Ejercicios de Estadística Teórica Probabilidad e I... - (PG 47 - 59)

Ejercicios de Estadística Teórica.
Probabilidad e Inferencia
TEMA 4:
MODELOS DE PROBABILIDAD: VARIABLES DISCRETAS
4.1. Un piloto de coches de carrera suele probar cada día 5 coches. Por su
experiencia, sabe que la probabilidad de que en un coche pueda observarse un defecto
de funcionamiento durante el entrenamiento es de 3/5. Se pide:
a) Determinar la probabilidad de que en un día determinado no funcionen
correctamente los 5 coches.
b) Probabilidad de que no funcionen correctamente al menos tres.
c) Probabilidad de que haya defectos de funcionamiento en dos de los coches.
d) Probabilidad de que no funcione al menos uno.
e) Probabilidad de que el número de coches que no funcione adecuadamente
un día esté comprendido entre 2 y 3.
f) Número medio de coches con problemas de funcionamiento y su varianza.
Solución:
Se define la variable aleatoria discreta X como el número de coches con problemas de

funcionamiento. La variable X sigue una distribución Binomial de parámetros n = 5 y
p = 3/5 = 0,6, cuya función de cuantía será:
 n
P( X ) =   p x q n − x
 x
Xi P(x=xi) P(x≤xi)
Copyright © 2014. Editorial Universidad Autónoma de Madrid. All rights reserved.
0 0,010 0,010
1 0,077 0,087
2 0,230 0,317
3 0,346 0,663
4 0,259 0,922
5 0,078 1,000
46
Gil, Izquierdo, María, et al. Ejercicios de estadística teórica: probabilidad e Inferencia (2a.e d.), Editorial Universidad Autónoma de Madrid, 2014. ProQuest Ebook Central,
http://ebookcentral.proquest.com/lib/unadsp/detail.action?docID=3226497.
Created from unadsp on 2018-05-02 20:57:04.
Documentos de Trabajo
Función de cuantía B(5;0,6)

0,400
0,350
0,300
P(x=xi)
0,250
0,200
0,150
0,100
0,050
0,000
0 1 2 3 4 5
Función de distribución B(5;0,6)

1,200
1,000
0,800
P(x≤xi)
0,600
0,400
0,200
0,000
0 1 2 3 4 5
X
a) La probabilidad pedida se traduce en P(X=5):

 5  5
P( X = 5) =  ·(0,6) ·(0,4) =  ·(0,6) = (0,6) = 0,077
5 0 5 5
 5  5
b) La probabilidad de que haya como mínimo tres coches que no funcionen (implica
que haya 3, 4 ó 5 coches con problemas) se calcula como:
P( X ≥ 3) = P( X = 3) + P( X = 4 ) + P( X = 5) =
 5  5  5
=  ·(0,6 ) ·(0,4 ) +  ·(0,6 ) ·(0,4 ) +  ·(0,6 ) ·(0,4 ) =
3 2 4 5 0
 3  4  5
= 0,345 + 0,259 + 0,077 = 0,682
47
Ejercicios de Estadística Teórica. Probabilidad e Inferencia
La probabilidad de que haya como mínimo tres coches que no funcionen es del 68,2%.
c) La probabilidad de que haya exactamente dos coches que no funcionen es:

 5
P( X = 2 ) =  ·(0,6 ) ·(0,4 ) = 0,2304
2 3
 2
La probabilidad de que haya sólo dos coches que no funcionen es del 23,04%.
d) La probabilidad de que haya al menos un coche estropeado (que implica que haya
de uno a cinco coches con mal funcionamiento) se calcula como:
P( X ≥ 1) = P( X = 1) + P( X = 2 ) + P( X = 3) + P( X = 4 ) + P( X = 5) =
5
= 1 − P( X = 0 ) = 1 −  ·(0,6) ·(0,4) = 1 − 0,0102 = 0,989
0 5
0
Hay un 98,9% de probabilidad de que haya al menos un coche estropeado.
e) La probabilidad de que el número de coches que no funcione adecuadamente un

día esté comprendido entre 2 y 3 se calcula como:
P(2 ≤ X ≤ 3) = P( X = 2 ) + P( X = 3) = 0,2304 + 0,3456 = 0,576
Existe un 57,6% de probabilidad de que haya entre dos y tres coches que no
funcionen.
f) Se utilizarán las expresiones de la esperanza matemática y de la varianza de

distribuciones Binomiales:
E(X) = n·p = 5·0,6 = 3 coches
V(X) = n·p·q = 5·0,6·0,4 = 1,2 coches2
Por término medio, se estropearán 3 coches, con una dispersión de 1,2 coches al
cuadrado.
48
4.2. La secretaria de una empresa dedicada al cobro de morosos archiva los

expedientes en carpetas de 20 y 50 expedientes. Se sabe, por la experiencia
acumulada a lo largo de los años que la probabilidad de que un expediente se declare
finalmente impagado sea cual sea la carpeta en la que se archive es del 5 % (siendo
los expedientes independientes entre sí:
a) ¿Cuál es la probabilidad de que, en una carpeta de 20, haya al menos uno
impagado?
b) En una carpeta de 20 expedientes, si se sabe que hay al menos uno
impagado, ¿cuál es la probabilidad de que, encontremos menos de 4
impagados?
c) Se sabe que de todos los expedientes un 40% se archivan en carpetas de 20 y
un 60% en carpetas de 50. Si semanalmente se archivan un total de 5.000
expedientes, y una carpeta (independientemente de los expedientes que
contenga) se considera dentro del grupo de los morosos si contiene más de un
expediente impagado, ¿Cuál será el número medio o esperado de carpetas
“morosas” si se examinan todos los expedientes de una semana?
Solución:
Se sabe que existen dos tipos de carpetas:

• Carpetas con 20 expedientes: 40%
• Carpetas con 50 expedientes: 60%
a) Se definen la variable aleatoria discreta X como el número de expedientes

impagados en carpetas de 20 expedientes y la variable aleatoria discreta Y como el
número de expedientes impagados en carpetas de 50 expedientes. Las dos alternativas

que se pueden dar en cada observación son, o bien que el expediente resulte
impagado, (con probabilidad “p” = 0,05) o bien que se pague (con probabilidad “q”
= 0,95). La variable X se distribuye, por tanto, como una Binomial de parámetros n =
20 y p = 0,05. Sustituyendo en la función de cuantía de la distribución Binomial:
n
P( X = x) =   p x q n − x
 x
Se obtiene que la probabilidad de que haya un expediente impagado o más se calcula
en la carpeta de 20 expedientes como:
 20 
P ( X ≥ 1) = 1 − P ( X = 0) =  0,05 0 .0,95 20 − 0 = 1 − 0,358 = 0,642
0
49
La probabilidad de encontrar un expediente o más impagados en las carpetas de 20, es

del 64,2%.
b) Ha de calcularse la probabilidad condicionada de encontrar, como mucho, 3

expedientes impagados en la carpeta de 20 expedientes, sabiendo que hay al menos
uno impagado. Es decir:
P (1 ≤ X < 4)
P( X < 4 )=
X ≥1 P ( X ≥ 1)
Donde,
P (1 ≤ X ≤ 4) = P (X = 1) + P (X = 2) + P (X = 3)
Calculando las probabilidades de encontrar 1, 2 ó 3 expedientes impagados:

 20 
P( X = 1) =  0,051.0,95 20 −1 = 0,377
1
 20 
P ( X = 2) =  0,05 2 .0,95 20 − 2 = 0,189
2
 20 
P ( X = 3) =  0,05 3.95 20 −3 = 0,059
3
Por tanto, el numerador se formará a través de la suma de las tres probabilidades

anteriores, mientras que el denominador se obtiene del apartado anterior:
(
P X <4 ) = P(P1(≤XX≥<1)4) = 00,,625 = 0,975
X ≥1 641
Hay un 97,5% de probabilidad de que se encuentren menos de 4 expedientes

impagados en las carpetas de 20 expedientes, sabiendo que hay más de uno
impagados.
c) En una semana se clasifican 5.000 expedientes, por lo que en cada tipo de carpeta
tendremos:
• Carpetas con 20 expedientes:
40% de 5.000 = 5.000 x 0,4 = 2.000 expedientes van a carpetas de 20
expedientes 2.000/20 = 100 carpetas
50
• Carpetas con 50 expedientes:

60% de 5.000 = 5.000 x 0,6 = 3.000 expedientes van a carpetas de 50
expedientes 3.000/50 = 60 carpetas
Hay un total de 100+60=160 carpetas, un 37,5% son de 50 expedientes
(60/160=0,375) y un 62,5% son de 20 expedientes (100/160=0,625)
Si una carpeta se considera “morosa” cuando haya más de un expediente impagado, la

probabilidad de que una carpeta (independientemente de que sea de 20 ó 50
expedientes) sea “morosa” se calculará mediante el Teorema de la Probabilidad Total:
P (Carpeta “morosa”) = P (“Morosa” de 20) · P (Carpeta de 20) + P (“Morosa”

de 50) · P (Carpeta de 50)
Donde la probabilidad de que una carpeta de 20 sea considerada “morosa” (esto es,
tenga más de un expediente impagado) se calcula a partir de la variable aleatoria X
que se distribuye como una Binomial de parámetros n = 20, p = 0,05:
P (" Morosa de 20" ) = P( X > 1) = 1 − P( X = 0) − P( X = 1) =
= 1 − 0,3584 − 0,3773 = 0,2642
Con:
 20 
P( X = 0) =  0,05 0 ·0,95 20−0 = 0,358
0
 20 
P ( X = 1) =  0,051 ·0,95 20−1 = 0,377
1
Y donde la probabilidad de que una carpeta de 50 sea considerada “morosa” (esto es,
tenga más de un expediente impagado) se calcula a partir de la variable aleatoria Y
que se distribuye como una Binomial de parámetros n = 50, p = 0,05:
P(" Morosa de 50" ) = P (Y > 1) = 1 − P (Y = 0) − P (Y = 1) =
= 1 − 0,076 − 0,202 = 0,722
Con:
 50 
P(Y = 0) =  0,05 0 ·0,95 50−0 = 0,077
0
51
 50 
P(Y = 1) =  0,051 ·0,95 50−1 = 0,202
1
Por tanto:
P (Carpeta “morosa”) = 0,264·0,625 + 0,720·0,375 = 0,435
La probabilidad de declarar una carpeta cualquiera como “morosa” es del 43,5%.
Se puede definir una nueva variable aleatoria discreta Z, como el número de carpetas
“morosas” de un total de 160 semanales, que se distribuirá como una Binomial de
parámetros n = 160 y p = 0,435. Como se pide el promedio de carpetas que se
considerarán “morosas”, se calculará la esperanza matemática de la variable Z:
E (Z) = n·p = 160·0,435 = 69,6 carpetas “morosas”.
4.3. Para determinar la prima que ha de cobrar una compañía de seguros, se parte de
la información basada en el conocimiento pasado del número medio de veces que
salta una alarma de robo en una gran empresa situada en el centro de Madrid, y que
por término medio es 2 veces al año. Se pide:
a) Probabilidad de que salte la alarma menos de 4 veces en un año dado.
b) Probabilidad de que no haya saltado ninguna vez en un año dado.
c) Probabilidad de que salte la alarma más de 2 veces en un año dado.
d) Probabilidad de que salte la alarma exactamente dos veces en un año dado.
Solución:
Sea X una variable aleatoria discreta que representa el número de veces que salta la
alarma, que sigue una distribución de Poisson de parámetro λ = 2.
xi P(x=xi) P(x≤xi)
0 0,13533528 0,135
1 0,27067057 0,406
2 0,27067057 0,677
3 0,18044704 0,857
4 0,09022352 0,947
5 0,03608941 0,983
6 0,0120298 0,995
7 0,00343709 0,999
8 0,00085927 1,000
52
Función de cuantía Poisson λ=2

0,3
0,25
0,2
P(x=xi)
0,15
0,1
0,05
0
0 1 2 3 4 5 6 7 8
X
Función de distribución Poisson λ=2

1,200
1,000
0,800
P(x≤xi)
0,600
0,400
0,200
0,000
0 1 2 3 4 5 6 7 8
X
a) La probabilidad de que la alarma salte menos de 4 veces se calculará como la suma

de las probabilidades de que salte ninguna, una, dos o tres veces:
P(X<4) = P (X=0) + P(X=1) + P(X=2) + P(X=3) = 0,855
λx 20
P( X = 0) = e −λ = e −2 = 0,135
x! 0!
λx 21
P( X = 1) = e − λ = e −2 = 0,270
x! 1!
λx 22
P( X = 2) = e −λ = e −2 = 0,270
x! 2!
λx −2 2
3
P( X = 3) = e −λ
=e = 0,180
x! 3!
53
Hay un 85,5% de probabilidad de que la alarma salte menos de 4 veces.
a) La probabilidad de que no salte ninguna vez la alarma se calculará para X = 0:

P(X=0) = 0,135
Tal y como se calculaba en el apartado anterior, la probabilidad de que no salte

ninguna vez la alarma es del 13,5%.
c) La probabilidad de que la alarma salte más de dos veces al año se calculará a través
del complementario de este suceso, es decir, que salte ninguna, una o dos veces:
P(X>2) = 1 – P(X = 0) – P(X = 1) – P(X = 2) =
= 1– 0,135 – 0,270 – 0,270 = 0,325
Hay un 32,5% de probabilidad de que la alarma salte más de dos veces al año.
d) La probabilidad de que la alarma salte exactamente dos veces se calculará para

X=2:
P(X=2) = 0,27
Con un 27% de probabilidad, la alarma saltará 2 veces.
4.4. Una gasolinera dispone de 12 máquinas de autolavado, con capacidad para

atender 1 coche cada 15 minutos. La gasolinera tiene una afluencia media de 32
coches por hora. ¿Cuál es la probabilidad de que en un cuarto de hora determinado

no sea posible atender a todos los coches?
Solución:
Se define la variable aleatoria discreta X como número de coches atendidos por el

autolavado en 1 hora, que se distribuye como una Poisson de parámetro λ = 32
coches por hora. Se sabe que la capacidad máxima es de 12 coches cada 15 minutos.
Como los datos vienen expresados en unidades diferentes, se transforman las horas en
cuartos de hora, de tal forma que:
λ = 32 / 4 = 8 coches cada cuarto de hora.
54
No se podrá atender la demanda de lavados de coches cuando acudan más de 12

coches por cuarto de hora, luego sustituyendo para este caso en la función de cuantía
de Poisson se tiene que, (a través del suceso complementario de que X>12):
12 12
λx
P( X > 12) = 1 − ∑ P ( X = x) = 1 − ∑ e −λ .
i
=
x =0 i =0 xi !
  8 0 81 812 
= 1 − e −8 . + + ... +  = 0,064
  0! 1! 12! 
Existe una probabilidad del 6,4% de no poder atender en las máquinas de autolavado
a todos los coches que llegan a la gasolinera en ese periodo de tiempo.
4.5. El número de personas que llegan en 10 minutos a pagar en caja en una cadena
de supermercados sigue una distribución de Poisson con media 7. Si acuden a caja
más de 5 personas en 10 minutos se forma cola.
a) ¿Cuál es la probabilidad de que se forme cola en una caja determinada en
diez minutos?
b) En cada tienda hay 10 cajas independientes ¿Cuál es la probabilidad de que
en una hora se forme cola en 7 de las 10 cajas?
Solución:
Se define la variable aleatoria X como el número de personas a pagar en 10 minutos,

que sigue una distribución de Poisson de parámetro λ = 7. Cuando acuden más de 5
personas a una caja se forma cola.
a) Se formará cola cuando haya más de 5 personas, por lo que se calcula la

probabilidad de que X sea mayor que 5. A través del suceso complementario de que X
sea mayor que 5 (es decir, cuando X es igual a 0, 1, 2, 3, 4 ó 5), y sustituyendo en las
respectivas funciones de cuantía:
5
7 Xi
P ( X > 5) = 1 − P ( X ≤ 5) = 1 − e − 7 ∑ = 1 − 0,3007 = 0,6993
Xi xi !
70
P( X = 0) = e −7 = 0,0009
0!
55
71
P( X = 1) = e −7
= 0,0064
1!
72
P( X = 2) = e −7
= 0,0223
2!
73
P( X = 3) = e −7
= 0,0521
3!
74
P( X = 4) = e −7 = 0,0912
4!
75
P ( X = 5) = e − 7 = 0,1272
5!
Por tanto, la probabilidad de que se forme cola en una caja determinada en 10

minutos concretos, es del 69,93%.
b) Se define la variable aleatoria Y como la suma de 10 cajas independientes, donde en

cada caja puede ocurrir que en una hora se forme cola (con una probabilidad
calculada en el apartado anterior de 0,6993), por lo que se tendrán 10 pruebas de
Bernoulli, con p = 0,6993. Así, se puede afirmar que la variable aleatoria Y sigue una
distribución Binomial de parámetros n = 10 y p = 0,6993. La probabilidad de que se
forme cola en 7 de las 10 cajas será:
10!
P(Y = 7 ) = 0,69937 ·0,3007 3 = 0,2669
7!·3!
Se formará cola en 7 de las 10 cajas con un 26,69% de probabilidad.

4.6. A un hotel llegan dos carreteras, A y B. El número de llegadas diarias por cada
carretera sigue cada una, una distribución de Poisson de parámetro 8 para A y 9 para
B, ambas llegadas son independientes entre sí. Si un día llegan 12 personas, ¿cuál es la
probabilidad de que 7 lo hicieran por la carretera A?
Solución:
Se definen las siguientes variables aleatorias discretas y sus distribuciones:

X: llegadas por la carretera A → P(λ = 8)
56
Y: llegadas por la carretera B → P(λ = 9)

Z: X + Y = llegadas al hotel de A y B → P(λ = 17)
El problema se puede plantear como una probabilidad condicionada, teniendo en

cuenta las distribuciones de Poisson que siguen las variables aleatorias que la forman.
8 7 −9 9 5 −8
e · e ·
P[ X = 7; Z = 12] P[ X = 7; Y = 5] 7! 5! =
P( X = 7 / Z = 12) = = =
P[Z = 12] P[Z = 12] 17 12
e −17
12!
7 5
12!  8   9 
=   ·  = 0,168
7!·5!  17   17 
Obsérvese que al calcular la probabilidad condicionada, la expresión [X = 7; Z = 12]

puede trasformarse en [X = 7; Y = 5] , ya que hay que tener en cuenta que X e Y son
independientes (ya que el número de coches que llegan al hotel de A es independiente
de los que llegan de B), mientras que las variables X, Z y Z, Y son dependientes (ya
que el número de individuos totales que llegan al hotel, Z, depende de los que llegan
de A de los que llegan de B).
Hay un 16,8% de probabilidad de que 7 individuos lleguen por la carretera A, si en

total llegan 12 al hotel.
57
TEMA 5:
MODELOS DE PROBABILIDAD: VARIABLES CONTINUAS
5.1. El tiempo de espera en una consulta médica se distribuye uniformemente entre 10

y 30 minutos. Su función de densidad es f(x) = 1/b-a para a≤x≤b:
a) ¿Cuál es la probabilidad de tener que esperar como mucho 15 minutos para
entrar en la consulta?
b) Calcule el tiempo medio de espera.
Solución:
Sea X la variable aleatoria continua que representa el tiempo de espera en una

consulta médica, cuya distribución de probabilidad es uniforme con parámetros a =
10 y b = 30.
a) La función de distribución de este tipo de distribuciones es:

X −a
F (X ) = para a ≤ x ≤ b
b−a
En este caso:
X − 10
F (X ) = para 10 ≤ x ≤ 30
30 − 10
15 − 10 5
P[ X ≤ 15] = = = 0,25
30 − 10 20
La probabilidad de tener que esperar, como mucho, 15 minutos es del 25%.
b) El tiempo medio de espera se calculará a partir de la formulación de la esperanza

matemática de variables continuas uniformes:
E(X) = (a+b)/2 = (10+30)/2 = 40/2 = 20 minutos.
Por término medio, la espera es de 20 minutos.
58

Ejercicios de Estadística Teórica Probabilidad e I... - (PG 47 - 59)

Hochgeladen von

Dokumentinformationen

Originaltitel

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 de Estadística Teórica Probabilidad e I... - (PG 47 - 59)

Hochgeladen von

Copyright:

Verfügbare Formate

Ejercicios de Estadística Teórica.

Se define la variable aleatoria discreta X como el número de coches con problemas de

Función de cuantía B(5;0,6)

Función de distribución B(5;0,6)

a) La probabilidad pedida se traduce en P(X=5):

= 0,345 + 0,259 + 0,077 = 0,682

c) La probabilidad de que haya exactamente dos coches que no funcionen es:

Hay un 98,9% de probabilidad de que haya al menos un coche estropeado.

e) La probabilidad de que el número de coches que no funcione adecuadamente un

f) Se utilizarán las expresiones de la esperanza matemática y de la varianza de

4.2. La secretaria de una empresa dedicada al cobro de morosos archiva los

Se sabe que existen dos tipos de carpetas:

a) Se definen la variable aleatoria discreta X como el número de expedientes

número de expedientes impagados en carpetas de 50 expedientes. Las dos alternativas

La probabilidad de encontrar un expediente o más impagados en las carpetas de 20, es

b) Ha de calcularse la probabilidad condicionada de encontrar, como mucho, 3

Calculando las probabilidades de encontrar 1, 2 ó 3 expedientes impagados:

Por tanto, el numerador se formará a través de la suma de las tres probabilidades

Hay un 97,5% de probabilidad de que se encuentren menos de 4 expedientes

• Carpetas con 50 expedientes:

Si una carpeta se considera “morosa” cuando haya más de un expediente impagado, la

P (Carpeta “morosa”) = P (“Morosa” de 20) · P (Carpeta de 20) + P (“Morosa”

La probabilidad de declarar una carpeta cualquiera como “morosa” es del 43,5%.

Función de cuantía Poisson λ=2

Función de distribución Poisson λ=2

a) La probabilidad de que la alarma salte menos de 4 veces se calculará como la suma

Hay un 85,5% de probabilidad de que la alarma salte menos de 4 veces.

a) La probabilidad de que no salte ninguna vez la alarma se calculará para X = 0:

Tal y como se calculaba en el apartado anterior, la probabilidad de que no salte

d) La probabilidad de que la alarma salte exactamente dos veces se calculará para

Con un 27% de probabilidad, la alarma saltará 2 veces.

4.4. Una gasolinera dispone de 12 máquinas de autolavado, con capacidad para

coches por hora. ¿Cuál es la probabilidad de que en un cuarto de hora determinado

Se define la variable aleatoria discreta X como número de coches atendidos por el

No se podrá atender la demanda de lavados de coches cuando acudan más de 12

Se define la variable aleatoria X como el número de personas a pagar en 10 minutos,

personas a una caja se forma cola.

a) Se formará cola cuando haya más de 5 personas, por lo que se calcula la

Por tanto, la probabilidad de que se forme cola en una caja determinada en 10

b) Se define la variable aleatoria Y como la suma de 10 cajas independientes, donde en

Se formará cola en 7 de las 10 cajas con un 26,69% de probabilidad.

Se definen las siguientes variables aleatorias discretas y sus distribuciones:

Y: llegadas por la carretera B → P(λ = 9)

El problema se puede plantear como una probabilidad condicionada, teniendo en

Obsérvese que al calcular la probabilidad condicionada, la expresión [X = 7; Z = 12]

Hay un 16,8% de probabilidad de que 7 individuos lleguen por la carretera A, si en

5.1. El tiempo de espera en una consulta médica se distribuye uniformemente entre 10

Sea X la variable aleatoria continua que representa el tiempo de espera en una

a) La función de distribución de este tipo de distribuciones es:

La probabilidad de tener que esperar, como mucho, 15 minutos es del 25%.

b) El tiempo medio de espera se calculará a partir de la formulación de la esperanza

Por término medio, la espera es de 20 minutos.

Das könnte Ihnen auch gefallen