PROBABILIDAD
Objetivos del Captulo
Despus de estudiar este captulo, el alumno deber estar en condiciones de:
Definir la probabilidad.
Enfoque clsico.
Posibilidades.
Clculo de la probabilidad de que por lo menos ocurra uno de dos eventos: P(A o B)
Tcnicas de conteo.
Principio de multiplicacin.
Permutaciones y combinaciones.
Estadstica
Resumen:
La probabilidad es un nmero que indica cuan posible es algn evento futuro. Las
probabilidades se determinan ya sea mediante la realizacin de una serie de ensayos y la
observacin de la frecuencia relativa de ocurrencia del evento en cuestin (o bien, tratando
datos histricos como serie de ensayos idnticos), dndose cuenta que los eventos (o
resultados) son igualmente posibles, o bien, cuando estos no sean posibles, mediante el
empleo de juicios subjetivos. Resulta til para la comprensin y utilizacin de las
probabilidades, imaginar el espacio muestral de todos los resultados posibles de una muestra o
experimento.
Las reglas de Probabilidad fueron ideadas para ayudar en el clculo de eventos que sean, por
s mismos combinaciones de otros. La regla de adicin se utiliza cuando se desea obtener la
probabilidad de que ocurran uno de dos eventos, o ambos. Hay dos variaciones a la regla, una
para eventos que son mutuamente excluyentes, y otra para eventos que no lo son. En forma
semejante la regla de multiplicacin, que se utiliza para determinar la probabilidad de que
ocurran dos eventos, posee dos variantes, una para eventos dependiente y otra para
independientes.
Las reglas de conteo son tiles, en la determinacin del nmero de formas en que algo puede
ocurrir, particularmente cuando hay una gran diversidad de ellas.
Temas de Repaso
1. Describa brevemente los tres enfoques para la asignacin de probabilidades.
2. Por qu es importante el tamao muestral en el enfoque de frecuencia relativa?
3. Qu ventajas o desventajas presenta el enfoque subjetivo respecto a los otros dos
mtodos?
4. Explique esta proposicin: Puede haber un grado de subjetividad en el enfoque de
frecuencia relativa.
5. Qu son las posibilidades y cmo se relacionan con las probabilidades?
6. Defina los siguientes trminos: mutuamente excluyentes, colectivamente exhaustivos,
complemento.
7. Qu es espacio muestral? Qu es evento?
8. Qu son los diagramas de Venn y cul es su utilidad?
9. Qu significa la expresin eventos independientes?
10. Defina lo que significa probabilidad conjunta. Cmo se determina la probabilidad conjunta
cuando los eventos son independientes?
Estadstica
Estadstica
algn evento futuro. As, en muchos casos puede ser virtualmente imposible predecir qu
pasar, pero es posible establecer lo que podra pasar. Por ejemplo, si se tira una moneda, por
lo regular no se puede decir con seguridad si caer cara o cruz. Sin embargo, combinando el
raciocinio, la experiencia y los datos histricos, con frecuencia es factible decir cun probable
es algn evento futuro.
II. Definiciones
1. Experimento: es un proceso o actividad que conduce a un resultado u observacin de un
fenmeno. Ejemplos:
a. El experimento de lanzar una moneda, para ver si cae sello o cara.
b. El experimento formal que tenga por objeto averiguar cul es entre varios mtodos
de enseanza el ms efectivo.
2. Experimento Aleatorio: es un experimento en el cual los fenmenos pueden o no ocurrir.
Ejemplos:
a. El experimento de lanzar una moneda para ver si sale cara.
b. El experimento de tirar un dado para ver si sale un as.
3. Suceso o Evento: es cada uno de los posibles resultados de un experimento. Puede ser
una cantidad o una cualidad. Ejemplos:
a. El nmero de caras al tirar una moneda cuatro veces.
b. Mtodos de enseanza.
4. Espacio Muestral (): es el conjunto de todos los posibles resultados (o sucesos
elementales) de un experimento aleatorio; tal que:
a. Cada resultado del experimento aleatorio, constituye un elemento del conjunto
b. A cualquier resultado del experimento aleatorio le corresponde uno y slo uno de
los elementos de
Ejemplos:
a. Sea el experimento aleatorio tirar una moneda 10 veces y anotar en cuantas
ocasiones cay cara.
El espacio muestral de este experimento sera entonces el nmero posible de caras
que podra resultar: 0, 1, 2,..., 10. o sea:
= {0,1,2,3,4,5,6,7,8,9,10}
b. Un experimento podra consistir en inspeccionar las medidas de seguridad contra
accidentes de una fbrica.
El espacio muestral se compone de la cantidad posible de accidentes o peligros
que pudiera descubrirse. O sea:
= {0, 1, 2, 3,..., }
Estadstica
A, 2, 3,..., 10, J, Q, K.
Estadstica
6
Son mutuamente excluyentes, ya que una carta no puede ser corazn y diamante a
la vez.
m
km
Ejemplo:
Supongamos que nuestro experimento es un solo lanzamiento de dado. Entonces nuestro
espacio muestral es =
1, 2, 3, 4, 5, 6.
Estadstica
P( A)
m
3
3 1
k m 33 6 2
Esto se interpreta como la frecuencia relativa resultante de una larga serie de ensayos u
observaciones.
Esta interpretacin de probabilidad difiere en un aspecto muy importante del primer enfoque
clsico. La nocin tradicional es que la probabilidad de que ocurra un resultado puede
determinarse antes de un experimento. La idea de frecuencia relativa es que la probabilidad se
calcula despus de una serie de ensayos u observaciones.
Las probabilidades calculadas sobre una muestra, o despus de ensayos (experimentos u
observaciones) se llaman probabilidades a posteriori o empricas. Vemos luego que la
interpretacin de la frecuencia relativa de las posibilidades se funda en la experiencia pasada.
Ejemplos:
a. Una probabilidad calculada antes de arrojar un dado puede considerarse como
probabilidad exacta. Una probabilidad calculada sobre datos muestrales no puede ser
exacta, antes bien solo una estimacin.
b. Si, sobre una muestra de 2000 empleados, 1600 estn a favor de un salario anual, la
probabilidad de 0.80 es solo una estimacin, pues una muestra ms amplia dara una
probabilidad ms precisa (y, sin duda, diferente), como por ejemplo 0.79 0.81.
Probabilidad de un Evento: la probabilidad de cualquier evento A de , es el nmero real
P(A) que satisface los axiomas siguientes:
1.
Estadstica
2.
P() = 1
3.
En resumen: la probabilidad P es una funcin que asocia a cada evento A, el nmero real P(A)
que satisface los axiomas 1, 2, 3.
VARIABLES ALEATORIAS
Def.1 : Una VARIABLE ALEATORIA es una funcin valorada numricamente, cuyo valor
est regida por factores en los que interviene el azar.
Esta variable tiene resultados que tienden a variar de observacin en observacin debido a los
factores relacionados con el azar. Es conveniente por su importancia prctica, definir una
variable aleatoria asociada con el espacio muestra de un experimento, de tal manera que sus
resultados posibles sean numricos.
Ejemplo:
Sea el experimento de tirar la moneda una sola vez. Los resultados posibles sern SELLO y
CARA, los cuales no son numricos. De otra manera, el nmero de caras de una tirada se
considerara como la variable aleatoria que tiene como posibles valores numricos 0 y 1.
Otra variable aleatoria podra ser el nmero de clientes que entran a una tienda de novedades
en un lapso de 20 minutos. 0, 1, 2, 3, 4,...
Estadstica
Una variable aleatoria se considera discreta si los valores que asume se pueden
Una variable aleatoria se considera continua si puede asumir cualquier valor
contar.
dentro de un determinado intervalo
E(X) =
x
i 1
p( xi )
Supngase que una tienda de aparatos electrnicos ha reunido los siguientes datos sobre
ventas de congeladoras:
0.30
0.30
0.15
0.05
1.00
Estadstica
E(X)
10
1
1
1
1
1
1
(1)+
(2)+
(3)+
(4)+
(5)+
( 6 ) = 3.5
6
6
6
6
6
6
Una vez ms, 3.5 es un evento imposible en lo referente a una sola tirada, pero ciertamente es
razonable en trminos de un promedio calculado sobre muchas pruebas.
Es interesante observar que el valor esperado se pueda calcular aun cuando no se hayan
llevado a cabo observaciones muestrales, como en el caso del dado, y el valor estimado se
puede estimar a partir de datos de muestreo, como en el ejemplo de las ventajas de
congeladores.
Ejemplo 1:
Un inversionista se da cuenta de que tiene una probabilidad de 0.40 de obtener una utilidad de
S/. 100000,000, y una probabilidad de 0.60 de perder S/. 60000,000, en una inversin. Su
ganancia esperada es:
0.40 (1000000,000) + 0.60 (-60000,000) = 4000,000.
Obsrvese que la prdida de 60000,000 tiene el signo menos.
Ejemplo 2:
Un contratista hace las siguientes estimaciones:
Probabilidad
0.30
Tiempo de terminacin
10 das
0.20
15 das
0.50
22 das
El nmero esperado de das para la terminacin del proyecto, segn estas estimaciones, es:
0.30 (10) + 0.20 (15) + 0.50 (22) = 17 das
Los clculos del valor esperado pueden comprender el nmero de ocurrencias, como el nmero
de errores, cantidad de productos defectuosos, nmero de accidentes, etc., as como
determinados resultados financieros, como utilidades, prdidas o ganancias, rendimientos de
inversin, etc.
Estadstica
11
EJEMPLOS:
1.
2.
Casosfavorales
915
=
= 0.61
Casosposibles
1500
Se sacan dos cartas al azar de una baraja corriente de 52 cartas. Hallar la
probabilidad de que, (a) las dos sean espadas, (b) la una espada y la otra coco.
Solucin:
Hay
a) Hay
P=
52
2
13
2
nmerodecasosfavorablesdesacar 2espadas
78
1
=
=
nmerodecasosposiblesdesacar 2cartas
1326 17
b) Puesto que hay 13 espadas y 13 cocos, hay 13.13 = 169 maneras de sacar una
espada y un coco; o sea P = (169/1326)
3.
Juan llega tarde al paradero del autobs que lo trae a su trabajo el 25% de las
veces. El autobs se retrasa el 10% de las veces. Si los dos sucesos no estn
relacionados, qu probabilidad hay de que ambos ocurran.
Solucin:
P(ambos se retrasen)
4.
(b)
(c)
Solucin:
Hay
a.
15
3
10
3
Estadstica
12
10
225
45
455
91
c. El evento en que por lo menos una sea defectuosa es el complemento del evento en
que ninguna es defectuosa que tiene segn (a) P =
24
91
Entonces:
67
24
91
91
6.
(b)
Solucin:
(a) P(2 ases) = (4/52)(4/52) = 1/169
(b) P(2 ases) = (4/52)(3/51) = 1/221
7.
8.
Una sota;
(b)
(c)
Un diez de trboles;
(d)
(e)
Un diamante;
(f)
Solucin:4/52,26/52,1/52,12/52,13/52,4/52
Estadstica
13
Permutaciones
Una permutacin es uno de los diferentes arreglos u ordenaciones que se pueden hacer con
todos o con parte de los elementos de un conjunto.
A)
Permutaciones Simples:
El nmero de permutaciones de n objetos distintos tomados los n a la vez es igual a n!, y
se denota por nPn, y por tanto podemos escribir
Pn = n (n 1) (n 2)...2 .1 = n!
Pr
es
Pr =
B)
n!
(n r )!
C)
Pnn1 .n 2 n k
n!
n1!n2 ! nk !
EJEMPLOS:
1. De cuntas maneras se puede acomodar una reunin de 8 personas.
(a) En una fila de 8 sillas.
(b) Alrededor de una mesa redonda
Solucin:
(a) Las 8 personas se pueden distribuir en una fila de 8.7.6.5.4.3.2.1 maneras, o sea, 8! =
40320.
(b) Una persona puede sentarse en cualquier punto de la mesa redonda, las otras 7
personas pueden acomodarse de 7.6.5.4.3.2.1 = 7! Maneras alrededor de una mesa, o
sea, de 5040 maneras.
Estadstica
14
P2 y
P4
respectivamente. Estas formas a su vez se asocian una con otra. Luego el nmero de
maneras diferentes es:
(6P6)(2P2)(4P4)(3P3) = 6! 2! 4! 3! = 207,360
(b) Consideremos que los 4 libros de contabilidad sean un solo libro el que sumado con los
8 restantes da un total de 9. todos los cuales pueden ser colocados en 9P9 formas, en
las que los libros de contabilidad estarn juntos. Pero los libros de contabilidad pueden
ser colocados entre si en 4P4 formas. Luego el nmero requerido de formas de colocar
los libros es de:
(9P9)(4P4) = 9! 4! = 8709,120
6. Cuntas seales diferentes, cada una de 6 linternas colgadas en una lnea vertical,
pueden formarse con 4 linternas rojas idnticas y dos azules idnticas?
Estadstica
15
Solucin:
Este problema corresponde a permutaciones con repeticiones.
Hay 6!/4! 2! = 15 seales puesto que hay 6 linternas de las cuales 4 son rojas y 2 azules.
7. Supngase que una urna contiene 8 bolas. Hallar el nmero de pruebas ordenadas de
tamao 3.
(a) Con sustitucin
(b) Sin sustitucin
Solucin:
(a) Cada bola de la prueba ordenada puede ser escogida de 8 maneras; entonces hay
8.8.8 = 512 pruebas con sustitucin.
(b) La primera bola de la prueba ordenada puede ser escogida de 8 maneras, la siguiente
de 7 maneras y la ltima de 6 maneras. Por lo tanto hay 8.7.6 = 336 pruebas sin
sustitucin.
8. Hallar n si:
(a) P(n.2) = 72
(b) P(n,4) = 42P(n,2)
Solucin: a) n = 9, b) n = 9
Combinaciones
Una combinacin es un arreglo de cierto nmero de objetos tomados de un conjunto de n
objetos en tal forma que el orden en que se disponen no importa
A)
Combinaciones Simples:
Determinar todas las combinaciones de k objetos, a partir de n objetos distintos, es obtener
todos los subconjuntos de k objetos de los n dados.
El nmero de combinaciones de orden k que se pueden formar a partir de n elementos
n
distintos, denotado por Ck
n
k
es:
Ckn
n!
k! n k !
n
El nmero combinatorio Ck satisface las siguientes propiedades:
n
n
a. C0 Cn 1
n
n
b. Ck Cn k
n
n
n 1
c. Ck 1 Ck Ck
n
d. Ck
n k 1 n
Ck 1
k
Estadstica
n
e.
C
k 0
t
f.
C
k 0
16
n
k
m
k
B)
2n
Ctn k Ctm n
Combinaciones con Repeticin: el nmero de combinaciones de k objetos
tomados de n objetos, de manera de dos, tres,..., k objetos pueden ser uno mismo y que
n
denotaremos por CRk , est dado por la expresin:
n k 1
(n k 1)!
k
k!(n 1)!
CRkn
EJEMPLOS:
1.
12
(b) Si una nia se incluye en el comit, entonces ste puede escogerse de ( 9C3)(3C1) = 252
formas, si 2 nias se incluyen, entonces el comit se puede escoger de ( 9C1)(3C2) = 108
formas y por ltimo si 3 nias se incluyen, entonces el comit se puede escoger de
(9C1)(3C3) = 9.
Luego un comit con una nia por lo menos se puede escoger de 252 + 108 + 9 = 369
formas.
Otro mtodo:
Sabemos que el comit de 4 se puede elegir de
12
formado por solamente hombres se puede elegir de 9C4 formas. Entonces los comits
que cuentan con una nia por lo menos son 12C4 9C4 = 369.
(c) Los comits que tendrn exactamente una nia se encuentran de la forma siguiente:
(3C1)(9C3) = (3)(9.8.7/1.2.3) = 252 formas
2.
Estadstica
17
(b)
(c)
Solucin:
(a) Las 8 preguntas pueden seleccionarse de 10C8 = 10C2 = 10.9/1.2 = 45 maneras.
(b) Si contesta las 3 primeras preguntas, entonces puede escoger las otras 5 de las 7
ltimas preguntas de 7C5 = 7C2 = 7.6/1.2 = 21 maneras.
(c) Si consta todas las 5 primeras preguntas, entonces puede escoger las otras 3 de las 5
ltimas de 5C3 = 10 maneras. Por otra parte, si contesta 4 de las 5 primeras preguntas,
entonces puede escogerlas de 5C4 = 5 maneras; pro consiguiente puede escoger de las
8 preguntas de 5.5 = 25 maneras, o sea que tiene 10 + 25 = 35 maneras diferentes
para escoger.
4.
5.
Estadstica
18
DISTRIBUCIONES DE PROBABILIDAD
Cualquier regla o mecanismo que sirva para determinar P ( X = x i ), probabilidad de que la
variable aleatoria X tome cada uno de los valores posibles x, se denomina una distribucin
de probabilidad.
Una distribucin de probabilidad debe poseer las caractersticas siguientes:
1. P ( X = x ) 0
2. P ( X = x ) = 1
Esta regla o mecanismo puede ser una tabla, un grfico o una frmula.
Una frmula que se emplee para calcular P ( X = x ) se denomina funcin de
probabilidad y se denota por f(x)
Distribucin Binomial
Para describir esta distribucin tomemos el experimento E que tiene los nicos resultados:
V (xito) y F (Fracaso), con probabilidades p y q, respectivamente, donde p > 0, q > 0 y
p + q = 1.
Repitamos el experimento n veces de manera independiente y consideremos la variable
aleatoria X que toma los valores 0, 1, 2,..., n. segn aparezcan 0, 1, 2,..., n xitos,
respectivamente. La distribucin correspondiente a la variable X se llama distribucin o ley
binomial de parmetros n y p. Esta queda definida si se conoce P[X = k] para k = 0, 1, 2,..., n.
esta probabilidad es:
P x k
p
n
k
qnk
TEOREMA : si
k = 0,1,2,...,n.
x ~ (n, p)
= Var ( X ) = np ( 1 p )
EJEMPLOS:
1.
Estadstica
19
(a)
(b)
Solucin:
(a) La probabilidad de que conteste el 70% correctamente, quiere decir que a lo sumo
debe dejar de contestar 6 preguntas.
P(X 6/20, 0.5) = 0.0577
(b) La probabilidad de que conteste por lo menos la mitad de las preguntas es igual a: P(X
10/20, 0.5)
Sabemos que:
P(X = 0) + P(X = 1) + +
P(X 10)
=1
De donde:
P(X 10)
2.
(b)
Cinco veces.
(c)
(d)
Menos de 3 veces.
Solucin:
n = 10
p = 0.40
Estadstica
20
3.
Exactamente 5.
(b)
Mayor que 5.
(c)
5 o menos.
(d)
Solucin:
n = 25
(a)
p = 0.30
(b)
(c)
(d)
4.
Una secretaria que debe llegar a su trabajo todas las maanas a las 8:00 se
tarda 15 minutos o ms el 20% de las veces. El presidente de la compaa, que no llega
sino a las 10:00 a.m., llama ocasionalmente a la oficina entre 8:00 y 8:15 para dictar una
carta. Cul es la probabilidad de que 3 maanas de las 6 en que el presidente llama, la
secretaria no est presente en la oficina?
Solucin:
P = 0.20 (de que se tarde) ;
n = 6 veces;
X=3
Estadstica
21
5.
(b)
Exactamente 5 llamadas.
(c)
3 llamadas o ms.
(d)
Solucin:
(a)
(b)
(c)
= 1 P(X 2)
= 1 (P(X = 0) + P(X = 1) + P(X = 2))
= 1 (0.1969 + 0.3474 + 0.2759)
= 1 0.8202
= 0.1798
(d)
6.
= 0.1969
Estadstica
22
n = 15
Estadstica
8.
23
En una zona geogrfica, el 15% de los adultos son analfabetos. Dada nuestra
n = 25 adultos
P(X 5)
Estadstica
24
DISTRIBUCIN DE POISSON
Una variable X que toma los valores 0, 1, 2, ..., se dice que tiene distribucin o Ley de Poisson
de ,
k X
e
!
0,1,2,
se escribe X ~ P .
2 E (X ) 2
Grfico 1
La distribucin de Poisson se aplica a problemas donde la variable aleatoria es el nmero de
eventos que ocurren en un intervalo de tiempo, o en una regin por ejemplo:
-
El nmero de veces que falla una pieza de un equipo durante un perodo de tres meses
Estadstica
25
n
k
nk
P x k t / a 1 t / a
k
Asumiendo que a y n tienden al infinito y n/a permanece constante e igual a , se tendr que:
p = t / a tiende a 0,
t = n p permanece constante, y por tanto, P[ X = k ] tiende a e-t (t)k / k!.
Ntese que representa el nmero de puntos por unidad de longitud. De este modo, por
ejemplo, la probabilidad de recibir k llamadas en una central telefnica y en un intervalo de
longitud t, se calcula conociendo el promedio de llamadas en la unidad de tiempo.
Ejemplo. El promedio del nmero de llamadas telefnicas que se reciben en una central
telefnica en momentos de mayor intensidad es de dos cada 5 minutos; ( 2/5 llamadas cada
minuto ), hallar la probabilidad de que se reciban 2 llamadas en un intervalo de longitud t = 4
minutos.
Solucin:
Si x es el nmero de llamadas recibidas en un intervalo de longitud t, se tiene que la
probabilidad de recibir k llamadas de tal intervalo de longitud t es:
P[X = k] =
e t t
k!
e ( 2 / 5)( 4 ) (2 / 5)(4)
P X 2
0.25842
2!
2
Ejemplo. La probabilidad de que un artculo producido por una lnea de produccin sea
defectuoso es p = 1/100. Cuntos artculos tendrn que producirse para que con probabilidad
0.9 se tenga al menos un defectuoso?
Solucin:
Aplicando directamente la frmula de la distribucin de Poisson, se tiene que la probabilidad de
obtener por lo menos un defectuoso es 1 e -. La condicin del problema indica que 1 e- =
0.9, de donde se tiene que n 230.
Ejemplo: La probabilidad de que un vehculo que se estaciona en una gasolinera para
aprovisionarse de combustible sea automvil es P 1 = 0.6 y de que sea camin, P 2 = 0.2. si a la
gasolinera llegan vehculos a razn de 4 vehculos cada 5 minutos y de acuerdo a una ley de
Estadstica
26
1 30
1 0.3 2 0.4 A
0.7
2 60
0.6
3 4 B
0 .6
0 .1
0.4
0.9
0.5 5 0.5 C
Solucin:
Los vehculos llegan o sales del punto 1 segn una ley de Poisson.
Los vehculos llegan con tasa 1 = 30 al punto 1, salen de ste hacia el punto 2 con tasa 2 = 30
x 0.3 = 9 y hacia el punto 3 con tasa 4 = 30 x 0.7 = 21. anlogamente para los otros puntos.
Ejemplo: Un lquido contiene ciertas bacterias cuyo promedio es de 4 por cm cbico. Hallar la
probabilidad de que:
a) En 1 cm cbico del lquido no exista bacteria alguna.
Estadstica
27
e 4 (1) (4 x1) 0
e 4 0.0183
o!
c) La probabilidad de que no exista ninguna bacteria en 0.5 cm. cbicos del lquido es,
P X 0
e 4 ( 0.5) ( 4 x 0.5) 0
e 2 0.1353
0!
Estadstica
28
Distribucin Normal
Una variable aleatoria continua X que tiene la funcin de densidad,
f(x) =
1
2
e (1 / 2 )( x / ) con , 0 yx ;
Se dice que sigue una distribucin normal con parmetros y . Se escribe x ~ N(, 2)
En su grfica se observa que es simtrica respecto de la recta x = y se denomina campana
de gauss.
El rea bajo la curva y por encima del eje X es 1. el rea comprendida entre las rectas x = a y
x = b, correspondiente a la probabilidad P[a x b] se calcula usando los mtodos de
integracin, sin embargo, se puede aproximar usando tablas de la distribucin normal
estandarizada.
Se cumple que:
El rea comprendida entre - y + es
Estadstica
29
(a)
(b)
(c)
(d)
(e)
(f)
(g)
(h)
(i)
(j)
2.
(a) En qu proporcin las llamadas a larga distancia tienen una duracin de ms de dos
minutos, pero menos de tres y medio minutos?
Estadstica
30
(c) P(X 5)
(a)
(b)
(c)
Solucin:
(a)
P(X 4)
(b)
P(X 5)
(c)
P(X 3)
4.
Estadstica
(a)
31
Qu proporcin del rea en acres sembradas de este grano producen ms de 50
(b)
Solucin:
+) P(0
1)
= 0.5000 0.3413
= 0.1587
5.
= P((300-600)/100) Z ((700-600)/100)]
= P(-1.5 Z 1.0)
= P(-1.5 Z 0) + P(0 Z 1)
= 0.4332 + 0.3413 = 0.7745
Estadstica
6.
32
En una poblacin determinada la estatura de los adultos hombres est ms
7.
(a) P(X 5)
8.
(a) Qu proporcin de los automviles que pasan por el punto de control viaja a ms de
50 MPH?
Ing. Carlos Cruz Castaeda
Estadstica
33
(b) Qu proporcin para por el punto de control a una velocidad de menos de 40 MPH?
(c) Supongamos que la velocidad lmite en el control es de 55 MPH. Qu proporcin de
automviles exceden esta velocidad cuando pasan por el control?
Solucin: