8 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE.

29

8 Resolución de algunos ejemplos y ejercicios

del tema 8.
8.1 Ejemplos.
Ejemplo 49 Supongamos que el tiempo que tarda en dar respuesta a un en-
fermo el personal sanitario de un hospital es uniforme entre 0 y 8 minutos.
1. Determinad la función de densidad y la función de distribución y dibujad-
las.
2. Calculad la probabilidad que una respuesta exceda los 7 minutos. Dibujad
el área que representa esta probabilidad en la función de densidad. ¿Cómo
representarı́ais esta probabilidad en la función de distribución?
3. ¿Cuál creeis que es el tiempo medio de respuesta?

Respuestas: 1. La v.a. X tiene una ley uniforme continua U (0, 8). Por tanto,
la función de densidad y la función de distribución de X son:

½  0, si x ≤ 0,
1/8, si x ∈ (0, 8),
f (x) = F (x) = x/8, si 0 ≤ x ≤ 8,
0, si x ∈/ (0, 8),
1, si x ≥ 8.


2. P (X > 7) = 1 − P (X ≤ 7) = 1 − F (7) = 1 − 7/8 = 1/8.

3. El tiempo medio de respuesta es E(X) = (0 + 8)/2 = 4 minutos.

Ejemplo 50 La caducidad (en dı́as) de un yogur es una variable aleatoria que

tiene como función de distribución F (x) = 1 − exp(−x/21), si x ≥ 0, y vale 0
si x < 0.
1. ¿Cuál es la función de densidad de X?
2. ¿Cuál es la probabilidad que un yogur dure más de un mes?
3. ¿Cuál es la duración media de los yogures?

Respuestas: 1. La función de densidad se obtiene derivando la función de

distribución, por tanto,
½ 1 −x/21
f (x) = 21 e , si x ≥ 0,
0, si x < 0.

2.La probabilidad de que un yogur dure más de un mes es

P (X > 30) = 1 − P (X ≤ 30) = 1 − F (30) = e−30/21 = 0.2397.

3. A partir de la función de densidad, puede verse que la variable aleatoria

X tiene una distribución exponencial con parámetro β = 21. Por tanto, la
duración media de los yogures es E(X) = β = 21 dı́as.

Ejemplo 51 Lanzamos una moneda equilibrada 1000 veces. Calculad la prob-

abilidad que el número de caras esté entre 490 y 510.
Respuestas: Consideramos la v.a. X =“número de caras obtenidas al lanzar
una moneda 1000 veces”, que tiene distribución binomial B(1000, 1/2). Puesto
8 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 30

que np = 500 > 5 y n(1 − p) = 500 > 5, podemos aproximar la ley de X por una
ley normal N (500, 250). Utilizando la correción por continuidad, tenemos que:
P (490 < X < 510) = P (490 − 0.5 < X < 510 + 0.5)
µ ¶
490 − 0.5 − 500 X − 500 510 + 0.5 − 500
=P √ < √ < √
250 250 250
= P (−0.66 < Z < 0.66),
donde Z ∼ N (0, 1). Finalmente, utilizando las tablas de la ley normal estándar,
P (−0.66 < Z < 0.66) = F (0.66) − F (−0.66) = 0.4908.
Ejemplo 52 El 5% de los termostatos fabricados por una empresa no satisfacen
las especificaciones técnicas. Se extrae un lote de 2000 termostatos.
a) Utilitzando la aproximación a la ley normal, calculad la probabilidad que
el lote contenga más de 120 termostatos defectuosos.
b) Se extrae del lote una muestra de 200 termostatos. Si el número de ter-
mostatos defectuosos en la muestra es inferior a 12, se acepta el lote, y se
rechaza en caso contrario. ¿Cuál es la probabilidad que se acepte el lote?
Respuestas:
a) La variable aleatoria X que cuenta el número de termostatos defectuosos en
un lote de tamaño 2000 tiene una distribución binomial de parámetros n = 2000
y p = 0.05. Puesto que n es grande, es conveniente aproximar la distribución
binomial por la distribución normal
√ de parámetros µ = n p = 100 y σ 2 =
n p (1−p) = 95 y, por tanto, σ = 95. Entonces, tipificando la variable aleatoria
X y utilizando la tabla de la distribución normal estándar, se obtiene:
µ ¶
X − 100 120 − 0.5 − 100
P (X > 120) = P (X > 120 − 0.5) = P √ > √
95 95
≈ P (Z > 2) = 1 − F (2) = 0.0227.
b) Ahora, consideramos la variable aleatoria Y que cuenta el número de ter-
mostatos defectuosos en la muestra de tamaño 200. La distribución de Y es
binomial de parámetros n = 200 y p = 0.05, que, como antes, la aproximaremos
2
por una distribución
√ normal de parámetros µ = n p = 10 y σ = n p (1−p) = 9.5.
En este caso, σ = 9.5. La probabilidad de aceptar el lote es:
µ ¶
Y − 10 12 + 0.5 − 10
P (Y < 12) = P (Y < 12 + 0.5) = P √ < √
9.5 9.5
≈ P (Z < 0.81) = 0.7910.
Ejemplo 54 Considerad la v.a. X que tiene ley uniforme discreta dada por la
siguiente función de probabilidad:
½
1/4, x = 1, 2, 3, 4,
f (x) =
0, en otro caso.
Sean X1 , . . . , Xn son v.a. i.i.d. con la misma distribución que X, y considerad
la v.a.
n
1X
Y = Xi .
n i=1
8 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 31

Calculad la probabilidad P (2.4 < Y < 2.8) para n = 36.

Respuesta: Consideramos X1 , X2 , . . . , Xn v.a. i.i.d. con función de probabili-
dad f (x). Calculamos la esperanza y varianza de una de estas v.a.:
1 5 1 15
E(X) = (1 + 2 + 3 + 4) = , E(X 2 ) = (12 + 22 + 32 + 42 ) = ,
4 2 2
15 25 5
var(X) = E(X 2 ) − (E(X))2 = − = .
2 4 4
Por tanto, según el T.L.C. la ley de Y , para n = 36, es:
µ ¶
5 5/4
Y ≈N , = N (5/2, 5/144) = N (2.5, 0.035).
2 36

La probabilidad que nos piden es:

µ ¶
2.4 − 2.5 2.8 − 2.5
P (2.4 < Y < 2.8) = P √ <Z< √
0.035 0.035
= P (−0.53 < Z < 1.60) = F (1.60) − F (−0.53) = F (1.60) − 1 + F (0.53)
= 0.945196 − 1 + 0.701944 = 0.64714.

8.2 Ejercicios.
Ejercicio 30 Sea Z ∼ N (0, 1). Utilizando las tablas calculad:
1. P (Z ≤ 2), P (Z ≤ −2),
2. P (Z ≤ 1.03), P (Z ≤ −1.03),
3. P (Z ≤ −0.748), P (Z ≤ 0.748),
4. P (Z ≤ 4), P (Z ≤ −4).

Respuestas:
1. P (Z ≤ 2) = 0.9772, P (Z ≤ −2) = 0.0228,
2. P (Z ≤ 1.03) = 0.8485.

Ejercicio 31 Sea Z ∼ N (0, 1). Utilizando las tablas calculad:

1. P (Z ≥ 2.1), P (Z ≥ −2.22),
2. P (Z ≥ 1.13), P (Z ≥ −1.335),
3. P (Z ≥ 1.96), P (Z ≥ −2.33),
4. P (Z ≥ 2.576), P (Z ≥ −1.642).

Respuestas:
1. P (Z ≥ 2.1) = 1 − P (Z < 2.1) = 1 − 0.9821 = 0.0179,
2. P (Z ≥ −2.33) = 1 − P (Z < −2.33) = 1 − 0.0099 = 0.9901.

Ejercicio 32 Sea Z ∼ N (0, 1). Utilizando las tablas calculad:

1. P (1 ≤ Z ≤ 2),
2. P (0.5 ≤ Z ≤ 1.5),
3. P (−1.96 ≤ Z ≤ 1.96),
8 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 32

4. P (−2.58 ≤ Z ≤ 2.58).

Respuestas:
1. P (1 ≤ Z ≤ 2) = P (Z ≤ 2) − P (Z < 1) = 0.9772 − 0.8413 = 0.1359.

Ejercicio 33 Suponed que la altura de las mujeres de una cierta población es

una variable aleatoria con distribución normal de media 163 cm y varianza 49.
Calculad:
1. La probabilidad que una mujer escogida al azar mida menos de 172 cm.
2. La probabilidad que una mujer escogida al azar mida menos de 160 cm.
3. La probabilidad que una mujer escogida al azar mida más de 155 cm.
4. La probabilidad que una mujer escogida al azar mida más de 175 cm.
5. La probabilidad que una mujer escogida al azar mida entre 158 cm y 166
cm.

Respuestas:
1. La probabilidad que una mujer escogida al azar mida menos de 172cm es:
µ ¶
X − 163 172 − 163
P (X < 172) = P < = P (Z < 1.29) = 0.9015,
7 7
2. La probabilidad que una mujer escogida al azar mida menos de 160cm es:
µ ¶
X − 163 160 − 163
P (X < 160) = P < = P (Z < −0.43) = 0.3336,
7 7
3. La probabilidad que una mujer escogida al azar mida más de 155cm es:
µ ¶
X − 163 155 − 163
P (X > 155) = P > = P (Z > −1.14) =
7 7

1 − P (Z ≤ −1.14) = 1 − 0.1271 = 0.8729,

5. La probabilidad que una mujer escogida al azar mida entre 158 cm y 166 cm
es: µ ¶
158 − 163 X − 163 166 − 163
P (158 < X < 166) = < <
7 7 7
= P (−0.71 < Z < 0.43) = P (Z < 0.43) − P (Z ≤ −0.71)
= 0.6664 − 0.2389 = 0.4275.

Ejercicio 34 Suponiendo que Z ∼ N (0, 1), calculad utilizando las tablas:

1. El percentil 25 (o primer cuartil) es z0.25 = −0.67.
2. El percentil 50 (o mediana) es z0.50 = 0.
3. El percentil 75 (o tercer cuartil) es z0.75 = 0.67.
4. El percentil 95 es z0.95 = 1.64.
5. El percentil 99 es z0.99 = 2.32.
6. ¿Entre qué dos valores de Z simétricos respecto del 0 se encuentran el
95% de las observaciones? Esto significa qué dos percentiles dejan en la
parte central de la distribución un área de 0.95 y a las colas un área de
0.025. Estos percentiles son z0.025 = −1.96 y z0.975 = 1.96.
8 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 33

7. ¿Entre qué dos valores de Z simétricos respecto del 0 se encuentran el 90%

de las observaciones? Entre los percentiles 5 y 95, es decir, en el intervalo
[z0.05 , z0.95 ], donde z0.95 = 1.64 y z0.05 = −z0.95 = −1.64.
8. ¿Entre qué dos valores de Z simétricos respecto del 0 se encuentran el
99% de las observaciones?

Ejercicio 35 Considerad la variable altura de les mujeres X ∼ N (163, 49) y

calculad:
1. El percentil 25 (o primer cuartil) es x0.25 = z0.25 × 7 + 163 = 158.31.
¿Qué significa esto? Que el 25% de las mujeres tienen una altura inferior
a 158.31cm.
2. El percentil 50 (o mediana) es x0.50 = 163.
3. El percentil 75 (o tercer cuartil) es x0.75 = z0.75 × 7 + 163 = 167.69.
4. El percentil 95 es x0.95 = z0.95 × 7 + 163 = 174.48.
5. El percentil 99 es
6. ¿Entre qué dos valores de X simétricos respecto de µ = 163 se encuentran
el 95% de las observaciones? Esto significa qué dos percentiles dejan en
la parte central de la distribución un área de 0.95 y en las colas un área
de 0.025. Estos percentiles son x0.025 y x0.975 , que se obtendrŕan a partir
de z0.025 y z0.975 , respectivamente. x0.975 = 7 z0.975 + 163 = 176.72 y
x0.025 = 7 z0.025 + 163 = 149.28.
7. ¿Entre qué dos valores de X simétricos respecto de µ = 163 se encuentran
el 90% de las observaciones?
8. Entre quins dos valores de X simétricos respecto de µ = 163 se encuentran
el 99% de las observaciones?

Ejercicio 37 Una empresa produce paquetes de arroz. El peso de los paquetes

se distribuye según una normal de media 1 kg y desviación 50 g. La empresa
tiene un mecanismo de control que retira automáticamente todos los paquetes que
pesan menos de 0.9 kg y los que pesan más de 1.1 kg. El resto de la producción
se pone a la venta.
a) ¿Qué porcentaje de los paquetes producidos se retiran por el mecanismo
de control?
b) Si un paquete pasa el control, ¿Cuál es la probabilidad que tenga un peso
superior a 1.05 kg?

Respuestas: Considermanos la v.a. X =“peso de un paquete de arroz”, que

sigue una ley N (1, 0.052 ).
a) La probabilidad de que un
¡ paquete que 1.1−1
se ponga
¢ a la venta es
P (0.9 ≤ X ≤ 1.1) = P 0.9−10.05 ≤ Z ≤ 0.05 = F (2) − F (1) = 0.9772 −
0.0228 = 0.9544.
Por tanto, el porcentaje de paquetes que se retiran de la venta es (1 −
0.9544) 100% = 4.56%.
b) Nos piden la siguiente probabilidad condicionada:
P (X > 1.05/0.9 ≤ X ≤ 1.1) = PP(1.05<X≤1.1)
(0.9≤X≤1.1) = 0.1359
0.9544 = 0.1423, donde
¡ 1.05−1 1.1−1
¢
P (1.05 < X ≤ 1.1) = P 0.05 < Z ≤ 0.05 = F (2) − F (1) = 0.9772 −
0.8413 = 0.1359.
8 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE. 34

Ejercicio 38 Se estima que el peso en el momento del nacimiento de los bebés

de un cierto paı́s sigue una distribución normal de media 2.6 kg y desviación
0.5 kg.
a) Si los bebés de menos de 1.7 kg necesitan pasar por un periodo de in-
cubación artificial, ¿cuál es el porcentaje de bebés que necesitan pasar por
este periodo?
b) ¿Qué porcentaje de bebés pesa más de 3.5 kg?
c) ¿A partir de qué peso se encuentra el 10% de los bebés que más pesan?
d) ¿Cuál es el intervalo centrado en la media que contiene el peso del 90%
de los bebés?

Respuestas: Considermanos la v.a. X =“peso de un bebé”, que sigue una ley

N (2.6, 0.52 ). Nos piden:
a) P (X < 1.7); b) P (X > 3.5); c) k tal que P (X > k) = 0.10. Por tanto,
k = x90 = 0.5 z0.90 + 2.6, donde z0.90 = 1.28; d) El inetrvalo centrado en la
media que contiene el peso del 90% de los bebés es [x0.05 , x0.95 ], donde x0.95 =
0.5 z0.05 + 2.6 y x0.05 = 0.5 z0.05 + 2.6, z0.95 = 1.64 y z0.05 = −z0.95 = −1.64.