Este documento es de distribucin gratuita y llega gracias a

Ciencia Matemtica
www.cienciamatematica.com
El mayor portal de recursos educativos a tu servicio!

www.cienciamatematica.com

Problemas de Probabilidad resueltos.

Problema 1 El profesor P erez olvida poner su despertador 3 de cada 10 dias. Adem as, ha comprobado 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) Cu al es la probabilidad de que el profesor P erez llegue a tiempo a dar su primera clase? (c) Si un d a no ha llegado a tiempo, que probabilidad hay de que olvidase poner el despertador la noche anterior? Soluci on: En primer lugar conviene identicar el experimento aleatorio que estamos realizando. Este consiste en tomar un d a al azar en la vida del profesor P erez y analizarlo en base a los siguientes sucesos. (a) Para un d a al azar decimos que se ha dado el suceso: O cuando el profesor ha olvidado poner el despertador T cuando el profesor ha llegado tarde a su primera clase. como {T , T } forman un sistema completo de sucesos. A continuaci Notemos que tanto {O, O} on traducimos en t erminos de probabilidad de los sucesos anteriores todos los datos que nos dan en el enunciado. P (O) = ) = P (O 3 , 10 |O) = P (T 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 ). Puesto que {O, O} es un sistema completo de sucesos, podemos aplicar la f P (T ormula de la probabilidad total, de donde tenemos que: ) = P (T |O)P (O) + P (T |O )P (O ). P (T En la expresi on anterior aparecen varios de los datos que nos ha proporcionando el enunciado, sin embargo |O ). Para calcularlo utilizamos que P (T |O ) = 1 P (T |O ) = no conocemos directamente el valor de P (T 1 9 1 10 = 10 . De esta forma, la expresi on anterior se puede escribir como: ) 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, es un sistema completo de sucesos, podemos utilizar el Teorema de Bayes para P (O|T ). Como {O, O} calcular P (O|T ). As , P (O|T ) = P (T |O)P (O) )P (O ) + P (T |O)P (O) . P (T |O

|O) = 1 2 = En la expresi on anterior nos falta por conocer P (T |O). Utilizando que P (T |O) = 1 P (T 10 8 10 , llegamos a que 8 3 24 10 10 P (O|T ) = = 0.7742. 1 7 8 3 31 + 10 10 10 10

www.cienciamatematica.com
Problema 2 Un banco local revisa su pol tica de tarjetas de cr edito, con el objetivo de cancelar algunas 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. Adem as, el banco ha comprobado que la probabilidad 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 e probabilidad hay de que el cliente se atrase en un pago mensual? (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 a cancelar la l nea de cr edito de un cliente si la probabilidad de que este acabe 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? Soluci on: Comenzamos identicando el experimento aleatorio. En este caso consiste en elegir al azar a un cliente del banco que tenga tarjeta de cr edito y preguntarnos por los siguientes sucesos. (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. y {A, A} son dos sistemas completos de sucesos. A continuaci Los conjuntos de sucesos {M, M} on reescribimos los datos que nos proporciona el enunciado en t erminos de probabilidades. P (M) = 0.05, ) = 0.2, P (A|M P (A|M) = 1.

es un sistema completo de (b) Es sencillo darse cuenta de que nos piden calcular P (A). Como {M, M} sucesos, aplicamos la f ormula de la probabilidad total y tenemos )P (M ) + P (A|M)P (M). P (A) = P (A|M ), que podemos calcularlo mediante P (M ) = De la f ormula anterior, u nicamente desconocemos P (M 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 es un sistema completo se ha atrasado en una mensualidad (suceso A); esto es P (M|A). Como {M, M} de sucesos, aplicando la f ormula de Bayes tenemos que P (M|A) = P (A|M)P (M) )P (M ) + P (A|M)P (M) P (A|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 a de cancelarse la cuenta de un cliente que se atrase en un pago.

www.cienciamatematica.com

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 a no. Supongamos que este a no se inscribieron 20 alumnos. (a) Explica con brevedad qu e es una variable aleatoria. Identica la variable aleatoria del problema e indica qu e distribuci on sigue. (b) Cu al es la probabilidad de que 2 o menos se den de baja? (c) Cu al es la probabilidad de que exactamente se den de baja 4 alumnos? (d) Cu al es la probabilidad de que se den de baja m as de 3 alumnos? Al hacer la inscripci on se realiza un u nico pago anual de 600 euros. Cada alumno que permanece todo el a no genera un gasto anual de 150 euros. (e) Cu al es el benecio anual esperado? (f ) Cu antos alumnos se han dado de baja el primer mes si al nal del a no el gimnasio ha obtenido el benecio esperado? Soluci on: (a) Una variable aleatoria es una aplicaci on X que hace corresponder un n umero real a cada suceso b asico del espacio muestral. Despues de leer detenidamente todo el enunciado, para este problema elegimos la variable aleatoria X = n umero de alumnos que se dan de baja el primer mes. 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 a no; o un 1 si este alumno se da de baja el primer mes es un experimento de Bernouilli de par ametro p = 0.2. De esta forma, X es la suma de 20 experimentos de Bernouilli independientes de igual p, por tanto X sigue una distribuci on binomial de par ametros n = 20 y p = 0.2, esto es X B(20, 0.2). (b) Nos piden la probabilidad de que el n umero de alumnos que se den de baja el primer mes sea igual o menor de 2. En lenguaje matem atico esto es P (X 2). Este valor es el de la funci on de distribuci on de 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 funci on de probabilidad de la binomial en 4. La funci on de probabilidad se puede expresar como resta de la funci on de distribuci on en dos puntos consecutivos, entonces P (X = 4) = P (X 4) P (X 3). Mirando la tabla de la distribuci on binomial tenemos que P (X 4) = 0.6296 y P (X 3) = 0.4114. Por 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 a no genera un gasto anual de 150 euros. Si X es el n umero de alumnos que se dan de baja el primer mes, entonces el n umero de alumnos que permanecen todo el a no es 20 X. Por tanto, el gasto anual es G = 150 (20 X ). As , el benecio anual es B = I G = 12000 150(20 X ). Operando obtenemos B = 9000 + 150X. 3

www.cienciamatematica.com
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 distribuci on binomial de par ametros n = 20 y p = 0.2, entonces E (X ) = 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 expresi on B = 9000+150X 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 n umero esperado de alumnos, E (X ) = 4.

www.cienciamatematica.com
Problema 4 Un estudio de la DGT estima que el n umero de horas pr acticas necesarias para la obtenci on del permiso de conducir sigue una distribuci on normal N (24, 32 ). (a) Qu e probabilidad hay de obtener el permiso de conducir con 20 horas de pr acticas o menos? (b) Cu antas horas de pr acticas ha necesitado un conductor para obtener el permiso si el 68% de los conductores ha necesitado m as horas de pr acticas que el? La autoescuela Dspacio ingresa por alumno una parte ja de 250 euros, m as 23 euros por hora de pr actica. (c) Calcular el ingreso por alumno esperado. (d) Calcular la desviaci on t pica del ingreso por alumno. Soluci on: Para este problema escogemos como variable aleatoria X = n umero de horas de pr actica necesarias para obtener el permiso de conducir que nos aseguran que sigue una distribuci on normal de media = 24 y desviaci on t 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 funci on de distribuci on de una normal en el punto 20. Como X no sigue una distribuci on normal est andar, este valor no puede buscarse directamente en la tabla. Hemos de tipicar la variable, esto es, cambiamos a la variable Z= X X 24 = , 3

que s sigue una distribuci on normal est andar, Z N (0, 1). As , 20 24 P (X 20) = P Z = P (Z 1.33). 3 Utilizando el car acter sim etrico de la normal tenemos que P (Z 1.33) = P (Z 1.33), y aplicando la 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 distribuci on normal est andar, buscando en la tabla, tenemos que P (Z 1.33) = 0.9032. De donde, P (X 20) = 1 0.9032 = 0.0968. (b) Sea x0 el n umero de horas pr acticas que buscamos. Nos piden el valor de x0 de forma que P (X 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 expresi on anterior tenemos que P (Z z0 ) = 0.68. Utilizando la simetr a de la normal tenemos que 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 m as cercano al segundo. Tomamos z0 = 0.468, de donde z0 = 0.468. Despejando x0 en funci on de z0 tenemos que z0 = x0 = 4 + 3z0 = 24 + 3(0.468) = 22.596. (c) Para un alumno cualquiera, X es n umero de horas de pr actica necesarias para obtener el permiso de conducir. As , el ingreso de la autoescuela por las pr acticas de un alumno es 23X. Si a nadimos la parte ja tenemos que el ingreso por alumno es I = 250 + 23X. 5

www.cienciamatematica.com
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 desviaci on t pica del ingreso dt(I ) es dt(I ) = V ar(I ) = 23 3 = 69.

www.cienciamatematica.com

Problemas de Intervalos de Conanza y Contraste de Hip otesis resueltos.

Problema 5 La cantidad de horas que duermen los estadounidenses cada noche var a mucho. Consideremos 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 estimaci on puntual para la media de horas que se duerme cada noche y para la desviaci on t pica. Qu e estimadores utilizas? Por qu e? Suponer que la poblaci on sigue una distribuci on normal. (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. Soluci on: Sobre la poblaci on de estadounidenses denimos la variable aleatoria continua X = n umero de horas que duerme que sigue una distribuci on normal de media y varianza desconocidas. (a) Para Pn estimar la media de horas que duermen los estadounidenses utilizamos la media muestral, = i=1 xi , por ser un estimador insesgado y eciente para la media poblacional X . Para la muestra X n = 6.8312. Luego una estimaci que nos proporcionan obtenemos que X on puntual de la media poblacional es X 6.8312. X por ser un estimador Para estimar la desviaci on t pica de X utilizamos la desviaci on t pica muestral S insesgado y eciente, donde n 2 i=1 xi 2 = n S x 2 . X n1 n X = 0.6374. Luego una estimaci Para la muestra proporcionada obtenemos que S on puntual de la desviaci on t pica poblacional es X 0.6374. (b) Los extremos del intervalo de conanza para una variable normal de varianza desconocida y tama no de la muestra peque no vienen dados por X S tn1, X 2 n donde tn1, es el valor con probabilidad acumulada del 1 2 distribuci on t-Student con n 1 grados de libertad.
2

de una variable aletoria que sigue una

Como n = 16 y = 0.2, buscando en la tabla de la distribuci on t-Student con 15 grados de libertad el 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 poblaci on normal son 2 (n 1)S X 2 n1,1
2

2 (n 1)S X 2 n1,
2

www.cienciamatematica.com
donde 2 es el valor que tiene una probabilidad acumulada de 1 n1,1 2 para una variable que sigue 2 2 2 una distribuci on con n 1 grados de libertad y n1, es el valor que acumula una probabilidad de 2 para la misma distribuci on. 2 Como n = 16 y = 0.05, buscando en las tablas de la distribuci on 2 con 15 grados de libertad los valores con probabilidad acumulada de 0.975 y 0.025, obtenemos que 2 = 27.5 y 2 = 7.26, n1,1 n1, 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).

www.cienciamatematica.com
Problema 6 La empresa BBM arma que nueva gama de neum aticos duran en promedio m as de 28.000 km. Las pruebas con 64 neum aticos dan como resultado una duraci on media de 27.800 km, con una desviaci on t pica muestral de 1.000 km. (a) Si se usa un nivel de signicaci on del 5%, comprobar si hay evidencia suciente para rechazar la armaci on de la empresa. Establecer claramente la hip otesis nula y alternativa. (b) Explica brevemente qu e es el pvalor. Cu al es el p-valor? Soluci on: Sobre la poblaci on de los neum aticos denimos la variable aleatoria X = duraci on en kilometros. De esta variable desconocemos la distribuci on que sigue y los valores de los par ametros X y X . (a) La decisi on sobre la armaci on de la empresa la tomaremos en base a un contraste de hip otesis sobre la media poblacional X H0 : X = 28000 con hip otesis alternativa unilateral por la izquierda (ya que el exceso en la duraci on de los neum aticos favorece la armaci on de la empresa) H1 : X < 28000. Puesto que el contraste es unilateral por la izquierda, la regi on cr tica tendr a la forma RC = (, z0 ) y por la regi on de aceptaci on RA = (z0 , +). Para calcular el valor z0 aplicamos que el nivel de signicaci on es la probabilida de que el estad stico de contraste caiga en la regi on cr 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 poblaci on con muestras grandes sabemos que el estad stico de contraste es: Z= X X n N (0, 1). X S

Como en la tabla de la normal no aparecen probabilidades menores que 0.5 aplicando la simetr a de la distribuci on normal se sigue que 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 regi on cr tica y la regi on de aceptaci on quedan pues como: RC = (, 1.645) y RA = (1.645, ).

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

Como el valor del estad stico cae dentro de la regi on de aceptaci on concluimos que se acepta la hi potesis nula y, por tanto, no hay evidencias sucientes para rechazar la armaci on de la empresa. (b) El pvalor, p , es el menor nivel de signicaci on para el que se rechaza la hip otesis nula. 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 distribuci on tenemos que p = P (Z 1.6) = 1 P (Z 1.6) = 1 0.9452 = 0.0548.

www.cienciamatematica.com
Problema 7 Una l nea de producci on funciona con un peso de llenado de 16 gr por envase. De acuerdo con datos anteriores, se sabe que el peso sigue una distribuci on normal. El exceso o defecto de peso en el llenado son problemas graves, y la linea de producci on debe parar si se presenta alguno de ellos. Un inspector de calidad toma una muestra de 30 art culos y de acuerdo con los resultados toma la decisi on de parar la l nea o dejarla trabajando. X = 0.8 gr qu (a) Para un nivel de signicaci on = 0.05, si se encuentra que x = 16.32 gr y S e acci on recomendar as? Cu al es el pvalor? X qu (b) Para el mismo nivel de signicaci on y el mismo valor de S e acci on recomendar as si se obtiene que x = 15.82 gr? Soluci on: Sobre la poblaci on de los envases producidos aplicamos la variable aleatoria continua X = peso de llenado
2 que sigue una distribuci on normal, X N (X , X ).

(a) La decisi on a tomar la basaremos en un contraste de hip otesis sobre la media poblacional X con nivel de signicaci on = 0.05. Tomamos como hip otesis nula el peso de llenado de referencia: 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 regi on cr tica RC est a formada por dos intervalos, uno a cada lado de la regi on de aceptaci on RA y por tanto: RC = (, t0 ) (t0 , +) y RA = (t0 , t0 ).

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

Buscando en la tabla de la t-Student con n 1 = 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).

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

que pertenece a la regi on cr tica, luego hemos de rechazar la hip otesis nula en favor de la hip otesis alternativa. Concluimos por tanto que existe un problema grave en el llenado y debe pararse la l nea de producci on. Al ser el contraste bilateral, el pvalor p viene dado por la expresi on P (T 2.191) = simetr a de la tStudent tenemos que P (T 2.191) = 1 P (T 2.191) = 1 10 p . 2
p 2 .

Por la

www.cienciamatematica.com
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 m as proximo al primero de ellos tomamos P (T 2.191) 0.975. As 0.975 = 1 2p , de donde p = 0.05. (b) Como ni el contraste ni el nivel de signicaci on han cambiado, las regiones cr tica y de aceptaci on 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 = X 15.82 16 X n tn1 = 30 = 1.23 X 0.8 S

que ahora est a dentro de la regi on de aceptaci on, luego aceptamos la hip otesis nula en contra de la hip otesis alternativa. Concluimos que no se ha producido ning un problema grave en el llenado y que por tanto no es necesario detener la l nea de producci on.

11