Você está na página 1de 15

UNIVERSIDAD DE SAN CARLOS DE GUATEMALA

FACULTAD DE INGENIERÍA
ESCUELA DE CIENCIAS
AREA DE ESTADÍSTICA
ESTADÍSTICA 1
SECCIONES C+ y D
Ing. Alba Maritza Guerrero Spinola Ph.D.

UNIDAD 3
VARIABLE ALEATORIA DISCRETA UNIDIMENSIONAL

Una función que asigna a un número real, cada uno de los valores posibles que
pueden ocurrir dentro de un espacio muestral, asociado a un experimento.

Es importante señalar que no toda función que se conciba puede considerarse


como una variable aleatoria ya que esta como mínimo debe asociar a cada
valor posible una probabilidad bien definida y que cumpla con los axiomas
básicos de probabilidad.

i) 0  P(yi)  1
ii)  p(Yi) = 1

VARIABLE ALEATORIA UNIDIMENSIONAL:


Se definen cuando interesa observar únicamente una característica del espacio
muestral y se asigna a cada elemento de este, una función que asocia un
numero real.

VARIABLA ALEATORIA BIDIMENSIONAL


Se definen cuando el interés es observar dos características del mismo espacio
muestral y se le asigna a cada elemento de este dos funciones que le hacen
corresponder una pareja de números reales.

VARIABLE ALEATORIA N-DIMENSIONAL


Se denominan variables aleatorias n dimensionales al conjunto de
X1,X2,X3...Xn donde cada Xi es una función que asigna a cada uno de los
elementos del espacio muestral un numero real y se presenta cuando está
interesado en estudiar n características del mismo simultáneamente.

RECORRIDO DE LA VARIABLE ALEATORIA


Al conjunto de valores posibles de la variable aleatoria se le conoce como
RECORRIDO DE LA VARIABLE, y dependiendo de este, es decir si es finito,
infinito numerable o infinito las variables aleatorias se dividen en:

VARIABLE ALEATORIA DISCRETA

Es discreta si el recorrido es finito o infinito numerable, representa datos


contados ej. Numero de defectuosos, número de accidentes, número de hijos
entre otros. Se representa a través de una tabla
X f(X)

DISTRIBUCION DE PROBABILIDAD DISCRETA


El conjunto de pares ordenados (x,f(x)) es una función de probabilidad,
función de masa de probabilidad o distribución de probabilidad. De la
variable aleatoria discreta X, si para cada resultado posible X,

1. f(x)  0
2.  f(x) = 1
3. P(X=x) = f(x)

DISTRIBUCION ACUMULADA F(x)


La probabilidad de que la variable aleatoria X tome un valor menor o igual a Xo,
representa la PROBABILIDAD ACUMULADA a Xo, F(X = xo), definida para
cualquier valor de xo entre el intervalo [a,b]

X f(X) F(x)

ESPERANZA MATEMÁTICA E(X)


Se conoce también como valor esperado, es un promedio ponderado de los
posibles valores de X, teniendo como medida de ponderación sus
probabilidades de ocurrencia

Para una variable aleatoria discreta X que puede tomar los valores X1. X2...Xn
la esperanza se define como:

E(X) = X1 P (X = x1 ) + ..... Xn P (X = Xn) = ∑n X i P (X = xi)


,i = 1

ó igualmente si P(X = xi) = f(xi),

∑n Xi * f(x) = ∑ x * f(x)
,i = 1

Cuando las probabilidades son iguales tenemos que


E(x) = x1 +x2+ x3+ ……Xn
n
Conocida como media aritmética o simplemente media = 
 = E(x)
La media o esperanza de X da un valor típico o promedio de los valores de X y
por esta razón se llama medida de centralización

PROPIEDADES DE LA ESPERANZA MATEMÁTICA


1. Si x es una constante C entonces E(x) = C
2. El valor esperado de X multiplicado por la constante C, E(CX) es
igual al valor esperado de X multiplicado por la constante, E(x) * C
3. Si X , Y son variables aleatorias, entonces
E(X + Y ) = E(x) + E(y)
4. Si X, Y son variables aleatorias independientes, entonces
E(XY) = E(X)*E(Y)
5. El valor esperado de la suma o diferencia de dos o más funciones de
una variable aleatoria X es:
E[g(x) + h(x)] = E(g(x)+ h(x))

VARIANZA
La varianza de una variable aleatoria X, es una medida de dispersión de la
distribución de probabilidades, mide el grado de concentración de los valores X
y es el promedio ponderado o esperanza de las desviaciones cuadradas de
cada uno de los valores posibles de X en relación a E(x)

Var (X) = 2x = E [ (X - )2] = ∑ (X - )2 f(x) Si X es discreta

La varianza es un número no negativo. A la raíz cuadrada positiva se le llama


desviación típica y está dada por:

Desviación típica
 x = Var (x)

Una fórmula alternativa que se utiliza para calcular la varianza es:

2 = E(X2) - 2

PROPIEDADES DE LA VARIANZA
1. Si X es una constante C, entonces Var(X) = 0
2. Si C es una constante entonces Var (cX) = C2 Var (x)
3. Cuando  = E(X)
2 = E [ (X - )2] = E(X2) - 2 = E(X2) – [E(X)] 2
4. Si X,Y son independientes
Var (X+Y) = Var(X) + Var (Y)
5. La cantidad E[(X – a) 2 ] es mínima cuando a =  = E(x).
NOTAS IMPORTANTES:
RESPECTO DE LA ESPERANZA MATEMATICA
1. El valor esperado de una variable aleatoria es su valor promedio
teórico. Se denota por E(x) y puede calcularse a partir del
conocimiento de la distribución de probabilidad de X.
2. En el contexto estadístico, el valor promedio de X se llama su valor
medio o media, así pues son intercambiables los términos valor
promedio, valor medio o media y valor esperado.
3. El valor medio de X se denota con la letra griega mu (). Asi pues
los símbolos E(x) y  son intercambiables.
4. La media o valor esperado de X es una medición de la localización
del centro de los valores de X. Por tal razón se le llama parámetro de
“localización” a .

RESPECTO DE LA VARIANZA:
1. La varianza es un parámetro que mide la variabilidad de los valores
respecto a la media. Se denota con el símbolo 2 o Var(X)
2. La distribución cuya varianza es pequeña , los datos se ubican muy
cerca del valor promedio . La distribución con varianza grande, gran
cantidad de los datos están distantes del valor promedio .

RESPECTO DE LA DESVIACIÓN ESTANDAR


1. La desviación estándar de X se denota con .
2. La desviación estándar de X se define como la raíz cuadrada no
negativa de su varianza.
3. Que la desviación estándar sea grande, implica que la variable aleatoria
X es más bien inconstante y hasta cierto punto difícil de predecir.
Mientras que una desviación estándar pequeña indica constancia y
estabilidad.
4. La desviación estándar siempre se expresa en unidades físicas de
medición que corresponden a los datos originales. La varianza suele
estar desprovista de unidades.

FUNCIONES DE DISTRIBUCIÓN DE PROBABILIDAD DE UNA VARIABLE


ALEATORIA DISCRETA CON NOMBRE PROPIO

Generalmente una distribución de probabilidad de una variable aleatoria


discreta o continua se representa por una formula, tabla o gráfica, que
proporciona la probabilidad con que cada valor o intervalo del recorrido de la
variable puede ocurrir.

Para el caso de las variables aleatorias discretas las funciones de distribución


de probabilidad más comunes son:
1. Distribución uniforme discreta

Es la más simple de todas las distribuciones, en ella la variable aleatoria toma


cada uno de sus valores con una probabilidad idéntica.
Si la variable aleatoria X toma los valores X1, X2, X3, ....Xk con idénticas
probabilidades , entonces la distribución uniforme discreta está dada por
F(x;k) = 1/k x = x1, x2, x3,.....xk
La distribución uniforme depende del parámetro k.
La media y la varianza de la distribución uniforme discreta f(x;k) son

= (∑ Xi)/k

2 = (∑ (Xi - )2 /k

2. Distribución binomial

Una distribución binomial asociada con un experimento es aquella que tiene las
siguientes características:
a) El experimento consta de n pruebas idénticas
b) Cada prueba tiene dos resultados posibles. Uno llamado éxito
y el otro fracaso
c) La probabilidad de tener éxito en una sola prueba es igual a p,
y permanece constante de prueba en prueba. La probabilidad
de fracaso es q = 1 – p
d) Las pruebas son independientes
e) La variable aleatoria X en estudio, es el número de éxitos
observado en las n pruebas
Se define una distribución de probabilidad binomial como:

P(x) = nCx px q n-x

X = 0,1,2,3..... n

Con valor esperado E(x) = = np

Varianza Var(x) =  = npq


2

3. Distribución de Pascal

Una distribución de Pascal asociada con un experimento es aquella que tiene


las siguientes características:
a) El experimento consta de n pruebas idénticas
b) Cada prueba tiene dos resultados posibles. Uno llamado éxito
y el otro fracaso
c) La probabilidad de tener éxito en una sola prueba es igual a p,
y permanece constante de prueba en prueba. La probabilidad
de fracaso es q = 1 – p
d) Las pruebas son independientes
e) La variable aleatoria X en estudio, consiste en obtener el
último éxito r en la e-nesima prueba, dado que en las n-1
pruebas anteriores ocurrieron los r-1 éxitos.

Se define una distribución de probabilidad de Pascal como:

P(r)= ( n –1 )p q
r n-r
n = r, r+1,........
, r –1

Con valor esperado E(x) =  = r/p

Varianza Var(x) =  = rq/p2


2

4. Distribución geométrica

Una distribución geométrica asociada con un experimento es aquella que tiene


las siguientes características:
a) El experimento consta de n pruebas idénticas
b) Cada prueba tiene dos resultados posibles. Uno llamado éxito
y el otro fracaso
c) La probabilidad de tener éxito en una sola prueba es igual a p,
y permanece constante de prueba en prueba. La probabilidad
de fracaso es q = 1 – p
d) Las pruebas son independientes
e) La variable aleatoria X en estudio, es el número de prueba en
la cual puede ocurrir el primer éxito
Se define una distribución de probabilidad geométrica como:

P(x) = p q n-1

X = 1,2,3..... n

Con valor esperado E(x) =  = 1/p

Varianza Var(x) =  = q/ p2
2

5. Distribución de poisson
a) El experimento consiste en contar el numero x de veces que ocurre un
evento en particular durante una unidad de tiempo, área, volumen, peso,
distancia, entre otros.
b) La probabilidad de que un evento ocurra en una unidad dada es la
misma para todas las unidades.
c) El número de eventos que ocurren en una unidad dada, es
independiente del número de los que ocurren otras unidades
P(x) = αx e-α x = 0,1,2,3..... n
X!

Al parámetro α se le conoce como la intensidad de la distribución y representa


el número esperado de éxitos por unidad de tiempo o por unidad de espacio.

La variable aleatoria X en estudio es el total de éxitos que se obtienen por


unidad de tiempo o espacio.

Con valor esperado E(x) = np = α


Varianza Var(x) = α

Ejemplos de sucesos de poisson


 número de llamadas telefónicas que recibe una persona por unidad
de tiempo(ejemplo cada hora, cada día)

 número de clientes que visitan una tienda o restaurante cada cierto


tiempo

 el número de accidentes de tránsito que suceden en un ocurren en


cierta intersección cada mes.

 El número de goles que anotan en cada partido de futbol durante el


tiempo reglamentario (casi todas las contingencias que ocurren en un
partido de futbol: goles, tiros de esquina, saques de banda, jugadores
amonestados , expulsados, entre otros, son sucesos de poisson)

6. Distribución hipergeométrica

Características:
a) El experimento consiste el extraer al azar y sin reemplazo n
elementos de un conjunto de N elementos, r de los cuales son
éxito y (N-r) son fracasos.
b) El tamaño de la muestra n es grande en comparación con el
número de N elementos de la población, es decir n/N > 0.05
c) La variable aleatoria hipergeométrica x es el número de éxitos
en la muestra de n elementos.

Suponiendo que se tiene un lote de N artículos de los cuales r son defectuosos


y (N-r) no son defectuosos. Supongamos que se escogen n artículos al azar, (n
 N) sin sustitución. Y la variable aleatoria X en estudio es el número de
defectuosos encontrados en los n extraídos, entonces:

P(x) = ( r ) ( N-r )
K n-k x= 0,1,2,……r

(N)
n
Con valor esperado E(x) = = np

Varianza Var(x) =  = npq N-n


2

N-1

Si N →∞ la distribución hipergeométrica se aproxima a la distribución binomial

7. Distribución multinomial

Consideremos un experimento E , su espacio muestral S , y una partición de S


en K sucesos mutuamente excluyentes A i.... Ak. Consideremos n repeticiones
independientes de E . Sea Pi = P(Ai) y Pi permanece constante durante todas
las repeticiones.

Se define Xi como el número de veces que Ai ocurre en las n repeticiones de E.


Se define la distribución multinomial como :

P (X1 = n1, X2 = n2, ..... Xk = nk) = n! . P1n……pnk


,n1! n2! . .nk!

tal que
∑ ni = n
i

Con valor esperado E(xi) = = npi

Varianza Var(xi) =  = npi (1-pi)


2
i = 1,2,3,.....k

TEOREMA DE TCHEBYSHEV
Si una variable aleatoria tiene una varianza o desviación estándar pequeña,
esperaríamos que la mayor parte de los valores se agruparan alrededor de la
media. Por lo tanto la probabilidad de que una variable aleatoria tome un valor
dentro de cierto intervalo alrededor de la media es mayor que para una variable
aleatoria similar con una desviación estándar mayor.

El matemático Ruso P.L. Chebyshev descubrió que la fracción del área entre
dos valores simétricos cualesquiera alrededor de la media está relacionada con
la desviación estándar.

La Desigualdad de Chebyshev da una información útil acerca del


comportamiento de la variable aleatoria, asignando una cota inferior (superior)
para asociar una probabilidad de que el valor de la variable esté dentro de un
intervalo señalado.

Sea X una variable aleatoria con E(x) =  y εun número real positivo

P ( |x - |  ε ) < Var(X) / ε2
P ( |x - | < ε )  1 - Var(X) / ε2

Si ε= K  P(|x - |  K )  1/k2

P( - k < X <  + k) 1 - 1/ k2

Ejemplo:
Una variable aleatoria X tiene una media = 8 varianza = 9 y distribución de
probabilidad desconocida encuentre:
a) P(-4< X < 20)
b) P(| X-8|  6)
Solucion
Aplicando la definición P( - k < X <  + k) 1 - 1/ k2
 = 8 k= 4  = 3
P(-4< X < 20) = P [ 8 – (4)(3) < X < 8 + (4)(3)]  1 - 1/42
= P [ 8 – (12) < X < 8 + (12)]  15/16
= P [ – 4 < X < 20]  15/16

P(| X-8|  6) = 1 - P(| X-8| < 6)


= 1 – P(-6 < X < -8 < 6)
= 1- P[8-(2)(3) < X < 8 + (2)(3)]
<= ¼

Se ha observado que, durante un largo periodo de tiempo, el número de


estudiantes que acuden al mostrador del área de estadística un día cualquiera
es una variable aleatoria con media de 20 estudiantes y desviación estandar 2
estudiantes. Si no se conoce la forma de la distribución ¿Qué puede decirse
de la probabilidad de que el número de estudiantes esté entre 16 y 24 para el
día de mañana?
Aplicando el teorema
P ( |x - | < ε )  1 - Var(X) / ε2
P(| X – 20| < 4)  1 – 4/42
P(| X – 20| < 4)  1 - 4/16
P(| X – 20| < 4)  1 – ¼
P(| X – 20| < 4)  3/4
Se podría decir que mañana el número de estudiantes estará entre 16 y 24
con probabilidad de al menos ¾
 = 20  =2 K=2
aplicamos P( - k < X <  + k) 1 - 1/ k2

P(16< X < 24) = P [ 20 – (2)(2) < X < 20 + (2)(2)]  1 - 1/22


= P [ 20 – (4) < X < 20 + (4)]  1- 1/4
= P [ 16 < X < 24]  ¾ = 0.75
PROBLEMAS PARA RESOLVER
BINOMIAL

1. Se tiene un saco con 5 bolas, una blanca y cuatro rojas. Cuando se


extrae una bola es reemplazada por otra igual. Cual es la probabilidad
que el tres extracciones sucesivas a) se extraigan tres bolas blancas b)
dos bolas blancas c) una bola blanca y d) ninguna bola blanca

2. Se asegura que el 60% de todas las instalaciones fototérmicas , los


gastos de servicios se reducen al menos en una tercera parte. De
acuerdo con lo anterior , ¿Cuales son las probabilidades de que se
reduzcan al menos en una tercera parte en: a) cuatro de cinco
instalaciones b) en al menos cuatro de cinco instalaciones

3. Si la probabilidad de que cierta columna falle ante una carga axial


especifica es 0.05 Cuales son las probabilidades de que entre 16 de
tales columnas a) a lo máximo dos fallen b) al menos cuatro fallen

4. Si la probabilidad de que a cualquier persona no le guste el sabor de una


nueva pasta dental es 0.20 ¿Cuál es la probabilidad de que a 5 de 18
personas elegidas aleatoriamente no les guste?

5. Un fabricante de lavadoras asegura que solamente el 10% de sus


lavadoras requiere reparación dentro del periodo de su garantía que es
de 12 meses. Si por lo menos cinco de veinte de sus lavadoras
requieren reparación durante el primer año, ¿Contribuye esto a apoyar o
refutar su afirmación?

6. La probabilidad de que un estudiante que ingresa a la universidad se


gradúe es 0.4. Hallar la probabilidad de que entre 5 estudiantes elegidos
al azar se gradúen a) ninguno, b) uno c) al menos uno d) todos

DISTRIBUCIÓN DE PASCAL

1. Un basquetbolista encesta con probabilidad de 0.70 cada vez que tira.


Calcular la probabilidad de que enceste por cuarta vez en el décimo tiro

2. La probabilidad de que una persona que vive en cierta ciudad, tenga un


perro se estima en 0.3. Encuentre la probabilidad de que la décima
persona entrevistada al azar en esta ciudad sea la quinta que tiene un
perro

3. Un científico inocula varios ratones uno a la vez, con el germen de una


enfermedad hasta que encuentra el segundo que contrae la
enfermedad. Si la probabilidad de contraer la enfermedad es 1/6 ¿Cuál
es la probabilidad de que se requieran ocho ratones?

4. Se lanza un dado hasta que aparezca el numero 6, qué probabilidad hay


que el segundo éxito ocurra en el sexto lanzamiento
DISTRIBUCIÓN GEOMÉTRICA

1. Se lanza un dado hasta que aparece por primera vez el número 6. Qué
probabilidad hay de que tengamos necesidad de lanzarlo 6 veces.
Determinar la esperanza y la varianza

2. Si la probabilidad de que un ladrón sea atrapado en un robo


cualesquiera es 0.20, ¿Cuál es la probabilidad de que lo capturen por
primera vez en su cuarto robo?

3. Un tirador experto da en el blanco el 95% de las veces. ¿Cuál es la


probabilidad de que falle por primera vez en su decimoquinto disparo?

POISSON
1. Suponga que el futbolista guatemalteco Carlos Ruiz anota un
promedio de 1.2 goles por partido jugado. Determine la probabilidad
de que en un partido cualquiera Ruiz anote:

2. Si un banco recibe en promedio seis cheque falsos al día. ¿cuáles


son las probabilidades de que reciba: a) cuatro cheques falsos en un
día cualquiera b) 10 cheques falsos en dos días consecutivos
cualesquiera?

3. Al inspeccionar la aplicación de estaño por un proceso electrolítico


continuo, se descubren en promedio 0.2 imperfecciones por minuto.
Calcúlese la probabilidad de descubrir a) una imperfección en tres
minutos b) al menos dos imperfecciones en 5 minutos c) a lo sumo
una imperfección en 15 minutos.

4. Los empleados de cierta oficina llegan al reloj marcador a una tasa


media de 1.5 por minuto. Calcúlese la probabilidad de que a) a lo
más cuatro lleguen en un minuto cualesquiera b) a lo menos tres
lleguen durante un intervalo de dos minutos c) a los mas 15 lleguen
durante un intervalo de 6 minutos.

HIPERGEOMETRICA
1. Un cargamento de 20 grabadoras contiene cinco defectuosas. Si 10 de
ellas son aleatoriamente escogidas para revisión, cuál es la probabilidad
de que dos estén defectuosas?

2. Entre 300 empleados de una compañía, 240 están sindicalizados


mientras que los otros no. Si se escogen 8 por sorteo para integrar un
comité que administre el fondo de pensiones, calcúlese la probabilidad de
que cinco estén sindicalizados mientras que los otros no.
3. Un ingeniero de control de calidad inspecciona una muestra aleatoria de
3 acumuladores de cada lote de 24 que están listos para ser
embarcados. Si un lote contiene seis acumuladores con pequeños
defectos ¿Cuáles son los probabilidades de que la muestra del
inspector contenga a) ninguna de las baterias con defectos b) solamente
una de las baterias defectuosas c) al menos dos de las baterias con
defectos leves.

MULTINOMIAL
1. Las probabilidades de que una lámpara de cierto tipo de proyector de
acetatos dure menos de cuarenta horas de uso continuo, entre 40 y 80
horas de uso continuo, o más de 80 horas de uso ininterrumpido son 0.30,
0.50 y 0.20 respectivamente. Calcule la probabilidad de que entre 8
lámparas dos duren menos de 40 horas, cinco duren entre 40 y 80 horas,
y una dure más de 80 horas.

2. Las probabilidades de que al conducir en cierta ciudad un modelo


especifico de auto importado se obtenga un promedio menos de 22 millas
por galón, entre 22 y 25 millas por galón o más de 25 millas por galón son
respectivamente, 0.40, 0.40 y 0.20, calcúlese la probabilidad de que entre
12 de tales autos ya probados cuatro den en promedio menos de 22
millas por galón, seis entre 22 y 25 millas por galón y 2 mas de 25millas
por galón.

3. Las probabilidades de que en la declaración del impuesto sobre la renta


se llene correctamente el respectivo formulario, que contenga un error
que favorezca al declarante, que lleve un error que favorezca al fisco o
que contenga ambos tipos de errores son, respectivamente, 0.60,0.20,
0.10 y 0.10. Calcúlese la probabilidad de que entre 10 de tales
declaraciones de impuestos aleatoriamente escogidas para una auditoria,
cinco estén correctas, tres contengan un error que favorezcan al
declarante, una lleve un error que favorezca al fisco y una contenga
ambos tipos de errores.

HOJA DE TRABAJO

1. La producción diaria de 850 partes manufacturadas contiene 50 que no


cumplen con los requerimientos del cliente. Del lote se escogen tres partes
al azar, sin reemplazo. Sea la variable aleatoria X el número de partes de la
muestra que no cumplen con los requerimientos.
 Construya la distribución de probabilidad de la variable X
 Cuántas partes se esperan no cumplan con los requerimientos
 Calcule F(x)
2. Se supone que la cobertura de una prueba en el proceso de verificación de
un semiconductor tiene una eficacia del 80%. (Esto es la probabilidad de
que un chip defectuoso no pase la prueba es de 0.8). Se someten a prueba
tres chip. Suponga que la falla en cada chip es independiente de las que
aparezcan en otras pruebas. Sea la variable aleatoria X el número de
chips defectuosos que no pasan la prueba.
 Construya la distribución de probabilidad de la variable X
 Cuántos chips se esperan se encuentren defectuosos
 Calcule la desviación estándar

3. Un fabricante de bebidas lácteas bajas en calorías desea comparar el sabor


de una nueva fórmula (B) con el de la fórmula convencional (A). Cuatro
catadores reciben tres vasos en orden aleatorio, dos de ellos contienen la
formula (A) y el otro la (B). A cada catador se le pide que indique cual vaso
contenía la bebida que más le agradó. Suponga que las dos preparaciones
tienen la misma presentación. Si Y es la variable aleatoria que representa
el número de catadores que indican su preferencia por la nueva formula
a) construya la distribución de probabilidad para Y
b) Cuál es la probabilidad de que por lo menos tres de los cuatro
catadores prefieran la nueva formula
c) Encuentre el valor esperado de Y

4. Dado que ya se ha lanzado una moneda normal diez veces, y se han


obtenido cero caras. ¿Cuál es la probabilidad de que se tengan que lanzar
al menos dos veces más para obtener la primera cara?

5. Existe cuatro tipos distintos de sangre humana denotados por O, A, B y AB.


Suponiendo que estos tipos ocurren con frecuencia siguiente: 0.45, 0.40,
0.10, 0.05, respectivamente. Si veinte personas son elegidas
aleatoriamente, cual es la probabilidad que:

a) Todas las 20 personas tengan el mismo tipo


b) Nueve tengan del tipo O, ocho del tipo A, dos del tipo B, y una del tipo B

6. El número de errores tipográficos cometidos por una mecanógrafa, tiene


una media de cuatro errores por página. Si una página tiene más de cuatro
errores, la mecanógrafa tendrá que repetir la página entera. ¿Cuál es la
probabilidad de que no se tenga que repetir una página?

7. Las probabilidades de que un examen de Estadistica 1 sea resuelto


correctamente, que sea resuelto en una tercera parte correctamente, que
sea resuelto pero incorrectamente y que no sea resuelto son 0.35, 0.20,
0.40 y 0.05. Calculese la probabilidad de que entre 15 estudiantes elegidos
al azar, uno haya resuelto el examen correctamente, 3 lo hayan resuelto en
una tercera parte correctamente, 7 lo resolvieron incorrectamente y 4 no lo
hayan resuelto
8. Un estudio reciente de una asociación de vigilantes de camiones reveló que
60% de los conductores usan el cinturón de seguridad. Se seleccionó una
muestra de 10 conductores en una carretera. ¿Cuál es la probabilidad de
que:
a) exactamente 7 llevarán fijo su cinturón
b) como mínimo 7 tuvieron esa precaución

9. En la inspección de aeronaves comerciales se informa que no existen


grietas detectables en las alas o que sean decisivas. Los antecedentes de
una flota determinada muestra que 70% de las aeronaves que se
inspeccionan no tienen grietas en las alas, 25% tienen grietas detectables y
5% tienen grietas decisivas. Calcule la probabilidad de que en los cinco
aviones que se inspeccionan
a) uno tenga grieta decisiva, dos tengan grietas detectables y dos no
tengan grietas
b) se observe por lo menos una grieta decisiva

10. La probabilidad de encontrar cierto medicamento en una farmacia es de


0.20. Calcule la probabilidad de que una persona que requiere de ese
medicamento:
a) tenga que recorrer tres farmacias para hallarlo
b) se vea obligada a recorrer por lo menos tres farmacias para
encontrarlo

11. La gerencia de recursos humanos de un periódico sabe que al acudir a


cierta escuela a reclutar editores tendrá éxito con una probabilidad de 0.15.
Determine la probabilidad de que:
a) la primera contratación ocurra en la quinta entrevista
b) la cuarta contratación ocurra en la décima entrevista
c) de 15 personas que se entrevistaron ninguna sea contratada

12. Cierta clase de lámina de metal, tiene en promedio cinco defectos por cada
10 metros cuadrados ¿Cuál es la probabilidad de que una lámina de metal
de 15 metros cuadrados
a) tenga al menos seis defectos
b) no tenga ningún
c) como máximo tenga dos defectos

Você também pode gostar