Unidad 4.

Modelos
Modelos y distribuciones discretas
1. Sea X una variable aleatoria con distribución uniforme discreta sobre
los enteros 1 ≤ x ≤ 3. Calcula la media y la varianza de X.

2. La variable aleatoria X tiene una distribución binomial con n = 10 y

p = 0,01. Determina las siguientes probabilidades:

a) P (X = 5)
b) P (X ≤ 2)
c) P (X ≥ 9)
d) P (3 ≤ X < 5)

3. Sea X el número de bits con error recibidos en un canal de comu-

nicación. Supongamos que X es una variable aleatoria binomial con
p = 0,001. Si se transmiten 1000 bits, determina:

a) P (X = 1)
b) P (X ≥ 1)
c) P (X ≤ 2)
d) Media y varianza de X.

Pista: µ = np, σ 2 = np(1 − p).

4. La media de aciertos de un jugador de béisbol al bate es de 0,250.

¿Cuál es la probabilidad de que batee exactamente uno de sus siguientes
cuatro intentos?

5. Un ingeniero dedicado a tareas de control de tráfico reporta que el 65 %

de los vehı́culos que pasan por su control son de dentro de la provincia.
¿Cuál es la probabilidad de que de los siguientes nueve vehı́culos que
pasen por el control, como mucho haya 4 de fuera de la provincia?

6. En las pruebas de un tipo determinado de neumático para camiones,

se observa que 25 % de las ruedas terminan la baterı́a de tests con
pinchazo. ¿Cuál es la probabilidad de que haya entre 5 y 10 pruebas
con pinchazo en las siguientes 15 ruedas analizadas?
 7. La probabilidad de que un paciente se recupere de una operación coro-
naria delicada es del 0,9. ¿Cuál es la probabilidad de que cinco de los
siguientes siete pacientes que se sometan a la operación se recuperen?

8. Puesto que no todos los clientes que compran billete terminan presen-
tandose el momento del vuelo, una aerolı́nea vende 125 tickets para un
vuelo que sólo tiene capacidad para 120 pasajeros. La probabilidad de
que un pasajero no se presente a su vuelo es de 0,10, y asumimos que
cada pasajero se comporta de manera independiente.

a) ¿Cuál es la probabilidad de que todo pasajero que se presente al

vuelo pueda embarcar? (esto es, de que no se produzca overboo-
king)
b) ¿Cuál es la probabilidad de que el vuelo parta con al menos un
asiento vacı́o?

9. Supongamos que los motores de un avión operan de modo indepen-

diente en vuelo y de que fallan con probabilidad p/5. Asumiendo que
un avión será capaz de completar su vuelo si al menos la mitad de sus
motores funcionan, determina si un avión con cuatro motores o uno con
dos motores tiene mayor probabilidad de completar un vuelo. Repite el
ejercicio con p/2 y p/3.

10. Supongamos que la variable aleatoria X tiene una distribución geométri-

ca con p = 0,5. Determina las siguientes probabilidades:

a) P (X = 1)
b) P (X = 4)
c) P (X = 8)
d) P (X ≤ 2)
e) P (X > 2)

11. La probabilidad de que el ensamblaje de un cierto componente óptico

en un producto de almacenamiento de datos sea correcta es de 0,8. Su-
pongamos que, en caso de error, se realice otro intento que suponemos
independiente al primero.

a) ¿Cuál es la probabilidad de que el ensamblaje necesite exactamen-

te cuatro intentos?
b) ¿Cuál es la probabilidad de que el ensamblaje necesite como mucho
cuatro intentos?
 c) ¿Cuál es la probabilidad de que sean necesarios más de cuatro
intentos para ensamblar el componente?

12. Supongamos que las llamadas al programa lı́der de la radio de la mañana

tienen una probabilidad 0,02 de conectar, esto es, de que el teléfono no
comunique al realizar la llamada. Asumiendo que cada llamada es in-
dependiente,

a) ¿Cuál es la probabilidad de que la primera de tus llamadas en

conectar sea tu décima llamada?
b) ¿Cuál es la probabilidad de que necesites más de 5 llamadas para
conectar?
c) ¿Cuál es el número esperado de llamadas necesarias para conectar?
1
Pista: µ = E(X) = p

13. Supongamos que X tiene una distribución de Poisson con media 4.

Calcula las siguientes probabilidades:

a) P (X = 0)
b) P (X ≤ 2)
c) P (X = 4)
d) P (X = 8)

14. Supongamos que el número de clientes que entran un banco en una

hora determinada es una variable aleatoria de Poisson, y supongamos
que la probabilidad de que no entre ningún cliente en esa hora es de
0.05. Determina la media y la varianza de X, ası́ como la probabilidad
de que haya 5 clientes.
Pista: µ = E(X) = λ, σ 2 = V (X) = λ

15. El número de imperfecciones por metro cuadrado en el proceso de pro-

ducción de una tela es de 0,1 imperfecciones por metro cuadrado. Si
modelamos éste como una variable aleatoria de Poisson,

a) ¿Cuál es la probabilidad de que haya dos imperfecciones en un

metro cuadrado de tela?
b) ¿Cuál es la probabilidad de que haya una imperfección en 10 me-
tros cuadrados de tela?
c) ¿Cuál es la probabilidad de que no haya ninguna imperfección en
20 metros cuadrados de tela?
d) ¿Cuál es la probabilidad de que haya al menos dos errores en 10
metros cuadrados de tela?