Probabilidad 551113_10
Elaborado por:
Presentado a:
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
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
𝑥
distribución acumulativa es 𝑓(𝑥) = 1 − 𝑒𝑥𝑝 (− 100) , 𝑥 > 0.
Solución
1 𝑥
𝑒𝑥𝑝 (− 100) 0 < 𝑥 <∝
a) {100
0 𝑥≤0
= 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
∗ 10 + 7 ∗ 0.05 + 8 ∗ 0.05 = 4
Determinar
𝒔𝒐𝒍𝒖𝒄𝒊ó𝒏
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
𝑝(𝑛 − 𝑥; 𝑛, 1 − 𝑝) = 𝑝(𝑥; 𝑛, 𝑝)
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
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
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!
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:
64.15%.
Ejercicio 4.8
es de 0,9. Supóngase que cinco de estos se colocan en órbita y operan de manera dependiente:
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
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
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
= 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
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
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:
= 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%
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
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
¿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
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
Solución
Graficas de probabilidad
Ejercicio 5.8
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
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
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
Solución
El problema dice que de cada 100 cajas solo 1 se encuentre fuera del intervalo 590 a 610, por lo
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
10 10
𝑃(590 < 𝑋 < 610) = 𝑃 (− <𝑋< )
𝜎 𝜎
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
El valor de la distribución Z que hace que la probabilidad acumulada sea mayor que 0.995 es
𝑍 ≥ 2.58
por lo que
10
≥ 2.58
𝜎
10 ≥ 2.58𝜎
10
≥𝜎
2.58
3.8760 ≥ 𝜎
𝜎 ≤ 3.876
Ejercicio 5.11
mediante una distribucion normal con una meida de 50 acumuladores que tienen una desviación
estos dias son tipicos, ¿qué tan probable es, bajo las suposiciones dadas, vender 80 o más y 75 o
mas acumuladores?
Solución
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
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