Capítulo 5 Distribuciones de probabilidad discreta

Pág. 190

1. Considere el experimento que consiste en lanzar una moneda dos veces.

a. Enumere los resultados experimentales.

Cara, Cara (C, C)
Cara, Cruz (C, X)
Cruz, Cara (X, C)
Cruz, Cruz (X, X)

b. Defina una variable aleatoria que represente el número de caras en los dos
lanzamientos.
X= Número de caras en los dos lanzamientos

c. Dé el valor que la variable aleatoria tomará en cada uno de los resultados

experimentales.
Resultado Valor de x
C,C 2
C,X 1
X,C 1
X,X 0

d. ¿Es una variable aleatoria discreta o continua?

Es una variable aleatoria discreta, puede tomar tres valores: 0,1 y 2.

2. Considere el experimento que consiste en un empleado que arma un producto.

a. Defina la variable aleatoria que represente el tiempo en minutos requerido

para armar el producto. X= tiempo en minutos requerido para armar el producto

b. ¿Qué valores toma la variable aleatoria? Valores positivos mayor que 0 (X>0)

c. ¿Es una variable aleatoria discreta o continua? Es una variable continua, ya que
se habla de minutos.
 6. A continuación se da una serie de experimentos y su variable aleatoria
correspondiente. En cada caso determine qué valores toma la variable aleatoria y
diga si se trata de una variable aleatoria discreta o continua.

Experimento Variable aleatoria (x) Valores posibles de Tipo de

la variable aleatoria Variable
Hacer un examen con 20 Número de preguntas 0,1,2,3,4,5…..20 Discreta
preguntas contestadas correctamente
Observas los automóviles Número de automóviles que 0,1,2,3,4,5…… Discreta
que llegan a una caseta de llegan a la caseta de peaje
peaje en 1 hora
Revisar 50 declaraciones Número de declaraciones que 0,1,2,3,4,5…..50 Discreta
de impuestos tienen algún error
Observar trabajar a un Número de horas no 0 ≤ X ≤ 8 Continua
empleado productivas en una jornada de
8 horas
Pesar un envío Número de libras X>0 Continua

Pág. 193

7. A continuación se presenta la distribución de probabilidad de una variable

aleatoria x.
X F(X)
20 0.20
25 0.15
30 0.25
35 0.40

a. ¿Es válida esta distribución de probabilidad?

Se cumple que f ( x ) ≥0 para cada valor de X y la sumatoria de la misma función es
igual a 1 ( Σ f ( x )=1 ¿. En ese sentido, la distribución de probabilidad es válida.

b. ¿Cuál es la probabilidad de que x = 30?

X =30
f ( 30 ) = 0.25

c. ¿Cuál es la probabilidad de que x sea menor o igual que 25?

x ≤ 25
f ( 20 )+ f ( 25 )=0.20+ 0.15=0.35
d. ¿Cuál es la probabilidad de que x sea mayor que 30?
x >30
f ( 35 )=40

8. Los datos siguientes se obtuvieron contando el número de salas de

operaciones de un hospital que fueron usadas en un periodo de 20 días. Tres de
estos 20 días sólo se usó una sala de operaciones, cinco de estos 20 días se usaron
dos, ocho de estos 20 días se usaron tres salas de operaciones y cuatro de estos 20
días se usaron las cuatro salas de operaciones del hospital.

a. Use el método de las frecuencias relativas para elaborar una distribución de

probabilidad para el número de salas de operaciones usadas en un día.

X F (X) F (X)
1 3/20 0.15
2 5/20 0.25
3 8/20 0.40
4 4/20 0.20
Total 1

b. Elabore una gráfica a partir de la distribución de probabilidad.

D i s tri buc i ón de proba bi l i da d pa ra e l núm e ro de s a l a s de ope ra c i one s de un

hos pita l

0.45
0.40
0.35
Probabilidad

0.30
0.25
0.20
0.15
0.10
1 2 3 4
Número de sala de operaciones usadas en un día
c. Muestre que la distribución de probabilidad elaborada satisface las
condiciones requeridas para una distribución de probabilidad.

Se cumple que f ( x ) ≥0 para cada valor de X (1, 2, 3,4) y la sumatoria de la misma

función es igual a 1 ( Σ f ( x )=1 ¿. En ese sentido, se cumple la condición requerida
para una distribución de probabilidad.

Σ f ( x )=0.15+0.25+ 0.40+0.20=1
f ( x ) ≥0 X=(1,2,3,4)

14. La tabla siguiente es una distribución parcial de probabilidades para las

ganancias proyectadas de MRA Company (x ganancias en miles de dólares)
durante el primer año de operación (los valores negativos indican pérdida).

X F (X)
-100 0.10
0 0.20
50 0.30
100 0.25
150 0.10
200 0.05
1

a. ¿Cuál es el valor adecuado para f (200)? ¿Qué interpretación le da a este

valor?
f ( 100 )+ f ( 0 ) + f ( 50 ) + f ( 100 )+ f ( 150 )=0.95
1−0.95=0.05
f ( 200 )=0.05

La probabilidad de que la empresa MRA Company obtenga una ganancia de

$200,000. Dólares es de 5%.

b. ¿Cuál es la probabilidad de que la empresa sea rentable?

f ( 50 )+ f ( 100 ) +f ( 150 ) + f ( 200 )

0.30+0.25+ 0.10+0.05=¿0.70
La probabilidad de que la empresa MRA Company sea rentable es de un 70%.
 c. ¿Cuál es la probabilidad de que la empresa gane por lo menos $100 000?
f ( 100 )+ f ( 0 ) + f ( 50 ) =0.60
1−0.60=0.4
La probabilidad de que la empresa MRA Company obtenga una ganancia de por lo
menos $100,000. Dólares es de un 40%.

Pág. 197
15. La tabla siguiente muestra la distribución de probabilidad de una variable
aleatoria x.
X f (x)
3 0.25
6 0.50
9 0.25

a. Calcule E(x), el valor esperado de x.

E ( X ) =µ=∑ xf (x) = 6

X f (x) xf (x)
3 0.25 0.75
6 0.5 3
9 0.25 2.25
TOTAL 6

b. Calcule σ2, la varianza de x.

σ 2=∑ ¿=4.5
X µ X-µ (X-µ)2 f (x) (X-µ)2-f(x)
3 0.75 -3 9 0.25 2.25
6 3 0 0 0.5 0
9 2.25 3 9 0.25 2.25
6 0 18 1 4.5
c. Calcule σ, la desviación estándar de x.

σ =√ σ 2 = 2.12
17. Una ambulancia de voluntarios realiza de 0 a 5 servicios por día. A
continuación se presenta la distribución de probabilidad de los servicios por día.

Número de Probabilidad Número de Probabilidad

servicios servicios
0 0.10 3 0.20
1 0.15 4 0.15
2 0.30 5 0.10

a. ¿Cuál es el valor esperado del número de servicios?

N f (N) Nf (N)
0 0.10 0
1 0.15 0.15
2 0.30 0.60
3 0.20 0.60
4 0.15 0.60
5 0.10 0.50
TOTAL 2.45

E ( N )=µ=∑ Nf (N )= 2.45

b. ¿Cuál es la varianza del número de servicios? ¿Cuál es la desviación

estándar?

N µ N-µ (N-µ)2 f (N) (N-µ)2-f(N)

0 0 -2.45 6.0025 0.10 0.6002
1 0.15 -1.45 2.1025 0.15 0.3153
2 0.60 -0.45 0.2025 0.30 0.0607
3 0.60 0.55 0.3025 0.20 0.0605
4 0.60 1.55 2.4025 0.15 0.3603
5 0.50 2.55 6.5025 0.10 0.6502
2.45 2.0475

σ 2=∑ ¿=2.0475
 σ =√ σ 2 = 1.430

22. La demanda de un producto de una empresa varía enormemente de mes a

mes. La distribución de probabilidad que se presenta en la tabla siguiente,
basada en los datos de los dos últimos años, muestra la demanda mensual de la
empresa.

Demanda Unitaria Probabilidad

300 0.20
400 0.30
500 0.35
600 0.15

A. Si la empresa basa las órdenes mensuales en el valor esperado de la demanda

mensual, ¿cuál será la cantidad ordenada mensualmente por la empresa para
este producto?

E ( X ) =µ=∑ xf (x) = 445

X f (x) xf (x)
300 0.2 60
400 0.3 120
500 0.35 175
600 0.15 90
Total 445

b. Suponga que cada unidad demandada genera $70 de ganancia y que cada
unidad ordenada cuesta $50. ¿Cuánto ganará o perderá la empresa en un mes si
coloca una orden con base en su respuesta al inciso a y la demanda real de este
artículo es de 300 unidades?

Demanda real∗ganancia=300∗70=21,000
Cant . ordenadamensualmente∗costo por unidad ordenada=445∗50=22,250
21,000−22,250=−1,250

La empresa tendrá perdida de 1,250.

Pág. 209

25. Considere un experimento binomial con dos ensayos y p = 0.4.

a. Dibuje un diagrama de árbol para este experimento (véase figura 5.3).

S
S
F
S
F
F
S = Compra
F = Ninguna compra
x =número de clientes que realizan una compra

Espacio muestral: (S,S) (S,F) (F,S) (F,F)

Valor de X = 2,1,0

b. Calcule la probabilidad de un éxito, f(1).

Datos
X=1
P= 2/5=0.4
Q= 3/5=0.6
N= 2
N
P ( X )=
X ( )
=P X∗Q N− X

P ( 1 )= ( 21 )=0.4 ∗0.6 =0.24

1 1

C NX = ( NX )= X ! ( NN−X
!
)!

2!
C 21=( 21 )= 1 ! ( 2−1
2!
=
) ! 1!∗1 !
=2
f ( 1 ) =0.24∗2=0.48

c. Calcule f(0).

P ( 0 )= ( 20 )=0.4 ∗0.6 =0.36

0 2

2!
C 20=( 20 )= 0 ! ( 2−0
2!
=
) ! 0 !∗2!
=1

f ( 0 )=0.36∗1=0.36

d. Calcule f(2).

P ( 2 )=( 22 )=0.4 ∗0.6 =0.16

2 0

2!
C 20=( 20 )= 2! ( 0−2
2!
)!
=
2!∗0 !
=1

f ( 2 ) =0.16∗1=0.16

e. Calcule la probabilidad de por lo menos un éxito.

P ( X ≥1 ) =P ( 1 ) + P ( 2 )=0.48+ 0.16=0.64

f. Calcule el valor esperado, la varianza y la desviación estándar.

E ( X ) =µ=np=( 2 )( 0.4 )=0.8

σ 2=np ( 1− p )= ( 2 )( 0.4 )( 1−0.4 ) =0.48

σ =√ σ 2 = 0.692

26. Considere un experimento binomial con n = 10 y p = 0.10.

Datos
X=0
P= 1/10=0.10
Q= 9/10=0.9
N= 10

a. Calcule f(0).

P ( X )= ( NX )=P ∗Q
X N− X

P ( 0 )= ( 100 )=0.10 ∗0.9

0 10
=0.348

C NX =( NX )= X ! ( NN−X
!
)!

10!
C 10
0 = ( 100 )= 0 ! ( 10−0
10!
=
) ! 0 !∗10 !
=1

f ( 0 )=0.348∗1=0.348

B. Calcule f(2).

P ( 2 )= ( 102 )=0.10 ∗0.9 =0.1937

2 8

C. Calcule P (x ≤2).
10
P ( 1 )= ( )1
=0.101∗0.99 =0.0387
f ( 1 ) =0.0387∗10=0.387
f ( 0 )+ f ( 1 ) +f ( 2 )=0.3487+0.3874+ 0.1937=0.9298

D. Calcule P (x ≥1).
P ( ≥1 ) = 1−P ( ¿ 1 )
P ( ≥1 ) = 1−P(0)
P ( ≥1 ) = 1−0.348
P ( ≥1 ) = 0.652
E. Calcule E(x).

E ( X ) =µ=np=( 10 )( 0.10 )=1

f. Calcule Var(x) y σ.
2
σ =np ( 1− p )
σ 2=( 10 ) ( 0.10 ) (1−0.10)
σ 2=0.9

σ =√ σ 2 = 0.9487

29. En San Francisco, 30% de los trabajadores emplean el transporte público

(USA Today, 21 de diciembre de 2005).

a. ¿Cuál es la probabilidad de que en una muestra de 10 trabajadores

exactamente tres empleen el transporte público?
Datos
X= 3
P=0.30
Q=0.70
N= 10

P ( X )= ( NX )=P ∗Q
X N− X

P ( 3 )= ( 103 )=0.30 ∗0.70

3 7

P ( 3 )=0.2668

b. ¿De que en una muestra de 10 trabajadores por lo menos tres empleen el

transporte público?
X≤3

( 101 )=0.30 ∗0.70

P ( 1 )= 1 10−1

( 101 )=0.30 ∗0.70

P ( 1 )= 1 9
P ( 1 )=0.1210

( 102 )=0.30 ∗0.70

P ( 2 )= 2 10−2

( 102 )=0.30 ∗0.70

P ( 2 )= 2 8

P ( 2 )=0.2334

P ≤3=P (1 )+ P ( 2 )=0.1210+ 0.2334=0.3544

( P ≥3 )=1−P ( X <3 )=1−0.3544 = 0.6456

37. Veintitrés por ciento de los automóviles no cuenta con un seguro (CNN, 23
de febrero de 2006). En un fin de semana determinado hay 35 automóviles que
sufren un accidente.
Datos
P=0.23
Q=0.77
N= 35

a. ¿Cuál es el número esperado de estos automóviles que no cuentan con un

seguro?

E ( X ) =µ=np=( 35 ) ( 0.23 )=8.05

b. ¿Cuál es la varianza y la desviación estándar?

σ 2=np ( 1− p )= ( 35 )( 0.23 )( 1−0.23 )=6.1985

σ =√ σ 2 = 2.4896

Pág. 213

38. Considere una distribución de Poisson con µ= 3.

a. Dé la adecuada función de probabilidad de Poisson.

 λ x e−λ 3 x e−3
P ( x) = = P ( x)=
x! x!

b. Calcule f(2).

32 e−3 ( 9 ) (0.0497)
P ( 2 )= = = 0.2240
2! 2!

c. Calcule f(1).

31 e−3 ( 3 ) (0.0497)
P ( 1 )= = = 0.1494
1! 1!

d. Calcule P(x ≥2).

30 e−3 ( 1 ) (0.0497)
P ( 0 )= = = 0.0497
0! 1!

P ( x ≥ 2 )=¿ 1−P ( x <2 )=1−P ( x=0 )−P( x=1)

P ( x ≥ 2 )=¿ 1−P ( x <2 )=1−0.0497+0.1494 ¿
P ( x ≥ 2 )=¿ 1−P ( x <2 )=1−0.1991¿
P ( x ≥ 2 )=0.8009

40. A la oficina de reservaciones de una aerolínea regional llegan 48 llamadas por

hora.
A. Calcule la probabilidad de recibir cinco llamadas en un lapso de 5
minutos.
Datos
𝜆=4
X= 5

μ=48 ( 605 )=4

λ x e−λ 4 5 e−4
P ( x) = =P (5 )= = 0.1562
x! 5!
 B. Estime la probabilidad de recibir exactamente 10 llamadas en un lapso de
15 minutos.
Datos
𝜆=12
X= 10

μ=48 ( 1560 )=12

λ x e−λ 1210 e−12
P ( x) = =P (10 )= = 0.1048
x! 10 !

c. Suponga que no hay ninguna llamada en espera. Si el agente de viajes

necesitará 5 minutos para la llamada que está atendiendo, ¿cuántas llamadas
habrá en espera para cuando él termine?
5
μ=48 ( )
60
=4 Luego de 5 minutos, habrá 4 llamadas en espera.

¿Cuál es la probabilidad de que no haya ninguna llamada en espera?

4 0 e−4
P ( 0 )= = 0.0183 La probabilidad de que no haya ninguna llamada en espera después
0!
de 5 minutos es de 0.0183.

d. Si en este momento no hay ninguna llamada, ¿cuál es la probabilidad de que

el agente de viajes pueda tomar 3 minutos de descanso sin ser interrumpido
por una llamada?

μ=48 ( 603 )=2. 4

0 −2.4
2.4 e
P ( 0 )= = 0.0907
0!

La probabilidad de que no haya ninguna interrupción en 3 minutos es de 0.0907

43. Los pasajeros de las aerolíneas llegan en forma aleatoria e independiente al

mostrador de revisión de pasajeros. La tasa media de llegada es 10 pasajeros por
minuto.
 A. Calcule la probabilidad de que no llegue ningún pasajero en un lapso de
un minuto.
Datos
𝜆=10
X= 0
λ x e−λ
P ( x) =
x!

100 e−10
P ( 0 )= = 0.0000454
0!

B. Calcule la probabilidad de que lleguen tres o menos pasajeros en un

lapso de un minuto.

100 e−10 10 1 e−10 102 e−10 10 3 e−10

P ( ≤3 )=P ( 0 )= + P ( 1 )= +P ( 2 )= + P (3)=
0! 1! 2! 3!

P ( ≤3 )=0.0000454+ 0.000453999+ 0.002269996+0.007566654=0.0103

C. De que no llegue ningún pasajero en un lapso de 15 segundos.

μ=10 ( 1560 )=2.5

2.50 e−2.5
P ( 0 )= = 0.0820
0!

D. De que llegue por lo menos un pasajero en un lapso de 15 segundos.

2.51 e−2.5
P ( 1 )= = 0.20521
1!

Pág. 216

46. Suponga que N =10 y r =3. Calcule las probabilidades hipergeométricas

correspondientes a los valores siguiente de n y x.

A. n = 4, X=1.
 r N−r
f ( x )=
( x )( n−x )

( Nn )
3 10−3 3 7
f ( 1) =
( )(
1 4−1 ) =
( 1 )( 3 ) ( 3 ) (35)
= =0.50
10 10 210
(4 ) 4

B. n= 2, X=2.

3 10−3 3 7
f ( 2) =
( 2 )( 2−2 ) ( 2 )( 0 ) ( 3 ) (1)
= = =0.067
10 10 45
(2 ) 2

C. n=2, X=0.

3 10−3 3 7
f ( 0 )=
( 0 )( 2−0 ) ( 0 )( 2 ) (1 ) (21)
= = =0.4667
10 10 45
(2) 2

D. n=4, X=2.

3 10−3 3 7
f ( 2) =
( )(
2 4−2 ) =
( 2 )( 2 ) ( 3 ) (21)
= =0.30
10 10 210
(4 ) 4

48. En una encuesta realizada por Gallup Organization, se les preguntó a los
interrogados, “Cuál es el deporte que prefieres ver”. Futbol y básquetbol
ocuparon el primero y segundo lugar de preferencia (www.gallup.com, 3 de
enero de 2004). Si en un grupo de 10 individuos, siete prefieren futbol y tres
prefieren básquetbol. Se toma una muestra aleatoria de tres de estas personas.
Datos
x=2
N=10
r =7
n=3

a. ¿Cuál es la probabilidad de que exactamente dos prefieren el futbol?

r N−r
f ( x )=
( x )( n−x )

( Nn )
7 10−7 7 3
f ( 2) =
( )(
2 3−2 ) =
( 2 )( 1 ) ( 21 ) (3)
= =0.525
10 10 120
(3 ) 3

b. ¿De que la mayoría (ya sean dos o tres) prefiere el futbol?

7 10−7 7 3
f ( 3 )=
( )(
3 3−3 ) =
( 3 )( 0 ) ( 35 ) (1)
= =0.2916
10 10 120
(3) 3

P=P ( 2 ) + P ( 3 )=0.5250+ 0.2916=0.8166 .

P=1−P (2 )+ P ( 3 )=1−0.8166=0.1834 .

51. En una revista de encuestas se da información sobre la evaluación a los

platillos, la decoración y el servicio de varios de los principales restaurantes de
Estados Unidos. En 15 de los mejor evaluados restaurantes de Boston, el costo
promedio de una cena, que incluye una bebida y la propina, es $48.60. Usted va a
ir en viaje de negocios a Boston y le gustaría cenar en tres de estos restaurantes.
Su empresa le pagará máximo $50 por cena. Sus conocidos en Boston le han
informado que en una tercera parte de estos restaurantes una cena cuesta más de
$50. Suponga que escoge al azar tres de estos restaurantes para ir a cenar.
a. ¿Cuál es la probabilidad de que el costo de ninguna de las cenas sea mayor a
la cantidad que paga su empresa?
Datos
N=15
n=3
r =5
x=0

r N−r
f ( x )=
( x )( n−x )

( Nn )
5 15−5 5 5
f ( 0 )=
( )(
0 3−0 ) =
( 0 )( 3 ) ( 1 ) (10)
= =0.0219
15 15 455
(3) 3

b. ¿De que el costo de una de las cenas sea mayor a la cantidad que paga su
empresa?

5 15−5 5 10
f ( 1) =
( )(
1 3−1 ) =
( 1 )( 2 ) (5 ) (45)
= =0.4945
15 15 455
(3) 3

c. ¿De que el costo de dos de las cenas sea mayor a la cantidad que paga su
empresa?
5 15−5 5 10
( )( ) ( )( )
f ( 2) =
2 3−2
=
2 1
=
(10 ) (10)
=0.2197
15 15 455
( )
3 3

d. ¿De que el costo de las tres cenas sea mayor a la cantidad que paga su
empresa?
 5 15−5 5 10
f ( 3 )=
( )(
3 3−3 ) =
( 3 )( 0 ) ( 10 ) (1 )
= =0.0219
15 15 455
(3) 3

Tema 6. Distribuciones de probabilidad continua

Pág. 230

1. La variable aleatoria x está distribuida uniformemente entre 1.0 y 1.5.

a. Dé la gráfica de la función de densidad de probabilidad.

1
0.5 1 1.5 2

b. Calcule P(x=1.25).

P ( X=1.25 )=0. La probabilidad de que una variable aleatoria continua tome un

valor dentro de un determinado intervalo es cero, debido a que el área bajo la
gráfica y sobre un solo punto es cero.

c. Calcule P (1.0 ≤x ≤1.25).

P ( 1.0≤ X ≤ 1.25 )=( 2 ) ( 0.25 )

P ( 1.0≤ X ≤ 1.25 )=0.50

d. Calcule P(1.20< x< 1.5)

P ( 1.20< X <1.5 ) =( 2 )( 0.3 )
P ( 1.20< X <1.5 ) =0.60

2. La variable aleatoria x está distribuida uniformemente entre 10 y 20.

a. Dé la gráfica de la función de densidad de probabilidad.

0
5 10 15 20 25

b. Calcule P (x <15). =0.50

c. Calcule P (12 ≤x ≤18).

P ( 12≤ X ≤18 )=1.8−1.2=0.60

c. Calcule E(x).

a+b 20+10
E ( x )= = =15
2 2

e. Calcule Var(x).

2
b−a (10−20)
Var ( x ) = = =8.3333
12 12

4. La mayoría de los lenguajes de computadora tienen una función para generar

números aleatorios. En Excel la función ALEATORIO se usa para generar
números aleatorios entre 0 y 1. Si x denota un número aleatorio generado
mediante ALEATORIO, entonces x es una variable aleatoria continua, cuya
función de densidad de probabilidad es la siguiente:

f ( x )= {0 para1cualquier
para 0 ≤ x ≤1
otro caso

a). Haga la gráfica de la función de densidad de probabilidad

 3

0
0 1 2 3

b) ¿Cuál es la probabilidad de generar un número aleatorio entre 0?25 y 0.75?

P(0.25< X <0.75)=( 1 ) ( 0.50 )=0.50

c) ¿De generar un número aleatorio menor e igual que 0.30?

P(≤ 0.30)=( 1 ) ( 0.30 )=0.30

d) ¿De generar un número aleatorio mayor o igual que 0.60?

P( X > 0.60)=( 1 )( 0.40 )=0.40

e) Genere 50 números aleatorios ingresando = ALEATORIO en 50 celdas de una

hoja de cálculo de Excel
0.2957 0.1432 0.6794 0.4700 0.9015

X 0.9016 0.1669 0.0475 0.6694 0.3680

0.3960 0.4234 0.8883 0.6460 0.2979
0.6275 0.8486 0.8498 0.4222 0.3342
0.6873 0.6865 0.9469 0.6683 0.4520
0.3791 0.9529 0.8786 0.2168 0.9662
0.1575 0.6326 0.3269 0.9809 0.7421
0.8274 0.3765 0.1163 0.0084 0.5164
0.2814 0.2468 0.5293 0.8505 0.0589
0.4224 0.8017 0.6328 0.0451 0.6887

f)
Calcule la media y la desviación estándar de los números del inciso e
 Media= 0.5291
 Desviación estándar 0.2886
6. En las botellas de un detergente líquido se indica que el contenido es de 12
onzas por botella. En la operación de producción se llenan las botellas
uniformemente de acuerdo con la siguiente función de densidad de
probabilidad.
f ( x )= 8 para 11.975 ≤ x ≤12
{ 0 para cualquier otro caso

a) ¿Cuál es la probabilidad de que el contenido de una botella esté entre 12 y

12.05 onzas?

P ( 12< X <12.5 )=12.05−12=0.05∗8=0.40

b) ¿De qué el contenido de una botella sea 12.02 onzas o más? =0.64

c) ¿En el control de calidad se acepta que una botella sea llenada con más o
menos 0?02 onzas de lo indicado en la etiqueta. ¿Cuál es la probabilidad
de que una de las botellas de detergente no satisfaga estos estándares?
0.68
Pág. 241

9. Una variable aleatoria es normalmente distribuida con media μ=50 y

desviación estándar σ =5.

a. Dibuje la curva normal de la función de densidad de probabilidad. En el eje

horizontal dé los valores 35, 40, 45, 50, 55, 60 y 65. En la figura 6.4 se observa
que la curva normal casi toca el eje horizontal en los puntos que se
encuentran tres desviaciones estándar arriba de la media y tres desviaciones
estándar debajo de la media (en este caso en 35 y 65).

Curva Normal
0.09 Función de Densidad de Probabilidad
0.08
0.07
0.06
0.05
0.04
0.03
0.02
0.01
0
35 40 45 50 55 60 65
b. ¿Cuál es la probabilidad de que la variable aleatoria tome un valor entre 45 y
55?
x −µ 45−50
Z= = =−1
σ 5
x −µ 55−50
Z= = =1
σ 5
P ( 55≤ Z ≤ 45 ) =0.8413−0.1587=0.6826

c. ¿De que la variable aleatoria tome un valor entre 40 y 60?

x −µ 40−50
Z= = =−2
σ 5
x −µ 60−50
Z= = =2
σ 5
P ( 60 ≤ z ≤ 40 )=0.9772−0.0228=0.9544

10. Dibuje la gráfica de la distribución normal estándar. Etiquete el eje

horizontal con los valores -3, -2, -1, 0, 1, 2 y 3. Después use la tabla de
probabilidades de la distribución normal estándar que se encuentra en el forro
interior del libro para calcular las probabilidades siguientes.

Gráfica de Distribución Normal Estándar

0.45
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
-3 -2 -1 0 1 2 3
a. P(z ≤ 1.5)

P ( z ≤ 1.5 )=0.9332

b. P(z ≤ 1)

P ( Z ≤1 ) =0.8413

c. P(1 ≤ z ≤ 1.5)

P ( Z ≤1 ) =0.8413
P ( Z ≤1.5 ) =0.9332
P ( 1≤ Z ≤1.5 )=0.9332−0.8413=0.0919

d. P(0 < z< 2.5)

P ( z< 0 )=0.5000
P ( z<2.5 )=0.9938
P ( 0< Z<2.5 )=0 .9938−0.5000=0.4938

12. Dado que z es la variable normal estándar, calcule las probabilidades

siguientes.
A. P(0 ≤ z ≤ 0.83)
P ( Z ≤0 )=0.5000
P ( Z ≤0.83 )=0.7967
P ( 0.83 ≤ Z ≤ 0¿ ) =0.7967−0.5000=0.2967

B. P (-1.57 ≤ z ≤0)
P ( Z ≤0 )=0.5000
P ( Z ≤−1.57 ) =0.0582
P ( 0 ≤ Z ≤−1.57 )=0.5000−0.0582=0.4418

C. P (z >0.44)
P ( Z <0.44 )=0.6700
P ( Z >0.44 )=1−0.6700
P ( Z >0.44 )=0.3300

D. P(Z ≥ -0.23)
P ( Z ≥0.23 )=0.4090
P ( Z ≥0.23 )=1−0.4090
P ( Z ≥0.44 )=0.5910
 E. P( Z<1.20)
P ( Z <1.20 )=0.8849

F. P(z ≤ 0.71)
P ( Z ≤−0.71 )=0.2389

14. Dado que z es la variable normal estándar, encuentre z en cada una de las
situaciones siguientes.

A. El área a la izquierda de z es 0.9750.

Z=1.96

B. El área entre 0 y z es 0.4750.

Z=1.96

C. El área a la izquierda de z es 0.7291.

Z=0.61

D. El área a la derecha de z es 0.1314.

Z=−1.12

E. El área a la izquierda de z es 0.6700.

Z=0.44

F. El área a la derecha de z es 0.3300.

Z=−0.44

Pág. 249

33. Considere la siguiente función de densidad de probabilidad exponencial.

1 − x/3
f ( x )= e para x ≥ 0
3

A. Dé la fórmula para hallar P(x ≤ X0)

P ( X ≤ X 0 )=1−e−¿ X 0 /3 ¿

B. Halle P(x ≤ 2)

P ( X ≤2 ) =1−e−2 /3
P ( X ≤2 ) =1−0.5134
P ( X ≤2 ) =0.4866

C. Encuentre P(x ≥ 3)

P ( X ≥3 )=1−P( X ≤ 3)
P ( X ≤3 )=1−e−3 /3
P ( X ≤3 )=1−0.3679
P ( X ≤3 )=0.6321
P ( X ≥3 )=1−0.6321
P ( X ≥3 )=0.3679

D. Halle P(x ≥ 5)
P( X ≤ 2)
P ( X ≤2 ) =1−e−5 /3
P ( X ≤2 ) =1−0.1889
P ( X ≤2 ) =0.8111

E. Halle P(2 ≤ x ≤ 5)
P(2 ≤ X ≤ 5)
P ( ≤5 )−P ( ≤ 2 )=0.8111−0.4866
P ( ≤5 )−P ( ≤ 2 )=0.3245

34. El tiempo requerido para pasar por la inspección en los aeropuertos puede
ser molesto para los pasajeros. El tiempo medio de espera en los periodos pico
en el Cincinnnati/Northern Kentucky Internacional Airport es de 12.1 minutos
(The Cincinnati Enquirer, 2 de febrero de 2006). Suponga que los tiempos para
pasar por la inspección de seguridad tienen una distribución exponencial.

A. ¿Cuál es la probabilidad de que durante los periodos pico se requieran 10

minutos para pasar la inspección de seguridad?

P ( X ≤10 )=1−e−10 /12.1

P ( X ≤10 )=1−0.4376
P ( X ≤10 )=0.5624

B. ¿De que durante los periodos pico se requieran más de 20 minutos para
pasar la inspección de seguridad?

P ( X ≥20 )=1−P( X ≥ 20)

P ( X ≥20 )=1−(1−e−20 /12.1)
P ( X ≥20 )=1−0.8085
P ( X ≥20 )=0.1915

C. ¿De que durante los periodos pico se requieran entre 10 y 20 minutos para
pasar la inspección de seguridad?

P(10 ≤ X ≤20)
P ( 20≤ )−P(10 ≤)
¿
0.8085−0.5624 =0.2461

D. Son las 8 de la mañana (periodo pico) y usted se acaba de formar en la fila

para la inspección de seguridad. Para alcanzar su avión, tiene que estar en la
puerta de arribo en no más de 30 minutos. Si necesitara 12 minutos una vez
pasada la inspección de seguridad para llegar a la puerta de arribo, ¿cuál es
la probabilidad de que pierda el avión?

P( X ≥ 18)
P( X ≥ 18)= 1−P ( X ≤ 18 )
−x
(
P ( X ≥18 )= 1− 1−e ) µ

−18
P ( X ≥18 )= 1−(1−e ) 12.1

P ( X ≥18 )= 1−0.7740
P ( X ≥18 )= 0.2259

36. El tiempo de vida (en hora) de un dispositivo electrónico es una variable

aleatoria que tiene la siguiente función de densidad de probabilidad
exponencial.
1 −x/ 50
f ( x )= e para x ≥ 0
50

A. ¿Cuál es la media del tiempo de vida de este dispositivo? 50 Horas

B. ¿Cuál es la probabilidad de que el dispositivo tenga una falla en las primeras

25 horas de funcionamiento?
P( X ≤ 25)
P ( X ≤25 )=1−e−25 /50
P ( X ≤25 )=1−0.6065
P ( X ≤25 )=0.3935
C. ¿Cuál es la probabilidad de que el dispositivo funcione 100 o más horas sin
falla?
P ( X ≥100 )=1−P ( X ≤100 )
P ( X ≥100 )=1−(1−e− x/ µ )
P ( X ≥100 )=1−(1−e−100/ 50)
P ( X ≥100 )=1−(1−0.1353)
P ( X ≥100 )=1−0.8647
P ( X ≥100 )=0.1353