Академический Документы
Профессиональный Документы
Культура Документы
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
X 0 1 2 3
1 3 1 1
pi = P [X = i] 4 8 8 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
X 2 4 7
P [X = x] 0.5 0.2 0.3
F (x)
1
0.7
0.5
0 2 4 7
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
3
P [X < 2 ó X > 2.5] = P [X < 2] + P [X > 2.5] = F (2) − (1 − F (2.5)) = 4
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.
(c) ¿Cuál es la probabilidad de recibir al menos 2 llamadas sobre fallos en la fibra óptica?
dbinom(2,10,0.06)
## [1] 0.09875017
Begoña Salamanca Miño 5
## [1] 0.117588
## [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?
## [1] 0.2641605
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
(c) ¿Cuál es el número esperado de pı́ldoras en buenas condiciones tomadas por el enfermo ?
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
phyper(2,8,4,3)
## [1] 0.7454545
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].
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
qexp(0.99,0.001,lower.tail = FALSE)
## [1] 10.05034
## [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
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
(Prob=punif(1.3,1,3,lower.tail = FALSE))
## [1] 0.85
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.
(c) ¿Cuál es la probabilidad de que una lı́nea registre una velocidad comprendida entre 7.6 y
12 Mbps?
• 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
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.
Consideremos X= retribuciones percibidas por los trabajadores de una compañia ∼ N (16800, 80002 ).
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
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
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.
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.
pnorm(4.5,5.5,0.6,lower.tail = FALSE)
## [1] 0.9522096
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
## [1] 0.07962757
## [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.
(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
x−7
= 1.17 ⇒ x = 9.34 años.
2
qnorm(0.879,7,2)
## [1] 9.340005
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.
## [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.
pnorm(4.5,3,1)-pnorm(1.5,3,1)
## [1] 0.8663856
qnorm(0.8413,3,1,lower.tail = FALSE)
## [1] 2.000185
qnorm(0.0228,3,1)
## [1] 1.000923
p=pnorm(1,3,1); p
## [1] 0.02275013
dbinom(2,5,p)
## [1] 0.004830418
dhyper(1,2,8,3)
## [1] 0.4666667
Begoña Salamanca Miño 18
(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:
(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
## [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
## [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
(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.
• 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
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.
Sea X=tiempo de servicio∼ Exp(λ). Un cliente está satisfecho si X < 2 y P [X < 2] = 0.95
1
P [X < 2] = 0.95 ⇒ 1−e−2λ = 0.95 ⇒ −2λ = ln0.05 ⇒ λ = 1.4978 ⇒ E[X] = = 0.667
λ
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
pbinom(290,1000,0.25)
## [1] 0.9982182
Begoña Salamanca Miño 24
dhyper(2,4,1,2)
## [1] 0.6
Begoña Salamanca Miño 25
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.