Resolución de los ejercicios impares del capitulo 3.

1. Señale qué es una variable aleatoria e incluya un par de ejemplos de variables aleatorias
discretas y otro par de continuas.

Es la función que asocia un número a cada resultado de un experimento aleatorio.

a) Variable aleatoria discreta: (Conjunto finito o numerable)

Una recepcionista recibe 20 llamas por día, Una muestra de tornillos defectuosos en un proceso
es de 15.

b) Variable aleatoria continua: (Intervalo finito o infinito)

Peso, altitud, longitud.

3. ¿Qué es una función de densidad de probabilidades y qué requisitos debe cumplir?

La distribución se representa a través de una tabla que relaciona resultados con probabilidades,
o bien, por medio de una fórmula. En el caso discreto, la función f(x) = P(X = x) que va del rango
de X al intervalo [0, 1] recibe el nombre de función de probabilidad, y cumple con las siguientes
propiedades:

l.f(x) = P(X = x).

2.f(x) O para toda x (no hay probabilidades negativas).

3.lf(x) = 1 (la suma de las probabilidades de todos los posibles valores de X es igual a 1).

5. ¿Cuál es la relación entre la distribución normal y la distribución ji-cuadrada?

Sean Z1, Z2, ..., Zk variables aleatorias independientes, con distribución normal estándar

(μ = 0 y σ2 = 1), entonces la variable aleatoria

𝑋 2 = 𝑍12 + 𝑍22 + ⋯ + 𝑍𝑘2

sigue una distribución ji-cuadrada con k grados de libertad.

7. El departamento de compras inspecciona un pedido de 500 piezas eléctricas, para lo cual toma
una muestra aleatoria de 20 de ellas y se prueban. El vendedor asegura que el porcentaje de
piezas defectuosas es sólo de 5%, así, suponiendo el peor de los casos según el vendedor, p =
0.05, responda lo siguiente:

Gráfica de distribución
Hipergeométrico; N=500; M=25; n=20
0.4

0.3
Probabilidad

0.2

0.1

0.0
0 1 2 3 4 5
X
a) ¿Cuál es la probabilidad de que el porcentaje muestral de defectuosos sea mayor a 10%?

La probabilidad del porcentaje de muestra es de 0.0716

b) ¿Cuál es la probabilidad de obtener una o menos piezas defectuosas?

Gráfica de distribución
Hipergeométrico; N=500; M=25; n=20
0.4 0.7363

0.3
Probabilidad

0.2

0.1

0.0
1 4
X

9. Un fabricante de calculadoras electrónicas desea estimar la proporción de unidades

defectuosas producidas, para ello toma una muestra aleatoria de 250 y encuentra 25
defectuosas. Con base en esto el fabricante afirma que el porcentaje de calculadoras
defectuosas que se produce es de 10%, ¿es real esta afirmación? Argumente su respuesta.

11. En un almacén se inspeccionan todos los lotes de cierta pieza que se reciben; para ello, se
emplean muestras de tamaño 100. Se sabe que el proceso genera 1% de piezas defectuosas y
se tiene el criterio de rechazar el lote cuando se encuentran más de tres piezas defectuosas en
la muestra. ¿Cuál es la probabilidad de aceptar un lote? ¿Cuál es la probabilidad de que se
tengan que inspeccionar 10 lotes antes de rechazar el primero del día?

Gráfica de distribución
Binomial; n=100; p=0.01
0.4

0.3
Probabilidad

0.2

0.1

0.01837
0.0
0 4
X

13. Un gerente de producción de cierta compañía está interesado en probar los productos
terminados que están disponibles en lotes de tamaño 50. Le gustaría retrabajar el lote si puede
estar seguro de que 10% de los artículos están defectuosos en la muestra. Entonces, decide
tomar una muestra de tamaño 10 sin reemplazo y retrabajar el lote si encuentra uno o más
defectuosos en la muestra. ¿Es éste un procedimiento razonable? Argumente su respuesta.
 Gráfica de distribución
Hipergeométrico; N=50; M=5; n=10

0.4

0.3

Probabilidad
0.2

0.1

0.0
0 4
X

La muestra es muy pequeña.

15. En una compañía aérea 40% de las reservaciones que se hacen con más de un mes de
anticipación son canceladas o modificadas. En una muestra de 20 reservaciones, ¿cuál es la
probabilidad de que 10, 11 o 12 reservaciones no hayan cambiado?

a) Conteste usando la distribución binomial.

Gráfica de distribución
Binomial; n=20; p=0.4
0.20

0.15
Probabilidad

0.10

0.2236

0.05

0.00
2 10 12 15
X

b) Resuelva con base en la distribución normal con la media y varianza de la binomial,

considerando el rango de 9.5 a 12.5.

Gráfica de distribución
Normal; Media=8; Desv.Est.=2.1901
0.20

0.15
Densidad

0.10

0.2267

0.05

0.00
8 9.5 12.5
X
17. Una máquina realiza cortes de manera automática de ciertas tiras metálicas con media μ =
40.1 cm y una desviación estándar de 0.2 cm. La medida óptima de tales tiras debe ser de 40 cm
con una tolerancia de más menos 0.5 cm. Suponiendo distribución normal, estime el porcentaje
de las tiras que cumple con las especificaciones.

Gráfica de distribución
Normal; Media=40.1; Desv.Est.=0.2

2.0

0.9759

1.5
Densidad

1.0

0.5

0.0
39.5 40.1 40.5
X

19. Una compañía refresquera históricamente reporta un promedio de 0.5% de botellas por
debajo del nivel de llenado estipulado. Considere una muestra aleatoria de 1 000 refrescos a los
que se mide el volumen cuidadosamente.

a) ¿Cuál es la probabilidad de que 5 o menos botellas tengan un nivel insatisfactorio de llenado?

Gráfica de distribución
Binomial; n=1000; p=0.05
0.06

0.05

0.04
Probabilidad

0.03

0.02

0.01

0.00
20 73
X

La probabilidad es 0.

b) ¿Cuál es la probabilidad de que 10 o más botellas tengan un nivel insatisfactorio de llenado?

 Gráfica de distribución
Binomial; n=1000; p=0.5

0.025

0.020
1
Probabilidad

0.015

0.010

0.005

0.000
423
X

c) Un grupo de consumidores mide cuidadosamente el volumen de 500 botellas y encuentran

10 o más con un nivel insatisfactorio de llenado. ¿Qué deberían concluir? Justifi que su
respuesta.

21. Una máquina produce artículos defectuosos con probabilidad p = 0.05. Suponiendo
independencia entre los artículos, ¿cuál es la probabilidad de que el vigésimo artículo sea el
primer defectuoso? ¿Y cuál de que el primero ocurra en el lugar vigésimo o antes?

23. Una variable aleatoria discreta X tiene la siguiente función de probabilidades:

X 1 2 3 4 5
f(x) 0.54 0.3 0.1 0.05 0.01

a) Represente con una gráfica de barras la distribución de probabilidad de esta variable X.

Distribución de Probabilidad
0.6

0.4

0.2

0
1 2 3 4 5

b) Dibuje también la función de distribución acumulada F(x).

 Distribución acumulada F(x).
1.5

0.5

0
1 2 3 4 5

c) Encuentre la media y la desviación estándar de la variable aleatoria X.

La media es de: 3 y la desviación estándar de: 1.581

25. Si X sigue una distribución normal con media 5 y varianza 4, encuentra la constante c tal que:

a) P(X < c) = 0.8749

La constante c de una distribución normal Z de 1.15 con una media de 5 y varianza de 4, dado
que el valor X es menor, fue 7.3.

b) P(c < X) = 0.6406

La constante c de una distribución normal Z de -0.36 con una media de 5 y varianza de 4, dado
que el valor X es mayor, fue 4.28.

c) P(|X − 5| < c) = 0.95

La constante c de una distribución normal Z de 1.65 con una media de 5 y varianza de 4, dado
que el valor X es menor, con un valor absoluto de 5, fue 13.3.

27. Una compañía automotriz otorga una garantía de 5 años o 100 000 kilómetros para el
diferencial de un automóvil. Históricamente 5% de los compradores de estos autos han
reclamado el servicio de garantía.

a) Encuentre la probabilidad de que a un nuevo distribuidor le reclamen la garantía en el décimo

auto vendido.

b) Sea X igual al número de autos vendidos hasta el primer reclamo. Encuentre el valor esperado
de X, su varianza y la desviación estándar.

29. Vaya al capítulo 13 lea y reporte los aspectos básicos sobre las distribuciones exponencial,
Weibull y lognormal.

Distribución exponencial Weibull:

Modelo muy versátil debido a que su función de riesgo puede ser decreciente, constante o
creciente, dependiendo del valor de su parámetro de forma.

Dada su flexibilidad, la distribución Weibull es de las más utilizadas para describir la vida de
productos, ya que permite modelar productos con tasas de riesgo creciente, constante y
decreciente.

Distribución exponencial lognormal:

Modela el tiempo de falla de procesos de degradación (fatiga, desgaste), y puede servir cuando
los tiempos a la falla son el resultado de muchos efectos pequeños que actúan de manera
multiplicativa

El modelo lognormal es apropiado cuando los tiempos a la falla son el resultado de muchos
efectos pequeños que actúan de manera multiplicativa. Esto hace que al sacar el logaritmo
dichos efectos se conviertan en efectos que actúan de manera aditiva sobre el logaritmo del
efecto global o logaritmo del tiempo de falla, y estos últimos tienden a distribuirse normal.

31. Mediante un software estadístico genere 200 muestras de tamaño cinco de una distribución
normal estándar. Por ejemplo en Excel con =DISTR.NORM. INV(ALEATORIO(),0,1) se genera un
número aleatorio de una distribución normal estándar, por lo tanto se puede repetir esta
instrucción en cinco columnas, y en 200 renglones. Para cada muestra de tamaño 5 calcule la
media, la desviación estándar de la muestra. Además haga lo siguiente.

Informe de resumen de C6
Prueba de normalidad de Anderson-Darling
A-cuadrado 0.25
Valor p 0.736
Media -0.06434
Desv.Est. 1.04894
Varianza 1.10028
Asimetría 0.0842541
Curtosis -0.0090246
N 200
Mínimo -3.06827
1er cuartil -0.73962
Mediana -0.07914
3er cuartil 0.56653
Máximo 2.65977
Intervalo de confianza de 95% para la media
-3 -2 -1 0 1 2
-0.21060 0.08192
Intervalo de confianza de 95% para la mediana
-0.23439 0.12596
Intervalo de confianza de 95% para la desviación estándar
0.95523 1.16320

Intervalos de confianza de 95%

Media

Mediana

-0.2 -0.1 0.0 0.1

a) Para cada muestra calcule el estadístico

𝑋̅
𝑇=
𝑆/√𝑛
y haga un histograma con los 200 valores de este estadístico. La forma de esta distribución debe
ser muy similar a una T de Student con n grados de libertad. ¿Esto se ve claro en el histograma?

b) Para cada muestra calcule el estadístico X^2 = (n − 1) S^2 y haga un histograma con los 200
valores de este estadístico. La forma de esta distribución debe ser muy similar a una ji-cuadrada
con n − 1 grados de libertad. ¿Esto se ve claro en el histograma?

En la gráfica del histograma se puede observar que parece ser una distribución de Chi cuadrada,
también al elevar los valores al cuadrado. Así cómo también se observa que la distribución es
bastante parecida a una T-student con n grados de libertad.
c) Cada dato de la muestra de tamaño 5, elévelo al cuadrado y súmelos, es decir obtenga 𝑋 2 =
𝑋12 + 𝑋22 + 𝑋32 + 𝑋42 + 𝑋52 . Los 200 valores obtenidos de estas sumas represéntelos en un
histograma. La forma de esta distribución debe ser muy similar a una jicuadrada con n grados

33. Repita el ejercicio anterior, pero ahora use un tamaño de muestra de tamaño 10. Comente
sobre las similitudes y diferencias.

a) Comente la forma del histograma

En el histograma se muestran claramente el resultado de un experimento aleatorio el cual no

puede anticiparse aun cuando se repita bajo las mismas condiciones de aleatoriedad; mas sin
embargo en la gráfica se muestra el conjunto de resultados posibles de un experimento
aleatorio.

b) Obtenga la media de las medias y la desviación estándar de las medias.

Variable Media Desv.Est.

Muestras 10.016 2.301

c) ¿De manera aproximada qué distribución siguen las medias de las muestras? Argumente.

Siguen la distribución de probabilidad X en donde se describe el conjunto de los valores posibles

que podrían tomar las 300 variables de X con la probabilidad asociada a cada uno de los valores.