Ejercicios Probabilidad 1

Tcnicas de Conteo
1. La clase de Mtodos Estadsticos Multivariados tiene 15 alumnos, de los

cuales 8 son hombres y 7 son mujeres. Para realizar cierto proyecto se
designan al azar 5 estudiantes del curso. Calcular la probabilidad de que
entre los estudiantes asignados al proyecto, haya 3 hombres y 2 mujeres.
8 7

2 3
15

7
a)
8 7

3 2
15

5
b)
15 7

2 3
15

5
c)
8

2
7

3
d)
2. De un lote que contiene 20 artculos defectuosos y 80 no defectuosos se escogen 10 al
azar sin reemplazo. Cul es la probabilidad de encontrar exactamente 5 defectuosos
y 5 no defectuosos?
a) 4,34929E-06
b) 5,7769E-14
c) 0,0215
d) 0.5
3. La clase de Mtodos Estadsticos Multivariados tiene 15 alumnos, de los
cuales 8 son hombres y 7 son mujeres. El curso ha decidido designar al azar
un grupo de 4 estudiantes que se encargarn respectivamente, de recoger
las tareas, repartir el material del curso, llamar a lista y avisar la hora de
terminacin de cada clase. Julin Rincn, Mara Crdoba, Ricardo Camacho y
Jos Buenda son estudiantes de dicho curso. Cul es la probabilidad de que
Julin Rincn resulte encargado de recoger las tareas, Mara Crdoba de
repartir el material del curso, Ricardo Camacho de llamar a lista y Jos
Buenda de avisar la hora de terminacin de cada clase?
1
15

4
a.
4

1
15

1
b.
15

4
c.
1
15! / 11!
d.
4. De un lote que contiene 80 artculos defectuosos y 20 no defectuosos se escogen 10 al
azar sin reemplazo. Cul es la probabilidad de encontrar exactamente 5 defectuosos
y 5 no defectuosos?
a) 4,34929E-06
b) 5,7769E-14
c) 0,0215
d) 0.5
5. En una escena editada de la famosa pelcula de terror El amanecer de los muertos,
Roger (el protagonista) se encuentra en una bodega de municiones dentro del centro
comercial. En un descuido deja la puerta de la bodega abierta lo que permite que un
grupo de 3 zombies entre a atacarlo. En su desesperacin y miedo, Roger encuentra
una caja de municiones la cual contiene 12 cartuchos de escopeta, de los cuales 7
estn vacos y 5 estn llenos. En la escena Roger nunca devuelve uno de los
cinco cartuchos seleccionados a la caja de municiones.
Sea Y, la variable aleatoria que denota el nmero de cartuchos vacos. La probabilidad
de que Roger seleccione ms de 3 cartuchos vacos es:
a)
b)
c)
d)
e)
24.47 %
23.74 %
24.74 %
23.47 %
24.77 %
Solucin
Por mtodo de tcnicas de conteo se obtiene que:
7 5 7 5

4 1
5 0
P(Y 3) 0.2209 0.0265
12
12

5
5
P(Y 3) 0.2474

Sea X, la variable aleatoria que denota el nmero de cartuchos llenos. La probabilidad
de que Roger seleccione ms de 3 cartuchos es:
a)
b)
c)
d)
e)
4.545 %
4.539 %
4.540 %
4.538 %
4.555 %
Solucin
Por mtodo de tcnicas de conteo se obtiene que:
7 5 7 5

1 4
0 5
P ( X 3) 0.04419 0.00126
12
12

5
5
P ( X 3) 0.04545
7. En un da cualquiera, Juan se levanta de la cama a las 6:00 am. para dirigirse al

colegio. La mam de Juan introduce ocho pares de medias en la ropa limpia de Juan
la noche anterior, de las cuales 5 son de color blanco y 3 son de color negro. Juan en
un estado medio dormido extrae 2 pares de medias. Con base en esta informacin, la
probabilidad de que a lo mximo saque un par de medias blancas es:
a)
b)
c)
d)
0.6482
0.6428
0.6422
0.6488
Solucin
X
Sea
la variable aleatoria que cuenta el nmero de pares de medias blancas que
selecciona Juan. Con base en esto se requiere calcular la siguiente probabilidad:
P( X 1) P( X 0) P ( X 1)
P ( X 1)
5

0
3 5 3

2 1 1 0.6428
8
8

2
2
Probabilidades Condicionales
1. Dos boxeadores se van a enfrentar en una pelea a 3 asaltos. Los observadores opinan
que cada boxeador tiene la misma probabilidad de ganar la pelea de un golpe de
knock-out y es igual a 0.2. Sin embargo si no se produce knock-out el boxeador 1 por
ser ms estilista gana el asalto con probabilidad 0.75. Tambin se sabe que si un
boxeador gana 2 asaltos seguidos gana la pelea y se termina.
Nota: Los boxeadores ganan la pelea si ganan dos o ms asaltos o si knockean en
cualquiera de los asaltos.
Cul es la probabilidad que el boxeador 1 gane por knock-out?
a)
b)
c)
d)
e)
0.347
0.317
0.371
0.334
No se puede calcular
2. Dos boxeadores se van a enfrentar en una pelea a 3 asaltos. Los observadores opinan
que cada boxeador tiene la misma probabilidad de ganar la pelea de un golpe de
knock-out y es igual a 0.2. Sin embargo si no se produce knock-out el boxeador 1 por
ser ms estilista gana el asalto con probabilidad 0.75. Tambin se sabe que si un
boxeador gana 2 asaltos seguidos gana la pelea y se termina.
Nota: Los boxeadores ganan la pelea si ganan dos o ms asaltos o si knockean en
cualquiera de los asaltos.
Cul es la probabilidad que el boxeador 1 gane la pelea?
a)
b)
c)
d)
e)
0.347
0.380
0.580
0.450
3. El departamento de crdito de la empresa SINFUTURO inform que el 30% de sus

ventas son en Efectivo, el 30% en Cheque y el 40% restante en Tarjeta de Crdito. De
acuerdo con las estadsticas de la compaa, el 20% de las ventas en Efectivo y el 90%
de las ventas en Cheque, respectivamente, se realizan por un valor superior a
$100.000. Adicionalmente, se sabe que la probabilidad de que un cliente de
SINFUTURO seleccionado al azar realice una compra inferior o igual a $100.000 y lo
haga con Tarjeta de Crdito es de 0.16. Si se escoge al azar un cliente que hizo una
compra superior a $100.000, calcule la probabilidad de que haya pagado con Cheque.
a)
b)
c)
d)
e)
0.53
0.47
0.57
0.41
4. El departamento de crdito de la empresa SINFUTURO inform que el 30% de sus

ventas son en Efectivo, el 30% en Cheque y el 40% restante en Tarjeta de Crdito. De
acuerdo con las estadsticas de la compaa, el 20% de las ventas en Efectivo y el 90%
de las ventas en Cheque, respectivamente, se realizan por un valor superior a
$100.000. Adicionalmente, se sabe que la probabilidad de que un cliente de
SINFUTURO seleccionado al azar realice una compra inferior o igual a $100.000 y lo

haga con Tarjeta de Crdito es de 0.16. Si se escoge un cliente al azar que hizo una
compra inferior o igual $100.000, calcule la probabilidad de que haya pagado con
Efectivo
a)
b)
c)
d)
e)
0.44
0.50
0.56
0.72
5. Se cree que Rafael Nadal y Roger Federer disputarn la final del torneo de tenis, US
OPEN 2008. La probabilidad de que Rafael Nadal gane son 2 contra 1. Si juegan dos
partidos, Cul es la probabilidad de que Rafael Nadal gane al menos 1 partido?
a) 1/4
b) 1/9
c) 8/9
d) 1/6
e) 4/9
6. Se sabe que el 25% de los televisores de cierta compaa requieren un servicio cuando
estn todava en garanta, mientras que solo 15% de los DVDs necesitan ese servicio.
Si alguien compra un televisor y un DVD fabricado por esta compaa, cul es la
probabilidad de que ambos productos necesiten servicio dentro de la garanta?
a)
b)
c)
d)
e)
No es posible responder la pregunta con la informacin suministrada

0.64
0.04
0.025
0
7. Se sabe que el 25% de los televisores de cierta compaa requieren un servicio cuando
estn todava en garanta, mientras que solo 15% de los DVDs necesitan ese servicio.
Si alguien compra un televisor y un DVD fabricado por esta compaa, cul es la
probabilidad de que ninguna de los productos necesite este servicio?
a)
b)
c)
d)
e)
0
0.04
0.96
0.64
No es posible responder la pregunta con la informacin suministrada
8. A usted lo han contratado para realizar una auditora en los procesos de calidad de la
Nacional de Chocolates. En la compaa se tienen dos mquinas para hacer los
chocolates:
Normal.
Turbo.
Dependiendo de la mquina, se incrementan los defectos en los chocolates, los cuales

estn clasificados en A: mala consistencia, B: mal sabor, C: tamao inadecuado.
En cada chocolate a lo sumo se presenta un tipo de defecto y cada mquina produce
chocolates de manera independiente. Los defectos que se presentan entre los
chocolates producidos por la misma mquina tambin son independientes.
La siguiente tabla muestra las probabilidades con las que cada uno de los defectos
ocurre en cualquier chocolate dependiendo de la mquina en la que fue producido:
Mquina
Normal
Turbo
Defecto tipo A
0,07
0,18
Defecto tipo B
0,04
0,09
Defecto tipo C
0,002
0,03
El 25% de los chocolates se producen en la mquina turbo. Cul es la probabilidad de

que un chocolate seleccionado al azar tenga un defecto tipo A?
a)
b)
c)
d)
e)
5.23 %
3.45 %
9.25 %
9.75 %
9. A usted lo han contratado para realizar una auditora en los procesos de calidad de la
Nacional de Chocolates. En la compaa se tienen dos mquinas para hacer los
chocolates:
Normal.
Turbo.
Dependiendo de la mquina, se incrementan los defectos en los chocolates, los cuales

estn clasificados en A: mala consistencia, B: mal sabor, C: tamao inadecuado.
En cada chocolate a lo sumo se presenta un tipo de defecto y cada mquina produce
chocolates de manera independiente. Los defectos que se presentan entre los
chocolates producidos por la misma mquina tambin son independientes.
La siguiente tabla muestra las probabilidades con las que cada uno de los defectos
ocurre en cualquier chocolate dependiendo de la mquina en la que fue producido:
Mquina
Normal
Turbo
Defecto tipo A
0,08
0,15
Defecto tipo B
0,06
0,08
Defecto tipo C
0,005
0,02
El 32% de los chocolates se producen en la mquina turbo. Cul es la probabilidad de

que un chocolate seleccionado al azar tenga un defecto tipo B?
a)
b)
c)
d)
e)
5.99 %
6.64 %
6.60 %
6.32 %
Variables Aleatorias
1. El gerente de una empresa dedicada a la fabricacin de equipos de sonido, determina
que la variable aleatoria , la cual, describe el comportamiento del tiempo de duracin

(en aos) de un equipo de sonido, se ajusta a la siguiente funcin de probabilidad:
f Y ( y)
6
(3 y y 2 )
7
0 y 1
Con base en esta informacin, la probabilidad de que por lo menos un equipo de

sonido funciones correctamente ms de 0.5 aos es:
a)
b)
c)
d)
e)
0.6420
0.6428
0.6488
0.6532
0.6528
Solucin
Se debe calcular la siguiente probabilidad:
P ( y 0.5)
Para facilitar los clculos, se sabe por el axioma de la probabilidad del complemento
que:
P ( y 0.5) 1 P ( y 0.5)
Entonces:
6
P ( y 0.5) 1
7
0.5
3 y y dy
2
Aplicando propiedades de integracin por sustitucin se obtiene que:
y3
6 3
P( y 0.5) 1 y 2
7 2
3
0. 5
P ( y 0.5) 0.6428
0
2. El inspector de calidad de una empresa dedicada a la fabricacin de cilindros para gas,
X
determina que para la variable aleatoria
la cual describe el comportamiento del
tiempo de duracin (en aos) de un cilindro para gas, se ajusta a la siguiente funcin
de probabilidad:
f X ( x)
6
(3 x x 2 )
7
0 x 1
Con base en esta informacin, la probabilidad de que por lo menos un cilindro para gas
pueda utilizarse entre 0.3 a 0.8 aos es:
a)
b)
c)
d)
e)
0.5655 %
0.5675 %
0.5685 %
0.5658 %
0.5657 %
Solucin
Se debe calcular la siguiente probabilidad:
P(0.3 aos X 0.8 aos )

Entonces:
0.8
P(0.3 aos X 0.8 aos )
6
7 3x x dx
2
0.3
Aplicando propiedades de integracin por sustitucin se obtiene que:
6 3x 2 x 3
P(0.3 aos X 0.8 aos )

7 2
3
0. 8
P (0.3 aos X 0.8 aos ) 0.5685

0. 3
3. Ana es la gerente operativa de ABC Drilling, una empresa encargada de hacer

perforaciones de pozos petroleros. Para la prxima perforacin Ana est planeando
utilizar una nueva tecnologa para tratar de alcanzar un nivel alto de profundidad. De
acuerdo con la experiencia de otras empresas utilizando dicha tecnologa en
superficies parecidas, se sabe que en el 20% de los casos se alcanz una profundidad
de 5 mil pies, en el 50% de los casos se alcanz una profundidad de 8 mil pies,
mientras que en el 30% restante se logr una profundidad de 10 mil pies. Cul es la
probabilidad de que la profundidad alcanzada en el proceso de perforacin sea mayor
a 5000 pies?
a)
b)
c)
d)
0.20
0.80
0.70
0.50
4. El jefe de produccin de una empresa encargada de la fabricacin de componentes

electrnicos determina que la funcin de probabilidad del tiempo de falla de un
componente electrnico en una copiadora (en horas) es:
x
e 1000
f x ( x)
1000
x (0, )
La probabilidad de que un componente falle en el intervalo de 1000 horas a 2000 horas

es:
a)
b)
c)
d)
e)
23.45 %
23.10 %
23.25 %
23.22 %
23.48 %
Solucin
P (1000 horas X 2000 horas )

Se considera que la probabilidad solicitada es
entonces:
2000
e 1000
P(1000 X 2000)
dx e 1 e 2 23,25 %
1000
1000
5. El departamento financiero de la compaa JJ est interesado en la evaluacin de un

nuevo proyecto; la evaluacin se va a realizar basada en la funcin de densidad de
probabilidad de la variable aleatoria X, que representa la utilidad del proyecto en
millones de dlares. Segn el departamento financiero la funcin de densidad de X
est definida en el rango de -1 hasta 5, y sta est definida de la siguiente forma:
1
1< x<5
f X (x )= 6
0 de locontrario
El departamento financiero clasifica el proyecto de acuerdo a las siguiente categoras:
malo (utilidad entre -1 y 0.5); aceptable (utilidad entre 0.5 y 3.5) y bueno (utilidad entre
3.5 y 5). Basado en la informacin anterior, la probabilidad de que el proyecto sea
calificado como malo es:
a)
b)
c)
d)
e)
0.250
0.500
0.750
0.167
0.833

Sea Y, la variable aleatoria que denota el nmero de cartuchos vacos. La probabilidad
de que Roger seleccione ms de 3 cartuchos vacos es:
a) 24.47 %
b)
c)
d)
e)
23.74 %
24.74 %
23.47 %
24.77 %
Solucin
En
esta
situacin
P (Y 3) P (Y 4) P (Y 5)
se
requiere
la
siguiente
probabilidad
=0.2474
Nota: Este ejercicio tambin se resolvi por tcnicas de conteo
7. El departamento financiero de la compaa JJ est interesado en la evaluacin de un
nuevo proyecto; la evaluacin se va a realizar basada en la funcin de densidad de
probabilidad de la variable aleatoria X, que representa la utilidad del proyecto en
millones de dlares. Segn el departamento financiero la funcin de densidad de X
est definida en el rango de -1 hasta 5, y sta est definida de la siguiente forma:
1
1< x<5
f X (x )= 6
0 de locontrario
El departamento financiero clasifica el proyecto de acuerdo a las siguiente categoras:
malo (utilidad entre -1 y 0.5); aceptable (utilidad entre 0.5 y 3.5) y bueno (utilidad entre
3.5 y 5). Basado en la informacin anterior, la probabilidad de que el proyecto no se
calificado como aceptable es:
a)
b)
c)
d)
e)
0.250
0.500
0.750
0.167
0.833

Sea X, la variable aleatoria que denota el nmero de cartuchos llenos. La probabilidad
de que Roger seleccione ms de 3 cartuchos es:
f)
g)
h)
i)
j)
4.545 %
4.539 %
4.540 %
4.538 %
4.555 %
Solucin
En
esta
situacin
se
P( X 3) P ( X 4) P( X 5)
requiere
la
= 0.04545.
Nota: Este ejercicio tambin se resolvi por tcnicas de conteo
siguiente
probabilidad
Variables Aleatorias Discretas

1. Con el avance tecnolgico de los ltimos aos, la ingeniera de control de
calidad, Amanda, ha logrado calcular la concentracin promedio de sulfuros
en las botellas de agua Riachuelo. As, ha encontrado que la concentracin
promedio de sulfuros expresada en microgramos por litro, se comporta como
una variable aleatoria con la siguiente funcin de densidad de probabilidad,
El valor esperado de la concentracin promedio de sulfuros en g/l es:

a)
b)
c)
d)
e)
3.33
10
6
1.7
Ninguna de las anteriores
2. La empresa colombiana Matimba es una de las ms importantes del pas en

cuanto al control de calidad se refiere. La concentracin de hipoclorito en sus
refrescos representa la variable ms importante a controlar dentro del
proceso productivo. Antonio, operario de la planta, revisa 15 veces por da el
lector de hipoclorito, donde cada revisin resulta ser independiente entre s.
La probabilidad que tiene Antonio de reportar correctamente la
concentracin reportada por el lector de hipoclorito es igual a 0.3.
Cuntas veces se espera que Antonio revise el lector hasta reportar
correctamente la concentracin de hipoclorito?
a)
b)
c)
d)
e)
3.33
0.3
4.5
3.66
3. Para la materia Aeromodelismo Bsico, los estudiantes deben hacer un avin de papel,
el cual ser probado por el profesor durante la sustentacin. El tiempo que dura un
avin de papel sostenido en el aire es una variable aleatoria (T), expresada en minutos,
con la siguiente funcin de densidad:
t
9
f T (t )
6t

0t 3
3t 6
dlc.
La nota que un estudiante recibe por el avin que dise, depende del tiempo que dura
en el aire y es calculada de la siguiente manera:
1 si el avin dura menos de 1 minuto en el aire.

3.5 si el avin dura ms de 1 pero menos de 5 minutos en el aire.
5 si el avin dura ms de 5 minutos en el aire.
De acuerdo a la informacin anterior, la nota promedio que recibir un alumno por su

avin en la sustentacin ser:
a)
b)
c)
d)
e)
3.00
2.85
3.44
3.20
Ninguno de los anteriores.
4. El tiempo necesario para una operacin de ensamblaje de un componente electrnico
S
(en segundos), es una variable aleatoria
funcin de probabilidad:
que se distribuye mediante la siguiente
f X ( x) 0.1
30 S 40
Con base en la informacin suministrada, la desviacin estndar del tiempo requerido

para una operacin de ensamblaje es:
a)
b)
c)
d)
e)
8.333 segundos
2.886 segundos
3.333 segundos
8.886 segundos
3.886 segundos
Solucin
Se procede mediante:
Var ( X ) E X 2 E X
40
30
40
Var ( X ) (0.1) x dx
2
30
(0.1) x dx
(40) 3 (30) 3
(0.1)
Var ( X )
3
(40) 2 (30) 2
Var ( X ) (12333.33) (0.1) 1225

Var ( X ) 1233.333 1225 8.333
La desviacin se obtiene mediante:
X Var ( X ) 8.333
X 2.8866
segundos
5. El restaurante de comidas rpidas JJ recibe pedidos a domicilio por una cantidad X de
artculos, la cual se distribuye con la siguiente funcin de probabilidad:
(0.1)
g X ( x )=
(5x)
x=1, 2, 3, 4
10
El costo por artculo (en miles de pesos) del pedido esta dado por la siguiente funcin:
Costo ( x )=
7x
2
La moto de la repartidora Astrid solo tiene capacidad para mximo 3 artculos, por lo
que no siempre puede realizar el domicilio. El pago promedio que recibir Astrid por
cada domicilio que realice es:
a)
b)
c)
d)
e)
4.5
3.9
2.0
2.5
6. En un experimento de laboratorio de fsica mecnica, se desea conocer el

comportamiento de la aplicacin de fuerza a un objeto. Para dicho anlisis, se dispone
de un dispositivo que mide la distancia recorrida (en centmetros) cuando se le aplica
X
una determinada fuerza al objeto. Sea
la variable aleatoria discreta que describe la
X
distancia total recorrida del objeto. Se sabe que la funcin de probabilidad de
dada por:
f X ( x) 1
est
0 X 6 cm
La fuerza aplicada al objeto (medida en Newtons) se calcula mediante la siguiente
P ( x) x 2 3 x 2
expresin:
aplicada al objeto es:
a)
b)
c)
d)
e)
. Con base en esta informacin, la fuerza neta promedio
25.06 Newtons
23.66 Newtons
20.06 Newtons
22.66 Newtons
22.60 Newtons
Solucin
Se sabe que el valor esperado de una variable aleatoria discreta est dado por:
E ( X ) x f X ( x)
x
Cuando se desea el valor esperado de una funcin que depende de la variable

aleatoria, se considera que:
E ( X ) P ( x) f X ( x)
x
1 2
1
x 3x 2
6
x 1 6
6
E( X )
x2
x 1
x2
x 1
E ( X ) 23.66 Newtons
7. Estudios de mercado estiman que un nuevo instrumento para el anlisis de muestras

de suelo ser de gran xito, xito moderado, o sin xito, con probabilidades 0.3, 0.6 y
0.1, respectivamente. Los ingresos anuales asociados con un producto de gran xito,
con un xito moderado o sin xito son de $ 10 millones, $ 5 millones y $ 1 milln,
respectivamente.
Sea X, la variable aleatoria que denota los ingresos anuales del producto. La
desviacin estndar del ingreso anual asociado a los productos es:
a)
b)
c)
d)
e)
6.245 millones
3.352 millones
6.248 millones
3.852 millones
6.225 millones
Solucin
La varianza de una variable aleatoria discreta se determina mediante:
V ( X ) E ( X ) 2 E ( X 2 2 X 2 ) E ( X 2 ) [ E ( X )] 2
donde,
E ( X ) Valor esperado de la var iable

3
i 1
x
i 1
V ( X ) x f ( xi )
2
i
f ( xi )
V ( X ) ($1) 2 (0.1) ($5) 2 (0.6) ($10) 2 (0.3) ($6.1) 2
V ( X ) $ 39 millones 2
Recuerde que la desviacin estndar es equivalente a la raz cuadrada de la varianza,
por lo tanto:
$ 6.245 millones
8. En un experimento de laboratorio de fsica mecnica, se desea conocer el
comportamiento de la aplicacin de presin a un gas. Para dicho anlisis, se dispone
de un dispositivo que mide la distancia recorrida (en centmetros) cuando se le aplica
X
una determinada presin al gas. Sea
la variable aleatoria discreta que describe la
distancia total recorrida de compresin del gas. Se sabe que la funcin de probabilidad
X
de
est dada por:
f X ( x) 1
0 X 8 cm
La presin aplicada al objeto (medida en Libras) se calcula mediante la siguiente
P ( x ) 2 x 2 0.75 x 2
expresin:
promedio aplicada al gas es:
a)
b)
c)
d)
e)
. Con base en esta informacin, la presin
51.750 Libras
50.753 Libras
53.375 Libras
53.360 Libras
51.735 Libras
Solucin
Se sabe que el valor esperado de una variable aleatoria discreta est dado por:
E ( X ) x f X ( x)
x
Cuando se desea el valor esperado de una funcin que depende de la variable

aleatoria, se considera que:
E ( X ) P ( x) f X ( x)
x
1
1
2
2 x 0.75 x 1
4
x 1 8
8
E( X )
0.75
x2
x 1
x 1
x 1
E ( X ) 53.375 Libras
9. Suponga que la funcin de densidad de probabilidad de la variable aleatoria X est

dada por:
y 0 y1
f Y ( y )= 2 y 1 y 2
0 d . l. c .
La funcin de distribucin acumulada, FY(y), de Y est dada por:
0 y< 0
y
0 y< 1
2
a.
FY ( y )=
b.
y2
0 y <1
2
FY ( y )=
y2
2 y 1 1 y <2
2
0 d .l . c .
c.
y2
0 y< 1
2
FY ( y )=
y2 3
2 y 1 y <2
2 2
0 d .l . c .
y
1 1 y <2
2
1 y 2
{
{
0 y< 0
2
y
0 y <1
2
FY ( y )=
2
y
2 y 1 1 y <2
2
1 y 2
d.
e)
y2
0 y <1
2
FY ( y ) =
y2
2 y 1 1 y <2
2
10. Estudios de mercado estiman que un nuevo instrumento para el anlisis de muestras
de suelo ser de gran xito, xito moderado, o sin xito, con probabilidades 0.5, 0.3 y
0.2, respectivamente. Los ingresos anuales asociados con un producto de gran xito,
con un xito moderado o sin xito son de $ 11 millones, $ 7 millones y $ 2 milln,
respectivamente.
Sea X, la variable aleatoria que denota los ingresos anuales del producto. La
desviacin estndar del ingreso anual asociado a los productos es:
a)
b)
c)
d)
e)
3.245 millones
4.352 millones
3.244 millones
3.464 millones
4.225 millones
Solucin
La varianza de una variable aleatoria discreta se determina mediante:
V ( X ) E ( X ) 2 E ( X 2 2 X 2 ) E ( X 2 ) [ E ( X )] 2
donde,
E ( X ) Valor esperado de la var iable

3
i 1
x
i 1
V ( X ) x f ( xi )
2
i
f ( xi )
V ( X ) ($2) 2 (0.2) ($7) 2 (0.3) ($11) 2 (0.5) ($8) 2
Recuerde que la desviacin estndar es equivalente a la raz cuadrada de la varianza,
por lo tanto:
$ 3.464 millones
Generatriz de Momentos
1. Determine la funcin generatriz de momentos de la siguiente f.d.p:
1
f X (x)= ba a< x <b
0d.l .c.
a.
X=
e s (ba)
( ba ) s
b.
X=
e e
( ba ) s
c.
X=
e sbe sa
( ba )
sb
d.
sa
e
s ( sbe sa )
( ba )
X =
e. No se tiene informacin suficiente
Variables Aleatorias Conjuntas

1. La produccin diaria de enzimas del cuerpo humano de un hombre viene dada por una
variable aleatoria X, mientras que para las mujeres la produccin de enzima est dada
por una variable aleatoria Y. De esta forma, la Funcin de Distribucin de Probabilidad
Conjunta de X,Y es:
2 x y
f X ,Y ( x , y )= 2 e e ; x 0, y 0
0 ; d . l. c .
a) X y Y son independientes, donde
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d .l .c.
b) X y Y son independientes, donde
2 x
f X (x )= e ; x 0
0 ; d . l. c .
2 y
f Y ( y )= 2 e ; Y 0
0 ; d . l. c .
c) X y Y no son independientes, pero
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d. l .c.
d) No se puede calcular las funciones marginales de X y Y, porque no son

independientes.
e) Ninguna de las anteriores.
2. La conversin de la reaccin de saponificacin en un reactor CSTR viene dada por una
variable aleatoria X, mientras que para un reactor tubular con membranas est dada
por una variable aleatoria Y. De esta forma, la Funcin de Distribucin de Probabilidad
Conjunta de X,Y es:
2 x y
f X ,Y ( x , y )= 2 e e ; x 0, y 0
0 ; d . l. c .
a) X y Y no son independientes, pero
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d .l .c.
b) X y Y son independientes, donde
2 x
f X (x )= e ; x 0
0 ; d . l. c .
2 y
f Y ( y )= 2 e ; Y 0
0 ; d . l. c .
c) X y Y no son independientes, pero
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d. l .c.
d) X y Y son independientes, donde
2 x
f X (x )= 2 e ; x 0
0 ; d . l. c .
y
f Y ( y )= e ; Y 0
0;d .l .c.
e) Ninguna de las anteriores.

3. El rendimiento fsico (medido en horas) de un hombre para realizar ejercicios
cardiovasculares es una variable aleatoria X; mientras que el rendimiento fsico de una
mujer para la misma actividad es una variable aleatoria Y. La relacin entre el
comportamiento de las dos variables se presenta en la siguiente funcin de
probabilidad conjunta:
k 1 y
0
f XY x, y
0 x y 1
d .l.c.
Con base en sta informacin, la funcin de probabilidad que describe el rendimiento

fsico (en horas) de un hombre para realizar ejercicios cardiovasculares es:
f X ( x) (1 x) 2
a)
0 x 1
3
f X ( x) (1 x) 4 0 x 1
2
b)
f X ( x ) 3 (1 x ) 2 0 x 1
c)
f X ( x) 3 (1 x 2 ) 0 x 1
d)
f X ( x) 1 x
0 x 1
e)
Solucin
1
0 0
k (1 y ) dxdy 1
( y y 2 ) dy
k (1 y) x
0
y2 y3
2
3
1
k
1
0
y
0
1
k
dy 1
1 1 1

2 3 k
k 6
Ahora se procede con el clculo de la marginal:

1
f X ( x) 6 (1 y ) dy 3(1 x) 2 3(1 x) 2
x
0 x 1
4. Se sabe que el tiempo de espera de un cliente en un banco en particular, es una
variable aleatoria
que se distribuye exponencial con tasa
. Adicionalmente el
tiempo de atencin, el cual se considera independiente con respecto al tiempo de
Y
espera, es una variable aleatoria
que se distribuye exponencial con tasa
base en esta informacin, la funcin de probabilidad conjunta es:
f XY ( x, y ) e ( x y )
x 0, y 0
a)
f XY ( x, y ) e ( x y )
x 0, y 0
f XY ( x, y ) 2 e ( x y )
x 0, y 0
b)
c)
f XY ( x, y ) e ( x y )
d)
x 0, y 0
. Con
f XY ( x, y ) e ( x y )
x 0, y 0
e)
Solucin
Se sabe que el tiempo de espera y el tiempo de atencin son variables aleatorias
independientes; por lo tanto:
f X ( x) e x x 0
fY ( y) e y y 0
f XY ( x, y ) f X ( x) f Y ( y ) e x e y e ( x y )
x 0, y 0
5. El profesor de un curso de Termodinmica para ingenieros industriales establece que

segn el nmero de fallas que tenga un estudiante, ste puede aprobar o reprobar el
curso. En vista de esta situacin, Juan considera sus posibilidades de acuerdo a la
siguiente funcin de densidad de probabilidad conjunta considerando que el nmero de
Y 1, 2, 3, 4
fallas es una variable aleatoria
y la aprobacin o prdida del curso de
X 1, 2
Termodinmica es representado por la variable aleatoria

Y\X
1
2
3
4
Aprobar (1)
0.07142
0.07142
0.14285
0.07142
Reprobar (2)
0.07142
0.14285
0.21428
0.21428
Si Juan reprob el curso de Termodinmica, cul es la probabilidad de que Juan

tuviera por lo menos dos fallas?
P (Y 2 | X 2) 0.50
a)
P (Y 2 | X 2) 0.0052
b)
P (Y 2 | X 2) 0.3452
c)
P (Y 2 | X 2) 0.8888
d)
P (Y 2 | X 2) 0.2222
e)
Solucin
P(Y 2 | X 2)
Se procede con la probabilidad condicional:
; entonces:
P(Y 2 | X 2)
P(Y 2 X 2) P(Y 2, X 2) P (Y 3, X 2) P (Y 4, X 2)
P ( X 2)
P ( X 2)
P(Y 2 | X 2)]
(0.14285) (0.21428) (0.21428)

0.8888
0.64283
6. Se sabe que el nmero de clientes que llegan a un banco en particular, es una variable
aleatoria
que se distribuye Poisson con tasa
. Adicionalmente el nmero de
clientes que son atendidos, el cual se considera independiente con respecto al nmero
Y
de clientes que llegan al banco, es una variable aleatoria
con tasa
que se distribuye Poisson
. Con base en esta informacin, la funcin de probabilidad conjunta es:
f XY ( x, y )
( t ) x y e ( ) t
x! y!
x 0, y 0
f XY ( x, y )
( t ) x e ( ) t
x! y!
x 0, y 0
f XY ( x, y )
(x y ) (t ) x y e ( ) t
x! y!
x 0, y 0
f XY ( x, y )
(x y ) (t ) x y e ( ) t
x! y!
x 0, y 0
f XY ( x, y )
( y x ) (t ) x y e ( ) t
x! y!
x 0, y 0
a)
b)
c)
d)
e)
Solucin
Se sabe que las dos variables son independientes; por lo tanto:
f X ( x)
( t ) x e t
x!
x0
( t ) y e t
fY ( y)
y!
y0
( x y ) t x y e ( ) t
f XY ( x, y ) f X ( x) f Y ( y )
x! y!
x 0, y 0
7. El profesor de un curso de Fsica Moderna para ingenieros industriales establece que

segn el nmero de fallas que tenga un estudiante, ste puede aprobar o reprobar el
curso. En vista de esta situacin, Pedro considera sus posibilidades de acuerdo a la
siguiente funcin de probabilidad conjunta considerando que el nmero de fallas es una
Y 1, 2, 3, 4
variable aleatoria
y la aprobacin o prdida del curso de
X 1, 2
Termodinmica es representado por la variable aleatoria

Y\X
1
2
3
4
Aprobar (1)
0.07142
0.07142
0.14285
0.07142
Reprobar (2)
0.07142
0.14285
0.21428
0.21428
Si Pedro, cul es la probabilidad de que Juan tuviera por lo menos dos fallas?
P ( X 1 | Y 2) 0
a)
P ( X 1 | Y 2) 0.3333
b)
P ( X 1 | Y 2) 0.01020
c)
P ( X 1 | Y 2) 0.6666
d)
P ( X 1 | Y 2) 0.100085
e)
Solucin
P( X 1 | Y 2)
Se procede con la probabilidad condicional:
; entonces:
P ( X 1 | Y 2)
P ( X 1 Y 2) P ( X 1, Y 2) P ( X 1, Y 3) P( X 1, Y 4)
P (Y 2)
P (Y 2) P (Y 3) P (Y 4)
P( X 1 | Y 2)]
(0.07142) (0.14285) (0.07142)

0.3333
0.8571
Covarianza
1. Leche La Mejor S.A. es una empresa encargada de la produccin y distribucin de
leche en el Departamento del Norte de Santander. Dentro de su plan de produccin se
considera la fabricacin de leche semidescremada y de leche descremada, las cuales
son dos variables aleatorias

e
(medidas en litros/minuto), respectivamente; que
se distribuyen mediante la siguiente funcin de densidad conjunta:
f XY ( x, y )
xy
0 x 2, 0 y 4
16
Se sabe que en promedio se producen 4/3 litros/minuto de leche semidescremada y 8/3

litros/minuto de leche descremada. La relacin entre los dos tipos de leche es:
Cov( X , Y ) 1
a.
b.
c.
d.
Cov( X , Y ) 0.05
Cov( X , Y ) 0
Cov( X , Y ) 3.5555
Cov( X , Y ) 2.6666
e.
Solucin
E[ XY ]
Se procede con el clculo de
2 4
E[ XY ]
0 0
x2 y2
32
dx dy
16
9
Ahora se aplica la ecuacin de la covarianza entre dos variables aleatorias:
32 4 8
Cov( X , Y ) 0
9 3 3
Cov( X , Y ) E[ XY ] E[ X ] E[Y ] Cov( X , Y )
2. Leche La Mejor S.A. es una empresa encargada de la produccin y distribucin de

leche en el Departamento del Norte de Santander. Dentro de su plan de produccin se
considera la fabricacin de leche pasteurizada y de leche ultrapasteurizada, las cuales
son dos variables aleatorias

e
(medidas en litros/minuto), respectivamente; que
se distribuyen mediante la siguiente funcin de densidad conjunta:
f XY ( x, y )
xy
0 x 4, 0 y 2
16
Se sabe que en promedio se producen 8/3 litros/minuto de leche semidescremada y

4/3 litros/minuto de leche descremada. La relacin entre los dos tipos de leche es:
Cov( X , Y ) 1
a.
b.
c.
d.
Cov( X , Y ) 0
Cov( X , Y ) 0.3333
Cov( X , Y ) 2.6666
Cov( X , Y ) 3.5555
e.
Solucin
E[ XY ]
Se procede con el clculo de
2 4
E[ XY ]
0 0
x2 y2
32
dx dy
16
9
Ahora se aplica la ecuacin de la covarianza entre dos variables aleatorias:
32 8 4
Cov( X , Y ) 0
9 3 3
Cov( X , Y ) E[ XY ] E[ X ] E[Y ] Cov( X , Y )
3. Un profesor de probabilidad y estadstica aplic un corto examen compuesto por una

parte de seleccin mltiple y otra de pregunta abierta. Para un estudiante seleccionado
X
al azar, sea
la variable aleatoria que describe el puntaje obtenido en la parte de
Y
seleccin mltiple, y
la variable aleatoria que describe el puntaje obtenido en la
parte de pregunta abierta. La funcin de probabilidad conjunta de las dos variables se
presenta en la siguiente tabla:
p(x,y)
X
0
5
10
Y
0
0.02
0.04
0.01
5
0.06
0.15
0.15
10
0.02
0.20
0.14
15
0.10
0.10
0.01
Con base en esta informacin y mediante el clculo de la covarianza entre el puntaje

obtenido en la parte de seleccin mltiple y la parte de pregunta abierta, se puede
inferir que:
Cov( x, y ) 0
a.
b.
no existe correlacin entre las dos parte del parcial
Cov( x, y ) 3.20
existe correlacin negativa entre las dos parte del parcial
Cov( x, y ) 2.30
c.
d.
existe correlacin positiva entre las dos parte del parcial
Cov( x, y ) 5.80
Cov( x, y ) 5.80
e.
Solucin
Se procede inicialmente con el clculo de los valores esperados:
E ( X ) x px ( x) (0)(0.2) (5)(0.49) (10)( 0.31) 5.55

x
E (Y ) y pY ( y ) (0)(0.07) (5)( 0.36) (10)(0.36) (15)(0.21) 8.55

Y
E ( XY ) 44.25
Aplicando la ecuacin de la covarianza, se obtiene:
Cov( X , Y ) 44.25 (5.55)(8.55)
Cov( X , Y ) 3.2025
Existe una correlacin negativa entre el puntaje obtenido en la parte de seleccin

mltiple y la parte de pregunta abierta.
4. Un profesor de Control de Produccin aplic un corto examen compuesto por una parte
de seleccin mltiple y otra de pregunta abierta. Para un estudiante seleccionado al
X
azar, sea
la variable aleatoria que describe el puntaje obtenido en la parte de
Y
seleccin mltiple, y
la variable aleatoria que describe el puntaje obtenido en la
parte de pregunta abierta. La funcin de probabilidad conjunta de las dos variables se
presenta en la siguiente tabla:
p(x,y)
0
5
10
Y
0
0.01
0.04
0.02
5
0.06
0.15
0.15
10
0.02
0.19
0.15
15
0.01
0.10
0.10
Con base en esta informacin y mediante el clculo de la covarianza entre el puntaje

obtenido en la parte de seleccin mltiple y la parte de pregunta abierta, se puede
inferir que:
Cov( x, y ) 0
a.
b.
c.
d.
no existe correlacin entre las dos parte del parcial
Cov( x, y ) 2.35
Cov( x, y ) 3.20
Cov( x, y ) 3.20
Cov( x, y ) 1.82
e.
Solucin
Se procede inicialmente con el clculo de los valores esperados:
E ( X ) x p x ( x) (0)( 0.1) (5)(0.48) (10)(0.42) 6.6

x
E (Y ) y pY ( y ) (0)(0.07) (5)(0.36) (10)(0.36) (15)(0.21) 8.55

Y
E ( XY ) 58.25
Aplicando la ecuacin de la covarianza, se obtiene:
Cov( X , Y ) 58.25 (6.6)(8.55)
Cov( X , Y ) 1.82
Existe una correlacin positiva entre el puntaje obtenido en la parte de seleccin

mltiple y la parte de pregunta abierta.
Valor esperado condicional

1. Playtoys es una empresa dedicada a la fabricacin de juguetes para nios entre los 3 y
7 aos. Dentro de su plan de investigacin y desarrollo proponen el diseo de
prototipos de un juguete tipo 1 y un juguete tipo 2. El nmero de prototipos es una
variable aleatoria
e , para el juguete tipo 1 y tipo 2, respectivamente. La funcin
de probabilidad conjunta para los dos tipos de juguetes es la que se presenta a
continuacin:
p XY ( x, y )
x 2y
; x 1,2. y 1,2
18
Si el departamento de investigacin y desarrollo construye dos prototipos del juguete
X
, el nmero de prototipos del juguete
es:
E[ X | Y 2] 17 / 11
a.
b.
c.
d.
E[ X | Y 2] 12 / 10
E[ X | Y 2] 20 / 11
E[ X | Y 2] 17 / 12
E[ X | Y 2] 11 / 17
e.
Solucin
y
Se calcula la funcin marginal de
x 2y 1 2
y 2
x 1
18
18 x 1
9 x 1
x 1
2
pY ( y )
pY ( y )
1 2y
;
6 9
y 1, 2
La funcin de probabilidad condicional es:
x 2y
x 2y
x 2y
p X |Y ( x | y ) 18
1 2 y 18 36 y 3 4 y
6 9
6
9
El valor esperado es entonces:
E[ X | Y 2 ]
1 2 2
17
( x 4 x ) E[ X | Y 2 ]
11 x 1
11
p X |Y 2 ( x | y 2)
x4
11
2. Playtoys es una empresa dedicada a la fabricacin de juguetes para nios entre los 3 y
7 aos. Dentro de su plan de investigacin y desarrollo proponen el diseo de
prototipos de un juguete tipo 1 y un juguete tipo 2. El nmero de prototipos es una
variable aleatoria
e , para el juguete tipo 1 y tipo 2, respectivamente. La funcin
de probabilidad conjunta para los dos tipos de juguetes es la que se presenta a
continuacin:
p XY ( x, y )
x 2y
; x 1,2. y 1,2
18
Si el departamento de investigacin y desarrollo construye dos prototipos del juguete
Y
, el nmero de prototipos del juguete
es:
E[Y | X 2] 8 / 10
a.
b.
c.
d.
E[Y | X 2] 12 / 10
E[Y | X 2] 10 / 8
E[Y | X 2] 8 / 5
E[Y | X 2] 5 / 8
e.
Solucin
X
Se procede con el clculo de la funcin marginal de
x 2y x
p X ( x)
18
18
y 1
2
1
1
9
y 1
y
y 1
p X ( x)
x 3 x3

;
9 9
9
Ahora se calcula la funcin de probabilidad condicional:
x 2y
x 2y
pY | X ( y | x) 18
x3
2( x 3)
9
El valor esperado condicional es:

2
E[Y | X 2]
y 1
y y2 1 2
1 2
y y2
5
5 y 1
5 y 1
pY | X 2 ( y | x 2)
1 y
5
x 1,2
X
3. Un comerciante de automviles paga una cantidad
(en miles de dlares) por un
Y
carro usado y lo vende despus por una cantidad
X
aleatorias
. Se conoce que las variables
Y
e
se ajustan a al siguiente funcin de densidad conjunta:
f XY ( x, y )
x
36
0 x y6
Con base en la informacin anterior, si el comerciante paga 2 mil dlares por un carro
usado, la ganancia promedio por la venta del mismo es:
E[Y | X 2] 4
a.
b.
c.
d.
E[Y | X 2] 3.28
E[Y | X 2] 6
E[Y | X 2] 2.5
E[Y | X 2] 5.45
e.
Solucin
X
Considere el clculo de la funcin marginal de
x
x (6 x )
dy
36
36
x
f X ( x)
0 x6
x
1
fY | X ( y | x) 36
x (6 x ) 6 x
36
El valor esperado condicional se calcula de la siguiente manera:
y
1 y2
1 36 x 2 1 (6 x)(6 x )
E[Y | X ]
dy

2
x
2
6
x
2
6
x
6 x
x
x
E[Y | X ]
1
x
(6 x) E[Y | X ] 3
2
2
E[Y | X 2] 3 1
E[Y | X 2] 4 mil dlares
4. Orlando y Elena quedaron de encontrarse en el Auditorio Len de Greiff para asistir al

concierto de opera de la obra Don Giovanni de Wolfgang Amadeus Mozart, entre las
7:00 p.m y 8:00 p.m. Considere que el tiempo de llegada (medido en horas) de
X
Orlando, es una variable aleatoria
, y el tiempo de llegada (medido en horas) de
Y
Elena, es una variable aleatoria
. La funcin de densidad conjunta del tiempo es:
f XY ( x, y ) x y,
0 x 1, 0 y 1
Si Orlando llega al Auditorio 36 minutos despus de las 7:00 p.m., el tiempo promedio
de llegada de Elena despus de las 7:00 p.m. al Auditorio es:
E[Y | X 0.6] 30
a.
b.
c.
d.
E[Y | X 0.6] 35
minutos
minutos
E[Y | X 0.6] 1
hora
E[Y | X 0.6] 45
E[Y | X 0.6] 39
e.
minutos
minutos
Solucin
X
Se procede con el clculo de la marginal de
1
f X ( x) ( x y ) dy
0
2x 1
2
0 x 1
fY | X ( y | x)
x y 2( x y )
2x 1
2x 1
2
2
E Y | X
2x 1
Entonces:
E Y | X 0 .6
3x 2
y( x y) dy 3(2 x 1)
0 x 1
3(0.6) 2
0.575757 35
3(2 * 0.6 1)
minutos
5. John Jairo y Makacio quedaron de encontrarse en el centro comercial Plaza de las

Amricas para asistir al concierto de Silvestre Dangond entre las 8:00 p.m y 9:00 p.m.
Considere que el tiempo de llegada (medido en horas) de John Jairo es una variable
X
aleatoria
, y el tiempo de llegada (medido en horas) de Makacio es una variable
Y
aleatoria
. La funcin de densidad conjunta del tiempo es:
f XY ( x, y ) x y,
0 x 1, 0 y 1
Si John Jairo lleg al centro comercial media hora despus de las 8:00 p.m., el tiempo
promedio de llegada de Makacio despus de las 8:00 p.m al centro comercial Plaza de
las Amricas es:
E[Y | X 0.5] 35
a.
b.
c.
d.
E[Y | X 0.5] 30
minutos
minutos
E[Y | X 0.5] 1
hora
E[Y | X 0.5] 45
E[Y | X 0.5] 39
e.
minutos
minutos
Solucin
X
Se procede con el clculo de la marginal de
1
f X ( x) ( x y ) dy
0
2x 1
2
0 x 1
fY | X ( y | x)
x y 2( x y )
2x 1
2x 1
2
2
E Y | X
2x 1
Entonces:
E Y | X 0.5
3x 2
y( x y) dy 3(2 x 1)
0 x 1
3(0.5) 2
0.58333 35
3( 2 * 0.5 1)
minutos
Distribucin Normal
1. Un elevador de carga grande puede transportar un mximo de 10:000 libras.

Supngase que una carga, que contiene 45 cajas, se debe transportar
mediante el elevador. La experiencia ha demostrado que el peso de una caja
de este tipo de carga se ajusta a una distribucin de probabilidad con una
media = 200 libras y una desviacin estndar de = 55 libras. Calcular la
probabilidad de que las 45 cajas se puedan transportar simultneamente.
a.
b.
c.
d.
e.
0.9966
0.0034
0.0071
0.8922
0
Solucin
X i N ( 200,552 )
45
Xi
N ( 45200,45552 )
i=1
45
X i 10000
1000045200
=P ( Z 2.7103 )=0.9966
55 45
i=1
P Z
2. En un curso de Calculo Integral se encuentran inscritos 40 estudiantes. El instructor del

curso sabe por experiencia que el tiempo requerido para calificar un parcial
Y
seleccionado al azar es una variable aleatoria con media 7 minutos y desviacin de 6
minutos. Los tiempos de calificacin son independientes.
Si el instructor empieza a calificar a las 7:50 p.m., la probabilidad de que termine de
calificar todos los parciales entre las 11:30 p.m. a 12:30 a.m es:
70.19 %
a.
51.19 %
b.
15.38 %
c.
52.19 %
d.
44.29 %
e.
Solucin
YT ~ N (n , n )
YT ~ N (280, 37.94)
Se sabe que:
La probabilidad requerida se obtiene mediante la siguiente forma:
280 280
220 280
Z
37.94
37.94
P (220 YT 280) P
P (1.58 Z 0)
P( 220 YT 280) P ( Z 0) P ( Z 1.58) 0.5 0.0571

P(220 YT 280) 0.4429
3. Para determinar la calidad de los insumos de produccin, como el mineral de hierro, el
carbn y el azcar sin refinar, se toman peridicamente pequeas muestras cuando el
material se mueve sobre una banda transportadora. Sea Y 1, Y2, Y3,,Yn los valores
observados donde Yi representa el volumen de la i-sima muestra pequea con E[Yi] =
y Var[Yi] = 4. Se requiere que el volumen total de la muestra exceda las 200 pulgadas
cbicas con una probabilidad de 0.95 cuando se seleccionan n = 50 muestras
pequeas. Cul debe ser el valor de para satisfacer los requerimientos del
muestreo?
a.
b.
c.
d.
e.
4.46
4.23
3.53
3.76
2.47
Solucin
50
Yi
N ( 50 ,504 )
i=1
0.95=P
50
Y i 200
i=1
0.95=1P Z
Z 0.05=
20050
2 50
20050
=1.644
2 50
=4.46
4. En un curso de Fundamentos de Estadstica se encuentran inscritos 40 estudiantes. El

instructor del curso sabe por experiencia que el tiempo requerido para calificar un
Y
parcial seleccionado al azar es una variable aleatoria
con media 6 minutos y
desviacin de 6 minutos. Los tiempos de calificacin son independientes.
Si el instructor empieza a calificar a las 6:50 p.m., la probabilidad de que termine de
calificar todos los parciales antes de las 11:00 p.m. es:
70.19 %
a.
51.19 %
b.
80.32 %
c.
60.26 %
d.
61.41%
e.
Solucin
Se procede mediante:
YT ~ N (n , n )
YT ~ N (240, 37.94)
La probabilidad requerida se calcula de la siguiente forma:
YT n
P(YT 250 ) P
250 240
P(YT 250) P Z 0.26
37.94
P(YT 250) 0.6026

5. En una empresa dedicada a la venta de mesas plsticas considera que el tiempo del
X
proceso de ensamble de una mesa es una variable aleatoria
normalmente
distribuida con media de 1.5 minutos y desviacin estndar de 0.3 minutos. En un da
en particular, el encargado del proceso de ensamble toma una muestra aleatoria de 12
mesas plsticas.
Con base en esta informacin, la probabilidad de que el tiempo total de ensamblaje de
12
XT Xi
i 1
las 12 mesas
, est entre 17 y 20 minutos es:
P (17 X T 20) 19.48 %

a.
P (17 X T 20) 51.99 %

b.
P (17 X T 20) 80.41%

c.
P (17 X T 20) 41.08 %

d.
P (17 X T 20) 58.59 %

e.
Solucin
X T ~ N (12 , 12 )
Se sabe que
X T ~ N (18, 1.039)
; entonces:
La probabilidad requerida es:
17 12
P(17 X T 20) P
12
X T 12
12
20 12
20 18
17 18
P
Z
1.039
12
1.039
P(17 X T 20) P( 0.96 Z 1.92) P ( Z 1.92) P ( Z 0.96)
P(17 X T 20) 0.9726 0.1685
P (17 X T 20) 0.8041
6. Para determinar la calidad de los insumos de produccin, como el mineral de hierro, el

carbn y el azcar sin refinar, se toman peridicamente pequeas muestras cuando el
material se mueve sobre una banda transportadora. Sea Y 1, Y2, Y3,,Yn los valores
observados donde Yi representa el volumen de la i-sima muestra pequea con E[Yi] =
y Var[Yi] = 2. Se requiere que el volumen total de la muestra no exceda las 150
pulgadas cbicas con una probabilidad de 0.90 cuando se seleccionan n = 50 muestras
pequeas. Cul debe ser el valor de para satisfacer los requerimientos del
muestreo?
a.
b.
c.
d.
e.
4.46
2.74
3.53
3.76
2.24
Solucin
50
Yi
N ( 50 ,502 )
i=1
0.90=P
50
Y i 150
i=1
0.90=P Z
15050
10
Z 0.90 =
15050
=1.28
10
=2.74
7. En una empresa dedicada a la venta de mesas plsticas considera que el tiempo del
X
proceso de ensamble de una mesa es una variable aleatoria
normalmente
distribuida con media de 1.5 minutos y desviacin estndar de 0.3 minutos. El
encargado del proceso de ensamblaje considera que el tiempo total de ensamblaje
12
XT Xi
i 1
debe ser a lo mximo de 20 minutos

Con base en esta informacin, el nmero de mesas plsticas que se deben considerar
para concluir que en un 90% el tiempo total de ensamblaje sea a lo mximo de 20
minutos, es:
n 19
a.
b.
c.
d.
n 12
n 15
n 20
n 13
e.
Solucin
Se sabe que:
X T ~ N (n , n ) X T ~ N (n(1.5), n (0.3))
La probabilidad establecida es:
P( X T 20) 0.90
20 n(1.5)
n (0.3)
X T n(1.5)
n (0.3)
20 n(1.5)
20 n(1.5)
Z
0.90
n (0.3)
n
(
0
.
3
)
Z 0.90 20 n(1.5) Z 0.90 n (0.3)
20 n (1.5) n (0.8159) (0.3)
20 (12)(1.5) 12 (0.8159) (0.3) 20 18.84
El tamao de muestra apropiado para obtener un tiempo total de ensamblaje cercano a

veinte minutos es de 12 mesas plsticas.
8. La compaa cervecera Su Cerveza S.A. compr una nueva mquina para embasar la
cerveza que produce, por especificaciones de la maquina se sabe que la cantidad de
liquido que se embasa en cada botella se distribuye como una variable aleatoria X con
E[X] =300 ml. y Var(X)=36 ml.2. Para analizar el desempeo de la maquina, los
ingenieros de la compaa quieren seleccionar una cantidad n de botellas embasadas y
analizar la cantidad promedio embasada en las botellas seleccionadas. Usted ha sido
seleccionado para colaborar en el estudio que se va a realizar, por lo que se le ha
formulado la siguiente pregunta, Cul debe ser el nmero n de botellas estudiadas,
para asegurar que con probabilidad 0,90 el promedio de cantidad embasada no va a
exceder los 301 ml?
a. 30
b. 35
c. 42
d. 53
e. No se puede calcular.
Solucin
n
Yi
i=1
N 300 ,
0.90=P
(
(
Yi
i =1
0.90=P Z
Z 0.90 =
36
n
301
301300
6
n
301300
=1.28
6
n
n=53
9. El contenido de pulpa [cm 3] en los jugos de caja Del Campo es una variable aleatoria X
que se distribuye normalmente con media 500 y varianza 4 unidades. La probabilidad
P(500X502) se puede expresar como:
a)
b)
c)
d)
e)
0.64
0.84
0.50
0.34
Ninguna de las anteriores.
10. Segn estudios demogrficos del DANE realizados a 100.000 habitantes del
departamento del Norte de Santander, la vida media de los habitantes de Colombia es
de 85 aos con una desviacin de 5. Con base en esta informacin, la probabilidad de
que un habitante viva entre 75 y 82 aos es:
a)
b)
c)
d)
e)
0.252
0.271
0.022
0.500
11. El contenido en gramos de las microemulsiones realizadas por el grupo de

investigacin Uniandes, es una variable aleatoria X que se distribuye normalmente con
media 500 y varianza 4 unidades. En las pruebas realizadas con cerdos, para verificar
la penetracin de la microemulsin, se encontr que las que tenan un contenido igual
a 504 g, eran las que ms penetraban en la piel. La probabilidad P(498X504) se
puede expresar como:
a)
b)
c)
d)
e)
0.159
0.818
0.977
0.342
12. En el examen final de Probabilidad y Estadstica 1 del semestre 2008-1, la nota

obtenida por los estudiantes se puede representar con la variable aleatoria X con
funcin de densidad de probabilidad Normal con media 3.5 y desviacin 1. Con base
en la informacin anterior calcule la probabilidad de que un estudiante obtenga una
nota que lo ubique dentro del mejor 10% de los estudiantes.
a)
b)
c)
d)
e)
4.14
4.55
4.81
4.73
No se puede calcular con la informacin dada.
13. En el examen final de Probabilidad y Estadstica 1 del semestre 2008-1, la nota

obtenida por los estudiantes se puede representar con la variable aleatoria X con
funcin de densidad de probabilidad Normal con media 3.0 y desviacin 0.8. Con base
en la informacin anterior calcule la probabilidad de que un estudiante obtenga una
nota que lo ubique dentro del mejor 5% de los estudiantes.
a)
b)
c)
d)
e)
4.44
4.32
4.14
4.81
No se puede calcular con la informacin dada.
Distribucin Exponencial
1. En una pizzera de la ciudad, se han tomado las rdenes de dos clientes conocidos:
Camila y Andrs, las cuales deben ser entregadas en sus respectivas casas. El
repartidor conoce un trayecto que debe realizar para entregar a tiempo las pizzas, tal
como indica la figura.
X
El tiempo que el repartidor se demora para entregar la orden de Camila
Y
orden de Andrs
2 0.95 h
, y la
1 0.8 h 1
, se distribuyen exponencial con tasa
, respectivamente. Los tiempos de demora para cada cliente son

independientes. Con base en esta informacin, el tiempo promedio total
para entregar las dos ordenes es:
Z X Y
Z 2.30 horas
a.
b.
c.
d.
Z 4.25 horas
Z 1.50 horas
Z 3.00 horas
Z 1.89 horas
e.
Solucin
Se sabe que el tiempo de las rdenes son independientes; por lo tanto:
Z
Z
d
M X (t ) M Y (t )
dt
X Y
t 0
d
M X (t ) M Y (t )
dt
t 0
2
1
1
1
1 2
1 2
(0.8) h 1 (0.95) h 1
2.30 horas
(0.8) (0.95) h 2
2. El tiempo en minutos que dura una llamada telefnica en la oficina Ml 752, se puede
representar con una variable aleatoria X con funcin de densidad de probabilidad
Exponencial con media igual a 2 minutos. Si una persona que est hablando por
telfono lleva un minuto en la lnea, calcule la probabilidad de que la llamada dure en

total menos de 3 minutos.
a)
b)
c)
d)
e)
0.78
0.63
0.39
0.13
3. El tiempo en minutos que dura una llamada telefnica en la oficina Ml 752, se puede
representar con una variable aleatoria X con funcin de densidad de probabilidad
Exponencial con media igual a 2 minutos. Calcule la probabilidad de que la llamada
dure ms de 3 minutos.
a)
b)
c)
d)
e)
0.777
0.632
0.564
0.223
4. METALFLEX S.A. es una empresa dedicada a la fabricacin de lminas de acero

inoxidable. Dentro del estudio de seguridad industrial de la empresa se determina que
un trabajador en particular puede presentar 3 accidentes por semana en promedio.
Calcule la probabilidad de que pase ms de una semana antes del siguiente error.
a)
b)
c)
d)
e)
0.95
0.05
0.63
0.37
Distribuciones Z, 2, F y t
1. En un experimento de Fsica Mecnica, los estudiantes deben aplicar dos cargas a una
viga, tal como se observa en la figura:
El momento de flexin en el origen debido a las cargas aplicadas es:
M 0 a1 X 1 a2 X 2
X1
X2
. Suponga que las distancias

y
son variables aleatorias
independientes con medias de 5 y 8 m., respectivamente y la desviacin estndar de
0.3 y 0.9 m., respectivamente.
a1 2 lb
a2 5 lb
Si a la viga se le aplican las cargas

y
, la probabilidad de que el
momento de flexin en el origen sea a lo mximo 52 lb.m. es:
a.
b.
c.
d.
e.
45 %
32 %
89 %
67 %
76 %
Solucin
Se procede con el clculo del momento de flexin promedio y la desviacin estndar:
E M 0 a1E ( X 1 ) a2 E ( X 2 ) E M 0 ( 2 lb )(5 m) (5 lb )(8 m) E M 0 50 lb.m

Var ( M 0 ) a12 Var ( X 1 ) a22 Var ( X 2 ) Var ( M 0 ) 4(0.3) 2 25(0.9) 2
M 20.61lb 2 .m 2 M 4.539 lb.m

0
M 0 M 0 52 50
P Z 0.44 67 %
4
.
539
M
0
P M 0 52 lb.m P
2. En el proceso de moldeo de lminas de acero, es importante el control de la

variabilidad del espesor de las lminas. Se considera que el espesor de las lminas de
acero es una variable aleatoria que se distribuye normal con desviacin estndar de
0.15 cm. El jefe de control de calidad, toma una muestra aleatoria de 30 lminas y
obtiene que la desviacin estndar muestral es de 0.1172 cm.
Con base en esta informacin, la probabilidad de que la varianza muestral exceda

(0.1172 cm)2 es:
P S 2 (0.1172 cm) 2 0.05

a.
P S 2 (0.1172 cm) 2 0.95

b.
P S 2 (0.1172 cm) 2 0.10

c.
P S 2 (0.1172 cm) 2 0.90

d.
P S 2 (0.1172 cm) 2 0.15

e.
Solucin
Se considera que la probabilidad requerida es:
P S
(0.1172 cm)
(n 1) S 2 (30 1) (0.1172 cm) 2

2
P
P 29
17.704
2
2
(0.15 cm)
2
P 29
17.704 0.95008 0.95
3. En la fabricacin de lminas de acero se requieren las operaciones de corte, moldeado

y pulido. El tiempo de cada operacin se distribuye normal y los tres tiempos son
independientes entre si. Los valores promedios de cada operacin son 15, 30 y 20
minutos, respectivamente y las desviaciones estndar son 1, 2 y 1.5 min
respectivamente.
Con base en esta informacin, la probabilidad de que una lmina de acero requiera por
lo menos una hora de procesamiento es:
P(T 1 hora ) 0.031

a.
b.
c.
d.
P(T 1 hora ) 0.123

P(T 1 hora ) 0.968
P(T 1 hora ) 0.876

P(T 1 hora ) 0.914
e.
Solucin
Se procede con el clculo del tiempo promedio y desviacin estndar del
procesamiento de una lmina de acero:
T X1 X 2 X 3
T 15 30 20 T 65
minutos
T 12 22 32 T 1 4 (1.5) 2 T 2.6925
minutos
T T 60 65
P T 1 hora 1 P Z 1.857
2.6925
T
P T 1 hora P
P (T 1 hora ) 0.9678 0.968

4. En el proceso de moldeo de lminas de plstico, es importante el control de la
variabilidad del espesor de las lminas. Se considera que el espesor de las lminas de
plstico es una variable aleatoria que se distribuye normal con desviacin estndar de
0.1 cm. El jefe de control de calidad, toma una muestra aleatoria de 25 lminas y
obtiene que la desviacin estndar muestral es de 0.1176 cm.
Con base en esta informacin, la probabilidad de que la varianza muestral exceda
(0.1176 cm)2 es:
P S 2 (0.1176 cm) 2 0.95

a.
P S 2 (0.1176 cm) 2 0.10

b.
P S 2 (0.1176 cm) 2 0.90

c.
P S 2 (0.1176 cm) 2 0.05

d.
P S 2 (0.1176 cm) 2 0.15

e.
Solucin
Se considera que la probabilidad requerida es:
(n 1) S 2 (25 1) (0.1176 cm) 2

2
P 24
33.191
2
2
(
0
.
1
cm
)
P S 2 (0.1176 cm) 2 P
2
P 24
33.191 0.100107 0.10
(QC )
5. En el proceso de templado de un acero, se considera su calor especfico
es una
variable aleatoria que se distribuye normal con media de 29.021 Kcal. Se toma una
muestra aleatoria de 5 piezas de acero y se obtiene que la media y desviacin muestral

son de 31.2 Kcal. y 1.3 Kcal., respectivamente.
Con base en esta informacin, la probabilidad de que el valor mximo del calor
especfico del acero sea de 31.2 Kcal. es:
P (QC 31.2 Kcal ) 0.10

a.
P (QC 31.2 Kcal ) 0.80

b.
P (QC 31.2 Kcal ) 0.15

c.
P (QC 31.2 Kcal ) 0.90

d.
P (QC 31.2 Kcal ) 0.20

e.
Solucin
Se procede con el clculo de probabilidad:
Q
31.2 Kcal 29.021 Kcal
Q
P QC 31.2 Kcal P C
1.3 Kcal
SQ
5
n
P QC 31.2 Kcal P t4 3.747 P QC 31.2 Kcal 0.90
Propiedades de Estimadores
1. En un estudio de presupuesto bancario, se determin que el capital de inversin es una
E( X )
X
variable aleatoria
Var ( X )
, que se distribuye con media
y varianza
. Los analistas del presupuesto consideran el siguiente estimador para la

media de la distribucin:
n
x
i 1
( xn 1 xn 2 )
n2
Con base en esta informacin, se puede concluir que:
b( )
a. El estimador de la media es sesgado
b. El estimador de la media es insesgado
n2
b( ) 0
b( )
c. El estimador de la media es sesgado
b( ) 1
d. El estimador de la media es sesgado

e. El estimador es eficiente absoluto
Solucin
Se procede con el anlisis de insesgadez para el estimador:
x (x
E * E
i 1
n 1
xn 2 )
n2
1

n 2
E( x ) E( x
i
i 1
n 1
) E ( xn 2 )
1
n2
nE ( X ) E ( X ) E ( X ) E ( *) E ( X )
n2
n2
E ( *)
E ( *) E ( X )
b( ) 0
El estimador de la media es insesgado
2. En un estudio de presupuesto bancario, se determin que el capital de inversin es una
E( X )
X
variable aleatoria
Var ( X )
, que se distribuye con media
y varianza
. Los analistas del presupuesto consideran el siguiente estimador para la

media de la distribucin:
n
x
i 1
( xn 1 xn 2 )
n2
Con base en esta informacin, se puede concluir que:
Var ( *) Var ( X ) /( n 2)
a. El estimador de la media es inconsistente
Var ( *) Var ( X ) /( n 2) 2
b. El estimador de la media es inconsistente
Var ( *) Var ( X ) /( n 2)
c. El estimador de la media es consistente
Var ( *) Var ( X ) /( n 2) 2
d. El estimador de la media es consistente
e. El estimador de la media es inconsistente
Var ( *) Var ( X )
Solucin
Se procede con el clculo de la varianza del estimador:
x (x
Var ( *) Var
i 1
xn 2 )
n 1
n2
1
2
( n 2)
Var ( *)
Var ( x ) Var ( x
i 1
n 1
n2
Var ( X )
Var ( *)
2
n2
( n 2)
Var ( *) Var ( X )
Se procede con la propiedad de consistencia del estimador:
1
1/ n
Var
(
X
)
Lim
Var ( *) 0
n 1 2 / n Lim
n
n 2
Lim Var ( *) Lim Var ( X )

n
El estimador es consistente.
3. En una tipografa de la ciudad, se sabe que el nmero de errores tipogrficos por
pgina de contendido en un libro de Probabilidad y Estadstica traducido al espaol, es
X
una variable aleatoria
distribuida Poisson con parmetro
aleatoria de n pginas de una edicin de dicho libro.
. Se toma una muestra
Dentro del anlisis estadstico del nmero de errores tipogrficos del libro se plantea el
siguiente estimador para el parmetro
:
n
x
i 1
n2
Con base en la informacin anterior, el estimador del parmetro

a. Es un estimador insesgado
2

b 1
n2

b. Es un estimador sesgado
2

b 1
n2

c. Es un estimador asintticamente insesgado

b 1
n2

d. Es un estimador sesgado
es:
) Var ( xn 2 )
2

b 1
n2

e. Es un estimador asintticamente insesgado
Solucin
Para conocer si el estimador es insesgado o no, se procede con el clculo del valor
esperado del estimador:
x
i

E 1 E i 1

n 2
n E( X )
n

E 1
n2
n2

; el estimador es sesgado:
2

b 1
n2

1/ n

Lim b 1 ( 2 ) Lim
Lim b 1 0
n
n 1 2 / n
n
, pero
estimador es asintticamente insesgado.
, entonces el
4. En una tipografa de la ciudad, se sabe que el nmero de errores tipogrficos por

pgina de contendido en un libro de Programacin de Produccin traducido al espaol,
X
es una variable aleatoria
distribuida Poisson con parmetro
muestra aleatoria de n pginas de una edicin de dicho libro.
. Se toma una
Dentro del anlisis estadstico del nmero de errores tipogrficos del libro se plantea el
siguiente estimador para el parmetro
:
n
x
i 1
n2
Con base en la informacin anterior, el estimador del parmetro

Lim Var 1 0
n

a. El estimador es consistente

Lim Var 1
n

b. El estimador es inconsistente

Lim Var 1 2
n

c. El estimador es inconsistente

Lim E 1 0
n

d. El estimador es consistente
es:

Lim E 1
n

e. El estimador es inconsistente
Solucin
Se procede con el clculo de la varianza del estimador:
x
i

Var 1 Var i 1

n 2
n

Var 1
2
(n 2)
lmite
n ( n 2) 2
Lim
de
; ahora se procede con el clculo del

la
varianza:
1/ n
Lim Var (1 ) 0
2
n (1 2 / n)
n
Lim
.
Por lo tanto, el estimador es consistente
Pruebas de Hiptesis
1. Se sabe que la vida en horas de una bombilla de 75 watts tiene una distribucin
12 horas
aproximadamente normal, con desviacin estndar
. Una muestra
x 1 003 horas
aleatoria de 50 bombillas tiene una vida media de
. Una posible
afirmacin del comportamiento de las bombillas es que stas duren ms de
1 000 horas
.
Con base en esta informacin y considerando un nivel de significancia del 5 %, se
puede concluir que:
H 0 : 1000 horas
a. La hiptesis nula es
b. La hiptesis nula es
0.0392
H 0 : 1000 horas
H 0 : 1000 horas
c. La hiptesis nula es
y se acepta con un P-value de
0.0392
y se rechaza con un P-value de
0.0392
H1 : 1000 horas
d. La hiptesis alternativa es
0.0864
H1 : 1000 horas
e. La hiptesis alternativa es
0.0864
Solucin
Se procede con la definicin de prueba de hiptesis para la media:
H 0 : 1000 horas
H1 : 1000 horas
Z 0 Z 0.05
Se sabe que se rechaza la hiptesis nula si
de la prueba es:
Z0
Se puede observar que

concluye que se debe rechazar la hiptesis nula
0.0392
.
. El estadstico
x 1003 1000
1.7677
/ n
12 / 50
1.7677 Z 0.05 1.64
de
P value
0.05 0.0392
; por lo tanto se
H 0 : 1000 horas
con un P-value
2. Se sabe que la vida en horas de una bombilla de 100 watts tiene una distribucin
13 horas
aproximadamente normal, con desviacin estndar
. Una muestra
x 1 004 horas
aleatoria de 40 bombillas tiene una vida media de
. Una posible
afirmacin del comportamiento de las bombillas es que stas duren ms de
1 000 horas
.
Con base en esta informacin y considerando un nivel de significancia del 5 %, se
puede concluir que:
H 0 : 1000 horas
a. La hiptesis nula es
b. La hiptesis nula es
0.0255
H 0 : 1000 horas
H 0 : 1000 horas
c. La hiptesis nula es
0.0393
0.0255
H1 : 1000 horas
d. La hiptesis alternativa es
0.0514
H1 : 1000 horas
e. La hiptesis alternativa es
0.0514
Solucin
Se procede con la definicin de prueba de hiptesis para la media:
H 0 : 1000 horas
H1 : 1000 horas
Z 0 Z 0.05
de la prueba es:
Z0
Se puede observar que

concluye que se debe rechazar la hiptesis nula
de
. El estadstico
x 1004 1000
1.950
/ n
13 / 40
1.950 Z 0.05 1.64
0.0255
P value
0.05 0.0255
; por lo tanto se
H 0 : 1000 horas
con un P-value
3. En el estudio de la velocidad de combustin de dos cargas propulsoras slidas

diferentes usadas en el sistema de expulsin de la tripulacin de un avin, se sabe que
ambas cargas propulsoras tienen aproximadamente la misma desviacin estndar para
1 2 3 cm / s
la velocidad de combustin
n1 10
. Se toman dos muestras aleatorias de
n2 10
ejemplares de cada carga y se obtiene que las medias muestrales
x1 18 cm / s
de la velocidad de combustin son
x2 24 cm / s
y de
En el estudio se considera la hiptesis que las velocidades de ambas cargas

propulsoras tienen la misma velocidad de combustin. Con base en esta informacin y
considerando un nivel de significancia del 5 %, se puede concluir:
a.
b.
c.
d.
e.
No se rechaza la hiptesis nula ya que -4.47 < 1.96

No se rechaza la hiptesis nula ya que -1.96 > -4.47
Se rechaza la hiptesis nula ya que -4.47 < 1.96
Se rechaza la hiptesis nula ya que -4.47 < -1.96
Solucin
Se procede con la definicin de la prueba de hiptesis para la diferencia de medias:
H 0 : 1 2 0
H1 : 1 2 0
Z 0 Z / 2
Se sabe que se rechaza la hiptesis nula si se cumple que
Z 0 Z1 / 2
El estadstico de prueba es:
Z0
18 24
4.47
9 / 10 9 / 10
4.47 Z 0.025 1.96
Observe que
por lo tanto se rechaza la hiptesis nula.
4. En la fabricacin de proyectiles de corto alcance, se analiza las velocidades iniciales de

los proyectiles utilizando un nuevo tipo de plvora. Para esto se tom una muestra
aleatoria de 8 proyectiles y se obtiene que la media y desviacin estndar muestral de
2 959 ft / s
38.68 ft / s
la velocidad de un proyectil es de
y
, respectivamente. El
fabricante de los proyectiles afirma que la nueva frmula imprime una velocidad media
3 000 ft / s
mayor a
Con base en esta informacin y considerando un nivel de significancia del 2,5 %, se

puede concluir que:
a. No se rechaza la hiptesis nula ya que 2.306 > -2.99
b. Se rechaza la hiptesis nula ya que -2.99 < 2.365
c. No se rechaza la hiptesis nula ya que 2.365 > -2.99

d. Se rechaza la hiptesis nula ya que -2.99 < 2.306
e. Ninguna de las anteriores
Solucin
Se procede con la definicin de prueba de hiptesis:
H 0 : 3 000 ft / s
H1 : 3000 ft / s
t 0 t1
t0
x 2959 3000
2.998
s/ n
38.68 / 8
2.998 t 0.975 2.365
Observe que
, por lo tanto no se rechaza la hiptesis nula.
5. En el estudio de la velocidad de combustin de dos cargas propulsoras slidas

diferentes usadas en el sistema de expulsin de la tripulacin de un avin, se sabe que
ambas cargas propulsoras tienen aproximadamente la misma desviacin estndar para
1 2 5 cm / s
la velocidad de combustin
n1 10
n2 10
. Se toman dos muestras aleatorias de
ejemplares de cada carga y se obtiene que las medias muestrales
x1 18 cm / s
de la velocidad de combustin son
x2 24 cm / s
y de
En el estudio se considera la hiptesis que las velocidades de ambas cargas

propulsoras tienen la misma velocidad de combustin. Con base en esta informacin y
considerando un nivel de significancia del 5 %, se puede concluir:
a.
b.
c.
d.
e.
Se rechaza la hiptesis nula ya que -2.68 < -1.96

No se rechaza la hiptesis nula ya que -2.68 < 1.96
No se rechaza la hiptesis nula ya que -1.96 > -2.68
Solucin
Se procede con la definicin de la prueba de hiptesis para la diferencia de medias:
H 0 : 1 2 0
H1 : 1 2 0
Z 0 Z / 2
Se sabe que se rechaza la hiptesis nula si se cumple que
P value
Z 0 Z1 / 2
. El estadstico de prueba es:
Z0
18 24
2.6832
25 / 10 25 / 10
2.6832 Z 0.025 1.96
2.6832 1.96
0.05 2(0.003681) 0.05 0.00736
6. En la fabricacin de proyectiles de corto alcance, se analiza las velocidades iniciales de

los proyectiles utilizando un nuevo tipo de plvora. Para esto se tom una muestra
aleatoria de 8 proyectiles y se obtiene que la media y desviacin estndar muestral de
2 959 ft / s
38.68 ft / s
la velocidad de un proyectil es de
y
, respectivamente. El
fabricante de los proyectiles afirma que la nueva frmula imprime una velocidad media
3 000 ft / s
mayor a
Con base en esta informacin y considerando un nivel de significancia del 2,5 %, se

puede concluir que:
a.
b.
c.
d.
e.
No se rechaza la hiptesis nula ya que 2.306 > -1.895

No se rechaza la hiptesis nula ya que 2.365 > -1.895
Solucin
Se procede con la definicin de prueba de hiptesis:
H 0 : 3 000 ft / s
H1 : 3000 ft / s
t 0 t1
t0
x
s/ n
2959 3000
74.6286 / 8
1.895
1.895 t 0.975 2.365

Observe que
, por lo tanto no se rechaza la hiptesis nula.
Regresin
1. Un estudio para la valoracin de la capacidad de sistemas de humedecimiento de
suelos mediante flujo subsuperficial para eliminar la Demanda Bioqumica de Oxgeno
(DBO) y varios otros constituyentes qumicos, arrojan los siguiente resultados:
X
10
11
13
16
27
30
35
37
38
44
10
11
16
26
21
31
30
10
3
75
142
90
Sea X: la carga masiva de DBO, y sea Y: la eliminacin masiva de DBO. Con los resultados se
construye la siguiente regresin lineal:
y 0 1 x
Utilizando el programa SPSS, se obtiene la siguiente informacin parcial de significancia global:
Suma de
Cuadrados
8510,896
391,961
8902,857
Modelo
Regresin
Residual
Total
gl
1
12
13
Media Cuadrtica
8510,896
32.663
F
260.564
Completando los datos de la tabla de significancia global y considerando una significancia del 5
%, se puede concluir que:
a. El estimador de la variable que describe la carga masiva de DBO es significativa para el
modelo de regresin.
b. El estimador de la variable que describe la eliminacin masiva de DBO es significativa para
el modelo de regresin.
c. Los estimadores de las variables son significativos para el modelo de regresin.
d. El estimador de la variable que describe la eliminacin masiva de DBO no es significativo
para el modelo de regresin.
e. El estimador de la variable que describe la carga masiva de DBO no es significativo para el
modelo de regresin.
2. Un estudio para la valoracin de la capacidad de sistemas de humedecimiento de
suelos mediante flujo subsuperficial para eliminar la Demanda Bioqumica de Oxgeno
(DBO) y varios otros constituyentes qumicos, arrojan los siguiente resultados:
X
10
11
13
16
27
30
35
37
38
44
10
11
16
26
21
31
30
10
3
75
142
90
Sea X: la carga masiva de DBO, y sea Y: la eliminacin masiva de DBO. Con los
resultados se construye la siguiente regresin lineal:
y 0 1 x
Utilizando el programa SPSS, se obtiene la siguiente informacin parcial de
significancia individual:
Modelo
Coeficientes no estandarizados
Coeficientes
(Constante
)
cargaDBO
Error tp
0,626
0,652
2,135
0,04
estandarizados
Beta
0.29
3
16.3
0,978
Completando los datos de la tabla parcial de significancia individual y considerando una

significancia del 5 %, se concluye con respecto a la variable que representa la carga
masiva de DBO:
a. Que el estimador asociado a esta variable no es significativo para el modelo de
regresin propuesto.
b. Que el estimador asociado a esta variable es significativo para el modelo de
1 0
regresin propuesto.
c. Que el estimador asociado a esta variable es significativo para el modelo de
1 0
regresin propuesto.
d. Que el estimador asociado a esta variable no es significativo para el modelo de
1 0
regresin propuesto.
e. Que el estimador asociado a esta variable no es significativo para el modelo de
1 0
regresin propuesto.
3. Los precios promedios de venta de casas nuevas para una sola familia durante un
periodo de ocho aos se presentan en la siguiente tabla:
Ao
1972
1973
1974
1975
1976
1977
Precio promedio de venta (US $)x 1000

27.6
32.6
35.9
39.3
44.2
48.8
y 0 1 x
Se desea ajustar los datos al siguiente modelo de regresin lineal
donde
representa el precio promedio de venta; para esto, se utiliz el programa
SPSS de donde se obtiene la siguiente informacin parcial de significancia individual:
Modelo
(Constante)
Ao
Coeficientes no estandarizados
B
Error tp
23,674
0,555
4,12
0,142
Coeficientes
estandarizados
Beta
0,998
t
42.656
29.014
Completando los datos de la tabla de significancia individual y considerando una

significancia del 5%, se concluye con respecto a la variable que representa el precio
promedio de venta:
a. Que el estimador asociado a esta variable no es significativo para el modelo de
regresin propuesto.
b. Que el estimador asociado a esta variable es significativo para el modelo de
0 0
regresin propuesto.
c. Que el estimador asociado a esta variable es significativo para el modelo de
0 0
regresin propuesto.
d. Que el estimador asociado a esta variable no es significativo para el modelo de
0 0
regresin propuesto.
e. Que el estimador asociado a esta variable no es significativo para el modelo de
0 0
regresin propuesto.
4. Los precios promedios de venta de casas nuevas para una sola familia durante un
periodo de ocho aos se presentan en la siguiente tabla:
Ao
1972
1973
1974
1975
1976
1977
Precio promedio de venta (US $)x 1000

27.6
32.6
35.9
39.3
44.2
48.8
y 0 1 x
Se desea ajustar los datos al siguiente modelo de regresin lineal
donde
representa el precio promedio de venta; para esto, se utiliz el programa
SPSS de donde se obtiene la siguiente informacin parcial de la tabla de significancia
global:
Modelo
Regresin
Residual
Total
Suma de
Cuadrados
297.052
1.421
298.473
gl
1
4
5
Media Cuadrtica
297.052
0.355
F
835.981
Completando los datos de la tabla de significancia global y considerando una

significancia del 5 %, se concluye que:
a. El estimador de la variable que describe el ao en que se venden casas nuevas es
significativa para el modelo de regresin.
b. El estimador de la variable que describe el precio promedio de venta es significativa

para el modelo de regresin.
c. Los estimadores de las variables son significativos para el modelo de regresin.
d. El estimador de la variable que describe el precio promedio de venta no es
significativo para el modelo de regresin.
e. El estimador de la variable que describe el ao en que se venden casas nuevas no
es significativo para el modelo de regresin.
5. De un modelo de regresin lineal de la forma Y = 0 + 1X1 + e, se tomaron un total de

20 observaciones obteniendo el siguiente resultado, entre otros:
Coeficientes a
Coeficientes no
estandarizados
Modelo
(Constante)
TV hours/week
B
-12,795
,695
Coeficientes
estandarizado
s
Error tp.
2,819
,034
Beta
t
---
,837
Sig.
,000
,000
a Variable dependiente: Age
De la informacin anterior se puede concluir que:

a. El valor de la estadstica t calculada, asociada a la
valor de 20,441.
b. El valor de la estadstica t calculada, asociada a la
valor de 0,830.
c. El valor de la estadstica t calculada, asociada a la
valor de 0,049.
d. El valor de la estadstica t calculada, asociada a la
valor de 0,000.
e. Ninguna de las afirmaciones anteriores es verdadera.
t c=
variable TV hours/week tiene un

0,695
=20,441
0,034
6. De un modelo de regresin lineal de la forma Y = 0 + 1X1 + 2X2 + 3X3 + e, se

tomaron un total de 20 observaciones obteniendo el siguiente resultado, entre otros:
Coeficientes a
Modelo
Coeficientes no
estandarizados
Coeficientes
estandarizado
s
Sig.
(Constante)
Cilindrada en cc
B
4,802
,001
Error tp.
1,591
,001
,006
Beta
,698
3,017
2,346
,008
,032
,003
,525
2,015
,061
-,022
,016
a Variable dependiente: Consumo (1/100Km)
-,320
-1,392
,183
Peso total (kg)

Potencia (CV)
Utilizando un nivel de significancia de = 0.05, con base en la informacin anterior se

puede concluir que:
a. No hay en el modelo ninguna variable significativa.
b. La variable ms significativa en el modelo es la variable Potencia puesto que su
significancia es 0,183.
c. No se puede concluir nada sobre la significancia de las variables puesto que no se
tiene el valor de la estadstica F.
d. La estadstica t asociada a la significancia de la variable Peso total tiene 19 grados de
liberta.
e. La nica variable significativa en el modelo es la variable Cilindrada puesto que su
significancia es menor a 0.05.
7. De un modelo de regresin lineal de la forma Y = 0 + 1X1 + 2X2 + 3X3 + e, se

tomaron un total de 20 observaciones obteniendo el siguiente resultado, entre otros:
ANOVA b
Modelo
1
Regresin
Residual
Suma de
cuadrados
226,240
40,560
gl
3
16
Media
cuadrtica
---
F
---
Sig.
,000a
Total
266,800
19
a Variables predictoras: (Constante), Potencia (CV), Peso total (kg), Cilindrada en cc
b Variable dependiente: Consumo (1/100Km)

a. La SCR es mayor que SCE, por lo tanto, el modelo es globalmente significativo.
b. El valor de
^ 1
es igual a 226,24
c. Cada una de las variables que estn en el modelo son significativas, puesto que la
significancia de la estadstica F es igual a 0,000 < 0.05.
d. La estadstica F tiene 1 grado de libertad en el numerador y 19 grados de libertad en el
denominador.
e. La estadstica F calculada es igual a 29,748
SCR 226,240
k 1
3
75,413
FC =
=
=
=29,748
SCE
40,560
2,535
nk
16
8. De un modelo de regresin lineal de la forma Y = 0 + 1X1 + e, se tomaron un total de

181 observaciones obteniendo el siguiente resultado, entre otros:
ANOVA b
Modelo
1
Regresin
Residual
Suma de
cuadrados
36342,410
15494,430
gl
1
179
Media
cuadrtica
---
Total
51836,840
180
a Variables predictoras: (Constante), TV hours/week
b Variable dependiente: Age

a.
b.
c.
d.
e.
La estadstica F calculada es igual a 419,847

SCR 36342,410
k 1
1
36342,410
FC =
=
=
=419,847
SCE 15494,430
86,561
nk
179
F
--
Sig.
,000 a

Ejercicios Probabilidad 1

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Ejercicios Probabilidad 1

Hochgeladen von

Copyright:

Verfügbare Formate

Tcnicas de Conteo

1. La clase de Mtodos Estadsticos Multivariados tiene 15 alumnos, de los

6. En una escena editada de la famosa pelcula de terror El amanecer de los muertos,

7. En un da cualquiera, Juan se levanta de la cama a las 6:00 am. para dirigirse al

3. El departamento de crdito de la empresa SINFUTURO inform que el 30% de sus

4. El departamento de crdito de la empresa SINFUTURO inform que el 30% de sus

SINFUTURO seleccionado al azar realice una compra inferior o igual a $100.000 y lo

No es posible responder la pregunta con la informacin suministrada

Dependiendo de la mquina, se incrementan los defectos en los chocolates, los cuales

El 25% de los chocolates se producen en la mquina turbo. Cul es la probabilidad de

Dependiendo de la mquina, se incrementan los defectos en los chocolates, los cuales

El 32% de los chocolates se producen en la mquina turbo. Cul es la probabilidad de

que la variable aleatoria , la cual, describe el comportamiento del tiempo de duracin

Con base en esta informacin, la probabilidad de que por lo menos un equipo de

Aplicando propiedades de integracin por sustitucin se obtiene que:

2. El inspector de calidad de una empresa dedicada a la fabricacin de cilindros para gas,

P(0.3 aos X 0.8 aos )

P(0.3 aos X 0.8 aos )

Aplicando propiedades de integracin por sustitucin se obtiene que:

P (0.3 aos X 0.8 aos ) 0.5685

3. Ana es la gerente operativa de ABC Drilling, una empresa encargada de hacer

4. El jefe de produccin de una empresa encargada de la fabricacin de componentes

La probabilidad de que un componente falle en el intervalo de 1000 horas a 2000 horas

P (1000 horas X 2000 horas )

5. El departamento financiero de la compaa JJ est interesado en la evaluacin de un

6. En una escena editada de la famosa pelcula de terror El amanecer de los muertos,

8. En una escena editada de la famosa pelcula de terror El amanecer de los muertos,

Variables Aleatorias Discretas

El valor esperado de la concentracin promedio de sulfuros en g/l es:

2. La empresa colombiana Matimba es una de las ms importantes del pas en

1 si el avin dura menos de 1 minuto en el aire.

De acuerdo a la informacin anterior, la nota promedio que recibir un alumno por su

4. El tiempo necesario para una operacin de ensamblaje de un componente electrnico

que se distribuye mediante la siguiente

Con base en la informacin suministrada, la desviacin estndar del tiempo requerido

Var ( X ) (12333.33) (0.1) 1225

6. En un experimento de laboratorio de fsica mecnica, se desea conocer el

la variable aleatoria discreta que describe la

La fuerza aplicada al objeto (medida en Newtons) se calcula mediante la siguiente

. Con base en esta informacin, la fuerza neta promedio

Cuando se desea el valor esperado de una funcin que depende de la variable

7. Estudios de mercado estiman que un nuevo instrumento para el anlisis de muestras

E ( X ) Valor esperado de la var iable

V ( X ) ($1) 2 (0.1) ($5) 2 (0.6) ($10) 2 (0.3) ($6.1) 2

est dada por:

La presin aplicada al objeto (medida en Libras) se calcula mediante la siguiente

. Con base en esta informacin, la presin

Cuando se desea el valor esperado de una funcin que depende de la variable

9. Suponga que la funcin de densidad de probabilidad de la variable aleatoria X est

La funcin de distribucin acumulada, FY(y), de Y est dada por:

E ( X ) Valor esperado de la var iable

V ( X ) ($2) 2 (0.2) ($7) 2 (0.3) ($11) 2 (0.5) ($8) 2

e. No se tiene informacin suficiente

Variables Aleatorias Conjuntas

a) X y Y son independientes, donde

b) X y Y son independientes, donde

c) X y Y no son independientes, pero

d) No se puede calcular las funciones marginales de X y Y, porque no son

a) X y Y no son independientes, pero

b) X y Y son independientes, donde

c) X y Y no son independientes, pero

d) X y Y son independientes, donde

e) Ninguna de las anteriores.

Con base en sta informacin, la funcin de probabilidad que describe el rendimiento