APOYO COMPLEMENTARIO AL CURSO, EN NINGUN CASO SUBSTITUYE LO VISTO EN CLASE.

SE RECOMIENDA USAR LA NOTACION USADA EN CLASE LO QUE SE PRESENTA A CONTINUACION FUE TOMADO DEL SITIO

UNIDAD IV. DISTRIBUCIONES DE PROBABILIDAD DISCRETAS. Entre las distribuciones discretas a tratar en este caso estn: 1. 2. 3. 4. 5. 6. 7. 8. Binomial Multinomial Hipergeomtrica Hipergeomtrica generalizada Poisson Aproximacin de Poisson a la Binomial Geomtrica Binomial Negativa

1. DISTRIBUCIN BINOMIAL Las caractersticas de esta distribucin son: a) a) En los experimentos que tienen este tipo de distribucin, siempre se esperan dos tipos de resultados, ejem. Defectuoso, no defectuoso, pasa, no pasa, etc, etc., denominados arbitrariamente xito (que es lo que se espera que ocurra) o fracaso (lo contrario del xito). b) b) Las probabilidades asociadas a cada uno de estos resultados son constantes, es decir no cambian. c) c) Cada uno de los ensayos o repeticiones del experimento son independientes entre s. d) d) El nmero de ensayos o repeticiones del experimento (n) es constante. A partir de un ejemplo. Desarrollaremos una frmula que nos permita cualquier problema que tenga este tipo de distribucin. Ejemplo: Se lanza al aire una moneda normal 3 veces, determine la probabilidad de que aparezcan 2 guilas. Solucin: Antes de empezar a resolver este problema, lo primero que hay que hacer es identificarlo como un problema que tiene una distribucin binomial, y podemos decir que efectivamente as es, ya que se trata de un experimento en donde solo se pueden esperar dos tipos de resultados al lanzar la moneda, guila o sello, cutas probabilidades de ocurrencia son constantes, cada uno de los lanzamientos es independiente de los dems y el nmero de ensayos o repeticiones del experimento son constantes, n = 3.

Para dar solucin a este problema, lo primero que hay que hacer es un diagrama de rbol, en donde representaremos los tres lanzamientos, de ah se obtendr el espacio muestral y posteriormente la probabilidad pedida, usando la frmula correspondiente.

A = guila, S = sello 1/2 1/2 A 1/2 1/2 1/2 S 1/2 1/2 1/2 S 1/2 1/2 S 1/2 S A A 1/2 S S A A A 1/2 S A

={ AAA, AAS, ASA, ASS, SAA, SAS, SSA, SSS} Para obtener la frmula, definiremos lo siguiente: n = nmero de lanzamientos de moneda x = nmero de xitos requeridos = nmero de guilas = 2 p = probabilidad de xito= p(aparezca guila) =1/2 q = probabilidad de fracaso= p(aparezca sello) =1/2 Entonces podemos partir de la siguiente expresin para desarrollar la frmula; P(aparezcan 2 guilas)=(No. De ramas del rbol en donde ap. 2 guilas)(probabilidad asociada a cada rama)

Entonces el nmero de ramas en donde aparecen dos guilas se puede obtener; Enumerando las ramas de inters, estas seran: AAS, ASA, SAA, QU TIPO DE ARREGLOS SON ESTOS ELEMENTOS DEL ESPACIO MUESTRAL?, Son permutaciones en donde algunos objetos son iguales, entonces, el nmero de ramas se puede obtener con la frmula correspondiente,
nPx1,x 2 ,...xk = n! x1 ! x2 !...x k !

donde n = x1+x2+...+xk sustituyendo en esta frmula, tenemos lo siguiente; nPx ,n x = n! x! ( n x )!

esta frmula puede ser sustituida por la de combinaciones, solo en el caso de dos tipos de objetos, si hay ms de dos tipos de objetos, definitivamente solo se usa la frmula original, como se observar en el caso de la distribucin multinomial, pero porqu vamos a cambiar de frmula?, simplemente porque en todos los libros de texto que te encuentres vas a encontrar la frmula de combinaciones en lugar de la de permutaciones, que es la siguiente, n! x! ( n x )!

nCx =

y sustituyendo valores, nos damos cuenta de que efectivamente son 3 las ramas de inters, que son donde aparecen dos guilas, donde n = 3, x = 2. 3! 3! 3 x 2! = = = 3ramas 2! ( 3 2 )! 2! !1! 2!1!

C2 =

Y la probabilidad asociada a cada rama? Probabilidad asociada a cada rama = p(guila)*p(guila)*p(sello)= p*p*q = p2q=
x n x =p q

Luego la frmula de la distribucin Binomial sera:

p( n , x , p )= n C n x p x q n x

donde: p(x, n, p) = probabilidad de obtener en n ensayos x xitos, cuando la probabilidad de xito es p

Dando solucin al problema de ejemplo tenemos lo siguiente: n = 3, x = 2, p =

p( n = 3, x = 2 , p = 1 / 2 )= 3 C 2 ( 1 / 2 )2 ( 1 / 2 )32 = 3! 1 1 1 3 * * = 3* = 2!1! 4 2 8 8

Para calcular la media y la desviacin estndar de un experimento que tenga una distribucin Binomial usaremos las siguientes frmulas: Media o valor esperado.

= nP
Donde: n = nmero de ensayos o repeticiones del experimento P = probabilidad de xito o la probabilidad referente al evento del cual se desea calcular la media que se refiere la media Q = complemento de P Desviacin estndar.

= nPQ
Ejemplos: 1. Se dice que el 75% de los accidentes de una planta se atribuyen a errores humanos. Si en un perodo de tiempo dado, se suscitan 5 accidentes, determine la probabilidad de que; a) dos de los accidentes se atribuyan a errores humanos, b) como mximo 1 de los accidentes se atribuya a errores de tipo humano, c) tres de los accidentes no se atribuyan a errores humanos. Solucin: a) n = 5 x = variable que nos define el nmero de accidentes debidos a errores humanos x = 0, 1, 2,...,5 accidentes debidos a errores de tipo humano p = p(xito) = p(un accidente se deba a errores humanos) = 0.75 q = p(fracaso) = p(un accidente no se deba a errores humanos) = 1-p = 0.25
p( x = 2 ,n = 5, p = 0.75 )=5 C2 ( 0.75 )2 ( 0.25 )5 2 = ( 10 )( 0.5625 )( 0.015625 ) = 0.08789

b)

p( x = 0 ,1,n = 5, p = 0.75 ) = p( x = 0 ) + p( x = 1 )=5 C0 ( 0.75 )0 ( 0.25 )5 0 +

C1 ( 0.75 )1 ( 0.25 )51 = 0.000976 + 0.014648 = 0.015624

c) En este caso cambiaremos el valor de p; n =5 x = variable que nos define el nmero de accidentes que no se deben a errores de tipo humano x = 0, 1, 2,...,5 accidentes debidos a errores humanos p = p(probabilidad de que un accidente no se deba a errores humanos) = 0.25 q = p(probabilidad de que un accidente se deba a errores humanos) = 1-p = 0.75
p( x = 3,n = 5, p = 0.25 )=5 C3 ( 0.25 )3 ( 0.75 )5 3 = ( 10 )( 0.015625 )( 0.5625 ) = 0.08789

2. Si la probabilidad de que el vapor se condense en un tubo de aluminio de cubierta delgada a 10 atm de presin es de 0.40, si se prueban 12 tubos de ese tipo y bajo esas condiciones, determine la probabilidad de que: a) el vapor se condense en 4 de los tubos, b) en ms de 2 tubos se condense el vapor, c) el vapor se condense en exactamente 5 tubos. Solucin: a) n =12 x = variable que nos define el nmero de tubos en que el vapor se condensa x = 0, 1, 2, 3,...,12 tubos en el que el vapor se condensa p =p(se condense el vapor en un tubo de Al a 10 atm)= 0.40 q = p(no se condense el vapor en un tubo de Al a 10 atm) = 1-p=0.60 p( x = 4,n = 12, p = 0.40 )=12 C4 ( 0.40 )4 ( 0.60 )12 4 = ( 495 )( 0.0256 )( 0.016796 ) = = 0.21284 b) p(X=3, 4, ...,12, n=12, p=0.40) = p(x=3)+p(x=4)++p(x=12)= 1-[ p(x=0,1,2)] =

= 1

12

C0 ( 0.40 )0 ( 0.60 )12 0 +12 C1( 0.40 )1( 0.60 )12 1 +12 C2 ( 0.40 )2 ( 0.60 )12 2

= 1 [ 0.002176 + ( 12 )( 0.4 )( 0.003627 ) + ( 66 )( 0.16 )( 0.006047 )]

= 1-[ 0.002176+0.0174096+0.06385632] = 1- 0.08344192= 0.91656 c)

p( x = 5,n = 12, p = 0.40 )=12 C5 ( 0.40 )5 ( 0.6 )12 5 = ( 792 )( 0.01024 )( 0.0279936 ) =

= 0.22703

3. La probabilidad de que el nivel de ruido de un amplificador de banda ancha exceda de 2 dB (decibeles) es de 0.15, si se prueban 10 amplificadores de banda ancha, determine la probabilidad de que; a) en solo 5 de los amplificadores el nivel de ruido exceda los 2 dB, b) por lo menos en 2 de los amplificadores, el ruido exceda de 2 dB, c)que entre 4 y 6 amplificadores no se excedan de los 2 dB, d)encuentre el nmero esperado de amplificadores que se exceden de un nivel de ruido de 2dB y su desviacin estndar. Solucin: a)n =10 x =variable que nos define el nmero de amplificadores de banda ancha que su nivel de ruido excede de 2 dB x = 0, 1, 2,...,10 amplificadores en los que el nivel de ruido excede de los 2 dB p = P(un amplificador exceda su nivel de ruido de 2 dB) = 0.15 q = p(un amplificador no exceda su nivel de ruido de 2 dB =1-p= 0.85
p( x = 5,n = 10, p = 0.15 )=10 C5 ( 0.15 )5 ( 0.85 )10 5 = ( 252 )( 0.00007593 )( 0.4437053 ) =

= 0.00849 b)p(x=2,3,...,10, n=10, p=0.15)= 1- p(x = 0,1) =

=1

10

C 0 ( 0.15 ) 0 ( 0.85 )10 0 +10 C1 ( 0.15 )1 ( 0.85 )10 1

= 1 [ (0.19687+(10)(0.15)(0.231617)] =1-0.544296 = 0.455705 c) n=10 x= variable que nos define el nmero de amplificadores de banda ancha que su nivel de ruido no excede de 2 dB x= 0, 1, 2,...,10 amplificadores que su nivel de ruido no excede de los 2 dB p = p(un amplificador no exceda su nivel de ruido de 2 dB) = 0.85 q = p(un amplificador exceda su nivel de ruido de 2 dB) = 1- p = 0.15

p( x = 4,5,6 ,n = 10, p = 0.085 )=10 C4 ( 0.85 )4 ( 0.15 )10 4 +10 C5 ( 0.85 )5 ( 0.15 )10 5 +10 C6 ( 0.85 )6 ( 0.15 )10 6 =
=(210)(0.522)(0.00001139)+(252)(0.4437)(0.000075937)+(210) (0.3771495)(0.00005063)= =0.001249 + 0.00849 + 0.00400997 = 0.01374897 d)n=10, p=0.15, q=1-p=0.85

 = np = ( 10 )( 0.15 ) = 1.5 2amplificadores

Interpretacin: Se espera que 2 de los 10 amplificadores probados se excedan de un nivel de ruido de 2 Db

= npq = ( 10 )( 0.15 )( 0.85 ) = 1.1291 1amplificador

Interpretacin: Este experimento puede variar en 2 1 amplificador, esto es, de 1 a 3 amplificadores que se excedan de un nivel de ruido de 2 dB

2. DISTRIBUCIN MULTINOMIAL. Caractersticas: a) a) Al llevar a cabo un experimento con esta distribucin se esperan ms de dos tipos de resultados. b) b) Las probabilidades asociadas a cada uno de los resultados son constantes. c) c) Cada uno de los ensayos o repeticiones del experimento son independientes. d) d) El nmero de repeticiones del experimento, n es constante. Al igual que hicimos con la distribucin binomial, en este caso partiremos de un ejemplo para obtener la frmula general para resolver problemas que tengan este tipo de distribucin. Ejemplo: Se lanza al aire un dado normal, 5 veces, determine la probabilidad de que aparezca dos nmeros uno, dos nmeros tres y un nmero cinco. Solucin: Si pensamos en la forma que se han resuelto otros problemas, lo primero que se me ocurre es trazar un diagrama de rbol que nos muestre los 5 lanzamientos del dado; esto sera muy laborioso, y se muestra parte del mismo a continuacin; 1 2 1

3 4..... 5

2 3 4 5 5lanzamiento 6

2 lanzamiento

3 a 4 1er lanzamiento 6 5 6 1 2 3 4 5

2 lanzamiento

Del diagrama de rbol se obtendra el espacio muestral y enseguida se determinaran las probabilidades requeridas. En lugar de lo anterior, obtendremos una frmula a partir de la siguiente expresin: p(aparezcan dos unos, dos tres y un cinco)=(nmero de ramas en donde haya dos unos, dos tres y un cinco)(probabilidad asociada a cada una de las ramas) Para esto definiremos lo siguiente: n = nmero de lanzamientos del dado x1 = nmero de veces que aparece el nmero 1 = 2 x2 = nmero de veces que aparece el nmero 2 = 0 x3 = nmero de veces que aparece el nmero 3 = 2 x4 = nmero de veces que aparece el nmero 4 = 0 x5 = nmero de veces que aparece el nmero 5 = 1 p1 = probabilidad de que aparezca el nmero 1 = 1/6 p2 = probabilidad de que aparezca el nmero 2 = 1/6 p3 = probabilidad de que aparezca el nmero 3 = 1/6 p4 = probabilidad de que aparezca el nmero 4 = 1/6 p5 = probabilidad de que aparezca el nmero 5 = 1/6

p6 = probabilidad de que aparezca el nmero 6 = 1/6 Luego, cmo obtendremos el nmero de ramas donde aparecen dos nmeros 1, dos nmeros 3 y un nmero 5? Enunciando algunas de las ramas, tenemos lo siguiente; (1, 1, 5, 3, 3), (5, 1, 1, 3, 3), (1, 3, 3, 1, 5), ... etc, etc. Qu tipo de arreglos son estos, combinaciones, permutaciones o que? SON PERMUTACIONES EN DONDE HAY OBJETOS IGUALES. Por tanto el nmero de ramas se puede obtener de la siguiente manera:
5! 120 = = 30 2!2!1! 4

El nmero de ramas = Y en forma general,

P2 ,2 ,1 =

Px1 ,x2 ,...xk =

n! x1 ! x 2 !...x k !

Luego la probabilidad asociada a cada una de las ramas, sera; p(asociada a cada una de las ramas) = p(#1)p(#1)p(#3)p(#3)p(#5)=p1*p1*p3*p3*p5= =p12*p32*p5 Por tanto la frmula general ser:
p( x1 , x 2 ,...xk , n ) = n! x x xk p1 1 p 2 2 .... p k x1 ! x 2 !...xk !

donde: p(x1, x2,....,xk, n) = probabilidad de que en n ensayos aparezcan x1 objetos del primer tipo, x2 objetos del segundo tipo.......y xk objetos del ltimo tipo. n = x1+x2+....xk Resolviendo el ejemplo; n=5 x1 = nmero de veces que aparece el nmero 1 = 2 x2 = nmero de veces que aparece el nmero 3 = 2 x3 = nmero de veces que aparece el nmero 5 = 1 p1= probabilidad de que aparezca el nmero 1 = 1/6

p2 = probabilidad de que aparezca el nmero 2 = 1/6 p3 = probabilidad de que aparezca el nmero 3 = 1/6
5! ( 1 / 6 )2 ( 1 / 6 )2 ( 1 / 6 )1 = ( 30 )( 0.0001286 ) = 0.003858 2!2!1!

p = ( x1 = 1, x2 = 2 , x3 = 1,n = 5 ) =

Ejemplos: 1. Las probabilidades son de 0.40, 0.20, 0.30 y 0.10, respectivamente, de que un delegado llegue por aire a una cierta convencin, llegue en autobs, en automvil o en tren. Cul es la probabilidad de que entre 9 delegados seleccionados aleatoriamente en esta convencin a) 3 hayan llegado por aire, 3 en autobs, 1 en auto y 2 en tren?, b) 4 hayan llegado por aire, 1 en autobs y 2 en auto?, c) 5 hayan llegado en auto? Solucin: a) n = 9 x1= # de delegados que llegan por aire = 3 x2= # de delegados que llegan en autobs = 3 x3= # de delegados que llegan en auto = 1 x4= # de delegados que llegan en tren = 2 p1 = probabilidad de que un delegado llegue por aire = 0.40 p2 = probabilidad de que un delegado llegue en autobs = 0.20 p3 = probabilidad de que un delegado llegue en auto = 0.30 p4 = probabilidad de que un delegado llegue en tren = 0.10 9! p( x1 = 3, x2 = 3, x3 = 1, x4 = 2; n = 9 ) = ( 0.40 )3 ( 0.20 )3 ( 0.30 )1( 0.10 )2 = 0.0077414 3!3!1!2! b) n=9 x1 = 4 por aire; x2 = 1 en autobs; x3 = 2 en auto; x4 = 2 en tren; p1 = 0.40 p2 = 0.20 p3 = 0.30 p4 = 0.10
9! ( 0.40 )4 ( 0.20 )1( 0.30 )2 ( 0.30 )2 = 0.15676 4!1!2!2!

p( x1 = 4 , x2 = 1, x3 = 2 , x4 = 2; n = 9 ) =

c) n=9 x1= 5 lleguen en auto; p1 = 0.30 x2 = 4 (lleguen por aire o autobs o tren); p2 = 0.40+0.20+0.10 = 0.70
p( x1 = 5, x2 = 4; n = 9 ) = 9! ( 0.30 )5 ( 0.70 )4 = 0.073514 5!4!

2. De acuerdo con la teora de la gentica, un cierto cruce de conejillo de indias resultar en una descendencia roja, negra y blanca en la relacin 8 : 4 : 4. Encuentre la probabilidad de que entre 8 descendientes, a) 5 sean rojos, 2 negros y un blanco, b) 3 sean rojos y 2 sean negros. Solucin: a) n=8 x1 = 5 rojos; p1= prob. Sean rojos = 8/16 = 0.50 x2 = 2 negros; p2 = prob. Sean negros = 4/16 = 0.25 x3 = 1 blanco; p3 = prob. Sean blancos = 4/16 = 0.25
p( x1 = 5, x2 = 2, x3 = 1; n = 8 ) = 8! ( 0.50 )5 ( 0.25 )2 ( 0.25 )1 = 0.082031 5!2!1!

b) n=8 x1 = 3 rojos; x2 = 2 negros; x3 = 3 blancos;

p1 = 0.50 p2 = 0.25 p3 = 0.25

8! ( 0.50 )3 ( 0.25 )2 ( 0.25 )3 = 0.068359 3!2!3!

p( x1 = 3, x2 = 2 , x3 = 3; n = 8 ) =

3.Segn una encuesta preliminar acerca del voto que los ciudadanos darn por los candidatos para gobernador del estado se ha detectado que aproximadamente un 52% votar por el partido verde, un 40% por el partido azul y un 8% por los partidos restantes, si se seleccionan aleatoriamente 6 personas con edad de votar, determine la probabilidad de que: a) 2 voten por el partido verde, 1 por el azul y 3 por el resto de los partidos, b) 2 voten por el partido verde y 4 por el azul. Solucin: a) n = 6 x1= 2 voten por partido verde; p1= prob. de que una persona vote por partido verde = 0.52 x2= 1 vote por partido azul; p2 = prob. de que una persona vote por partido azul = 0.40 x3= 3 voten por otros partidos; p3 = prob. de que una persona vote por otros partidos = 0.08
6! ( 0.52 )2 ( 0.40 )1( 0.08 )3 = 0.0033226 2!1!3!

p( x1 = 2, x2 = 1, x3 = 3 : n = 6 ) =

b)n = 6 x1= 2 voten por el partido verde; p1= prob. de que una persona vote por partido verde=0.52 x2= 4 vote por partido azul; p2 = prob. de que una persona vote por partido azul = 0.40 x3= 0 voten por otros partidos; p3 = prob. de que una persona vote por otros partidos = 0.08

p( x1 = 2 , x2 = 4 , x3 = 0; n = 6 ) =

6! ( 0.52 )2 ( 0.40 )4 ( 0.08 )0 = 0.103834 2!4!0!

3) DISTRIBUCIN HIPERGEOMTRICA. Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas: a) a) Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de resultados. b) b) Las probabilidades asociadas a cada uno de los resultados no son constantes. c) c) Cada ensayo o repeticin del experimento no es independiente de los dems. d) d) El nmero de repeticiones del experimento (n) es constante.

Ejemplo: En una urna o recipiente hay un total de N objetos, entre los cuales hay una cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al azar, y sin reemplazo, cul es la probabilidad de obtener x objetos defectuosos? Solucin: Luego;

p( x , n ) =

C x * N a C n x N Cn

donde: p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados C x * N a C n x = muestras de n objetos en donde hay x que son defectuosos y n-x buenos

C n = = todas las muestras posibles de seleccionar de n objetos tomadas de entre N objetos en total = espacio muestral
N

Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos, si de seleccionan 4 objetos al azar, cul es la probabilidad de que 2 sean defectuosos? Solucin: N = 10 objetos en total a = 3 objetos defectuosos n = 4 objetos seleccionados en muestra x = 2 objetos defectuosos deseados en la muestra p( x = 2, n = 4 ) = C2*10 3 C4 2 10 C4 3! 7! * C* C ( 3 2 )!2! ( 7 2 )!2! = 3 2 7 2 = = 10! 10 C4 ( 10 4 )!4!

3! 7! 3 x 2 x1! 7 x 6 x5! * * 1 ! 2 ! 5 ! 2 ! 1 ! 2 ! 5!2! = 3 x 2 x 7 x6 * 4! = = = 10! 10 x9 x8 x7 x 6! 10 x9 x8 x7 2!2! 6!4! 6!4! donde:

3 x 2 x7 x6 = 10 x9 x8 x7 probabilidad asociada a cada muestra de 4 objetos que se seleccionaron, con lo que se demuestra que las probabilidades no son constantes 4! = 2!2! formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados = muestras de 4 objetos entre los que 2 son defectuosos

Como se observa en el desarrollo de la solucin del problema, la pretensin es demostrar que las probabilidades asociadas a cada uno de los resultados no son constantes. Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar sera:

3 x 2 x7 x 6 4! 252 24 6048 * = * = = 0.30 10 x9 x8 x7 2!2! 5040 4 20160

Ejemplos: 1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en una botella que contiene 9 pldoras de vitamina que son similares en apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) Cul es la probabilidad de que el viajero sea arrestado por posesin de narcticos?, b) Cul es la probabilidad de que no sea arrestado por posesin de narcticos?. Solucin: a) N = 9+6 =15 total de tabletas a = 6 tabletas de narctico n = 3 tabletas seleccionadas x = 0, 1, 2, o 3 tabletas de narctico = variable que nos indica el nmero de tabletas de narctico que se puede encontrar al seleccionar las 3 tabletas p(viajero sea arrestado por posesin de narcticos) = p(de que entre las 3 tabletas seleccionadas haya 1 o ms tabletas de narctico)
= p( x = 1,23tabletas ; n = 3 ) =
6

C1* 9 C2 6 C2* 9 C1 6 C3* 9 C0 + + = C C C 15 3 15 3 15 3

( 6 )( 36 ) ( 15 )( 9 ) ( 20 )( 1 ) 216 + 135 + 20 371 + + = = = 0.81538 455 455 455 455 455

otra forma de resolver; p(el viajero sea arrestado por posesin de narcticos) = 1 p(de que entre las tabletas seleccionadas no haya una sola de narctico)
= 1 p( x = 0; n = 3 ) = 1
6

C0* 9 C3 = 15 C3

( 1 )( 84 ) = 0.184615 = 0.815385 455 b) b) p(no sea arrestado por posesin de narcticos) = 1 = p( x = 0; n = 3 ) =

6

C0* 9 C3 = 15 C3

( 1 )( 84 ) = 0.184615 455

2. De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3 proyectiles defectuosos que no explotarn, cul es la probabilidad de que , a) los 4 exploten?, b) al menos 2 no exploten? Solucin: a) N = 10 proyectiles en total a = 7 proyectiles que explotan n = 4 proyectiles seleccionados x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero de proyectiles que explotan entre la muestra que se dispara
p( x = 4; n = 4 ) =
7

C4* 3 C0 ( 35 )( 1 ) 35 = = = 0.16667 210 210 10 C4

b) N = 10 proyectiles en total a = 3 proyectiles que no explotan n = 4 proyectiles seleccionados x = 0, 1, 2 o 3 proyectiles que no explotan p(al menos 2 no exploten) = p( 2 o ms proyectiles no exploten) = p(x = 2 o 3; n=4) =
=
3

C2* 7 C2 + 3 C3* 7 C1 ( 3 )( 21 ) + ( 1 )( 7 ) 63 + 7 70 = = = = 0.333333 210 210 210 10 C4

3. a)Cul es la probabilidad de que una mesera se rehse a servir bebidas alcohlicas nicamente a dos menores de edad si verifica aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de los cuales 4 no tienen la edad suficiente?, b) Cal es la probabilidad de que como mximo 2 de las identificaciones pertenezcan a menores de edad? Solucin: a) N = 9 total de estudiantes a = 4 estudiantes menores de edad n = 5 identificaciones seleccionadas x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
p( x = 2,n = 5 ) =
4

C2 * 5 C3
9

C5

( 3 )( 10 ) = 0.238095 126

b) N = 9 total de estudiantes a = 4 estudiantes menores de edad

n = 5 identificaciones seleccionadas x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
C0* 5 C5 + 4 C1* 5 C4 + 4 C2* 5 C3 ( 1 )( 1 ) + ( 4 )( 5 ) + ( 6 )( 10 ) = = 126 9 C5

p( x = 0 ,1,2; n = 5 ) =

1 + 20 + 60 81 = = 0.64286 126 126

4. Una compaa manufacturera utiliza un esquema para la aceptacin de los artculos producidos antes de ser embarcados. El plan es de dos etapas. Se preparan cajas de 25 para embarque y se selecciona una muestra de 3 para verificar si tienen algn artculo defectuoso. Si se encuentra uno, la caja entera se regresa para verificarla al 100%. Si no se encuentra ningn artculo defectuoso, la caja se embarca. a)Cul es la probabilidad de que se embarque una caja que tiene tres artculos defectuosos?, b)Cul es la probabilidad de que una caja que contiene solo un artculo defectuoso se regresa para verificacin? 4) DISTRIBUCIN HIPERGEOMETRICA GENERALIZADA. Caractersticas: a) a) Al realizar un experimento con este tipo de distribucin, se esperan ms de dos tipos de resultados. b) b) Las probabilidades asociadas a cada uno de estos resultados no son constantes. c) c) Los ensayos o repeticiones del experimento no son independientes entre s. d) d) El nmero de repeticiones del experimento n, es constante. Entonces en este caso se tienen ms de dos tipos de objetos, por lo que la frmula a utilizar sera: C x* b C y * N a b C n x y
N

p( x , y ,n ) =

Cn

donde: N = x + y + z = total de objetos a = total de objetos del primer tipo b = total de objetos del segundo tipo c = N-a-b = total de objetos del tercer tipo n = objetos seleccionados en la muestra x = objetos del primer tipo en la muestra y = objetos del segundo tipo en la muestra

z = n-x-y = objetos del tercer tipo en la muestra Ejemplos: 1.En un lote de productos se tienen 20 productos sin defectos, 3 con defectos menores y 2 con defectos mayores, se seleccionan al azar 5 productos de este lote, determine la probabilidad de que a) 3 de los productos seleccionados no tengan defectos y 1 tenga defectos menores, b) 4 de los productos seleccionados no tengan defectos y 1 tenga defectos menores. Solucin: a)N= 20+3+2 =25 total de artculos a=20 productos sin defectos b= 3 productos con defectos menores N-a-b= 2 productos con defectos mayores n= 5 productos seleccionados en la muestra x = 3 productos sin defectos en la muestra = variable que nos define el # de productos sin defectos en la muestra y = 1 producto con defectos menores en la muestra = variable que nos define el # de productos con defectos menores en la muestra z = n-x-y = 5-3-1 = 1 producto con defectos mayores en la muestra = variable que nos define el # de productos con defectos mayores en la muestra C * C* C ( 1140 )( 3 )( 2 ) 6840 p( x = 3, y = 1,n = 5 ) = 20 3 3 1 2 1 = = = 0.128741 53130 53130 25 C5 b)N= 25 a=20 productos sin defectos b= 3 productos con defectos menores N-a-b= 2 productos con defectos mayores n= 5 productos seleccionados en la muestra x = 4 productos sin defectos en la muestra = variable que nos define el # de productos sin defectos en la muestra y = 1 producto con defectos menores en la muestra = variable que nos define el # de productos con defectos menores en la muestra z = n-x-y = 5-4-1 = 0 productos con defectos mayores en la muestra = variable que nos define el # de productos con defectos mayores en la muestra

p( x = 4 , y = 1; n = 5 ) = =

20

C 4 * 3 C1* 2 C 0 25 C 5

( 4845 )( 3 )( 1 ) 14535 = = 0.27357 53130 53130

3.Un club de estudiantes extranjeros tiene en sus listas a 2 canadienses, 3 japoneses, 5 italianos y 2 alemanes. Si se selecciona aleatoriamente un comit de 4 estudiantes, encuentre la probabilidad de

que: a)estn representadas todas las nacionalidades, b)estn representadas todas las nacionalidades, excepto la italiana. Solucin: a) N = 12 estudiantes a = 2 Canadienses b = 3 Japoneses c = 5 Italianos N-a-b-c = 2 Alemanes n = 4 estudiantes seleccionados para formar comit x = 1 estudiante Canadiense en el comit seleccionado y = 1 estudiante Japons en el comit seleccionado z = 1 estudiante Italiano en el comit seleccionado n-x-y-z = 1 estudiante Alemn en el comit seleccionado
C1* 3 C1* 5 C1* 2 C1 12 C4

p( x = 1, y = 1, z = 1; n = 4 ) = =

( 2 )( 3 )( 5 )( 2 ) 60 = = 0.121212 495 495

b) N = 7 estudiantes quitando a los Italianos a = 2 Canadienses b = 3 Japoneses N-a-b = 2 Alemanes n = 4 estudiantes seleccionados para formar comit x = 1 o 2 estudiantes Canadienses en el comit seleccionado y = 1 o 2 estudiantes Japoneses en el comit seleccionado n-x-y= 1 o 2 estudiantes Alemanes en el comit seleccionado p(estn representadas todas las nacionalidades, excepto la italiana)
p( x = 1, y = 1, n = 4 ) + p( x = 1, y = 2, n = 4 ) + ( x = 2 , y = 1,n = 4 ) = =
2

C1* 3 C1* 2 C2 2 C1* 3 C2* 2 C1 2 C2* 3 C1* 2 C1 + + = 7 C4 7 C4 7 C4

( 2 )( 3 )( 1 ) ( 2 )( 3 )( 2 ) ( 1 )( 3 )( 2 ) 6 + 12 + 6 + + = = 0.685714 35 35 35 35

5) DISTRIBUCIN DE POISSON.
Caractersticas:

En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo, pieza, etc, etc,:

- # de defectos de una tela por m2 - # de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc, etc. - # de bacterias por cm2 de cultivo - # de llamadas telefnicas a un conmutador por hora, minuto, etc, etc. - # de llegadas de embarcaciones a un puerto por da, mes, etc, etc. Para determinar la probabilidad de que ocurran x xitos por unidad de tiempo, rea, o producto, la frmula a utilizar sera: p( x , ) =

x x!

donde: p(x, ) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia de ellos es = media o promedio de xitos por unidad de tiempo, rea o producto = 2.718 x = variable que nos denota el nmero de xitos que se desea que ocurra Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es independiente de otro intervalo dado, as como cada rea es independiente de otra rea dada y cada producto es independiente de otro producto dado.

Ejemplos: 1. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10 cheques sin fondos en cualquiera de dos das consecutivos? Solucin: a) a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da cualquiera = 0, 1, 2, 3, ....., etc, etc. = 6 cheques sin fondo por da = 2.718 p( x = 4, = 6 ) = ( 6 )4 ( 2.718 )6 ( 1296 )( 0.00248 ) = = 0.13392 4! 24

b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das consecutivos = 0, 1, 2, 3, ......, etc., etc. = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das consecutivos Nota: siempre debe de estar en funcin de x siempre o dicho de otra forma, debe hablar de lo mismo que x.

( 12 )10 ( 2.718 )12 ( 6.191736410 )( 0.000006151 ) p( x = 10, = 12 ) = = = 0.104953 10! 3628800 2. En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine las probabilidades de identificar a) una imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15 minutos. Solucin: a) a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc. = 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la hojalata ( 0.6 )1( 2.718 )0.6 ( 0.6 )( 0.548845 ) = = 0.329307 1! 1

p( x = 1, = 0.6 ) =

b) b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc. = 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la hojalata

( 1 )0 ( 2.718 )1 ( 1 )( 2.718 )1 p( x = 2,3,4,etc.... = 1 ) = 1 p( x = 0,1, = 1 ) = 1 + = 0! 1!

=1-(0.367918+0.367918) = 0.26416 c) c) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15 minutos = 0, 1, 2, 3, ....., etc., etc. = 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata p( x = 0,1, = 3 ) = p( x = 0 , = 3 ) + p( x = 1, = 3 ) = ( 3 )0 ( 2.718 )3 ( 3 )1( 2.718 )3 + = 0! 1!

= 0.0498026 + 0.149408 = 0.1992106 6. APROXIMACIN DE POISSON A LA BINOMIAL. En este caso se determinarn probabilidades de experimentos Binomiales, pero que dadas sus caractersticas, es posible aproximarlas con la distribucin de Poisson, estas caractersticas son, n ( n es muy grande) y p 0 (p es muy pequea), por lo que:

p( x , n , p )= n C x p q
x

n x

x!

La expresin anterior solo se cumple cuando n y p 0, solo en este caso, si esto no se cumple, la aproximacin no se puede llevar a efecto, por lo que la frmula a utilizar en este caso sera:

p( x , ) =

x x!

Donde: = = np = nmero esperado de xitos = tasa promedio de xitos n = nmero de repeticiones del experimento p = probabilidad de xito = p(xito) Una regla general aceptable es emplear esta aproximacin si n 20 y p 0.05: s n 100, la aproximacin es generalmente excelente siempre y cuando np 10. Ejemplos: 1. 1. Se sabe que el 5% de los libros encuadernados en cierto taller tienen encuadernaciones defectuosas. Determine la probabilidad de que 2 de 100 libros encuadernados en ese taller, tengan encuadernaciones defectuosas, usando, a) la frmula de la distribucin Binomial, b) la aproximacin de Poisson a la distribucin Binomial.

Solucin: a) n = 100 p = 0.05 = p(encuadernacin defectuosa) = p(xito) q = 0.95 = p(encuadernacin no defectuosa) = p(fracaso) x = variable que nos define el nmero de encuadernaciones defectuosas en la muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas
P( x = 2 ,n = 100, p = 0.05 )=100 C2 ( 0.05 )2 ( 0.95 )98 = ( 4950 )( 0.05 )2 ( 0.95 )98 = 0.0812

b)n = 100 encuadernaciones p = 0.05 = np = (100)(0.05)= 5 x = variable que nos define el nmero de encuadernaciones defectuosas en la muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas

x ( 5 )2 ( 2.718 )5 p( x = 2 , = 5 ) = = = 0.0843 x! 2!
Al comparar los resultados de las probabilidades con una y otra distribucin, nos damos cuenta de que la diferencia entre un clculo y otro es de tan solo 0.0031, por lo que la aproximacin de Poisson es una buena opcin para calcular probabilidades Binomiales. 2.Un fabricante de maquinaria pesada tiene instalados en el campo 3840 generadores de gran tamao con garanta. S la probabilidad de que cualquiera de ellos falle durante el ao dado es de 1/1200 determine la probabilidad de que a) 4 generadores fallen durante el ao en cuestin, b) que ms 1 de un generador falle durante el ao en cuestin. Solucin: a) n = 3840 generadores p = 1/1200 = probabilidad de que un generador falle durante el ao de garanta = np = (3840)(1/1200) = 3.2 motores en promedio pueden fallar en el ao de garanta x = variable que nos define el nmero de motores que pueden fallar en el ao de garanta = = 0, 1, 2, 3,....,3840 motores que pueden fallar en el ao de garanta ( 3.2 )4 ( 2.718 )3.2 p( x = 4 , = 3.2 ) = = 0.17815 4! b) p(x=2,3,4,....,3840; =3.2)=1-p(x=0,1; =3.2) =

( 3.2 )0 ( 2.718 )3.2 ( 3.2 )1( 2.718 )3.2 = 1 + 0! 1! =1- (0.04078 + 0.13048) = 0.82874
3. En un proceso de manufactura, en el cual se producen piezas de vidrio, ocurren defectos o burbujas, ocasionando que la pieza sea indeseable para la venta. Se sabe que en promedio 1 de cada 1000 piezas tiene una o ms burbujas. Cul es la probabilidad de que en una muestra aleatoria de 8000 piezas, menos de 3 de ellas tengan burbujas? Solucin: n = 8000 piezas p = 1/1000= 0.001 probabilidad de que una pieza tenga 1 o ms burbujas = np = (8000)(1/1000) = 8 piezas en promedio con 1 o ms burbujas x = variable que nos define el nmero de piezas que tienen 1 o ms burbujas = = 0,1, 2, 3,....,8000 piezas con una o ms burbujas p( x = 0,1,2; = 8 ) = ( 8 )0 ( 2.718 )8 ( 8 )1( 2.718 )8 ( 8 )2 ( 2.718 )8 + + = 0! 1! 2!

= 0.000336 + 0.002686 + 0.010744 = 0.013766 7. DISTRIBUCIN GEOMTRICA. Esta distribucin es un caso especial de la Binomial, ya que se desea que ocurra un xito por primera y nica vez en el ltimo ensayo que se realiza del experimento, para obtener la frmula de esta distribucin, haremos uso de un ejemplo. Ejemplo: Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que aparezca guila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3, Determine la probabilidad de que en el ltimo lanzamiento aparezca una guila. Solucin: Si nosotros trazamos un diagrama de rbol que nos represente los 8 lanzamientos de la moneda, observaremos que la nica rama de ese rbol que nos interesa es aquella en donde aparecen 7 sellos seguidos y por ltimo una guila; como se muestra a continuacin: SSSSSSSA S denotamos; x = el nmero de repeticiones del experimento necesarias para que ocurra un xito por primera y nica vez = 8 lanzamientos p = probabilidad de que aparezca una guila = p( xito) = 2/3 q = probabilidad de que aparezca un sello = p(fracaso) = 1/3 Entonces la probabilidad buscada sera;
P(aparezca una guila en el ltimo lanzamiento)=p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(A) =
x 1 =q*q*q*q*q*q*q*p = q p Luego, la frmula a utilizar cuando se desee calcular probabilidades con esta distribucin sera;

p( x ) = q x 1 p Donde: p(x) = probabilidad de que ocurra un xito en el ensayo x por primera y nica vez p = probabilidad de xito q = probabilidad de fracaso Resolviendo el problema de ejemplo; x = 8 lanzamientos necesarios para que aparezca por primera vez una guila p = 2/3 probabilidad de que aparezca una guila q = 1/3 probabilidad de que aparezca un sello

81 p(x=8) = ( 1 / 3 ) ( 2 / 3 ) = 0.0003048

Ejemplos: 1. S la probabilidad de que un cierto dispositivo de medicin muestre una desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el sexto de estos dispositivos de medicin sometidos a prueba sea el primero en mostrar una desviacin excesiva?, b) el sptimo de estos dispositivos de medicin sometidos a prueba, sea el primero que no muestre una desviacin excesiva?. Solucin: a) a) x = 6 que el sexto dispositivo de medicin probado sea el primero que muestre una variacin excesiva p = 0.05 =probabilidad de que un dispositivo de medicin muestre una variacin excesiva q = 0.95 =probabilidad de que un dispositivo de medicin no muestre una variacin excesiva
6 1 p(x = 6) = ( 0.95 ) ( 0.05 ) = 0.03869

b) b) x = 5 que el quinto dispositivo de medicin probado, sea el primero que no muestre una desviacin excesiva p = 0.95 = probabilidad de que un dispositivo de medicin no muestre una variacin excesiva q = 0.05 = probabilidad de que un dispositivo de medicin muestre una variacin excesiva
51 p(x = 5) = ( 0.05 ) ( 0.95 ) = 0.0000059

2. Los registros de una compaa constructora de pozos, indican que la probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el trmino de un ao es de 0.20. Cul es la probabilidad de que el quinto pozo construido por esta compaa en un ao dado sea el primero en requerir reparaciones en un ao?. Solucin: x = 5 que el quinto pozo sea el primero que requiera reparaciones en un ao p = 0.20 = probabilidad de que un pozo requiera reparaciones en el trmino de un ao q = 0.80 = probabilidad de que un pozo no requiera reparaciones en el trmino de un ao
5 1 p(x = 5) = ( 0.80 ) ( 0.20 ) = 0.08192

9. Problemas Propuestos. 1. 1. En una cierta rea de la ciudad se da como una razn del 75% de los robos la necesidad de dinero para comprar estupefacientes. Encuentre la probabilidad que dentro de los 5 prximos asaltos reportados en esa rea

a) a) exactamente 2 se debieran a la necesidad de dinero para comprar drogas; b) b) cuando mucho 3 se debieran a la misma razn arriba indicada. r. a) 0.0879 b) 0.3672 2. 2. Un agricultor que siembra fruta afirma que 2/3 de su cosecha de duraznos han sido contaminada por la mosca del mediterrneo. Encuentre la probabilidad de que al inspeccionar 4 duraznos a) a) los 4 estn contaminados por la mosca del mediterrneo b) b) cualquier cantidad entre 1 y 3 est contaminada. r. a) 16/81 b) 64/61 3. 3. De acuerdo con una investigacin llevada a cabo por la Administrative Management Society, 1/3 de las compaas en Estados Unidos le dan a sus empleados cuatro semanas de vacaciones despus de 15 aos de servicio. Encuentre la probabilidad de que 6 de las compaas investigadas al azar, el nmero que les dan a sus empleados cuatro semanas de vacaciones despus de 15 aos de servicio es a) a) cualquier cantidad entre 2 y 5; b) b) menos de 3. r. a) 0.647 b) 0.680 4. 4. De acuerdo con un estudio publicado por un grupo de socilogos de la Universidad de Massachussets, aproximadamente 60% de los adictos al Valium en el estado de Massachussets, lo tomaron por primera vez debido a problemas psicolgicos. Encuentre la probabilidad de que los siguientes 8 adictos entrevistados a) a) exactamente 3 hayan comenzado a usarlo debido a problemas psicolgicos. b) b) al menos 5 de ellos comenzaran a tomarlo por problemas que no fueron psicolgicos. r. a) 0.1239 b) 0.5941 5. 5. Al probar una cierta clase de neumtico para camin en un terreno escabroso se encontr que 25% de los camiones terminaban la prueba con los neumticos daados. De los siguientes 15 camiones probados encuentre la probabilidad de que a) a) de 3 a 6 tengan ponchaduras; b) b) menos de 4 tengan ponchaduras; c) c) ms de 5 tengan ponchaduras r. a) 0.7073 b) 0.4613 c) 0.1484 6. 6. De acuerdo con un reporte publicado en la revista Parade, septiembre 14 de 1980, una investigacin a nivel nacional llevada a cabo por la Universidad de Michigan revel que casi el 70% de los estudiantes del ltimo ao desaprueban las medidas para controlar el hbito de fumar mariguana todos los das. Si 12 de estos estudiantes se seleccionan al azar y se les pregunta su opinin, encuentre la probabilidad de que el nmero que desaprueba dicha medida sea

a) a) cualquier cantidad entre 7 y 9 b) b) cuando mucho 5; c) c) no menos de 8 r. a) 0.6294 b) 0.0386 c) 0.7237 7. 7. La probabilidad de que un paciente se recupere de una delicada operacin de corazn es de 0.9. Cul es la probabilidad de que exactamente 5 de los prximos 7 pacientes que se sometan a esta intervencin sobrevivan? r. 0.1240 8. 8. Un ingeniero de control de trfico reporta que el 75% de los vehculos que pasan por un punto de verificacin tienen matrculas del estado. Cul es la probabilidad de que ms de 7 de los siguientes 9 vehculos no sean del estado? r. 0.8343 9. 9. Una investigacin de los residentes de una ciudad de Estados Unidos mostr que 20% preferan un telfono blanco que de cualquier otro color disponible. Cul es la probabilidad de que ms de la mitad de los siguientes 20 telfonos que se instalen en esta ciudad sean de color blanco? r. 0.0006 10. 10. Se sabe que el 40% de los ratones inyectados con un suero quedan protegidos contra una cierta enfermedad. Si 5 ratones son inyectados, encuentre la probabilidad de que a) a) ninguno contraiga la enfermedad; b) b) menos de 2 la contraigan; c) c) ms de 3 la contraigan r. a) 0.0778 b) 0.3370 c) 0.0870 11. 11. Suponga que los motores de un aeroplano operan en forma independiente y de que fallan con una probabilidad de 0.4. Suponiendo que uno de estos artefactos realiza un vuelo seguro en tanto se mantenga funcionando cuando menos la mitad de sus motores, determine qu aeroplano, uno de los 4 motores o uno de 2, tiene mayor probabilidad de terminar su vuelo exitosamente. r. 0.8208 y 0.8400; *** 2- plano del motor 12. 12. Encuentre la media y la varianza de la variable aleatoria binomial del problema propuesto 7. r. =6.3 6 y 2=0.63 13. 13. Encuentre la media y la varianza de la variable aleatoria binomial del problema propuesto 9.

r. =4 y 2=3.2 14. 14. De acuerdo con la teora de la gentica, un cierto cruce de conejillos de indias resultar en una descendencia roja, negra y blanca en la relacin 8:4:4. Encuentre la probabilidad de que de 8 descendientes 5 sean rojos, 2 negros y 1 blanco. r. 21/256 15. 15. Las probabilidades son de 0.4, 0.2, 0.3 y 0.1, respectivamente, de que un delegado llegue por aire a cierta convencin, llegue en autobs, 3en automvil o en tren. Cul es la probabilidad de que entre 9 delegados seleccionados aleatoriamente en esta convencin, 3 hayan llegado por aire, 3 en autobs, 1 en automvil y 2 en tren. r. 0.0077 16. 16. El dueo de una casa planta 6 tallos que selecciona al azar de una caja que contiene 5 tallos de tulipn y 4 de narciso. Cul es la probabilidad de que plante 2 tallos de narciso y 4 de tulipn? r. 5/14 17. 17. Un comit de tres integrantes se forma aleatoriamente seleccionando de entre 4 doctores y 2 enfermeras. Escriba una frmula para la distribucin de probabilidad de la variable aleatroria X que representa el nmero de doctores en el comit. Encuentre P(2 X 3).

( )( ) , respuesta..h( x;6,3,4 ) = ( ) x=1, 2, 3

4 x 2 2 x 6 3

18. 18. Una compaa est interesada en evaluar sus actuales procedimientos de inspeccin en el embarque de 50 artculos idnticos. El procedimiento es tomar una muestra de 5 piezas y autorizar el embarque si se encuentra que no ms de 2 estn defectuosas. qu proporcin del 20% de embarques defectuosos sern autorizados? r. 0.9517 19. 19. La probabilidad de que una persona que vive en cierta ciudad posea un perro se estima en 0.3. Encuentre la probabilidad de que la dcima persona entrevistada aleatoriamente en esta ciudad sea la quinta persona que posee un perro. r. 0.0515 20. 20. Un cientfico inocula varios ratones, uno a la vez, con un germen de una enfermedad hasta que obtiene 2 que la han contrado. Si la probabilidad de contraer la enfermedad es 1/6. cul es la probabilidad de que se requieran 8 ratones? r. 0.0651 21. 21. Suponga que la probabilidad de que una persona determinada crea una historia acerca de los atentados a una famosa actriz es de 0.8. Cul es la probabilidad de que a) a) la sexta persona que escucha tal historia sea la cuarta que la crea? b) b) La tercera persona que escucha tal historia sea la primera en creerla? r. a) 0.1638 b) 0.032

22. 22. Tres personas lanzan una moneda y la que salga dispareja paga los cafs. Si todas las monedas caen iguales, se lanzan nuevamente. Encuentre la probabilidad de que se necesiten menos de 4 lanzamientos. r. 63/64 23. 23. La probabilidad de que un estudiante para piloto apruebe el examen escrito para obtener su licencia de piloto privado es de 0.7. Encuentre la probabilidad de que una persona apruebe el examen a) a) en el tercer intento b) b) antes del cuarto intento r. a) 0.0630 b) 0.9730 24. 24. En promedio, en una cierta interseccin ocurren 3 accidentes viales por mes Cul es la probabilidad de que en un determinado mes en esta interseccin a) a) ocurran exactamente 5 accidentes? b) b) ocurran menos de 3 accidentes? r. a) 0.1008 b) 0.4232 25. 25. Una cierta rea del este de Estados Unidos es afectada en promedio por 6 huracanes al ao. Encuentre la probabilidad de que en un determinado ao esta rea sea afectada por a) a) menos de 4 huracanes; b) b) cualquier cantidad entre 6 y 8 huracanes. r. a) 0.1512 b) 0.4015 26. 26. En un estudio de un inventario se determin que, en promedio, la demanda por un artculo en particular en una bodega era de 5 veces al da. Cul es la probabilidad de que en un determinado da este artculo sea requerido a) a) ms de 5 veces? b) b) Ni una sola vez? r. a) 0.3840 b) 0.0067 27. 27. El nmero promedio de ratas de campo por acre en un campo de trigo de 5 acres se estima que es de 12. Encuentre la probabilidad de que menos de 7 ratas de campo se encuentren a) a) en una acre de terreno determinado; b) b) en 2 de los siguientes 3 acres inspeccionados. r. a) 0.0458 b) 0.0060 28. 28. Un restaurante prepara una ensalada que contiene en promedio 5 verduras diferentes. Encuentre la probabilidad de que la ensalada contenga ms de 5 verduras a) a) en un determinado da; b) b) en 3 de los siguientes 4 das;

c) c) por primera vez el 5 de abril. r. a) 0.3840 b) 0.1395 c) 0. 0553 29. 29. La probabilidad de que una persona muera debido a cierta infeccin respiratoria es 0.002. Encuentre la probabilidad de que mueran menos de 5 de las prximas 2000 personas infectadas. r. 0.6288 30. 30. Suponga que en promedio 1 persona de cada 1000 comete un error numrico al preparar su declaracin de impuestos. Si se seleccionan al azar 10 000 formas y se examinan, encuentre la probabilidad de que 6, 7 u 8 formas tengan error. r. 0.2657 31. 31. La probabilidad de que un estudiante presente problemas de escoliosis (desviacin lateral sufrida por la columna vertebral) en una escuela de la localidad es de 0.004. De los siguientes 1875 estudiantes revisados encuentre la probabilidad de que a) a) menos de 5 presenten este problema b) b) 8, 9 o 10 presenten este problema r. a) 0.1321 b) 0.3376 32. 32. En un proceso de manufactura se seleccionan aleatoriamente 15 unidades diarias de la lnea de produccin para verificar el porcentaje del nmero de defectos en el proceso. A partir de informacin histrica se sabe que la probabilidad de que se tenga una unidad defectuosa es 0.05. El proceso se detiene en cualquier momento en que se encuentran dos o ms defectos. Este procedimiento se utiliza para proporcionar una seal en caso de que la probabilidad de defectos se incremente. a) a) Cul es la probabilidad de que en un determinado da el proceso de produccin se detenga? (suponga un 5% de defectos) b) b) Suponga que la probabilidad de que se tenga un defecto se incrementa a 0.07. Cul es la probabilidad de que en un determinado da el proceso de produccin se detenga? 33. 33. Se est considerando la produccin de una mquina automtica de soldar. Se considerar exitosa si tiene una efectividad del 99% en sus soldaduras. De otra manera, no se considerar eficiente. Se lleva a cabo la prueba de un prototipo y se realizan 100 soldaduras. La mquina se aceptar para su fabricacin si no son defectuosas ms de tres soldaduras. a) a) Cul es la probabilidad de que una mquina eficiente sea rechazada? b) b) Cul es la probabilidad de que una mquina ineficiente con 95% de soldaduras correctas sea aceptada? 34. 34. Una agencia que renta automviles en un aeropuerto local tiene disponibles 5 Ford, 7 Chevrolet, 4 Dodge, 3 Datsun y 4 Toyota. Si la agencia selecciona aleatoriamente 9 de estos vehculos para transportar delegados desde el aeropuerto hasta el centro de convenciones en el

centro de la ciudad, encuentre la probabilidad de que se utilicen 2 Ford, 3 Chevrolet, 1 Dodge, 1 Datsun y 2 Toyota. 35. Las llamadas de servicio entran a un centro de mantenimiento de acuerdo con un proceso de Poisson y en un promedio entran 2.7 llamadas por minuto. Encuentre la probabilidad de que: a) a) no ms de 4 llamadas entren en un minuto cualquiera; b) b) menos de 2 llamadas entren en un minuto cualquiera; ms de 10 llamadas entren en un periodo de 5 minutos.

UNIDAD V. DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

Entre las distribuciones a tratar en esta unidad seran: 1. Distribucin Normal 2. Aproximacin de la Normal a la Binomial 3. Exponencial 1. DISTRIBUCIN NORMAL. Caractersticas: a) a) Es generada por una variable de tipo continuo, denominada x; -< x < b) b) La funcin que nos define esta distribucin es:

f ( x , , 2 ) =

2 2 1 ( x ) / 2 2

-< x <

Al dar a la funcin los valores de , 2 y valores a x, obtendremos la distribucin en cuestin, la que tiene forma de campana, por lo que tambin se le conoce como campana de Gauss. Hay un nmero infinito de funciones de densidad Normal, una para cada combinacin de y . La media mide la ubicacin de la distribucin y la desviacin estndar mide su dispersin. c) Es simtrica con respecto a su eje vertical. d) Es asinttica con respecto a su eje horizontal; esto quiere decir que jams va a tocar el eje de las equis. e) El rea total bajo la curva es 1. f) S sumamos a , se observar que aproximadamente el 68.26% de los datos se encuentran bajo la curva, si sumamos a 2 , el 95.44% de los datos estar entre esos lmites y si sumamos a 3 , entonces el 99.74% de los datos caer dentro de esos lmites. Esta caracterstica es a la vez una forma emprica y rpida de demostrar si los datos que se analizan tienen una distribucin Normal; ya que para trabajar los datos con esta distribucin, debe verificarse que efectivamente as se distribuyen, ya que de no hacerlo, las decisiones que en un momento dado se tomarn de un anlisis de los datos con la distribucin Normal, seran errneas.

Cmo se determinan probabilidades con la distribucin Normal? De acuerdo a como se trataron las distribuciones de probabilidad continuas en la unidad III, lo ms lgico es que la funcin f(x, , 2), se integre entre los lmites de la variable x; esto es,

p( a x < b ) =

f ( x , ,
a

)dx

La integral anterior nos dara el rea bajo la curva de la funcin, desde a hasta b, que corresponde o es igual a la probabilidad buscada. Debido a la dificultad que se presenta para integrar esta funcin cada vez que sea necesario, lo que se hace es tipificar el valor de la variable x, esto es, x se transforma en un valor de z, de la siguiente manera: x z= = valor Este valor de z es buscado en una tabla donde vienen reas asociadas a este valor, y haciendo uso de los valores tabulados, se determina la probabilidad requerida. La tabla que es usada para calcular las probabilidades es la que nos d el rea que se muestra a continuacin:

0 Ejemplos:
1.

1. El acero que se utiliza para tuberas de agua a menudo se recubre internamente con un mortero de cemento para evitar la corrosin. En un estudio de los recubrimientos de mortero de una tubera empleada en un proyecto de transmisin de agua en California (Transportation Engineering Journal, Noviembre de 1979) se especific un espesor de 7/16 pulgadas para el mortero. Un gran nmero de mediciones de espesor dieron una media de 0.635 pulgadas y una desviacin estndar de 0.082 pulgadas. S las mediciones de espesor, tenan una distribucin Normal, qu porcentaje aproximado fue inferior a 7/16 de pulgada?

Solucin: x = variable que nos define el espesor del mortero en pulgadas = 0.635 pulgadas = 0.082 pulgadas

X = 7/16 Z

=0.635

Z=

7 / 16 0.635 0.4375 0.635 = = 2.4085 2.41 0.082 0.082

p(z <= -2.41) = 1 - p(z <= 2.41) = 1 - 0.9920 = 0.008

p(x < 7/16 pulgadas) = 0.008

Por tanto, 0.008 x 100% = 0.8% de los recubrimientos de mortero tienen un espesor menor de 7/16 pulgadas

2. 2. Un tubo fluorescente estndar tiene una duracin distribuida Normalmente, con una media de 7,000 horas y una desviacin estndar de 1,000 horas. Un competidor ha inventado un sistema de iluminacin fluorescente compacto que se puede insertar en los receptculos de lmparas incandescentes. El competidor asegura que el nuevo tubo compacto tiene una duracin distribuida Normalmente con una media de 7,500 horas y una desviacin estndar de 1,200 horas. a. Cul tubo fluorescente tiene mayor probabilidad de tener una duracin mayor de 9,000 horas? b. Cul tubo tiene mayor probabilidad de tener una duracin de menos de 5,000 horas? Solucin: a) Tubo 1 X1 = variable que nos define la duracin en horas de un tubo fluorescente = 7,000 horas = 1,000 horas

Tubo 2 X2 = variable que nos define la duracin del tubo fluorescente del competidor = 7,500 horas = 1,200 horas

=7000

X= 9000

z1 =

9,000 7 ,000 = 2.00 1,000

p(z1 >= 2.00) = 1 0.9792 = 0.0228

p(x1 > 9,000 horas) = 0.0228

=7500

X = 9000

z2 =

9 ,000 7 ,500 = 1.25 1,200

p(z2 >= 1.25) = 1 - 0.8943 = 0.1056

p(x2 > 9,000 horas) = 0.1056 Por tanto el tubo fluorescente del competidor tiene una probabilidad mayor de durar ms de 9,000 horas. b)

X = 5000

=7000

z1 =

5,000 7 ,000 = 2.00 1,000

p(z1 <=-2.00) = 1 - p(z1 <= 2.00) = 0.9772= 0.0228

p(x1 < 5,000 horas) = 0.0228

X = 5000

= 7500

z2 =

5,000 7 ,500 = 2.08 1,200

p(z2 <= -2.08) = 0.0188

p(x2 < 5,000 horas) = 0.0188 Por tanto, el tubo fluorescente que tiene una mayor probabilidad de durar menos de 5,000 horas es el del primer fabricante. 3. 3. La distribucin de la demanda (en nmero de unidades por unidad de tiempo) de un producto a menudo puede aproximarse con una distribucin de probabilidad Normal. Por ejemplo, una compaa de comunicacin por cable ha determinado que el nmero de interruptores terminales de botn solicitados diariamente tiene una distribucin Normal, con una media de 200 y una desviacin estndar de 50. a) a) En qu porcentaje de los das la demanda ser de menos de 90 interruptores? b) b) En qu porcentaje de los das la demanda estar entre 225 y 275 interruptores? c) c) Con base en consideraciones de costos, la compaa ha determinado que su mejor estrategia consiste en producir una cantidad de interruptores suficiente para atender plenamente la demanda en 94% de todos los das. Cuantos interruptores terminales deber producir la compaa cada da? Solucin: a) X = variable que nos indica el nmero de interruptores demandados por da a una compaa de cable = 200 interruptores por da = 50 interruptores por da

X = 90

= 200

z=

90 200 = 2.20 50

p(z = - 2.20) = 0.0139

p(x < 90) = 0.0139 Por tanto, 0.0139 x 100% = 1.39% de los das se tendr una demanda menor de 90 interruptores.

b)

= 200

X1 = 225

X2 = 275

z1 =

225 200 = 0.50 50

p(z1 <= 0.50) = F(0.5)= 0.6914

z2 =

275 200 = 1.50 50

p(z2 <= 1.50) = F(1.5)= 0.9331

p(0.5 z 1.5) = F(z2) F(z1) = 0.9331 0.6914 = 0.2417 p(225 x 275) = 0.2417 Por tanto, 0.2417 x 100% = 24.17% de los das se tendr una demanda entre 225 y 275 interruptores. c) c) En este caso se trata de determinar que valor toma x cuando se pretende cumplir con el 94% de la demanda de todos los das.

Por tanto despejaremos de la frmula de z;

94%

= 200

X=

Z
Z= x ;

x = + z

x = + z(p = 0.94) = 200 + z(p = 0.94)(50) = = 200 + (1.55)(50) = 277.5 278 interruptores terminales por da cmo se obtiene el valor de z? En la tabla buscamos la z que corresponde a una probabilidad de 0.94 y nos damos cuenta de que no existe un valor exacto de 0.94 por lo que tomamos los valores de rea ms cercanos; luego, z(p = 0.9394) = 1.50; z(p = 0.9406) = 1.60

Por tanto si interpolamos, encontramos que el valor de z para una probabilidad de 0.94 es de 1.55, y es el valor que se sustituye en la ecuacin. En algunos casos las tablas solo indican la mitad de la probabilidad y hay que recordar que la otra mitad es 0.6. por esto surge la pregunta Cul es la razn de usar un rea de 0.44 en lugar de una de 0.94 para buscar en la tabla el valor de z? Es muy simple, la tabla que estamos usando es una tabla que solo trabaja con reas que son definidas de la media hasta el valor de x y x puede estar tanto del lado derecho de la media, como del lado izquierdo de la media, es por esto que el rea a utilizar es de 0.44 que se encuentra al lado derecho de la media.

3. DISTRIBUCIN EXPONENCIAL.
A pesar de que la distribucin Normal puede utilizarse para resolver muchos problemas en ingeniera y ciencias, existen an numerosas situaciones que requieren diferentes tipos de funciones

de densidad, tales como la exponencial y la gamma y algunas otras como la weibull, etc., etc., de momento solo trataremos sobre el uso de la exponencial. Resulta que la exponencial es un caso especial de la distribucin gamma, ambas tienen un gran nmero de aplicaciones. Las distribuciones exponencial y gamma juegan un papel importante tanto en teora de colas como en problemas de confiabilidad. El tiempo entre las llegadas en las instalaciones de servicio y el tiempo de falla de los componentes y sistemas elctricos, frecuentemente involucran la distribucin exponencial. La relacin entre la gamma y la exponencial permite que la distribucin gamma se utilice en tipos similares de problemas. La variable aleatoria x tiene una distribucin exponencial, con parmetro , si su funcin de densidad es: 1 f(x)= x donde > 0 La media y la variancia de la distribucin exponencial son: = y 2 = 2
x

,x>0

; f(x) = 0 en cualquier otro caso

Relacin con el proceso de Poisson. Las aplicaciones ms importantes de la distribucin exponencial son aquellas situaciones en donde se aplica el proceso de Poisson , es necesario recordar que un proceso de Poisson permite el uso de la distribucin de Poisson. Recurdese tambin que la distribucin de Poisson se utiliza para calcular la probabilidad de nmeros especficos de eventos durante un perodo o espacio particular. En muchas aplicaciones, el perodo o la cantidad de espacio es la variable aleatoria. Por ejemplo un ingeniero industrial puede interesarse en el tiempo T entre llegadas en una interseccin congestionada durante la hora de salida de trabajo en una gran ciudad. Una llegada representa el evento de Poisson. La relacin entre la distribucin exponencial (con frecuencia llamada exponencial negativa) y el proceso llamado de Poisson es bastante simple. La distribucin de Poisson se desarroll como una distribucin de un solo parmetro , donde puede interpretarse como el nmero promedio de eventos por unidad de tiempo . Considrese ahora la variable aleatoria descrita por el tiempo que se requiere para que ocurra el primer evento. Mediante la distribucin de Poisson, se encuentra que la probabilidad de que no ocurran en el espacio hasta el tiempo t est dada por: t ( t )0 p( 0,t ) = = t 0! ; = 2.718 Ahora puede utilizarse lo anterior y hacer que X sea el tiempo para el primer evento de Poisson. La probabilidad de que el perodo hasta que ocurre el primer evento de Poisson exceda x es la misma que la probabilidad de que no ocurra un evento de Poisson en x. Esto ltimo por supuesto x est dado por . Como resultado,

 x P(X x) =

Entonces, la funcin de distribucin acumulada para x es:

x P(0 X x) = 1 -

Ahora, con objeto de que se reconozca la presencia de la distribucin exponencial, puede derivarse la distribucin acumulada anterior para obtener la funcin de densidad:
x f(x) =

La cual es la funcin de densidad de la distribucin exponencial con

Ntese que la media de la distribucin exponencial es el parmetro , el recproco del parmetro en la distribucin de Poisson. El lector debe recordar que con frecuencia se dice que la distribucin de Poisson no tiene memoria, lo cul implica que las ocurrencias en perodos de tiempo sucesivos son independientes. Aqu el parmetro importante es el tiempo promedio entre eventos. En teora de la confiabilidad, donde la falla de un equipo concuerda con el proceso de Poisson, recibe el nombre de tiempo promedio entre fallas. Muchas descomposturas de equipo siguen el proceso de Poisson, y entonces la distribucin exponencial es aplicable. En el siguiente ejemplo se muestra una aplicacin simple de la distribucin exponencial en un problema de confiabilidad. La distribucin binomial tambin juega un papel importante en la solucin. Ejemplos: 1. Suponga que un sistema contiene cierto tipo de componente cuyo tiempo de falla en aos est dado por la variable aleatoria T, distribuida exponencialmente con tiempo promedio de falla = 5 . S 5 de estos componentes se instalan en diferentes sistemas, cul es la probabilidad de que al menos 2 continen funcionando despus de 8 aos? Solucin: La probabilidad de que un determinado componente est funcionando an despus de 8 aos es:
1 P( > 8 ) = 5 dt = 5 58 t 8

1 .

0.2
la | nos indica que la integral se va a evaluar desde 8

hasta

Sea x el nmero de componentes funcionando despus de 8 aos. Entonces mediante la distribucin Binomial, n=5 p = 0.20 = probabilidad de que un componente est funcionando despus de 8 aos

q = 1-p = 0.80 = probabilidad de que un componente no funcione despus de 8 aos P(x 2 ) = p(x=2) + p(x=3) + p(x=4)+p(x=5) = 1 p(x = 0, 1)
= 1 { 5 C0 ( 0.2 )0 ( 0.8 )5 + 5 C1( 0.2 )1( 0.8 )4

} = 1 0.7373 = 0.2627

2. El tiempo que transcurre antes de que una persona sea atendida en una cafetera es una variable aleatoria que tiene una distribucin exponencial con una media de 4 minutos. Cul es la probabilidad de que una persona sea atendida antes de que transcurran 3 minutos en al menos 4 de los 6 das siguientes? Solucin:
1 t P( T 3 ) = 4 dt = 4 40 3 1 1

= 1

3 4

= 0.5276
la nos indica que la integral va a ser

evaluada de 0 a 3 x = nmero de das en que un cliente es atendido antes de que transcurran 3 minutos x = 0, 1, 2,...,6 das p = probabilidad de que un cliente sea atendido antes de que transcurran 3 minutos en un da cualquiera = 0.5276 q = probabilidad de que un cliente no sea atendido antes de que transcurran 3 minutos en un da cualquiera = 1- p = 0.4724

P( x = 5o6, N = 6, p = 0.5276 )=6 C5 ( 0.5276 )5 ( 0.4724 )1 +6 C6 ( 0.5276 )6 ( 0.4724 )0 =

= 0.11587 + 0.02157 = 0.13744

4. Problemas Propuestos.
1. 1. Un investigador de la UCLA reporta que las ratas viven un promedio de 40 meses cuando sus dietas son muy restringidas y luego enriquecidas con vitaminas y protenas. Suponiendo que las vidas de tales ratas estn normalmente distribuidas con una desviacin estndar de 6.3 meses, encuentre la probabilidad de que una rata determinada viva a) a) ms de 32 meses; b) b) menos de 28 meses; c) c) entre 37 y 49 meses. r. a) 0.8980 b) 0.0287 c) 0.6080

2. 2. Las piezas de pan de centeno distribuidas a las tiendas locales por una cierta pastelera tienen una longitud de 30cm y una desviacin estndar de 2cm. Suponiendo que las longitudes estn normalmente distribuidas, qu porcentaje de las piezas son a) a) de ms de 31.7cm de longitud? b) b) entre 29.3 y 33.5 cm de longitud? c) c) de una longitud menor que 25.5 cm? r. a) 19.77% b) 59.67% c) 1.22% 3. 3. Una mquina despachadora de refrescos est ajustada para servir un promedio de 200 ml por vaso. Si la cantidad de refresco es normalmente distribuida con una desviacin estndar igual a 15 ml. a) a) Qu fraccin de los vasos contendr ms de 224 ml? b) b) Cul es la probabilidad de que un vaso contenga entre 191 y 209 ml? c) c) Cuntos vasos probablemente se derramarn si se utilizan vasos de 230 ml en los siguientes 1000 refrescos? d) d) Debajo de qu valor se obtiene el 25% ms pequeo de los refrescos? r. a) 0.0548 b) 0.4514 c) 23 d) 189.95 ml 4. 4. El dimetro interno ya terminado de un anillo de pistn est normalmente distribuido con una media de 10 cm y una desviacin estndar de 0.03 cm. a) a) Qu proporcin de los anillos tendr un dimetro interno que exceda de 10.075 cm? b) b) Cul es la probabilidad de que un anillo de pistn tenga un dimetro interno entre 9.97 y 10.03 cm? c) c) Debajo de qu valor de dimetro interno caer el 15% de los anillos de pistn? r. a) 0.0062 b) 0.6826 c) 9.969 cm 5. 5. Un abogado se traslada diariamente de su casa en los suburbios a su oficina en el centro de la ciudad. En promedio el viaje le toma 24 minutos con una desviacin estndar de 3.8 minutos. Asuma que la distribucin de los tiempos de traslado est normalmente distribuida. a) a) Cul es la probabilidad de que un traslado le tome al menos hora? b) b) Si la oficina abre a las 9:00 AM y l sale de su casa a las 8:45 AM diariamente Qu porcentaje de las veces llega tarde a su trabajo? c) c) Si deja su casa a las 8:35 AM y en la oficina se sirve un caf entre las 8:50 y las 9:00 AM Cul es la probabilidad de que se pierda el caf? d) d) Encuentre el periodo arriba del cual se encuentra el 15% de los traslados ms lentos. e) e) Encuentre la probabilidad de que 2 de los siguientes traslados tomarn al menos hora. r. a) 0.0571

b) 99.11% c) 0.3974 d) 27.952 e) 0.0092 6. 6. Las estaturas de 1000 estudiantes estn normalmente distribuidas con una media de 174.5 cm y una desviacin estndar de 6.9 cm. Suponiendo que las alturas se registran cerrando los valores a los medios centmetros, Cuntos estudiantes tendran estaturas a) a) menores que 160.0 cm? b) b) entre 171.5 y 182 cm? c) c) de 175 cm? d) d) mayores que o iguales a 188.0 cm? r. a) 16 b) 549 c) 28 d) 27 7. 7. Una compaa paga a sus empleados un salario promedio de $9.25 por hora con una desviacin estndar de 60 centavos. Si los salarios estn distribuidos aproximadamente en forma normal y los montos se cierran a centavos, a) a) Qu porcentaje de los trabajadores reciben salarios entre $8.75 y $9.69 por hora inclusive? b) b) el 5% ms alto de los salarios por hora de empleado es mayor a qu cantidad? r. a) 56.99% b) $10.23 8. 8. La resistencia a la tensin de cierto componente metlico est normalmente distribuida con una media de 10 000 kg/cm 2 y una desviacin estndar de 100 kg/cm 2. Las mediciones se registran y se redondean a 50 kg. a) a) Cul es la proporcin de estos componentes que exceden de 10 150 kg/cm 2 de resistencia a la tensin? b) b) Si las especificaciones requieren que todos los componentes tengan una resistencia a la tensin entre 9800 y 10200 kg/cm2 inclusive, qu porcentaje de piezas se esperara que se desecharan? r. a) 0.0401 b) 0.0244 9. 9. Si un conjunto de observaciones estn normalmente distribuidas, qu porcentaje de stas difiere de la media en a) a) ms de 1.3 ? b) b) menos de 0.5 ? r. a) 19.36% b) 39.70% 10. 10. La precipitacin pluvial promedio, registrada hasta centsimas de milmetro en Roanoke, Virginia, en el mes de marzo es de 9.22 centmetros. Suponiendo que se trata de una

distribucin normal con una desviacin estndar de 2.83 cm, encuentre la probabilidad de que el prximo marzo Roanoke tenga a) a) menos de 1.84 cm de lluvia; b) b) ms de 5 cm pero no ms de 7 de lluvia; c) c) ms de 13.8 cm de lluvia. r. a) 0.0045 b) 0.1496 c) 0.0526 11. 11. La vida promedio de cierto tipo de motor pequeo es de 10 aos con una desviacin estndar de 2 aos. El fabricante repone sin cargo todos los motores que fallen dentro del periodo de garanta. Si est dispuesto a reponer slo 3% de los motores que fallan, qu tan larga deber ser la garanta que otorgue? Suponga que las vidas de los motores siguen una distribucin normal. r. 6.24 aos 12. 12. Un proceso produce 10% de artculos defectuosos. Si se seleccionan del proceso 100 artculos aleatoriamente, cul es la probabilidad de que el nmero de defectuosos a) a) exceda de 13? b) b) sea menor de 8? r. a) 0.1210 b) 0.2033 13. 13. Investigadores de la George Washington University y el National Institute of Health reportan que aproximadamente 75% de las personas creen que los tranquilizantes funcionan muy bien para que una persona est ms tranquila y ms relajada. De las siguientes 80 personas entrevistadas, cul es la probabilidad de que a) a) al menos 50 sean de la misma opinin? b) b) mas de 56 sean de la misma opinin? r. a) 0.9966 b) 0.1841 14. 14. Si 20% de los residentes en una ciudad de los Estados Unidos prefiere un telfono blanco que cualquier otro color disponible, cul es la probabilidad de que entre los siguientes 1000 telfonos que se instalen en esta ciudad a) a) entre 170 y 185 inclusive sean blancos? b) b) al menos 210 pero no ms de 225 sean blancos? r. a) 0.1171 b) 0.2049 15. 15. Un fabricante de medicamentos sostiene que cierta medicina cura una enfermedad de la sangre en el 80% de los casos. Para verificarlo, los inspectores del gobierno utilizan el medicamento en una muestra de 100 individuos y deciden aceptar dicha afirmacin si se curan 75 o ms. a) a) Cul es la probabilidad de que lo que se dice sea rechazado cuando la probabilidad de curacin sea, en efecto, 0.8?

b) b) Cul es la probabilidad de que la afirmacin sea aceptada por el gobierno cuando la probabilidad de curacin sea menor a 0.7? r. a) 0.0838 b) 0.1635 16. 16. Estadsticas publicadas por la National Highway Traffic Safety Adminitration y el National Safety Council muestran que en una noche de fin de semana, en promedio, 1 de cada 10 conductores est ebrio. Si se verifican 100 conductores en forma aleatoria la siguiente noche del sbado, cul es la probabilidad de que el nmero de conductores ebrios sea a) a) menor de 32? b) b) ms de 49? c) c) al menos 35 pero menos de 47? r. a) 0.0778 b) 0.0571 c) 0.6811 17. 17. La cantidad de tiempo durante el que funciona una cmara de vigilancia sin que se le reponga es una variable aleatoria con distribucin exponencial, con = 50 das. Determine las probabilidades de que una cmara as, a) tenga que ser repuesta en menos de 20 das, b) tenga que ser repuesta en al menos 40 das. 18. 18. Una refinadora de azcar tiene 3 plantas de proceso, y todas reciben azcar morena a granel. La cantidad de azcar que puede procesar una planta en un da se pude representar mediante una funcin exponencial con un promedio de 4 (mediciones en toneladas), para cada una de las tres plantas. Si las plantas trabajan en forma independiente, calcular la probabilidad de que sean exactamente 2 de las tres plantas las que procesen ms de 4 toneladas en un da determinado. r.0.26