Clculo de Probabilidades y Variables

Aleatorias
Ejercicio 1.1. Una mujer portadora de hemofilia clsica da a luz tres hijos.
a) Cul es la probabilidad que de los tres hijos, ninguno est afectado por la
enfermedad? b)Cul es la probabilidad que exactamente dos de los tres nios
est afectado?

a)

Probabilidad de tener un hijo sano (asumiendo que el padre est sano) : 50%

A= afectado (50%)

S= sano (50%)

Probabilidad de que ninguno de los hijos este afectado:

P (A1 A2 A3): 0,5 x 0,5 x 0,5 = 0,125

b)

Probabilidad de que dos de los tres hijos est afectado:

{ (AAS), (SAA), (ASA)} = 3 resultados posibles de

2x2x2 = 8 resultados posibles para tres hijos.

3/8 = 0,375 ; la probabilidad de tener exactamente dos de los tres hijos

afectados

Ejercicio 1.2

La proporcin de alcohlicos que existe en la una ciudad es, aproximadamente,

un 10%; no obstante, en las bajas que dan los mdicos del Seguro Social
difcilmente se encuentra el diagnostico de alcoholismo. Aparecen sin embargo
diagnosticados de hepatopatas, lumbalgias, etc., que pueden hacer sospechar
alcoholismo subyacente. Se realiz un estudio que puso de manifiesto que el
85% de los individuos alcohlicos y el 7% de los no alcohlicos sufran tales
patologas. Se desea saber cul es la probabilidad que un individuo con esas
patlogas sea realmente alcohlico.

Datos: Alcohlico: A+, No Alcohlico: A- , Sufrir patologas: E

P(E) = P(A) P(E|A) + P(A-) P(E|A-)

P(E) = (0,1)(0,85) + (0,9)(0,07)

P(E) = 0,148

Luego: P(A|E) = P(A) P(E|A) / P(E)

P(A|E) = (0,1)(0,85) / 0,148

P(A|E) = 0.574

Por lo tanto, la probabilidad que un individuo con esas patologas sea

realmente alcohlico es de 57,4%.

Ejercicio 1.3. La probabilidad que un doctor diagnostique en forma correcta

una determinada enfermedad es de 0.7. Dado que el doctor hace un
diagnstico incorrecto, la probabilidad que un paciente presente una demanda
es de 0.9. Cul es la probabilidad que el doctor haga un diagnostico incorrecto
y el paciente presente una demanda?

Probabilidades:

C= dx correcto, I= dx incorrecto, D=demanda.

P (C)=0,7 ; P (I)=0,3 ; P (D| I ) = 0,9

P (D| I ) P (I) =0,3 x 0,9 = 0,27

La probabilidad es 0,27.

Ejercicio 1.4

El 60% de los individuos de una poblacin estn vacunados contra una cierta
enfermedad. Durante una epidemia se sabe que el 20% la ha contrado que 2
de cada 100 individuos vacunados contrajeron la enfermedad. Hallar la
proporcin de vacunados que enfermaron y el de no vacunados entre los que
estn enfermos.

P (V) = 0,6 ; P(E)=0,2; P(E|V) = 0,02

P(V|E) = P(V) P(E|V) / P(E)

P(V|E) = (0,6)(0,02) / 0,2

P(V|E) = 0,06

Por lo tanto, la proporcin de vacunados en los individuos enfermos es 6% y la

proporcin de los no vacunados entre los que estn enfermos es (100-6) =
94%.
Ejercicio 1.5. En un pas, la probabilidad que una empresa industrial
contamine si hay ley ecolgica es 0.01. La probabilidad que se promulgue una
ley ecolgica es 0.5, y la probabilidad que una empresa industrial contamine es
de 0.1. Calcular:
(a) Se conoce que la empresa contamina, Cul es la probabilidad que haya ley
ecolgica?
(b) Probabilidad que la empresa no contamine
(c) Probabilidad que la empresa no contamine y haya ley ecolgica

P(E): Ley ecolgica: 0,5 ; P(C): Contamine: 0,1

P(C|E) : 0,01

a)

P(E|C) : P(E) x P(C|E) / P(C) = (0,5)(0,01)/(0,1) = 0.05

b)

P(Cc) = 1- P(C) = 1-0,1= 0,9

c)

P ( Cc E) = (0,9 x 0,5) = 0,45

Ejercicio 1.6.

La proporcin de alcohlicos que existe en la poblacin del Callao es,

aproximadamente, un 10%; no obstante, en las bajas que dan los mdicos de
la Seguridad Social difcilmente se encuentra el diagnostico de alcoholismo.
Aparecen sin embargo diagnosticados de hepatopatas, lumbalgias, etc., que
pueden hacer sospechar alcoholismo subyacente. Se realizo un estudio que
puso de manifiesto que el 85% de los individuos alcohlicos y el 7% de los no
alcohlicos sufran tales patologas. Se desea saber cul es la probabilidad que
un individuo con esas patologas sea realmente alcohlico.

Datos: Alcohlico: A+, No Alcohlico: A- , Sufrir patologas: E

P(E) = P(A) P(E|A) + P(A-) P(E|A-)

P(E) = (0,1)(0,85) + (0,9)(0,07)

P(E) = 0,148

Luego: P(A|E) = P(A) P(E|A) / P(E)

P(A|E) = (0,1)(0,85) / 0,148

 P(A|E) = 0.574

Por lo tanto, la probabilidad que un individuo con esas patologas sea

realmente alcohlico es de 57,4%.

Ejercicio 1.7. Dos tratamientos A y B curan una determinada enfermedad en el

20% y 30% de los casos, respectivamente. Suponiendo que ambos actan de
modo independiente, cul de las dos siguientes estrategias utilizar a para curar
a un individuo con tal enfermedad:

(a) Aplicar ambos tratamientos a la vez.

(b) Aplicar primero el tratamiento B y, si no surte efecto, aplicar el A.

Estamos interesados en saber cul de dos anlisis A y B es mejor para el

diagnstico de una determinada enfermedad, de la cual sabemos que la
presentan un 10% de individuos de la poblacin. El porcentaje de resultados
falsos positivos del an_alisis A es del 15% y el de B es del 22%. El porcentaje
de falsos negativos de A es del 7% y de B es del 3%. Cul es la probabilidad
de acertar en el diagnstico con cada mtodo?.

Primera parte:

Probabilidades de cura de acuerdo al tratamiento:

A: 0,2

B: 0,3

Probabilidad de opcin a) P ( A B) = (0,2 x 0,3) = 0,6

Probabilidad de opcin b) P ( A|Bc) = (0,2 x 0,7)/ 0,7 = 0,2

Aplicar los dos tratamientos a la vez es una mejor opcin

Estamos interesados en saber cul de dos anlisis A y B es mejor para el

diagnstico de una determinada enfermedad, de la cual sabemos que la
presentan un 10% de individuos de la poblacin. El porcentaje de resultados
falsos positivos del anlisis A es del 15% y el de B es del 22%. El porcentaje de
falsos negativos de A es del 7% y de B es del 3%.

>Cul es la probabilidad de acertar en el diagnstico con cada mtodo?.

Segunda parte:
VP= verdaderos positivos, VN=verdaderos negativos

FP = falsos positivos , FN= falsos negativos

P(VP)= 0,1 P(VN)=0,9

Probabilidad de que el positivo de la prueba A o B sea un VP , y para VN

Para los pacientes VP:

P(AP) = 1-0,15 = 0,75 P(BP) = 1-0,22 = 0,78

Para los pacientes VN:

P(AN) = 1-0,07 = 0,93 P(BP) = 1-0,03 = 0,97

Entonces

P (AP | VP) = (0,75 x 0,1) / 0,1 = 0,75

P (BP | VP) = (0,78 x 0,1) / 0,1 = 0,78

P (AN| VN)= (0,93 x 0,9) / 0,9 = 0,93

P (BN| VN)= (0,97 x 0,9) / 0,9 = 0,97

Probabilidad de acertar (sea VP o VN)

P (A)= P((AP | VP) (AN| VN)) = 0,75 +0,93 - (0,75 x 0,93) = 0,9825

P (B)= P((BP | VP) (BN| VN)) = 0,78 +0,97 - (0,78 x 0,97) = 0,9934

Ejercicio 1.8

Con objeto de diagnosticar la colelitiasis se usan los ultrasonidos. Tal tcnica

tiene una sensibilidad del 91% y una especificidad del 98%. En la poblacin
que nos ocupa la probabilidad de colelitiasis es del 20%. Si a un individuo de tal
poblacin se le aplican los ultrasonidos y dan positivos.

(a) Cul es la probabilidad que sufra la colelitiasis?

(b) Si el resultado fuese negativo, cul es la probabilidad que no tenga la

enfermedad?.

a) Queremos encontrar P(E|Pos):

P(E) = 0,2 ; P(E-)=0,8

Sensibilidad : P(Pos|E) = 0,91

Especificidad: P(Pos-|E-)= 0,98 = VN / (VN + FP)

VN+FP = P(E-)=0,8

VN=0,98X 0,8 = 0,784

FP = P(Pos|E-) = 0,8-0,784 = 0,016

VP+FP= P(Pos) = P(E)xP(Pos|E) + P(E-)xP(Pos|E-) = 0,2x0,91 + 0,8x0,016

P(Pos) = 0,1948

P(E|Pos)= P(E) x P(Pos|E) / P(Pos) = 0,2x0,91/0,1948

P(E|Pos)= 0.934291

b) Queremos encontrar P(E-|Pos-)

P(Pos-) = 1-P(Pos) = 0,8052

P(Pos-|E-) = 0,98 = Especificidad

P(E-|Pos-) = P(E-) x P(Pos-|E-) / P(Pos-) = 0,8 x 0,98 / 0,8052

P(E-|Pos-) = 0.974

Ejercicio 1.9. Los estudios epidemiolgicos indican que el 20% de los ancianos
sufren un deterioro neuropsicolgico. Sabemos que la tomografa axial
computarizada (TAC) es capaz de detectar este trastorno en el 80% de los que
lo sufren, pero que tambin da un 3% de falsos positivos entre personas sanas.
Si tomamos un anciano al azar y da positivo en el TAC, cul es la probabilidad
que est realmente enfermo?

E: Estar enfermo
Pos: Que el test de positivo

P(E) = 0,2
P(Pos|E) = 0,8
P(Pos|Ec) = 0,03
P(Pos)=[P(E) x P(Pos|E)] + [P(Ec)xP(Pos|Ec)] = [(0,2)(0,8)+ (0,8)(0,03)])= 0,184

Entonces:

P(E|Pos) = P(E) x P(Pos|E) / P(Pos) = (0,2)(0,8)/0,184 = 0,869

La probabilidad de que est enfermo es 87%

Ejercicio 1.10. Una enfermedad puede estar producida por tres virus A, B, y
C. En el laboratorio hay 3 tubos de ensayo con el virus A, 2 tubos con el virus B
y 5 tubos con el virus C. La probabilidad que el virus A produzca la enfermedad
es de 1/3, que la produzca B es de 2/3 y que la produzca el virus C es de 1/7.
Se inocula un virus a un animal y contrae la enfermedad. Cul es la
probabilidad que el virus que se inocule sea el C?.

3/10 tubos virus A 1/3

2/10 tubos virus B 2/3

5/10 tubos virus C 1/7

P(A)=3/10 , P(B)=2/10, P(C)=5/10

E= enfermarse

P (E|A) = 1/3 , P (E|B) = 2/3 , P(E|C) = 1/7.

P(E) = [P (E|A)x P(A)]+ [P (E|B)x P(B)] +[ P(E|C)x P(C)]

P(E) = 0.000952380952381

P(C|E) = P(C) x P(E|C) / P(E) = (0,5) x (0,143)/ (0.304762)

P(C|E) = 0.2346093755865234

Ejercicio 1.11. En cierta regin del pas se sabe, por experiencias pasadas,
que la probabilidad de elegir a un adulto de ms de 40 ao con cncer es de
0.02. Si la probabilidad que un doctor diagnostique en forma correcta que una
persona tiene cncer es de 0. 78 y la probabilidad que diagnostique de manera
incorrecta que una persona que tiene cncer no lo tiene es de 0.06, cul es la
probabilidad que diagnostique que una persona tiene cncer? cul es la
probabilidad que una persona a la que se le ha diagnosticado cncer est en
realidad enfermo?

C: Tener cancer siendo mayor de cuarenta.

Pos: Posibilidad de tener un diagnstico positivo

P(CC) = 0,02
P(Pos|CC)=0,78
P(Pos|CCc)=0,06

Entonces
P(Pos) = [(P(CC) x P(Pos|CC)] + [P(CCc)x P(Pos|CCc)] =
(0.02)(0.78)+(0.98)(0.06) = 0.074 = 7.4%

P(CC|Pos) = P(CC) x P(Pos|CC) / P(Pos) = 0,02x0,78 /0,074 = 0,21 =21%

Ejercicio 1.12.

A un sospechoso se le aplica un suero de la verdad que se sabe es confiable

en 90% cuando la persona es culpable y en 99% cuando la persona es
inocente. En otras palabras, el 10% de los culpables se consideran inocentes
cuando se usa el suero y el 1% de los inocentes se juzgan culpables. Si el
sospechoso se escogi de un grupo del cual slo 5% han cometido alguna vez
un crimen y el suero indica que la persona es culpable, cul es la probabilidad
que sea inocente?

C: culpable C-: inocente

S: culpable por el suero S- : inocente por el suero

P(C) = 0,05

P(C-) = 1 - P(C)

P(C-) = 0,95

P(C-|S) = P(S|C-) P(C-) / [P(S|C-)*P(C-) + P(S|C)*P(C)]

P(C-|S) = (0,01)(0,95) / [(0,01)(0,95) + (0,90)(0,05) ]

P(C-|S) = 0,17

Por lo tanto, la probabilidad que una persona sea inocente dentro de un grupo
donde el 5% ha cometido al menos un crimen es de 17%.

VARIABLES ALEATORIAS

Ejercicio 2.1. El Departamento de seguridad de un centro comercial afirma que

el 96% de sus clientes que acuden al supermercado hacen compras en las
secciones de alimentos, de bebidas y de limpieza. Se ha notado que el 2% de
dichos clientes manipulan incorrectamente a los productos los mismos que no
deben ser retirados de los estantes de exhibicin por estar daado (rotos,
incompletos, etc.). En una hora punta acudieron 80 clientes para hacer
compras en el supermercado, hallar la probabilidad que
(a) Exactamente que a 2 de ellos se les detecta que manipulan incorrectamente
un producto.
(b) Que no se registre perjuicios para el supermercado

a)
Posibilidad general de que ocurra el evento (manipulacin)
P(E)= 0,96*0,02=0.0192

P(X=k)= (80

)( 0,0192)k (0,9808)80-k ; k=0,1,2

k = 2=> (80
2
) (0,0192)2 (0,9808)78 = 6320 (0,00037)(0,22043) = 0,514

b) P(X=k)= (80
0
)( 0.0192)0 (0.9808)80 = (1)(1) (0,21) = 0,21

Ejercicio 2.2.

En una fbrica, el nmero de accidentes por semana sigue una ley de Poisson.
Si como promedio se producen dos accidentes semanales, se pide:

(a) La probabilidad que en una semana haya algn accidente.

(b) Cul es la probabilidad que sucedan dos accidentes en una semana y otros
dos en la semana siguiente?

(c) Si nos dicen que ha habido algn accidente, calcular la probabilidad que en
dicha semana no haya ms de tres accidentes.

Datos:

N = nmero de accidentes por semana.

P(X=x)= xe- / x!-1

P[X=1] = 21 x e-2 /1! =0,27

P[X=2] , luego P[X=2] = 0,27x0,27 = 0.0729

P[1X3] = P(X=1)+P(X=2)+P(X=3) = 0,27+0,27+0,18= 0,722

Ejercicio 2.3. Una compaa de seguros ha realizado estudios que muestran

que el 0,003% de los habitantes de una gran ciudad fallece cada ao como
resultado de un determinado tipo de accidente. Calcular:

(a) La probabilidad que la compaa tenga que pagar a ms de 3 de los 10.000

asegurados que tiene.
(b) El nmero de accidentes esperados.
 a) Distribucin de Poisson

= 30 (de 10 000)

e- (x) (x!)-1 = e-30 (300) (0!)-1 = 0,0000000000000936

e-30 (301) (1!)-1 = 0,0000000000028073
e-30 (302) (2!)-1 = 0,0000000000421093
e-30 (303) (3!)-1 =0,0000000004210930

suma = 0,0000000004661032

1 P(3) = 1 (0,0000000004661032) = 0,9999999995338970

b) 0,003 ( 10000) = 30

Ejercicio 2.4.

Supongamos que en un cierto pas el nmero de accidentes por semana

presenta una proporcin de uno por cada 250.000 habitantes. Determine la
probabilidad que en una cierta ciudad de ese pas con 500.000 habitantes haya
seis o ms accidentes en una semana.

Datos:

= (2 por cada 500 000)

P(X=x)= xe- / x!-1

Para

P[X=1] = 21 x e-1 /1!

P[X6] = 1 - P[X5] = 1 (0,135 +0,271+0,271 +0,180+0,090+0,036) = 1-0,983

P[X6] = 0,017 = 1. 7%

Por lo tanto, en una poblacin de 500 000 habitantes la probabilidad que

ocurran 6 ms accidentes en una semana es de 1,7%.

Ejercicio 2.5. El porcentaje de tabletas defectuosas de cierto medicamento

fabricado en unos laboratorios es del 1,2%.

a) Si las tabletas se envasan en tubos de 25, cul es la probabilidad que

un tubo contenga 3 tabletas defectuosas?
 b) Si los tubos se colocan en cajas de 20 unidades, cul es la probabilidad
que una caja contenga 15 tubos sin ninguna tableta defectuosa?

a) Distribucin hipergeomtrica

Asumiendo que por cada 250 tabletas hay 3 defectuosas (1.2%),

Sera

N=250, R=3, n=25, x=3

Pr (X=3) = H(250, 3, 25,3)

(33)(247
22 )
Pr (X=3) = (250
= 0,000894
25 )

b)

La posibilidad de que 1 tubo tenga 0 pastillas defectuosas es:

N=250, R=3, n=25, x=0

Pr (X=0) = H(1000, 12, 25,0)

(30)(247
25 )
Pr (X=0) = (250
= 0.728
25 )

La posibilidad de que tengamos 15 tubos con la misma condicin (sin

ninguna pastilla defectuosa) es:

0,72815 = 0,00855393

Ejercicio 2.6.

Un autobs pasa por cierta parada cada 8 minutos, aproximadamente. El

tiempo que debe esperar un usuario que llega a dicha parada se distribuye
uniformemente en el intervalo (0-8) si el autobs no lleva retraso y
exponencialmente, con media 10, cuando el autobs lleva retraso. Si el
autobs se retrasa en uno de cada tres servicios, calcular la probabilidad que el
usuario tenga que esperar menos de cinco minutos.

Cuando no hay retraso

F(t) = 1/8 = 0,125

Cuando hay retraso:

() = 1 = 1 10(5)

El valor de la F(dt) para t hasta 5 es (1- 0.135) = 0,865

La probabilidad final de esperar menos de 5 minutos es:

2/3(0,125) + 1/3(0,865) = 0,372

DISTRIBUCION NORMAL

Ejercicio 3.1. Entre los diabticos, el nivel de glucosa en sangre X, en ayunas,

puede suponerse de distribucin aproximadamente normal, con media mu =
106 mg/100 ml y desviaci tpica = 8 mg/100 ml, es decir X ~ N(106; 64)

(a) Hallar P(X 120)

(b) Qu porcentaje de diabticos tienen niveles comprendidos entre 90 y 120 ?
(c) Hallar P(106 X 110).
(d) Hallar P(X 121).
(e) Hallar el punto x caracterizado por la propiedad que el 25% de todos los
diabticos tiene un nivel de glucosa en ayunas inferior o igual a x.

a) P(X 120)

Z = X- /
Z = (120-106) / 8
Z = 1.75
P(Z) = 0.0401
1-P(Z) = 0.95987
P (X 120) = 0.95987

b) P(90X120)
Z = X- /
Z = (90-106) / 8 = -2
P(Z) =0.0228
P(90X120) = 0.95987-0.0228= 0.93707= 93.71%

c) P(106 X 110)
Z = X- /
Z(106) = (106-106) / 8 = 0
Z(110) = (110-106) / 8 = 0.5
P(Z=0) = 0,5
P(Z=0,5)=0,3085
P(110)= 1 0,3085=0.6915
 P(106 X 110) = 0.6915-0.5=0.1915

(d) P(X 121).

Z = X- /
Z(121) = (121-106) / 8 = 1,875 = 1,88
P(1,88) = 0.0301
P(X 121) =0.0301

(e) Hallar el punto x caracterizado por la propiedad que el 25% de todos los
diabticos tiene un nivel de glucosa en ayunas inferior o igual a x.

De acuerdo a la tabla Z, el valor 0,2514 es correspondiente al valor Z =0.67

Entonces
Z = X- / => | X- 106|/8 = 0.67
X = { 100.64}
Todos los pacientes con valores inferiores o iguales a 100.64 mg/ml
representan el 25.14% de los diabticos.

Ejercicio 3.2.

Se supone que la glucemia basal en individuos sanos, Xs sigue una

distribucin Xs ~ N (80; 100). Mientras que en los diabticos Xd, sigue una
distribucin Xd~ N (160; 986). Si se conviene en clasificar como sanos al 2%
de los diabticos:

(a) Por debajo de qu valor se considera sano a un individuo?. Cuntos sanos

sern clasificados como diabticos?

(b) Se sabe que en la poblacin en general el 10% de los individuos son

diabticos, cul es la probabilidad que un individuo elegido al azar y
diagnosticado como diabtico, realmente lo sea?

Datos:

Glucemia Media Varianza Desviacin

Estndar

Sanos 80 100 10

Diabticos 160 986 31,4

(a)

P (Z =2,88) = 0,02
Entonces:

Donde: z = (x ) /

-2,05 = (x 160)/ 31,4 x= ((31.4)(-2.05)) + 160

X = 95,63

Por lo tanto, debajo de 95,63 de glucosa una persona es considerada sana.

Como, z = (x u) / y toda persona con glucosa mayor de 95,63 ser

diabtica, entonces:

Z = (95,63 80) / 10

Z =1,56; P(Z=1,56)= 0.0594 = 5,94%

Por lo tanto, el 5.9% de las personas sanas sern consideradas diabticas.

(b)

El porcentaje de personas diagnosticada como diabtica es:

0,9(0,0594) + (0,1) (0,98) = 0.15146

P(Pos) = VP+FP= 0.15146

P(E|Pos) = P(E)xP(Pos|E)/ P(Pos) = 0,1 (0,98) / 0,15146 = 0.647

La probabilidad es 0,647

APROXIMACION A LA BINOMIAL

Ejercicio 3.3. El nmero de hogares visitados semanalmente por un inspector

de la Compaa de Gas es una variable aleatoria, para la que la empresa
estima una distribucin Normal de media 25 y varianza 16. La ltima semana
comenz a prestar servicios un nuevo inspector.

a) Qu opinin puede formularse por el hecho que a lo largo de la semana

consiguiera visitar 30 hogares?
b) Lo mismo para el caso en que hubiera visitado 21 hogares.

c) La empresa denomina inspectores tpicos aquellos que en una

semana visitan un nmero de hogares que dista en ms de 5 unidades
de la media. Detectar la proporcin de inspectores atpicos que se
detectan en una semana cualquiera.

d) Con objeto de mejorar los rendimientos, la direccin de la empresa

decide enviar una carta de amonestacin al 25% de los inspectores que
 menos hogares visitan en una semana determinada A partir de qu
cantidad de hogares visitados se efectuar una amonestacin?

a)
X ~ N(25; 16)

El valor de X=30 tiene un valor Z de:

Z = X- /
Z = 30-25 / 4
Z = 1,25
P(Z) = 0,1056
1-0.1056 = 0.8944

Este inspector es superior al promedio, superando al 89,44% del resto de

inspectores.

b)
Z = X- /
Z = |21-25| / 4
Z=1
P(Z)= 0.1587
1 0,1587 = 0,8413

Este inspector es inferior al promedio, siendo superando por el 84,13% del

resto de inspectores.

c)
Z = X- /
Z = |X-25| / 4 = 5/4 = 1,25
P(Z=1,25) = 0.1056
X={20,30}
P(X20) = 0.1056
P(X30) = 0.1056
1-(0.1056+0.1056) = 0.7888 = 78.88% son inspectores atipicos

(d)
De acuerdo a la tabla Z, el valor P = 0,2514 es correspondiente al valor Z =0,67
Z = X- /
Z = |X-25| / 4 = 0,67
Entonces X es
X = 22,32

Todos los que visiten 22 hogares o menos recibirn una amonestacin.

Ejercicio 3.4. Una prueba de laboratorio para detectar herona en sangre tiene
un 92% de precisin. Si se analizan 72 muestras en un mes,

(a) Cul es la probabilidad que 60 o menos estn correctamente evaluadas?

(b) menos de 60 estn correctamente evaluadas?

(c) exactamente 60 estn correctamente evaluadas?

a) B~(72,0.92)

Aproximando a la normal:
= np = (72)(0.92)=66.24
= (npq)^0.5 = (72)(0.92)(0.08) = 2.302

N~(66.24,2.302)

P(x60):
Z = X- /
Z = (60-66.24)/2.302
Z= 2.711
P(Z=2.711) = 0.0034
P(x60) = 0.0034

b) P(x59):
Z = X- /
Z = (59-66.24)/2.301
Z= 3.1
P(Z=3.1) = 0.0013
P(x59) = 0.0013

c) P(x=60) = P(x60) - P(x59) = 0.0034 - 0.0013 = 0.0021

Ejercicio 3.5. El 10% de las personas tiene algn tipo de alergia. Se

seleccionan aleatoriamente 100 individuos y se les entrevista.
(a) Hallar la probabilidad que, al menos, 12 tengan algn tipo de alergia.

(b) Hallar la probabilidad que, como mximo, 8 sean alrgicos a algo.

a)
B~(100,0.1)

= np = (100)(0.1)=10
= (npq)^0.5 = (100)(0.1)(0.9) = 9

N~(10,9)
Z = X- /
Z = (12-10)/9 = 0.22
P(Z=0.22)= 0.4129
 La probabilidad es 0.4129

b) N~(10,9) ; x = 8
Z = X- /
Z = |8-10| /9 = 0,22
P(Z=0.22) = 0.4129
La probabilidad es 0.4129

Ejercicio 3.6. La probabilidad de muerte resultante del uso de pldoras

anticonceptivas es de 3/100000. De 1000000 de mujeres que utilizan este
medio de control de natalidad:
(a) >Cuntas muertes debidas a esta causa se esperan?
(b) >Cul es la probabilidad que haya, como mximo, 25 de estas muertes?
(c) Cul es la probabilidad que el nmero de muertes debidas a esta causa
est entre 25 y 35, inclusive?.

B~(1000000,0.00003)
a) Muertes esperadas = (1000000)(0.00003)=30

b) = np = (1000000)(0.00003)=30
= (npq)^0.5 = (30)(0.00003)(0.99997) = 0,02999995=0,03
2=0 .0009
N~(30,0.0009)
P(x25) :
Z = X- /
Z = 25-30 /0,03
25-30/0,03
Z=166.67
P(Z=166.67) = 0

Es totalmente improbable (P=0) que haya como mximo, 25 muertes.

d) Cul es la probabilidad que el nmero de muertes debidas a esta causa

est entre 25 y 35, inclusive?

N~(30, 0.0009)
Z = X- /
Z =(35-30)/0.03 = 166.67
P(x35) = 1

Es totalmente probable (P=1) que el nmero de muertes est entre 25 y

35.
Una simulacin en R muestra como para n = 1 000 000, N~(30, 0.0009)
Ningn caso es x25 y todos los casos son 25x35