Teoria de la probabilidad 185 a-Ue, y y= elUe;|-1 (vs) Luego, P(A) =1-(1= p)"- b) P(A) =1—(1— p)” = 0.9999, entonces, (0.01)" = 0.0001, n =2. c) P(ler éxito en prueba k) = g*" p 4) Si Bes el evento: “ocurren k éxitos en n pruebas", entonces, B consiste de C” eventos que contienen cada uno, k éxitos (E) y n—k no éxitos(E°), luego. P(B) = Cf p*(1— p)"* Esta probabilidad se denomina probabilidad binomial ¢) Sea el evento D: “ocurren k €xitos en n pruebas, de manera que el k-€simo éxito sea la n-ésima prueba ". El ultimo es un éxito, en las restantes ocurre una binomial. Luego, P(D) EJEMPLO 5.21. Para decidir si se acepta 0 no un lote de 20 articulos en donde existen 4 defectuosos, se toman dos articulos al azar y a la vez. Si los dos son defectuosos se rechaza el lote, si los dos son buenos se acepta el lote y si solamente uno es bueno se toman otros dos articulos al azar a la vez de los 18 que quedan, Esta vez, si alguno es bueno se acepta el lote, de otro modo se rechaza. Calcular ta probabilidad de aceptar el lote. SOLUCION P(aceptar el lote) = P(BB) + P(BD)xP{(BD 0 BB) /BD} GY cet (is &) _ 932 Peaceptar el lote) = Hip + Eat 0.962 2 2 ce tg cr Soa Observar que: P[Aceptar] = | — P[Rechazar] ccc’ 2 Si186 Estadistica EJEMPLO 5.22 Un lote contiene 40 articulos de los cuales 4 son defectuosos y 36 son no defectuosos. Si se divide al azar el lote en cuatro sublotes de 10 articulos cada uno, calcular la probabilidad de que en cada subiote haya un articulo defectuoso. SOLUCION. Sean los eventos A; :"El lote i contiene un defectuoso", i= 1,2,3,4 y sea A: "Los cuatro sublotes contienen un articulo defectuoso cada uno, entonces, A=A AQAA, ¥ P(A) = P(A, Ay AsAg) = P(A))P(A / 2 )P(A3/Ai 42 )P (As /4142 4s) G2. ciG! 268s cle pay= A AGS, ACo , CS Co Cio Cio 10 También observar que: on 40! _ aps 4x36! CP = Pososo10 jae CF =4!P5999 acm Pay =F 2 SY" : cP aoyior* 5.8 Regla de la probabilidad total y regla de Bayes 5.8.1 Particién del espacio muestral Definicién. Se denomina particién del espacio muestral Q,, a una colecci6n de k eventos A,,Az,.A, que Sean muluamente excluyentes y cuya unidn es el espacio muestral Q , es decir, tales que verifican las siguientes condiciones: 1) P(A,)>0, para cada i=1,2,....k 2) A.A,=D Vi8j 3 Ua-2 0 SPA, i itTeoria de la probabilidad 187 Figura 5.7. Particién de Q 5.8.2 Regla de la probabilidad total y regla de Bayes TEOREMA 5.7. (Regla de la probabilidad total). Si k eventos: A,,Ap,....A,, constituyen una particién del espacio muestral 2 entonces, para cualquier evento Ben Q, £ P(B) =)" P(A, )P(B/A,). PRUEBA. Para cualquier evento B de Q (figura 5.7) peana-ae(Ya)-Yeoa. Ademiés, los eventos BO A, i = 1, 2, ... k. son excluyentes dos a dos. Luego. por el axioma P3), se tiene: k fi P(B)= D7 P(A, OB) = > P(A, )P(BiA,) = a188 Estadistica TEOREMA 5.8. (Regla de Bayes). Si los k eventos: A), Ap,--.Ay , constituyen una particién del espacio. muestral : Q, entonces, para cualquier evento B de Q tal que P(B) >0, P(A, )P(B/A;) P(A,/B)= P(B) » paracada i=1,2,--k PRUEBA. Para cualquier evento A, de la partici6n, se tiene: P(A,B) _ P(A,)P(B/A, P(A,/B) = PA OB) _ PAPB/A) P(B) P(B) 7 donde P(B) =>" P(A, )P(B/A,)- ia La regla de Bayes nos permite comparar la probabilidad previa (0 apriori) P(A;) con la probabilidad posterior (0 aposteriori) P(A,/B). Esto es, P(A,/B) es la probabilidad de A, corregida o modificada por la ocurtencia del evento B. Observar que la regla de Bayes da el porcentaje de la contribucién de P(A, © B) con respecto a P(B). EJEMPLO 5.23 Un ensamblador de computadoras usa partes que provienen de tres proveedores P,, P, y Ps. De 2000 partes recibidas 1000 provienen de P, , 600 de P, y el resto de P,. De experiencias pasadas, el ensamblador sabe que las partes defectuosas que provienen de P,, P, y P, son respectivamente 3%, 4%, y 5%. Si se elige una computadora al azar, a) {Cuil es la probabilidad de que contenga una parte defectuosa? b) y si contiene una parte defectuosa, ;cudl es la probabilidad de que haya sido provefdo por P, ?. SOLUCION. Sean los eventos: A,: "Parte proviene del proveedor P;", B: “Parte defectuosa”. Las probabilidades, P(A,), P(B/A,) se ubican en el diagrama que sigue:Teoria de la probabilidad 189 donde 1000 600 400 P(A) = =0.5, P(A,)= =03, P(A,;)=— = (4) = 5000 (42) = 5000 (4) = 000 P(B/A,)=0.03, P(B/A,)=0.04, P(B/A,)=0.05 02 P ca (A )P(BIA,) A————— B___ 005x003 05 0.04 A, 03 42 ——_ B__ 030.04 0.05 02 Spe s02 ols Total P(B) = 0.037 a) Aplicando la regla de la probabilidad total, se obtiene, P(B)= P(A, )P(B/A,) + P(A,)P(B/A,) + P(A; )P(B/A;) P(B) =0.5 x 0.03 + 0.3x 0.04 + 0.2 x 0.05 = 0.037 . b) Aplicando la regla de Bayes, se obtiene, P(AD)PCB/A,) _0.3%0.04 A, /B) =P ADP BIA) _ =0.3243- PAL/B) P(B) 0.037 EJEMPLO 5.24 En un dia cualquiera cuatro méquinas M,,M», M, y M,, producen un bien de consumo en las siguientes proporciones: M, produce el doble de M,. My produce el triple de M,, mientras que M, produce la mitad de M,. Las producciones no defectuosas son respectivamente 95%, 95%, 90% para M,,M>. M ,. Sise elige al azar un articulo de la produecién de un dia y se encuentra que la probabilidad de que resulte no defectuoso es 0.93 a) {Cuél es el porcentaje de produccién no defectuosa de M ,?. b) {De qué maquina es més probable que provenga un articulo defectuoso?. SOLUCION. Sean los eventos:190 Estadistica A; “el articulo extrafdo es producido por la méquina M, ", i B : “el articulo extrafdo es no defectuoso”. Si #(A,) =x, entonces, #(A,)=2x, #(As)=3x, #(A,)=4x, Ademés, #(Q)=10x Por lo tanto, P(A,)=2/10, P(A) =4/10, P(As)=3/10 , P(Ag) = 1/10 P(B/ A) =0.95, P(B/A;)=0.95, P(B/A3)=0.90 a) Aplicando la regla de la probabilidad total, se tiene. P(B) = P(A,)P(B/ Ay) + P(A,)P(B/ Ay) + P(A, )P(B/ Ay) + P(A, )PCB/ Ag) P(B)=0.2 x 0,95 + 0.4 x 0.95 + 0.3 0.90 + 0.1 x P(BI Ag) = 0.93 Luego, P(B/A,)=0.90 b) La probabilidad de produccién defectuosa es: P(B‘)=0.2x 0.05 + 0.4 0,05 + 0.3x0.10+0.1x0.10=0.0.7 Aplicando la regla de Bayes para cada A,, =12.3,4. resulta que P(A; / B®) =0.03/0.07 es mayor que el resto. Por lo tanto, si el articulo escogido al azar es defectuoso, es més probable que provenga de la produccién de Ia méquina M ,. [EJERCICIOS RESUELT EJERCICIO 1 Las probabilidades de que los socios S, y $2 sean elegidos presidente de su club son respectivamente 0.4 y 0.6. Las probabilidades de que se aumenten las cuotas mensuales de los socios son de 0.9 si sale elegido S, y de 0.2 si sale elegido San a) {Cudl es la probabilidad de que haya un aumento en las cuotas mensuales de los socios?. b) Si se aumenta la cuota mensual, ;e6mo se modifican las probabilidades de que salgan elegidos los socios S, y S2?.Teoria de la probabilidad 191 SOLUCION. Sean los eventos: A,: "Sale elegido socio S,", i=1,2, y B: "Se incrementan las cuotas mensuales de los soci Las probabilidades: P(A,)=0.4. P(A,)=0.6, P(B/A,)=0.9. P(B/A,)=02 se representan en el diagrama de 4rbol que sigue: Por tanto, a) P(B) = P(A, )P(B/A,) + P(A2 )P(B/ Az) = 0.4 x 0.9 + 0.60.2 = 0.48 B B PCA, )P(B/A,) _ 0. b) P(A, /B) =A) _ ) P(A, /B) Ba P(A/B)= PlA2)P(B/ Az) _ (0-6)(0.2) _ 9 95 P(B) 0.48 La probabilidad de A, se modifica de 0.4 a 0.75 y lade A, de 0.6.a0.25. En consecuencia, se puede concluir que, si se aumentan las cuotas mensuales. probablemente el socio S,, no sea elegido presidente de su club. EJERCICIO 2. Se estima que la probabilidad de que una compafifa B tenga éxito al comercializar un producto es de 0.95 si su competidora la compafifa A no interviene enel mercado, y es de 0.15 si la Cfa. A interviene en el mercado. Si se estima que A intervendrfa en el mercado con probabilidad de 0.7 a) {Cul es la probabilidad de que la Cfa. B tenga éxito? b) Si la compafifa B no tuviera éxito, zen cuanto se estima Ia probabilidad de que A intervenga en el mercado?192 Estadistica SOLUCION. Sean los eventos B: "la Cia. B tiene éxito" y A: “la Cia. A interviene en el mercado”. Las probabilidades: P(A)=0.7, P(A‘)=0.3, P(B/A)=0.15, P(B/A‘)=0.95, P(BS/ A)=0.85, P(BS/ A‘) =0.05 se representan en el siguiente diagrama de érbol. Por tanto, a) P(B) = P(A)P(B/A) + P(A‘ )P(B/A‘) = 0.7 x 0.15 + 0.3x 0.95 =0.39. 0.15 B op —“ : os BF 0.95 B 03 ae 0.05 B b) P(B‘) = P(A)P(B‘ /A) + P(A‘) P(B‘/A®) = 0.7 x 0.85 + 0.3 x 0.05 =0.61 Si B no tuviera éxito, la probabilidad de que A intervenga en el mercado es: Pape) = PAPBLA) 0.7085 _ pons, PB‘) 0.61 EJERCICIO 3. En un proceso de produccién se sabe que durante cuatro décimas partes de tiempo se producen 20% de unidades defectuosas y durante seis décimas partes de tiempo se producen 15% de unidades defectuosas. De la producci6n que consiste de 20 unidades de s6lo una de las modalidades, se inspeccionan tres elegidos al azar a la vez y se encuentran dos unidades defectuosa. En base a este resultado, qué modificaciones acerca de las probabilidades de las dos calidades de produccién se deben hacer?. SOLUCION. Sean los eventos A,: “calidad del 20% defectuoso”,Teoria de la probabilidad 193 ‘calidad del 15% defectuoso”, y B : “dos defectuosos en la muestra de tres”, Entonces: P(A\)=0.4, P(A) =0.6, P(BIA,)=C3C16/C2 y P(BIA,)=C3Cl" /c? P(B)=0.4C3C}° /C} +0.6C3c}" [CP =69/1140- P(A,/B) =38.4/69 =0.56 y P(A,/B) =30.6/69 = 0.44- La calidad del 20% defectuoso tiene probabilidad corregida igual a 0.56, mientras que la calidad 15% defectuoso tiene la probabilidad corregida igual a 0.44. EJERCICIO 4. Un lote que contiene 12 articulos de los cuales x son defectuosos y el resto no defectuosos es sometido a dos controles. En el primer control se extrae de este lote un articulo al azar , si est bueno se le devuelve al lote y si est defectuoso se lo reemplaza por uno bueno, luego se pasa el lote al segundo control. a) Determinar el nimero articulos defectuosos que hay en el lote si este pasa al segundo control de forma tal que la probabilidad de extraer al azar aqui un articulo no defectuoso es 61/72. b) Suponga que el lote pasa al segundo control con el ntimero de defectuosos hallados en la parte a). El segundo control consiste en extraer 3 articulos al azar a la vez y rechazar el lote si se encuentran al menos dos articulos defectuosos, caleular la probabilidad de aceptar el lote. SOLUCION. a) Sean los eventos, D,: “sale articulo defectuoso en el control i”, i= 1,2. B,: “sale articulo bueno en el control i, # = 1,2. La probabilidad de que el articulo sea no defectuoso en el segundo control es iguala P(B,)~61/72. Ademés, P(B,) = P(D,)P(B,/D,) + P(B,)P(B, /B,) $Ja~ 5, 12 RES Mae) © Same Le 144 Entonces, ~H*+144 _ 61 ge donde resulta x=2. a2)? nR194 Estadistica b) El lote es aceptado, si en la tena de articulos no hay detectuosos 0 hay un slo defectuoso. Sean los eventos A;:"los es articulos extraidos contienen i defectuosos” i=0, 1. La probabilidad de aceptar el lote es: cic? cy P(Ag U A,) = P(Ap) + P(A) = EJERCICIO 5. Un vendedor tiene una lista de 5 clientes a quienes frecuentemente les ofrece un producto. La probabilidad de que uno de tales clientes le compre el producto es inta para cada cliente y est dada por P,=(i—1)/4, para i= 1, 2,3, 4,5. a) Si selecciona uno de los clientes al azar, cual es la probabilidad de que este le compre el producto? b) Si selecciona uno de los clientes al azar y este le compra el producto una primera vez, {cual es la probabilidad de que en una segunda seleccidn al azar este mismo cliente le compre el producto?.. SOLUCION. Sean los eventos: 1 vendedor escoge al i-esimo cliente ", i= 1,2. 3.4.5. B: “El cliente le compra el producto” P(Aj) =1/5 Y P(B/A;)=(i-1)/4 para: i=1, 2, 3,4, 5 Entonces, a) P(B)= >, P(A,)P(B/A,) = (1/5014 +114 + 2144 3/44 4/4) =1/2 b) Siel cliente le compra el producto una primera vez, la probabilidad de que haya escogido al i-ésimo cliente es P(A; / B) = (1/5)i- D2 = (i “110 Sea C: "El mismo cliente seleccionado una segunda vez le compra el producto” Entonces, P(C (A, /B)) = (i-1)/4 parai=1, 2, 3, 4, 5 Luego. P(C)= > P(A, 1 B)P(C ICA, 1 BY) = (O/10)(0/4) + (1/10)(1/4) + (2/10)(2/4) + (3/10)(3/4) + (4/10)(4/4) = 3/4Teoria de la probabilidad 195 EJERCICIOS| 1. si P(A)=5/8, P(B)=3/4y P(A/B)=2/3, calcular p(y ) Rp. 12, 2. Si P(B)=3/15, P(B/A)=/5,y PAD B)=1/15, calcular PAM B') Rp. ais 3. En una muestra de 120 loretanos se encontré que el 60% sufre alguna ’ enfermedad, cl 30% tienen al menos 30 afios, y el 20% son menores de 30 afios y sanos. Si uno de tales loretanos es escogido al azar, ,cudl es la probabilidad a) de que sufra alguna enfermedad y tenga al menos 30 afios?. b) de que sufra alguna enfermedad si tiene al menos 30 afios?. Rp. a) 12/120. bp 12/36. j) De 200 clientes de crédito de una tienda comercial, 100 tienen créditos menores que $200, 15 tienen créditos de al menos $500, y 110 tienen créditos menores de 4 afios. Ademis 30 clientes tienen créditos de al menos 4 afios y de 200 a menos de $500, y 10 clientes tienen créditos de al menos $500 y menos de 4 aiios. a) Si se clige un cliente al azar, gcudl es la probabilidad de que tenga crédito menos de 4 afios si tiene saldo de crédito de menos de $200? b) Si se eligen dos clientes al azar y resultan de al menos de 4 afios de crédito, {cual es la probabilidad de que uno tenga saldo de crédito de $500 0 mds?. Rp. a) 45/100, by CCP C3”. 5. En una encuesta de opinién se encontré que el 254% de los electores votarfan por el candidato E. De los que no votarfan por E el 20% son mujeres y el resto son hombres. Ademas la probabilidad de que un elector clegido al azar sea hombre €s 0.70. Si se elige un elector al azar y resulta ser mujer, {cual es la probabilidad de que no vote por E? Rp. 0.15/0.30. “6. Un comerciante recibe para su venta 80 objetos, 2/5 del proveedor A y el resto del proveedor B. El 12.5% de objetos de cada proveedor son defectuosos. Si se hace una inspeccién de cuatro objetos escogidos al azar a la vez y si resultan a) serde B, zcudl es la probabilidad de que al menos uno sea defectuoso?. b) tres defectuosos, cual es la probabilidad de que dos de los defectuosos provengan de A?. 4 Rp- 1 (GS/ GS epiGs CCR (GLCP aEsce/a’ 7. En horas de trabajo, una cerveceria utiliza dos méquinas embotelladoras M1_y M2, pero no operan simulténeamente. La probabilidad de que la primera196 Estadistica méquina se descomponga es 0.2. Si la primera méquina se descompone se enciende Ia segunda, la cual tiene probabilidad de descomponerse de 0.3. ;Qué probabilidad hay de que el sistema embotellador no esté funcionando en las horas de trabajo?. Rp. M;: fala méquina /:1,2, P(M\7M2)= P(My)P(M2/ M,)=0.20.3=0.06 8. En un lote de 50 articulos, hay 10 de tipo A y 40 de tipo B, se extraen del lote 5 articulos al azar uno por uno si reposicién, cual es Ia probabilidad de que al menos uno de estos sea de tipo A?. Rp. P(al menos uno de tipo A)=1—P(ninguno de tipo A)=0.69 9. S6lo una de las 10 Haves que leva una persona abre la cerradura de su puerta. EI prueba las laves una por una escogiendo al azar cada vez una de las llaves no probadas. Calcular la probabilidad de que Ia Ilave que abre la cerradura sea escogida en el quinto intento. Rp. 01 10. En una urna hay tres balotas numeradas de 1 a 3. Las balotas se sacan al azar una a una y sin reemplazo. Si la balota numerada con r se saca en la r-ésima extraccién se considera un éxito. Hallar la probabilidad de obtener un éxito. Rp. 172. 11. Se prueba un lote de 48 focos uno por uno (sin reposicién). Si el lote contiene dos defectuosos, {cual es la probabilidad de que el tltimo defectuoso se detecte en la tercera prueba? Rp. P(D,B,D,)+ P(B;D,D,)=0.0018 12. La urna I contiene dos bolas rojas y dos bolas azules, mientras que la urna 2 contiene una bola roja y tres azules. Una bola es seleccionada aleatoriamente de Ja urna 1 y colocada en la urna 2. Luego una bola es seleccionada al azar de la urna 2 y colocada en la urna 1. Si ahora una bola es seleccionada al azar de la ura 1, ;cudl es la probabilidad de que esta sea roja?. Rp. 9720 13. Una urna contiene 5 fichas rojas y algunas fichas blancas. Se extrae al azar una ficha de la urna y se reemplaza por una del otro tipo. Luego se saca de la urna una segunda ficha. Determinar el niimero de fichas blancas en la urna si se sabe que Ia probabilidad de que la segunda ficha sea roja es 0.5. Rp.5 14, Para decidir si se acepta 0 no un lote de 12 objetos en donde existen 3 defectuosos, se toman dos objetos al azar y a la vez. Si los dos son defectuosos, se rechaza el lote; si los dos son buenos se acepta el lote, y si slo uno es bueno se toman otros dos objetos al azar y a la vez de los 10 que quedan. Esta vez, si alguno es bueno se acepta el lote, de otro modo se rechaza. Calcular la probabilidad de aceptar el lote. Rp. 36/66 + (27/66)(44/45).Teoria de la probabilidad 197 15. SiP(A)= 13 y P(AUB)=11/21, calcular P(B) a) si los eventos A y B son excluyentes. b) silos eventos A y B son independientes. Rp.a) 4/21, b)2/7 16. Sca el espacio muestral: Q={w,,w2, #3, ws}, donde, PUwY=/4, Pw.))=Y/4, POs )=Y/4, PUws))=Y4 Sean los eventos: A={w;,w2}, B={w,3}, C={,,W4)- (Son los eventos A.B, y C independientes?. Rp. no, pues no se verifica, PABC)=P(A)P(B)P(C).. 17. Pruebe que: a) Si el evento B es independiente del evento A, entonces, A es independiente de B. b) Ay Bsson eventos independientes, si y s6lo si. P(AQ B)= P(A)P(B) ©) Si Ay Bon eventos independientes, entonces, P(B/A) = P(B/ A‘) 18. Un negocio es tal que su probabilidad de éxito es p. El negocio se realiza dos veces de manera independiente. {Qué valor de p hace maxima la probabilidad a) de obtener éxito una sola vez? b) de obtener éxito al menos una vez? Rp. a) Prob=2p(1-p). Prob. es maxima si p=1/2, b) 2p(t-p}+p”. es maximo, si p=1 19. Prucbe que todo evento de probabilidad cero o uno es independiente de cualquier otro evento. Rp. Si P(A}=0. de ANBCA. P(AMB)=0=P(A)P(B). Si P(A)=1. de P(BEP(ANBH+ PLAS B), PAC BY=PLB=P(A)P(B), ya que P(ACB)SP(AS=0. 20. Suponga que una compafifa utiliza un procedimiento de prucba que es confiable en 98%. -Es decir identifica correctamente a un objeto como defectuosos 0 no defectuoso con una probabilidad de 0.98-. En un esfuerzo por reducir la probabilidad de error a cada objeto se somete a dos pruebas independientes a) {Cual es la probabilidad de que un objeto no defectuosos no pase ambas prucbas? b) {Cual es la probabilidad de que se detecte a un objeto defectuoso, es decir de que no pase por lo menos una de las dos pruebas? Rp a) 0.02x0.02, by 0:98x0,02+0,02x0.944+0.98%0 98198 Estadistica 21. Una urna contiene 10 objetos numerados de 1 a 10. Un juego consiste en sacar tales objetos y termina cuando sale el numerado con uno. {Cudl es la probabilidad de que el juego termine si se sacan al azar 5 objetos a) alavez?. b) uno a uno sin reposicién? c) uno auno con reposicién?. Rp. a) 0.5, b)O.1, €) 910° 22. Se ha determinado que el porcentaje de televidentes que ven los programas A, B y C son respectivamente 0.4, 0.5, y 0.3. Cada televidente ve los programas independientemente uno del otro. Si se elige al azar a uno de tales televidentes, {qué probabilidad hay de que vea a) dos de los tres programas? b) al menos uno de los tres programas?. Rp.a) 0.29. b)0.79 23. En una oficina hay dos computadoras A y B que trabajan de manera independiente. Si en un momento cualquiera la probabilidad de que la maquina B esté en mal estado es 1/4 y la probabilidad de que sélo la maquina A esté en mal estado es 3/10, cual es la probabilidad de que sdlo la mdquina B esté en malas condiciones?. Rp. 320 24. En los circuitos de la figuras que siguen, la probabilidad de que cada llave se cierre (pase corriente) es p, 0-< p<1. Si todas las llaves se cierran o abren en forma independiente, calcular la probabilidad de que la corriente pase de E a en a),y b). FH ’ 3 a)E S bE Ss eal 7 KH 2 3 “a by 2p? - p’ Rp.a) p(t pp 25., Un experimento se realiza tantas veces en forma independiente hasta obtener el primer éxito. Suponga que en cada intento la probabilidad de que se tenga éxito, es de 0,95 si se siguen correctamente las instrucciones; y es de 0.20 si no se siguen correctamente las instrucciones. Calcular la probabilidad de alcanzar el éxito en tres intentos a lo mas a) _ si se siguen correctamente las instrucciones cada vez, b) sino se siguen correctamente las instrucciones cada vez. Rp. a) 0.999875, b) 0.488,Teoria de la probabilidad 199 26. Calcular la probabilidad de que un mensaje de n (n 2 1) digitos binarios, (0, y 1) sea incorrecto, si la probabilidad de recibir un digito incorrecto es p y si los digitos se reciben en forma independiente. Rp. -(-py" 27. Suponga que un sistema funciona si al menos una de sus componentes funciona. Si las componentes trabajan independientemente y si la probabilidad que falle cada una es de 0.01, ,cudntas componentes deberfa tener el sistema para que no falle con probabilidad de 0.99997. Rp.2. 28. Una persona est expuesta a | riesgo en 100 ocasiones independientes. Si la probabilidad de que ocurra un accidente es 1/100 cada vez, hallar la probabilidad de que un accidente ocurra en una 0 més ocasiones. Rp. 1 ~ (99/100)' = 1 - 0.366 = 0.634. 29. Un experimento aleatorio se repite sucesivamente 10 veces en forma independiente. En cada prueba la probabilidad de éxito es 1/4. Calcular la probabilidad de que ocurran 3 éxitos si el dltimo intento debe ser un éxito. Rp. €3(025)° 10.75)" 30, Respecto al partido de fiitbol que protagonizaran los equipos A y B el proximo domingo, se piensa lo siguiente: De todas maneras se abriré el marcador y cualquiera de los dos equipos tiene igual probabilidad de hacerlo. Si A anota el primer gol, la probabilidad de que el préximo también sea de A es 2/3 contra 1/3 de que sea de B; en cambio si B es el que anota, primero el gol, habra un segundo gol que puede ser con igual probabilidad para cualquier bando. Si el marcador Hega a ponerse dos a cero a favor de cualquier equipo la desmoralizacién de uno y la apatfa del otro impedirn que haya més goles: en cambio si Iega a ponerse 1-1, puede ocurrir tres cosas con iguales probabilidades: que A anote y gane 2-1, que B anote y gane 2-1 0 que no haya mis goles. Use un diagrama de 4rbol para calcular: a) la probabilidad de que B gane. b) la probabilidad de que B haya abierto el marcador dado que gané el partido. 4 ae — ® > —ji- 1 Rp.a) PUB gane) =~ 2 er” abaya) (31. Suponga que en cierta regién del pais la probabilidad de que un adulto mayor de 40 afios tenga céncer es 0.05. La probabilidad de que el diagnéstico sea correcto es 0.80, y de que sea errado es 0.20. Si se elige al azar a una de esas personas. calcular la probabilidad de que a) se le diagnostique cdncer. b) si se le diagnostica cancer, tenga realmente tal enfermedad. Rp. a) 0.23 b) 0.04/0.23 = 0.1739,200 Estadistica 32. Ante una pregunta de opcién multiple de 5 alternativas donde s6lo una es la Tespuesta correcta, un examinado, puede saber la respuesta o no saberla o tener dudas. Si no sabe, marca al azar. Si duda, reduce las alternativas a 3 de las cuales una es la correcta y luego, responde al azar. Si la probabilidad de que conozca la respuesta es 0.5, de que no conozca es 0.2 y de que dude es 0.3 a) Hallar la probabilidad de que acierte la pregunta. b) Si acerté la pregunta, gque probabilidad hay de que no haya sabido la repuesta? Rp. a) 0.64 b) 0.04064. 33. Sélo el 60% de la mercaderia que recibe un comerciante del fabricante A es de calidad excepcional, mientras que el 90% de la mercaderfa que recibe del fabricante B cs de calidad excepcional. Sin embargo la capacidad de fabricacién del fabricante B es limitada, y por esta raz6n slo el 30% de la mercaderia le es permitido adquirir del fabricante B, cl 70% 1a adquiere de A. Se inspecciona un embarque que acaba de llegar y se encuentra que es de calidad excepcional, {cual es la probabilidad de que provenga del fabricante A? Rp. 0420.69. 34. En un proceso de produccién el porcentaje de objetos no defectuosos fabricados es 70% con probabilidad 0.35, 90% con probabilidad 0.25, y 60% con probabilidad 0.4. Si se selecciona al azar uno de tales objetos y si resulta no defectuoso, calcular la probabilidad de que sca de calidad del 90% no defectuoso. Rp.0.225/0.71 35. El 100% de una poblacién de electores se divide en tres estratos sociales excluyentes: baja, media y alta; de manera que la clase baja o media son el 90% det total, y la clase media o alta cl 40% del total. De los primeros sondeos realizados para las pr6ximas elecciones, se afirma que el porcentaje de electores que votarian por el candidato D puede ser: 30% de clase baja 50% de clase media 70% de clase alta a) Si se clige un elector al azar y se encuentra que vota por D, cual es la probabilidad de que pertenezca a la clase alta?. b) Si se escogen dos electores al azar, {qué probabilidad hay de que uno de ellos vote por D?. Rp. a) 0.175, b) 0.48. 36. Una méquina produce un tipo de objeto en distintos periodos. Si la mAquina est bien ajustada en un periodo, el 80% de los objetos producidos pasan el control de calidad, de otro modo sélo pasan el 60%. Sc ha determinado que cl 90% de los periodos la méquina est bien ajustada. De los 25 objetos producidos en un solo periodo se escogen 3 af azar y a la vez para el control de calidad. a) {Qué probabilidad hay que sélo 2 pasen el control de calidad?. b) Si s6lo 2 pasen el control de calidad ;qué probabilidad se tiene que haya sido producido cuando la méquina trabaja en un periodo de buen ajuste?. Rp. a) 960/2300, by 855/960.Teoria de la probabilidad 201 37. El departamento de créditos de una tienda comercial afirma que segin sus experiencias pasadas la probabilidad de que el 20 % de los clientes que compran por més de $50 es igual a 0.3 y que la probabilidad de que el 60% de los clientes compren por més de $50 es igual a 0.7. Sin embargo al entrevistar a dos clientes al azar se encuentra que los dos compraron por mds de $50. En base a este resultado, gqué modificacién acerca de las probabilidades 0.3 y 0.7 debera hacer la tienda comercial?. Rp.D:2 compran por més de $50. P(20%)=0.3, P(60%)}=0.7, P(D)=0.3(0.2)+0.7(0.6"= 0.012+0.252=0.264, P(20%%/D}=0.045, P(60%/D)=0.955 38. A un candidato le han indicado que obtendria el 60% de los votos con probabilidad 0.2, el 45% de los votos con probabilidad de 0.3 y el 70% de los votos con probabilidad 0.5. Después de preguntarle a 4 personas se obtiene que 2 de ellas votarfan por el candidato. A la luz de este resultado, {cual es la probabilidad de que el candidato obtenga el 60% de los votos?. Rp.02C7 0670.47 03 C} 0.4570.55°+0.5 C3 0.7°0.3°=0.1095, 0.06912/0.10955=0.63. 39. Una agencia de publicidad observa que el 2% de los compradores potenciales de un producto ve su propaganda por periédico, el 20% ve dicha propaganda por tclevisin y el 1% ve los dos tipos de propaganda. Ademdis de cada tres que ven la propaganda uno compra dicho producto y el 7.9% compran y no ven la propaganda a) {Cual es la probabilidad de que el comprador potencial compre dicho producto si no vio la propaganda? b) Si un comprador potencial compra el producto, gcusil es la probabilidad de que no haya visto la propaganda? Rp. a) 0.079/0.79=0.1, b) 0.21(1/3)+0.79(1/10)=0.149, y 0.079/0.149 40. Un gerente est a la espera de Ia Hamada telefénica de 3 de sus clientes para realizar un negocio. La probabilidad de que lo Hamen cualquiera de sus 3 clientes en forma independiente es 0.3. Ademas la probabilidad de realizar el negocio es de 0.20 si Hama un cliente, es de 0.4 si llaman dos clientes, y es de 08 si llaman los 3 clientes. Si ninguno de los 3 le llama, no realiza el negocio. a) calcular la probabilidad de que realice el negocio. b) {cudntas lamadas de clientes es mas probable que haya recibido el gerente sabiendo que realiz6 el negocio?. Rp. Si A,: “Haman i clientes 0,1,2,3, entonces, P(A,) = C3(0.3)'(0.7)" Si B: “realiza negocio", P(B/A,) = 0, P(B/A) = 0.2. P(B/A,) = 0.4, P(B/A,)=08 8)0+0.0882+0.0756+0,0216=0.1854, b) 1 pues es 0,0882/.1854Capitulo 6 VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD 6.1 Variable aleatoria Una variable estadistica es una caracteristica (cualitativa 0 cuantitativa) que se mide u observa en una poblacién. Si la poblacién es aleatoria y la caracteristica es cuantitativa la variable estadistica es denominada variable aleatoria. Las variables aleatorias se clasifican en discretas y continuas. Definicién, Se denomina variable aleatoria, a una variable _ estadistica cuantitativa definida en un espacio muestral Q. Esto es, una variable aleatoria X es una funcién definida en Q tal que a cada elemento we Q le asocia el niimero real x= X(w), (figura 6.1). Q Reales Ry x= X(w) Fig. 6.1 EI dominio de la variable aleatoria X es el espacio muestral Q y el rango es un subconjunto de los mimeros reales que denotaremos por Rx. siendo, Ry ={xeR/x= X(w),weQ).Distribuciones de probabilidad 203 EJEMPLO 6.1. Sea Q el espacio muestral que se obtiene al lanzar al aire una moneda tres veces consecutivas, esto es, Q = (SSS, SSC, SCS, CSS, SCC, CSC, CCS, CCC). Si X se define en Q como "el nimero de caras obtenidas", entonces, X es una variable aleatoria cuyo rango es el conjunto: Ry = {0,1.2,3}. En efecto, X =0, corresponde al evento elemental {SSS}. X = |, corresponde a los eventos elementales {SSC}, {SCS} y {CSS}. X =2, corresponde a los eventos elementales {SCC}, {CSC} y {CCS}. X = 3, corresponde al evento elemental {CCC). EJEMPLO 6.2. Sea Q, el espacio muestral que resulta de lanzar un dado sucesivamente veces hasta obtener el primer dos, esto es, Q={E, FE, FFE, FFFE,...etc...} donde E(éxito)=“sale dos”, y F(fracaso)="No sale dos" , en cada prucba. La funcién Y definida en Q, como “el mimero de lanzamientos realizados", es una variable aleatoria, cuyo rango es el conjunto: Ry ={1,[Link]..}. Esta variable ejecuta las siguientes asignaciones: (E) = 1, Y(FE)=2, Y(PFE) = 3.... etc.. En algunos casos el resultado w de un experimento aleatorio es ya la caracteristica numérica que queremos anotar. en este caso se define la variable aleatoria X como la funcidn identidad, esto es, X(w) = w. EJEMPLO 6.3. Sea Q el espacio muestral que consiste del tiempo de duraci6n de un artefacto electrodoméstico obtenido al azar de un lote, entonces, Q=(weR/w>0}. Sila variable aleatoria X se define también como el tiempo de duracién del artefacto, entonces X es la funcién identidad cuyo rango es el conjunto: Ry ={xeR/ x20}. NOTA. La variable aleatoria es pues, una funcién que atribuye a cada evento elemental un mimero que no es aleatorio 0 imprevisible si no fijo y predeterminado.204 Estadistica Lo que es aleatorio es el experimento sobre cuyo espacio muestral se define la variable aleatoria, Esta funcién puede estar definida por una ley 0 regla o por un conjunto de niimeros reales atribuidos mediante dicha ley o regla. En la mayorfa de tas aplicaciones, se est4 més interesado en los valores que toma la variable, ignorando completamente el espacio muestral en el que se define. El rango de Ja variable aleatoria es un espacio muestral inducido por la variable. Clasificacion. Las variables aleatorias se clasifican en general en discretas y continuas. Una variable aleatoria discreta cs aquella cuyo rango es un conjunto finito 0 infinito numerable de valores (ejemplos 6.1 y 6.2). Si la variable aleatoria X es discreta, su rango se expresard en general por be Ry =la. 25. Una variable aleatoria continua es aquella cuyo rango es un intervalo en ¥ © conjunto infinito no numerable de valores reales (ejemplo 6.3). En general las variables aleatorias discretas representan datos que provienen del conteo del nimero de elementos, mientras que, las variables aleatorias continuas representan mediciones, por ejemplo, tiempo. peso, longitud., etc.. 6.2. Variable aleatoria discreta: Funcién de probabilidad y funci6n de distribucién acumulada. 6.2.1. Probabilidad en el rango Ry. Una variable aleatoria discreta asume cada uno de sus valores con cierta probabilidad que denotaremos por Px (probabilidad inducida por X). En efecto, si el rango de ta variable aleatoria X es el conjunto finito de numeros. Ry =(2u0x,} y si B=(x;) es uneventoen Ry , entonces,Distribuciones de probabilidad 205 Py (x, )) = PUwe Qs X(w)=3,}), © Py({x)})= P(A), donde, A={we Q/ X(w)€ B} Con frecuencia, se utiliza la expresién P[X =.x,] para denotar la probabilidad Py ({4;}) - esto es, PLX = 4;]= P(we Qs X(w)=4;}). Por ejemplo, sila variable aleatoria X es el nimero de caras que resultan al tirar una moneda 3 veces, el rango de Xes Ry = {[Link]}, entonces, PIX = 0] = PUSSS}) = 1/8. P{X = 1] = P({SSC 0 SCS 0 CSS}) = 3/8. P[X = 2] = P({SCC 0 CSC 0 CCS}) = 3/8. PIX = 3] = PUCCC)) = 18. En general, sea P una probabilidad definida en un espacio muestral Q, y X una variable alcatoria definida en Q cuyo rango es el conjunto de niimeros Ry. la probabilidad Py del evento B en Ry se define por: Py (B) = P(A) siendo Aen Q un evento equivalente a B (figura 6.2), esto es, A={weQ/X(w)eB). PIA) = Py (B) Fig. 6.2206 Estadistica NOTAS. 1. El conjunto de pares (x;,P[X = x;]) es la distribucién de probabilidades de la variable aleatoria X . Esta distribuciOn es similar a una distribucién de frecuencias relativas. por tanto, se pueden calcular, por ejemplo, medidas de tendencia central y de dispersién mediante un proceso similar al que se hizo con la distribucién de frecuencias relativas Solo habré que cambiar las notaciones por tratarse ahora de una poblacién. 2. Las probabilidades p; = PLX = x,]. x, € Ry satisfacen las propiedades: =], a) p, 20,paracada x,€ Ry, b) eRy 3. Por extensién para todo nimero real x # x, , siendo x, € Ry, se define: P{X =x] = P()=0 En consecuencia, queda definida la probabilidad P[X = x} para todo ntimero real x. 6.2.2 Funcién de probabilidad Definicién. Sea X una variable aleatoria discreta. Se denomina funcién (ley 0 modelo 0 distribucién) de probabilidad de X a la funcién f(x) definida por f(x)=P{X =x] para todo x ntimero real y que satisface las siguientes condiciones: DF)2O WeeR y it) DY flx,)=1 aeRy La condicién ii) Ess Df) = Hast Ry = Las xz0q) 8 finito, i Es: D(a )=1 si Ry =(4122..00t.} es infinito,Distribuciones de probabilidad 207 NOTAS. 1. Si AC Ry , entonces, la probabilidad de A es el ntimero: P(A)= PIX dso. eA yea El lector deberia verificar que P(A) es una probabilidad, esto es, satisface los axiomas de probabilidad. 2, La funci6n de probabilidad de una variable aleatoria X se puede expresar: por una ecuacién : f(x) = P{X = x]= expresin dex, 0 por el conjunto de pares {(x;.p,)/ p =f), x Ry} 0 por una tabla. como 6.1 (si Ry es finito). Tabla 6-1: Distribucién de probabilidad de v. a. discreta Valores x; de X & |e Pe |= x Probabilidad p) = P{X =x] | Pi} P2 | Px | ~~ | Pa La gréfica de una distribucién de probabilidades discreta es la grifica de bastones que consiste de segmentos verticales continuos 0 punteados de longitud proporcional a la probabilidad respectiva en cada valor x, de la variable (figura. 6.3). EJEMPLO 6.4. Sea X la variable aleatoria definida como el mimero de caras que ocurren al lanzar una moneda 4 veces. a) Determinar la distribucién de probabilidades de X . Graficarla. b) Calcular la probabilidad P[O< X <2]. ©) Determine la distribucién de probabilidades de X si la moneda se lanza n veces (n22). SOLUCION. a) El rango de 1a variable aleatoria X, es el conjunto Ry =(0.1,2,3,4) Suponiendo que los dieciséis sucesos elementales del espacio muestral son equiprobables, la funcidn de probabilidad, es descrita por: (0) = PLX =0]= P(SSSS) =1/16 Ff (l)= P[X =1]= P(SSSC 6 SSCS 6 SCSS 6 CSSS) = 4/16 £(2)= PX =2]= P(SSCC6 SCSC6 SCCS 6 CSSC 6 CSCS 6 CCSS) = 6/16 £(Q)= P[X =3]= P(SCCC 6 CCSC 6 CSCC 6 CCCS) = 4/16208 Estadistica f(4)= PLX =4]= P(CCCC) ="16- Observar que si ke Ry, entonces, X=k, siy s6lo si, en las 4 tiradas de la moneda aparecen k caras y 4—k sellos. Esto ocurre de C4 formas. Cada una de esas formas tiene probabilidad: (/2)* a/2)** = a/2)* = 1/16 ), 1, 2, 3, 4. Luego, la funcién de probabilidad del numero de caras se puede describir como tabla 6.2 6 como Ia ecuacién: Cr (ky=—-, k=0,1,2,3,4. fO=55 Cuya gréfica es la figura 6.3. b) PIO flo = f+ f2)= - ©) f(D) =CR(Y2)" 2r -2, x=0,1,2, 6/16 416 116 0 1 a. 3) gg, Fig. 63 NOTA. Sip; = f(4,), la media de X se calcula por =)” p,x, . y la varianza rot x? —p?. En el ejemplo 6.4, el mimero de caras al lanzar una por PX moneda 4 veces, tiene media j1=2 caras, y varianza G = | cara’. (jverificar!),Distribuciones de probabilidad 209 6.2.3 Funcién de distribuci6n acumulada de variable aleatoria discreta Definicién. La funcién de distribucién acumulada (f.d.a.) de probabilidades 0 simplemente funcién de distribucién, F(x), de la variable aleatoria discreta X, cuya funcién de probabilidad es f(x), se define por: FO)= PX » ae aon Baer =1, de donde resulta c=e™. a > X= 0,1,2,...er0... Entonces, f@)= La funci6n de distribucién acumulada F(x) de esta variable aleatoria es: 0. si-e cribs: PIX =xo]= Plto SX 3. Si l3. La funcién de distribucién acumulada y su grifica (fig. 6.10) son: i 0 si-o c]= 0.017. SOLUCION. a) F(+00) — F(0)=(1-k x0)—(I-k xe°) =1, emtonces_k =1.. Luego. fos dF(x~) ee" si x>0 dx 0, si xc]=1- P[X 200}-0.5, g=I-p. Prob.= C3p’q” = 0375 21. Sea X una variable aleatoria continua con funcién de densidad de probabilidad ae sil2,Esperanza y varianza de variables aleatorias 233 6.5 Valor esperado o esperanza matematica. Las distribucién de probabilidad de una variable aleatoria se caracteriza basicamente a través de medidas de la tendencia central y de la dispersién, Estas medidas caracteristicas de la distribucién denominadas parametros se describen por medio de la esperanza matemética. 6.5.1 Media de una variable aleatoria La media de una variable aleatoria X 0 media de la distribucién de probabilidad de X es un niimero real que se denota por ty 0 por 1. Lamedia es denominada también esperanza matemitica o valor esperado de X, y se denota también por EO, Definicién 1. La media de una variable aleatoria discreta X con funcién de probabilidad f(x) es la expresi6n: H=E(X)= Dx FO) ih Si el rango de X es el conjunto finito Ry = (x1,x2.., }, entonces, FOOD =P xf) Si el rango de X es el conjunto infinito numerable Ry =({x,,x2,....}, entonces, E(X)= af) En este caso, si la suma indicada no es igual a un ntimero real, se dice que la esperanza de X no existe. Definicién 2. La media de una variable aleatoria continua X con funcién de densidad de probabilidad f(x) es la expresién: E(X) [Eyer siempre que el valor de la integral sea un nmero real, en caso contrario, se dice que la media de X no existe. EJEMPLO 6.19 Calcular la media de la distribucién de probabilidad de la variable aleatoria X que se define como el mimero de caras cuando se lanzan cuatro monedas.234 Estadistica SOLUCION. La distribucién de probabilidad de X se da en la tabla 6-3 Tabla 6-3 oF | 0 1 | 2. | 3 4 £6) Tine | ane [ons [ane | ine La media de X es el némero rem Zansle) ett) a) 4) Esto significa que si una persona lanza 4 monedas, muchas veces, en promedio obtendré 2 caras por lanzamiento. NOTA. (Interpretacién de la esperanza) Refiriéndonos al ejemplo 6.19, supongamos que repetimos n veces el lanzamiento de las cuatro monedas y que se obtienen Jas frecuencias absolutas NosMhsM2.M3 yng de las veces que ocurren; 0, 1, 2, 3 y 4 caras respectivamente. Lo que resulta es una distribucién de frecuencias cuyo promedio de caras por lanzamiento es igual a X= Din teen RIK Ray ans =0x0 +1. ft +2x ” 43x28 +4x4 n D tate A En el célculo de E(X) se usan probabilidades 0 proporciones tedricas, mientras que en el célculo de X se usan frecuencias relativas o proporciones empiricas obtenidas a partir de una muestra de tamafio n. A medida que n vaya creciendo es de esperar que las frecuencias relativas empiricas: no/n, mn, nz[n, my[n y ngfn se vayan aproximando a las correspondientes probabilidades 1/16, 4/16, 6/16, 4/16, y 1/16. En consecuencia, es de esperar que X se vaya aproximando a E(X) a medida que n crece indefinidamente. Entonces, E(X) es la media que se obtiene a “largo plazo” o a la “larga” , en otras palabras es la media que se espera obtener. NOTA, (Mediana y moda de una variable aleatoria). La mediana de una variable aleatoria X es el ntimero Me tal que: F(Me) = P{X 0.5 Probabilidad 0.75 0.25 Utilidad $100 $500 Utilidad esperada: 0.75x100+0.25x500=$200, EJEMPLO 6.27 La demanda en miles metros de determinada tela que produce una compafifa texti] es una variable aleatoria X que tiene funcién de densidad siguiente: foot, si O. fly) a Por ejemplo, se seleccionan al azar dos fichas de una urna que contiene dos fichas rojas. tres blancas y dos azules. Si X es el numero de fichas rojas e ¥ el ntimero de fichas blancas, entonces, los posibles valores de (X.Y) son: (0.0). (0.1). (1.0). (1,1), (0.2), (2,0) y la funcién de probabilidad flx,y) estd dada por la tabla 6.10. Tabla 6.10 fixy) x0 a= x=2 total fila: h(y) =O) 7 22 32 62 yl 6721 621 0 PAI y=2, 3/21 0 0 W21 Total columna: gx) [10/21 8/21 321 2721 Definicién: Si flx,y) es la distribucién conjunta de las variables X ¢ ¥. Las distribuciones marginales de X e Y estan dadas respectivamente por: 8)= flay, y AQ= flew. En la tabla 6.10, g(x) se ubica en el total columna. mientras que h(y) se ubica en el total de fila. Las funciones marginales para variables aleatorias continuas X e ¥ cuya funcion de densidad de probabilidad conjunta es fix,y), estén dadas respectivamente por: 8) = if. fe yd, y ACY) = Je, FO, vide Definicién. Se dice que dos variables aleatorias discretas X e Y son estadisticamente independientes, si los eventos: (X=x] e — [Y=y] son independientes para cada par (xj,y,)¢Rx x Ry. Esto es, Xe Y son dos variables aleatorias independientes, si y s6lo si. SFOj¥)= PX =4; AY = y ]=PLX =x, JPLY = y 1 = 80 )hly,)Esperanza y varianza de variables aleatorias 245 para todo (x,,¥;)€Ry x Ry. Definicién, Se dice que dos variables aleatorias continuas X e Y son estadisticamente independientes, si y sélo si, Fle y)= Bony) siendo fix,y) la funcién de densidad conjunta de las variables aleatorias Xe Y, y (2), h(9) las funciones marginales respectivas. NOTA. En general, si X4,X p05 continuas) independientes, entonces, FO X29 Xn) = FOF O2)--FOn)- son n variables aleatorias (discretas 0 NOTA. La funcién H(X) de la variable aleatoria X, es una variable aleatoria. También la funcién G(X,Y) de dos variables aleatorias X, Y, es una variable aleatoria. Por ejemplo, son variables aleatorias: G(X,Y)=X+¥ G(X,Y)=X-¥, G(X,Y)=XY, G(X.Y)=X/¥. 6.5.5 Propiedades de la esperanza matematica 1. Si ay b son constantes reales, entonces, E(aX +b)=aE(X)+b. 2. Como consecuencias de la propiedad 1) se tienen: 2a) E(b)=b 2b) E(X +b)=E(X) +b 2c) E(aX)=aE(X), 3. SiXe Y son variables aleatorias y a, b son constantes reales, entonces, E(aX + bY) =aE(X)+bE(Y). En particular se tiene: 3a) E(X +¥)=E(X)+ E(Y), sia=ly b=1 3b) E(X ~Y)=E(X)-E(Y) sia=lyb246 Estadistica 4. En general, si X;,Xo,...X, son n variables aleatorias y a,ap... constantes reales, entonces, Sox] Dae) 5. Si Xe ¥ son variables aleatorias independientes y a, b son constantes reales, entontes, E(aXbY) = abE(X )E(Y). 6. En general, si X,,X>,...X, son n variables aleatorias independientes, entonces, E(XX9-0X,) = E(X JE(X 9) E(X ,)- 6.5.6 Propiedades de la varianza La varianza es un ntimero real no negativo. Ademds se tiene: A. Var(X)=E(X*)-? En efecto, Var(X)= E[(X -w) = AIX? -2nxX +p?) Luego, o? = E(X”)—2nE(X) +p? = E(X7)—p?. 2. Siay b son constantes reales, entonces, Var(aX +b) = a?Var(X). 3. Como consecuencias de la propiedad 2) se tienen: 3a) Var(b)=0 si a=0. 3b) Var(X +b)=Var(X), sia= 3c) Var(aX)=a"Var(X) 4. Si X € ¥ son dos variables aleatorias independientes y a, b son dos constantes reales, entonces, Var(aX +bY)=a7V(X)+b?V(¥)Esperanza y varianza de variables aleatorias 247 En efecto, Var(aX + bY) = E{(aX + bY)*]—{E(aX +bY))? = E(a?X? + 2abXY + b°Y?)—[E(aX) + E(bY)|* =a°E(X*)+ 2abE(XY) +b" E(Y?) — a®[E(X)}? - 2abE(X )E(Y) - b? [EWP =a [E(X?) -[E(X)P 1+ 6° [EW?) ~ LE)? 1 +0 =a°Var(X) +b*Var(¥). En particular si X e Y son variables aleatorias independientes: 4a) Var(X +¥)=Var(X)+Var(Y), sia=ly 6 4b) Var(X —~Y)=Var(X)+Var(Y),si a=1 y b=-1. 5. En general, si X,,X2..X, son n variables aleatorias independientes y @j,4....,4, Sonn constantes reales, entonces, Var| Sox a?Var(X,) EJEMPLO 6.31 El ntimero de defectos de un producto es una variable aleatoria X cuya distribucién de probabilidad se da en la tabla 6-11, Tabla 6-11 x 0 1 2 i 4 si fx) ino _[ 210 | 3n0 | 210 | iio [0 Si el costo del producto esté dado por la expresi6n C=4+2X -0.2xX? determinar el costo esperado del producto. SOLUCION. B= 0x0.141x0.2+2x0.34+3x0.24+4x01+5x0.1=23 E(X?) =0? xO.1+1? x0.2+ 2? x0.3+37 x0.244? 0.145? x0.1=7.3248 Estadistica E(C) = 442E(X)—0.2E(X?) = 442%2.3-0.2%7.3=7.14 EJ EMPLO 6.32 Un dado se tira n veces. Calcular el valor esperado, y 1a varianza de la suma de los puntos que resulten. SOLUCION. Si X;, es el ndmero de puntos que resulta en la tirada i, siendo i=1,2,3....n. Entonces, la suma de estas n variables aleatorias independientes, ¥ Dx es la suma de los mimeros de puntos que resultan de las n tiradas, Debemos caleular a esperanza y la varianza de la variable aleatoria ¥. La distribucién de probabilidad de cada variable aleatoria X; es dada en la tabla 6.12, de donde resulta: E(X;)=7/2. Ademés, E(X})=91/6, Luego, Var(X,)= E(X?)—? =91/6~ (7/2)? =35/12 ‘Tabla 6.12 ie x) 4.8 5 6 Luego, el valor esperado de la suma de puntos es: we | 16 [16 | 116 . 7 _ In E(YY)= > X, |= > Ee, => == (Y) 2 4 (X;) 9 1 2) 76 [16 y la varianza de la suma de puntos es: von-r[ $x, }- Sivan = $3 8 = EJEMPLO 6.33 La vida Util de una baterfa en afios es una variable aleatoria X con la funcién de densidad de probabilidad. f() 30.22%, x20. Si el costo del producto esté dado por la expresion,Esperanza y varianza de variables aleatorias 249 C=80+42X +0.2X? determinar el costo esperado de la bateria. SOLUCION =5. Deo? =E(X?)-p? =—L-=25, resulta: E(X?)=50. 02 (0.2) Luego, E(C)=80+ 2E(X) + 0.2E(X*) =80+ 2x5 +0.2x50=100 E(X)= EJERCICIO. (Desigualdad de Chebyshev). Si X es cualquier variable aleatoria cuya distribucién f(x) tiene media ft y desviacién estandar 6, pruebe que : Plu-ko < X Sp+ko]>1-(/k?), k>0 Prueba. H+ ke ke Ps Plu-ko $X 275}=P[X>1500}=0.25, 23. Un agente de bienes raices gana S/.1000 mds una fracci6n X de la ganancia que desea obtener el propietario. Si se considera a X como una variable aleatoria continua con funcidn de densidad Ax(i-x) si O11000}-P[X>0.4]=0.648. 24, La vida itil de una baterfa en afios es una variable aleatoria X con la f.d.p. £0) =0.2e°*, 20 EI fabricante ofrece una garantia de un aio. Si la bateria falla en ese periodo se reemplaza por otra, a lo mds una sola vez. Si el costo de fabricacién es de $20 por cada baterfa y se vende a $50 cada una a) {Cual es la utilidad esperada del fabricante? b) {Cuél debe ser el tiempo de garantfa que el fabricante debe ofrecer para que s6lo devuelva el 5% de las bateria producidas?. Rp. a) 30(e}+10¢1-€*), b) 0.05=P{XSK], k=0.2565, 25. La proporcién de pureza X por gal6n de un compuesto que produce una empresa es una variable aleatoria con funcién de densidad: pore Oc}<0.16 Rp. 30. Si Xe Yson dos variables aleatorias independientes, probar que: Var(X +¥)=Var(X + Var(¥) 31. Si X es una variable aleatoria que tiene media w y desviaci6n estindar o hallar la media y la varianza de la variable aleatoria estandar: Z=(X-w/>o Rp. E20. VartZ)= 1 32. Sea X cualquier variable aleatoria. Si E\(X —c)*] existe. calcular el valor de Ja constante c que la haga minima . Rp. c= BINCapitulo 7 ALGUNAS DISTRIBUCIONES IMPORTANTES Introduccié6n El comportamiento de una variable aleatoria queda descrita por su distribucién de probabilidad. En muchas tareas estadisticas, se busca determinar una distribucién de probabilidad 0 modelo probabilistico que satisfaga un conjunto de supuestos, para estudiar los resultados observados de un experimento aleatorio. Se pueden definir muchas distribuciones de probabilidad tanto de variable aleatoria discreta como de variable aleatoria continua. Algunas, que tienen aplicaciones estadisticas importantes y que se estudiardn a continuaci6n son: Discretas: Continuas: Bernoullf Uniforme Binomial Normal Geométrica Gamma Pascal Exponencial Hipergeométrica Chi-cuadrado Poisson tyF258 Estadistica 7.1 ALGUNAS DISTRIBUCIONES IMPORTANTES DE VARIABLES ALEATORIAS DISCRETAS 7.1.1 Distribucién de Bernoulli — Definicién. Se denomina prueba o ensayo de Bernoulli a todo experimento aleatorio que consiste de s6lo dos resultados posibles mutuamente excluyentes, generalmente llamados: éxito (E) y fracaso (F). Por ejemplo, son ensayos de Bernoulli, lanzar una moneda al aire con los resultados: cara o sello. Elegir al azar un objeto fabricado, con los resultados: defectuoso 0 no defectuoso, etc.. El espacio muestral asociado al experimento aleatorio de Bernoulli se puede escribir como el conjunto: Q=(E, F} Definicién. La Variable aleatoria X definida en © de manera que atribuye a E el valor | ya Fel valor 0, se denomina variable alestoria de Bernoulli. Definicién. Si p= P[X =I] es la probubilidad de éxito, donde O p= mp. it = i > p= p)=npt =p). b) 6? =Var(X) =Va Sx,)-Svoex a NOTA. Si p=1/2, la distribucién binomial B(n, p) es simétrica. Ademas, si p>, la distribucién tiene asimetria negativa (cola a la izquierda), y si_ p > 0. la distribucin tiene asimetria positiva (cola a la derecha). EJEMPLO 7.1. La probabilidad de que cierto tipo de objeto pase con éxito una determinada prueba es 5/6. Se prueban 10 de tales objetos. Si X es la variable aleatoria que se define como el néimero de objetos que no pasan Ia prueba: a) Determine la funcién de probabilidades de X. b) Calcule la media y la desviaci6n estandar de X. ¢) Determine la funci6n de distribucién acumulada F(x) de X. 4) Usando F(x), calcular PI7 a) (3) ssi (Sx noy1\'/5\* d) P{7 g) (3) = 0.000. Ele Ke! \o EJEMPLO 7.2. En una tienda de alquiler de autos, cada vez que un cliente alquile un automévil debe pagar como minimo $4. Si alquila un auto tipo A debe pagar $15 més, y si alquila un auto tipo no A debe pagar $5 més. Se sabe que la probabilidad de que un cliente alquile un auto tipo A es de 0.7. De cinco clientes que alquilan autos en esta tienda: a) Determine Ia distribucién de probabilidades de los clientes que alquilan automéviles tipo A. b) Determine Ia utilidad y Ia utilidad esperada que producen a la tienda los 5 clientes que alquilan automéviles. SOLUCION. a) SeaX el nimero de clientes que alquilan automéviles tipo A. Entonces, los valores posibles de X son: 0, 1,2, 34,5 La probabilidad del evento, E: “un cliente alquila un automévil tipo A" es P(E) = 0.7 y P(ES)=0.3. _ La distribucién de probabilidad de X es: S(k)=PIX =k) -(; Jon 0.3)", &=0,1,2,3,45. b) Lautilidad U que producen los cinco clientes es: U=20415X +(5-X)5, x=011,23.45 Dado que E(X)=np =5x 0.7 =3.5, la utilidad esperada es: E(U)=45 +10E(X)= 45 +10x 3.5 =80. EJEMPLO 7.3. a Suponga que una produccién de pollos bebé ha dado 10% de. pollitos hembrasDistribuciones discretas 263 a) Sila produccién es Nenada al azar en cajas de n pollos bebé cada una, hallar el valor de n de manera que la probabilidad de que no haya pollos bebé hembras en Ia caja sea igual a 0.08 b) Si cada caja contiene 24 pollos bebé, hallar la ley de probabilidad del niimero de pollos bebé hembras por caja, {cual es el ntimero esperado de pollitos hembras por caja?, ©) Si un criador de pollos recibe para su venta 20 cajas de 24 pollos bebé cada una, hallar el modelo de probabilidad del niimero de cajas que no contengan pollitos hembras, {cual es ef niimero esperado de cajas que no contengan pollos bebé hembras ?. SOLUCION. a) SeaX el ntimero de pollos bebé hembras por caja de n pollos bebé. Los valores posibles de X son: 0, 1, 2.9m. La probabilidad de que un pollos bebé de la produccién sea hembra es p=0.1. Entonces, cada pollos bebé es colocado en la caja con probabilidad p=0.1 de que sea hembra y con probabilidad q=1- p=0.9 de que no sea hembra. Adems las selecciones son independientes, esto se debe a que el mimero de pollos bebé producidos se considera muy grande. Luego X ~ Bin O.1). Debemos hallar el valor de n tal que P[X = 0]=0.08. Entonces, de PIX =0]=(C7(0.1)°(0.9)" = 0.08 , resulta n = 23.976 = 24 b) Sea Y el ntimero de pollitos hembras por caja de 24 pollitos. Los valores posibles de ¥ son: 0, 1, 2.24, Luego, ¥ ~ B(24,0.1) , esto es: PY = k= Cy OD O.9)**, k= 0,1,2,3..n24. E]_ntimero esperado de pollitos hembras por caja es: np = 24x0.1 = 2.4. ©) Sea W el ntimero de cajas que no contengan pollitos hembras. Entonces, W ~ B(20, p), donde p la probabilidad de que cada caja no contenga pollitos hembras en este caso es: p= PLY =0]=C, (0.0°(0.9)"* = 0.0798 El ntimero esperado de cajas que no contengan pollitos hembras es: ' np = 20%0.0798 = 1.59622.264 Estadistica 7.1.3 Distribucién Geométrica Definicién. Se denomina experimento geométrico _las_repeticiones independientes de un experimento aleatorio de Bernoulli hasta obtener el primer éxito. En cada ensayo de Bernoulli puede ocurrir un éxito (E) con probabilidad p © un fracaso (F) con probabilidad q = 1— p, siendo 0< p<1 El espacio muestral del experimento geométrico es el conjunto: Q= {E, FE, FFE, ....) Definicién. Se denomina variable geométrica a la variable aleatoria X definida como el nimero repeticiones independicntes de un ensayo de Bernoulli hasta que resulte el primer éxito. Los posibles valores de X son: 1, 2, 3... €tC.. Si k es uno de los valores de ta variable, ef evento. [X =k] consiste del suceso elemental de Q que contenga los primeros k —1 resultados fracasos y el Ultimo o k-€simo resultado un éxito. La probabilidad de que ocurra el primer éxito en la k- ésima prueba es igual a g*'p, luego: Definicién. Se dice que fa variable aleatoria X que se define como él mimero de Fepeticiones independientes de un ensayo de Bernoulli hasta que ocurra el primer éxito, tiene distribucién de probabilidad geométrica con parametro p y se escribe X ~ G(p) si su funci6n de probabilidad es: f@Srikanag sp, xa12._ ee Para probar que la suma de las probabilidades geométricas es igual a 1, se utiliza Ja suma infinita: TEOREMA 7.3. Si X es una variable aleatoria con distribucién geométrica de pardmetro p, entonces, ae a_i b)o eA PRUEBA ‘a) Utilizando la identidad: Sugtt= te se obtiene: et )?Distribuciones discretas 265 £0) =D kg! ‘p= py tg = r= ros (l-q) 2 ed by Utilizando ta identidad: Yk?! = +4 se tiene: rs (l-q) ely?)= nSrergt = ft, 1—q) 2 Luego, Var(X)= E(X?)-(E(X))? EJEMPLO 7.4 Pruebe que si X tiene distribucién geométrica con pardmetro p, entonces. a) P[X >al=q", aeZ*, qg=l-p b) PIX >k+s/X >kI= PIX >s]. kyseZ™ SOLUCION a) PIX >aJ=1-PLX sa]=1-S.g'"'p=1-2 Sg! = 4" el qi is BANS 9) xerky Cees) _@ PIX>K) og q° =PIX>s] EJEMPLO 7.5 Un vendedor a domicilio hace Hamadas telefonicas a clientes potenciales. La probabilidad de vender en cada llamada es 0.02. a) Calcule la probabilidad de que la sexta llamada sea su primera venta. b) Calcule el esperado de! mimero de llamadas hasta obtener su primera venta ©) {Qué probabilidad hay de que su primera venta ocurra después de mas de 5 Hamadas si ya se hizo 3 llamadas sin éxito? 4) El costo de cada Hamada es S/.1.5. Si una llamada no es una venta la siguiente cuesta S/.0.5 més. Halle el costo esperado del nimero de llamadas que hace hasta que obtenga su primera venta. SOLUCION. _Sea X el ntimero de Hamadas hasta conseguir una venta, Sus posjbles valores son: 1.2,3...,¢tc.. El modelo de probabilidad de X es geométrica de parametro p=0.02. esto es: PIX =k} =(0.02)(0.98)°", k=1,23....266 Estadistica a) Luego, la probabilidad de que la sexta llamada sea su primera venta es: P{X =6]=(0.02)(0.98)* =0.018 b) E(X) = 140.02) = 50. A Ia larga en la Hamada #50 obtiene su primera venta c) El evento “ya hizo 3 Hlamadas sin éxito” es equivalente al evento “requiere hacer més de 3 lamadas hasta que obtenga un éxito”. Entonces. PUX >3AX>5]_ PIX >5 PLX > 3} PX > 3] d) Costo =1,5+2x(X —1), Costo esperado = 1.5+ 2x ((E(X)—1) = S/. 99.5 PX >5/X >3] 7.1.4. Distribucién de Pascal o binomial negativa Definicién. Se denomina experimento binomial negativo o de Pascal a las repeticiones independientes de un experimento aleatorio de Bernoullf hasta obtener el éxito ntimero r. En cada ensayo de Bernoulli puede ocurrir un éxito con probabilidad po un fracaso con probabilidad q=1—p. A Ia variable aleatoria X que se define como el ntimero de intentos hasta que ocurra el éxito numero r se le denomina variable aleatoria binomial negativa o de Pascal. Su rango ¢s el conjunto: Ry =(rer+lr+2, Si ke Ry ,elevento [X =k] ocurre, si resulta éxito en la k-ésima prueba y en las restantes k—-1 pruebas resultan r—1 éxitos y (k -1)-(r—1)=k =r fracasos. Luego, la probabilidad de tener el r-ésimo éxito en la k-ésima prueba es igual a: te + a me Coa p= Copa Definicién. Si se repite en forma independiente un ensayo de Bernoulli. donde cada resultado puede ser un éxito con probabilidad p 0 un fracaso con probabilidad q=1-p, se dice que la variable aléatoria X que se define como el ntimero de interitos hasta que Ocurran r éxitus, tiene distribucién binomial negativa o de Pascal con pardmetros ry p_y se escribe X ~ P(r, p), si su funcidn de probabilidad es: S)=PIY == Ci pg, [Link]. Para verificar que la suma de las probabilidades de Pascal es igual a uno, se usa la siguiente serie binomial negativa: Cade DICK en - 3 Gae &, eDistribuciones discretas 267 NOTA. Sean X,,X2...X,, 7 variables aleatorias independientes cada una con distribucin geométrica G(p). tales que: X1 es el mimero de repeticiones necesarias hasta la ocurrencia del primer éxito (2). Xq_ es el niimero de repeticiones entre la primera ocurrencia de E hasta la segunda ocurrencia de E. Ete. 'y &s el ntimero de repeticiones necesarias entre la r—1 ocurrencia de E hasta la r-ésima ocurrencia de E. Entonces, la variable aleatoria: x Ds s el mimero de repeticiones independientes de un ensayo de Bernoulli hasta que se obtenga el éxito ntimero r. Luego, X tiene distribucién de Pascal con Pardmetros r y p. TEOREMA 7.4. Si X es una variable aleatoria con distribucién de Pascal con pardmetros r y p. entonces, aH=rs, b)o?= PRUEBA. Sean X,.X2,..X,, 17 variables aleatorias independientes cada una con distribuci6n geométrica, Gp), entonces, la variable aleatoria: x=>)x, tiene distribucion de Pascal con parémetros r yp. Luego, ona 5x,] Yax)-y ‘at 7 voo=u( 5x, )- rv(x,)=5268 Estadistica EJEMPLO 7.6 Una maquina produce articulos de uno en uno y de manera independiente. Se considera que el 10% de ellos son defectuosos. Si la m4quina se detiene apenas produce el cuarto articulo defectuoso: a) {Cul es el ntimero esperado de articulos producidos hasta que se detiene la maquina? b) {Cual es la probabilidad de que la maquina se detenga en el décimo articulo producido?. c) {Cual es la probabilidad de que produzca al menos 10 articulos para que la ‘maquina se detenga?. SOLUCION Sea X el ntimero de articulos producidos hasta tener 4 defectuosos. La ley de probabilidad de X es Pascal con pardmetros r=4 yp =0.1. Esto es, PIY =kJ=Cy'p*(l- p)'*, =k =4,5,6,....ete. I 1 E(X)=1—=4x—=40 a) EQ) 1 =x b) P[X =10]=C} p*(1- p)* ° c) P[X 210)=1-P[4< X <9)= -Yichtpta- py : im 7.1.5 Distribucién hipergeométrica Definicién. Un experimento hipergeométrico consiste en escoger al azar una muestra de tamafio n , uno a uno sin restitucin. de N elementos o resultados posibles, donde r de los cuales pueden clasificarse como éxitos, y los N - r restantes como fracasos. En cada extracci6n, la probabilidad de que el clemento sea un éxito es diferente, yaque la extraccién es sin reposicién. Definicién. Se denomina variable aleatoria hipergeométrica ala variable X que se define como el ntimero de éxitos en el experimento hipergeométrico. Si nr, el rango de X es el conjunto Ry ={0..2,....1} 2 Sea k € Ry, entonces, el evento [X = k] ocurre, si y s6lo si en las n extracciones sucesivas sin reposicién ocurren k éxitos y n ~ k fracasos. El total de formas que puede ocurrir es: VeyDistribuciones discretas 269 Por otra parte, el ntimero de formas diferentes de escoger n elementos de N una a una sin reposici6n es igual a V," Luego, la probabilidad de que ocurran k éxitos en el experimento hipergeométrico es: nyryN-r orcN-r rx =n=cbe tan ae ae =k ve on Definicidn. Se dice que Ia variable aleatoria X que se define como el nimero de éxitos en una muestra de tamafio n que se selecciona al azar uno por uno sin reposicién de N elementos 0 resultados posibles, de los cuales r son clasificados como éxitos y los restantes N~r como fracasos, tiene distribucién hipergeométrica y se escribe X~ H(N, n. r), si su funcién de probabilidad es cicNs F(k)=P{X =kJ=-E 2-4, &=041,2,.. cn Para probar que la suma de las probabilidades es igual a 1, se usa la identidad: 2 Ci en - NOTA. En el numerador de la funcién de probabilidad hipergeométrica, se requiere que N-r2>n—k, de donde resulta, k2n+r—N, luego, el menor valor que toma la variable aleatoria X es el ntimero: aeNraGN, a= max(0,n+1r—N). Por otro lado, el mayor valor debe verificar k $n y k" CHCA [5 500 = $* clo, 1*(0.9)!°-* =0,0128. & xtDistribuciones discretas 273 7.1.6 Distribucién de Poisson Definicién. Se dice que la variable aleatoria discreta X, cuyos valores posibles son: 0.1.2... tiene distribucién de Poisson con parémero 4 (A>0) y se escribe X~P(A), si su funcién de probabilidad es: aye xt f(x) = PIX =x] » x= 012... Para verificar que la suma de las probabilidades de Poisson es igual a 1, se utiliza la suma: x En efecto, NOTA. La distribucién de Poisson se aplica a problemas donde Ia variable aleatoria es el ntimero de eventos independientes que ocurren en un intervalo de tiempo, o en una regién plana (con un promedio dado), por ejemplo, entre otros: * Niimero de llamadas que recibe una central telef6nica en el periodo de un minuto. * Ntimero de accidentes de trabajo que ocurren en una fabrica durante una semana * Nuimero de fallas en la superficie de una cerémica rectangular. * Niimero de bacterias en un volumen de un mt’ de agua. TEOREMA 7.6 SiX~ P(A), entonces, a) Media: #=A, —_b) Varianza: 6? =. PRUEBA. ee ok ate 5 B(x) =) xe YY -mr ype Sopa # Sto-D! ol a RAYE b) ELX(X -D]= eee a ) ELX(X DI me ae Como Var(X) = E[X(X =] +p-n?, entonces, 0? = E[X(X-I]+p—p? =22 44-2 Hd. qi274 Estadistica EJEMPLO 7.9. Suponga que Hegan en forma aleatoria una serie de lamadas a una central telef6nica con un promedio de tres Ilamadas por minuto. a) Calcular la probabilidad de que en el periodo de un minuto al) no ocurra Ilamada alguna, a2) ocurran al menos 4 Ilamadas b) Sicada Hamada cuesta S/.0.50, {cudnto es el costo esperado por llamada? SOLUCION. Sea X el mimero de Hamadas que ocurren en el perfodo de un minuto. X ~ P(A), donde A = 3 es el promedio del nimero de Hamadas por minuto. a) La probabilidad de que ocurran k lamadas en el perfodo de un minuto es: rayt 63(3)k kK Liga al) La probabilidad de que no ocurra Hamada alguna en el periodo de un minuto es: k=0.1.2,..., ete. or sere P{X =0)= = 0.0498. 22) La probabilidad de que ocurran al menos 4 Ilamadas en el periodo de un minuto es : PIX 2 4]=1- PIX £3]=1- ) —— =1- 0.64723 = 0.35277. 0 b) Sea Cel costo por llamada, entonces, C=0.5X . y E(C) =0SE(X)=0.5x3=15Distribuciones discretas 275 EJEMPLO 7.10. Una empresa textil produce un tipo de tela en rollos de 100 metros. El némero de defectos que se encuentra al desenrollar la tela es una variable aleatoria de Poisson que tiene en promedio 4 defectos por cada 20 metros de tela. a) {Qué probabilidad hay de que al desenrollar la tela se encuentre menos de tres defectos en los primeros 50 metros? b) Hallar la probabilidad de que al desenrollar la tela no se encuentre defectos en el primer segmento de 5 metros de tela. c) Si se desenrollan 5 rollos de Ia tela escogidos al azar, ;cudl la probabilidad de que no se encuentre defectos en el primer segmento de 5 metros de tela en al menos dos de ellos?. SOLUCION. Sea X el ndmero de defectos encontrados en un segmento de 20 metros de tela que ocurre con promedio 2.=4. La probabilidad de encontrar k defectos en el segmento de 20x1 metros de tela es: e Mant PX = k=, k= O2,.0ete donde Ar es el promedio de defectos en el segmento de 20xt metros de tela, a) El promedio de defectos en los primeros 50 metros de tela es Mt =4x2.5=10 (1=2.5 aumenta la longitud de 20 a 50 metros) y la probabilidad de que se encuentren menos de tres defectos en los primeros 50 metros de tela es: Sao! edo? i 2 b) El promedio de defectos en los primeros 5 metros de tela es Ar=4(1/4)=1 (1=1/4 reduce la longitud de 20 a 5) y la probabilidad de no encontrar defectos en los primeros 5 metros de tela es (10) PLX <3]= PLX <2] = 0.00277 — £0" = 03679 o! P[X =0]= c) Sea Y el némero de rollos que no tienen defectos en el primer segmento de 5 metros de tela de 5 rollos de tela escogidos al azar. La variable Y cuyos valores posibles son: 0, 1, 2, 3, 4, 5 se distribuye segin la ley binomial B(S5, p), donde P= PLX =0]=0.3679 . Luego, 1 PY st}=1- ) Cf p*d— p)** =1-0.3946 = 0.6054. io PLY 22)276 Estadistica Aproximacién de la distribucién Binomial a la Poisson TEOREMA 7.7. Sea X una variable aleatoria con distribucién binomial B(1. p) Si cuando n—>40, p->0. y A=np. permanece constante, entonces. la distribuci6n binomial se aproxima a la distribucién de Poisson con parametro ). esto es, max PIX = x}=C% p*(1— py" ~* tiende a P[X =x]=" PRUEBA. PIX =x] = C7 pP(— pot * = DMD yey py xt Sustituyendo p=, se tiene n mn — ly scm cs) PIX -a-¥oft-2)r-2}( (4 (0 *) Por otro lado, si cuando n> 400, np =. permanece constante, resulta: PIX =xJ= tara §=123,..0-1) lim (1-4) Sl nto 0 Luego. lim C"p*(1— py" =£ Fes # La aproximacién binomial a Poisson es aceptable si n>30 y p<0.05. EJEMPLO 7.11. Un estudio realizado en las tierras de cultivo de Tarapoto concluye afirmando que la probabilidad de que cada hectarea de siembra de arroz contenga por lo menos un nido de hormiga es de 0,005. De 600 hectdreas de siembras de arroz escogidas al azar, ,qué probabilidad hay de que al menos 5 de ellas contengan por lo menos un nido de hormiga?.Distribuciones discretas 277 SOLUCION. Sea X el ntimero hectéreas, de las 600 de siembras de arroz escogidas, que contengan por Jo menos un nido de hormiga. Los posibles valores de X son 0,1,2,..600 y se distribuyen segtin el modelo binomial: B(600, 0.005) , esto es: PLX =k) = 50.005) 0.995)", k =0,1,2,3,.-.600 La probabilidad de que al menos 5 de las hectareas de siembras de arroz contengan por Io menos un nido de hormiga es: 4 PLX >5]=1- P[X <4]= 1-5 c60.005)* (0.995) * mm Si utilizamos la aproximacién a la Poisson, se tiene: A. = np = 600(0.005) =3 e*@y 2° c0.005)* (0.995) = = 7 a AX 25]=1-AX <4]=1-) io =1-0.81526=0.18474 EJERCICIO. E] ntimero de accidentes que sufre una empresa de Taxis se distribuye segiin el modelo de Poisson con un promedio de 2 accidentes por semana. a) Siel primer dfa de la semana ya ha habido un accidente, ;cudl es la probabilidad de que en esa semana no haya més de dos accidentes? b) {Cudntos autos tiene la Cia. de Taxis si existe una probabilidad igual a 0.25 de que no hay taxi que no sufra accidente en una semana? SOLUCION a) Sea X: # de accidentes que sufre la Cia. en el periodo de una semana. X tiene distribucién de Poisson con promedio A=2 por semana, Luego, oak, Biel ere, ele PIX $2/X 21-5" S=._t ge tiene la Cia. Y ~ Bin, p), donde p= P{X = 0) Se debe hallar n tal que, P{Y = 0]= (7, p°g” = 0.25, entonces, (I-e"?)" = 0.25, ___log(0.25) = eC) 29.5320 log(l-e*) de donde resulta278 Estadistica IEJERCICIOS Binomial 1, Si X ~ B(n,p) taque E(X)=3 y V(X)=24 , calcular: PLX 23]. 5, p=0.2, Prob=0.60198. Rp.n= 2. Un estudiante contesta al azar (0 sea sin saber nada) a 9 preguntas, siendo cada una de 4 respuestas de las cuales s6lo una es la correcta. a) Determinar la distribucién de probabilidades del ntimero de preguntas contestadas correctamente. b) Si para aprobar tal examen debe contestar correctamente al menos 6 preguntas, ;cual es la probabilidad de aprobar el examen?. Rp. a) (9.0.25), b) 0.01 3. En una produccién, la probabilidad de que un objeto sea defectuoso es 0.2. Si en una muestra de n de tales objetos escogidos al azar uno por uno, se espera que haya un defectuoso, a) calcular la probabilidad de que haya un objeto defectuoso. b) gcudntos objetos defectuosos es mas probable que ocurra? Rp. a) n= 5, 0.4096, b) 1 4. E1 75% de la mercaderfa que recibe un comerciante del fabricante A es de calidad excepcional, mientras que el 80% de la mercaderia que recibe del fabricante B es de calidad excepcional. El 60% del (otal de la mercaderfa lo adquiere de A y el resto de B. Si se seleccionan 4 unidades de la mercaderia, ;qué probabilidad hay de que se encuentren 2 unidades que sean de calidad excepcional?. Rp. p=0.77, X~B(4,p), P[X=2}=0.188 5. En una empresa donde los empleados son 80% hombres y 20% mujeres estén aptos para jubilarse el 10% de las mujeres y el 10% de los hombres. De cinco solicitudes para jubilarse, {cul es la probabilidad de que al menos dos estén aptos para jubilarse?. Rp. p-O.8x0.1+0.2x0.1-0.1. X~ BUS, 0.1). P{X 2 2}-00815. 6. La produccién de cuatro méquinas es recogida en cajas de 5 unidades. La experiencia permitié establecer la siguiente distribucién de las cajas, segun el ndmero de unidades defectuosas que contienen; L # de unidades defectuosas + 0 1 2 3 4 5 Porcentaje de cajas 0.70 | 0.15 | 0.08 | 0.05 f 0.02 } 0.00 La inspecci6n diaria consiste en examinar las 5 unidades de cada caja.Distribuciones discretas 279 Se acepta una caja, cuando contiene menos de dos unidades defectuosas. En caso contrario se rechaza. a) {Cudl es la probabilidad de rechazar una caja que no contenga unidades defectuosas? b) {Cual es la probabilidad de aceptar una caja que contenga tres unidades defectuosas? Rp. Sea X :# unidades defectuosas en la caja, a) X ~ B(S, 0.7), P[X22}=1-0.031=0.969, b) X ~ B(S, 0.05). P[Xs1]=0.9774. 7. Un vendedor a domicilio compra diariamente 10 unidades de un producto a $2 cada una. Por cada producto gana 138 si lo vende o pierde 1$ ademds del costo sino lo vende en el dfa. Si !a probabilidad de venta de cada unidad es 0.2 y si las ventas son independientes. a)_hallar la distribucion de probabilidad de las unidades vendidas. b) calcular la utilidad esperada del vendedor. Rp. aj B(10. 0.2). b) $2. 8. Una computadora utilizada por un sistema bancario de 24 horas asigna cada transaccin al azar y con igual probabilidad, a una de cinco posiciones de memoria: 1, 2. 3, 4, 5. Si al terminar el periodo nocturno de un dia se han registrado 15 transacciones, {cual es la probabilidad de que el nimero de transacciones efectuadas a las posiciones de memoria par sea mayor que 3? Rp. Sea X:# de éxitos de 15, éxito=transacc. pares, P(éxito)=2/5, X~B(15.0.4), P[X>3]=0.909. 9. Una secretaria que debe llegar a la oficina a las 8 de la mafiana, se retrasa 15 minutos en el 20% de las veces. El gerente de la compafifa que no llega si no hasta las 10 de la mafiana llama ocasionalmente a la oficina entre las 8 y 8.15 de la mafiana para dictar una carta. Calcular la probabilidad de que en 5 mafianas por lo menos en una no encuentre a la secretaria. Rp. Exito=No estd de 8am a 8.1Sam. X: # de éxitos de n=5, X~B(5.0.2), P{X21}=0.672. 10. Al realizar un experimento, la probabilidad de lograr el objetivo es 0.4. Si se realiza el experimento 20 veces bajo las mismas condiciones y asumiendo resultados independientes a) Calcular la probabilidad de lograr el objetivo por lo menos en tres de las 20 veces b) El costo de realizar el experimento es de S/.1500. si se logra el objetivo: y de S/.3000 si no se logra. Calcular el costo esperado para realizar el experimento. Rp. X:# éxitos de n=20. éxito=lograr el objetivo. p=0-4, X~B(20.0.4), E(XI-8 a) P[X23]-0.996, b) costo=1500X+3000(20-X), E(costo)=48000.280 Estadistica 11. Una prueba de aptitud consta de 10 preguntas con cinco alternativas cada una, de las cuales slo una es la correcta. La calificacién se realiza de la siguiente manera: Cada pregunta correctamente contestada vale 2 puntos. Por cada pregunta mal contestada se descuenta k puntos. a) Determine el valor de k de tal manera que la nota esperada de un alumno que responde al azar las 10 preguntas sea cero. b) {Cual es la probabilidad de que un alumno que responde al azar las 10 preguntas , tenga una nota mayor o igual a 11? Rp. a) X: # de respuestas correctas, X~B(10, 0.2), E(X)}=2, Nota=2X-k(10—X) a) E(Nota)=0, implica k=0.5, b) P[Nota21 1]=P[X27]-0. 12. Una agencia de viajes observa que el 20% de las reservas de pasajes para viajar al interior no se hacen efectivas. Si la compaiifa decide acepar reservas por un 20% mds de los 15 cupos que posee, calcular el porcentaje de clientes que habiendo hechos sus reservas se quedarian sin viajar. Rp. X: # de cupos cubiertos de 18, X~B(18. 0.80), P[X>15]=0.271 13. El tiempo de duracin X, en meses, de un tipo de resistencia eléctrica tiene funci6n de densidad de probabilidad: ose, si x20 va -{ i en otro caso a) {Cudl es la probabilidad de que una de tales resistencias eléctricas dure mas de 4 meses?. se prueban 10 resistencias eléctricas, ,cudl es la probabilidad de que ninguna dure mds de 4 meses?. ¢) {Cuantas resistencias se probarian para que con probabilidad igual a 0.9 se tenga al menos uno que dure mas de 4 meses? 4) Siel costo de produccién de una resistencia es: b) C=2+(0-X)? {cudnto es el valor esperado del costo? Rp. a) p=P{X>4]=e *-0.135, b) ¥-B(10,p), PL¥=0}=(0.865)", c) W~B(n,p), 0.9=P[W21], implica, (0.865)'=0.1, entonces, n=15.877=16, d) E(C)}=790. Geométrica y Pascal 14. En cierto proceso de produccién se sabe que el porcentaje de articulos defectuosos es de 0.02. Se controlan la calidad de los artfculos uno por uno a) Calcular la probabilidad de que el décimo articulo probado sea el primer defectuoso encontrado. b) En promedio, {cudntos articulos se probarfan hasta encontrar el primer defectuoso? Rp. a) 0.017, b) 1/0.02= 50.Distribuciones discretas 281 15. Cierto virus ha invadido un colegio atacando al 5% de los nifios. Si tales nifios son examinados uno por uno, {cual es la probabilidad de que el doceavo nifio examinado sea el quinto nino encontrado atacado por el virus?. Rp. C}"(0.05)5(0.95)’ 16. Un vendedor a domicilio estima en 0.3 la probabilidad de efectuar una venta. ‘Suponga ventas independientes. a) En promedio, ,cudntas visitas domiciliarias debe efectuar hasta tener 12 ventas?. b) {Cual es la probabilidad de que se hagan al menos 10 visitas para tener 4 ventas?. Rp.a40, by 1-2 _CY"(0.7)'*(0.3)* 17. En un proceso de produccién, la probabilidad de que se produzca cada articulo que cumpla ciertas especificaciones es 0,99. En determinado momento se plantea el objetivo de producir 150 articulos que cumplan con las especificaciones; pero al mismo tiempo se decide detener el proceso de produccién tan luego se produzca el primer articulo que no cumpla con las especificaciones. a) {Cual es la probabilidad de lograr el objetivo?. b) Si después de producir 100 articulos atin no se ha detenido el proceso, {cual serfa la probabilidad de lograr el objetivo Rp. X: # de articulos producidos hasta que ocurra Jer defectuoso, X~G(U.01) , k=1.2. ete. a) P[X>150]=(0.99)'", b) P[X>150/X>100]=(0.99)". 18. Una compaiifa petrolera ha sido designada para perforar pozos en la amazonfa peruana hasta obtener un resultado exitoso. La Compaiifa estima en 0.7 la probabilidad de no hallar petréleo para cada _pozo que perfora. a) Suponga que la compafifa petrolera cree que una serie de exploraciones sera rentable si el ntimero de pozos perforados hasta que ocurra el primer éxito es menor o igual que 5. Calcule la probabilidad de que la exploracién no serd rentable si ya fueron perforados 3 pozos y en ninguno de ellos se encontré petréleo. b) El costo para perforar cada pozo es de $10.00. Si un ensayo no resulta exitoso, el siguiente ensayo tiene un costo adicional de $5000. {Cuanto es el costo esperado del proyecto? ©) Si la compaiiia dispone de un presupuesto de $145,000. {cudl es la probabilidad de que los trabajos experimentales tengan un costo que sobrepase el presupuesto de la compaiifa?. Rp. X= # de perforaciones hasta obtener éxito. X~G(p), p=0.3. a)P[X>S/X>3]=P[X>2|(0.7)° 1b) C(X) =15,000X — 5.000, E(C(X)) = $45,000, c)P[C(X)> 145,000]=P[X> 10] =(0.7)"282 Estadistica 19. Un experimento se repite de manera independiente hasta que se obtiene el primer éxito. El costo C producido, esté en funcién del nimero X de repeticiones necesarias hasta tener éxito _y es dado por: C=200+5X +4X? Se sabe que la varianza del niimero de repeticiones necesarias hasta obtener éxito es 40/36. Si en estas condiciones. el experimento debe ser realizado por 200 personas hasta que cada una de ellas obtenga éxito, gcudnto seria el costo esperado?. Rp. E(C)}=20045EV)+4E(X")=221.2, de Var(X)-40/36=(1-pYp", resulta p=0.6, E(X)=1/0.6, VEX) 140/36 +(10/6)"], 2006 (C)=200x221.2=42.443 8. 20. En un lote de 15 articulos existen n que son defectuosos. Se extraen uno por uno con restituci6n hasta obtener el primer defectuoso. El costo total por inspeccién es 2" donde X es el ntimero de articulos inspeccionados. Hallarn si el costo total esperado por inspeccidn es $16. Rp. X~ G(p), con p=n/15. De 16=E(2"}-2pA2p~1), sale p-8/15,y_n=8. 1 21. Verificar que: qh) = —— 2 (-q)* Rp. Derive respecto a q ambos lados de © g* = —. io Ing Hipergeométrica 22, Una caja contiene 20 chips, de los cuales el 20% no estén aptos para su venta y el resto si. Se escogen 5 chips al azar uno a uno sin reposici6 a) Determine la distribucién de probabilidad del nimero de chips escogidos que sean no aptos para su venta. b) Calcular la probabilidad de que al menos uno sea no apto para su venta. Rp. a) PIX=KI= CECH, C2 4-0.1,2.3.4,, by UXT 1-PLX=0}=1~-(C3° /CP). 23. Un determinado producto industrial es embarcado en lotes de 20 unidades. Se escogen 5 items al azar de un lote y se rechaza el lote si se encuentra dos 0 mas defectuosos; en caso contrario se acepta el lote. Calcular la probabilidad de aceptar un lote que tiene 3 defectuosos si los ftems se escogen uno por uno, a) con reposicién, b) sin reposici6n. Rp. a) X~B(5, 0.15). PEXS1]=0.8352. b) X~H(20.3,5), P[X<1]=0.8596, 24. Una ensambladora de computadoras recibe lotes de 10 tarjetas cada uno de un tipo especifico, en la proporcién, 30% de marca A y 70% de marca B. Se sabeDistribuciones discretas 283 que el porcentaje de produccién defectuosa es de 40% para la marca A y de 10% para la marca B. Si se prueban 3 tarjetas extraidas al azar una a una y sin reposici6n de un lote elegido al azar, calcular la probabilidad de no encontrar tarjetas defectuosas. Lit ret P30 co 10 ch 25. Un jurado de 9 jueces va a decidir la inocencia o culpabilidad de un reo. Suponga que 6 votan por la inocencia y el resto por la culpabilidad. Si se seleccionan al azar 3 jueces y se pregunta por su voto , a) Calcular la media y la varianza del numero de jueces de la seleccién que votan por la inocencia. b) {Cuél es la probabilidad de que ningtin juez seleccionado esté a favor de la inocencia del reo?. Rp. a) 1=3(6/9}=2, 070.5, b) 0.0119. 26. Un lote grande de N sacos de café de un quintal contiene 10% de sacos con impurezas. Del lote se cargan a un cami6n 20 sacos escogidos al azar. a) Determine la distribucién de probabilidad del niimero de sacos de café con impurezas escogidos, {cudntos sacos de café con impurezas se espera cargar al camién si se cargan muchas veces?. b) Si N =1,000, calcular aproximadamente la probabilidad de que se haya obtenido a lo més 6 sacos con impurezas. Rp. a) H(N, 0.1N, 20), Esperado=2, b) Aprox a la binomial. Prob= 0.9976. 27. Una compafiia recibe un envio de 20 piezas de un proceso de manufactura. El control de calidad de Ia Cia. consiste en tomar una muestra de 3 piezas al azar sin reposicién de este envio, Si en la muestra se encuentra al menos una defectuosa, se rechaza el lote; en caso contrario se eligen al azar 2 piezas adicionales. Si en la segunda muestra se encuentra al menos una defectuosa, se rechaza el lote; en caso contrario se acepta el lote. Calcular la probabilidad de rechazar el envio si contiene 25% de piezas defectuosas. Rp. 0.8. 28. En una fabrica la produccién semanal de cierto tipo de articulo es de 1000 unidades. Cada semana se realiza un control de calidad seleccionando una muestra de 20 unidades del articulo, escogidos al azar y sin reposicién de la produccién de la semana (1000 articulos) y adoptando la siguiente regla de decisién: aceptar que el porcentaje de produccién defectuosa es 2% si en la muestra se encuentra a lo més un defectuoso, 0 rechazar que el porcentaje de produccién defectuosa es 2% cn caso contrario, cual es la probabilidad de que284 Estadistica se haya decidido aceptar que el porcentaje de produccién defectuosa de una semana es 2% cuando en realidad fue 5% de los 1000 producidos? Rp. X:# defect en muestra de n=20. X=11(1000, 50.20) Placeptar|=P{X<1/p=0.05]= (C3°C35° + C3°CPS9)/ CHO Poisson. 29, El niimero medio de automéviles que Hegan a una garita de peaje es de 120 por hora. a) Calcular la probabilidad de que en un minuto cualquiera no legue automévil alguno. b) Calcular la probabilidad de que en el perfodo de 3 minutos Heguen més de 5 automéviles. ©) Si tal garita puede atender a un maximo de 3 automéviles en 30 segundos calcular la probabitidad de que en un medio minuto dado Meguen ma automéviles de lo que puede atender. Rp. a) A=2, €°-0.135, _b) M=6, P[X>S]H0.554. c) A=1. P[X>3+ 0.0189. 30. Un liquido contiene cierta bacteria con un promedio de 3 bacterias por cm’., calcular la probabilidad de que una muestra, a) de 1/3 de cm’. no contenga bacteria alguna. b) de2 cm’. contenga por lo menos una bacteria. Rp. A=3, a) A= 1, prob=0.368, b) A1=6, prob=0.998. 31. Suponga que el niimero de accidentes de trabajo que se producen por semana en una fabrica sigue la ley de Poisson de manera que la probabilidad de que ocurran 2 accidenies es igual a 3/2 de la probabilidad de que ocurra un accidente. Calcular ta probabilidad de que no ocurran accidentes en 2 semanas consecutivas. Rp. A=3. 0.002. 32. Un banco atiende todos los dias de 8am. a 4pm. y se sabe que el néimero de clientes por dfa que van a solicitar un préstamo por mas de $10,000 tiene una distribucién de Poisson con una media de 3 clientes por dia. a) {Cual es la probabilidad de que hasta el mediodia no se haya producido una solicitud de préstamo por més de $10,000? b) En cuatro dias, {cual es la probabilidad de que en dos de los dias hasta el mediodia no se haya producido una solicitud de préstamo por mas de $10,000? Rp. A=3. a) A=1.5. P[X=O]=e"=0.223. bd C} (0.223)40.777¥. 33. La demanda semanal de cierto producto tiene una distribucién de Poisson. Actualmente su media es 3 por semana. Se estima que después de una campana