Unidad 2 Fase 4 Fundamentos de probabilidad

Probabilidad 551113_10

Elaborado por:

Luz Adriana Rojas Trujillo código 36289674

José Carlos Borja código: 78759437

Ginna Marcela Montano código: 1.083.018.734

Arleth Cordero código:

Presentado a:

María Camila Gonzales

Universidad Nacional Abierta y a Distancia UNAD

Escuela de Ciencias de la Educación

Licenciatura en matemáticas

Pitalito Huila

12 – noviembre – 2018
 Actividades a desarrollar

Parte A

Desarrollar los ejercicios del libro Probabilidad y estadística de George Canavos (Primera

edición de 1988 de la McGraw-Hill) que se encuentra en el entorno de Conocimiento:

Variables aleatorias

a. Realizar los ejercicios: 3.2, 3.5, 3.6, 3.7 y 3.9 de la página 84 y 85.

Ejercicio 3.2

Sea 𝑋 una variable aleatoria discreta. Determinar el valor de 𝐾 para que la función

𝐾
𝑝(𝑥) = = 1,2,3,4 𝑠𝑒𝑎 𝑙𝑎 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑋. 𝐷𝑒𝑟𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑝(1 ≤ 𝑋 ≤ 3).
𝑥, 𝑥

Solución
𝑘
𝑝(𝑥) =
𝑥

𝑘 𝑘 𝑘
𝑘+ + + =1
2 3 4

12𝑘 + 6𝑘 + 4𝑘 + 3𝑘 = 12

25𝑘 = 12

12
𝑘=
25

12 6 4 4 26
𝑝(1 ≤ 𝑥 ≤ 3) = + + + =
25 25 25 25 25
Ejercicio 3.5

La duración en horas de un componente electrónico, es una variable aleatoria cuya función de

𝑥
distribución acumulativa es 𝑓(𝑥) = 1 − 𝑒𝑥𝑝 (− 100) , 𝑥 > 0.

a) Determinar la función de probabilidad de X.

b) Determinar la probabilidad de que el componente trabaje más de 200 horas.

Solución

1 𝑥
𝑒𝑥𝑝 (− 100) 0 < 𝑥 <∝
a) {100
0 𝑥≤0

b) 𝑝(𝑥 ≥ 200) = 1 − 𝐹(200)

= 1 − (1 − 𝑒𝑥𝑝(−2))

= 0,135335

Ejercicio 3.6
 La función de distribución acumulativa de una variable aleatoria está dada por

0 𝑥 < 0.
𝐹(𝑥) = {2𝑥 − 𝑥 2 0 < 𝑥 < 1,
1 𝑥 > 1.

𝑎) 𝐺𝑟𝑎𝑓𝑖𝑐𝑎𝑟 𝐹(𝑥).

1 3
𝑏) 𝑂𝑏𝑡𝑒𝑛𝑒𝑟 𝑝 (𝑥 < ) 𝑦 𝑝 (𝑥 > ).
2 4

𝑐) 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑓(𝑥).

𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏

a).

1 1 1 3
b). 𝑝 (𝑥 < 2) = 𝐹 (2) = 1 − 4 = 4

3 3 15 1
c). 𝑝 (𝑥 > 4) = 1 − 𝐹 (4) = 1 − 16 = 16

Ejercicio 3.7
Sea X una variable aleatoria que representa el número de clientes que llega a una tienda en un

periodo de una hora. Dada la siguiente información

Encontrar 𝐸(𝑋) 𝑦 𝑉𝑎𝑟(𝑋).

Solución
𝑋 0 1 2 3 4 5 6 7 8 Suma
𝑃(𝑋) 0,05 0,1 0,1 0,1 0,2 0,25 0,1 0,05 0,05 1

𝑋𝑖 ∗ 𝑃𝑖 0 0,1 0,2 0,3 0,8 1,25 0,6 0,35 0,4 4

𝑋𝑖 2 ∗ 𝑝𝑖 0 0,1 0,4 0,9 3,2 6,25 3,6 2,45 3,2 20,1

𝐸(𝑋) = ∑ 𝑥𝑝(𝑥) = 0 ∗ 0.05 + 1 ∗ 0.10 + 2 ∗ 0.10 + 3 ∗ 0.10 + 4 ∗ 0.20 + 5 ∗ 0.25 + 6 ∗ 0

∗ 10 + 7 ∗ 0.05 + 8 ∗ 0.05 = 4

𝑉𝑎𝑟 (𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 = 20.1 − 16 = 4.1

 Ejercicio 3.9

La función de densidad de probabilidad de una variable aleatoria X está dada por:

𝑓(𝑥) = {2(1 − 𝑥) 0 < 𝑥 < 1, 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟

0

Determinar

a) 𝐸(𝑋) 𝑏). 𝑉𝑎𝑟(𝑋)

𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏

2(1 − 𝑥), 0 <𝑥<1

𝑓(𝑥) = {
0, 𝑝𝑎𝑟𝑎 𝑐𝑢𝑎𝑙𝑞𝑢𝑖𝑒𝑟 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟

𝑎) 𝐸(𝑋)
1
𝐸(𝑋) = ∫ 2(1 − 𝑥)𝑥𝑑𝑥
0

2𝑥 32
= ∫ 2(1 − 𝑥)𝑥𝑑𝑥 = 𝑥 −
3
1
1
= ∫ 2(1 − 𝑥)𝑥𝑑𝑥 = −0
0 3
1 1
= −0= = 0,33
3 3

𝑎) 𝐸(𝑋) = 0,33

𝑏) 𝑣𝑎𝑟(𝑋)
𝑏) 𝑣𝑎𝑟(𝑋) = 𝐸(𝑋 2 ) − 𝐸 2 (𝑋)
1
𝐸(𝑋 ) = ∫ 2(1 − 𝑥)𝑥 2 𝑑𝑥
2
0
 1
𝑥3 𝑥4
= ∫ 2(1 − 𝑥)𝑥 2 𝑑𝑥 = 2 ( − )
0 3 4
1
1
= ∫ 2(1 − 𝑥)𝑥 2 𝑑𝑥 = −0
0 6
1
=
6
1
𝑏) 𝑣𝑎𝑟(𝑋) = − 0,11 = 0,05
6
Distribuciones discretas
b. Realizar los ejercicios: 4.2, 4.4, 4.6, 4.8 y 4.16 de la página 122

Ejercicio 4.2

En una distribución binomial, sea X el número de éxitos obtenidos en diez ensayos donde la

probabilidad de éxito en cada uno es 0.8. Con el resultado del problema anterior, demostrar que la

probabilidad de lograr de manera exacta seis éxitos es igual a la probabilidad de tener cuatro

fracasos.

Solución
Los datos para el problema son:
𝒏 = 𝟏𝟎
𝒑 = 𝟎. 𝟖
Si 𝑝 = 0.8 representa la probabilidad de éxito entonces 𝑞 = 1 − 𝑝 = 0.2 representa la

probabilidad de fracaso y si 𝑥 = 6 representa el número de éxitos entonces 10 − 𝑥 = 4

representa el número de fracasos. Como 𝑝(𝑛 − 𝑥; 𝑛, 1 − 𝑝) = 𝑝(𝑥; 𝑛, 𝑝), tenemos:

𝑝(𝑛 − 𝑥; 𝑛, 1 − 𝑝) = 𝑝(𝑥; 𝑛, 𝑝)

𝑃(10 − 6; 10,1 − 0.8) = 𝑃(6; 10,0.8)

𝑝(4; 10,0.2) = 𝑝(6; 10,0.8)

Al aplicar la fórmula de la función de probabilidad binomial:

n!
P ( x; n, p )   p x (1  p ) n x
x!(n  x)!
10!
P (6;10,0.8)   0.86 * 0.2 4  0.0881
6!4!
10!
P (4;10,0.2)   0.24 * 0.86  0.0881
4!6!
Se confirman los resultados.

Ejercicio 4.4

Sea X una variable aleatoria con distribución binomial y parámetros 𝑛 = 8 𝑦 𝑝 = 0.4. Emplear la

fórmula de recursión del problema anterior para obtener las probabilidades puntuales de los

valores X. Hacer una gráfica de la función probabilidad.

Solución
Los datos son:
𝑛=8
𝑝 = 0.4
La fórmula de recursión es:
(𝑛 − 𝑥)𝑝
𝑝(𝑥 + 1; 𝑛, 𝑝) = 𝑝(𝑥: 𝑛, 𝑝)
(𝑥 + 1)1 − 𝑝)

Por lo tanto
 8!
𝑝(0: 8,0,4) = ∙ 0. 40 ∗ 0. 68 = 0.01679619
0! 8!
(8 − 4) ∗ 0.4
𝑝(1: 8,0,4) = (0.01679616) = 0.08957952
(0 + 1)(1 − 0.4)
(8 − 1) ∗ 0.4
𝑝(2; 8,0.4) = (0.08957952) = 0.209018861
(1 + 1)(1 − 0.4)
(8 − 1) ∗ 0.4
𝑝(3; 8,0.4) = (0.08957952) = 0.278691815
(2 + 1)(1 − 0.4)
(8 − 1) ∗ 0.4
𝑝(4; 8,0.4) = (0.08957952) = 0.232243179
(3 + 1)(1 − 0.4)
(8 − 1) ∗ 0.4
𝑝(5; 8,0.4) = (0.08957952) = 0.123863028
(4 + 1)(1 − 0.4)
(8 − 1) ∗ 0.4
𝑝(6; 8,0.4) = (0.08957952) = 0.041287676
(5 + 1)(1 − 0.4)
(8 − 1) ∗ 0.4
𝑝(7; 8,0.4) = (0.08957952) = 0.007864319
(6 + 1)(1 − 0.4)

(8 − 1) ∗ 0.4
𝑝(7; 8,0.4) = (0.08957952) = 0.000655359
(7 + 1)(1 − 0.4)

x 0 1 2 3 4 5 6 7 8
P(x) 0,01679 0,08957 0,20901 0,27869 0,23224 0,12386 0,04128 0,00786 0,00065
 HISTOGRAMA
0,3

0,25

0,2

0,15

0,1

0,05

0
0 1 2 3 4 5 6 7 8

Grafica P(x)
0,3

0,25

0,2

0,15

0,1

0,05

0
0 1 2 3 4 5 6 7 8 9

Graficas en Geogebra
Diagrama

Ejercicio 4.6

Supóngase que la probabilidad de tener una unidad defectuosa en una línea de ensamble es de

0.05. Si el número de unidades terminadas constituye un conjunto de ensayos independientes:

a) ¿Cuál es la probabilidad de que entre 20 unidades dos se encuentren defectuosas?

b) ¿Cuál es la probabilidad de que, entre 20 unidades, dos como límite se encuentren

defectuosas?
c) ¿Cuál es la probabilidad de que por lo menos una se encuentre defectuosa?

Solución
𝑎) 𝑛 = 20, 𝑝 = 0.05, 𝑞 = 1 − 𝑝 = 0.95

n!
P( x)   p x (1  p) n x
x!(n  x)!
20!
P(2)   0.052 (0.95)18  0.1887
2!*18!

La probabilidad de que entre 20 unidades dos se encuentren defectuosas es de 18.87%.

b) ¿Cuál es la probabilidad de que entre 20 unidades, dos como límite se encuentren defectuosas?
Calculamos,

20!
P(0)   0.050 (0.95) 20  0.3585
0!* 20!
20!
P(1)   0.051 (0.95)19  0.3774
1!*19!
20!
P(2)   0.052 (0.95)18  0.1887
2!*18!
Por lo que:

P( X  2)  P(0)  P(1)  P(2)  0.3585  0.3774  0.1887

 0.9246
c) ¿Cuál es la probabilidad de que por lo menos una se encuentre defectuosa?

P(X  1)  P(1)  P(2)  ...  P(10)

 1  P(0)
 1  0.3585
 0.6415
La probabilidad de que entre 20 unidades por lo menos una se encuentre defectuosa es de

64.15%.
Ejercicio 4.8

La probabilidad de que un satélite, después de colocarlo en órbita, funcione de manera adecuada

es de 0,9. Supóngase que cinco de estos se colocan en órbita y operan de manera dependiente:

a). ¿cuál es la probabilidad de que, por lo menos, el 80% funcione adecuadamente?

Para poder resolver el ejercicio, se utiliza la fórmula de función de probabilidad binomial:

n
P(x; n, p) = ( ) ∗ px (1 − p)n−x
x

Debido a la expresión “por lo menos el 80% (80% = 4 satélites)” significa que como mínimo 4,

es decir, para x ≥ 4 y como n = 5, se hallan las probabilidades para p(4) y p(5). Por último, se

suman los resultados.

Se identifican los datos para p(4):

𝑛=5

𝑝 = 0.9
𝑥=4

𝑞 = 1 − 𝑝 = 0.1

Remplazar

5
𝑃(4; 5,0.9) = ( ) ∗ 0.94 (0.1)1
4
= 0.328

Se identifican los datos para p(5):

𝒏=𝟓

𝒑 = 𝟎. 𝟗

𝒙=𝟓

𝒒 = 𝟏 − 𝒑 = 𝟎. 𝟏

Se reemplaza:

5
P(5; 5,0.9) = ( ) ∗ 0.95 (0.1)0
5

= 0.5904

Se suman los resultados de P(4) y P(5):

P(X ≥ 4) = P(4) + P(5)

= 0.328 + 0.5904

= 0.9184

= 91.84%
 La probabilidad de que por lo menos el 80% de los satélites funcione es de 91.84%

b). Responder a 𝑎) 𝑠𝑖 𝑛 = 10

Se identifican los datos para 𝑝(8), ya que el 80% de 10 es 8:

𝒏 = 𝟏𝟎
𝒑 = 𝟎. 𝟗
𝒙=𝟖
𝒒 = 𝟏 − 𝒑 = 𝟎. 𝟏

Se reemplaza:
10
𝑃(8; 10,0.9) = ( ) ∗ 0.98 (0.1)2
8

= 0.1937

Se resuelve:

𝑃(𝑋 ≥ 8) = 1 − 𝑃(8)

= 1 − (0.1937)

= 0.8063

= 80.63%

La probabilidad de que por lo menos el 80% de los satélites para n=10 funcione es de

80.63%
c). Responder a 𝑎)𝑠𝑖𝑛 = 20

Se identifican los datos para p(16), ya que el 80% de 20 es 16:

n = 20

p = 0.9

x = 16

q = 1 − p = 0.1

Se reemplaza:

20
P(16; 20,0.9) = ( ) ∗ 0.916 (0.1)4
16

= 0.089

Se resuelve:

P(X ≥ 16) = 1 − P(16)

= 1 − (0.089)

= 0.911

= 91.1%

La probabilidad de que por lo menos el 80% de los satélites para n=20 funcione es de 91.1%

d). ¿son inesperados estos resultados? ¿por qué?

Si son inesperados, porque al analizar el resultado de 𝐚) y n = 10, las probabilidades van

disminuyendo, o sea que son decrecientes, lo cual permite inferir que a medida que n toma
valores más altos, las probabilidades de que por lo menos el 80% funcione van disminuyendo. En

este caso, n = 10 disminuyó en 11.21, en comparación con 𝐚). Sin embargo, después se puede

estudiar el comportamiento de las probabilidades para n = 10 y n = 20, y se observa que las

probabilidades de que el 80% funcione, en vez de seguir disminuyendo como era lo esperado,

aumenta. En esta ocasión, n = 20 aumentó 10.47, en comparación con n = 10, lo cual permite

ver que los valores en los que disminuyó n = 10 y aumentó n = 20 son cercanos.

Ejercicio 4.16

El número de clientes que llega a un banco es una variable aleatoria de Poisson. Si el número

promedio es de 120 por hora, ¿Cuál es la probabilidad de que en un minuto lleguen por lo menos

tres clientes? ¿Puede esperarse que la frecuencia de llegada de los clientes al banco sea constante

en un día cualquiera?

Solución
Sea X: "número de clientes que llega a un banco en un minuto".
La función de probabilidad de Poisson es:

 e   x
 -1  x  1
P ( x,  )   x !
0
 para cualquier otro valor.
𝐸[𝑋] = 120/60 = 2 = 𝜆

Calculamos
 0
e 2 2
P(0,2)   0.1353
0!
1
e 2 2
P(1,2)   0.2707
1!
2
e 2 2
P(2,2)   0.2707
2!
Entonces

P( X  3)  1   P(1)  P(2)  P(3) 

 1  0.1353  0.2707  0.2707 
 0.3234
Grafico

La probabilidad de que en un minuto lleguen por lo menos tres clientes es de 32.34%.

¿Puede esperarse que la frecuencia de llegada de los clientes al banco sea constante en un día

cualquiera?

Si, se puede esperar que la frecuencia de llegada de los clientes al banco sea constante en un

día cualquiera cuando 𝜆 es muy grande.

Distribuciones continuas
 c. Realizar los ejercicios: 5.3, 5.8, 5.10, 5.11, 5.14, de las páginas 176, 177 y 180.

Ejercicio 5.3

Sea 𝑿~𝑵(𝟐𝟎𝟎, 𝟐𝟎). Determinar las siguientes probabilidades:

Solución

 185  200 210  200 

a) P(185  X  210)  P  Z  
 20 20 
 p(0.75  z  0.5)  FZ (0.5;0,1)  FZ (0.75;0,1)
 0.6915  0.2266  0.4649
 215  200 250  200 
b) P(215  X  250)  P  Z  
 20 20 
 p(0.75  z  2.5)  FZ (2.5;0,1)  FZ (0.75;0,1)
 0.9938  0.7734  0.2204
 240  200 
c) P( X  240)  P  Z  
 20 
 p(Z  2)  1  FZ (2;0,1)
 1  0.9772  0.0228
 178  200 
D) P( X  178)  P  Z  
 20 
 p(Z  1.1)  1  FZ (1.1;0,1)
 0.1357

Graficas de probabilidad
 Ejercicio 5.8

Una fábrica produce pistones cuyos diámetros se encuentran adecuadamente clasificados

por una distribución normal con un diámetro promedio de 5cm y una desviación estándar

igual a 0.001 cm para que un pistón sirva, su diámetro debe encontrarse entre 4.998 y

5.002 cm. Si el diámetro del pistón es menor que 4.998 se desecha; si es mayor que 5.002

el pistón puede reprocesarse. ¿Qué porcentaje será desechado? ¿Qué porcentaje será

procesado?

Solución

Porcentaje de pistones que servirán

 4.998  5 5.002  5 
P(4998  X  5002)  P  Z  
 0.001 0.001 
 P  2  Z  2   FZ (2;0,1)  FZ (2;0,1)
 0.9772  0.0228  0.9544
Porcentaje de pistones que será desechado

 4.998  5 
P( X  4.998)  P  Z  
 0.001 
 P  Z  2   0.0228

Porcentaje de pistones que será reprocesado

 5.002  5 
P( X  5.002)  P  Z  
 0.001 
 P  Z  2   1  FZ (2;0,1)

 1  0.9772
 0.0228
 Ejercicio 5.10

El peso de cereal que contiene una caja se aproxima a una distribución normal con una media de

600 gramos. El proceso de llenado de las cajas está diseñado para que dé entre 100 cajas, el peso

de una se encuentra fuera del intervalo 590 - 610 gramos. ¿cuál es el valor máximo de la

desviación estándar para alcanzar este requerimiento?

Solución

El problema dice que de cada 100 cajas solo 1 se encuentre fuera del intervalo 590 a 610, por lo

que hay 99 cajas de cereales que pertenece a dicho intervalo

Por tanto la probabilidad de que hay una caja dentro del intervalo es 0,99 y si es mayor que este

resultado entonces hay una caja que no pertenece al intervalo dicho anteriormente

𝑋–𝜇
Estandarizamos 𝑐𝑜𝑛 𝑧 = 𝜎

590 – 600 610 – 600

(𝑝(590 < 𝑋 < 610)) = 𝑝 (− <𝑍< )
𝜎 𝜎

10 10
𝑃(590 < 𝑋 < 610) = 𝑃 (− <𝑋< )
𝜎 𝜎

podemos decir que

10 10
𝑝(590 < 𝑋 < 610) = 𝑝 (− < 𝑍 < ) ≥ 0.99
𝜎 𝜎

pues si es mayor la caja no pertenece al requerimiento establecido que es 590 a 610 gramos
 10 10 10 10
𝑃 (𝑍 < ) − 𝑃 (− < 𝑍) ahora 𝑃 (− < 𝑍) = 𝑃 (𝑍 > )
𝜎 𝜎 𝜎 𝜎

10
Pero 𝑃 (𝑍 > ) = 1 − 𝑃(𝑍 < 10/𝜎)
𝜎

Así que

10 10
𝑃 (𝑍 < ) − (1 − 𝑃 (𝑍 < )) ≥ 0.99
𝜎 𝜎

10 10
𝑃 (𝑍 < ) − 1 + 𝑃 (𝑍 < ) ≥ 0.99
𝜎 𝜎

10
2 𝑃 (𝑍 < ) − 1 ≥ 0.99
𝜎

10
2 𝑃 (𝑍 < ) ≥ 0.99 + 1
𝜎

10
2 𝑃 (𝑍 < ) ≥ 1.99
𝜎

10 1.99
𝑃 (𝑍 < )≥
𝜎 2

𝑃(𝑍 < 10/𝜎 ) ≥ 0,995

El valor de la distribución Z que hace que la probabilidad acumulada sea mayor que 0.995 es

según las tablas

𝑍 ≥ 2.58

por lo que

10
≥ 2.58
𝜎
10 ≥ 2.58𝜎

10
≥𝜎
2.58

3.8760 ≥ 𝜎

𝜎 ≤ 3.876

Este es el valor máximo de la desviación 𝜎 ≤ 3.876

Ejercicio 5.11

En una tienda de descuento la demanda diaria de acumuladores para automovil se calcula

mediante una distribucion normal con una meida de 50 acumuladores que tienen una desviación

estandar de 10. En dos dias consecutivos se venden 80 y 75 acumuladores respectivamente. Si

estos dias son tipicos, ¿qué tan probable es, bajo las suposiciones dadas, vender 80 o más y 75 o

mas acumuladores?

Solución

Probabilidad de vender vender 80 o más:

  80  50 
P ( X  80)  P  Z  
 10 
 P( Z  3)  1  FZ (3; 0,1)
 1  0.9987  0.0013
Probabilidad de vender vender 75 o más:

 75  50 
P ( X  75)  P  Z  
 10 
 P( Z  2.5)  1  FZ (2.5;0,1)
 1  0.9938  0.0062

Ejercicio 5.14

El tiempo necesario para armar cierta unidad es una variable aleatoria normalmente distribuida

con una media de 30 minutos y desviacion estandar igual a dos minutos. Determinar el tiempo de

armado de manera tal que la probabilidad de exeder éste sea de 0.02.

Solución
Sea t el tiempo de armado, entonces:

 t  30 
a) P( X  t )  P  Z    1  0.02
 2 
 t  30 
 P   0.98
 2 
Se busca la probabilidad más cercana para 0.98 que es 2.56.
Por lo tanto:

x  30
 2.56
2
x  35.12
 35
 Referencias Bibliográficas

Canavos, G. (1988). Probabilidad y Estadística: Aplicaciones y Métodos. Ed. MacGraw-Hill.

Recuperado de https://estadisticaunicaes.files.wordpress.com/2012/05/george-c-canavos-
probabilidad-y-estadc3adstica-aplicaciones-y-mc3a9todos.pdf