ACAPOMIL

Cátedra: “Estadísticas I”.

“Guía de ejercicios resueltos distribuciones conocidas”

SOLUCION

PREGUNTA N°1

Como buen estudiante de estadísticas Ud sabe que un modelo de distribución de

probabilidad binominal se aplica cuando se realizan un número “n" de veces el
experimento de Bernoulli, siendo cada ensayo independiente del anterior. Suponga que la
probabilidad de que un estudiante de la carrera de ingeniería se titule es de 30%. Sobre la
base de lo anterior determine:

a) ¿Cuál es la probabilidad que un grupo de 7 estudiantes mechones todos terminen la

carrera de ingeniería?

RESPUESTA

a) La manera de calcular la probabilidad de éxito en un modelo Binomial es de la siguiente

manera:
𝑛
𝑝(𝑥) = 𝑃(𝑋 = 𝑥) = ( ) ∗ 𝑝 𝑥 ∗ (1 − 𝑝)𝑛−𝑥
𝑥
Luego, aplicando a nuestros datos, obtenemos lo siguiente:

7
𝑃(𝑋 = 7) = ( ) ∗ 0,37 ∗ (1 − 0,3)7−7 = 0,0002187
7
Donde “x “ es igual al número de aciertos, "n" es el número de ensayos, " p " es la
probabilidad de éxito

PREGUNTA N°2:

Un modelo de Bernoulli es aquel que se aplica cuando se realiza una sola vez un
experimento que tiene únicamente dos resultados posibles (éxito o fracaso), donde la
variable sólo puede tomar dos valores 1 y 0. Suponga que un jugador de futbol está a
punto de lanzar un penal, donde la probabilidad de que anote el gol es de 0,55. Diremos
que X=1 si anota el gol (éxito) y X=0 si no hace el gol (fracaso). Sobre la base de lo anterior,
se pide:

a) Encuentre la media y varianza de la variable aleatoria.

b) Determine la probabilidad de éxito.
RESPUESTA

b) La esperanza de la variable aleatoria en una distribución Bernoulli es :

𝐸(𝑋) = 𝑝

Luego, de acuerdo a nuestros datos es

𝐸(𝑋) = 0,55

Y la varianza corresponde a la siguiente expresión

𝑉(𝑋) = 𝑝 ∗ (1 − 𝑝)

Luego, de acuerdo a nuestros datos es:

𝑉(𝑋) = 0,55 ∗ (1 − 0,55) = 0,2475

c) La manera de calcular la probabilidad de éxito en un modelo Bernoulli es de la siguiente

manera:
𝑝(𝑥𝑖 ) = 𝑃(𝑋 = 𝑥𝑖 ) = 𝑝 𝑥𝑖 ∗ (1 − 𝑝)1−𝑥𝑖

Aplicando a nuestros datos, tenemos:

𝑃(𝑋 = 1) = 0,551 ∗ (1 − 0,55)1−1 = 0,55

PREGUNTA 3

Cuando en una distribución binomial se realiza el experimento un número "n" muy

elevado de veces y la probabilidad de éxito "p" en cada ensayo es reducida, entonces se
aplica el modelo de distribución de probabilidad Poisson. Por ejemplo, suponga que en
promedio en el estacionamiento de una Universidad se estacionan 3 autos al día. Calcule
la probabilidad de éxito de que cuando se estacione una vez al día esté el espacio
disponible.

RESPUESTA

La probabilidad de que el espacio esté disponible se calcula de la siguiente manera:

𝑒 −𝜆 ∗ 𝜆𝑥
𝑃(𝑋 = 𝑥) =
𝑥!
Aplicando a nuestros datos, tenemos:
 𝑒 −3 ∗ 31
𝑃(𝑋 = 1) = = 14%
1!
Donde “x” es el número de éxito cuya probabilidad se está calculando y “𝜆” número de
veces " n " que se realiza el experimento multiplicado por la probabilidad " p " de éxito en
cada ensayo.

PREGUNTA 4

Ud como buen asesor estadístico sabe que la distribución geométrica es un caso especial
de la binomial, donde la probabilidad de la variable aleatoria se calcula de la siguiente
manera:

𝑃(𝑋 = 𝑥) = 𝑞 𝑥−1 ∗ 𝑝

Donde “p” es la probabilidad de éxito en cada ensayo y “q” es la probabilidad de fracaso

en cada ensayo y “x” es el número de tiradas. Suponga que se lanza al aire una moneda 8
veces, de tal manera que la probabilidad de que aparezca cara es de 2/3, mientras que la
probabilidad de que aparezca sello es de 1/3.

Sobre la base de lo anterior:

a) Calcule la probabilidad de que en el último lanzamiento aparezca cara.

b) Calcule la esperanza y varianza de la variable aleatoria

RESPUESTA

a) Sabemos que “x” es el número de tiradas, que para nuestro ejemplo es 8. Asimismo, la
probabilidad de éxito a que salga cara es p=2/3 y la de fracaso (salga sello) es q=1/3.

Aplicando, a nuestros datos, tenemos que:

𝑃(𝑋 = 8) = 1/38−1 ∗ 2/3 = 0,003048

b) La esperanza de una variable aleatoria bajo un modelo de distribución Geométrico se

calcula de la siguiente manera:

𝐸(𝑋) = 1/𝑝

Luego, aplicando a nuestros datos, tenemos:

𝐸(𝑋) = 3/2

La varianza se calcula de acuerdo a la siguiente expresión

 𝑉(𝑋) = 𝑞/𝑝2

Luego, aplicando a nuestros datos, tenemos

1
𝑉(𝑋) = 3 2 = 0,75
2
(3)

PREGUNTA 5

Cuando las probabilidades son las mismas para todos los posibles resultados en un
intervalo (a,b), donde “a” es el mínimo y “b” el máximo, estamos bajo un modelo de
distribución de probabilidad uniforme. En este modelo la función de densidad de
probabilidad está caracterizada de la siguiente manera:

1
𝑓(𝑥) = (∗)
𝑏−𝑎
Ahora, suponga que Ud está observando los horarios de llegada de un cierto bus de la
locomoción colectiva (9:00, 10:00, 11:00, 12:00). Sobre la base de lo anterior:

a) Calcule la probabilidad que pase por esos horarios.

b) ¿Cuál es la esperanza de la variable aleatoria?

RESPUESTA

a) Sabemos que la función de densidad de la variable aleatoria bajo este modelo se

calcula de acuerdo a (*). Los parámetros a y b en nuestro ejemplo son 9 y 12
respectivamente, es decir, X se distribuye U con parámetros (9,12). Luego, aplicando a
nuestros datos tenemos:

1
𝑓(𝑥) = = 1/3
12 − 9
b) La esperanza en este modelo se calcula de la siguiente manera:

𝑎+𝑏
𝐸(𝑋) =
2

Aplicando a nuestros datos, tenemos:

 12 + 9
𝐸(𝑋) = = 10,5
2

PREGUNTA 6

Una distribución continua importante es la distribución exponencial, cuya función de

densidad está caracterizada por:

𝑓(𝑥) = 𝛼 ∗ 𝑒 −𝛼𝑥 𝑥 > 0; 𝛼 > 0 (∗∗)

Este modelo se utiliza para representar el tiempo de funcionamiento o de espera, por

ejemplo considere que la el tiempo que dura la batería de un teléfono celular se distribuye
bajo este modelo de probabilidad, con un tiempo promedio de 20 horas. Sobre la base de
lo anterior, se pide:

a) ¿Cuál es la probabilidad de que una batería funcione por más de 30 horas?

b) ¿Cuál es la varianza de la variable aleatoria?

RESPUESTA

a) Para encontrar la probabilidad debemos aplicar a nuestros datos la expresión (**)

𝑓(𝑥) = 20 ∗ 𝑒 −20∗30

b) La esperanza de la variable aleatoria se calcula de la siguiente manera:

1
𝑉(𝑋) =
𝛼2
Aplicando a nuestros datos, obtenemos:

1
𝑉(𝑋) =
202
PREGUNTA 7

Como sucede en todas las distribuciones continuas de probabilidad, un valor de

probabilidad de una variable aleatoria continua solo puede determinarse por un intervalo
de valores. La curva de probabilidad, de una variable aleatoria con distribución normal
está dada por:

1 −(𝑥−𝜇)2
𝑓(𝑥) = ∗ 𝑒 2𝜎2
√2𝜋𝜎 2
Donde "𝜋" es la constante 3,1416, “e” la constante 2,7183 (euler), 𝜇 la media de la
distribución y “𝜎" la distribución estándar de la distribución. Puesto que toda diferente
combinación de 𝜇 𝑦 𝜎 generaría una distribución normal de probabilidad diferente. La
teoría estadística se basa en la distribución normal estándar, donde la variable aleatoria se
distribuye normal con media cero y desviación estándar 1. Ud sabe que todo valor de X
procedente de una población con distribución normal puede convertirse en el equivalente
valor normal estándar mediante la siguiente formula.
𝑥−𝜇
𝑦=
𝜎
Suponga que el ciclo de vida de un componente electrónico sigue una distribución normal
con media 2000 y desviación estándar 200. Sobre la base de lo anterior, se pide:

a) Calcule la probabilidad de que un componente aleatoriamente seleccionado dure

menos de 2400 horas

RESPUESTA

Debemos convertir la distribución con parámetros 2000 y 200 a una distribución normal
estandarizada. Para ello aplicamos el siguiente procedimiento:

2400 − 2000
𝑦= =2
200
Luego, para encontrar la probabilidad debemos utilizar la tabla de probabilidad
acumulada. Aplicando a nuestros datos, obtenemos que la probabilidad encontrada es
0,9772.