1. EJERCICIO.
La empresa X produce sobres en serie. La longitud de los sobres se distribuye
normalmente con una media de 21,1392 cm y una estándar desviación de 0,06 cm. La
longitud de un sobre debe ser de al menos 21 cm para garantizar el ajuste de un papel
DIN A4 plegado normal.
¿Qué porcentaje de los sobres producidos no se puede utilizar? (Use normal tabla de
distribución incluida al final de esta sección).
Datos:
𝑋 = 21
𝜇 = 21,1392
𝜎 = 0.06
X−μ
Z=
σ
(21−21,1392 )
Z= =−2,32
0.06
p ( Z ←2,32 )=0,102 →1,02 %
Conclusión.
El 1,02% de los sobres producidos no cumplirán la norma DIN A4 por lo que no podrán
ser utilizados.
2. EJERCICIO.
La empresa X produce sobres en serie. La longitud de los sobres se distribuye
normalmente con una desviación estándar de 0,06 cm. La longitud de un sobre debe ser
de al menos 21 cm para garantizar el ajuste de un DIN A4 plegado normal papel.
El CEO quiere tener una tasa de rechazo por debajo del 1%. ¿Qué valor medio del
proceso debe lograrse? (Sugerencia: encuentre el valor más pequeño, que da una tasa de
rechazo menos del 1%)?
Datos:
Sobres Rechazados = 1% = 0,01
X = 21
𝜎 = 0,06
X−μ
Z=
σ
p ( Z )=−2,33
( 21−μ )
−2,325=
0.06
μ= ( 2,33∗0,06 )+ 21
μ=21,1398
Conclusión.
Para lograr que el porcentaje de los sobres rechazados sea de 1% se debe obtener un
valor medio del proceso 21,1398 unidades.
3. EJERCICIO.
Una fábrica de productos lácteos llena la crema en recipientes de plástico. El volumen
medio de los envases según la planta es de 0,25 litros. El proceso de llenado está
automatizado y las máquinas pueden alcanzar la cantidad de llenado solo con una
desviación estándar de 0.010 litro.
¿Cuál es la probabilidad de que un recipiente de plástico se llene a más de 0,26 litros, si
asume una distribución normal para los parámetros y la variable aleatoria X = nivel de
llenado de un recipiente de leche de plástico?
Datos:
𝑋 > 0,26
𝜇 = 0,25
𝜎 = 0,010
X−μ
Z=
σ
( 0,26−0,25 )
Z= =1
0 ,01
p ( Z )=0,8413
p ( Z >1 )=1−0,8413=0,1587=15,87 %
Conclusión.
La probabilidad de que el recipiente se llene con 0,26 litros es de 15,87%
4. EJERCICIO.
L es la longitud de un chip de memoria en cm y L ~ N (2.55, 0.01 ^ 2). Las
especificaciones del chip requieren 2,54 +/- 0,02 cm. ¿Qué proporción de chips cumplirá
con las especificaciones?
Nota: en este problema, la media de las longitudes de las virutas es de 2,55 cm y la
varianza
= 0,01 ^ 2 cm ^ 2. Esto significa que la desviación estándar de las longitudes de las virutas
es igual a 0,01 cm].
Datos:
𝑋 = 2.54 ± 0.02
𝜇 = 2.55
𝜎 = 0.01
( 2,52−2,55)
Z 1= =−3 →0,0013
0 ,01
( 2,5 4−2,55)
Z 2= =1→ 0,8413
0 , 01
z 1< Z > z 2
Z=0,8413−0,0013=0,84
Conclusión.
Con el valor y las tolerancias de (2.54 ± 0.02) en la longitud la proporción de chips que
cumplirán con las especificaciones será de 0,84.
5. EJERCICIO.
El oso polar está clasificado como una especie vulnerable, al borde de la extinción. Los
científicos continúan investigando cuáles son las razones por las que los osos polares no
poder sobrevivir. Muchos han especulado que el calentamiento global tiene que ver algo
con esto. Según esta teoría, a medida que el mundo se calienta, el hielo se derritiéndose
a una velocidad mucho mayor. Aunque nacen en tierra, los osos polares pasan la mayor
parte de su vida en el mar. Cazan focas desde el borde del hielo marino. El derretimiento
de este hielo reduce sus oportunidades de caza, por lo que los osos polares comienzan a
migrar a lugares donde puedan encontrar un coto de caza adecuado. La mayoría de los
osos polares mueren por esto.
migración, ya que no existen muchos cotos de caza adecuados para ellos. Para probar
esta teoría, un grupo de científicos diseñó un experimento. Ellos instalaron una serie de
sensores térmicos en regiones del Ártico, donde hay subpoblaciones de osos polares. A
partir de la observación, los científicos han descubierto que los osos polares pueden
soportar temperaturas de -15 ° C ± 20 ° C. Si la temperatura sale de este rango, polar los
osos tienden a migrar a una región muy adecuada.
Nota de Holly: acaba de aparecer un artículo de la BBC sobre pingüinos que sufren de
sobrecalentamiento.
¿Cuál es la probabilidad de que los osos polares en una región migren si los sensores
térmicos “¿Las lecturas de temperatura de esas regiones muestran que la temperatura
puede modelarse usando una distribución normal ~ ¿N (-3, 10 ^ 2)? (Desviación estándar
= 10 grados).
Datos:
𝑋 = −15 ± 20 ° C
𝜇 = −3
𝜎 = 10
(−35+3)
Z 1= =−3,2→ 0,0007
10
(−5+3)
Z 2= =−0,8 →0 , 7881
10
z 1< Z > z 2
Z=0 , 7881−0,00 07=0 , 7874
p ( Z >1 )=1−0 , 78,74=0 ,2126=21,26 %
Conclusión.
Debido a las variaciones de temperatura obtenida por el grupo de científicos se obtuvo
que la probabilidad de que los osos polares migren a otros lugares es del 21,26 %.
6. EJERCICIO.
Un proveedor transporta sus semiproductos con camiones cuya capacidad de carga es de
5000 kg. Según datos históricos, el peso de la mercancía entregada sigue la distribución
normal con una media de 4800 kg y una desviación estándar de 100 kg (varianza = (100
kg) ^ 2). Sabemos que la penalización por sobrecarga es de 1000 euros. ¿Cuánta multa
se espera pagar (en euros) por envío en promedio? (Independientemente de otros costos
relacionados con el transporte)
Datos:
𝑋 = 5000 kg
𝜇 = 4800 kg
𝜎 = 100 kg
X−μ
Z=
σ
(5000−4800 )
Z= =2
100
p ( Z )=0 ,9772=97,72( Probabilidad de no exceder el peso )
p ( Z >1 )=1−0 , 9772=0 , 0228=15,87 %
Conclusion.
Se considerará un valor de 0.99772 como un dato sin relacion aun exceso, la diferencia
del total, vendria a ser el exceso de peso, por lo cual se multiplicara por la multa,
obteniendo el valor extra por multa a pagar en el flete.
7. EJERCICIO.
Cierta empresa produce generadores eléctricos con una potencia media de 50
Megavatios y una desviación estándar de 3 megavatios.
Suponiendo que la energía generada sigue una distribución normal, ¿qué porcentaje de
los generadores tendrá una potencia de salida superior a 54 megavatios? (Ver estándar
tabla de distribución normal a continuación.)
Datos:
𝑋 > 54
𝜇 = 50
𝜎=3
𝑧=
(54 − 50) 𝑀𝑤𝑎𝑡𝑡
3 𝑀𝑤𝑎𝑡𝑡
= 1.333 ≈ 1.33 →
1 − 0.9082 = 0.0918 ∗ 100% → 9.18% (𝑉𝑎𝑙𝑜𝑟 𝑚𝑎𝑦𝑜𝑟 𝑎 𝑙𝑜𝑠 54 𝑀𝑤𝑎𝑡𝑡)
Ilustración 14. Distribución.
Conclusion.
El valor a considerar es la diferencia en la obtenida por la tabla (0.9082), obteniendo los
datos mayores de los cuales se dispondra un mayor valor de 54 Megavatios.
8. EJERCICIO.
¿Cuál es el porcentaje de generadores que superan los 54,5 megavatios?
Datos:
𝑋 > 54.5
𝜇 = 50
𝜎=3
𝑧=
(54.5 − 50) 𝑀𝑤𝑎𝑡𝑡
3 𝑀𝑤𝑎𝑡𝑡
= 1.5 →
1 − 0.9332 = 0.0668 ∗ 100% → 6.68% (𝑉𝑎𝑙𝑜𝑟 𝑚𝑎𝑦𝑜𝑟 𝑎 𝑙𝑜𝑠 54.5 𝑀𝑤𝑎𝑡𝑡)
Ilustración 15. Tabla de datos.
Ilustración 16. Distribución.
Conclusion.
El valor a considerar es la diferencia en la obtenida por la tabla (0.9332), obteniendo los
datos mayores de los cuales se dispondra un mayor valor de 54.5 Megavatios.
9. EJERCICIO.
Encuentre la desviación estándar tal que el porcentaje de generadores por encima de 54
megavatios son solo el 4%.
Datos:
𝑋 > 54
𝜇 = 50
4% = 0.04 (𝑀𝑎𝑦𝑜𝑟𝑒𝑠 𝑎 54 𝑀𝑒𝑔𝑎𝑣𝑎𝑡𝑖𝑜𝑠)
96% = 0.96 (𝑀𝑒𝑛𝑜𝑟𝑒𝑠 𝑎 54 𝑀𝑒𝑔𝑎𝑣𝑎𝑡𝑖𝑜𝑠) ≅ 0.9599
𝑧 = 1.75
1.75 =
(54 − 50) 𝑀𝑤𝑎𝑡𝑡
→𝜎=
(54 − 50) 𝑀𝑤𝑎𝑡𝑡
→
1.75
Ilustración 17. Tabla de datos.
Ilustración 18. Distribución.
Conclusion.
Al considerar que la cantidad, mayoritaria considerada menor es del 96% se realizara el
analisis en tabla, por lo cual se obtiene un valor de 2.28 Mwatt como desviacion estandar.
10. EJERCICIO.
Cada año en Alemania, unas semanas antes de las vacaciones de Navidad, la gente
empieza buscando un bonito árbol de navidad. Hay un hombre que cultiva árboles de
Navidad que tienen una altura media (μ) de 193 cm. La varianza (σ ^ 2) de la altura del
árbol es 34 cm ^
2. Suponemos que la variable de altura (H) sigue la distribución normal. H ~ N (193,
34) Nota: varianza = 34 cm ^ 2 ==> desviación estándar = √34 cm [Aclaración: tenga en
cuenta que la varianza es 34. Varianza = Sigma ^ 2 = 34 y la Desviación estándar =
Sigma = √34] Redondea el valor adaptado para leer la tabla al segundo decimal.
El alcalde de la ciudad donde vive el hombre quiere poner un gran árbol de Navidad la
plaza principal. El árbol debe tener más de 205 cm. ¿Qué porcentaje del se espera que
los árboles midan más de 205 cm?
Datos:
𝑋 > 205
𝜇 = 193
𝜎 = √34
(205 − 193) 𝑐𝑚
𝑧=
√34 𝑐𝑚
= 2.05798 ≅ 2.06 →
1 − 0.9803 = 0.0197 ∗ 100% = 1.97% (𝐴𝑟𝑏𝑜𝑙𝑒𝑠 𝑚𝑎𝑦𝑜𝑟𝑒𝑠 𝑎 205 𝑐𝑚)
Ilustración 19. Tabla de datos.
Ilustración 20. Distribución.
Conclusion.
Al considerar que los arboles deben ser mayores a 205 cm, se debera suponer la
difernecia del entero del valor obtenido en tabla, lo cual nos da como un total del 1.97%
de los arboles seran mayores a la medida de 205 cm.
11. EJERCICIO.
El hombre también vende sus árboles a la tienda local, quieren usarlos como decoración.
y están más interesados en los árboles pequeños. Quieren los árboles que pertenecen a
la 20% de los más pequeños. ¿Cuál es la altura máxima de esos árboles? (en cm)
Datos:
𝜇 = 193
𝜎 = √34
𝐴𝑟𝑏𝑜𝑙𝑒𝑠 = 20% = 0.2
𝑧 = −0.85749 ≅ −0.86
(𝑋 − 193) 𝑐𝑚
−0.86 =
√34 𝑐𝑚
→ 𝑋 = (−0.86 ∗ √34 𝑐𝑚) + 193 𝑐𝑚
𝑋 = 187.9853 𝑐𝑚 ≅ 188𝑐𝑚
Ilustración 22. Distribución.
Conclusion.
Se desea un porcentaje ya establecido, del 20 % (arboles pequeños) los cuales se obtara
para teener una referencia de la medida en cosnideracion a las 193 de media, dando
como un resultado, arboles menores a 188 cm.
12. EJERCICIO.
Se pide a los estudiantes que construyan un puente de papel que pueda llevar a una
persona sobre otra, espacio de metro. Para esto, los estudiantes calcularon una
resistencia a la tracción requerida de 40 libras por cuadrado/ pulgada. Ahora preguntan a
la papelería local sobre la resistencia y la calidad de su papel. La tienda local dice que la
resistencia a la tracción de su papel está modelada por una distribución con una media de
35 libras por pulgada cuadrada y una desviación estándar de 2 libras por pulgada
cuadrada.
¿Cuál es la probabilidad de que la fuerza de una muestra sea menor de 40 libras por
pulgada cuadrada?
Datos:
𝑋 < 40
𝜇 = 35
𝜎=2
𝑧=
(40 − 35) 𝑖𝑛2
2 𝑖𝑛2 = 2.5 →
Ilustración 24. Distribución.
Conclusion.
Al considerar valores menores a 40, se obtendra directo en tabla, y mediante calculo se
cosniguio 2.5, dando el valor de tabla de 0.9938, lo cual consta de un 99.8% de
probabilidad.
