Problemas de Probabilidad resueltos.

Problema 1 El profesor Prez olvida poner su despertador 3 de cada 10 dias. Adems, ha comprobado e a que uno de cada 10 dias en los que pone el despertador acaba no levandandose a tiempo de dar su primera clase, mientras que 2 de cada 10 dias en los que olvida poner el despertador, llega a tiempo a dar su primera clase. (a) Identica y da nombre a los sucesos que aparecen en el enunciado. (b) Cul es la probabilidad de que el profesor Prez llegue a tiempo a dar su primera clase? a e (c) Si un d no ha llegado a tiempo, que probabilidad hay de que olvidase poner el despertador la a noche anterior? Solucin: En primer lugar conviene identicar el experimento aleatorio que estamos realizando. Este o consiste en tomar un d al azar en la vida del profesor Prez y analizarlo en base a los siguientes sucesos. a e (a) Para un d al azar decimos que se ha dado el suceso: a O cuando el profesor ha olvidado poner el despertador T cuando el profesor ha llegado tarde a su primera clase. Notemos que tanto {O, O} como {T , T } forman un sistema completo de sucesos. A continuacin trao ducimos en trminos de probabilidad de los sucesos anteriores todos los datos que nos dan en el enunciado. e P (O) = P (O) = 3 , 10 P (T |O) = 2 , 10

7 1 , P (T |O) = . 10 10 (b) El suceso llegar a tiempo a su clase es el complementario de T , por tanto nos piden que calculemos P (T ). Puesto que {O, O} es un sistema completo de sucesos, podemos aplicar la frmula de la probabilidad o total, de donde tenemos que: P (T ) = P (T |O)P (O) + P (T |O)P (O). En la expresin anterior aparecen varios de los datos que nos ha proporcionando el enunciado, sin embargo o no conocemos directamente el valor de P (T |O). Para calcularlo utilizamos que P (T |O) = 1 P (T |O) = 1 9 1 10 = 10 . De esta forma, la expresin anterior se puede escribir como: o P (T ) = 9 7 69 2 3 + = = 0.69. 10 10 10 10 100

(c) Nos piden calcular la probabilidad del suceso O sabiendo que ha tenido lugar el suceso T , esto es, P (O|T ). Como {O, O} es un sistema completo de sucesos, podemos utilizar el Teorema de Bayes para calcular P (O|T ). As , P (O|T ) = P (T |O)P (O) . P (T |O)P (O) + P (T |O)P (O)

2 En la expresin anterior nos falta por conocer P (T |O). Utilizando que P (T |O) = 1 P (T |O) = 1 10 = o 8 10 , llegamos a que

8 3 24 10 10 P (O|T ) = = 0.7742. 1 7 8 3 31 + 10 10 10 10

Problema 2 Un banco local revisa su pol tica de tarjetas de crdito, con el objetivo de cancelar algunas e de ellas. En el pasado, el 5% de los clientes con tarjeta ha pasado a ser moroso, esto es ha dejado de pagar sin que el banco pudiera recuperar la deuda. Adems, el banco ha comprobado que la probabilidad a de que un cliente normal se atrase en un pago es de 0.2. Naturalmente, la probabilidad de que un cliente moroso se atrase en un pago es 1. (a) Identica y da nombre a los sucesos que aparecen en el enunciado. (b) Elegido un clienta al azar, qu probabilidad hay de que el cliente se atrase en un pago mensual? e (c) Si un cliente se atrasa en un pago mensual, calcular la probabilidad de que el cliente acabe convirtiendose en moroso. (d) Al banco le gustar cancelar la l a nea de crdito de un cliente si la probabilidad de que ste acabe e e convirtiendose en moroso es mayor de 0.25. De acuerdo con los resultados anteriores, debe cancelar una l nea si un cliente se atrasa en un pago?Por qu? e Solucin: Comenzamos identicando el experimento aleatorio. En este caso consiste en elegir al azar o a un cliente del banco que tenga tarjeta de crdito y preguntarnos por los siguientes sucesos. e (a) Para un cliente cualquiera decimos que ha sucedido el suceso: M cuando el cliente es moroso, A cuando el cliente se ha atrasado en un pago mensual. Los conjuntos de sucesos {M, M} y {A, A} son dos sistemas completos de sucesos. A continuacin reeo scribimos los datos que nos proporciona el enunciado en trminos de probabilidades. e P (M) = 0.05, P (A|M) = 0.2, P (A|M) = 1.

(b) Es sencillo darse cuenta de que nos piden calcular P (A). Como {M, M} es un sistema completo de sucesos, aplicamos la frmula de la probabilidad total y tenemos o P (A) = P (A|M)P (M) + P (A|M)P (M). De la frmula anterior, unicamente desconocemos P (M), que podemos calcularlo mediante P (M) = o 1 P (M) = 1 0.05 = 0.95. Por tanto: P (A) = 0.2 0.95 + 1 0.06 = 0.24. (c) Nos piden calcular la probabilidad de que el cliente se convierta en moroso (suceso M) sabiendo que se ha atrasado en una mensualidad (suceso A); esto es P (M|A). Como {M, M} es un sistema completo de sucesos, aplicando la frmula de Bayes tenemos que o P (M|A) = P (A|M)P (M) P (A|M)P (M) + P (A|M)P (M) 1 0.05 = 0.2083. 0.2 0.95 + 1 0.06

(d) De acuerdo con el resultado anterior, la probabilidad de que un cliente que se atrasa en un pago acabe convirtiendose en moroso es 0.2083, que es menor que la probabilidad 0.25 exigida por el banco. Por lo tanto, no deber de cancelarse la cuenta de un cliente que se atrase en un pago. a

Problemas de Variable Aleatoria resueltos.

Problema 3 El gimnasio El primo de sumosol ha comprobado que el 20% de sus alumnos se dan de baja durante el primer mes y el 80% restante permanecen todo el ao. Supongamos que este ao se n n inscribieron 20 alumnos. (a) Explica con brevedad qu es una variable aleatoria. Identica la variable aleatoria del problema e e indica qu distribucin sigue. e o (b) Cul es la probabilidad de que 2 o menos se den de baja? a (c) Cul es la probabilidad de que exactamente se den de baja 4 alumnos? a (d) Cul es la probabilidad de que se den de baja ms de 3 alumnos? a a Al hacer la inscripcin se realiza un unico pago anual de 600 euros. Cada alumno que permanece todo el o ao genera un gasto anual de 150 euros. n (e) Cul es el benecio anual esperado? a (f ) Cuntos alumnos se han dado de baja el primer mes si al nal del ao el gimnasio ha obtenido el a n benecio esperado? Solucin: (a) Una variable aleatoria es una aplicacin X que hace corresponder un nmero real a cada o o u suceso bsico del espacio muestral. Despues de leer detenidamente todo el enunciado, para este problema a elegimos la variable aleatoria X = nmero de alumnos que se dan de baja el primer mes. u Los posibles valores que puede tomar la variable X son 0, 1, . . . , 20, luego X es una variable aleatoria discreta (V.A.D). El experimento que a cada alumno le asocia un 0 si este alumno permanece durante todo el ao; o un n 1 si este alumno se da de baja el primer mes es un experimento de Bernouilli de parmetro p = 0.2. De a esta forma, X es la suma de 20 experimentos de Bernouilli independientes de igual p, por tanto X sigue una distribucin binomial de parmetros n = 20 y p = 0.2, esto es o a X B(20, 0.2). (b) Nos piden la probabilidad de que el nmero de alumnos que se den de baja el primer mes sea igual o u menor de 2. En lenguaje matemtico esto es P (X 2). Este valor es el de la funcin de distribucin de a o o la binomial en el punto 2. Mirando en las tablas tenemos que P (X 2) = 0.2061. (c) Nos piden calcular P (X = 4), esto es, la funcin de probabilidad de la binomial en 4. La funcin o o de probabilidad se puede expresar como resta de la funcin de distribucin en dos puntos consecutivos, o o entonces P (X = 4) = P (X 4) P (X 3). Mirando la tabla de la distribucin binomial tenemos que P (X 4) = 0.6296 y P (X 3) = 0.4114. Por o tanto P (X = 4) = 0.6296 0.4114 = 0.2182. (c) Hemos de calcular P (X > 3). Utilizando la probabilidad del suceso complementario tenemos que P (X > 3) = 1 P (X 3) = 1 0.4114 = 0.5886. (d) Por cada alumno tenemos un ingreso de 600 euros. Como se han inscrito 20 alumnos tenemos un ingreso total de I = 20 600 = 12000 euros. Cada alumno que permanece todo el ao genera un gasto n anual de 150 euros. Si X es el nmero de alumnos que se dan de baja el primer mes, entonces el nmero u u de alumnos que permanecen todo el ao es 20 X. Por tanto, el gasto anual es G = 150 (20 X). As n , el benecio anual es B = I G = 12000 150(20 X). Operando obtenemos B = 9000 + 150X. 3

El benecio anual esperado es E(B). Aplicando que E(a + bX) = a + bE(X), tenemos que E(B) = E(9000 + 150X) = 9000 + 150E(X). Como la variable X sigue una distribucin binomial de parmetros n = 20 y p = 0.2, entonces E(X) = o a np = 4. As , E(B) = 9000 + 150 4 = 9600. (e) Si el benecio obtenido es el esperado, esto es B = 9600, despejando X en la expresin B = 9000+150X o se sigue que 9600 9000 X= = 4, 150 luego se han dado de baja 4 alumnos. Otra forma de resolver este apartado es la siguiente. Notemos que de E(B) = 9000 + 150E(X), esto signica que si hemos obtenido el valor esperado para el benecio, es porque se han dado de baja el nmero esperado de alumnos, E(X) = 4. u

Problema 4 Un estudio de la DGT estima que el nmero de horas prcticas necesarias para la obtencin u a o del permiso de conducir sigue una distribucin normal N (24, 32 ). o (a) Qu probabilidad hay de obtener el permiso de conducir con 20 horas de prcticas o menos? e a (b) Cuntas horas de prcticas ha necesitado un conductor para obtener el permiso si el 68% de los a a conductores ha necesitado ms horas de prcticas que l? a a e La autoescuela Dspacio ingresa por alumno una parte ja de 250 euros, ms 23 euros por hora de prctica. a a (c) Calcular el ingreso por alumno esperado. (d) Calcular la desviacin t o pica del ingreso por alumno. Solucin: o Para este problema escogemos como variable aleatoria X = nmero de horas de prctica necesarias para obtener el permiso de conducir u a que nos aseguran que sigue una distribucin normal de media = 24 y desviacin t o o pica = 3, esto es X N (24, 32 ). Por tanto X es una variable aleatoria continua (V.A.C.) (a) Nos piden que calculemos P (X 20), que es el valor de la funcin de distribucin de una normal en el o o punto 20. Como X no sigue una distribucin normal estndar, este valor no puede buscarse directamente o a en la tabla. Hemos de tipicar la variable, esto es, cambiamos a la variable Z= X X 24 = , 3

que s sigue una distribucin normal estndar, Z N (0, 1). o a As , 20 24 P (X 20) = P Z = P (Z 1.33). 3 Utilizando el carcter simtrico de la normal tenemos que P (Z 1.33) = P (Z 1.33), y aplicando la a e probabilidad del suceso complementario P (Z 1.33) = 1 P (Z 1.33) llegamos a P (X 20) = 1 P (Z 1.33). Como Z sigue una distribucin normal estndar, buscando en la tabla, tenemos que P (Z 1.33) = 0.9032. o a De donde, P (X 20) = 1 0.9032 = 0.0968. (b) Sea x0 el nmero de horas prcticas que buscamos. Nos piden el valor de x0 de forma que P (X u a x0 ) = 0.68. Utilizando la variable tipicada Z tenemos que P (X x0 ) = P Si denimos Z x0 24 3 = 0.68.

x0 24 , 3 de la expresin anterior tenemos que P (Z z0 ) = 0.68. Utilizando la simetr de la normal tenemos que o a P (Z z0 ) = 0.68. Buscando en la tabla obtenemos que la P (Z 0.46) = 0.6772 y P (Z 0.47) = 0.6808, por tanto z0 es un valor comprendido entre 0.46 y 0.47, pero ms cercano al segundo. Tomamos a z0 = 0.468, de donde z0 = 0.468. Despejando x0 en funcin de z0 tenemos que o z0 = x0 = 4 + 3z0 = 24 + 3(0.468) = 22.596. (c) Para un alumno cualquiera, X es nmero de horas de prctica necesarias para obtener el permiso de u a conducir. As el ingreso de la autoescuela por las prcticas de un alumno es 23X. Si aadimos la parte , a n ja tenemos que el ingreso por alumno es I = 250 + 23X. 5

El ingreso por alumno esperado es E(I). Aplicando que E(a + bX) = a + bE(X), tenemos que E(I) = E(250 + 23X) = 250 + 23E(X). Como X N (24, 32 ), sabemos que E(X) = 24. Por tanto E(I) = 250 + 23 24 = 802. (d) Aplicando que V ar(a + bX) = b2 V ar(X), tenemos que V ar(I) = V ar(250 + 23X) = 232 V ar(X). Como X N (24, 32 ), sabemos que V ar(X) = 32 . Por tanto, V ar(I) = 232 32 . Finalmente, la desviacin o t pica del ingreso dt(I) es dt(I) = V ar(I) = 23 3 = 69.

Problemas de Intervalos de Conanza y Contraste de Hiptesis resueltos. o

Problema 5 La cantidad de horas que duermen los estadounidenses cada noche var mucho. Consida eremos la siguiente muestra de las horas que duermen cada noche 16 personas. 6.9 7.8 7.3 6.8 7.6 7.0 6.6 6.5 6.5 5.5 7.1 7.2 6.2 7.6 6.9 5.8

(a) Calcula una estimacin puntual para la media de horas que se duerme cada noche y para la o desviacin t o pica. Qu estimadores utilizas? Por qu? e e Suponer que la poblacin sigue una distribucin normal. o o (b) Determinar un intervalo de conanza del 80% para la media de horas que se duerme cada noche. (c) Determinar un intervalo de conanza del 95% para la varianza. Solucin: o Sobre la poblacin de estadounidenses denimos la variable aleatoria continua o X = nmero de horas que duerme u que sigue una distribucin normal de media y varianza desconocidas. o (a) Para estimar la media de horas que duermen los estadounidenses utilizamos la media muestral, Pn x X = i=1 i , por ser un estimador insesgado y eciente para la media poblacional X . Para la muestra n que nos proporcionan obtenemos que X = 6.8312. Luego una estimacin puntual de la media poblacional o es X 6.8312. Para estimar la desviacin t o pica de X utilizamos la desviacin t o pica muestral SX por ser un estimador insesgado y eciente, donde n 2 n i=1 xi 2 SX = x2 . n1 n Para la muestra proporcionada obtenemos que SX = 0.6374. Luego una estimacin puntual de la o desviacin t o pica poblacional es X 0.6374. (b) Los extremos del intervalo de conanza para una variable normal de varianza desconocida y tamao n de la muestra pequeo vienen dados por n SX X tn1, 2 n donde tn1, es el valor con probabilidad acumulada del 1 2 distribucin t-Student con n 1 grados de libertad. o
2

de una variable aletoria que sigue una

Como n = 16 y = 0.2, buscando en la tabla de la distribucin t-Student con 15 grados de libertad el o valor que tiene una probabilidad acumulada de 0.9 obtenemos que tn1, = 1.34. Por tanto, el intervalo 2 de conanza del 80% para la media X es: 0.6374 0.6374 6.8312 1.34 , 6.8312 + 1.34 16 16 = (6.6178, 7.0447)

(c) Los extremos del intervalo de conanza para la varianza de una poblacin normal son o 2 (n 1)SX 2 n1,1
2

2 (n 1)SX 2 n1,
2

 donde 2 n1,1 es el valor que tiene una probabilidad acumulada de 1 2 para una variable que sigue 2 una distribucin 2 con n 1 grados de libertad y 2 es el valor que acumula una probabilidad de o n1, 2 para la misma distribucin. o 2

Como n = 16 y = 0.05, buscando en las tablas de la distribucin 2 con 15 grados de libertad los o 2 valores con probabilidad acumulada de 0.975 y 0.025, obtenemos que 2 n1,1 = 27.5 y n1, = 7.26, 2 2 respectivamente. Por tanto, el intervalo de conanza del 95% para la varianza X es 15(0.6374)2 15(0.6374)2 , 27.5 7.26 = (0.2216, 0.8394).

Problema 6 La empresa BBM arma que nueva gama de neumticos duran en promedio ms de 28.000 a a km. Las pruebas con 64 neumticos dan como resultado una duracin media de 27.800 km, con una a o desviacin t o pica muestral de 1.000 km. (a) Si se usa un nivel de signicacin del 5%, comprobar si hay evidencia suciente para rechazar la o armacin de la empresa. Establecer claramente la hiptesis nula y alternativa. o o (b) Explica brevemente qu es el pvalor. Cul es el p-valor? e a Solucin: o Sobre la poblacin de los neumticos denimos la variable aleatoria o a X = duracin en kilometros. o De esta variable desconocemos la distribucin que sigue y los valores de los parmetros X y X . o a (a) La decisin sobre la armacin de la empresa la tomaremos en base a un contraste de hiptesis sobre o o o la media poblacional X H0 : X = 28000 con hiptesis alternativa unilateral por la izquierda (ya que el exceso en la duracin de los neumticos o o a favorece la armacin de la empresa) o H1 : X < 28000. Puesto que el contraste es unilateral por la izquierda, la regin cr o tica tendr la forma RC = (, z0 ) y a por la regin de aceptacin RA = (z0 , +). Para calcular el valor z0 aplicamos que el nivel de signicacin o o o es la probabilida de que el estad stico de contraste caiga en la regin cr o tica, esto es P (Z z0 ) = = 0.05 siendo Z el estad stico de contraste. Por tratarse el problema de un contraste sobre la media de una poblacin con muestras grandes sabemos que el estad o stico de contraste es: Z= X X n N (0, 1). SX

Como en la tabla de la normal no aparecen probabilidades menores que 0.5 aplicando la simetr de a la distribucin normal se sigue que o P (Z z0 ) = 1 P (Z z0 ) = 1 0.05 = 0.95 El 0.95 no aparece en la tabla de la normal, sin embargo tenemos que P (Z 1.64) = 0.9405 y P (Z 1.65) = 0.9505, que se encuentran a igual distancia por abajo y por arriba del valor deseado, por lo que podemos considerar z0 = 1.645. La regin cr o tica y la regin de aceptacin quedan pues como: o o RC = (, 1.645) y RA = (1.645, ).

Calculamos ahora el valor del estad stico que se obtiene con la muestra Z= 27800 2800 X X n= 64 = 1.6. X 1000 S

Como el valor del estad stico cae dentro de la regin de aceptacin concluimos que se acepta la hiotesis o o p nula y, por tanto, no hay evidencias sucientes para rechazar la armacin de la empresa. o (b) El pvalor, p , es el menor nivel de signicacin para el que se rechaza la hiptesis nula. o o Como el contraste es unilateral por la izquierda, el pvalor viene dado por P (Z 1.6) = p . De nuevo este valor no aparece en las tablas. Utilizando la simetria de la distribucin tenemos que o p = P (Z 1.6) = 1 P (Z 1.6) = 1 0.9452 = 0.0548.

Problema 7 Una l nea de produccin funciona con un peso de llenado de 16 gr por envase. De acuerdo o con datos anteriores, se sabe que el peso sigue una distribucin normal. El exceso o defecto de peso en o el llenado son problemas graves, y la linea de produccin debe parar si se presenta alguno de ellos. Un o inspector de calidad toma una muestra de 30 art culos y de acuerdo con los resultados toma la decisin o de parar la l nea o dejarla trabajando. (a) Para un nivel de signicacin = 0.05, si se encuentra que x = 16.32 gr y SX = 0.8 gr qu accin o e o recomendar as? Cul es el pvalor? a (b) Para el mismo nivel de signicacin y el mismo valor de SX qu accin recomendar si se obtiene o e o as que x = 15.82 gr? Solucin: o Sobre la poblacin de los envases producidos aplicamos la variable aleatoria continua o X = peso de llenado
2 que sigue una distribucin normal, X N (X , X ). o

(a) La decisin a tomar la basaremos en un contraste de hiptesis sobre la media poblacional X con o o nivel de signicacin = 0.05. Tomamos como hiptesis nula el peso de llenado de referencia: o o H0 : X = 16. Puesto que tanto el exceso como el defecto de llenado son defectos de funcionamiento, planteamos un contraste bilateral: H1 : X = 16. Al ser el contraste bilateral, la regin cr o tica RC est formada por dos intervalos, uno a cada lado de a la regin de aceptacin RA y por tanto: o o RC = (, t0 ) (t0 , +) y RA = (t0 , t0 ).

Como la probabilidad de que el estad stico de contraste se encuentre en la regin cr o tica es , tenemos que sobre cada uno de los intervalos que forma RC la probabilidad es , esto es P (T t0 ) = , siendo 2 2 T el estad stico de contraste, que por tratarse de un contraste sobre la media de una poblacin normal o de varianza desconocida es X X T = n tn1 . SX De = 0.05 y por la simetr de la distribucin t-Student, a o P (T t0 ) = 1 P (T t0 ) = 1 = 0.975. 2

Buscando en la tabla de la t-Student con n1 = 29 grados de libertad el valor con probabilidad acumulada 0.975 obtenemos que t0 = 2.04. As : RC = (, 2.04) (2.04, +) y RA = (2.04, 2.04).

Para los valores muestrales X = 16.32 y SX = 0.8, tenemos que el valor del estad stico de contraste es T = X X 16.32 16 n tn1 = 30 = 2.191 0.8 SX

que pertenece a la regin cr o tica, luego hemos de rechazar la hiptesis nula en favor de la hiptesis alo o ternativa. Concluimos por tanto que existe un problema grave en el llenado y debe pararse la l nea de produccin. o Al ser el contraste bilateral, el pvalor p viene dado por la expresin P (T 2.191) = o simetr de la tStudent tenemos que a P (T 2.191) = 1 P (T 2.191) = 1 10 p . 2
p 2 .

Por la

Buscando en la tabla de la tStudent con 29 grados de libertad encontramos que P (T 2.04) = 0.975 y P (T 2.46) = 0.99. Por ser 2.191 ms proximo al primero de ellos tomamos P (T 2.191) 0.975. As a 0.975 = 1 2p , de donde p = 0.05. (b) Como ni el contraste ni el nivel de signicacin han cambiado, las regiones cr o tica y de aceptacin o son iguales a las del apartado (a), esto es RC = (, 2.04) (2.04, +) y RA = (2.04, 2.04).

Calculamos ahora el valor del estad stico de contraste para los nuevos valores muestrales: T = 15.82 16 X X n tn1 = 30 = 1.23 0.8 SX

que ahora est dentro de la regin de aceptacin, luego aceptamos la hiptesis nula en contra de la a o o o hiptesis alternativa. Concluimos que no se ha producido ningn problema grave en el llenado y que por o u tanto no es necesario detener la l nea de produccin. o

11