Relacion 5: VARIABLES ALEATORIAS CONTINUAS.

Ejercicios complementarios.

1. Sea f (x) la funcion definida por las expresiones:

0 si x<1

f (x) = 0,2 si 1x6



0 si x>6

a) Comprobar que f (x) es la funcion de densidad de cierta variable aleatoria continua X.

b) Hallar la funcion de distribucion de probabilidad de X.
c) Obtener las probabilidades p(X 4), p(3 X 5) y p(X 2).

2. Se considera la funcion definida por:

0 si x < 1


a si 1 x < 0

f (x) =



2a si 0x1


0

si x>1

Hallar a para que f (x) sea funcion de densidad de cierta variable X. Para dicho valor
de a, obtener las probabilidades:

p(X 0,1) p(0,3 X 0,6) p(X 0,4)

3. Sea f (x) la funcion que toma los valores siguientes:

0,5 si 0x2

f (x) = 1 si x=3ox=4



0 para el resto

Comprueba que f (x) es funcion de densidad de una cierta variable aleatoria X. Hallar
la funcion F (x), de distribucion de probabilidades de X. Calcular las probabilidades

p(X 1,5) p(0,3 X 1,8) p(X 0,9) p(X 2)

1
4. Analiza si la siguiente funcion F (x) puede ser funcion de distribucion de una cierta
variable aleatoria X. En caso afirmativo, hallar las probabilidades p(X /4) y
p(/6 X /3).



sin x si 0 x /2

F (x) = 0 si x<0



1 si x > /2

5. Sea una variable aleatoria definida por su funcion de densidad:

f (x) = kex x 0

Determinar:
a) El valor de la constante k para que f (x) sea funcion de densidad.
b) La funcion de distribucion.
c) Las representaciones graficas de F (x) y f (x).
d) p(1 < X < 3) y p(X = 4).

6. Sea X la variable aleatoria que representa la duracion en segundos de un tipo de bombi-

llas. Dicha v.a. puede tomar todos los valores comprendidos entre 0 y . Supongamos

a/x2 si 100 < x < 1000
f (x) =
0 para cualquier otro caso

Se pide:
a) El valor de a para que f (x) sea una funcion de densidad.
b) La probabilidad de que la bombilla dure 200 das.
c) p(200 < X < 300)

7. La variable aleatoria X representa el intervalo de tiempo entre dos llegadas consecutivas

a una tienda y su funcion de densidad esta dada por:

Kex/2 si x > 0
f (x) =
0 para cualquier otro caso

para una constante K apropiada. Determinar:

a) El valor de K.
b) La funcion de distribucion.

2
 c) La probabilidad de que en un intervalo entre 2 llegadas consecutivas se encuentre
entre 2 y 6.
d) La probabilidad de que transcurran menos de 8 minutos entre 2 llegadas consecutivas.
e) La probabilidad de que esta exceda los 8 minutos.

8. La variable aleatoria que representa la proporcion de accidentes automovilsticos fatales

en Estados Unidos tiene la siguiente funcion de densidad

42x(1 x)5 si 0 < x 1
f (x) =
0 para cualquier otro caso

a) Demostrar que f (x) es una funcion de densidad.

b) Calcular f (1/4).
c) Funcion de distribucion.
d) p(X 0,25).
e) E(X).

9. Dada la funcion


0 si < x a

f (x) = 1/(b a) si a < x < b



0 si b x

a) Demostrar que f (x) es una funcion de densidad.

b) Calcular F (X).
c) Obtener su media y su varianza.

3
10. Sea X una variable aleatoria continua con funcion de densidad:

Kx si 0 x < 2
f (x) =
0 para cualquier otro caso

Calcular:
a) K.
b) F (x).
c) p(X 1,2).
d) p(0,8 X).
e) p(1 X 1,5).

11. Supongase que el tiempo necesario para reparar una pieza de un equipo en un proceso
de manufactura es una variable aleatoria cuya funcion de densidad es:
1
ex/5 si x > 0
f (x) = 5
0 para cualquier otro caso

Si la perdida de dinero es igual al cuadrado del numero de horas necesarias para llevar
a cabo la reparacion. Hallar el valor esperado de las perdidas por reparacion.

12. Lanzamos un proyectil con un cierto angulo de tiro y medimos la distancia a la que cae.
Esta distancia es una v.a. con funcion de densidad

500
f (x) = k si x 0
500 + x2

Determinar:
a) k.
b) F (X).
c) p(X < 50).

13. Una v.a. tiene una funcion de densidad

k(x + 1) si x [0, 4]



f (x) = mx2 si x [4, 6]



0 para cualquier otro caso

Se sabe que p(0 < X < 4) = 2/3, determinar k y m.

4
14. Sea Z una variable aleatoria que tiene distribucion normal estandar, N (0, 1). Dado un
numero real k > 0 y llamando p = p(Z k), hallar en funcion de p las siguientes
probabilidades:

p1 = p(0 Z k) p2 = p(Z k) p3 = p(Z k)

p4 = p(k Z k) p5 = p(k Z 0) p6 = p(Z k)

Recurriendo a la tabla de distribucion de probabilidad de la variable Z, halla todas las

probabilidades anteriores para k = 1,26.

15. Sea X una variable aleatoria de distribucion normal N (7, 4), que tiene media = 7 y
distribucion tpica = 4. Calcula las siguientes probabilidades:

p1 = p(X 14,4) p2 = p(X 5,6) p3 = p(8,8 X 14,4)

p4 = p(6,4 X 15,6) p5 = p(3,4 X 6,2)

16. Un arma dispara cierto tipo de proyectiles con un determinado angulo de elevacion. Los
alcances de los disparos se distribuyen normalmente, N (, ), con media = 3175 m y
con desviacion tpica = 42 m.
a) Si se hacen 150 disparos, cuantos de ellos se desvan de la media mas de 60 m?
b) Si se dispara sucesivamente a un blanco (situado a 3175 m) y admitiendo que se
obtiene exito si el punto de impacto dista del blanco menos de 13 m, que porcentaje
de exitos se obtendra?

5
17. Una persona acude diariamente a trabajar. El tiempo que tarda en ello se distribuye
normalmente, N (, ), con media = 21,3 minutos y desviacion tpica = 2,8 minutos.
A lo largo del ano va 256 das a trabajar.
a) Si en el trabajo debe entrar a las 8:30 y sale de su casa a las 8:05, cuantos das
llegara tarde al cabo del ano?
b) Hallar la hora a la que debera salir de su casa si no quiere llegar tarde al trabajo mas
de 5 das al ano.

18. Se lanza una moneda 10 veces.

a) Hallar la probabilidad de que el numero de caras que se obtenga este comprendido
entre 4 y 7, ambos inclusive.
b) Obtener la aproximacion normal de la anterior probabilidad.

19. Si Z es una variable aleatoria con distribucion normal, N (0, 1), calcular las siguientes
probabilidades:

p1 = p(Z 0,82) p2 = p(Z 1,77) p3 = p(0,61 Z 1,95)

p4 = p(1,23 Z 0,38) p5 = p(2,09 Z 0,17)

20. Sea Z una variable aleatoria que tiene distribucion normal estandar, N (0, 1). Obtener
aproximadamente, utilizando la tabla de esta distribucion, valores de k para los que:
a) p(Z k) = 0,392
b) p(k Z 1,06) = 0,272
c) p(1,47 Z k) = 0,566
d) p(k Z 0,21) = 0,179

21. Si X es una variable aleatoria con distribucion normal N (8, 5), calcular las siguientes
probabilidades:

p1 = p(X 10) p2 = p(X 4) p3 = p(9 X 12)

p4 = p(6 X 10) p5 = p(3 X 7)

6
22. Sea X una variable aleatoria con distribucion normal N (, ). Hallar y sabiendo
que
p(X 9,41) = 0,8869 y p(X < 7,32) = 0,648

23. Una maquina produce arandelas que, teoricamente, debieran tener un diametro interior
de 1.8 cm; se permite una tolerancia maxima en dicho diametro de 0.03 cm, es decir,
puede variar entre 1.77 y 1.83 cm. Los diametros de una produccion de 1.000 arandelas
resultan tener distribucion normal de media = 1,81 cm y desviacion tpica = 0,02.
Halla el numero de arandelas defectuosas que hay en dicha produccion.

24. En una cierta poblacion, el porcentaje medio de ahorro de las familias es = 9,5 %
de los ingresos y la desviacion tpica de dicho ahorro es = 2 %. En el supuesto de
que el ahorro se distribuya normalmente, halla el tanto por ciento de las familias que
ahorraron:
a) Mas del 12 % de sus ingresos.
b) Menos del 8 % de sus ingresos.

25. Un conjunto de valores se distribuyen normalmente. Halla los porcentajes de dichos

valores que difieren de su media:
a) En menos de la mitad de su desviacion tpica.
b) En mas de los dos tercios de su desviacion tpica.

26. En un examen, la suma de las puntuaciones obtenidas por los alumnos se distribuye
normalmente con media de 57 puntos y desviacion tpica de 7. Si una puntuacion esta
entre las 5 % mas altas, se califica de excelente. Halla el valor mnimo m de una
puntuacion excelente.

27. Sean X e Y dos variables aleatorias independientes, que tienen ambas distribucion nor-
mal. La media y la desviacion tpica de X son = 30 y = 9; la media y la desviacion
tpica de Y son = 20 y = 6. Halla la probabilidad p de que sea X > 38 e Y < 15.

28. Se lanza un dado 150 veces. Halla la probabilidad de que una de sus caras (por ejemplo
la cara que tiene el 6) salga:
a) Mas de 20 veces y menos de 27.

7
 b) Menos de 22 veces.
c) 30 veces.

29. Sea X una v.a. que representa la inteligencia medida por medio de pruebas CI. Si X se
distribuye segun una N (100, 10), obtener las probabilidades de que X sea:
a) mayor que 100. b) menor que 85. c) a lo mas 112.
d) por lo menos 108. e) mas grande que 90. f) entre 95 y 120.

30. Cuales son los extremos del intervalo simetrico respecto a la media que contiene al
a) 50 % de las observaciones de la distribucion N (, )?
b) 95 % de las observaciones de la distribucion N (, )?

31. Suponiendo que las variables que se dan a continuacion son normales con media y
varianza indicadas en cada apartado, calcular
a) p(2 < Z < 1), si Z N (0, 1) b) p(|Z| > 2), si Z N (0, 1)
c) p(|Z| < 2,5), si Z N (0, 1) d) p(1,5 < X < 3,5), si X N (2, 1)
e) p(|X 3| > 2), si X N (3, 2) f) p(|X 5| < 2,8), si X N (5, 1)
g) p(X < 4), si X N (2, 3).

32. Si la variable aleatoria Y N (2, 3), calcular

a) p(Y 0,3) b) p(0,15 Y 2,123)
c) p(Y 2 > 1,21) d) Si p(a Y 2,3) = 0.45, calcular a.

33. Supongamos que un estudio de cierto sistema de ordenadores revela que el tiempo de
respuesta, en segundos, tiene una distribucion exponencial con una media de 3 segundos.
a) Cual es la probabilidad de que el tiempo de respuesta exceda 5 segundos?
b) Cual es la probabilidad de que el tiempo de respuesta exceda 10 segundos?

34. Supongamos un sistema que contiene cierto componente cuyo tiempo de operacion antes
de fallo, en anos, esta dado por T . La variable aleatoria T se modela bien mediante la
distribucion exponencial con tiempo medio de operacion antes de fallo 1/ = 5. Si se
instalan 5 de esos componentes en diferentes sistemas, cual es la probabilidad de que
al menos dos aun funcionen despues de 8 anos?

8
35. El tiempo para que un individuo sea atendido en una cafetera es una variable aleatoria
que tiene una distribucion exponencial con una media de 4 minutos. Cual es la proba-
bilidad de que una persona sea atendida en menos de 3 minutos en, al menos, 4 de los
siguientes 6 das?

36. La vida, en anos, de cierto interruptor electrico tiene una distribucion exponencial con
una vida promedio de 1/ = 2. Si 100 de estos interruptores se instalan en diferentes
sistemas, cual es la probabilidad de que a lo sumo 30 fallen durante el primer ano?

37. La distribucion exponencial se aplica con frecuencia a los tiempos de espera entre exitos
en un proceso de Poisson. Si el numero de llamadas que se reciben por hora en un
servicio de contestacion telefonica es una variable aleatoria de Poisson con parametro
= 6, sabemos que el tiempo, en horas, entre llamadas sucesivas tiene una distribucion
exponencial con parametro = 6. Cual es la probabilidad de esperar mas de 15 minutos
entre dos llamadas sucesivas cualesquiera?