20 − 0 = 1 − 0,358 = 0,642
0

49
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

La probabilidad de encontrar un expediente o más impagados en las carpetas de 20, es


del 64,2%.

b) Ha de calcularse la probabilidad condicionada de encontrar, como mucho, 3


expedientes impagados en la carpeta de 20 expedientes, sabiendo que hay al menos
uno impagado. Es decir:
P (1 ≤ X < 4)
P( X < 4 )=
X ≥1 P ( X ≥ 1)

Donde,
P (1 ≤ X ≤ 4) = P (X = 1) + P (X = 2) + P (X = 3)

Calculando las probabilidades de encontrar 1, 2 ó 3 expedientes impagados:


 20 
P( X = 1) =  0,051.0,95 20 −1 = 0,377
1
 20 
P ( X = 2) =  0,05 2 .0,95 20 − 2 = 0,189
2
 20 
P ( X = 3) =  0,05 3.95 20 −3 = 0,059
3

Por tanto, el numerador se formará a través de la suma de las tres probabilidades


anteriores, mientras que el denominador se obtiene del apartado anterior:

(
P X <4 ) = P(P1(≤XX≥<1)4) = 00,,625 = 0,975
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

X ≥1 641

Hay un 97,5% de probabilidad de que se encuentren menos de 4 expedientes


impagados en las carpetas de 20 expedientes, sabiendo que hay más de uno
impagados.

c) En una semana se clasifican 5.000 expedientes, por lo que en cada tipo de carpeta
tendremos:
• Carpetas con 20 expedientes:
40% de 5.000 = 5.000 x 0,4 = 2.000 expedientes van a carpetas de 20
expedientes 2.000/20 = 100 carpetas

50
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

• Carpetas con 50 expedientes:


60% de 5.000 = 5.000 x 0,6 = 3.000 expedientes van a carpetas de 50
expedientes 3.000/50 = 60 carpetas
Hay un total de 100+60=160 carpetas, un 37,5% son de 50 expedientes
(60/160=0,375) y un 62,5% son de 20 expedientes (100/160=0,625)

Si una carpeta se considera “morosa” cuando haya más de un expediente impagado, la


probabilidad de que una carpeta (independientemente de que sea de 20 ó 50
expedientes) sea “morosa” se calculará mediante el Teorema de la Probabilidad Total:

P (Carpeta “morosa”) = P (“Morosa” de 20) · P (Carpeta de 20) + P (“Morosa”


de 50) · P (Carpeta de 50)

Donde la probabilidad de que una carpeta de 20 sea considerada “morosa” (esto es,
tenga más de un expediente impagado) se calcula a partir de la variable aleatoria X
que se distribuye como una Binomial de parámetros n = 20, p = 0,05:
P (" Morosa de 20" ) = P( X > 1) = 1 − P( X = 0) − P( X = 1) =
= 1 − 0,3584 − 0,3773 = 0,2642
Con:
 20 
P( X = 0) =  0,05 0 ·0,95 20−0 = 0,358
0
 20 
P ( X = 1) =  0,051 ·0,95 20−1 = 0,377
1
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Y donde la probabilidad de que una carpeta de 50 sea considerada “morosa” (esto es,
tenga más de un expediente impagado) se calcula a partir de la variable aleatoria Y
que se distribuye como una Binomial de parámetros n = 50, p = 0,05:
P(" Morosa de 50" ) = P (Y > 1) = 1 − P (Y = 0) − P (Y = 1) =
= 1 − 0,076 − 0,202 = 0,722

Con:
 50 
P(Y = 0) =  0,05 0 ·0,95 50−0 = 0,077
0

51
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

 50 
P(Y = 1) =  0,051 ·0,95 50−1 = 0,202
1

Por tanto:
P (Carpeta “morosa”) = 0,264·0,625 + 0,720·0,375 = 0,435

La probabilidad de declarar una carpeta cualquiera como “morosa” es del 43,5%.

Se puede definir una nueva variable aleatoria discreta Z, como el número de carpetas
“morosas” de un total de 160 semanales, que se distribuirá como una Binomial de
parámetros n = 160 y p = 0,435. Como se pide el promedio de carpetas que se
considerarán “morosas”, se calculará la esperanza matemática de la variable Z:
E (Z) = n·p = 160·0,435 = 69,6 carpetas “morosas”.

4.3. Para determinar la prima que ha de cobrar una compañía de seguros, se parte de
la información basada en el conocimiento pasado del número medio de veces que
salta una alarma de robo en una gran empresa situada en el centro de Madrid, y que
por término medio es 2 veces al año. Se pide:
a) Probabilidad de que salte la alarma menos de 4 veces en un año dado.
b) Probabilidad de que no haya saltado ninguna vez en un año dado.
c) Probabilidad de que salte la alarma más de 2 veces en un año dado.
d) Probabilidad de que salte la alarma exactamente dos veces en un año dado.
Solución:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Sea X una variable aleatoria discreta que representa el número de veces que salta la
alarma, que sigue una distribución de Poisson de parámetro λ = 2.

xi P(x=xi) P(x≤xi)
0 0,13533528 0,135
1 0,27067057 0,406
2 0,27067057 0,677
3 0,18044704 0,857
4 0,09022352 0,947
5 0,03608941 0,983
6 0,0120298 0,995
7 0,00343709 0,999
8 0,00085927 1,000

52
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Función de cuantía Poisson λ=2


0,3

0,25

0,2
P(x=xi)

0,15

0,1

0,05

0
0 1 2 3 4 5 6 7 8
X

Función de distribución Poisson λ=2


1,200

1,000

0,800
P(x≤xi)

0,600

0,400

0,200

0,000
0 1 2 3 4 5 6 7 8
X
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

a) La probabilidad de que la alarma salte menos de 4 veces se calculará como la suma


de las probabilidades de que salte ninguna, una, dos o tres veces:
P(X<4) = P (X=0) + P(X=1) + P(X=2) + P(X=3) = 0,855
λx 20
P( X = 0) = e −λ = e −2 = 0,135
x! 0!
λx 21
P( X = 1) = e − λ = e −2 = 0,270
x! 1!
λx 22
P( X = 2) = e −λ = e −2 = 0,270
x! 2!
λx −2 2
3
P( X = 3) = e −λ
=e = 0,180
x! 3!

53
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Hay un 85,5% de probabilidad de que la alarma salte menos de 4 veces.

a) La probabilidad de que no salte ninguna vez la alarma se calculará para X = 0:


P(X=0) = 0,135

Tal y como se calculaba en el apartado anterior, la probabilidad de que no salte


ninguna vez la alarma es del 13,5%.

c) La probabilidad de que la alarma salte más de dos veces al año se calculará a través
del complementario de este suceso, es decir, que salte ninguna, una o dos veces:
P(X>2) = 1 – P(X = 0) – P(X = 1) – P(X = 2) =
= 1– 0,135 – 0,270 – 0,270 = 0,325

Hay un 32,5% de probabilidad de que la alarma salte más de dos veces al año.

d) La probabilidad de que la alarma salte exactamente dos veces se calculará para


X=2:
P(X=2) = 0,27

Con un 27% de probabilidad, la alarma saltará 2 veces.

4.4. Una gasolinera dispone de 12 máquinas de autolavado, con capacidad para


atender 1 coche cada 15 minutos. La gasolinera tiene una afluencia media de 32
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

coches por hora. ¿Cuál es la probabilidad de que en un cuarto de hora determinado


no sea posible atender a todos los coches?

Solución:

Se define la variable aleatoria discreta X como número de coches atendidos por el


autolavado en 1 hora, que se distribuye como una Poisson de parámetro λ = 32
coches por hora. Se sabe que la capacidad máxima es de 12 coches cada 15 minutos.
Como los datos vienen expresados en unidades diferentes, se transforman las horas en
cuartos de hora, de tal forma que:
λ = 32 / 4 = 8 coches cada cuarto de hora.

54
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

No se podrá atender la demanda de lavados de coches cuando acudan más de 12


coches por cuarto de hora, luego sustituyendo para este caso en la función de cuantía
de Poisson se tiene que, (a través del suceso complementario de que X>12):
12 12
λx
P( X > 12) = 1 − ∑ P ( X = x) = 1 − ∑ e −λ .
i

=
x =0 i =0 xi !
  8 0 81 812 
= 1 − e −8 . + + ... +  = 0,064
  0! 1! 12! 

Existe una probabilidad del 6,4% de no poder atender en las máquinas de autolavado
a todos los coches que llegan a la gasolinera en ese periodo de tiempo.

4.5. El número de personas que llegan en 10 minutos a pagar en caja en una cadena
de supermercados sigue una distribución de Poisson con media 7. Si acuden a caja
más de 5 personas en 10 minutos se forma cola.
a) ¿Cuál es la probabilidad de que se forme cola en una caja determinada en
diez minutos?
b) En cada tienda hay 10 cajas independientes ¿Cuál es la probabilidad de que
en una hora se forme cola en 7 de las 10 cajas?

Solución:

Se define la variable aleatoria X como el número de personas a pagar en 10 minutos,


que sigue una distribución de Poisson de parámetro λ = 7. Cuando acuden más de 5
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

personas a una caja se forma cola.

a) Se formará cola cuando haya más de 5 personas, por lo que se calcula la


probabilidad de que X sea mayor que 5. A través del suceso complementario de que X
sea mayor que 5 (es decir, cuando X es igual a 0, 1, 2, 3, 4 ó 5), y sustituyendo en las
respectivas funciones de cuantía:
5
7 Xi
P ( X > 5) = 1 − P ( X ≤ 5) = 1 − e − 7 ∑ = 1 − 0,3007 = 0,6993
Xi xi !

70
P( X = 0) = e −7 = 0,0009
0!

55
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

71
P( X = 1) = e −7
= 0,0064
1!
72
P( X = 2) = e −7
= 0,0223
2!
73
P( X = 3) = e −7
= 0,0521
3!
74
P( X = 4) = e −7 = 0,0912
4!
75
P ( X = 5) = e − 7 = 0,1272
5!

Por tanto, la probabilidad de que se forme cola en una caja determinada en 10


minutos concretos, es del 69,93%.

b) Se define la variable aleatoria Y como la suma de 10 cajas independientes, donde en


cada caja puede ocurrir que en una hora se forme cola (con una probabilidad
calculada en el apartado anterior de 0,6993), por lo que se tendrán 10 pruebas de
Bernoulli, con p = 0,6993. Así, se puede afirmar que la variable aleatoria Y sigue una
distribución Binomial de parámetros n = 10 y p = 0,6993. La probabilidad de que se
forme cola en 7 de las 10 cajas será:
10!
P(Y = 7 ) = 0,69937 ·0,3007 3 = 0,2669
7!·3!

Se formará cola en 7 de las 10 cajas con un 26,69% de probabilidad.


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

4.6. A un hotel llegan dos carreteras, A y B. El número de llegadas diarias por cada
carretera sigue cada una, una distribución de Poisson de parámetro 8 para A y 9 para
B, ambas llegadas son independientes entre sí. Si un día llegan 12 personas, ¿cuál es la
probabilidad de que 7 lo hicieran por la carretera A?

Solución:

Se definen las siguientes variables aleatorias discretas y sus distribuciones:


X: llegadas por la carretera A → P(λ = 8)

56
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Y: llegadas por la carretera B → P(λ = 9)


Z: X + Y = llegadas al hotel de A y B → P(λ = 17)

El problema se puede plantear como una probabilidad condicionada, teniendo en


cuenta las distribuciones de Poisson que siguen las variables aleatorias que la forman.
8 7 −9 9 5 −8
e · e ·
P[ X = 7; Z = 12] P[ X = 7; Y = 5] 7! 5! =
P( X = 7 / Z = 12) = = =
P[Z = 12] P[Z = 12] 17 12
e −17
12!
7 5
12!  8   9 
=   ·  = 0,168
7!·5!  17   17 

Obsérvese que al calcular la probabilidad condicionada, la expresión [X = 7; Z = 12]


puede trasformarse en [X = 7; Y = 5] , ya que hay que tener en cuenta que X e Y son
independientes (ya que el número de coches que llegan al hotel de A es independiente
de los que llegan de B), mientras que las variables X, Z y Z, Y son dependientes (ya
que el número de individuos totales que llegan al hotel, Z, depende de los que llegan
de A de los que llegan de B).

Hay un 16,8% de probabilidad de que 7 individuos lleguen por la carretera A, si en


total llegan 12 al hotel.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

57
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

TEMA 5:
MODELOS DE PROBABILIDAD: VARIABLES CONTINUAS

5.1. El tiempo de espera en una consulta médica se distribuye uniformemente entre 10


y 30 minutos. Su función de densidad es f(x) = 1/b-a para a≤x≤b:
a) ¿Cuál es la probabilidad de tener que esperar como mucho 15 minutos para
entrar en la consulta?
b) Calcule el tiempo medio de espera.

Solución:

Sea X la variable aleatoria continua que representa el tiempo de espera en una


consulta médica, cuya distribución de probabilidad es uniforme con parámetros a =
10 y b = 30.

a) La función de distribución de este tipo de distribuciones es:


X −a
F (X ) = para a ≤ x ≤ b
b−a

En este caso:
X − 10
F (X ) = para 10 ≤ x ≤ 30
30 − 10
15 − 10 5
P[ X ≤ 15] = = = 0,25
30 − 10 20
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

La probabilidad de tener que esperar, como mucho, 15 minutos es del 25%.

b) El tiempo medio de espera se calculará a partir de la formulación de la esperanza


matemática de variables continuas uniformes:
E(X) = (a+b)/2 = (10+30)/2 = 40/2 = 20 minutos.

Por término medio, la espera es de 20 minutos.

58
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

5.2. Si Z es una variable normal con media cero y desviación típica 1, calcular 1:
a) P(Z > 1,64)
b) P(1,60 < Z < 2,30)
c) P(-1,64 < Z < -1,02)
d) P(0 < Z < 1,96)
e) P(-1,96 < Z < 1,96)
f) P(-1,50 < Z < 0,67)
g) P(Z < -2,50)

Si X es una variable normal con media 16 y desviación típica igual a 5 calcule:


h) P(X > 20) Sol.: 0,21
i) P(20 < X < 25) Sol.: 0,175
j) P(X < 10) Sol.: 0,11
k) P(12 < X < 20) Sol.: 0,56

Solución:

Para resolver los ejercicios de manejo de Tablas es necesario acudir al Anexo II que se
ofrece al final del documento. En concreto, en este ejercicio sobre distribuciones
Normales se mostrará un fragmento de la Tabla de la Normal (0,1), con las
indicaciones para la búsqueda de la probabilidad pedida en el primer apartado. El
resto de los apartados se resolverán por analogía.

NOTA:
Es importante señalar que las probabilidades ofrecidas en la Tabla de la N(0,1) son las
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

que están por encima de un valor “z0”, es decir: P(Z≥a)=?. (En el dibujo, la zona de
color negro). Si se solicita la probabilidad debajo de un valor “z0”, es decir: P(Z≤a)=?,
habrá que utilizar el complementario, es decir, P(Z≤a)= 1- P(Z≥a).

1
Utilizando la hoja de cálculo Excel se pueden determinar las probabilidades pedidas en este tema. Véase
Anexo I.

59
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

a) P(Z > 1,64)

Para determinar la probabilidad de que una variable aleatoria Z, que se distribuye


como una N(0,1), tome valores mayores que 1,64, ha de construirse en la Tabla el
número solicitado (1,64) teniendo en cuenta que las unidades y décimas de dicho
número (1,60) se encuentran en la columna de la izquierda, mientras que las
centésimas aparecen en la primera fila (0,04). Una vez formado el número, el valor
que resulte de la unión de fila y columna será la probabilidad solicitada.

P(Z > 1,64) = 0,0505

b) P(1,60 < Z < 2,30) = P(Z ≥ 1,60) – P(Z ≥ 2,30) = 0,0548 – 0,0107 = 0,044
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

c) P(-1,64 < Z < -1,02) = P(Z ≥ 1,02) – P(Z ≥1,64) =0,1539 – 0,0505 = 0,103

d) P(0 < Z < 1,96) = P(Z ≥ 0) – P(Z ≥ 1,96) = 0,5-0,0250 = 0,475

e) P(-1,96 < Z < 1,96) = 1 – 2 P(Z ≥ 1,96) = 1-2*0,0250 = 0,95

f) P(-1,50 < Z < 0,67) = 1-P(Z ≥ 1,5)- P(Z ≥ 0,67)= 1-0,0668 – 0,2514= 0,6818

g) P(Z < -2,50) = P(Z>2,50)=0,0062

60
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Si X es una variable normal con media 16 y desviación típica igual a 5:

Siendo X una variable continua que sigue una distribución N (16,5), será necesario
tipificar dicha variable, es decir, restarle su media y dividir por su desviación típica (se
denominará X* a la variable aleatoria tipificada). Una vez tipificada, la variable X*
será equivalente en probabilidad a la N(0,1), lo que permitirá buscar los valores de
probabilidad en las Tablas de la N(0,1) (se suele denotar por Z)

 X − 16 20 − 16 
h) P( X > 20 ) = P
5
>
5
 = P X > 0,8 = 0,21

( )
 
 20 − 16 25 − 16 
P(20 < X < 25) ) = P < X∗ < =
i)  5 5 
( )
= P 0,8 < X ∗ < 1,8 = P ( X ∗ > 0,8) − P X ∗ > 1,8 = 0,175 ( )

j) ( ) (
P( X < 10 ) = P X ∗ < −1,2 = P X ∗ > 1,2 = 0,11 )

k) P(12 < X < 20) = P(-0,8< X* < 0,8) = 1 – 2P(X* ≥ 0,8) = 0,56

5.3. Dadas las variables aleatorias siguientes, independientes entre sí:


X 1 ≈ N (1,1)
X 2 ≈ N (2,1)
X 3 ≈ N (− 2,2 )
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Se pide:
a) Calcular la P(2≤Y≤5) siendo Y=2X1 - X2 -2X3
b) Calcular
P( Z < 0,3518)
2 2 2
 X − 1  X − 2  X + 2
Z = 1  + 2  + 3 
 1   1   2 

c) Dadas H y T, calcular la siguiente probabilidad:

61
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

H ≈ N (1,2) independiente de Z
H −1
T=
Z /3
P[− 3,18 ≤ T ≤ 3,18]

Solución:
(Nota: Las variables con * son variables aleatorias tipificadas.)

a) La variable Y se construye a partir de una combinación lineal de las variables X1, X2


y X3, las cuales siguen distribuciones normales. Por ser combinación lineal de
normales, y aplicando la propiedad aditiva de la distribución Normal, la variable Y
seguirá también una distribución Normal. Se calculan la esperanza y desviación típica
de esta nueva variable, aplicando las propiedades de la varianza y la esperanza
matemática:
E(Y) = E(2X1 – X2 -2X3) = 2E(X1) – E(X2) – 2E(X3) = 2·1-1·2-2·(-2) = 4
V(Y) = V(2X1 – X2 -2X3) = 4V(X1) + V(X2) + 4V(X3) = 4·1 + 1·1 + 4·4 = 21

σ X = V ( X ) = 21 = 4,58

Por tanto, Y →N(4;4,58)

La probabilidad de que Y esté comprendida entre 2 y 5 es:


2 − 4 Y − 4 5 − 4
P[2 ≤ Y ≤ 5] = P  < <  = P − 0,436 < Y ∗ < 0,218 = [ ]
 4,58 4,58 4,58 
[ ( )] (
= 1 − P Y ∗ > 0,436 − P Y ∗ > 0,218 = 0,6687 − 0,4137 = 0,2550 )
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Nótese que al no ser Y una N (0,1) es necesario tipificarla, es decir, restarle la media y
dividir por la desviación típica.

La probabilidad pedida es de un 25,50%.

b) La variable Z se forma como la suma de 3 Normales (0,1) al cuadrado, por lo que


seguirá una distribución Chi-cuadrado con 3 grados de libertad. Por tanto, habrá que
buscar en las tablas de la Chi-cuadrado la probabilidad que deja por debajo el valor
0,3518, con 3 grados de libertad. Para ello, acudimos al Anexo II.

62
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

NOTA:
Es importante señalar que las probabilidades ofrecidas en la Tabla de la Chi Cuadrado
son las que están por encima de un valor “χp2”, es decir: P(Z≥a)=?. (En el dibujo, la
zona de color blanco). Si se solicita la probabilidad debajo de un valor “χp2”, es decir:
P(Z≤a)=?, habrá que utilizar el complementario, es decir, P(Z≤a)= 1- P(Z≥a).

Para determinar la probabilidad de que una variable aleatoria Z, que se distribuye


como una Chi Cuadrado con 3 grados de libertad, tome valores menores que 0,3518,
ha de buscarse dicho número en el interior de la Tabla, en la fila correspondiente a los
3 grados de libertad. Una vez encontrado el número pedido, el valor correspondiente
en la primera fila de la Tabla (α) es la probabilidad solicitada.

[ ] [ ]
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

P χ 32 < 0,3518 = 1 − P χ 32 > 0,3518 = 1 − 0,95 = 0,05

La probabilidad pedida es del 5%.

c) La variable aleatoria T presenta cierta similitud con la distribución t-Student, que se


define como un cociente de variables aleatorias. Sin embargo, para que sea
exactamente igual, será necesario realizar algunas manipulaciones. El denominador
de la expresión es el denominador de una distribución t con 3 grados de libertad; para
el numerador se convierta una N (0,1) habrá que dividir entre 2 (que es la desviación
típica de la variable aleatoria H) para normalizar, lo que conduce a la siguiente
expresión:

63
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

T H − 1/ 2
= = t3
2 Z /3

Para resolver este apartado hemos de acudir al Anexo II del documento para buscar la
probabilidad de que una variable T, que se distribuye como una t de Student con 3
grados de libertad, esté entre los valores pedidos.

NOTA:
Es importante señalar que las probabilidades ofrecidas en la Tabla de la t de Student
son las que están por encima de un valor “tp”, es decir: P(Z≥a)=?. (En el dibujo, la
zona de color blanco). Si se solicita la probabilidad debajo de un valor “tp”, es decir:
P(Z≤a)=?, habrá que utilizar el complementario, es decir, P(Z≤a)= 1- P(Z≥a).

Para determinar la probabilidad de que una variable aleatoria Z, que se distribuye


como una t de Student con 3 grados de libertad, esté por debajo de un determinado
valor (1,64 en nuestro caso), ha de buscarse dicho número en el interior de la Tabla,
en la fila correspondiente a los 3 grados de libertad. Una vez encontrado el número
pedido, el valor correspondiente en la primera fila de la Tabla (α) es la probabilidad
solicitada.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

64
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

 − 3,18 T 3,18 
P[− 3,18 ≤ T ≤ 3,18] = P  ≤ ≤ =
 2 2 2 
= P[− 1,59 ≤ t 3 ≤ 1,59] ≅ P[− 1,64 ≤ t 3 ≤ 1,64] = P[t 3 ≥ −1,64] − P[t 3 ≥ 1,64] =
= (1 − P[t 3 ≥ 1,64]) − P[t 3 ≥ −1,64] = 0,9 − 0,1 = 0,8

La probabilidad pedida es del 80%.

5.4. Sea T una variable aleatoria distribuida como una t de Student con 16 grados de
libertad. Calcular:
a) tα tal que P(T>tα)=0,05
b) tα tal que P(T<tα)=0,90
c) P(-1,07<T<1,07)
d) P(T>1,07)
e) Repetir los apartados a) y b) para una variable aleatoria T pero que ahora se
distribuye como una t de Student con 50 grados de libertad.
f) Comparar estos resultados con los que se obtendrían si utilizáramos una
distribución Normal de media cero y desviación típica 1.

Solución:

Para su resolución, véase Ejercicio 5.3, apartado c) y Anexo I

a) P(t16>a) = 0,05 →a = 1,7459


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

b) P(t16<a) = 0,90
P(t16>a) = 1- P(t16<a) = 1-0,9 = 0,1 →a = 1,3368

c) P(-1,07<t16<1,07) = P(t16>-1,07)-P(t16>1,07) = P(t16<1,07)-P(t16>1,07) = (1-


0,15)-0,15 = 0,85-0,15 = 0,70

d) P(t16>1,07) = 0,15

e) P(t50>a) = 0,05 →a = 1,6759


P(t50<a) = 0,90

65
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

P(t50>a) = 0,10 →a = 1,2987

f) P(Z>a) = 0,05 →a = 1,64


P(Z<a) = 0,9 → 1- P(Z>a) = 1-0,9 = 0,1 →a = 1,28

5.5. Sea X una variable aleatoria distribuida como una χ2 con 16 grados de libertad.
Calcular:
a) xα tal que P(X>xα)=0,05
b) xα tal que P(X>xα)=0,90
c) P[11,91<X<15,33].
d) Calcular los apartados a y b, pero para una distribución χ2 con 50 grados de
libertad.
e) Comparar estos resultados con los que se obtendría a partir de una normal
con media 50 y varianza 100.

Solución:

Para su resolución, véase Ejercicio 5.3, apartado b) y Anexo I

a) P(χ216>a) = 0,05 → a = 26,296

b) P(χ216>a) = 0,90 → a = 9,312


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

c) P(11,91<χ216<15,33) = P((χ216>11,91)-(1-P((χ216>15,33)) = 0,75–(1-0,5) =


0,25

d) P(χ250>a) = 0,05 → a = 67,505


P(χ250>a) = 0,90 → a = 37,689

e) N (50,10)
P(N (50,10) >a) = 0,05 → P(N (0,1) > (a-50)/10) = 0,05
(a-50)/10 = 1,64 → a-50 = 16,4 ⇒ a = 16,4 + 50 = 66,4

66
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

P(N (50,10) >a) = 0,90 → P(N (0,1) > (-a-50)/10) = 0,9 → P(N (0,1)>(a-
50)/10)=0,1
(a-50)/10 = - 1,28 → a-50 = -12,8 ⇒ a = -12,8 + 50 = 37,2

5.6. Sea F una variable aleatoria distribuida como una F con 15 y 16 grados de
libertad en el numerador y en el denominador respectivamente. Calcular:
a) fα tal que P(F>fα)=0,05
b) fα tal que P(F>fα)=0,10
c) P(1,4<F<1,94)

Solución:

Para la resolución de este ejercicio, véase el Anexo I.

a) P(F15,16>a) = 0,05 → a = 2,35

b) P(F15,16>a) = 0,10 → a = 1,94

c) P(1,4< F15,16<1,94) = 0,25 – 0,10 = 0,15

5.7. Un puesto vende pulseras a 0,87 € cada una. Las ventas diarias tienen una
distribución normal con media 530 y desviación típica 69.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

a) Hallar la media de los ingresos diarios por la venta de pulseras.


b) Hallar la desviación típica de los ingresos diarios por la venta de pulseras.
c) Los costes en euros vienen dados por: C= 60 + 0,57 X donde X es el número
de pulseras vendidas. ¿Cuál es el beneficio diario esperado?
d) Con un 95% de probabilidad ¿qué cifra se superará diariamente en
beneficios?

Solución:
(Nota: Las variables con * son variables aleatorias tipificadas.)

Sea X una variable aleatoria continua que representa las ventas de pulseras, cuya
distribución es Normal, con media es 530 y desviación típica 69.

67
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

a) Sea Y la variable aleatoria continua que representa los ingresos, esta variable será
igualmente una variable aleatoria Normal, cuya definición vendrá dada por:
Y = Precio·X = 0,87·X

El ingreso medio se determinará a través del cálculo de la esperanza matemática de la


variable Y:
E(Y) = E(0,87·X) = 0,87·E(X) = 0,87·530 = 461,1

Los ingresos medios diarios son de 461,1 euros.

b) En primer lugar calcularemos la varianza de la variable Y, aplicando las


propiedades de la varianza:
V(Y) = V(0,87·X) = (0,87)2·V(X) = (0,87)2·692 = 3.603,6 euros2

Por tanto, su desviación típica vendrá dada por:


σ X = V ( X ) = 3603,6 = 60,03 euros

La desviación típica de los ingresos es 60,03 euros.


Por tanto, los ingresos seguirán una distribución Normal de parámetros: Y→N (461,1;
60,03)

c) Si se define la variable aleatoria continua Z, beneficios, como la diferencia entre los


ingresos y los costes, esta nueva variable seguirá también una distribución Normal, ya
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

que se trata de la combinación lineal de variables aleatorias normales.


Z = I - C = 0,87·X - [60 - 0,57·X] = 0,3X - 60

Por tanto, el beneficio medio vendrá dado por la esperanza matemática de Z:


E(Z) = E(0,3X-60) = 0,3·E(X) – 60 = 0,3·530 – 60 = 99 euros.

El beneficio medio es de 99 euros.

d) En primer lugar, es necesario definir los parámetros de la variable aleatoria


beneficio, Z, para lo cual han de conocerse su media y su desviación típica. La primera
se conoce del apartado anterior, y la segunda se obtiene a partir de la varianza.

68
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

V(Z) = V(0,3·X - 60) = 0,32·V(X) = 428,49 euros2

σ Z = V ( Z ) = 428,49 = 20,07 euros.

Por tanto, la distribución de la variable beneficio vendrá dada por Z→N (99; 20,7)

Para conocer la cifra de beneficio que se superará con un 95% de probabilidad, hemos
de saber cuál es el beneficio “a” que deja por encima el 95% de probabilidad, teniendo
en cuenta que es necesario realizar el proceso contrario a la tipificación, ya que Z no
es una N(0,1). Por tanto:
P(Z>a) = 0,95
  a - 99 
P Z * >   = 0,95
  20,7 

Buscando en las tablas de la N(0;1), cuyos valores en probabilidad son equivalentes a


los de las variables aleatorias tipificadas, el valor que deja por encima el 95% de
probabilidad es -1,65. Despejando:
a = - 1,65·20,7 + 99 = 64,85

La cifra de negocio que se superará, con un 95% de probabilidad, es de 64,85 euros.

5.8. Un laboratorio de análisis farmacéutico quiere probar un nuevo medicamento. En


una primera fase, éste se administra a un grupo de ratas, en dos dosis independientes,
medidas en gramos. La primera se distribuye normalmente con media 25 y desviación
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

típica 0,8. La segunda dosis también sigue una distribución normal, con media 5 y
desviación típica 0,2 gramos. Periódicamente, el laboratorio comprueba la correcta
administración del fármaco, a través del cálculo de la dosis media suministrada a 100
ratas, y considera que la administración ha sido incorrecta si el resultado es inferior a
29 gramos.
a )¿Cuál es la probabilidad de no pasar la inspección?
b) Si el gerente de calidad quiere tener una certeza del 99% de que se pasará la
inspección mientras las medias valgan lo indicado, ¿a cuántas ratas tendría
que incluir al hallar la media?

Solución:
(Nota: Las variables con * son variables aleatorias tipificadas)

69
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Sean X la variable aleatoria continua que representa la primera dosis, medida en


gramos, que se distribuye como una Normal de media µX = 25 y σX = 0,8, e Y la
variable aleatoria continua que representa la segunda dosis, medida también en
gramos, que se distribuye como una Normal de media µY = 5 y σY = 0,2.

a) En primer lugar, ha de construirse una nueva variable aleatoria, la dosis total


administrada, Z, que según la propiedad aditiva de la distribución Normal seguirá la
siguiente distribución:

(
Z = X + Y ~ N µ x + µ Y ; σ X2 + σ Y2 ( ))

Ya que X e Y son variables aleatorias independientes y distribuidas según una N (µi,


σi). En nuestro caso, se tendrá:

Z = X + Y ~ N 25 + 5; ( (0,8 2
))
+ 0,2 2 = N (30;0,8246)

Por tanto, la dosis total se distribuye como una N (30; 0,8246). Para comprobar la
correcta administración es necesario analizar las dosis media suministrada a 100
ratas, por lo que se construye una nueva variable aleatoria, T:
100
Zi
T=∑ → N (µT ,σ T )
i =1 100

T también se distribuirá como una Normal, de la que se necesita calcular sus


parámetros:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

 1 100  1  100  1
E(T ) = E  ∑ Z i = E ∑ Z i  = ⋅ 100 ⋅ 30 = 30
100 i =1  100  i =1  100
 1 100  1  100  1
V(T ) = V  ∑ Z i = V  ∑ Zi  = ⋅ 100 ⋅ 0,68 = 0,0068
100 i =1  100  i =1  100
2 2

σ T = V (T ) = 0,0068 = 0,08246

Por tanto, T se distribuye:


T → N (30;0,08246)

70
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Por último, se calculará la probabilidad de que la administración haya sido incorrecta,


lo cual se producirá cuando la dosis media administrada a las 100 ratas sea inferior a
29 gramos.
 29 − 30 
P(T < 29) = P T * <  = P(T * < −12,127 ) ≈ 0
 0,08246 

Luego la probabilidad de no pasar la inspección es prácticamente nula.

b) Se pide el número de ratas que hace que la variable aleatoria dosis media sea mayor
o igual a 29, con una probabilidad del 99%. Para ello, se construye la variable
aleatoria S, media de “n” ratas, con la siguiente forma:
100
Zi
S=∑ → N (µ P , σ P )
i =1 n

S también se distribuirá como una Normal, de la que es necesario calcular sus


parámetros:
1 n  1  n  1
E(S) = E  ∑ Z i  = E ∑ Z i  = ⋅ n ⋅ 30 = 30
 n i =1  n  i =1  n
1 n  1 n  1 0,68
V(S) = V  ∑ Z i  = 2 V ∑ Z i  = 2 ⋅ n ⋅ 0,68 =
 n i =1  n  i =1  n n

0,68 0,8246
σ S = V (S ) = =
n n

Por tanto, S se distribuye:


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

S → N (30; 0,8246 n)

Un vez que se conoce la distribución que sigue la variable aleatoria S, ha de calcularse


“n”, es decir, el número de ratas, que hay que incluir en la media para que la
inspección se pase con un 99% de probabilidad. Es decir:
 29 − 30 
P(S ≥ 29) = P S * ≥  = P(T * ≥ −a ) = 0,99
 0,8246 / n 

Por tanto, buscamos el número “a” que, en las tablas de la N (0; 1) deja a su derecha
el 99% de probabilidad. Ese número es -2,33. Luego:

71
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

29 − 30
= −2,33
0,8246
n

Despejando “n”:
n = 1,9213
n = 3,6914

Son necesarias al menos 4 ratas para que se pase la inspección con un 99% de
probabilidad.

5.9. A finales de 2013, el director financiero de una empresa se plantea adquirir una
cartera de valores de renta variable, pero duda si invertir en el año 2013 o al
siguiente. Si decide comprar las acciones ya, deberá solicitar un crédito, por lo que, al
tener en cuenta los intereses del crédito, se produciría un incremento sobre el precio
de las acciones de un 10%. Si por el contrario decide esperar hasta el año 2014, el
riesgo que corre es que las acciones se revaloricen y su precio se dispare. La mejor
previsión del director es que si espera un año, el aumento de precio sería una variable
normal con media 50% y reflejando la incertidumbre del mercado en una desviación
típica de 25%.
a) Si el aumento de precios excede del 75%, la empresa no tendrá fondos para
adquirir las acciones. ¿Cuál es la probabilidad de que esto suceda según sus
supuestos?
b) Por otra parte, si el precio de las acciones baja, le habrá compensado
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

esperar. ¿Cuál es la probabilidad de que baje el precio?


c) ¿Cuál debería ser el incremento de precio tal que la probabilidad de que el
incremento sea igual o superior a él sea de un 20%?
d) ¿Cuál debería ser el incremento de precio tal que incrementos de precios
iguales o inferiores a él tengan una probabilidad de suceder de un 20%?

Solución:
(Nota: Las variables con * son variables aleatorias tipificadas)

Sea la variable aleatoria continua X el incremento de precios de las acciones en el año


2014, la cual se distribuye como una Normal con esperanza 50 y desviación típica 25.

72
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

a) Se quiere conocer la probabilidad de que el incremento de precio de las acciones en


el año 2014 sea superior al 75%:
 75 − 50 
P( X > 75) = P X * >  = P( X * > 1) = 0,15
 25 

La probabilidad de que el incremento de precios sea mayor al 75% es del 15%.

b) La probabilidad que se pide es la de que bajen los precios, o lo que es lo mismo, que
el incremento de precios sea negativo. Por tanto:
 0 − 50 
P( X < 0) = P X * <  = P( X * < −2) = 0,0228
 25 

La probabilidad de que los precios de las acciones bajen en 2014 es del 2,28%.

c) En este apartado se pide cuál debe ser el aumento de precio que hace que la
probabilidad de que el incremento sea igual o superior a él sea de un 20%:
 a − 50 
P ( X > a ) = P X * >  = 0,2
 25 

Por tanto, se busca el número “a” que, en las tablas de la N (0; 1) deja a su derecha el
20% de probabilidad. Este valor es 0,84, luego:
a − 50
= 0,84
25

Despejando “a”:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

a = 0,71

El incremento de precios que hace que la probabilidad de que el incremento sea igual
o superior a él sea de un 20% es del 71%.

d) El incremento de precio tal que incrementos de precios iguales o inferiores a él


tengan una probabilidad de suceder de un 20%, es tal que:
 a − 50 
P ( X ≤ a ) = P X * ≤  = 0,2
 25 

73
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Por tanto, se busca el número “a” que, en las tablas de la N (0; 1) deja a su izquierda
el 20% de probabilidad. Este número es -0,84, luego:
a − 50
= −0,84
25

Despejando “a”:
a = 29
El incremento de precios que hace que la probabilidad de que el incremento sea igual
o inferior a él sea de un 20% es del 29%.

5.10. La Unión Europea crea la Agencia para la promoción de la vivienda, que


concede subvenciones a fondo perdido. Para conseguir estas ayudas, los individuos
solicitantes han de tener rentas (medidas en miles de euros), entre 11,8 y 12,2 euros.
En España se reciben 1.000 solicitudes, con rentas normalmente distribuidas con
media 12 y desviación típica 0,1. En Portugal también se presentan 1.000 solicitudes,
cuyas rentas están normalmente distribuidas con media 12 y desviación típica 0,15.
Con estos datos, la Agencia ha resuelto otorgar ayudas por 3 millones de euros a
España y 2,6 millones de euros a Portugal. ¿En cuál de los dos países es mayor la
subvención por individuo, suponiendo que en cada país cada individuo recibe la
misma cantidad de dinero?

Solución:
(Nota: Las variables con * son variables aleatorias tipificadas)
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Sea X la variable aleatoria continua que representa las rentas de los individuos
solicitantes en España, medida en miles de euros, la cual se distribuye como una
Normal de media 12 y desviación típica 0,1. Sea Y la variable aleatoria rentas de los
individuos solicitantes en Portugal, medida en miles de euros, la cual se distribuye
como una Normal de media 12 y desviación típica 0,15.

En primer lugar, ha de calcularse la probabilidad de que la renta de los individuos que


presentan la solicitud en cada país esté comprendida en el intervalo 11,8 y 12,2:

España:
 11,8 − 12 12,2 − 12 
P (11,8 < X < 12,2) = P < X* <  = P (−2 < X * < 2) = 0,9545
 0,1 0,1 

74
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

Portugal:
 11,8 − 12 12,2 − 12 
P(11,8 < Y < 12,2) = P < X* <  = P(−1,33 < X * < 1,33) = 0,8164
 0,15 0,15 

Luego la probabilidad de que las rentas estén dentro del intervalo permitido (y por
tanto, de que se acepten las solicitudes) en España es del 95,95%, mientras que en
Portugal es del 81,64%. Como en ambos países se reciben 1.000 solicitudes, las
solicitudes aceptadas serán 955 en España y 816 en Portugal. Si se conceden
subvenciones por valor de 3 millones de euros en España y de 2,6 millones en
Portugal, las subvenciones por solicitud (S) serán:

3.000.000
España: S E = = 3.141,36 euros
955
2.600.000
Portugal: S P = = 3.186,27 euros
816

Por lo que la subvención unitaria es mayor en Portugal que en España.

5.11. Un empresario dedicado a la venta de moquetas tiene 7 tiendas, 5 situadas en


Madrid y 2 en la periferia. Como resultado de la observación de las ventas en el
pasado cree que las ventas diarias de moqueta (en miles de metros) se distribuyen
según una N (3,1) en las tiendas de Madrid capital y como una N (5,2) en las tiendas
de la periferia. El director de personal de la empresa está pensando en ofrecer
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

gratificaciones a los empleados si consiguen vender más de 10.000 metros entre sus 7
establecimientos, pero quiere cuantificar el riesgo de esta oferta. Suponiendo que las
ventas de cada establecimiento se distribuyen independientemente, se pregunta
a) ¿Cuál es la probabilidad de tener que gratificar a sus empleados?
b) Además quiere saber cuántos miles de metros vendidos deberá considerar
en su oferta de gratificación para tener que cumplirla con una
probabilidad de 0,1.

Solución:
(Nota: Las variables con * son variables aleatorias tipificadas)

75
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Sean X1, X2, X3, X4, X5 variables aleatorias continuas que representan las ventas diarias
de moquetas en miles de metros en 5 establecimientos de Madrid, distribuidas como
una Normal de media 5 y desviación típica 2. Sean Y1, Y2 variables aleatorias
continuas que representan las ventas diarias de moquetas en miles de metros en dos
establecimientos en la periferia, distribuida como una Normal de media 5 y desviación
típica 2.

a) En primer lugar construiremos una nueva variable aleatoria Z, que representará las
ventas totales en todos los establecimientos, bien sean de Madrid, bien de la periferia.
Z = X1 + X2 + X3 + X4 + X5 + Y1 +Y2

La cual se distribuirá también como una Normal, cuyos parámetros serán:


E (Z) = E (X1 + X2 + X3 + X4 + X5 + Y1 +Y2) = E (X1) + E (X2)+ E (X3)+
+ E (X4)+ E (X5)+ E (Y1)+ E (Y2) = 5·3 + 2·3 = 25
V (Z) = V (X1 + X2 + X3 + X4 + X5 + Y1 +Y2) = V (X1) + V (X2)+ V (X3) +
+ V (X4)+ V(X5)+ V (Y1)+ V (Y2) = 5·12 + 2·22 = 13

σ z = V ( Z ) = 13 = 3,6

Por tanto, la variable Z se distribuirá como Z → N (25;3,6)

El director gratificará si las ventas totales son superiores a 10.000 metros de moqueta,
por lo que se quiere saber cuál es la probabilidad de que la variable Z sea superior a
10:
 10 − 25 
P( Z > 10) = P X * >  = P( X * > −4,16) ≈ 1
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

 3,6 

Casi con total seguridad tendrá que gratificar a sus empleados.

b) Tendrá que ofrecer gratificación con un 10% de probabilidad si los vendedores


consiguen vender en total más de una cantidad “a”:
 a − 25 
P ( Z > a ) = P Z * >  = 0,1
 3,6 

Por tanto, buscamos el número “a” que, en las tablas de la N (0; 1) deja a su derecha
el 10% de probabilidad. Este número es 1,28, luego:

76
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

a − 25
= 1,28
3,6

Despejando “a”:
a = 29,608 metros

A partir de 29.608 metros deberá gratificar a sus empleados, con una probabilidad del
10%.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

77
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

TEMA 6: CONVERGENCIA

6.1. Una cooperativa agrícola estudia la evolución de la producción de hortalizas


(medida en kilos), admitiendo que la producción diaria se distribuye según una
distribución uniforme con media 25 y varianza 50, y que lo producido cada día es
independiente entre sí.
a) Determinar la probabilidad que tiene la cooperativa de producir más de
9.000 kilos en un año (considerar que el año tiene 365 días).
b) Para planificar la cantidad de producto que podrá poner a la venta, los
cooperativistas se preguntan cuál es la cantidad de hortalizas producidas
en un año que será superada en un 90% de las ocasiones.

Solución:
(Nota: Las variables con * son variables aleatorias tipificadas)

Sea la variable aleatoria continua X la producción diaria de hortalizas, en kilos, de la


cooperativa. X se distribuye como una uniforme de parámetros a y b desconocidos,
pero con media y varianzas conocidas (μX = 25, V(X) = 50).

a) Para considerar la producción anual, se construye una nueva variable aleatoria, Y,


producción anual de hortalizas, en kilos, de una cooperativa, como la suma de las 365
variables aleatorias independientes, Xi, que representan la producción diaria.
365
Y = ∑ X i → N (µY ,σ Y )
i =1
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

 365 
E (Y ) = E  ∑ X i  = 365·E ( X ) = 365·25 = 9.125
 i =1 
 365 
V (Y ) = V  ∑ X i  = 365·V ( X ) = 365·50 = 18.250
 i =1 

σ Y = V (Y ) = 18.250 = 135,09
Y → N (9.125;135,09)

Por tanto, Y, producción anual de hortalizas, se distribuye como una Normal de


parámetros μY = 9.125 y σY = 153,09.
Para calcular la probabilidad de que la producción anual supere los 9.000 kilos:

78
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

 9.000 − 9.125 
P (Y > 9.000) = P Y * >  = P (Y * > −0,925) = 0,8212
 135,09 

La probabilidad de que se superen los 9.000 kilos de producción anual es del 82,12%.

b) Para calcular la cantidad de producción anual “a” que será superada con un 90%
de probabilidad, plantearemos que:
P (Y > a) = 0,90
 a − 9.125 
P (Y > a ) = P Y * >  = 0,90
 135,09 

Por tanto, buscamos el número “a” que, en las tablas de la N (0; 1) deja a su derecha
el 90% de probabilidad. Este número es -1,28, luego:
a − 9.125
= −1,28
135,09

Despejando “a”:
a = 8.952 kilos

Se superarán los 8.952 kilos en el 90% de las ocasiones.

6.2. Las estadísticas de nacimientos en un año en un determinado país arrojan el dato


de que un 45% de los bebés son varones. Analizando un hospital en el que hay un
total de 1.000 nacimientos al año.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

a) ¿Cuál es la probabilidad de que haya más de 500 varones?


b) ¿Cuál es el número esperado de mujeres?
c) ¿Cuál es la probabilidad de que el número de mujeres nacidas esté
comprendido entre 500 y 520?

Solución:
(Nota: Las variables con * son variables aleatorias tipificadas)

Sea la variable aleatoria discreta X número de bebés varones nacidos de 1.000, que se
distribuye como una Binomial de parámetros n = 1.000 y p = 0,45.

79
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

a) Al ser n·p = 1.000·0,45 = 450 (n·p>5), podemos aplicar el Teorema de Moivre,


aproximando la variable aleatoria X a una Normal, cuyos parámetros serán:
E ( X ) = n·p = 1.000·0,45 = 450
V ( X ) = n·p·q = 1.000·0,45·0,55 = 247,5

σ X = V ( X ) = 247,5 = 15,73

Luego X se distribuirá como una Normal con parámetros μX = 450 y σX = 15,73.

La probabilidad de que haya más de 500 varones será:


 500 − 450 
P( X > 500) = P X * >  = P( X * > 3,17 ) = 0,0008
 15,73 

La probabilidad de que haya más de 500 varones es de 0,0008.

b) Si se define la variable aleatoria Z como el número de mujeres nacidas de 1.000, Z


se distribuirá como una Binomial de parámetros n =1.000 y p = 1 – 0,45 = 0,55
(Calculada esta probabilidad como la complementaria del suceso número de hombres
nacidos en el país).

El número esperado de mujeres nacidas de 1.000 se calculará como:


E (Z) = n·p = 1.000·0,55=550

Luego, el número esperado de mujeres es de 550.


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

c) Al igual que en el primer apartado, al ser n·p = 1.000·0,55 = 550 (n·p>5),


podemos aplicar el Teorema de Moivre, aproximando la variable aleatoria Z a una
Normal, cuyos parámetros serán:
E ( Z ) = n·p = 1.000·0,55 = 550
V ( Z ) = n·p·q = 1.000·0,45·0,55 = 247,5

σ Z = V ( Z ) = 247,5 = 15,73
Luego Z se distribuirá como una Normal con parámetros μZ = 550 y σZ = 15,73.

La probabilidad de que el número de niñas nacidas esté entre 500 y 520, se calculará
como:

80
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

 500 − 550 520 − 550 


P(500 < Z < 520) = P < Z* <  = P(− 3,18 < Z * < −1,91) =
 15,73 15,73 
= 0,0281 − 0,0007 = 0,0274

La probabilidad de que nazcan entre 500 y 520 bebés mujeres es del 2,74%.

6.3. El número medio de visitas a una página web en un día es de 25. Calcular la
probabilidad de que en un día haya, al menos, 35 visitas,
suponiendo que la distribución de visitas por día sigue una distribución de Poisson.
Utilizando la aproximación normal, comparar los resultados.

Solución:
(Nota: Las variables con * son variables aleatorias tipificadas)

Sea la variable aleatoria discreta X el número de visitas a una página web en un día,
que sigue una distribución de Poisson de parámetro λ = 25.

La probabilidad de que el número de visitas en un día sea de al menos 35 visitas,


calculada a través de la función de cuantía de Poisson, se calcula como:
34
25 xi
P ( X ≥ 35) = 1 − P ( X < 35) = 1 − ∑ e − 25 · = 0,00338
1=1 xi !

Al ser λ > 10, podemos aproximar, por la Convergencia de Poisson a Normal, la


Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

variable X a una Normal de parámetros:


E ( X ) = λ = 25
V ( X ) = λ = 25

σ X = V ( X ) = 25 = 5

Luego X se distribuirá como una Normal de parámetros μX = 25 y σX = 5.

Por tanto, la probabilidad de que el número de visitas en un día sea de al menos 35


visitas, calculada a través de la aproximación Normal, se calcula como:
 35 − 25 
P ( X ≥ 35) = P X * ≥  = P( X * ≥ 2 ) = 0,0228
 5 

81
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

Comprobamos que la probabilidad pedida, calculada a través de la función de cuantía


de Poisson, es de 0,00338; mientras que si la calculamos a través de la aproximación
Normal, ésta resulta ser menor, siendo de 0,0228.

6.4. De 20:00 a 21:00, en un supermercado el número medio de personas que hacen


cola para pagar en las cajas es de 55, siguiendo una distribución de Poisson. Se pide:
a) ¿Cuál es la probabilidad de que esperen más de 70 personas en ese período
de tiempo?
b) ¿Cuál es la probabilidad de que esperen menos de 50 personas en ese
periodo de tiempo?
c) ¿Cuál es la probabilidad de que guarden cola entre 50 y 70 personas en ese
período de tiempo?

Solución:

Sea X una variable aleatoria discreta que representa el número de personas que hacen
cola entre 20:00 y 21:00 h, que sigue una distribución de Poisson de parámetro λ =
55.

a) Al ser el parámetro λ superior a 10, es posible aproximar a una distribución N


(0;1), a través del Teorema Central del Límite:

P(55) − 55
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

→
d
N (0,1)
55
→ N 55, 55
X TCL
 [ ]
La probabilidad pedida será:

P[X > 70] = P  X * >
70 − 55 
7 , 41
*
 = P X > 2,02 = 0,0217 [ ]
 

Con un 2,17% de probabilidad llegarán más de 70 personas en ese periodo de tiempo.

b) De la misma manera:

82
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

 X − 55 50 − 55 
P[X < 50] = P  <  = P X * < −0,67 = 1 − P X * > 0,67 =[ ] [ ]
 7,41 7,41 
= 1 − 0,74857 = 0,2514

La probabilidad de que se reciban menos de 50 personas es del 25,14%.

c) Análogamente:

[ ]
 50 − 55 X − 55 70 − 55 
P 50 < X * < 70 = P  < <
7,41 
=
 7,41 7,41
[ ]
= P − 0,67 ≤ X * ≤ 2,02 = 0,7485 − 0,021 = 0,7275

La probabilidad de que lleguen entre 50 y 70 personas es del 72,75%.

6.5. El director de una compañía de teatro cree que el 40% de la gente que acude a
ver su obra son menores de 25 años. Elige 600 personas aleatoriamente de entre los
que han asistido últimamente al teatro.
a) Si lo que cree el director es cierto ¿Cuál es la probabilidad de que más de
260 de las 600 personas elegidas sean menores de 25 años?
b) Si lo que cree el director es cierto, ¿más de cuántos asistentes a la obra
serán menores de 25 años con una probabilidad del 60 %?

Solución:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Se define la variable aleatoria discreta X como el número de personas menores de 25


años, que sigue una distribución Binomial de parámetros n = 600 y p = 0,4.
a) Como n·p>5 es posible aplicar el Teorema de Moivre, que permitirá aproximar la
distribución Binomial a una N (0,1). Para ello se calcula la esperanza y varianza de la
distribución Binomial definida anteriormente.
E(X) = n·p = 600·0,4 = 240
V(X) = n·p·q = 600·0,4·0,6 = 144
σx = 12
X − 240 d
→ N (0,1)
12
→ N (240,12 )
X

83
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia


P[X > 260] = P  X * >
260 − 240 
12  = P X * > 1,66 = 0,0485 [ ]
 

La probabilidad de que más de 260 de las 600 personas elegidas sean menores de 25
años es de 4,85%.

b) Con un 60% de probabilidad, el número de asistentes “a” que será menor de 25


años:
P[X > a ] = 0,6
 a − 240 
P X * > = 0,6
 12 

Por tanto, se busca el número “a” que, en las tablas de la N (0; 1) deja a su derecha el
60% de probabilidad. Este número es -0,25, luego:
a − 240
= −0,25
12

Despejando:
a = 237

El número de asistentes de la muestra menores de 25 años es de 237, con un 60% de


probabilidad.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

84
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
PARTE II
INFERENCIA
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

TEMA 7: DISTRIBUCIÓN EN EL MUESTREO

7.1. Consideremos una población de 10 alumnos, de los cuales se analizan las


calificaciones en estadística teórica. Los datos de esa población serían:

Estudiante 0 1 2 3 4 5 6 7 8 9
Calificación: 82 62 80 58 72 73 65 66 74 62

a) Extraer una muestra aleatoria de tamaño 4 de esa población y calcular la


media muestral usando un muestreo aleatorio simple sin reemplazamiento.
b) Repetir el proceso 10 veces, calcular la media muestral y la varianza
muestral. ¿Hay variabilidad en los resultados?
c) Calcular la esperanza y la varianza de la media muestral en el supuesto de
una muestra aleatoria simple de tamaño 100 con reemplazamiento.

Solución:

a) Extraemos 4 valores al azar, sin reemplazamiento (lo que implica que ninguno de
ellos se puede repetir), y calculamos la media de esa muestra (media muestral), cuya
formulación es la siguiente:
1 n
x= ∑ xi
n i =1

En nuestro caso:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

1 4
x= ∑ xi
4 i =1

Por ejemplo,
x1 x2 x3 x4 Media
muestral
1 82 62 80 58 70,5

Es decir, la media muestral para la muestra extraída al azar, sin reemplazamiento es


70,5.
b) La formulación de la varianza muestral es:

86
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Documentos de Trabajo

∑ (x i − x)2
s2 = i =1

En nuestro caso,
4

∑ (x i − x)2
s2 = i =1

Repetimos el procedimiento 10 veces, y calculamos la media y varianza muestrales.

x1 x2 x3 x4 Media Varianza
muestral muestral
1 82 62 80 58 70,5 112,75
2 62 80 58 72 68 74
3 80 58 72 73 70,75 63,68
4 58 72 73 65 67 36,5
5 72 73 65 66 69 12,5
6 73 65 66 74 69,5 16,25
7 65 66 74 62 66,75 19,68
8 74 62 72 73 70,25 23,18
9 82 62 73 65 70,5 60,25
10 58 72 73 62 66,25 41,18

Efectivamente se comprueba que muestras distintas dan resultados distintos.

Nota: El ejercicio no tiene solución única. Otras muestras obtenidas al azar podrían
haber dado lugar a valores diferentes.
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

c) Calculamos la esperanza de la media muestral y de la varianza, cuyas


formulaciones son:
1 n  1 n 1
E ( x ) = E  ∑ x i  = ∑ E ( x i ) = nµ = µ
 n i =1  n i =1 n

1 n  1 n
1 σ2
V ( x ) = V  ∑ xi  = 2
 n i =1  n
∑ V ( xi ) =
i =1 n2
n σ 2
=
n

En nuestro caso:
E ( x ) = µ = 69,4
σ2 58,24
V (x) = = = 0,5824
n 100

87
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.
Ejercicios de Estadística Teórica. Probabilidad e Inferencia

7.2. Se sabe por los datos censales que la variabilidad de la altura de alumnos de una
clase medida a través de la varianza es de 15,3. No obstante, para estudiar la
variabilidad en el muestreo de la varianza muestral se decide tomar una muestra
aleatoria de tamaño 15. ¿Cuál es la probabilidad de que la varianza muestral sea
mayor que 15? Nota: Suponga que la estatura es una variable aleatoria normalmente
distribuida.

Solución:

Sea X la variable aleatoria continua altura de los alumnos, que se distribuye como una
Normal. Sabemos que la varianza poblacional de la altura es de 15,3 cm. Se realiza un
muestreo aleatorio simple (m.a.s.) de tamaño 15. Nos piden la probabilidad de que la
varianza muestral sea mayor que 15.

Sabemos, por las propiedades de la distribución conjunta en el muestreo de la media y


la varianza muestrales ( x , S X2 , respectivamente), que, siendo la varianza muestral

∑ (x i − x) 2
nS X2
S X2 = , el estadístico se distribuye como una χ n2−1 (n-1 grados de
n σ X2
libertad).

Por tanto, la probabilidad de que la varianza muestral sea mayor que 15:
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.

   15·n   15·15 
( ) n n
P S X2 > 15 = P S X2 ⋅ 2 > 15 ⋅ 2  = P χ 152 −1 > 2  = P χ 142 > 
 σX σX   σX   15,3 
(
= P χ 142 > 14,71 = 0,3983 )

La probabilidad de que la varianza muestral de la altura sea mayor de 15 es del


39,83%.

7.3. Se ha celebrado una oposición para cubrir las plazas de auxiliar de clínica de un
Hospital de próxima inauguración en Madrid. Se han presentado 10.000 personas al
examen, y el Tribunal desea estimar, antes de corregir, cuál es la puntuación media de
los exámenes. Para ello toma una muestra aleatoria de 100 exámenes. La nota media

88
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-02-25 14:39:45.