Anda di halaman 1dari 28

Captulo 4.

Variables aleatorias y distribuciones


de probabilidad
1.1. Variable aleatoria
Es cualquier funcin del espacio muestral en los nmeros reales, es decir, X : IR .
La variable aleatoria cuantifica a cada elemento del espacio muestral de una manera especfica.

Rango de la variable aleatoria


Es el conjunto de los valores posibles de la variable aleatoria, es decir, RX { X (w) / w } .

Tipos de variable aleatoria


Una variable aleatoria es discreta si puede asumir un conjunto finito o infinito numerable de valores
diferentes.
Una variable aleatoria es continua si puede asumir cualquier valor en un intervalo.
Ejemplo 1
Indique el tipo de la variable aleatoria y su rango.
Variable aleatoria Tipo Rango
W = nmero de libros defectuosos en un
lote de 100 unidades
X = nmero de veces que debe picarme
mosquitos hasta contraer el dengue
Y = tiempo que puede pasar un humano
debajo del agua sin respirar (en minutos)

1.2. Variable aleatoria discreta


Una variable aleatoria es discreta si el conjunto de valores que puede tomar es finito o infinito
numerable. Una variable aleatoria discreta asume cada uno de los valores con cierta probabilidad.
Ejemplo 2
Sea el espacio obtenido al lanzar una moneda dos veces y observar si sale cara (c) o sello (s) cada
vez. = {(c,c), (c,s), (s,c), (s,s)}.
Sea X el nmero de caras obtenidas.
El rango de RX = {0, 1, 2}. Entonces X es una variable aleatoria discreta.
Ejemplo 3
Sea el espacio obtenido al lanzar un dado hasta que salga el as. Sea X el nmero de lanzamientos.
RX = {1, 2, 3,} = Z+. Por tanto, X es una variable aleatoria discreta.
Distribucin de probabilidad de una v.a discreta
La distribucin de probabilidad de una variable aleatoria discreta X se describe como una funcin
de probabilidad representada por PX(x) que asigna a cada valor x de la variable aleatoria, la
probabilidad de que X asuma ese valor, esto es PX(x) = P(X = x).
Toda funcin de probabilidad cumple lo siguiente:
0 PX(x) 1
P x 1
xR X
X

Si A RX , entonces P X A PX x
xA

El dominio de la funcin PX(x) se puede extender a todos los nmeros reales, si se define PX(x) =
0 para todo x IR- RX.

Ejemplo 4
Sea X el nmero de caras obtenidas al lanzar una moneda dos veces. Determine la funcin de
probabilidad de la variable X y calcule P(X 1)

Solucin
Sea la variable aleatoria X := nmero de caras obtenidas al lanzar una moneda dos veces.
RX = {0, 1, 2}
Luego, la funcin de probabilidad de la variable X es:
2
PX 0 P X 0
1, PX 1 P X 1 , PX 2 P X 2 1
4 4 4
La probabilidad pedida es:
1
1 2
P( X 1) PX ( x) PX (0) PX (1) 0.75
x 0 4 4
Ejemplo 5
Sea X el nmero de lanzamientos de un dado hasta que salga el primer seis. Determine la funcin
de probabilidad de la variable X y calcule P(X 3) .

Solucin
Sea la variable aleatoria X := nmero de lanzamientos de un dado hasta que salga el primer seis.
RX = {1, 2, 3,} = Z+.
PX(1) = P(X = 1) = 1/6, PX(2) = P(X = 2) = 5/6 x 1/6, PX (3) = P(X = 3) = 5/6 x 5/6 x 1/6
Luego, la funcin de probabilidad de la variable X es:
x 1
5 1
PX x P X x ; x 1, 2, 3,....
6 6
1 5 25
P( X 3) 1 P( X 3) 1 PX (1) PX (2) PX (3) 1 0.5787
6 36 216
Ejemplo 6
a. Se lanza un dado una vez, sea la variable aleatoria X igual al nmero de la cara superior.
Determine la funcin de probabilidad de la variable X.

b. Se lanza dos dados a la vez, sea la variable aleatoria X igual a la suma de los nmeros de las
caras superiores. Determine y grafique la funcin de probabilidad de la variable X.

Valor esperado de una variable aleatoria discreta


El valor esperado E(X) de una variable aleatoria discreta X con distribucin de probabilidad PX (x) se
define por:
E X xP x
X
xRX

El valor esperado E(X), tambin, se le conoce como media de la variable X, denotada por X.

Ejemplo 7
Se lanza un dado una vez, sea la variable aleatoria X igual al nmero de la cara superior. Calcule e
interprete el valor esperado de la variable X.

Ejemplo 8
El nmero de trabajadores que faltan por da por razones de salud en una empresa se modela con
una variable aleatoria X con funcin de distribucin.
x 0 1 2 3 4
PX (x) 0.08 0.12 0.40 0.25 k

a. Determine k.

b. Calcule e interprete el valor esperado de X.

Valor esperado de una funcin de variable aleatoria


discreta
Sea G(X) una funcin de la variable aleatoria discreta X. El valor esperado de G(X) es:
E G X Gx P x X
xRX

Ejemplo 9
Un jugador lanza un dado, si sale un nmero de puntos mayor a cuatro gana 10 nuevos soles y si no,
pierde cinco nuevos soles. Calcule e interprete el valor esperado de la ganancia.
Varianza de una variable aleatoria discreta
La varianza V(X) de una variable aleatoria discreta X con distribucin de probabilidad PX (x) se define
por:
V X E X X x X PX x
2 2

xR X

Se cumple V X EX
2 2
X
x 2 Px x X2
xR X

La varianza de la variable aleatoria X, V(X), tambin se denota por X2 .

Desviacin estndar de una variable aleatoria discreta


X X2
Ejemplo 10
Se lanza un dado una vez, sea la variable aleatoria X igual al nmero de la cara superior. Calcule la
desviacin estndar de la variable X.

Ejemplo 11
La demanda diaria de un producto perecible puede modelarse por una variable aleatoria discreta X
cuya distribucin de probabilidad est dada por la tabla que sigue:
x 12 24 36 48 60
PX (x) 0.15 0.25 0.30 0.20 0.10
La empresa obtiene por cada unidad demandada de producto 20 nuevos soles de utilidad. Si la
cantidad demandada en un da es mayor a 36 unidades, se obtiene una utilidad adicional de dos
nuevos soles por unidad demandada de producto. La empresa tiene siempre ms de 60 productos
en su almacn al inicio del da. Calcule el valor esperado y la desviacin estndar de la utilidad por
la demanda diaria de productos.
1.3. Algunos modelos discretos importantes
Experimento de Bernoulli
Un experimento de Bernoulli es un experimento aleatorio con dos nicos resultados posibles
denominados xito (E) y fracaso (F).
La probabilidad de xito se denota P(E) = p y la de fracaso P(F) = 1- p = q.
Los siguientes son ejemplos de experimentos Bernoulli:
Lanzar un dado y observar si sale seis
o E:= Sale 6. Luego, P(E) = 1/6
Revisar un artculo y verificar si es defectuoso en una lnea de produccin que produce el 0.1%
de artculos defectuosos.
o E:= El artculo es defectuoso. Luego, P(E) = 0.001
Ofrecer una pliza de seguros a un cliente y anotar si la compra. Por experiencia se sabe que el
5% de los clientes compra la pliza.
o E:= El cliente compra la pliza. Luego, P(E) = 0.05

Distribucin Binomial
Un experimento binomial consiste en una serie de n repeticiones de un experimento Bernoulli,
donde n se fija antes de realizar el experimento.
Las pruebas son independientes entre s por lo que el resultado de un intento en particular no
influye en el resultado de cualquier otro.
La probabilidad de xito es constante de una prueba a otra y la denotamos como p.
Se define la variable aleatoria binomial X como el nmero de xitos observados en un experimento
binomial, es decir:
X := Nmero de xitos obtenidos en n repeticiones independientes de un experimento de Bernoulli
con probabilidad de xito p.
La funcin de probabilidad de la variable aleatoria binomial X es:
PX x P X x C xn p x 1 p
n x
; x 0, 1, 2, , n

Se denota X ~ B (n, p) y se lee X sigue una distribucin binomial con parmetros n y p.


Media E X np
Varianza 2 V X np1 p
Ejemplo 12
Los siguientes son ejemplos de variables binomiales:
X1 = Nmero de artculos defectuosos en un lote de 500
o n = 500 E:= artculo defectuoso P(E) = 0.001 X1 ~ B(n = 500, p = 0.001)
X2 = Nmero de clientes que compran una pliza de seguro de vida de los 20 visitados
o n = 20 E:= cliente compra la pliza P(E) = 0.08 X2 ~ B(n = 20, p = 0.08)
X3 = Nmero de solicitudes de crdito hipotecario aprobadas de 15 evaluadas
o n = 15 E:= crdito aprobado P(E) = 0.68 X3 ~ B(n = 15, p = 0.68)

Ejemplo 13
En un proceso de fabricacin artesanal de papel reciclado se estima, por experiencia anterior, que
el 3% de las hojas de papel producidas presentan defectos en el teido. Las hojas de papel se
empacan en cajas de 50 unidades. Si usted ha comprado una de estas cajas, calcule la probabilidad
de que:
a. ninguna de las hojas presente defectos en el teido
b. la caja contenga exactamente tres hojas con defectos en el teido
c. la caja contenga a lo ms dos hojas con defectos en el teido
d. la caja contenga al menos una hoja con defectos en el teido
e. Cuntas hojas con defectos en el teido esperara encontrar en su caja?

Solucin
Definimos la variable aleatoria X: = nmero de hojas con defectos en el teido en la caja de 50 hojas
de papel reciclado

Notemos que X ~ B (n = 50, p = 0.03), luego

a. La probabilidad de que ninguna de las hojas de la caja presente defectos en el teido es


P X 0 C050 0.030 0.9750 0.218
b. La probabilidad de que en la caja haya exactamente tres hojas que presenten defectos en el
teido es
P X 3 C350 0.0330.97 47 0.126
c. La probabilidad de que en la caja haya a lo ms dos hojas con defectos en el teido es
P X 2 C x50 0.03 x 0.97 50 x 0.811
2

x 0

d. La probabilidad de que en la caja haya ms de una hoja con defectos en el teido es

P X 1 1 P X 1 1 C x50 0.03 x 0.97 50 x 1 0.555 0.445


1

x 0

e. En una caja de 50 hojas recicladas se esperara encontrar E(X) = np = 50(0.03) = 1.5 hojas que
presenten defectos en el teido.
Ejemplo 14
Una encuestadora va a entrevistar 30 personas seleccionadas al azar de un rea rural. Si la
probabilidad de que una persona cualquiera de esta zona est indocumentada es de 0.25.
a) Determine la distribucin de probabilidades del nmero de encuestados indocumentados de los
30 seleccionados.

b) Encuentre la probabilidad de que la encuestadora entreviste por lo menos a seis personas


indocumentadas.

c) Cuntos indocumentados se espera encontrar en el grupo de 30 seleccionados?

Ejemplo 15
Un mdico estima que el 42% de los pacientes que atiende diariamente requiere algn examen de
laboratorio.
a. Si en un da en particular el mdico debe atender 18 pacientes, estime la probabilidad de que
menos de siete de ellos requieran algn examen de laboratorio.
b. Estime la probabilidad de que de 22 pacientes atendidos en un da por este mdico, ms de 20
requieran de algn examen de laboratorio.

Distribucin Hipergeomtrica
El experimento hipergeomtrico consiste en extraer al azar y sin sustitucin n elementos de un
conjunto de N elementos, M de los cuales son xitos y N - M son fracasos (valo como una urna).
Se define la variable aleatoria hipergeomtrica como X nmero de xitos observados en la
muestra de tamao n.
La funcin de probabilidad de la variable X es:
C xM CnNxM
PX ( x) P X x ; x max{ 0, n ( N M )},..., min{ n, M }
CnN

Se denota X ~ H (N, M, n) y se lee que la variable aleatoria X sigue una distribucin


hipergeomtrica con parmetros N, M y n.
M
Media EX n
N
Varianza 2 V X n
M M N n
1
N N N 1

Ejemplo 16
En un equipo de ftbol hay 18 jugadores de los cuales cuatro consumen sustancias prohibidas.
Calcule la probabilidad de detectar a por lo menos uno de los jugadores que usan sustancias
prohibidas, si la directiva del club ha realizado una prueba antidoping a dos jugadores.

Ejemplo 17
En una distribuidora hay 25 televisores de los cuales 6 son de tecnologa LED. Si se seleccionan al
azar 10 televisores, calcule la probabilidad de que se haya seleccionado por lo menos dos televisores
de tecnologa LED.

Variables aleatorias continuas


Es una variable cuyo rango es un conjunto infinito no numerable de valores. Por ejemplo: peso, en
kilos, de una persona, tiempo en resolver la primera pregunta del examen parcial de un curso o
volumen, en decibeles, en una discoteca a una hora determinada.
Funcin de densidad de una variable aleatoria continua
Se denomina funcin de densidad de probabilidad fX(x) de una variable aleatoria continua X a la
funcin que satisface lo siguiente:

f X x 0 x RX
f x dx 1
RX
X

Es importante indicar que la funcin de densidad no es una probabilidad sino un modelo


matemtico (que se supone refleja una realidad) que nos permite calcular probabilidades como
reas debajo de esta funcin. Los requerimientos anteriores nos dicen que la funcin de densidad
tiene una grfica que nunca est debajo del eje x y que el rea que hay debajo de esta grfica es 1.

Vale tambin comentar que las reas debajo de funciones no negativas se hallan matemticamente
mediante integracin. En nuestro curso no requeriremos este concepto y calcularemos las reas
slo utilizando herramientas de geometra.

Si A RX ,
P X A f X x dx = Area debajo de la grfica de fX sobre el conjunto A.
A

El dominio de la funcin fX(x) se puede extender a todos los nmeros reales, si se define fX(x) = 0
para todo x IR- RX

Se cumple que:
a


P( X a) f (x) dx 0
a

P(a X b) P(a X b) P(a X b) P(a X b)


Ejemplo 18
Si las ventas diarias (en miles de nuevos soles) en una tienda se modelan con una variable continua
X con funcin de densidad de probabilidad

f (x) c x ; 0 x 10
a. Calcular el valor de c
b. Calcule e interprete P(X 5)
c. Calcule e interprete P(X 8)

Solucin
a. Como fX (x) es una funcin de densidad el rea debajo de la recta entre 0 y 10 es 1 y por tanto
50c 1 c 0.02
b. P( X 5) 0.25 . La probabilidad de que las ventas en un da cualesquiera sean menores a
5,000 nuevos soles es de 0.25.
c. La probabilidad de que las ventas en un da cualesquiera sean de al menos 8,000 nuevos soles
es de 0.36.

Distribucin de probabilidad
La distribucin de probabilidad de una variable aleatoria X, es la funcin de probabilidad de X, si X
es discreta y la funcin de densidad de probabilidad de X, si X es continua.

Funcin de distribucin acumulada


La funcin de distribucin acumulada de la variable aleatoria X, es una funcin F : R X IR , tal que
F(x) P(X x)
Si X es una variable discreta con funcin de probabilidad PX(x)
F (a) P( X a) PX x
xa

Si X es una variable continua con funcin de densidad de probabilidad f(x)


F (a) P( X a) f X x dx
xa

Se cumple que:
P(a < X b) = F(b) F(a)

Valor esperado de una variable aleatoria continua (como


cultura general)
El valor esperado E(X) de una variable aleatoria continua X con distribucin de probabilidad f(x) se
define por:
E X xf X x dx
RX
Propiedades del valor esperado en variables aleatorias
E(b) = b
Si X e Y son variables aleatorias, a y b son constantes, entonces:
E(aX + bY) = a E(X) + b E(Y)
Si X1, X2, X3, . . ., Xn son n variables aleatorias, y a1, a2, a3, . . ., an son n constantes, entonces:
E a1 X 1 a2 X 2 ... an X n a1E X 1 a2E X 2 ... anE X n

Propiedades de la varianza en variables aleatorias


Si Y = aX + b, con a y b son constantes, entonces Y2 a2 X2
Si X1, X2, X3, . . ., Xn son n variables aleatorias independientes, y a1, a2, a3, . . ., an son n constantes,
entonces:
V a1 X1 a2 X2 ... an X n a12V X1 a22V X2 ... an2V X n

Variable estandarizada
X x
La variable Z , tiene esperado igual a 0 y varianza igual a 1.
X

1.4. Algunos modelos continuos importantes


Distribucin de probabilidad uniforme
La variable aleatoria X tiene una distribucin uniforme en el intervalo [a, b], si su funcin de densidad
de probabilidad es:
1
f x ; axb
ba

Se denota X ~ U (a, b) y se lee que la variable aleatoria X sigue una distribucin uniforme con
parmetros a, b.
El hecho que la densidad sea constante nos indica que es igualmente factible que la v.a. X tome
cualquier valor dentro del intervalo [a,b].
La funcin de distribucin acumulada es:
0 ; xa
x a
F (x) ; axb
b a
1 ; xb

ab
Media E X
2

Varianza 2 V X
b a 2
12
Ejemplo 19
El tiempo, en minutos, que demora un servicio de delivery en entregar una pizza puede modelarse
por una variable aleatoria uniforme con parmetros 10 y 38. Si la pizza se tarda ms de 30 minutos
en ser entregada, el cliente no la pagar.
a. Si una familia pide una pizza, calcule la probabilidad de que le salga gratis.

b. Si la familia pide una pizza diaria durante diez das seguidos, calcule la probabilidad de que por
lo menos una de ellas le salga gratis.

c. Una familia pidi una pizza hace 25 minutos y an no ha llegado, cul es la probabilidad de que
le salga gratis?
Distribucin normal
La variable aleatoria X tiene una distribucin normal con parmetros y 2 (2 > 0) si su funcin de
densidad de probabilidad es
2
1 x
1

f x e 2 ; x IR
2
Se denota X ~ N (, 2) y se lee que la variable aleatoria X sigue una distribucin normal con
parmetros y 2.
Media E X
Varianza 2 V X 2
La funcin de densidad de una variable normal tiene forma de campana y es simtrica, por lo
que las medidas de tendencia central coinciden.
El rango de la variable aleatoria normal es el conjunto de los nmeros reales.
Ejemplos de grficas de distribuciones normales con diferentes medias y varianzas.
Distribucin norm al con m edia 15 y desviacin estndar 1

0.5
0.4
0.4
0.3
0.3
0.2
0.2
0.1
0.1
0.0
10 11 12 13 14 15 16 17 18 19 20

Distribucin norm al con m edia 15 y desviacin estndar 0,5

0.9
0.8
0.7
0.6
0.5
0.4
0.3
0.2
0.1
0.0
10 11 12 13 14 15 16 17 18 19 20

Distribucin norm al con m edia 15 y desviacin estndar 1,8

0.3

0.2

0.2

0.1

0.1

0.0
10 11 12 13 14 15 16 17 18 19 20
reas bajo la curva normal

Propiedad de la distribucin normal


Sea X ~ N(, 2), si Y = aX + b, entonces, Y ~ N(Y, Y2), donde
Y = a + b
Y2 = a 2 2
Y = | a |

Estandarizacin de una variable normal


X
Sea X ~ N(,2), si Z entonces la variable aleatoria Z tiene distribucin normal y se cumple

que Z = 0 y Z2 = 1. Se dice que la variable Z ~ N(0,1) tiene distribucin normal estndar.
La funcin de densidad de Z se denota: (z )

La funcin de distribucin acumulada de Z se denota: (z )

Clculo de probabilidades para una variable normal


Sea X ~ N(, 2), entonces:
a X b a b
Pa X b P P Z

b a

b a
Los valores de y se pueden determinar usando la tabla de la

distribucin normal estndar.
Uso de la tabla de la distribucin normal estndar
Sea Z ~ N(0,1) , en la tabla podemos encontrar las probabilidades acumuladas hasta cierto valor z,
es decir: ( z ) P( Z z )

Z 0.00 0.01 0.02 0.03 0.04 0.05 0.06 0.07 0.08 0.09
0.0 0.50000 0.50399 0.50798 0.51197 0.51595 0.51994 0.52392 0.52790 0.53188 0.53586
0.1 0.53983 0.54380 0.54776 0.55172 0.55567 0.55962 0.56356 0.56749 0.57142 0.57535
0.2 0.57926 0.58317 0.58706 0.59095 0.59483 0.59871 0.60257 0.60642 0.61026 0.61409
0.3 0.61791 0.62172 0.62552 0.62930 0.63307 0.63683 0.64058 0.64431 0.64803 0.65173
0.4 0.65542 0.65910 0.66276 0.66640 0.67003 0.67364 0.67724 0.68082 0.68439 0.68793
0.5 0.69146 0.69497 0.69847 0.70194 0.70540 0.70884 0.71226 0.71566 0.71904 0.72240
0.6 0.72575 0.72907 0.73237 0.73565 0.73891 0.74215 0.74537 0.74857 0.75175 0.75490
0.7 0.75804 0.76115 0.76424 0.76730 0.77035 0.77337 0.77637 0.77935 0.78230 0.78524
0.8 0.78814 0.79103 0.79389 0.79673 0.79955 0.80234 0.80511 0.80785 0.81057 0.81327
0.9 0.81594 0.81859 0.82121 0.82381 0.82639 0.82894 0.83147 0.83398 0.83646 0.83891

1.0 0.84134 0.84375 0.84614 0.84849 0.85083 0.85314 0.85543 0.85769 0.85993 0.86214
1.1 0.86433 0.86650 0.86864 0.87076 0.87286 0.87493 0.87698 0.87900 0.88100 0.88298
1.2 0.88493 0.88686 0.88877 0.89065 0.89251 0.89435 0.89617 0.89796 0.89973 0.90147

Por ejemplo, usando la tabla podemos determinar que:


P(Z 0.24) = (0.24) = 0.59483
P(Z 1.17) = (1.17) = 0.87900
P(Z > 1.09) = 1 P(Z 1.09) = 1 - (1.09) = 1 0.86214 = 0.13786
Ejemplo 20
Si sabemos que P(Z c) = 0.83147 cul es el valor de c?
De acuerdo a la condicin dada: (c) P( Z c) 0.83147 . Ahora en la tabla encontramos
que (0.96) 0.83147 por lo tanto podemos concluir que c = 0.96.
Ejemplo 21
Si Z ~ N 0, 2 1 , calcular

P(Z 1.12) =

P(Z > 0.75) =


P(0.04 Z < 1.27) =

P(Z < -4) =

Hallar c para que P(Z < c) = 0.9750

Hallar c para que P(-c < Z < c) = 0.95

Ejemplo 22
a. Si X ~ N(10, 16), calcule P( X < 12)

b. Si X ~ N(10, 16), calcule P( 9 < X < 13)


c. Si X ~ N(10, 16), halle c tal que P(X < c) = 0.1056

Ejemplo 23
Si los puntajes de los postulantes en un examen de ingreso se distribuyen como una variable
aleatoria normal con una media de 1,200 y una desviacin estndar de 300 puntos.
a. Encontrar la probabilidad de que el puntaje de un postulante sea de por lo menos 1,300.
b. Si ingresa el 12.3 % de los postulantes con puntajes ms altos. Hallar el puntaje mnimo para
ingresar.

Solucin
Definamos la variable aleatoria X := puntaje de un postulante.
= 1,200, = 300 y 2 = 3002 X ~ N(1,200, 3002)
a. La probabilidad pedida es
X 1, 300
P X 1, 300 1 P X 1,300 1 P

=1 P X 1, 200 1,300 1,200 1 PZ 0.33 1 0.33 0.3707
300 300
b. Sea k el puntaje mnimo para ingresar. Se tiene P( X k ) 0.123 , luego
P( X k ) 0.877 . Estandarizando P X 1,200 k 1, 200 P Z k 1,200 0.877
300 300 300
De lo cual, se tiene que k 1,200 0.877 . En la tabla N(0,1) observamos que
300
(1.16) 0.8770, luego k 1,200 1.16 , de donde k = 1,548.
300
Ejemplo 24
Una compaa ha comprado una prueba para seleccionar personal. Los que han diseado la prueba
saben que las notas siguen una distribucin normal con una media de 75 puntos y una desviacin
estndar de diez puntos. Calcule la probabilidad de que una persona que rinda esta prueba obtenga
una nota superior a 90 puntos.
Ejemplo 25
Suponga que el gasto de un turista extranjero durante su estada en el Per se puede modelar con
una variable aleatoria normal con media de 1,200 dlares y desviacin estndar de 300 dlares.
a. Calcule la probabilidad de que un turista extranjero gaste ms de 1,500 dlares durante su
estada en el Per.

b. Calcule la probabilidad de que un turista extranjero gaste entre 1,000 y 1,400 dlares durante
su estada en el Per.

c. Si se seleccionan al azar diez turistas extranjeros. cul es la probabilidad de que dos de ellos
gasten ms de 1,500 dlares durante su estada en el Per. Asuma que el gasto de un turista es
independiente del gasto de otro.

Propiedad reproductiva de la normal


Sean X e Y dos variables aleatorias normales e independientes. tales que X ~ N X , X2 e


Y ~ N Y , Y2 . c1 y c2 constantes reales. entonces se cumple que:

W c1 X c2Y ~ N W c1 X c2 Y , W2 c12 X2 c22 Y2


Esta propiedad se puede generalizar para la suma de ms variables normales independientes.
Si Xi ~ N(, 2) (i = 1, 2.. n) son variables aleatorias independientes, entonces la variable


n
S X 1 X 2 ... X n X i ~ N S n ; S2 n 2
i 1

Ejemplo 26
Sean X ~ N(5, 6) e Y ~ N(4,10) variables aleatorias independientes, calcular la distribucin de las
siguientes variables:
W=X+Y

W = 2X +Y

W = 4X - 5Y

Ejemplo 27
El peso de un adulto peruano puede modelarse con una variable aleatoria normal. El peso medio
para los varones es de 72 kilos y de 64 kilos para las mujeres, mientras que sus desviaciones estndar
fueron de 8 kilos y 4 kilos respectivamente.
a. Si se elige al azar a un hombre y una mujer, calcular la probabilidad de que la mujer pese ms
que el hombre.
b. Si se elige a dos hombres y a tres mujeres, calcular la probabilidad de que la suma total de pesos
supere los 340 kilos.

1.5. El Teorema central del lmite


Si n variables aleatorias independientes X1,X2, X3,....,Xn tienen la misma distribucin de probabilidad
con media y varianza 2, entonces para la variable aleatoria S = X1 + X2 + X3 +...+ Xn se tiene que S
tiende a seguir una distribucin normal a medida que n crece.
Se considera que S sigue aproximadamente una distribucin normal si n 30.
Se tiene que:
Media E S n
Varianza V S n 2

Ejemplo 28
La cantidad de mango que exporta una empresa mensualmente es una variable con una media de
25 toneladas y una desviacin estndar de cuatro toneladas. Encontrar la probabilidad de que la
cantidad exportada en tres aos sea menor a 920 toneladas. Asuma independencia entre las
cantidades mensuales exportadas.

Ejemplo 29
El nmero de quejas que semanalmente recibe una sucursal de comida rpida, X, se supone que es
una v.a discreta con la siguiente funcin de probabilidad:
PX(x) = {C x + 0.1 , si x = 0, 1,2,3,4,5
0 , en otro caso.
a. Halle el valor de C y la media y varianza de esta distribucin.
b. Suponga que en la ciudad hay 49 sucursales de la cadena. Halle de manera aproximada la
probabilidad de que en esta ciudad la cadena reciba durante una semana ms de 150
quejas.

Aplicaciones del Teorema Central del Lmite


Sea X1,X2,, Xn una muestra aleatoria de tamao n de la variable aleatoria X tal que E(Xi) = .
n

X i
V(Xi) = (i = 1, 2,., n). Se define la variable aleatoria media muestral como X
2 i 1
;
n
2
entonces se puede afirmar X N , siempre y cuando n 30.
n
La distribucin de una variable aleatoria X ~ B(n, p) se puede aproximar por una distribucin
N(np, npq) siempre y cuando n 30. La aproximacin es buena si, adems, se verifica que np es
mayor a 5 y nq = n(1-p) es mayor a 5.
X
Sea X ~ B(n, p). Se define la variable aleatoria proporcin muestral como P ; entonces se
n
p1 p
puede afirmar P N p , siempre y cuando n 30.
n
Ejemplo 30
El peso de los pasajeros que abordan un mnibus de transporte interprovincial tiene una media de
60 kilogramos y una desviacin estndar de 19 kilogramos. Si se sabe que los 72 asientos de
pasajeros estn ocupados cul es la probabilidad de que el peso medio de los pasajeros supere los
65 kilogramos?

Ejemplo 31
Por un estudio previo se estima que la probabilidad de que un elector vote por la eleccin del
candidato oficialista es del 25%. Si 1000 electores son entrevistados uno por uno de manera
independiente, encontrar la probabilidad de que por lo menos 275 de ellos voten por el candidato
oficialista.
Ejercicios
2. En un taller hay tres tipos de mquinas: A, B y C. De las 20 del tipo A, 4 estn malogradas; de
las 15 del tipo B, 2 estn malogradas; y de las 10 del tipo C, 3 estn malogradas. Se escoge al
azar y de manera independiente una mquina de cada tipo. Si la variable X es igual al nmero
de mquinas malogradas escogidas, encontrar la media y la desviacin estndar de la variable
X.

3. La demanda diaria de cierto artculo es una variable aleatoria cuyos valores son 10, 20 o 30
con probabilidades de 0.2, 0.5 y 0.3 respectivamente. El costo de cada artculo es 1.80 soles y
el precio de venta es dos soles. Los artculos son perecederos de tal manera que si un artculo
no se vende en el da la prdida es total. Hallar el nmero de artculos que se deben ordenar
para la venta de tal manera que la ganancia esperada sea mxima.

4. Con fines de auditora sobre 18 empresas que comercializan gas domstico que funcionan en
nuestro medio (entre las cuales tenemos a las compaas A, B y C) se tomar una muestra
aleatoria de 6 de ellas. Determine la probabilidad de los siguientes eventos:
a. Que la muestra solo tenga una de las tres empresas antes citadas.
b. La muestra incluya a las tres empresas mencionadas.
c. Que la muestra incluya al menos una de las tres empresas antes citadas.

5. Una empresa de seguros considera que slo alrededor de 5 % de los asegurados atendidos
tiene una determinada enfermedad.
a. Halle la probabilidad de atender ms de dos casos hasta que se reporte el primer
asegurado que sufre de esta enfermedad.
b. Si fueron seleccionados aleatoriamente 100 de los asegurados atendidos, cul sera la
probabilidad de que no ms de 3 de ellos tengan la enfermedad?

6. A un estudiante que tiene de manera independiente una probabilidad p de aprobar cada


examen del curso de Fsica 1, se le ofrecen dos alternativas:
I) Dar un nico examen.
II) Dar tres exmenes con la condicin de aprobar por lo menos dos.
Cul es la alternativa ms favorable para el alumno?
7. Suponga que el 20 % de una poblacin sufre cierta enfermedad. En las farmacias se vende
una prueba clnica que detecta, con una probabilidad de 0.8, que en efecto una persona tiene
la enfermedad y que por otro lado tiene una probabilidad 0.3 de salir positiva (es decir,
indicar que la persona tiene la enfermedad) cuando en verdad la persona no tiene la
enfermedad.
a. Si se elige al azar a una persona de la poblacin y se le aplica la prueba clnica, cul es la
probabilidad de que esta prueba salga positiva?
b. Si se eligen al azar a 10 personas de la poblacin y se les aplica la prueba clnica, con qu
probabilidad en al menos uno de estos casos la prueba resultar positiva?
c. Cuntas de estas personas se esperar salgan con resultados positivos?
d. Halle el rango y la funcin de probabilidad del nmero de pruebas que se debern de
aplicar a personas seleccionadas al azar de la poblacin hasta encontrar a dos en que la
prueba le resulte positiva.
8. En un lote de 50 computadoras 12 son defectuosas. Si se eligen al azar y de una sola vez 20 de
ellas, calcule la probabilidad de que de las computadoras elegidas por lo menos dos sean
defectuosas.
9. En un experimento a los entrevistados se les mostr durante pocos segundos 4 frases y se les
pidi luego de 15 minutos que las repliquen completamente. De las experiencias con este
experimento se obtuvo la siguiente funcin de probabilidad para el nmero X de frases
completas que eran correctamente replicadas por los entrevistados
PX(x) = C/(x+1) , si x = 1,2,3,4.
El que realiz el experimento modelo tambin que el tiempo en segundos que se demorarn
los entrevistados en intentar replicar las 4 frases, es una variable aleatoria continua Y con
funcin de densidad
fY(y) = K (20- y) , si y [0,20]
a. Determine los valores de C y K y halle el valor esperado del nmero de palabras que los
entrevistados replicarn correctamente. Interprete.
b. Si se seleccionarn al azar a tres entrevistados, qu probabilidad habra de que slo uno
de ellos replique correctamente ms de una frase?
c. Halle la probabilidad de que un entrevistado se demore ms de 10 segundos en tratar de
replicar las 4 frases.
10. Una tienda necesita saber cuntas bolsas K de un tipo de harina especial (de 50kg cada bolsa)
debe comprar en la semana para maximizar su utilidad esperada. Cada bolsa se vende en la
tienda a 120 soles y la tienda lo compra a 85 soles. De no venderse una bolsa en la semana, la
harina se rancia, por lo que la bolsa de esta harina debe rematarse a 50 soles, existiendo
siempre compradores para esta. Si la demanda de bolsas de esta harina es una v.a. discreta X
con la siguiente funcin de probabilidad:
PX(x) = { C x2 , si x = 1,2,3,4,5
0 , en otro caso.
a. Halle el valor de C.
b. Halle la funcin de distribucin (acumulada) de X para x = 3. Interprete este ltimo valor.
c. Halle el valor ptimo de K.

11. Sea Z una variable con distribucin normal estndar. Halle


a. P(Z > 2.38)
b. P(|Z| < 1.29)
c. El valor de c tal que P(Z > c) = 0.96
d. Valores de a y b tales que P(a < Z < b) = 0.9, son nicos estos valores?

12. El peso de los jabones fabricados por una empresa es una variable aleatoria uniforme con
media 120 gramos y varianza 12 gramos2. Un jabn se considera defectuoso si su peso es
menor a 115 gramos o mayor de 124 gramos. En el control de calidad, los jabones se pesan
uno por uno. Calcular la probabilidad de que se necesite pesar ms de 10 jabones hasta
encontrar el primer jabn defectuoso.
13. En un supermercado, la demanda diaria, en kilos, de mariscos se distribuye segn el modelo
uniforme en el intervalo [70, 170]. Por cada kilo de mariscos que se vende se gana 8 soles,
pero por cada kilo que no se vende en el da se pierde 5 soles. El supermercado compra los
mariscos todos los das en la maana. Calcular la cantidad de kilos que el supermercado debe
comprar diariamente para maximizar su utilidad esperada.

14. Si una mquina de una imprenta se malogra, sta puede destinarse a uno de dos talleres A o
B para su reparacin. El tiempo de reparacin en el taller A es una variable normal con una
media de 5 horas y desviacin estndar de 3 horas. El tiempo de reparacin en el taller B es
una variable aleatoria normal con una media de 7 horas y desviacin estndar de 2 horas.
a) En qu taller es ms probable que la mquina se repare en menos de 8 horas?
b) Calcule la probabilidad de que la reparacin demore ms en el taller B que en el taller A.

15. Los sueldos mensuales, en miles de dlares, de los directivos de una multinacional se modelan
con una distribucin N(10, 1) mientras que los del resto de personal se modelan con una N(4,
2). Si se extrae una muestra aleatoria de 10 directivos y de 20 empleados no directivos, cul
es la probabilidad de que el sueldo medio mensual de los directivos de la muestra supere al
de la muestra de empleados no directivos en ms de 5,000 dlares?
16. En una ciudad se estima que la temperatura mxima en el mes de Junio sigue una distribucin
normal, con media 23C y desviacin estndar 5C Cunto das se espera alcanzar
temperaturas mximas de entre 21C y 27C durante este mes?

17. El porcentaje de determinado compuesto, contenido en un galn de cierto lquido industrial,


se modela con una distribucin normal con una media de 15% y una desviacin estndar de
3%. El fabricante del lquido obtiene una utilidad neta por galn de $0.15 si el porcentaje del
compuesto est entre 9% y 21%, mientras que la utilidad es de $0.10 si el porcentaje vara
entre 21% y 27%. Cuando el porcentaje est entre 3% y 9%, el fabricante sufre una prdida de
$0.05. Calcular la utilidad esperada por galn.

18. Suponga que el consumo familiar mensual en electricidad en Kwh de una regin es una
variable aleatoria continua con distribucin Normal. Se sabe que el 90 % de las familias de
esta regin consumen menos de 537 Kwh y el 5 % menos de 400 Kwh.
a. Halle la media y desviacin estndar de esta distribucin.
b. Con qu probabilidad una familia seleccionada al azar de esta regin tendr consumos
mensuales de entre 400 y 500 kwh?
c. Si la empresa cobra por cada kwh de consumo, un sol con veinte cntimos, cunto es lo
que esperar cobrar a la familia seleccionada en b)?
d. Suponga que en una zona de la regin viven 49 familias, con qu probabilidad el consumo
promedio de electricidad de esta zona estar entre los 400 y 500 kwh?

19. En un estudio de evaluacin de la atencin de un servicio de cafeteras se encontr que los


tiempos, en minutos, que tardan en atender a un cliente las cafeteras A y B se pueden modelar
con las variables aleatorias X ~ N(4,9) y Y ~ N(5,16) respectivamente y de manera
independiente. Si en cada cafetera son atendidas 20 personas, halle la probabilidad de que el
tiempo total de atencin en la cafetera B sea mayor que el de la cafetera A.
20. Una familia tiene tres hijos. El monto de la propina semanal que se le da a cada hijo puede
modelarse como una variable normal. Al menor se le da en promedio 20 nuevos soles con una
desviacin estndar de 3 nuevos soles, al del medio se le da el doble que al menor y al mayor
se le da el triple que al menor. Calcular la probabilidad de que en cuatro semanas la suma total
recibida en propinas por los tres sume ms de 500 nuevos soles.

21. La estatura de las personas de un pas se puede modelar por una variable N(1.68,0.0064) en
metros. Si se eligen al azar personas para medirlas, calcule el valor esperado del nmero de
personas elegidas hasta encontrar a las primeras doce personas que midan ms de 1.80.

22. Los pesos de los posibles usuarios de un ascensor constituyen una poblacin cuya distribucin
es normal con media 70 kg y una desviacin estndar de 10 kg.
a. Qu peso mximo debera poder soportar el ascensor de modo que slo el 1% de las
ocasiones el peso de cuatro personas supere ese peso mximo?
b. Si el ascensor admite como peso mximo 585 kg, cuntas personas a la vez pueden entrar
al ascensor de manera que sea 0.0668 la probabilidad de que el peso no supere el mximo
permitido?
23. En un banco el ahorro medio de un cliente es 1,800 soles, con una desviacin de 360 soles.
a. Cul es aproximadamente la probabilidad de que un grupo de 400 clientes, elegidos al
azar, tenga un ahorro promedio menor a los 2,000 soles?
b. Suponga que a los clientes con ahorros superiores a los 2,000 soles se les est pensando
ofrecer un regalo. Si una sucursal tiene 400 clientes, con qu probabilidad 100 o ms de
estos clientes se vern beneficiados con esta promocin?
24. Suponga que el tiempo de vida en horas X de una marca reconocida de tubos fluorescentes
es una variable aleatoria continua con media y varianza de 1,000 horas y funcin de
distribucin (acumulada): F(x) = 1 exp(-0.001 x), si x > 0.
a. Si usted compra un fluorescente de esta marca, qu probabilidad hay de le dure ms de
lo esperado?
b. Si usted adquiere 4 fluorescentes de esta marca y los instala simultneamente, con qu
probabilidad pasadas 800 horas, tres o ms de estos fluorescentes estarn todava
trabajando?
c. Si se adquieren 400 de estos fluorescentes, con qu probabilidad aproximadamente la
media de tiempos de vida de estos fluorescentes superar las 998 horas?

25. El ingreso mensual de las socias de una cooperativa se modela por una variable aleatoria con
media de 2,800 nuevos soles y desviacin estndar de 500 nuevos soles. Si 80 de las socias han
decidido que destinarn el 3% de sus ingresos para constituir un fondo comn que sirva para
posibles emergencias, calcule la probabilidad de que en un ao el fondo tenga ms de 81 mil
nuevos soles.