1

Tema 6. Problemas
1. Sea X una variable aleatoria que toma los valores 0, 1, 2 y 3 y de la que se conoce:
1 1
P [X < 1] = , P [1 ≤ X ≤ 2] = ,
4 2
3 11
P [0.5 < X ≤ 3] = , E[X] = .
4 8
Determina la función de distribución de X. Calcula la varianza y la desviación tı́pica.
Para calcular la f.d.D., primero debemos obtener la función de probabilidad. Por comodidad,
denotaremos: P [X = i] = pi para i = 0, 1, 2, 3.
Desarrollando las probabilidades que nos dan en el enunciado, obtenemos:
1
P [X < 1] = p0 =
4
1
P [1 ≤ X ≤ 2] = p1 + p2 = ,
2
3
P [0.5 < X ≤ 3] = p1 + p2 + p3 =
4
11
E[X] = 0 · p0 + 1 · p1 + 2 · p2 + 3 · p3 = .
8

Resolviendo el sistema, tenemos que la f.d.p. es

X 0 1 2 3
1 3 1 1
pi = P [X = i] 4 8 8 4

Por lo tanto la f.d.D. ser




 0 si x < 0

si 0 ≤ x < 1

p0 = 1/4,



F (x) = P [X ≤ x] = p0 + p1 = 5/8, si 1 ≤ x < 2


p0 + p1 + p2 = 6/8, si 2 ≤ x < 3






p0 + p1 + p2 + p3 = 1, si x ≥ 4


P3
• E[X] = i=0 i × P [X = i] = 0 × 41 + 1 × 38 + 2 × 18 + 3 × 1
4
= 11
8
,
p
• V ar(X) = E[X 2 ] − E[X]2 = 258
− ( 11 2
8
) = 79
64
, y obviamente σ = V ar(X) = 1.111
donde E[X 2 ] = 3i=0 i2 × P [X = i] = 02 × 41 + 12 × 38 + 22 × 18 + 32 × 14
P

1
Este documento NO tiene autorización de su creadora para ser publicado en wuolah
Begoña Salamanca Miño 2

2. Una variable aleatoria X viene dada por la ley de probabilidad:

X 2 4 7
P [X = x] 0.5 0.2 0.3

Halla la función de distribución y representarla gráficamente. Calcula P [X ≥ 2|X < 4], la

esperanza, la varianza y la desviación tı́pica.



 0 si x < 2

si 2 ≤ x < 4

P (X = 2) = 0.5,
F (x) = P [X ≤ x] =


 0.5 + 0.2 = 0.7, si 4 ≤ x < 7


0.5 + 0.2 + 0.3 = 1, si x ≥ 7


P [(X ≥ 2) ∩ (X < 4)] P [X = 2] 0.5

• P [X ≥ 2|X < 4] = = = =1
P [X < 4] P [X = 2] 0.5
p
• E[X] = 2×0.5+4×0.2+7×0.3 = 3.9, V ar(X) = 19.9−3.92 = 4.69 y σ = V ar(X) =
2.1656

F (x)
1

0.7
0.5

0 2 4 7

3. Dada la función de densidad de la variable aleatoria X:

1
f (x) = x − para 1 < x < 2,
2
Calcula la función de distribución, la media, la varianza y la desviación tı́pica de esta
variable.

0, si x < 1



Rx
F (x) = P [X ≤ x] = 1
(t − 21 )dt = x2 (x − 1), si 1 ≤ x < 2


1, si x ≥ 2

Begoña Salamanca Miño 3
+∞ 2
x3 x
Z Z
1 19
• E[X] = xf (x)dx = x(x − )dx = ( − )]x=2
x=1 =
−∞ 1 2 3 4 12

Z +∞ Z +∞ 2
2 2 2
• V ar(X) = E[X ] − E [X] = x f (x)dx − xf (x)dx =
−∞ −∞
Z 2  2  2
2 1 19 31 19
= x (x − )dx − = − = 0.0764
1 2 12 12 12
√
• σ = 0.0764 = 0.2764

4. Sea X una variable aleatoria con función de distribución:


0, si x < 0



F (x) = P [X ≤ x] = x2
si 0 ≤ x < 3
9

1, si x ≥ 3


(a) Determina su función de densidad.

(b) Calcula P [X > 2], P [1 < X ≤ 2] y P [X < 2 ó X > 2.5].

(c) Determina E(X) y V ar(X).

• Determina su función de densidad.

Como la función de densidad es la derivada de la función de distribución, obtenemos

 2 x, si 0 ≤ x < 3
0
f (x) = F (x) = 9
0, c.c.

• Calcula P [X > 2], P [1 < X ≤ 2] y P [X < 2 ó X > 2.5].


2


 1 − F (2) = 1 − 29 = 59


P [X > 2] = 1 − P [X ≤ 2] = ó también
Z 2
podrı́a calcularse

 2 5
1 − xdx =


0 9 9

22 12 3


 F (2) − F (1) = 9
− 9
= 9


P [1 < X ≤ 2] = óZ
2

 2 3
xdx =


1 9 9

Begoña Salamanca Miño 4

3
P [X < 2 ó X > 2.5] = P [X < 2] + P [X > 2.5] = F (2) − (1 − F (2.5)) = 4

• Determina E(X) y V ar(X).

+∞ 3
2 x3 x=3
Z Z
2
E[X] = xf (x)dx = x xdx = ( )] =2
−∞ 0 9 9 3 x=0
Z +∞ Z +∞ 2
2
V ar(X) = E[X 2 ] − E 2 [X] = x f (x)dx − xf (x)dx =
Z 3 −∞ −∞
2
= x2 xdx − 22 = 0.5
0 9

5. Se sabe que el 6% de las llamadas recibidas por una compañia telefónica se deben a fallos
en el funcionamiento de la fibra óptica. Suponiendo independientes las 10 llamadas telefónicas
recibidas durante una hora, se considera la variable aleatoria que cuenta el número de llamadas
sobre fallos en la fibra óptica.

(a) ¿Qué modelo de distribución sigue dicha variable aleatoria? Calcule su esperanza y su
varianza.

(b) Calcule la probabilidad de recibir dos llamadas de este tipo.

(c) ¿Cuál es la probabilidad de recibir al menos 2 llamadas sobre fallos en la fibra óptica?

• ¿Qué modelo de distribución sigue dicha variable aleatoria? Calcule su esperanza y su

varianza.
X= número de de llamadas sobre fallos en la fibra óptica durante una hora ∼ B(10, 0.06)
E[X] = n · p = 10 · 0.06 = 0.6, V ar(X) = n · p · q = 10 · 0.06 · 0.94 = 0.564

• Calcule la probabilidad de recibir dos llamadas de este tipo.

P [X = 2] = nx · px · q n−x = 10



2
· 0.062 · 0.9410−2 = 0.09875

dbinom(2,10,0.06)

## [1] 0.09875017
Begoña Salamanca Miño 5

• ¿Cuál es la probabilidad de recibir al menos 2 llamadas sobre fallos en la fibra óptica?

P [X ≥ 2] = 1 − P [X < 2] = 1 − (P [X = 0] + P [X = 1]) =
= 1 − 10 10

0 10−0

1 10−1


0
· 0.06 · 0.94 + 1
· 0.06 · 0.94 = 0.1176

#La opci\'on lower.trail=TRUE (FALSE) del comando pbinom es un argumento logico;

#si TRUE (default), la probabilidad que d\'a es P[X \leq x], otro caso, P[X > x].
#Para este problema podemos calcular P[X \geq 2]=P[X>1]
#\'o bien P[X \geq 2]=1-P[X\leq 1]
pbinom(1,10,0.06, lower.tail = FALSE)

## [1] 0.117588

1-pbinom(1,10,0.06, lower.tail = TRUE)

## [1] 0.117588

6. Los controles de calidad de una planta de fabricación de placas de circuito impreso han
permitido determinar que el 5% de la producción es defectuosa.

(a) Si se eligen 20 placas de circuito impresos al azar, ¿cuál es la probabilidad de que haya,
al menos, 2 placas defectuosas?

(b) En la fabricación de una partida compuesta por 50 placas, ha intervenido una máquina
que sufrı́a una averı́a, habiéndose detectado que 20 de las placas son defectuosas. Si se
eligen (sin reemplazamiento) 10 placas de esa partida, ¿cuál es la probabilidad de que
haya exactamente 3 defectuosas? ¿Cuántas placas defectuosas se espera que haya en las
10 elegidas?

• Si se eligen 20 placas de circuito impresos al azar, ¿cuál es la probabilidad de que haya,

al menos, 2 placas defectuosas?
Consideremos la variable aleatoria X=número de placas defectuosas entre las 20 escogidas
al azar ∼ B(20, 0.05). Por lo tanto, en este problema nos estarı́an pidiendo P [X ≥ 2].
Como en el problema anterior, calculando mediante el complementario y realizando las
operaciones necesarias, obtenemos que P [X ≥ 2] = 0.2642
Begoña Salamanca Miño 6

pbinom(1,20,0.05, lower.tail = FALSE)

## [1] 0.2641605

• En la fabricación de una partida compuesta por 50 placas, ha intervenido una máquina

que sufrı́a una averı́a, habiéndose detectado que 20 de las placas son defectuosas. Si se
eligen (sin reemplazamiento) 10 placas de esa partida, ¿cuál es la probabilidad de que
haya exactamente 3 defectuosas? ¿Cuántas placas defectuosas se espera que haya en las
10 elegidas?
Consideremos la variable aleatoria Y =número de placas defectuosas entre las 10 escogidas,
notar que aunque pueda parecer la misma variable que en el apartado anterior no es ası́.
En este caso la situación inicial es diferente ya que de antemano conocemos el tamao de
la población bajo estudio (N = 50 placas) as como el número de placas defectuosas que
hay entre esas 50 (N1 = 20 placas defectuosas) y la muestra que estamos tomando es
sobre esas 50 placas (n = 10 placas), por lo tanto est variable se va a ajustar a un módelo
Hipergeométrico H(50, 20, 10) y no estarı́an pidiendo P [Y = 3] y E[Y ]

20 30



3
· 7 N 20
P [Y = 3] = 50

= 0.2259, E[Y ] = n = 10 = 4
10
N1 50

dhyper(3,20,30,10)

## [1] 0.2259296

7. Un enfermo ha de tomar 3 pı́ldoras de un determinado medicamento. De las doce pı́ldoras

que contiene el envase, cuatro están en malas condiciones.

(a) Calcula la probabilidad de que tome sólo una buena.

(b) Calcula la probabilidad de que al menos una esté en malas condiciones.

(c) ¿Cuál es el número esperado de pı́ldoras en buenas condiciones tomadas por el enfermo ?

• Calcula la probabilidad de que tome sólo una buena.

Consideremos la variable aleatoria X=número de pı́ldoras en buen estado entre las 3
escogidas ∼ H(12, 8, 3). En este apartado nos piden P [X = 1], resolviendo
Begoña Salamanca Miño 7

N1 N −N1


8

4

k n−k 1 12
P [X = 1] = N

=
2 =
12
n 3
55

dhyper(1,8,4,3)

## [1] 0.2181818

• Calcula la probabilidad de que al menos una esté en malas condiciones.

Dado que la variable la hemos definido en relación a las pı́ldoras buenas, es conveniente
reformular la pregunta pero para las pı́ldoras buenas, es decir calcular la probabilidad que
haya alguna mala es lo mismo que calcular la probabilidad de que haya como máximo 2
buenas, ésta última probabilidad podemos escribirla como P [X ≤ 2].
La probabilidad anterior podemos calcularla de dos maneras:
P [X ≤ 2] = P [X = 0] + P [X = 1] + P [X = 2], o bien, dado que el rango de la variable
bajo estudio es {0, 1, 2, 3}, calcular la probabilidad de que X sea menor o igual que 2 es
lo contrario de que sea igual a 3, es decir P [X ≤ 2] = 1 − P [X = 3]. Calculándolo como
41
sea, se obtiene que esa probabilidad es 55 .

phyper(2,8,4,3)

## [1] 0.7454545

• ¿Cuál es el número esperado de pı́ldoras en buenas condiciones tomadas por el enfermo ?

N1 8
E[X] = n · N
=3· 12
=2

8. Sea X una variable aleatoria con distribución exponencial. Dados x > 0 y t > 0, demuestra
que P [X > t + x|X > t] = P [X > x].

P [X > t + x, X > t] P [X > t + x] 1 − F (t + x)

P[X > t + x|X > t] = = = =
P [X > t] P [X > t] 1 − F (t)
e−λ(t+x)
= = e−λx = 1 − F (x) = P[X > x]
e−λt
Nota:
Si X ∼ Exp(λ), F (x) = 1 − e−λx
Begoña Salamanca Miño 8

9. Consideremos un equipo de radar cuya ley de tiempo de fallo sea exponencial. Si los radares
1
de este tipo tienen una razón de fallos λ = 1000 equipos/hora, encuéntrese la longitud de tiempo
t tal que haya una probabilidad de 0.99 de que el equipo trabaje satisfactoriamente durante un
tiempo mayor que t.
1
X=tiempo de fallo ∼ Exp(λ), λ = 1000
Debemos calcular un t tal que P [X > t] = 0.99. Sustituyendo la función distribución
tenemos:
e−λt = 0.99 ⇒ −λt = ln0.99

Resolviendo obtenemos que t = 10.0503 horas

qexp(0.99,0.001,lower.tail = FALSE)

## [1] 10.05034

qexp(0.01,0.001, lower.tail = TRUE)

## [1] 10.05034

10. El servicio de asistencia técnica de una empresa distribuidora viene realizando habitual-
mente reparaciones cuya duración oscila entre 1 y 3 horas, sin que exista ninguna tendencia
especial acerca del tiempo invertido en cada reparación. El servicio técnico cobra un precio de
20 euros por hora de trabajo más una cantidad fija de 10 euros por reparación, en concepto de
transporte.

(a) Calcule la probabilidad de que se tarde entre 1.5 y 2 horas en realizar una reparación.
¿Cuál es el tiempo medio empleado en las reparaciones?

(b) ¿Cuál es la probabilidad de facturar en una reparación una cantidad superior a 36 euros?

(c) ¿Qué ingreso se espera obtener en una reparación? ¿Cuál es la probabilidad de superar,
en una reparación, dicho ingreso medio?

(d) ¿Cuánto tiempo habrá que emplear como mı́nimo en una reparación para que la factura
correspondiente sea superada en el 80% de las reparaciones?

• Calcule la probabilidad de que se tarde entre 1.5 y 2 horas en realizar una reparación.
¿Cuál es el tiempo medio empleado en las reparaciones?
Begoña Salamanca Miño 9

Consideremos la variable X= tiempo de reparación, por el enunciado podemos ver que

esta variable se distribuye según una Uniforme Continua en el intervalo (1, 3), U (1, 3),
debemos calcular P [1.5 < X < 2] y E[X]

2 − 1 1.5 − 1
P [1.5 < X < 2] = F (2) − F (1.5) = − = 0.25
3−1 3−1

1+3
E[X] = =2
2

punif(2,1,3)-punif(1.5,1,3)

## [1] 0.25

• ¿Cuál es la probabilidad de facturar en una reparación una cantidad superior a 36 euros?

Dado que el servicio técnico cobra un precio de 20 euros por hora de trabajo más una
cantidad fija de 10 euros por reparación, en concepto de transporte, definimos la variable
aleatoria C = 20X + 10 y deseamos calcular P [C > 36]

P [C > 36] = P [20X + 10 > 36] = P [X > 1.3] = 1 − F (1.3) = 0.85

(Prob=punif(1.3,1,3,lower.tail = FALSE))

## [1] 0.85

• ¿Qué ingreso se espera obtener en una reparación? ¿Cuál es la probabilidad de superar,

en una reparación, dicho ingreso medio?

E[C] = E[20X + 10] = 20E[X] + 10 = 50

1
P [C > E[C]] = P [20X + 10 > 50] = P [X > 2] =
2
• ¿Cuánto tiempo habrá que emplear como mı́nimo en una reparación para que la factura
correspondiente sea superada en el 80% de las reparaciones?
Debemos calcular un valor de x de tal manera que se verifique P [C > c] = 0.8, o lo que
es igual,
Begoña Salamanca Miño 10

x−1
P [X > x] = 0.8, 1 − F (x) = 0.8, 1 − = 0.8
2
Resolviendo tenemos que x = 1.4 horas.

qunif(0.8,1,3,lower.tail = FALSE)

## [1] 1.4

11. La velocidad de bajada de las lı́neas ADSL de una zona residencial, medida a las 20:00
horas, sigue una distribución Normal de media 12 Mbps y desviación tı́pica 4 Mbps.

(a) Calcule la probabilidad de que una lı́nea ADSL registre una velocidad inferior a 14 Mbps.

(b) ¿Qué porcentaje de lı́neas alcanzan una velocidad superior a 17 Mbps?

(c) ¿Cuál es la probabilidad de que una lı́nea registre una velocidad comprendida entre 7.6 y
12 Mbps?

Consideremos la variable X= velocidad de bajada de las lı́neas ADSL ∼ N (12, 42 ).

• Calcule la probabilidad de que una lı́nea ADSL registre una velocidad inferior a 14 Mbps.
P [X < 14] = P X−12 14−12
 
4
< 4
= P [Z < 0.5] = Φ (0.5) = 0.6915

pnorm(14,12,4)

## [1] 0.6914625

• ¿Qué porcentaje de lı́neas alcanzan una velocidad superior a 17 Mbps?

P [X > 17] = P X−17 > 17−12
 
4 4
= P [Z > 1.25] = 1 − P [Z < 1.25] = 1 − Φ (1.25) =
1 − 0.8944 = 0.1056
Un 10.56% de lı́neas alcanzan una velocidad superior a 17 Mbps

pnorm(17,12,4,lower.tail = FALSE)

## [1] 0.1056498
Begoña Salamanca Miño 11

• ¿Cuál es la probabilidad de que una lı́nea registre una velocidad comprendida entre 7.6 y
12 Mbps?
P [7.6 < X < 12] = P [−1.1 < Z < 0] = P [Z < 0] − P [Z < −1.1] = Φ (0) − (1 − Φ (1.1)) =
0.3643

pnorm(12,12,4)-pnorm(7.6,12,4)

## [1] 0.3643339

12. Se sabe que las retribuciones percibidas por una compañı́a naviera se distribuyen según
una ley normal con media µ = 16800 y desviación tı́pica σ = 8000.

(a) ¿Qué proporción de las retribuciones son superiores a 15000 euros?

(b) ¿Qué cantidad es superada por el 0,82% de las retribuciones?
(c) ¿Qué cantidad deja tras de ella el 10,20% de las retribuciones?

Consideremos X= retribuciones percibidas por los trabajadores de una compañia ∼ N (16800, 80002 ).

(a) ¿Qué proporción de las retribuciones son superiores a 15000 euros?

Nos están pidiendo P [X > 15000] y se calculará como en el problema anterior.

0.5871 + 0.5910
P [X > 15000] = P [Z > −0.225] = P [Z < 0.225] = = 0.58905
2

pnorm(15000,16800,8000,lower.tail = FALSE)

## [1] 0.5890104

(b) ¿Qué cantidad es superada por el 0,82% de las retribuciones?

En este caso nos están pidiendo la retribución (x) que es superada (>) por el 0, 82%
(probabilidad 0.0082) de las retribuciones de la compañia, es decir, debemos calcular un
valor x tal que P [X > x] = 0.0082
 
x − 16800
Tipificando P Z > = 0.0082, para buscarlo en la tabla de la N (0, 1), debe-
8000  
x − 16800
mos tener la probabilidad como una f.d.D., por tanto 1 − P Z < = 0.0082,
8000
Begoña Salamanca Miño 12

despejando Φ x−16800


8000
= 0.9918. En estas condiciones, si se puede buscar el punto crı́tico
en la tabla y se obtiene
x − 16800
= 2.4 ⇒ x = 36000 (1)
8000

qnorm(0.0082,16800,8000,lower.tail = FALSE)

## [1] 35999.12

(c) ¿Qué cantidad deja tras de ella el 10,20% de las retribuciones?

En este caso nos están pidiendo la retribución (x) que es no es superada (<) por el 10, 2%
de las retribuciones de la compañia, es decir, debemos calcular un valor x tal que P [X <
x] = 0.102
 
x − 16800 x − 16800
Tipificando, tenemos P Z < = 0.102, dado que es un número
8000
   8000
x − 16800
negativo, por simetrı́a tenemos P Z > − = 0.102. Como antes, debemos
8000
realizar las correcciones necesarias para poder buscar el punto crı́tico en la tabla (que
sea la f.d.D. de un número
  positivo), utilizando la propiedad del complementario 1 −
x − 16800
Φ x−16800


8000
= 0.102, Φ − = 0.898. Estamos ahora en las condiciones de
8000
buscar el punto crı́tico en la tabla y obtenemos
 
x − 16800
− = 1.27 ⇒ x = 6640 (2)
8000

qnorm(0.102,16800,8000,lower.tail = TRUE)

## [1] 6638.099

13. El peso en toneladas de los rollos de acero fabricados en una planta se distribuye según
una ley normal de parámetros µ = 5.5, σ = 0.6.

(a) Calcule la probabilidad de que un rollo pese más de 4.5 toneladas.

(b) Los rollos se embalan en cajas de 10 y se distribuyen en lotes de 50 cajas.

Begoña Salamanca Miño 13

i. Se dice que una caja es de tipo B si contiene 2 o más rollos de menos de 4.5 toneladas.
Calcule la probabilidad de que una caja sea de tipo B.
ii. Calcule la probabilidad de que en un lote de 50 cajas aparezcan 3 cajas de tipo B.

Consideremos la variable X= peso en toneladas de los rollos de acero ∼ N (5.5, 0.62 ).

• Calcule la probabilidad de que un rollo pese más de 4.5 toneladas.

Actuando como en los problemas anteriores, se obtiene que P [X > 4.5] = 0.9525

pnorm(4.5,5.5,0.6,lower.tail = FALSE)

## [1] 0.9522096

• Los rollos se embalan en cajas de 10 y se distribuyen en lotes de 50 cajas.

i. Se dice que una caja es de tipo B si contiene 2 o más rollos de menos de 4.5 toneladas.
Calcule la probabilidad de que una caja sea de tipo B.
Consideremos la variable Y =número de rollos con un peso menor de 4.5 en una caja
(10 rollos)∼ B(10, p) donde p = P [X < 4.5] = 1 − 0.9525 = 0.0475.
En el enunciado nos dicen que una caja es de tipo B si Y ≥ 2, por lo tanto

P (caja tipo B) = P [Y ≥ 2] = 1 − P [Y < 2] = 1 − (P [Y = 0] + P [Y = 1]) = 0.0788

pbinom(1,10,pnorm(4.5,5.5,0.6,lower.tail = TRUE),lower.tail = FALSE)

## [1] 0.07962757

ii. Calcule la probabilidad de que en un lote de 50 cajas aparezcan 3 cajas de tipo B.

Definimos U =número de cajas de tipo B en un lote (50 cajas)∼ B(50, p) donde
p = P (caja tipo B) = P [Y ≥ 2] = 0.0788 y nos piden P [U = 3] = 0.2025

pU=pbinom(1,10,pnorm(4.5,5.5,0.6,lower.tail = TRUE),lower.tail = FALSE)

dbinom(3,50,pU)

## [1] 0.2003253
Begoña Salamanca Miño 14

14. El tiempo de vida en años de un dispositivo electrónico, T , sigue sigue una distribución
normal, con media µ = 7 y desviación tı́pica σ = 2.

(a) Calcule la probabilidad de que el tiempo de vida de un dispositivo electrónico sea inferior
a cinco años.
(b) ¿Qué tiempo de vida no es superado por el 87,9% de la población?
(c) ¿Qué tiempo de vida es superado por el 98,5% de la población?
(d) Calcule la probabilidad de que entre 1000 dispositivos electrónicos elegidos al azar al
menos 850 duren más de 5 años. Calcule también la probabilidad de que al menos 700
duren más de 5 años.

Consideremos la variable T = tiempo de vida en años ∼ N (µ, σ 2 ) con µ = 76 y σ = 2.

(a) Calcula la probabilidad de que el tiempo de vida de un dispositivo electrónico sea inferior
a cinco años. P [T < 7] = P Z < 5−7
 
2
= P [Z < −1] = 1 − Φ (1) = 1 − 0.8413 = 0.1583

pnorm(5,7,2)

## [1] 0.1586553

(b) ¿Qué tiempo de vida no es superado por el 87,9% de la población?

x−7
Debemos obterner un valor x tal que P [X < x] = 0.879, tipificando P [Z < 2
] = 0.879.
Dado que x−7
2
es positivo, buscamos en la tabla directamente

x−7
= 1.17 ⇒ x = 9.34 años.
2

qnorm(0.879,7,2)

## [1] 9.340005

(c) ¿Qué tiempo de vida es superado por el 98,5% de la población?

Debemos obterner un valor x tal que P [X > x] = 0.985, en primer lugar tipificamos
P [Z > x−7
2
] = 0.985. En este caso, podemos ver que x−7 2
es negativo, por simetrı́a,
x−7
tenemos P [Z < − 2 ] = 0.985. Por lo tanto
 
x−7
− = 2.17 ⇒ x = 2.66 años.
2
Begoña Salamanca Miño 15

qnorm(0.985,7,2,lower.tail = FALSE)

## [1] 2.659819

(d) La probabilidad de que entre 1000 dispositivos electrónicos elegidos al azar al menos 850
duren más de 5 años.Calcule también la probabilidad de que al menos 700 duren más de
3 años.
Definimos Y =número de dispositivos que duran más de 5 años entre 1000 ∼ B(1000, p)
donde p = P [T > 5] = 0.84134.Debemos obtener P [Y > 850] y P [Y > 850]
Dado que en la variable Y el parámetro n es suficientemente grande, vamos a utilizar la
aproximación de una distribución Binomial a una Normal (propiedad 6.2 de los apuntes)
de parámetros µ = np = 1000 · 0.9664 = 841.34 y σ 2 = npq = 1000 · 0.84134 · 0.15866 =
133.487, por lo tanto

 
850 − 841.34
P [X ≥ 850] = P Z > √ = P [Z > 0.75] = 1−P [Z < 0.75] = 1−0.7734 = 0.2266
133.847
 
700 − 841.34
P [X ≥ 700] = P Z > √ = P [Z > −12.22] = P [Z < 12.22] = 1
133.847
#Al hacerlo en R, podemos utilizar la distribucin
#binomial, no tenemos que aproximar a una normal.

p=pnorm(5,7,2,lower.tail = FALSE); n=1000; p

## [1] 0.8413447

pbinom(850,n,p,lower.tail = FALSE)

## [1] 0.2151235

pnorm(850,n*p,sqrt(n*p*(1-p)),lower.tail = FALSE)

## [1] 0.2268851

pbinom(700,n,p,lower.tail = FALSE)

## [1] 1
Begoña Salamanca Miño 16

15. La altura X de los individuos adultos de cierta especie animal es una variable aleatoria
que se distribuye según una ley normal con media µ = 3 y desviación tı́pica σ = 1.

(a) Calcule P (1.5 < X < 4.5).

(b) ¿Qué altura es superada por el 84,13% de la población?
(c) ¿Qué altura deja tras de ella el 2,28% de la población?
(d) Un ejemplar se considera de talla baja si su altura es menor que 1. Si se seleccionan 5
ejemplares al azar de la población, ¿cuál es la probabilidad de que dos de ellos sean de
talla baja?
(e) En un grupo de 10 ejemplares hay 2 que son de talla baja. Si se seleccionan 3 ejemplares
de este grupo, ¿cuál es la probabilidad de que uno de ellos sea de talla baja?

Consideremos la variable X= altura de individuos ∼ N (µ, σ 2 ).

• Calcule P (1.5 < X < 4.5).

P [1.5 < X < 4.5] = P [−1.5 < Z < 1.5] = 2φ(1.5) − 1 = 0.8664

pnorm(4.5,3,1)-pnorm(1.5,3,1)

## [1] 0.8663856

• ¿Qué altura es superada por el 84,13% de la población?

Debemos obterner un valor x tal que P [X > x] = 0.8413. Tipificando P [Z > x−3 1
] =
x−3 x−3
0.8413. En este caso, 1 es negativo, por simetrı́a, tenemos P [Z < − 1 ] = 0.8413. Por
lo tanto  
x−3
− =1⇒x=2
1

qnorm(0.8413,3,1,lower.tail = FALSE)

## [1] 2.000185

• ¿Qué altura deja tras de ella el 2,28% de la población?

Actuaremos de la misma manera que en el apartado anterior, en este caso debemos
obterner un valor x tal que P [X < x] = 0.0228 (P [Z < x−3 1
] = 0.0228). Se verifica, x−3
1
es negativo, por simetrı́a, tenemos P [Z < − x−3
1
] = 1 − 0.0228 = 0.9772. Por lo tanto
 
x−3
− =2⇒x=1
1
Begoña Salamanca Miño 17

qnorm(0.0228,3,1)

## [1] 1.000923

• Un ejemplar se considera de talla baja si su altura es menor que 1. Si se seleccionan 5

individuos de la población, ¿cuál es la probabilidad de que dos de ellos sean de talla baja?
Definimos Y =número de individuos de talla baja entre los 5 escogidos ∼ B(5, p) donde
p = P [ser de talla baja] = P [X < 1] = 0.0228. Tenemos que obtener
 
5
P [Y = 2] = · 0.02282 · 0.97725−2 = 0.00485
2

p=pnorm(1,3,1); p

## [1] 0.02275013

dbinom(2,5,p)

## [1] 0.004830418

• En un grupo de 10 individuos hay 2 que son de talla baja. Si se seleccionan 3 individuos

de este grupo, ¿cuál es la probabilidad de que uno de ellos sea de talla baja?
Definimos U =número de individuos de talla baja entre los 3 escogidos ∼ H(10, 2, 3), como
en el problema 6 aunque la variable puede parecer la misma que en el apartado anterior,
su distribución es diferente al conocer el tamaño de la población (N = 10) y el número
de individuos de talla baja (N1 = 2), sin embargo en el apartado anterior solo sabemos
que hemos cogido 5 individuos al azar, pero no cuantos hay en total.
En este caso debemos calcular
2 8



1
· 2
P [U = 1] = 10

= 0.4b
6
3

dhyper(1,2,8,3)

## [1] 0.4666667
Begoña Salamanca Miño 18

16. Sean X e Y variables aleatorias independientes, que representan la altura en cms. de

hombres y mujeres, respectivamente, de cierta población, de la que se sabe que se distribuyen
según leyes normales con igual desviación tı́pica, σ = 5.9421, y que la media de los hombres es
mayor que la de las mujeres en 10 cm.

(a) Determina la altura media de los hombres sabiendo que la probabilidad de que un hombre
elegido al azar mida menos de 190 cm es de 0.67
(b) Calcula la probabilidad de que un hombre sea más alto que una mujer.
(c) Se eligen diez parejas al azar. Determina el número esperado de parejas en las que el
hombre es más bajo que la mujer.

• Determina la altura media de los hombres sabiendo que la probabilidad de que un hombre
elegido al azar mida menos de 190 cm es de 0.67
Consideremos las variables X= altura de hombres ∼ N (µH , σ 2 ) e Y = altura de mujeres
∼ N (µM , σ 2 ), además se sabe que µH = µM + 10 y σ = 5.9421.
Queremos obtener µH , sabiendo que P [X < 190] = 0.67. Actuando como en ejercicios
anteriores tendremos P [Z < 190−µ H
5.9421
] = 0.67 y

190 − µH
= 0.44 ⇒ µH = 187.385
5.9421
• Calcula la probabilidad de que un hombre sea más alto que una mujer.
Nos están pidiendo, P [X > Y ] análogamente P [X − Y > 0]. En primer lugar, debemos
saber la distribución de la variable X − Y . Por la propiedad 6.1 de los apuntes sabemos
que X − Y ∼ N (µH − µM , 2σ 2 ) y por la condición µH = µM + 10, obtenemos que
X − Y ∼ N (10, 2 · 5.94212 ). A partir de ésto,
 
0 − 10
P [X − Y > 0] = P Z > √ = P [Z < 1.19] = 0.883
2 · 5.94212
.

• Se eligen diez parejas al azar. Determina el número esperado de parejas en las que el
hombre es más bajo que la mujer.
Definimos la U =número de parejas en las que el hombre es más bajo que la mujer entre las
10 escogidas al azar ∼ B(10, p), donde p = P [X < Y ] = 1−P [X > Y ] = 1−0.833 = 0.117.
Deseamos calcular E[U ] = np = 1.17
Begoña Salamanca Miño 19

17. En cierto proceso de producción se fabrica un tipo de piezas que constan de dos compo-
nentes: C1, C2, de las que se sabe que sus longitudes son v.a. N (1, σ 2 ) y N (1, 3σ 2 ), respecti-
vamente.

(a) Determina σ sabiendo que la probabilidad de que la longitud de C1 sea menor que 0.75
es de 0.4013.
(b) Calcula la probabilidad de que la suma de las longitudes sea mayor que 3.
(c) Una pieza producida se considera apta para su comercialización si las longitudes de sus
componentes difieren a lo sumo en una unidad. Determina la probabilidad de que entre
5 piezas producidas, al menos dos sean aptas para la comercialización.

(a) Determina σ sabiendo que la probabilidad de que la longitud de C1 sea menor que 0.75
es de 0.4013.
Sean X1 = longitud comp. C1 ∼ N (1, σ 2 ) y X2 = longitud comp. C2 ∼ N (1, 3σ 2 ).
Nos están pidiendo P [X1 < 0.75] = 0.4013. Actuando como en los problemas anteriores,
obtenemos
 
0.75 − 1
− = 0.25 ⇒ σ = 1
σ
(b) Calcula la probabilidad de que la suma de las longitudes sea mayor que 3.
Como debemos calcular P [X1 + X2 > 3], en primer lugar obtendremos la distribución de
X1 + X2 y luego se obtendrá la probabilidad como es habitual. En este caso: X1 + X2 ∼
N (2, 22 ) (propiedad 6.1) y P [X1 + X2 > 3] = P [Z > 0.5] = 1 − 0.6915 = 0.3085

(c) Una pieza producida se considera apta para su comercialización si las longitudes de sus
componentes difieren a lo sumo en una unidad. Determina la probabilidad de que entre
5 piezas producidas, al menos dos sean aptas para la comercialización.
Una pieza es Apta si |X1 − X2 | < 1, sı́ definimos Y = número de piezas aptas entre 5
piezas, nos están pidiendo P[Y ≥ 2].
Sabemos que la distribución de Y ∼ B(5, p), donde p = P (Apta) = P [|X1 − X2 | < 1] y
X1 − X2 ∼ N (0, 22 ).
Con lo cual, lo primero que debemos hacer será calcular la probabilidad de que una pieza
sea apta (X1 − X2 ∼ N (0, 22 ) )

P (Apta) = P [|X1 − X2 | < 1] = P [−1 < X1 − X2 < 1] = P [X1 − X2 < 1] − P [X1 − X2 < −1] =
1 1
= P [Z < ] − P [Z < − ] = 0.6915 − (1 − 0.6915) = 0.383
2 2
Begoña Salamanca Miño 20

Por último,

P [Y ≥ 2] = 1 − P [Y < 2] = 1 − (P [Y = 0] + P [Y = 1]) =
    
5 0 5 5 1 4
=1− 0.383 0.617 + 0.383 0.617 = 0.6331
0 1

18. En un banco, la probabilidad de recibir un cheque sin fondos es del 15%. Si en una semana
se reciben 2000 cheques, hállense las probabilidades de los siguientes sucesos:

(a) Que haya como máximo 275 cheques sin fondos.

(b) Que el número de cheques sin fondos esté comprendido entre 260 y 400.

(c) Que los cheques sin fondos recibidos sean más de 350.

Sea X=número de cheques sin fondo en una semana (2000 cheques)∼ B(2000, 0.15). Por la
propiedad 6.3, tenemos X ≈ N (µ, σ 2 ), donde µ = 2000·0.15 = 300 y σ 2 = 2000·0.15·0.85 = 255,
y por lo tanto los apartados se obtendrán calculando las probabilidades de una distribución
Normal

(a) Que haya como máximo 275 cheques sin fondos. P [X < 275] = 0.0594

#Usaremos la distrubuci\'on exacta y no la aproximaci\'on.

pbinom(275,2000,0.15)

## [1] 0.06121558

(b) Que el número de cheques sin fondos esté comprendido entre 260 y 400. P [260 < X <
400] = 0.9938

pbinom(400,2000,0.15)-pbinom(260,2000,0.15)

## [1] 0.9940245

(c) Que los cheques sin fondos recibidos sean más de 350. P [X > 350] = 0.0009

pbinom(350,2000,0.15, lower.tail = FALSE)

## [1] 0.00096282
Begoña Salamanca Miño 21

19. En un taller se ha comprobado que la cantidad de combustible que necesita una grúa en
cada servicio sigue una ley exponencial

f (x) = ce−cx , si x ≥ 0

donde c es un parámetro conocido por el taller.

(a) Calcula la probabilidad de que dicha variable tome un valor superior a su media (esper-
anza).

(b) Cada 10 salidas se controla la grúa, y si el número de veces que gasta más del valor
esperado es superior a 5, la grúa debe pasar por revisión. Calcula la probabilidad de que
esto ocurra.

Sea X= cantidad de combustible ∼ Exp(λ), donde λ = c, f (x) = ce−cx si x ≥ 0, E(X) =

1/λ y (
0 si x < 0,
F (x) = P [X ≤ x] = −λx
1−e si x ≥ 0.

• Calcula la probabilidad de que dicha variable tome un valor superior a su media (esper-
anza).

     
1 1 1 
c 1c

P [X > E[X]] = P X > =1−P X < =1−F =1− 1−e = 0.3679
c c c

• Cada 10 salidas se controla la grúa, y si el número de veces que gasta más del valor
esperado es superior a 5, la grúa debe pasar por revisión. Calcula la probabilidad de que
esto ocurra.
Sea Y =número de veces que la grúa gasta más del valor esperado entre 10 salidas ∼
B(10, p), donde p = P [X > E[X]] = 0.3679. La grúa debe pasar revisión si Y > 5, por
lo tanto

P (revisión) = P [Y > 5] = P [Y = 6]+P [Y = 7]+P [Y = 8]+P [Y = 9]+P [Y = 10] = 0.1176

Begoña Salamanca Miño 22

20. El tiempo de servicio en una ventanilla es una variable aleatoria con distribución expo-
nencial. Un cliente se considera satisfecho si su tiempo de servicio es inferior a 2. Se sabe que
el 95% de los clientes están satisfechos.

(a) Calcula el tiempo medio de servicio.

(b) Si se escogen al azar 60 clientes, calcula la probabilidad de encontrar menos de 4 clientes

insatisfechos.

Sea X=tiempo de servicio∼ Exp(λ). Un cliente está satisfecho si X < 2 y P [X < 2] = 0.95

• Calcula el tiempo medio de servicio.

1
P [X < 2] = 0.95 ⇒ 1−e−2λ = 0.95 ⇒ −2λ = ln0.05 ⇒ λ = 1.4978 ⇒ E[X] = = 0.667
λ

• Si se escogen al azar 60 clientes, calcula la probabilidad de encontrar menos de 4 clientes

insatisfechos.
Definimos Y =número de clientes insatisfechos entre 60 ∼ B(60, p) donde p = P (insatisf echo) =
1 − P (satisf echo) = 0.05

P [Y < 4] = P [Y = 0] + P [Y = 1] + P [Y = 2] + P [Y = 3] = 0.6473

21. En un almacén trabajan con listones de madera de pino y abedul para construcción. El
80% de los listones son de pino, y su peso se distribuye uniformente entre los 3 y 7 kg. El peso
de los listones de abedul sigue una distribución exponencial con media 2.5 kg.

(a) Calcula la probabilidad de que un listón de pino pese menos de 4 kg. Calcula también la
probabilidad de que un listón de abedul pese menos de 4 kg.
(b) Calcula el porcentaje de listones que pesan menos de 4 kg.
(c) Si seleccionamos 50 listones de pino, ¿cuál es la probabilidad de que al menos 48 listones
pesen más de 4 kg?
(d) Si seleccionamos 1000 listones de pino, ¿cuál es la probabilidad de que 290 o menos pesen
cambiar por menos de 4 kg?
(e) Si tenemos un grupo de 5 listones, de los que 4 pesan menos de 4 kg y extraemos 2 al
azar, ¿cuál es la probabilidad de que los dos pesen menos de 4 kg?
Begoña Salamanca Miño 23

(a) X =peso de los listones de pino ∼ U (3, 7), P (X < 4) = 1/4 = 0.25;
Y =peso de los listones de abedul ∼ E(1/2.5), P (Y < 4) = 1 − e−4/2.5 = 0.7981.

punif(4,3,7); pexp(4,1/2.5)

## [1] 0.25
## [1] 0.7981035

(b) Sea S = un listón pesa menos de 4 kg. Para calcular P (S) aplicamos el TPT con
SC={A=Abedul, B=Pino}, donde P (A) = 0.2 y P (B) = 0.8.
Notar que el suceso S|A vendrı́a definido como sabiendo que un listón es de abedul, que
pese menos de 4 kg., por lo tanto P (S|A) serı́a P [Y < 4] y para el suceso S|B, se tendrı́a
que P (S|B) = P [X < 4].

P (S) = P (A)P (S|A) + P (B)P (S|B) = 0.2 × 0.7981 + 0.8 × 0.25 = 0.35962

(c) V =num de listones de pino que pesan más de 4 kg entre 50 ∼ B(n, p), n = 50, p = 0.75.
P (V ≥ 48) = P (V = 48) + P (V = 49) + P (V = 50) = 8.7088 · 10−5

1-pbinom(47,50,0.75)

## [1] 8.708769e-05

(d) W =num de listones de pino que pesan menos de 4 kg entre 1000 ∼ B(n, p), n = 1000,
p = 0.25. Dado que n es suficientemente grande, aproximaremos esta distribución a una
1
Normal de parámetros µ = 1000 · = 250 y σ 2 = 1000 · 0.25 · 0.75 = 187.5.
4
 
290 − np
P (W ≤ 290) ≈ Φ √ = Φ(2.92) = 0.9982
npq

#Usaremos la distrubucin exacta y no la aproximacin.

pbinom(290,1000,0.25)

## [1] 0.9982182
Begoña Salamanca Miño 24

(e) T =num de listones que pesan menos de 4 kg ∼ H(N = 5, N1 = 4, n = 2)

4 1



2 0 3
P (T = 2) = 5
= = 0.6
2
5

dhyper(2,4,1,2)

## [1] 0.6
Begoña Salamanca Miño 25

——————————— APÉNDICE ———————————

Distribución Bernoulli, Be(p)

P (X = k) = pk q 1−k , k = 0, 1, E(X) = p, V (X) = pq

Distribución Binomial, B(n, p)

!
n
P (X = k) = pk q n−k , k = 0, 1, 2, ..., n, E(X) = np, V (X) = npq
k

Distribución Hipergeométrica, H(N, N1 , n)

! !
N1 N − N1
k n−k nN1 nN1 (N − n)(N − N1 )
P (X = k) = ! , E(X) = , V (X) =
N N N 2 (N − 1)
n

Distribución Uniforme, U (a, b)


1  0
 si x < a,
x−a
f (x) = , si a < x < b, F (x) = P [X ≤ x] = b−a
si a ≤ x < b,
b−a 
1 si x ≥ b.


a+b (b−a)2
E(X) = 2
, V ar(X) = 12
.
Distribución Exponencial, Exp(λ)
(
0 si x < 0,
f (x) = θe−λx , si x > 0, F (x) = P [X ≤ x] =
1 − e−λx si x ≥ 0.

E(X) = 1/λ, V ar(X) = 1/λ2 .

Begoña Salamanca Miño 26
A REAS BAJO LA DISTRIBUCIO N DE PROBABILIDAD NORMAL ESTA NDAR, N(0, 1)

z 0 0,01 0,02 0,03 0,04 0,05 0,06 0,07 0,08 0,09

0,0 0,5000 0,5040 0,5080 0,5120 0,5160 0,5199 0,5239 0,5279 0,5319 0,5359
0,1 0,5398 0,5438 0,5478 0,5517 0,5557 0,5596 0,5636 0,5675 0,5714 0,5753
0,2 0,5793 0,5832 0,5871 0,5910 0,5948 0,5987 0,6026 0,6064 0,6103 0,6141
0,3 0,6179 0,6217 0,6255 0,6293 0,6331 0,6368 0,6406 0,6443 0,6480 0,6517
0,4 0,6554 0,6591 0,6628 0,6664 0,6700 0,6736 0,6772 0,6808 0,6844 0,6879
0,5 0,6915 0,6950 0,6985 0,7019 0,7054 0,7088 0,7123 0,7157 0,7190 0,7224
0,6 0,7257 0,7291 0,7324 0,7357 0,7389 0,7422 0,7454 0,7486 0,7517 0,7549
0,7 0,7580 0,7611 0,7642 0,7673 0,7704 0,7734 0,7764 0,7794 0,7823 0,7852
0,8 0,7881 0,7910 0,7939 0,7967 0,7995 0,8023 0,8051 0,8078 0,8106 0,8133
0,9 0,8159 0,8186 0,8212 0,8238 0,8264 0,8289 0,8315 0,8340 0,8365 0,8389
1,0 0,8413 0,8438 0,8461 0,8485 0,8508 0,8531 0,8554 0,8577 0,8599 0,8621
1,1 0,8643 0,8665 0,8686 0,8708 0,8729 0,8749 0,8770 0,8790 0,8810 0,8830
1,2 0,8849 0,8869 0,8888 0,8907 0,8925 0,8944 0,8962 0,8980 0,8997 0,9015
1,3 0,9032 0,9049 0,9066 0,9082 0,9099 0,9115 0,9131 0,9147 0,9162 0,9177
1,4 0,9192 0,9207 0,9222 0,9236 0,9251 0,9265 0,9279 0,9292 0,9306 0,9319
1,5 0,9332 0,9345 0,9357 0,9370 0,9382 0,9394 0,9406 0,9418 0,9429 0,9441
1,6 0,9452 0,9463 0,9474 0,9484 0,9495 0,9505 0,9515 0,9525 0,9535 0,9545
1,7 0,9554 0,9564 0,9573 0,9582 0,9591 0,9599 0,9608 0,9616 0,9625 0,9633
1,8 0,9641 0,9649 0,9656 0,9664 0,9671 0,9678 0,9686 0,9693 0,9699 0,9706
1,9 0,9713 0,9719 0,9726 0,9732 0,9738 0,9744 0,9750 0,9756 0,9761 0,9767
2,0 0,9772 0,9778 0,9783 0,9788 0,9793 0,9798 0,9803 0,9808 0,9812 0,9817
2,1 0,9821 0,9826 0,9830 0,9834 0,9838 0,9842 0,9846 0,9850 0,9854 0,9857
2,2 0,9861 0,9864 0,9868 0,9871 0,9875 0,9878 0,9881 0,9884 0,9887 0,9890
2,3 0,9893 0,9896 0,9898 0,9901 0,9904 0,9906 0,9909 0,9911 0,9913 0,9916
2,4 0,9918 0,9920 0,9922 0,9925 0,9927 0,9929 0,9931 0,9932 0,9934 0,9936
2,5 0,9938 0,9940 0,9941 0,9943 0,9945 0,9946 0,9948 0,9949 0,9951 0,9952
2,6 0,9953 0,9955 0,9956 0,9957 0,9959 0,9960 0,9961 0,9962 0,9963 0,9964
2,7 0,9965 0,9966 0,9967 0,9968 0,9969 0,9970 0,9971 0,9972 0,9973 0,9974
2,8 0,9974 0,9975 0,9976 0,9977 0,9977 0,9978 0,9979 0,9979 0,9980 0,9981
2,9 0,9981 0,9982 0,9982 0,9983 0,9984 0,9984 0,9985 0,9985 0,9986 0,9986
3,0 0,9987 0,9987 0,9987 0,9988 0,9988 0,9989 0,9989 0,9989 0,9990 0,9990
3,1 0,9990 0,9991 0,9991 0,9991 0,9992 0,9992 0,9992 0,9992 0,9993 0,9993
3,2 0,9993 0,9993 0,9994 0,9994 0,9994 0,9994 0,9994 0,9995 0,9995 0,9995
3,3 0,9995 0,9995 0,9995 0,9996 0,9996 0,9996 0,9996 0,9996 0,9996 0,9997
3,4 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9997 0,9998
3,5 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998 0,9998
3,6 0,9998 0,9998 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,7 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999
3,8 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999 0,9999