“Año del Bicentenario, de la consolidación de nuestra Independencia, y
de la conmemoración de las heroicas batallas de Junín y Ayacucho”
UNIVERSIDAD NACIONAL DE TRUJILLO
FACULTAD DE CIENCIAS FÍSICAS Y MATEMÁTICAS
ESCUELA PROFESIONAL DE ESTADÍSTICA
PRACTICA – TAREA 07
DOCENTE:
Rojas García, María Teresita del Niño Jesús
ASIGNATURA:
Probabilidades I
GRUPO: 3
ALUMNOS:
Cordova Urbina Danny Eyvind
Villacorta Picón Deivy Anderson
Palacios Salas Amy Rose
Taype Sánchez Juan Diego (Coordinador)
CICLO: III
TRUJILLO - PERÚ
2024
1. Suponga que la concentración de cierto contaminante se encuentra distribuido de
manera uniforme en el intervalo [4, 20] ppm. Si se considera como tóxica una
concentración de por lo menos 18 ppm. ¿Cuál es la probabilidad de que al tomarse una
muestra la concentración de esta sea tóxica?
𝐸. 𝐴: 𝑇𝑜𝑚𝑎𝑟 𝑢𝑛𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑑𝑒 𝑢𝑛𝑎 𝑠𝑢𝑠𝑡𝑎𝑛𝑐𝑖𝑎 𝑎𝑙 𝑎𝑧𝑎𝑟
𝑋: Concentración de cierto contaminante
𝐴𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎 𝑢𝑛𝑖𝑓𝑜𝑟𝑚𝑒: 𝑋~𝑈[4,20]
1
𝑓(𝑥) = ; 𝑝𝑎𝑟𝑎 𝑎 ≤ 𝑥 ≤ 𝑏
𝑏−𝑎
1
𝑓(𝑥) = ; 𝑝𝑎𝑟𝑎 4 ≤ 𝑥 ≤ 20
20 − 4
1
𝑓(𝑥) = ; 𝑝𝑎𝑟𝑎 4 ≤ 𝑥 ≤ 20
16
20
1
𝑃(𝑥 ≥ 18) = ∫ 𝑑𝑥
18 16
20 18 1
𝑃(𝑥 ≥ 18) = [ − ]=
16 16 8
𝑃(𝑥 ≥ 18) = 0.125
∴ La probabilidad de que al tomarse una muestra la concentración de esta sea tóxica
𝑒𝑠 0.125
2. Un punto se elige al azar sobre el segmento de línea [0, 2]. Halle la probabilidad de que
el punto elegido esté comprendido entre 1 y 1.5.
𝐸. 𝐴: Un punto se elige al azar sobre el segmento de línea
𝑋: Segmento de línea
𝐴𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎 𝑢𝑛𝑖𝑓𝑜𝑟𝑚𝑒: 𝑋~𝑈[0,2]
1
𝑓(𝑥) = ; 𝑝𝑎𝑟𝑎 𝑎 ≤ 𝑥 < 𝑏
𝑏−𝑎
1
𝑓(𝑥) = ; 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 < 2
2−0
1
𝑓(𝑥) = ; 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 < 2
2
1
; 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 < 2
F(𝑥) = {2
0; otro lugar
1.5
1 1 1.5
𝑃(1 < 𝑥 < 1.5) = ∫ 𝑑𝑥 = x|
1 2 2 1
1
𝑃(1 < 𝑥 < 1.5) = [1.5 − 1]
2
𝑃(1 < 𝑥 < 1.5) = 0.25
∴ La probabilidad de que el punto elegido este comprendido entre 1 y 1.5 es un 25%
3. Suponga que un instructor asume que la nota final de los estudiantes X tiene distribución
normal (µ, σ2). Si el instructor decide calificar con A, a los estudiantes cuyas notas
exceden a( µ + σ), con B a los estudiantes cuyas notas caen entre µ y (µ + σ), con C si la
nota cae entre (µ - σ) y µ, con D si la nota cae entre (µ - 2σ) y (µ - σ), y con F, si la nota
cae debajo de (µ - 2σ). Halle la proporción de cada letra (nota).
𝑋: Nota final de los estudiantes
𝐴𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 normal: 𝑋~N[ 𝜇, 𝜎 2 ]
Transformamos las notas X a la distribución normal estándar:
x+𝜇
Z=
𝜎
x + 𝜇 (x + 𝜎) − 𝜇
Estandarizamos
𝑁𝑜𝑡𝑎 𝐴: x > 𝜇 + 𝜎 → > P[ ]
𝜎 𝜎
P(z > 1) = 1 − P[Z < 1] = 1 − 0.84134 = 0.15866
𝜇 − 𝜇 x − 𝜇 (x + 𝜎) − 𝜇
Estandarizamos
𝑁𝑜𝑡𝑎 B: 𝜇 < x ≤ 𝜇 + 𝜎 → P[
< ≤ ]
𝜎 𝜎 𝜎
P[0 < z ≤ 1] = P[Z ≤ 1] − P[Z < 0] = 0.84134 − 0.50 = 0.34134
Estandarizamos(x − 𝜎) − 𝜇 x − 𝜇 𝜇 − 𝜇
𝑁𝑜𝑡𝑎 C: 𝜇 − 𝜎 < x ≤ 𝜇 → P[ < ≤ ]
𝜎 𝜎 𝜎
P[-1 < z ≤ 0] = P[Z ≤ 0] − P[Z < -1] = 0.50 − 0.15866 = 0.34134
Estandarizamos(𝜇 − 2𝜎) − 𝜇 x − 𝜇 (𝜇 − 𝜎) − 𝜇
𝑁𝑜𝑡𝑎 D: 𝜇 − 2𝜎 < x ≤ 𝜇 − 𝜎 → P[ < ≤ ]
𝜎 𝜎 𝜎
P[-2 < z ≤ -1] = P[Z ≤ -1] − P[Z < -2] = 0.15866 − 0.02275 = 0.13591
Estandarizamos x − 𝜇 (x − 2𝜎) − 𝜇
𝑁𝑜𝑡𝑎 F: X ≤ 𝜇 − 2𝜎 → P[ > ]
𝜎 𝜎
P[Z ≤ -2] = 0.02275
0.34134
0.34134
0.13591
0.02275 0.15866
4. Un fabricante de escapes para autos desea garantizar su producto durante un periodo
igual al de la duración del vehículo. El fabricante supone que el tiempo de duración de
su producto es una variable aleatoria con distribución normal, con una media de 3.5
años y una desviación estándar de 8.4 meses. Si el costo de reemplazo por unidad es de
20 um. ¿Cuál puede ser el costo total de reemplazo para los primeros dos años si se
instalan un millón y medio de unidades?
𝑋: Tiempo de duración de su producto
𝐴𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 normal: 𝑋~N[ 𝜇, 𝜎]
Convertir la desviación estándar de meses a años:
8.4 meses
𝝈= = 0.7 años
12 meses/año
Parámetros:
𝑋~N[ 3.5,0.7]
Transformamos la distribución normal estándar:
x + 𝜇 2 − 3.5 −1.5
𝑍= = = = −2.14
𝜎 0.7 0.7
𝑃(𝑍 ≤ −2.14) = 0.0162
Entonces:
1500000 × 𝑃(𝑍 ≤ −2.14)
1500000 × 0.0162 = 24300 unidades
El costo total:
24300 × 20 um⁄unidad = 486000 um
∴ 486000 um p𝑢𝑒𝑑𝑒 𝑠𝑒𝑟 𝑒𝑙 𝑐𝑜𝑠𝑡𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑜 𝑝𝑎𝑟𝑎 𝑙𝑜𝑠 𝑝𝑟𝑖𝑚𝑒𝑟𝑜𝑠 𝑑𝑜𝑠 𝑎ñ𝑜𝑠 𝑠𝑖 𝑠𝑒 𝑖𝑛𝑠𝑡𝑎𝑙𝑎𝑛
un millón y medio de unidades
5. El tiempo que una ambulancia tarda en acudir al lugar donde se ha producido un
accidente sigue una distribución uniforme entre 0 y 10 minutos.
𝑋: Tiempo que tarda la ambulancia en acudir a un lugar
a. Calcular la probabilidad de que una ambulancia tarde más de 8 minutos
𝐴𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑐𝑜𝑛𝑡𝑖𝑛𝑢𝑎 𝑢𝑛𝑖𝑓𝑜𝑟𝑚𝑒: 𝑋~𝑈[a, b]
x−a
𝑋~𝑈[0,10] → 𝐹(𝑥) = ; 𝑝𝑎𝑟𝑎 𝑎 ≤ 𝑥 < 𝑏
𝑏−𝑎
𝑃[x > 8] = 1 − P[x ≤ 8]
8−0
𝑃[x > 8] = 1 −
10 − 0
4
𝑃[x > 8] = 1 −
5
𝑃[x > 8] = 0.2
Otra forma:
Función de densidad:
1
𝐹(𝑥) = ; 𝑝𝑎𝑟𝑎 𝑎 ≤ 𝑥 < 𝑏
𝑏−𝑎
1
𝐹(𝑥) = ; 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 < 10
10
8
1 x 8
𝑃(x ≤ 8) = ∫ 𝑑𝑥 = |
0 10 10 0
8
𝑃(x ≤ 8) =
10
𝑃(x ≤ 8) = 0.8
Entonces:
1 − 0.8 = 0.2
∴ La probabilidad de que una ambulancia tarda en acudir al lugar entre 0 y 10 minutos es de 0.2
b. Calcular el tiempo medio de espera.
a+b
E[x] =
2
0 + 10
E[x] =
2
E[x] = 5
∴ Se espera que una ambulancia tarda en acudir al lugar entre 0 y 10 minutos es de 5 minutos.
6. El volumen que una máquina de llenado automático deposita en latas de una bebida
gaseosa tiene una distribución normal con media 12.4 onzas de líquido y desviación
estándar de 0.1 onzas de líquido.
Experimento aleatorio: Seleccionar una lata de una bebida gaseosa a cierto volumen
(onzas)
V. A. (x): Número de onzas llenado en latas de una bebida de gaseosa
X: Es una distribución normal
Datos:
- μ = 12.4 onzas de líquido
- σ = 0.1 onzas de líquido.
a. ¿Cuál es la probabilidad de que el volumen depositado sea menor que 12 onzas
de líquido?
P [ X< 12]
𝑋−𝜇
𝑃 [𝑋 < 12] = 𝑃 [𝑍 < ] (Estandarizamos)
𝜎
12 − 12.4
𝑃 [𝑋 < 12] = 𝑃 [𝑍 < ]
0.1
𝑃[𝑋 < 12] = 𝑃 [𝑍 < −4]
𝑃[𝑋 < 12] = 0.00003
La probabilidad de que el volumen sea menor a 12 onzas es aproximadamente 0,
es decir de un 0.003%.
b. Si se desechan todas las latas que tienen menos de 12.1 o más de 12.5 onzas
de líquido, ¿cuál es la proporción de latas desechadas?
P [X < 12.1] O P [X > 12.5]
P [X >12.5] = 1 – P [X < 12.5]
𝑃 [𝑋 < 12.1] 𝑂 𝑃 [𝑋 > 12.5] = 𝑃 [𝑋 < 12.1] + 1 − 𝑃 [𝑋 < 12.5]
𝑃 [𝑋 < 12.1] + 𝑃 [𝑋 > 12.5]
𝑋 − 𝜇 𝑋 − 𝜇
= 𝑃 [𝑍 < ] + 1 − 𝑃 [𝑍 < ] (𝐸𝑠𝑡𝑎𝑛𝑑𝑎𝑟𝑖𝑧𝑎𝑚𝑜𝑠)
𝜎 𝜎
𝑃 [𝑋 < 12.1] + 𝑃[𝑋 > 12.5]
12.1 − 12.4 12.5 − 12.4
= 𝑃 [𝑍 < ] + 1 − 𝑃 [𝑍 < ]
0.1 0.1
𝑃[𝑋 < 12.1] + 𝑃[𝑋 > 12.5] = 𝑃 [𝑍 < −3] + 1 − 𝑃[𝑍 < 1]
𝑃[𝑋 < 12.1] + 𝑃[𝑋 > 12.5] = 0.00135 + 1 − 0.84135
𝑃 [𝑋 < 12.1] + 𝑃[𝑋 > 12.5] = 0.16135
La porción de latas desechas es de un 16.135%
c. Calcule especificaciones que sean simétricas alrededor de la media, de modo
que se incluya al 99% de todas las latas.
P [L < X < U] = 0.99
- Los valores en los extremos son de 1- 0.99 = 0.01
- Distribuimos para ambos lados: 0.01 /2 = 0.005
- El valor de Z, correspondiente a 0.005 = - 2.57
Encontramos sus límites:
𝐿 = 𝜇 − 𝑍 ∗ 𝜎 => 12.4 − (−2.57 ∗ 0.1) = 12.4 + 0.257 = 12.657
𝑈 = 𝜇 + 𝑍 ∗ 𝜎 ⇒ 12.4 + (−2.57 ∗ 0.1) = 12.4 − 0.257 = 12.143
Las especificaciones simétricas alrededor de la media para incluir el 99% de las
latas son de 12.143 onzas a 12.657 onzas.
7. El tiempo de incapacidad por enfermedad de los empleados de una compañía en un mes
tiene una distribución normal con media 100 horas y desviación estándar de 20 horas.
Experimento aleatorio: Seleccionar al azar el tiempo de incapacidad por enfermedad de
los empleados de una compañía
V. A. (x): Tiempo de incapacidad por enfermedad de los empleados de una compañía en
un mes
X: Distribución Normal
Datos:
- μ = 100 horas
- σ = 20 horas
a. ¿Cuál es la probabilidad de que el tiempo por incapacidad del siguiente mes
se encuentre entre 50 y 80 horas?
𝑃 [ 50 < 𝑋 < 80] = 𝑃 [𝑋 < 80] – 𝑃 [ 𝑋 < 50]
𝑋 − 𝜇 𝑋 − 𝜇
𝑃 [50 < 𝑋 < 80] = 𝑃 [𝑍 < ] – 𝑃 [𝑍 < ] (Estandarizamos)
𝜎 𝜎
80 − 100 50 − 100
𝑃 [50 < 𝑋 < 80] = 𝑃 [𝑍 < ] – 𝑃 [𝑍 < ]
20 20
𝑃[50 < 𝑋 < 80] = 𝑃 [𝑍 < − 1]– 𝑃[𝑍 < −2.5]
𝑃 [50 < 𝑋 < 80] = 0.15866 − 0.00621
𝑃 [50 < 𝑋 < 80] = 0.15265
La probabilidad de que el tiempo por incapacidad se encuentre entre 50 y 80 horas
es de 0.15265, es decir de un 15.265%.
b. ¿Cuánto tiempo de incapacidad deberá plantearse para que la probabilidad de
excederlo sea sólo del 10 %?
P (X > k) = 0.10
- Los valores en los extremos son de 1- 0.10 = 0.90
- El valor de Z, correspondiente a 0.90 = 1.28
Entonces: 𝑘 = 𝜇 + 𝑍 ∗ 𝜎 => 100 + 1.28 ∗ 20 = 100 + 25.6 = 125.6
El tiempo de incapacidad planteado debe ser aproximadamente 125.6 horas.
8. El diámetro del punto producido por una impresora tiene una distribución normal con
media de 0.002 pulgadas y desviación estándar de 0.0004 pulgadas.
Experimento aleatorio: Selecciona al azar un diámetro del punto producido por una
impresora.
V. A. (x): El diámetro del punto producido por una impresora (en pulgadas)
X: Distribución Normal
Datos:
- μ = 0.002 pulgadas
- σ = 0.0004 pulgadas
a. ¿Cuál es la probabilidad de que el diámetro del punto sea mayor que 0.0026
pulgadas?
𝑃[𝑋 > 0.0026] = 1 − 𝑃 [𝑋 < 0.0026]
𝑋 − 𝜇
𝑃 [𝑋 > 0.0026] = 1 − 𝑃 [𝑍 < ] (Estandarizamos)
𝜎
0.0026 − 0.002
𝑃[𝑋 > 0.0026] = 1 − 𝑃 [𝑍 < ]
0.0004
𝑃 [𝑋 > 0.0026] = 1 − 𝑃 [𝑍 < 1.5]
𝑃[𝑋 > 0.0026] = 1 − 0.93319
𝑃[𝑋 > 0.0026] = 0.06681
La probabilidad del diámetro del punto sea mayor a 0.0026 pulgadas es de 0.06681,
es decir 6.581%.
b. ¿Cuál es la probabilidad de que el diámetro del punto esté entre 0.0014 y
0.0026 pulgadas?
P[0.0014 < X < 0.0026]
𝑃 [ 0.0014 < 𝑋 < 0.0026] = 𝑃 [𝑋 < 0.0026] – 𝑃 [ 𝑋 < 0.0014]
𝑃 [ 0.0014 < 𝑋 < 0.0026]
𝑋 − 𝜇 𝑋 − 𝜇
= 𝑃 [𝑍 < ] – 𝑃 [𝑍 < ] (Estandarizamos)
𝜎 𝜎
𝑃 [ 0.0014 < 𝑋 < 0.0026]
0.0026 − 0.002 0.0014 − 0.002
= 𝑃 [𝑍 < ] – 𝑃 [𝑍 < ]
0.0004 0.0004
𝑃 [ 0.0014 < 𝑋 < 0.0026] = 𝑃[𝑍 < 1.5]– 𝑃 [𝑍 < −1.5]
𝑃 [ 0.0014 < 𝑋 < 0.0026] = 0.93319 − 0.06681
𝑃 [ 0.0014 < 𝑋 < 0.0026] = 0.86638
La probabilidad que el diámetro este entre 0.0014 y 0.0026 pulgadas es de 0.86638, es
decir un 86.638%.
c. ¿Qué valor debe tener la desviación estándar del diámetro para que la
probabilidad del inciso b) sea 0.995?
𝑃 [0.0014 < 𝑋 < 0.0026] = 0.995
σ = ¿?
Estandarizamos:
𝑋 − 𝜇 𝑋 − 𝜇
𝑃 [0.0014 < 𝑋 < 0.0026] = 𝑃 [ <𝑍< ]
𝜎 𝜎
𝑃 [0.0014 < 𝑋 < 0.0026] = 𝑃[−1.5 < 𝑋 < 1.5] = 0.995
- -Distribuimos para ambos lados: (1 – 0.995) /2 = 0.0025
- El valor de Z, correspondiente a 0.0025 = - 3.48
Entonces:
0.0026 − 0.002
= 3.48
𝜎
0.0006
= 𝜎
3.48
𝜎 = 0.00017
La desviación estándar necesaria es aproximadamente 0.00017 pulgadas
9. El tiempo (en segundos) que un usuario ve una página en un sitio web antes de ir a otra
página es una variable log normal con parámetros 𝜃 = 0.5 𝑦 𝜔2 = 1
Parámetros:
𝜇 = 𝜃 = 0.5
𝜎 = √𝜔 2 = 1
𝐴𝑝𝑙𝑖𝑐𝑎𝑚𝑜𝑠 𝑓𝑢𝑛𝑐𝑖ó𝑛 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 log-normal: 𝑋~Log[ 𝜇, 𝜎 2 ]
a. ¿Cuál es la probabilidad de que una página sea vista por más de 10 segundos?
P(X > 10) = P(ln(x) > ln(10))
ln(10) − 0.50
P(ln(x) > ln(10)) = P(Z > )
1
P(Z > 0.18026) = 0.0357
La probabilidad de que una página sea vista por más de 10 segundos es de 0.0357
b. ¿Cuál es el tiempo que el 50% de los usuarios ven la página?
Mediana: e𝜇 = e0.5 = 1.6487 segundos
∴ El tiempo que el 50% de los usuarios ven la página es de 1.6487 segundos
c. ¿Cuál es la media y la desviación estándar del tiempo hasta que un usuario se va de la
página?
𝜎2 1
Media: e𝜇+ 2 = e0.5+2 = e1 = 2.7183 segundos
∴ La media que del tiempo hasta que un usuario se va de la página es de 2.7183 segundos
2 2 2
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎: (𝑒 𝜎 − 1) e2𝜇+𝜎 = (𝑒 1 − 1) e2(0.5)+1 = 12.6793
Desviación estandar: √12.6793 = 3.561 segundos
∴ El tiempo que varia hasta que un usuario se va de la página es de 3.561 segundos
10. Los estudiantes de un grupo de probabilidad I de la UNT necesitan ahorrar dinero para
una práctica de campo. Sus ahorros representan una distribución log normal. El valor
esperado de ahorro es de 5 mil soles con una desviación estándar de 3 mil soles. Calcular
la probabilidad de que el ahorro de los estudiantes se encuentre entre 10 mil y 30 mil
soles.
X~Log-Normal(𝜇, 𝜎 2 )
Nos da:
𝜎2
𝐸 [X] = 5000 = e𝜇+ 2
2
Ds. Estándar [X] = 3000 = √ (𝑒𝜎 − 1) e2𝜇+𝜎
2
Resolvemos ecuaciones:
𝜎2
𝜇+
5000 = e 2
𝜎2
log(5000) = 𝜇 +
2
2
3000 = √ (𝑒𝜎 − 1) e2𝜇+𝜎
2
2
9000000 = (𝑒𝜎 − 1) 50002
2
𝑒 𝜎 = 1 + 0.36
𝜎 2 = ln(1.36)
Sustituyendo:
ln(1.36)
𝜇+ = log(5000)
2
ln(1.36)
𝜇 = log(5000) −
2
𝜎 = √ln(1.36)
Entonces:
ln(1.36) ln(1.36)
ln(10000) − (log(5000) − ) ln(30000) − (log(5000) − )
P(10000 ≤ X ≤ 30000) = P( 2 ≤Z≤ 2
√ln(1.36) √ln(1.36)
P(10000 ≤ X ≤ 30000) = 0.063
∴ La probabilidad de que los ahorros de los estudiantes se encuentren entre 10,000 y 30,000 soles es 0.063
