Documente Academic
Documente Profesional
Documente Cultură
VARIABLES ALEATORIAS Y
DISTRIBUCIONES DE PROBABILIDAD
3.4 Distribució n binomal
1.- Es un experimento aleatorio que solo tiene dos resultados. Éxito o fracaso.
Donde la probabilidad de éxito se denota por p
Suponga se realizan n experimentos Bernoulli independientes. Suponga que la variable X
de interés es el número de éxitos. X toma valores 0,1,2,...,n
n
f ( x) P( X x) p x (1 p ) n x x 0,1,..., n
x
E ( X ) X np
V ( X ) X2 np(1 p)
2.- Un equipo requiere a lo más 10% de servicios en garantía. Para comprobarlo se
compran 20 de estos equipos y se someten a pruebas aceleradas de uso para simular el
uso durante el periodo de garantía. Obtener la probabilidad para P(x<=4).
Rechazar la afirmación de que falla menos del 10% si se encuentra que X>=5.
USO DE EXCEL:
En Fx Estadísticas seleccionar
=distr.binom(x, n, p, 0 o 1 dependiendo si es puntual o acumulada)
3.5 Distribución de Poisson
La distribución de Poisson se utiliza para modelar datos discretos como aproximación a la
Binomial dada la dificultad que existía de encontrar tablas Binomiales adecuadas cuando n
es grande y p pequeña. La distribución de probabilidad de Poisson proporciona buenas
aproximaciones cuando np <= 5.
e x
f ( x) x 0,1,...
x!
Con media y varianza:
np
np
1. Suponga que una compañía de seguros asegura las vidas de 5000 hombres de 42 años
de edad. Si los estudios actuariales muestran que la probabilidad de que un hombre
muera en cierto año es 0.001, entonces la probabilidad de que la empresa pague
exactamente 4 indemnizaciones y= 4 en un cierto año es:
5000!
P( y=4 )= p(4 )= (0 . 001)4 (0 . 999) 4996
4 !*4996 !
El valor de esta expresión no aparece en tablas y su cálculo era difícil, no así con Excel.
λ4 e−μ 5 4 e−5
P( y=4 )= = =0. 1745
4! 4!
2. Una planta tiene 20 máquinas, si la probabilidad de que falla una en cierto día es 0.05.
Encuentre la probabilidad de que durante un día determinado fallen dos máquinas.
np = 20 *0.05 = 1.0
12 e−1
P( y=2 )= =0 .184
2!
Si se calcula con la distribución Binomial se tiene:
20!
P( y=2 )= p(2)= (0. 05 )2 (0 . 95 )18 =0 .188
2 !*18 !
5! 15!
5!0! 5!10!
P (5) 0.0183
20!
10!10!
USO DE EXCEL:
En Fx Estadísticas seleccionar
=distr.hipergeom(x, n, D, N)
X−μ 500−485
Z= =0. 5
σ = 30
3 0 .8 5 %
Z.0 5
probabilidad de que la calificación sea menor a 500 P (X<500). Dado que el porcentaje
pedido es P( X≥500) la solución es 1-.69146 =0.3085 , 30.85% de los participantes
pasarán la prueba.
-1.23 Z
Solución: Buscamos el valor Z1..23 en las tablas siendo este =0.89065. restando
0.89065-0.5 = 0.3905, este valor es la probabilidad de 0 a 1.23 que es exactamente la
misma de –1.23 a 0 por simetría. Por lo tanto la probabilidad es 0.3905
1.2 Medidas de tendencia central y de dispersión datos
simples.
Media: ( x̄ ) Es el promedio aritmético de todos los valores que componen el
conjunto de datos. Se calcula mediante la siguiente fórmula:
Para una muestra y para una población se tiene respectivamente:
xi xi
x̄=∑ μ=∑
n n
xi 19
x̄=∑ = =1 .73
n 11
~
Mediana: ( x ) Los datos de "n" observaciones son ordenados del más pequeño al
más grande, Si el tamaño de la muestra es "non" la mediana es el valor ordenado en la
posición (n+1)/2,
Cuando el tamaño de la muestra es "par" la mediana es el promedio de los dos valores
que se encuentran al centro del conjunto de valores. Se puede calcular mediante:
( n/2 )+ ( [ n/2 ] + 1 )
2
1.60,1.65,1.67,1.67,1.70,1.73,1.74,1.79,1.79,1.82,1.84;
Como tenemos 11 datos el número es non por lo que (n+1)/2 = 12/2 = 6, buscando el
número que ocupa la sexta posición en los datos ordenados encontramos el valor de la
~
x =1. 73
mediana
Media acotada (Truncated Mean): Determinado porcentaje de los valores más altos y
bajos de un conjunto dado de datos son eliminados (tomando números enteros), para
los valores restantes se calcula la media.
Ejemplo 3: Para la siguiente serie de datos calcule la media acotada al 20%:
68.7,34.3,97.9,73.4,8.4,42.5,87.9,31.1,33.2,97.7,72.3,54.2,80.6,71.6,82.2,
Como tenemos 11 datos, el 20% de 11 es 2.2, por lo cual eliminamos 2 datos el más
bajo y el más alto, ordenado los datos obtenemos:
Muestra 1: Muestra 2
⃗x =248 ⃗x =248
n-1=5 n-1 = 5
790 7510
s= √ 5 = 12.56 s= √ 5 = 38.75
P
L p =(n+1 )
100
Dónde:
n es el número de observaciones
P es el percentil deseado
3 10 19 27 34 38 48 56 67 74
4 12 20 29 34 39 48 59 67 74
7 14 21 31 36 43 52 62 69 76
9 15 25 31 37 45 53 63 72 79
10 17 27 34 38 47 56 64 73 80
35
L35=(50+1 ) =17 . 85
100
O sea que el percentil 35 está al 85% del trayecto comprendido entre la observación 17
que es 29 y la observación 18 que es 31 o sea L35 = 29 + (0.85)(31-29) = 30.7. Por tanto el
35% de las observaciones están por debajo de 30.7 y el 65% restante por encima de 30.7.
De la misma forma los percentiles 25, 50 y 75 proporcionan la localización de los cuartiles
Q1, Q2 y Q3 respectivamente.
Q1: es el número que representa al percentil 25 (hay 25% de los datos por debajo
de este).
Q2 o Mediana: es el número que representa al percentil 50 (hay 50% de los datos
por debajo de este).
Q3: es el número que representa al percentil 75 (hay 75% de los datos por debajo
de este).
Rango o Recorrido intercuartílico: es la diferencia entre Q1 y Q3.
2.41 17.87 33.51 38.65 45.70 49.36 55.08 62.53 70.37 81.21
3.34 18.03 33.76 39.02 45.91 49.95 55.23 62.78 71.05 82.37
4.04 18.69 34.58 39.64 46.50 50.02 55.56 62.98 71.14 82.79
4.46 19.94 35.58 40.41 47.09 50.10 55.87 63.03 72.46 83.31
8.46 20.20 35.93 40.58 47.21 50.10 56.04 64.12 72.77 85.83
9.15 20.31 36.08 40.64 47.56 50.72 56.29 64.29 74.03 88.67
11.59 24.19 36.14 43.61 47.93 51.40 58.18 65.44 74.10 89.28
12.73 28.75 36.80 44.06 48.02 51.41 59.03 66.18 76.26 89.58
13.18 30.36 36.92 44.52 48.31 51.77 59.37 66.56 76.69 94.07
15.47 30.63 37.23 45.01 48.55 52.43 59.61 67.45 77.91 94.47
16.20 31.21 37.31 45.08 48.62 53.22 59.81 67.87 78.24 94.60
16.49 32.44 37.64 45.10 48.98 54.28 60.27 69.09 79.35 94.74
17.11 32.89 38.29 45.37 49.33 54.71 61.30 69.86 80.32 96.78
Paso 1: Contar el número de datos n = 130
Generalmente los datos no están ordenados por lo cual resulta conveniente ordenarlos de
menor a mayor para tener una mejor visualización. En el ejemplo los datos ya han sido
previamente ordenados.
Paso 4: Calcular el tamaño del intervalo de clase ( C ), dividiendo el rango entre el número
94 . 37
=8 .58≈9
de columnas: C = 11 , resultando el tamaño del intervalo 9.
Otra manera de calcular el tamaño del intervalo es el siguiente:
Dividir el valor del rango entre un cierto número de clases (K). La tabla de abajo es una
guía que nos muestra para diferentes cantidades de datos el número recomendado de
clases a utilizar.
Menos de 50 5–7
50 a 100 6 – 10
100 a 250 7 – 12
Más de 250 10 – 20
Paso 5: Calcular los límites de clase de cada intervalo: [0-8], [ 9-17], etc., considerando
que el tamaño del intervalo representa la diferencia entre dos límites de clase adyacentes
ya sean inferiores o superiores.
Paso 6: Contar el número de valores que caen en cada intervalo utilizando una hoja de registro, de
esta manera se obtiene la frecuencia para cada intervalo.
Tabla 1.
1 0 -8 IIIII 5
3 18-26 IIIII I 6
11 90-98 IIIII 5
A = Hombre
< 1.80 .80 .99
B = Mujer
> 1.80 .20 .01
P (A) = .60
P (B) = .40
=Z
P (Z/A) = .20
P (Z/B) = .01
Para encontrar la probabilidad de que sea mujer dado que mide más de 1.80,
P ( B ) ×P ( Z /B )
P ( B/ Z )=
[ P ( A ) ×P ( Z / A ) ]+[ P ( B )×P ( Z / B ) ]
Hombre Mujer
P(B/Z) = (.4 x .01)/ (.6 x .20 +.4 x .01) = .032.
Podemos visualizar P(B/Z) en el siguiente diagrama: Z > .80 P(A/Z) P(B/Z) = .032
f(x)={ 34(–x2+4x–3)si1≤x≤3
0 en otro punto
a) Para hacer cierto trabajo se prefieren tornillos con longitud entre 1,7 cm y 2,4
cm. ¿Cuál es la probabilidad de que un tornillo tenga dicha longitud?
c) Si para construir lo que se necesita con uno de estos tornillos hay que hacer un
gasto de $10 por cm de longitud que tenga el tornillo más un gasto fijo de $4.
¿Cuál es el gasto medio esperado por un tornillo?
3
(−x 2+ 4 x−3 ) dx
2.4
4
P(1.7 ≤ X ≤ 2.4)= ∫ 3
1.7 3 −x
¿
4 3 [
+2 x 2−3 x ¿2.4
1.7
3
3 −( 2.4 ) − (1.7 )3
=
4 [
(
3
+2 ( 2.4 ) 2
)−(
3
+2 ( 1.7 )2−3 ( 1.7 )) ]
=0.50225
Una gráfica de la curva de densidad f mostrando el área
comprendida entre x=1.7 y x=2.4 es la siguiente:
Si llamamos Ti al suceso de que el tornillo i tiene la longitud que se prefiere. La
probabilidad que buscamos puede expresarse así:
P(T1∩T2∩T3)
Como son eventos independientes:
P(T1∩T2∩T3)=P(T1)P(T2)P(T3)
Pero ya conocemos P(Ti) porque la calculamos en el inciso a):
P(T1∩T2∩T3)=(0,50225)3≅0,1267
c)
La variable gasto G depende de la variable X de la siguiente forma:
G=10 X + 4
Entonces debemos calcular E(X).
∞
E ( X ) =∫ f (x )xdx
−∞
3
3
=∫ 4 (−x 2+ 4 x−3)∙ xdx
1
3
3
= 4 ∫ (−x 3 + 4 x 2−3 x) dx
1
3 −x 4 4 x 3 3 x 2 3
= ∙
4 4 [+
3
−
2 1
❑]
3 34 4.33 3.32 14 4.13 3.12
== 4 ∙[(– 4 + 3 − 2 ) – (– 4 + 3 − 2 )]
3 108 27 1 4 3
=4 ∙⌈ ( −81
4
+
3
− )— + − ¿¿
2 4 3 2
=2
Notemos que la función de densidad es simétrica respecto de x=2. Así que es
razonable que hallamos obtenido que E(X)=2E(X)=2.
Entonces:
E (G)=10.2+4=24
3 2
∫ k . x9 dx=¿ ¿
0
3
x2 x3 3 8 19
p ( X >2 )=∫ dx=[ ¿] =1− = ≅ 0.703 ¿
2 9 9.3 2 27 27
c) La “probabilidad de que la marca sea superior a 2,5 decámetros si se sabe que
es superior a 2 decámetros” es una probabilidad condicional:
P(X>2,5|X⟩2)
P ( X >2,5)
P(X>2,5|X⟩2)= P( X >2)
El denominador ya fue calculado en el inciso b), así que solo queda calcular
P ( X >2.5 ) :
125
3 2 3
x x 3 8 125 91
P ( X >2.5 ) =∫ dx=
2.5
9 [ ]
9.3 2.5
=1−
27
=¿ 1− =
216 216
≅ 0.421 ¿
P ( X >2.5)
P ( X )=2.5 |X⟩2)= ≅ 0.5993
P( X >2)
Entonces:
3
X2 x4 3 9
E ( X ) =∫ X .
0 9
dx= [ ] = =2.25
9.4 0 4
{
f ( x )=f ( x )= x 2
, si∧x ≥ 100 hrs
b) ¿Cuál es la probabilidad de que una lámpara de este tipo tenga una vida útil
mayor a 200 horas?
c) Cierto artefacto tiene tres de estas lámparas, ¿cuál es la probabilidad de que las
tres lámparas duren más de 200 horas?
a)
x−1 ∞ k
k. [ ]
−1 100
=k . lim
x →∞
−1
x[ ( ) ( )]
−
−1
100
=
100
=1
K=100
b)
100
200
P ( X <200 ) =0.5
c)
0 , si∧x <0
inferior a la esperada”
Luego, nos enfocamos a determinar el valor de la cantidad de lluvia esperada, de
la siguiente manera:
∞ 0.5 1 ∞
0.8
E ( x )=∫ x ∙ f ( x ) dx =∫ x ∙ ( 1.6 x ) dx +∫ x ∙ ( 0.8 ) dx+∫ x ∙
−∞ 0 0.5 1
( )
x3
dx
1
=¿ 1.6
| |
x 3 0.5 2
x
3 0+0.8 0.5−
x
∞
1|
0.8 =1.6 ∙
0.53 0.8 0.8 ∙ 0.52
3
+
2
−
2
+0.8=
7
6
[ |]
∞
7 7 0.8 0.8
( )6 ( )
P x ≤ =1−P x > =1−∫ 3 dx =1−
6 7 x −2 x2
7 =0.706
6
6
Además notemos que la “y” posee una distribución binomial lo que se
expresa de la siguiente manera:
y B ( n=5 ; p=0.706 ) f ( y ) ={ en otro caso
Finalmente, se calcula la probabilidad que el problema nos solicita:
p ( y ≥ 3 )= p ( y=3 ) + p ( y =4 ) + p ( y=5)
Intervalo:[ 0−60 ]
1 1
f ( x )= =
60−0 60
25
1 5
P ( x ) =P ( 0 ≤ x ≤ 25 )=∫
dx=
0 60 12
2- Una llamada telefónica llego a un conmutador en un tiempo, al azar
dentro de un periodo de un minuto. El conmutador estuvo ocupado
durante 15 segundos en ese minuto. Calcule la probabilidad de que
la llamada haya llegado mientras el conmutador no estuvo ocupado.
t=x [ 0 ; 1 ] min
[ 0 ; 0,25 ] min
A=el conmutador no está ocupado
Pr(A)=1-Pr (B)
0.25
1
Pr ( B )= ∫ dx
0 1−0
Pr (B)=0.25
Pr(A)=1-0.25=0.75
[0; 1]Km
Blanco [0; 0.5] Km
Destrucción [X<0.075] Km
0.075
1
Pr ( 0< x< 0.075 )= ∫ dx
0 0.5
1
¿ ∗( 0.075 )=0.15
0.5
400+500
E ( x )= =450
2
Es decir, la precipitación media estimada en Sevilla para el próximo
año es de 450 litros por metro cuadrado.
5- Dos amigos Roberto y Fernando, deben encontrarse en una parada
de bus entre las 9:00 y las 10:00. Cada uno esperará un máximo de
10 min. ¿Cuál es la probabilidad de que no encuentren, si Fernando
llegará a las 9:30 en punto?
1
Y la probabilidad de que se encuentren será:
3
¿ P ( Z ≤3 ) −( 1 P ( Z ≤ 3 ) )=0.9987−1+0.9987=0.9974
Más de 90Kg
90−70
(
P ( X >90 )= p Z>
3 )
=p ( Z >6.67 )=¿
¿ 1− p ( Z <6.67 )=1−1=0∗500=0
5- Tras un test de cultura general se observa que las puntuaciones obtenidas
siguen una distribución una distribución N (65, 18). Se desea clasificar a los
examinados en tres grupos (de baja cultura general, de cultura general aceptable,
de excelente cultura general) de modo que hay en el primero un 20% la población,
un 65% el segundo y un 15% en el tercero.
¿Cuáles han de ser las puntuaciones que marcan el paso de un grupo al otro?
-z1=0.84 z=-0.84
x1−65
=−0.84 X 1 =49.88
18
p ( Z ≤ Z 2 )=0.2 Z2=1.04
X 2−65
=1.04 X2=83.72
18
Baja cultura hasta 49 puntos.
Cultura aceptable entre 50 y 83.
Excelente cultura a partir de 84 puntos.
Distribución normal estándar
1- Una población normal tiene una media de 80 una desviación estándar de
14:
Z−µ
µ=80 Z=
σ
σ=14
a) Calcule la probabilidad de un valor localizado entre 75 y 90 p(75 ≤ x ≤ 90)
.
90−80 10
z= = =0.71 ≈ 0.7611
14 14
75−80 −5
z= = =−0.36 ≈ 0.3594
14 14
p ( 75≤ x ≤ 90 )=0.7611−0.3594=0.4017
b) Calcule la probabilidad de un valor de75 o menor p(x ≤75)
75−80 −5
z= = =−0.36 ≈ 0.3594
14 14
p ( x ≤ 75 )=0.3594
2- Los montos de dinero que se piden en las solicitudes de préstamo en Down
River Federal Savingns tiene una distribución normal, una media de
$70,000 y una desviación estándar de $20,000.Esta mañana se recibió una
solicitud de préstamo. ¿Cuál es la probabilidad de que:
x−µ
µ=$70,000 z=
σ
σ=$20,000
a) El monto solicitado sea de $80,000 o superior p(x ≥80,000)
80,000−70,000 10,000
z= = =0.5 ≈ 0.6915
20,000 20,000
p ( x ≥ 80,000 )=1−0.6915=0.3085
b) El monto solicitado oscilante entre $65,000 y $80,000
p(65,000 ≤ x ≤ 80,000)
80,000−70,000 10,000
z= = =0.50 ≈ 0.6915
20,000 20,000
65,000−70,000 −5000
z= = =−0.25≈ 0.4013
20,000 20,000
p ( 65,000≤ x ≤ 80,000 ) =0.6915−0.4013=0.2902
3- Entre las ciudades de Estados Unidos con una población de más de
250,000 habitantes, la media del tiempo de viaje de ida al trabajo es de 24.3
minutos. El tiempo de viaje más largo pertenece a la ciudad de Nueva York,
donde el tiempo medio es de 38.3 minutos. Suponga que la distribución de
los tiempos de viaje en la ciudad de Nueva York tiene una distribución de
probabilidad normal y la desviación estándar es de 7.5 minutos.
x−µ
µ=38.3 min z=
σ
σ=7.5 min
a) ¿Qué porcentaje de viajes en la ciudad de Nueva York consume menos
de 30 minutos? p(x ≤30)
30−38.3 −8.3
z= = =−1.11 ≈ 0.1335
7.5 7.5
p ( x ≤ 30 )=0.1335=13.35 %
b) ¿Qué porcentaje de viajes consumen entre 30 y 35 minutos?
p(30 ≤ x ≤ 35)
35−38.3 −3.3
z= = =−0.44 ≈ 0.3300
7.5 7.5
30−38.3 −8.3
z= = =−1.11 ≈ 0.1335
7.5 7.5
p ( 30≤ x ≤ 35 ) =0.3300−0.1335=0.1965=19.65%
σ=225
1-0.0500=0.9500 valor de z=1.65
x−µ
z=
σ
x−1200
1.65=
225
1.65x225=x-1200
3
V(x)= =12→ σ =3.46
0.52
2- Suponga que cierta pieza metálica se romperá después de sufrir dos ciclos
de esfuerzo. Si estos ciclos ocurren de manera independiente a una
frecuencia promedio de dos por cada 100 horas. Obtener la probabilidad de
que el intervalo de tiempo se encuentre hasta que ocurra el segundo ciclo.
X: Lapso que ocurre hasta que la pieza sufre el segundo ciclo de esfuerzo en
horas
α 2 2 2
µ= =
λ 0.02
=100 σ 2 =
0.2( )
=5000 σ =7071
64 −6
P ( X=4 )= ∙ e =0.1338
4!
0.3 λ
= → λ=0.6 , x P( λ=0.6)
50.000 100.000
e−0.6 −0.6
P ( X=0 )= ∙ e =0.5488
0!
=0.5488+0.3292+0.09878=0.9767
0 ,∧x <0
{
1
f ( x )= 20−0
,∧0≤ x ≤ 20
0 , otro valores {
f ( x )= x−0 ,∧0 ≤ x ≤20
20−0
1, x >20
20
1 1 1 12 3
P ( X ≥8 )=∫ dx= [ x ] 20 = ( 20−8 )= = =0.6
8 20 20 8 20 20 5
8 12
O bien, P ( X ≥8 ) 01−P ( X ≤ 8 ) =1−F ( 8 )=1− = =0.6
20 20
BETA:
4 2
µ= =
4 +2 3
Γ (4 +2)
f ( x )= ( x )4−1 (1−x )2−1=20 x3 (1− y)
Γ (4) Γ (2)
1
P ( x> 0.9 )=20∫ x 3 ∙ ( 1−x )=0.081=8.1 %
0
β(α,β)
α=2 a) p(x>0.25)=0.84
β=2 b)50%
Punto x=0.25
µ=0.50
5.1 Muestreo estadístico, Teorema de límite central.
1-Se desea tomar una muestra aleatoria estratificada de las personas mayores de
edad de un municipio, cuyos estratos son los siguientes intervalos de edades, en
años: de 18 a 30, de 31 a 45, de 46 a 60 y mayores de 60. En el primer intervalo hay
7500 personas, en el segundo hay 8400, en el tercero 5700 y en el cuarto 3000.
Calcule el tamaño de la muestra total y su composición, sabiendo que el muestreo se
hace con afijación proporcional y se han elegido al azar 375 personas del primer
estrato.
7500+8400+5700+3000=24600
7500 8400
Dela proposición = obtenemos el valor de “x”
375 x
375∗8400
x= =420
7500
7500 5700
De la proporción = obtenemos el valor de “y”
375 y
375∗5700
y= =285
7500
7500 3000
De la proporción = obtenemos el valor de “z”
375 z
375∗3000
z= =150
7500
Completamos la tabla
352 110 99 77 66
= = = =
X 20 x 2 x 3 x 4
110 99 99∗20
= : x 2= =18
20 x 2 110
110 77 20∗77
= : x 3= =14
20 x 3 110
110 66 66∗20
= : x 4= =12
20 x 4 110
3- En un pueblo habitan 700 hombres adultos, 800 mujeres adultas y 500 menores.
De él se quiere seleccionar una muestra de 80 personas, utilizando, para ello,
muestreo estratificado con afijación proporcional. ¿Cuál será la composición que debe
tener dicha muestra?
4- Tenemos una población formada por tres datos de valores 1, 2 y 6. a) Obtén todas las
posibles muestras aleatorias simples de n=2 y calcula para cada una de ellas la media
aritmética y la proporción de datos con valores inferiores a 5; b) A partir de la distribución
muestral de medias, calcula el valor esperado y el error tipo; c) haz lo mismo con la
distribución muestral de proporciones; d) Calcula los dos valores esperados y los dos
errores tipo pero esta vez a partir de los datos de la población.
1.5+3.5+4
E(x)= =3 ᵟx=√ ¿ ¿ ¿
3
1+ 0.5∗2
E(p)= =0.667 ᵟx=√ ¿ ¿ ¿
3
1+ 2+ 6
µ= =3 ᵟx=√ ¿ ¿ ¿
3
a)
σ 0.497
σp= = =0.071
√ n √ 49
6. Suponiendo que N=10,000, c=2 y que la calidad de entrada p=0.01.
Como en la curva característica de operación (para n=89, c=2) cuando p=0.01, Pa = 0.9397,
entonces el AOQ es:
n=89, c=2
Curva de calidad de salida promedio (AOQ)
De la gráfica anterior se observa que la curva AOQ tiene un valor máximo o la peor
fracción defectiva de salida hacia la planta o proceso, que se denomina límite de calidad
de salida promedio AOQL el cual es aproximadamente 0.0155 o 1.55% defectivo.
Cada jugada es una variable independiente que sigue el modelo de distribución de
Bernoulli.
"No salir negro", le damos el valor 0 y tiene una probabilidad del 0,515
(*) La probabilidad de "no salir negro" es mayor ya que puede salir rojo o el cero.
m = 0,485
Para doblar nuestro dinero el negro tiene que salir al menos 20 veces más que el
rojo (20 * 500 = 10.000), por lo que tendrá que salir como mínimo 50 veces (implica
que el rojo o el cero salgan como máximo 30 veces).
Luego:
Es decir, la probabilidad de doblar el dinero es tan sólo del 0,62% (así, que más vale
que nos pongamos a trabajar).
2.- El precio de una acción en bolsa se mueve aleatoriamente entre 10 ptas. y 20
ptas., con la misma probabilidad en todo el tramo. Hemos dado la orden a nuestro
bróker de que nos compre paquetes de 1.000 acciones cada día durante las
próximas 40 sesiones.
Una vez ejecutada la orden, tenemos un total de 40.000 acciones. A final de año
vendemos todas las acciones al precio de 13 ptas./acción, recibiendo 520.000 ptas.
Calcular la probabilidad de que ganemos dinero en esta operación.
Luego:
Cada renta personal es una variable independiente que se distribuye según una
función uniforme. Por ello, a la suma de las rentas de 100 personas se le puede
aplicar el Teorema Central del Límite.
m = (4 + 10 ) / 2 = 7
Por tanto, la suma de las 100 variables se distribuye según una normal
cuya media y varianza son:
Para calcular la probabilidad de que la suma de las rentas sea superior a 725
millones ptas, comenzamos por calcular el valor equivalente de la variable normal
tipificada:
Luego:
"No salir a la pizarra", le damos el valor 0 y tiene una probabilidad del 0,9
m = 0,10
Por tanto, la suma de las 100 variables se distribuye según una normal
cuya media y varianza son:
Luego:
n= 125
σ
Ẋ±z
√n
5
20 ± 1.96 20 − 1.225 = 18.77
√64
5
20 ± 1.96 20 + 1.225 = 21.25
8
σ
Ẋ±z
√n
5
√64
20 ± 1.96 20 − 1.225 = 18.77
5
20 ± 1.96 20 + 1.225 = 21.25
8
n = 16 Ẋ= 60 s = 20 N.C = 99%
s
Ẋ±t
√n
20
60 ± 2.947 60 − 14.735 = 45.265
√16
20
60 ± 2.947 60 + 14.735 = 74.735
4
s
Ẋ±t
√n
6
35.06 ± 2.624 35.06 − 4.04 = 31.02
√15
6
3.87
35.06 ± 2.624 35.06 + 4.04 = 39.1
p(1− p)
p± z
√ n
0.5(1−0.5)
0.5±1.28
√ 300
.05 ± 1.28 (.01258) .05 − .0161 = .0339
0.475
0.5±1.28
√ 300
.05 ± .0161 .05 + .0161 = .0661
Datos:
n = 64
a = 5% = 0,05
H0: (= 22
H1: (> 22
a = 0,05
2- Una empresa está interesada en lanzar un nuevo producto al mercado. Tras realizar
una campaña publicitaria, se toma la muestra de 1 000 habitantes, de los cuales, 25 no
conocían el producto. A un nivel de significación del 1% ¿apoya el estudio las siguientes
hipótesis?
a. Más del 3% de la población no conoce el nuevo producto.
b. Menos del 2% de la población no conoce el nuevo producto
Datos:
n = 1000
x = 25
Dónde:
x = ocurrencias
n = observaciones
= proporción de la muestra
= proporción propuesta
Solución:
a)
a = 0,01
b)
a = 0,01
Datos:
n = 51
Solución:
H0: (= 170000
H1: (< 170000
a = 0,05
Datos:
(= 40
n=8
Solución:
H0: (= 40
H1: (> 40
Grados de libertad: n-1 = 8-1 =7
a = 0,005
Xi Yi Xi2 Yi2 Xi ∙ Yi
2 14 4 196 28
3 20 9 400 60
5 32 25 1024 160
7 42 49 1764 294
8 44 64 1936 352
25 152 151 5320 894
Xi Yi Xi ∙ yi Xi2 Yi2
8 15 120 64 225
7 19 133 49 361
6 25 150 36 625
4 23 92 16 529
2 34 68 4 1156
1 40 40 1 1600
28 156 603 170 4496