PROBABILIDAD Y ESTADÍSTICA 1
Trabajo Práctico Nº 5- Grupo 40
Variables Aleatorias Continuas
Ejercicio 1: Las especificaciones piden que el espesor de las hojas de aluminio para hacer latas esté entre 8 y 11
milésimos de pulgada. Sea X el espesor de una hoja de aluminio, y la función de densidad de probabilidad de X está
dada por:
𝑥
6 < 𝑥 < 12
𝐹(𝑥) = & 54
0 𝑑𝑒 𝑜𝑡𝑟𝑜 𝑚𝑜𝑑𝑜
a) ¿Qué proporción de hojas cumplirán con la especificación?
b) Si las hojas de aluminio cumplen las especificaciones y dado que el espesor X ≥ 8. ¿Cuál es la probabilidad de que
X sea menor que 10?
c) Determinar la media, la mediana y la varianza del espesor de una hoja.
d) Determinar la función de distribución acumulativa del espesor.
Desarrollo
a) Hallamos la proporción planteando la integran de 8 a 11 que son los valores dentro de las especificaciones.
;;
𝑥 (11)> (8)>
𝑃(8 ≤ 𝑋 ≤ 11) = 9 ∗ 𝑑𝑥 = = − @ = 𝟎, 𝟓𝟐𝟕𝟖
< 54 108 108
b) Para hallar el resultado en este caso a la probabilidad de que este dentro de las especificaciones le restamos la
probabilidad que sea mayor a 10.
𝑃(8 ≤ 𝑋 < 10) = 𝑃(8 ≤ 𝑋 ≤ 11) − 𝑃(10 ≤ 𝑋 ≤ 11)
;; ;;
𝑥 𝑥 (11)> (8)> (11)> (10)>
9 ∗ 𝑑𝑥 − 9 ∗ 𝑑𝑥 = = − @−= − @ = 𝟎, 𝟑𝟑𝟑𝟑
< 54 ;G 54 108 108 108 108
c) Media: dado que las integrales de -inf a 6 y de 12 a inf son 0 podemos plantear como:
J ;>
𝑥 (12)M (6)M
𝐸(𝑋) = 9 𝑥 ∗ 𝐹(𝑥) ∗ 𝑑𝑥 = 9 𝑥 ∗ ∗ 𝑑𝑥 = = − @ = 𝟗, 𝟑𝟑𝟑𝟑
KJ L 54 162 162
Varianza:
J ;>
> 𝑥
𝑉(𝑋) = 9 P𝑥 − 𝐸(𝑥)Q ∗ 𝑓(𝑥) ∗ 𝑑𝑥 = 9 (𝑥 − 9,3333)> ∗ ∗ 𝑑𝑥 =
KJ L 54
;>
𝑥U
18,66 ∗ 𝑥M
9,3333> ∗ 𝑥 >
= − + @
4 3 2 L
12U 18,66 ∗ 12M 9,3333> ∗ 12> 6U 18,66 ∗ 6M 9,3333> ∗ 6>
𝑉(𝑋) = = − + @−= − + @ = 𝟐, 𝟖𝟖𝟗
4 3 2 4 3 2
Mediana:
XY X
𝑥 𝑥> Y 𝑥W > 6>
𝐹(𝑥W ) = 9 ∗ 𝑑𝑥 = = @ == − @ = 0,5
L 54 108 L 108 108
0,5
𝑥W = Z + 6> = 𝟗, 𝟒𝟖𝟔𝟖
108
d) Función distribución acumulativa:
X X
𝑡 𝑡> 𝒙𝟐 𝟏
𝐹(𝑥) = 9 ∗ 𝑑𝑡 = = @ = −
L 54 108 L 𝟏𝟎𝟖 𝟑
Ejercicio 2: Una variable aleatoria continua X tiene la siguiente función de densidad:
Determinar:
a) El valor de k.
b) La media y la mediana de la variable aleatoria.
c) Sabiendo que X es menor que 3, ¿Cuál es la probabilidad de que X sea menor que 2?
Desarrollo
a) Como es una función de densidad de una V.A.C debe cumplir con la propiedad
J
∫KJ 𝐹(𝑥)𝑑𝑥 = 1
Entonces:
; U
2 𝑥 𝑘 4 7 𝟏
9 𝐾𝑥 𝑑𝑥 + 9 − 𝑑𝑥 = 1 → = + − =1→𝑲=
G ; 3 6 2 3 12 𝟐
J ;; U> Xf
b) 𝜇𝑥 = ∫KJ 𝑥𝐹(𝑥) = ∫G 𝑥 > 𝑑𝑥 + ∫; 𝑥 − 𝑑𝑥 →
> M L
1 16 5
→𝜇 + − = 𝟏, 𝟔𝟔𝟕
6 9 18
hW ; hW
𝑥 2 𝑥
𝑀𝑒 = 𝑋𝑚 9 𝐹(𝑡)𝑑𝑡 = 0,5 → 9 𝑑𝑥 + 9 − 𝑑𝑥 = 0,5
KJ G 2 ; 3 6
Lo tomamos así ya que sabemos que en el primer intervalo (el de x/2) no puede estar la Me ya que este intervalo de
Xf
F(x) es U
0<x<1 y esto no puede valer 0,5
; hW
𝑥 2 𝑥 𝑥> 1 2 𝑥 > 𝑋𝑚
9 𝑑𝑥 + 9 − 𝑑𝑥 = 0,5 → i i + ( 𝑥 − )i = 0,5
G 2 ; 3 6 4 0 3 12 1
2 𝑋𝑚> 1 2 1 𝑋𝑚> 2 5
→ 𝑋𝑚 − = 0,5 − + j − k = − 𝑋𝑚 + = 0
3 12 4 3 12 12 3 6
𝑋𝑚1 = 4 + √6 𝑛𝑜 𝑝𝑢𝑒𝑑𝑒 𝑠𝑒𝑟 𝑦𝑎 𝑞𝑢𝑒 𝐹(𝑥) = 1 𝑝𝑎𝑟𝑎 𝑥 > 4
𝑋𝑚2 = 4 − √6 → 𝑴𝒆 = 𝑿𝒎 ≅ 𝟏, 𝟓𝟓
{(X|>∩X|M) {(X|>)
c) Sabiendo que X<3 à P(x<2/x<3)= {(X|M)
= {(X|M) =
~f € f ~f
€~ ff ~
∫• f•X ‚∫€ ƒK„•X … … ‚( XK )…f€
† • ƒ €f
= €~ ƒf ~ = ~f € f ~f ƒ
= 𝟎, 𝟕𝟐𝟕
∫• f•X‚∫€ ƒK„•X … …•‚( XK )…€
† ƒ €f
Ejercicio 3: Dada la función de densidad de probabilidad:
a) Encontrar el valor de k sabiendo que f (x) es función densidad.
b) Encontrar la función de distribución acumulada F(x).
c) Graficar f (x) y F(x).
d) Encontrar P (X > 1,5).
e) Hallar: E(X) y V(X).
Desarrollo
J
a) ∫KJ 𝑓(𝑥)𝑑𝑥 = 1
> U
2k
9 𝑘𝑥 𝑑𝑥 + 9 𝑘(4 − 𝑥)𝑑𝑥 = 1
G >
2𝑘 + 2𝑘 = 1 k ----------------------------
𝒌 = 𝟏/𝟒
b)
2 4
XX 𝒙𝟐
𝐹1(𝑥) = ∫G U
𝑑𝑥 = 𝟖
X ; 𝒙𝟐
𝐹2(𝑥) = ∫> 1 − U 𝑥 𝑑𝑥 = 𝒙 − 𝟖
−𝟏
c)
1/2 1
1/2
1/4
2 4 2 4
;,Š X ‹
d) 𝑃(𝑥 ≥ 1,5) = 1 − ∫G U
𝑑𝑥 = 1 − M> = 0,72
> X U ; > U
e) E (x) = ∫G 𝑥. 𝑑𝑥 + ∫> •1 − 𝑥Ž . 𝑥 𝑑𝑥 = + = 𝟐
U U M M
> X U ; > X U ; >
V(x)= [∫G 𝑥 > . U 𝑑𝑥 + ∫> •1 − U 𝑥Ž . 𝑥 > 𝑑𝑥 ] − •∫G 𝑥. U 𝑑𝑥 + ∫> •1 − U 𝑥Ž . 𝑥 𝑑𝑥 ‘ = (1 +11/3) – (2/3 + 4/3) ^2 = 0,6
Ejercicio 4: La cantidad de combustible diario, en litros, que consume los móviles de una determinada empresa de
logística es una variable aleatoria X que tiene una distribución continua uniforme con A=700 y B=1000. Calcule la
probabilidad de que en un día determinado la cantidad de combustible utilizado sea:
a) A lo sumo 670 litros.
b) Más de 700 litros, pero menos de 950 litros.
c) Al menos 820 litros.
1
700 ≤ 𝑥 ≤ 1000
𝑓(𝑥) = ’300
0 𝑒𝑛 𝑜𝑡𝑟𝑎 𝑝𝑎𝑟𝑡𝑒
Desarrollo
a) Como se trata de una distribución continua uniforme la probabilidad fuera del rango comprendido entre a y b es
igual a 0. En este caso representa que el mínimo de combustible consumido por los móviles es de 700lt por día, por
lo tanto, no existe la posibilidad de consumir menos de esta cantidad.
𝑃(𝑥 ≤ 670) = 𝟎
b) 𝑃(700 ≤ 𝑥 ≤ 950) = 1 − 𝑃(𝑥 ≥ 950)
;GGG
1 𝑥 ;GGG 1000 950 1
𝑃(𝑥 ≥ 950) = 9 𝑑𝑥 = • Ž = − = = 0.16667
300 300 ‹ŠG 300 300 6
‹ŠG
1 5
𝑃(700 ≤ 𝑥 ≤ 950) = 1 − = = 𝟎. 𝟖𝟑𝟑𝟑
6 6
;GGG ; X ;GGG ;GGG <>G M
c) 𝑃(𝑥 ≥ 820) = ∫<>G MGG
𝑑𝑥 = •MGGŽ = MGG
− MGG = Š = 𝟎. 𝟔
<>G
Ejercicio 5: El periodo de vida de vida de un interruptor eléctrico tiene una distribución exponencial con un promedio
de fallos de 2 años.
a) ¿Cuál es la probabilidad de que falle después de los tres años?
b) ¿Cuál es la probabilidad de que falle antes de cumplir 1 año?
c) Halle la varianza.
Desarrollo
Como se trata de una distribución exponencial sabemos que:
1 1
𝐸(𝑥) = → 2= → 𝜆 = 𝟎. 𝟓
𝜆 𝜆
Por lo tanto:
0.5 ∗ 𝑒 KG.ŠX 𝑥≥0
𝑓(𝑥) = ”
0 𝑥<0
𝐹(𝑥) = 1 − 𝑒 KG.ŠX
a) 𝑃(𝑥 ≥ 3) = 1 − 𝑃(𝑥 ≤ 3) = 1 − (1 − 𝑒 KG.Š∗M ) = 𝟎. 𝟐𝟐𝟑𝟏
b) 𝑃(𝑥 < 1) = 1 − 𝑒 KG.Š∗; = 𝟎. 𝟑𝟗𝟑
; ;
c) 𝑉(𝑥) = •f = G.Šf = 𝟒
Ejercicio 6: Siendo 𝑋~𝑁(0,1), ℎ𝑎𝑙𝑙𝑎𝑟:
a) 𝑃(𝑥 > 1.96)
b) 𝑃(𝑥 < −1.39)
c) 𝑃(𝑥 > −0.89)
d) 𝑃(−2.16 < 𝑥 < −0.65)
e) 𝑃(𝑥 > 𝑘) = 0.2946
f) 𝑃(−0.93 < 𝑥 < 𝑘) = 0,7235
g) 𝑃(−𝑘 < 𝑥 < 𝑘) = 0.933
Desarrollo
Como se trata de una distribución normal con media 0 y varianza 1 podemos utilizar la tabla de distribución normal
acumulada.
a) 𝑃(𝑥 > 1.96) = 1 − 𝑃(𝑥 < 1.96)
𝑃(𝑥 > 1.96) = 1 − 0.9750 = 𝟎. 𝟎𝟐𝟓
b) 𝑃(𝑥 < −1.39) = 𝟎. 𝟎𝟖𝟐𝟑
c) 𝑃(𝑥 > −0.89) = 1 − 𝑃(𝑥 < −0.89) = 1 − 0.1867 = 𝟎. 𝟖𝟏𝟑𝟑
d) 𝑃(−2.16 < 𝑥 < −0.65) = 𝑃(𝑥 < −0.65) − 𝑃(𝑥 < −2.16)
= 0.2578 − 0.0154 = 𝟎. 𝟐𝟒𝟐𝟒
e) 𝑃(𝑥 > 𝑘) = 0.2946 = 1 − 𝑃(𝑥 < 𝑘) = 0.2946
𝑃(𝑥 < 𝑘) = 0.7054 → 𝒌 = 𝟎. 𝟓𝟒
f) 𝑃(−0.93 < 𝑥 < 𝑘) = 0,7235 = 𝑃(𝑥 < 𝑘) − 𝑃(𝑥 < −0.93) = 0.7235
𝑃(𝑥 < 𝑘) = 0.7235 + 0.1762 = 0.8997 → 𝒌 = 𝟏. 𝟐𝟖
g) 𝑃(−𝑘 < 𝑥 < 𝑘) = 0.933
𝑃(𝑥 < 𝑘) − 𝑃(𝑥 > −𝑘) = 0.933
𝑃(𝑥 < 𝑘) − 𝑃(𝑥 > 𝑘) = 0.933
𝑃(𝑥 < 𝑘) − (1 − 𝑃(𝑥 < 𝑘) = 0.933
2 ∗ 𝑃(𝑥 < 𝑘) = 0.933 + 1
𝑃(𝑥 < 𝑘) = 0.9665 → 𝒌 = 𝟏. 𝟖𝟑
Ejercicio 7: El tiempo requerido por los estudiantes para presentar un examen de aprovechamiento tiene una
distribución normal con una media de 70 minutos y una desviación estándar de 12 minutos.
a) ¿Qué probabilidad existe de que los estudiantes presenten el examen antes de los 80 minutos?
b) ¿Qué probabilidad existe de que los estudiantes presenten el examen entre los 50 minutos y los 85 minutos?
c) ¿Cuánto debería durar el examen si queremos que haya suficiente tiempo para que termine el 90% de los estudiantes?
Desarrollo
Datos:
𝝁 = 70
𝝈 = 12
XKž
a) 𝑃(𝑥 < 80) = 𝑃 •𝑍 < Ÿ Ž
80 − 70
𝑃(𝑥 < 80) = 𝑃 j𝑍 < k = 𝑃(𝑧 < 0.83)
12
Buscamos este dato en la tabla:
Por lo tanto:
𝑃(𝑥 < 80) = 𝑃(𝑧 < 0.83) = 𝟎. 𝟕𝟗𝟔𝟕
X Kž X Kž
b) 𝑃(50 < 𝑥 < 85) = 𝑃 • €Ÿ < 𝑍 < fŸ Ž
50 − 70 85 − 70 5 5
𝑃(50 < 𝑥 < 85) = 𝑃 j <𝑍< k = 𝑃 j− < 𝑍 < k =
12 12 3 4
5 −5
𝐹 j k − 𝐹 j k = 0.8944 − 0.0485 = 𝟎. 𝟖𝟒𝟓𝟗
4 3
Estos datos fueron obtenidos nuevamente por tabla:
c) Buscamos en la tabla el valor de z que tiene una probabilidad acumulada de 0.9
Por lo tanto:
𝑥−𝜇
𝑍= → 𝑥 =𝑧∗𝜎+𝜇 → 𝑥 = 1.282 ∗ 12 + 70 = 𝟖𝟓. 𝟑𝟖𝟒
𝜎
El examen debería durar 85.4 minutos aproximadamente.
Ejercicio 8: La duración de las barrenas de perforación para pozos petroleros depende de las características geológicas
que se encuentren, pero se estima que su duración media es de 75 horas. Si una compañía exploradora de petróleo
adquiere barrenas que tienen una duración con una distribución aproximadamente normal con media de 75 horas y
varianza de 144 horas.
a) ¿Qué proporción de barrenas de perforación fallará antes de 60 hs de operación?
b) ¿Qué proporción durará entre 60 horas y 80 horas?
c) ¿Qué proporción deberá ser reemplazada después de 90 hs de uso?
Desarrollo
a) Barreras en duración de distribución normal à Media 𝜇 = 75 ℎ𝑠, 𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎 > = 144
60 − 75
𝑃(𝑥 < 60) = 𝑃 j𝑍 < k = 𝑃(𝑍 < −1,25) = 𝟎, 𝟏𝟎𝟓𝟔
12
b) 𝑃(60 < 𝑋 < 80) = 𝑃(𝑋 < 80) − 𝑃(𝑋 < 60) = 𝑃(𝑍 < 0,42) − 𝑃(𝑍 < 1,25) = 0,6628 − 0,1056 = 𝟎, 𝟓𝟓𝟕𝟐
c) 𝑃(𝑥 > 90) = 1 − 𝑃(𝑥 < 90) = 1 − 𝑃(𝑍 < 1,25) = 1 − 0,8944 = 𝟎, 𝟏𝟎𝟓𝟔
Ejercicio 9: El diámetro interior del anillo de un pistón terminado se distribuye normalmente con una media de 10 cm
y una desviación estándar de 0.03cm.
a) ¿Qué proporción de anillos tendrá diámetros interiores que excedan 10.075 cm?
b) ¿Cuál es la probabilidad de que el anillo de un pistón tenga un diámetro interior de entre 9.97 y 10.03cm?
c) ¿Por debajo de que valor del diámetro interior caerá el 15% de los anillos de pistón?
Desarrollo
a) X ~ N (10 ; 0,03> )
10,075 − 10
𝒛= = 𝟐, 𝟓
0,03
𝑃(𝑥 > 10.075) = 1 − (𝑧 < 2,5) = 1 − 0,9938 = 𝟎, 𝟎𝟎𝟔𝟐
b) Primero pasamos los datos a z para así poder utilizar la tabla de distribución normal acumulada.
9.97 − 10 10.03 − 10
𝒛= = −𝟏 𝒛= =𝟏
0,03 0,03
𝑃(9,97 < 𝑥 < 10.03) = (z < 1) − (𝑧 < −1) = 0,8413 − 0,1587 = 𝟎, 𝟔𝟖𝟐𝟔
c) El valor que mas se aproxima a 15% en la tabla es:
Z =-1,04 P (Z < -1,04) = 0,1492 ≅ 0,15
x − 10
𝒛= = −𝟏, 𝟎𝟒
0,03
𝒙 = (−1,04 ∗ 0,03) + 10 = 𝟗, 𝟗𝟔𝟖𝟖
El 15% de los valores de diámetro inferior caerán debajo de 9,9688 cm aprox.
Ejercicio 10: Un circuito electrónico tiene 0.9 de probabilidad de no dañarse al sufrir baja tensión. De los siguientes
100 circuitos electrónicos que se someten a baja tensión.
a) ¿Cuál es la probabilidad de que no se dañen entre 85 y 94 inclusive?
b) ¿Cuál es la probabilidad de que no se dañen menos de 90?
c) ¿Cuál es la probabilidad de que no se dañen exactamente 81?
Desarrollo
Para conocer las áreas de bajo de la curva normal debemos aproximar a propiedades Binomiales cuando n es
©Kª«
suficientemente grande. Entonces la forma limitante de la distribución: 𝒛 =
¬ª«-
Tenemos:
• p = 0,9
• q = 1- p = 1 - 0,9 = 0,1
• n = 100
<ŠK(;GG.G,‹)KG,Š ‹UK(;GG.G,‹)‚G,Š
a) 𝒛 = = −1,83 𝒛= = 1,5
¬(;GG.G,‹.G,;) ¬(;GG.G,‹.G,;)
𝑃(85 ≤ 𝑥 ≤ 94) = P(𝑥 ≤ 94) − P(𝑥 ≤ 85)
= P(𝑧 ≤ 1,5) − P(𝑧 ≤ −1,5)
= 0,9332 – 0,0336
= 0,8996
‹GK(;GG.G,‹)‚G,Š
b) 𝒛 = = 0,167
¬(;GG.G,‹.G,;)
𝑃(𝑥 ≤ 90) = P(𝑧 ≤ 1,67) = 0,5675
c) Para este caso planteamos la distribución binomial con variables aleatorias discretas:
𝑛 100
𝑃(𝑥 = 81) = b (81;100;09) = • Ž . 𝑝 X . 𝑞¯KX = • Ž . (0,9)<; . (0,1);GGK<; = 𝟎, 𝟎𝟎𝟐𝟔
𝑥 81
Se aplicó una corrección de continuidad de +- 0,5 en los items a y b; además los valores de z hallados en dichos puntos
corresponden a la misma tabla utilizada en el ejercicio número 7.
Ejercicio 11: Suponer que el número de partículas de asbesto en un centímetro cuadrado de polvo tiene una distribución
Poisson con media 1.000.
a) Si se analiza un centímetro cuadrado de polvo, ¿Cuál es la probabilidad de encontrar menos de 950 partículas de
asbesto?
b) Si se analizan cinco centímetros cuadrados de polvo, ¿Cuál es la probabilidad de encontrar más de 950 partículas
de asbesto?
Desarrollo
©K°
Se utilizará la aproximación Normal a la de Poisson, entonces tenemos: 𝒛 =
√°
• 𝜆 = 1000 en un centrimetro cuadrado.
• 𝜆 = 5000 en 5 centrimetros cuadrados.
‹ŠGK;GGG
a) 𝒛 = = −1,58
√;GGG
𝑃(𝑥 ≤ 950) = P(𝑧 ≤ −1,58) = 0,0571
‹ŠGKŠGGG
b) 𝒛 = = −𝟓𝟕, 𝟐𝟕.
√ŠGGG Cuando z es tan grande significa que tengo
el 99% de los datos, se aproxima a uno.
𝑃(950 ≤ 𝑥) = 1 − P(𝑥 ≤ 950) = 1- P(𝑧 ≤ −57,27)
=1–1
= 0
