Relación 2.

Problemas resueltos
1. Un opositor se presenta, sin estudiar, a un examen tipo test de 10 preguntas con cuatro opciones
cada una y una única respuesta válida. Decide marcar las respuestas al azar. ¿Cuántas respues-
tas correctas se espera que obtenga? Si se aprueba con 5 o más respuestas correctas, calcula
la probabilidad de que apruebe. Justifique la respuesta utilizando un modelo de distribución
adecuado.
Sea X=número de respuestas correctas entre las 10 marcadas al azar ∼ B(10, 0,25),
(p = prob. de exito = prob. de aceptar = 14 )

¿Cuántas respuestas correctas se espera que obtenga?

En este caso debemos calcula E[X], sabemos (ver formulario) que
E[X] = n · p = 10 · 0,25 = 2,5
Si se aprueba con 5 o más respuestas correctas, calcula la probabilidad de que apruebe.
Sabemos que se aprueba si hay al menos 5 respuestas correctas, es decir si X ≥ 5, por lo
tanto
P (aprobar) = P [X ≥ 5] = P [X = 5] + P [X = 6] + P [X = 7] + P [X = 8] +
+ P [X = 9] + P [X = 10] = 10 · 0,255 · 0,7510−5 + 10



5 6
· 0,256 · 0,7510−6 + ...
... + 10 · 0,251 0 · 0,7510−10 = 0,0584+ 0,0162+ 0,0031+ 0,0004+ 2,86 × 10−5 +9,54 × 10−7 =


10
0,078

2. En unas elecciones generales se obtuvo un 87 % de participación. Se pretende realizar una

encuesta a 40 habitantes sobre su ideologı́a polı́tica. ¿Cuántas de estas personas se espera
que no hayan participado en las elecciones? Justifique la respuesta utilizando un modelo de
distribución adecuado.
Sea X=número de personas que no han participado entre las 40 personas encuestadas ∼
B(40, 0,13),
(Sabemos que el 87 % participa, por lo tanto p = prob. de exito = prob. de No participar =
1 − 0,87 = 0,13)
Por lo tanto, el número esperados de personas que no han participado será E[X] = n · p =
40 ∗ 0,13 = 5,2

3. En cierto paı́s se sabe que 22.3 % de los contribuyentes cometen fraude fiscal.
Se eligen al azar 30 contribuyentes para tratar de detectar si han cometido fraude o no. Deter-
mine la distribución del número de personas seleccionadas que han cometido fraude. ¿Cuántos
defraudadores se espera seleccionar? Calcula la probabilidad de encontrar al menos a un de-
fraudador.
Sea X=número de contribuyentes que comenten fraude fiscal entre los 30 elegidos ∼ B(30, 0,223)

Número de defraudadores esperado=E[X] = 30 ∗ 0,223 = 6,69

1
 30


P (al menos un defraudador) = P [X ≥ 1] = 1 − P [X = 0] = 1 − ( 0
· 0,2230 · 0,77730−0 ) =
0,999484

4. Un análisis de las claves de acceso utilizadas por 30 usuarios de un servidor informático revela
que 11 de ellas son vulnerables.

a) Elegidos 5 usuarios al azar, ¿cuál es la probabilidad de que ninguno de ellos tenga una
clave de acceso vulnerable?
b) Calcule el número medio de usuarios que tienen clave vulnerable, de entre los 5 seleccio-
nados.

a) Sea X=número de claves vulnerables entre los 5 usuarios elegidos ∼ H(30, 11, 5) , con lo
cual,
(11)(30−11)
P (ninguna clave vulnerable) = P [X = 0] = 0 305−0 = 0,0816
(5)
N1 11
b) E[X] = n · N
=5· 30
= 1,85

5. Los controles de calidad de una planta de fabricación de placas de circuito impreso han permi-
tido determinar que el 5 % de la producción es defectuosa.

a) Si se eligen 20 placas de circuito impresos al azar, ¿cuál es la probabilidad de que haya,

al menos, 2 placas defectuosas?
b) En la fabricación de una partida compuesta por 50 placas, ha intervenido una máquina
que sufrı́a una averı́a, habiéndose detectado que 20 de las placas son defectuosas. Si se
eligen (sin reemplazamiento) 10 placas de esa partida, ¿cuál es la probabilidad de que
haya exactamente 3 defectuosas? ¿Cuántas placas defectuosas se espera que haya en las
10 elegidas?

a) Sea X=número de placas defectuosas entre 20∼ B(20, 0,05), debemos calcular: P [X ≥
2] = 1 − (P [X = 0] + P [X = 1]) = 0,2642
b) Sea Y =número de placas defectuosas entre 10∼ H(50, 20, 10), nos piden,
(20)(50−20)
P [Y = 3] = 3 5010−3 = 0,2259
(10)
20
E[Y ] = 10 50 = 4

6. La dirección de un hotel sabe que hay una probabilidad del 5 % de que las reservas para
el fin de semana realizadas con antelación no sean cubiertas. Por ello, practica una polı́tica
consistente en admitir 52 reservas, aun cuando el hotel dispone sólo de 50 habitaciones. ¿Cuál
es la probabilidad de que un fin de semana determinado haya habitación para todos los clientes
que confirmen su reserva?
Sea X=número de reservas cubiertas entre todos las reservas admitidas ∼ B(52, 0,95) , (en
este problema, el éxito es que una reserva se cubra. En el enunciado nos dicen que el 5 % de

2
 las reservas no son cubiertas, por lo tanto p = P (Éxito) = P (la reserva se cubre) =
= 1 − P (la reserva NO se cubre) = 1 − 0,05 = 0,95).
Por otra parte, nos están solicitando la probabilidad de que todos los clientes que vayan tengan
habitación. Dado que solo hay 50 habitaciones, habrá habitaciones para todos sı́ como máximo
el número de reservas cubiertas es 50, es decir

P (haya habitaciones para todos) = P [X ≤ 50] = 1 − (P [X = 51] + P [X = 52]) = 0,741

7. El trayecto que recorre un tironero tras sustraer por este método el bolso a su vı́ctima, se
puede considerar que sigue un modelo uniforme entre 500m y 2500m; ¿qué trayecto se espera
que recorra el tironero en su huı́da? Por estudios realizados, se sabe que ningún tironero es
capturado a más de 1200m de su fechorı́a; ¿cuál es la probabilidad de que un tironero que huye
sea capturado?
Sea X = metros recorridos por el tironero∼ U (500, 2500)
a+b 500 + 2500
E[X] = = = 1500
2 2
Un tironero se escapa si recorre más de 1200 metros, por lo tanto la probabilidad que se
pide será
x−a 1200 − 500
P [X < 1200] = F (1200) = = = 0,35
b−a 2500 − 500

8. Se sabe que la distribución de la variable aleatoria X = “tiempo en minutos que tarda en ser
atendido un cliente en una ventanilla” posee una distribución Exponencial de media 13.

a) Determinar la probabilidad de que un cliente tarde más de 14 minutos en ser atendido.

b) Considerados 10 clientes, ¿cuál es la probabilidad de encontrar a 2 que lleven más de 14
minutos esperando?

Sea X = tiempo en minutos que tarda en ser atendido un cliente en una ventanilla ∼ Exp(λ),
donde E[X] = λ1 = 13, por lo tanto λ = 13
1

1
a) P [X > 14] = 1 − P [X ≤ 14] = 1 − F (14) = 1 − (1 − e− 13 14 ) = 0,3406
b) Sea Y =número de clientes que tardan más de 14 minutos entre 10 clientes ∼ B(10, p),
donde p = P [X > 14] = 0,3406. Debemos calcular,
 
10
P [Y = 2] = 0,34062 · 0,65948 = 0,1866
2

9. Se ha comprobado que el tiempo de vida de cierto tipo de espectroscopios utilizados en labo-

ratorios sigue una distribución exponencial con media de 16 años.

a) ¿Cuál es la probabilidad de que un laboratorio que ha adquirido uno de estos espectros-

copios deba reemplazarlo antes de 20 años?
b) Si un espectroscopio lleva funcionando correctamente 5 años en un laboratorio, ¿cuál es
la probabilidad de que haya que cambiarlo antes de 25 años?

3
 Sea X = tiempo de vida de cierto tipo de espectroscopios (años) ∼ Exp(λ), donde E[X] =
1 1
λ
= 16, por lo tanto λ = 16
1
a) P [X < 20] = F (20) = 1 − e− 16 20 = 0,7135
b) En este caso, tenemos una información a priori (el espectroscopio lleva funcionando 5 años),
por lo tanto la probabilidad a calcular en este caso es una probabilidad condicionada
P [(X ≤ 25) ∩ (X > 5)] P [5 ≤ X ≤ 25] P [X ≤ 25] − P [X ≤ 5]
P [X ≤ 25|X>5 ] = = = =
P [X > 5] 1 − P [X ≤ 5] 1 − P [X ≤ 5]
1 1
(1 − e− 16 25 ) − (1 − e− 16 5 )
= 1 = 0,7135
1 − (1 − e− 16 5 )

10. Sea Z la variable aleatoria normal de media 0 y desviación tı́pica 1. Utilizando las tablas,
calcule las siguientes probabilidades:

a) P [Z ≤ 1,32]
b) P [Z ≥ 0,74]
c) P [Z ≤ −2,26]
d ) P [Z ≥ −1,73]
e) P [0,47 ≤ Z ≤ 2,13]
f ) P [−1,27 ≤ Z ≤ 1,66]

a) P [Z ≤ 1,32] = 0,9066
b) P [Z ≥ 0,74] = 1 − P [Z ≤ 0,74] = 1 − 0,7704 = 0,2296
c) P [Z ≤ −2,26] = P [Z ≥ 2,26] = 1 − P [Z ≤ 2,26] = 1 − 0,9881 = 0,0119
d ) P [Z ≥ −1,73] = P [Z ≤ 1,73] = 0,9582
e) P [0,47 ≤ Z ≤ 2,13] = P [Z ≤ 2,13] − P [Z ≤ 0,47] = 0,9834 − 0,6808 = 0,3026
f ) P [−1,27 ≤ Z ≤ 1,66] = P [Z ≤ 1,66] − P [Z ≤ −1,27] = 0,9515 − (1 − 0,8980) = 0,8495

11. La variable X tiene una distribución normal con media 8,47 y desviación tı́pica igual a 1,15.
Halle:

a) P [X ≤ 9,12]
b) P [X ≤ 6,42]
c) P [X ≥ 10,53]
d ) P [X ≥ 4,01]
e) P [6,12 ≤ X ≤ 11,92]
f ) P [7,52 ≤ X ≤ 10,32]

4
 Tenemos X ∼ N (8,47, 1,152 ), para calcular estas probabilidades, primero tenemos que tipificar
(Z = X−µ
σ
) y después se actúa como en el problema anterior.

a) P [X ≤ 9,12] = P [ X−8,47
1,15
≤ 9,12−8,47
1,15
] = P [Z ≤ 0,57] = 0,7157
b) P [X ≤ 6,42] = P [ X−8,47
1,15
≤ 6,42−8,47
1,15
] = P [Z ≤ −1,78] = 0,0375
c) P [X ≥ 10,53] = P [Z ≥ 1,79] = 0,0367
d ) P [X ≥ 4,01] = P [Z ≥ −3,88] = 0,9999
e) P [6,12 ≤ X ≤ 11,92] = P [−2,04 ≤ Z ≤ 3] = P [Z ≤ 3] − P [Z ≤ −2,04] = 0,978
f ) P [7,52 ≤ X ≤ 10,32] = P [−0,83 ≤ Z ≤ 1,61] = 0,742

12. Sea Z la variable aleatoria normal de media 0 y desviación tı́pica 1. Utilizando las tablas,
calcule los siguientes puntos crı́ticos:

a) z : P [Z ≤ z] = 0,9943
b) z : P [Z ≥ z] = 0,2389
c) z : P [Z ≤ z] = 0,2676
d ) z : P [Z ≥ z] = 0,9370

A lo largo de este problema, se usarán las propiedades de simetrı́a de la distribución normal

(S1, S2) y del complementario (C),

S1.- P [Z ≤ z] = P [Z ≥ −z]
S2.- P [Z ≥ z] = P [Z ≤ −z]
C.- P [Z ≥ z] = 1 − P [Z < z]

a) z : P [Z ≤ z] = 0,9943.
Este valor de z podemos encontrarlo directamente en la tabla buscando la probabilidad
p = 0,9943 ya que z es positivo y ‘descruzando’. En este caso z = 2,53
b) z : P [Z ≥ z] = 0,2389.
Como z es positivo, lo único que debemos hacer es pasar la probabilidad a función de
distribución, es decir, P [Z ≤ z], ya que es lo que nos da la tabla. Usando la propiedad del
complementario,

1 − P [Z ≤ z] = 0,2389, por lo tanto P [Z ≤ z] = 0,7611

Ya estarı́amos en las condiciones del apartado anterior y solo tendrı́amos que buscar la
probabilidad y ‘descruzar’. En este caso, se tiene que z = 0,71

5
 c) z : P [Z ≤ z] = 0,2676
En este caso z es negativo, lo primero que debemos hacer es pasar este número a positivo
usando las propiedades de simetrı́a,

P [Z ≥ −z] = 0,2676

Dado que −z ya es positivo, estamos en las misma condiciones que el apartado anterior y
actuaremos de la misma manera

1 − P [Z ≤ −z] = 0,2676 ⇒ P [Z ≤ −z] = 0,7324 ⇒ −z = 0,62 ⇒ z=-0.62

d ) z : P [Z ≥ z] = 0,9370
Como en el apartado anterior z es negativo, por lo tanto lo primero que hay que hacer es
pasarlo a positivo usando las propiedades de simetrı́a, tendremos, P [Z ≤ −z] = 0,9370. Al
ser ya −z un número positivo, estamos en las condiciones del primer apartado y podemos
buscar directamente −z en la tabla, obteniendo:

−z = 1,53 ⇒ z=-1.53

13. Sea X la variable aleatoria normal de media 5 y desviación tı́pica 1.5. Utilizando las tablas,
calcule los siguientes puntos crı́ticos:

a) x : P [X ≤ x] = 0,9798
b) x : P [X ≤ x] = 0,0951

Sea X ∼ N (5, 1,52 ), para calcular los puntos crı́ticos en primer lugar hay que tipificar y después
ya actuaremos como en el ejercicio anterior.

a) x : P [X ≤ x] = 0,9798
   
X −5 x−5 x−5
Tipificando P ≤ = P Z≤ = 0,9798. En estas condiciones, se
1,5 1,5 1,5
x−5
verifica que z = es positivo, y actuamos como en el primer apartado del problema
1,5
anterior. Buscando en la tabla, obtenemos
x−5
= 2,05 ⇒ x=8.075
1,5
b) x : P [X ≤ x] = 0,0951
 
x−5 x−5
Tipificando P Z ≤ = 0,0951. En estas condiciones, se verifica que z = es
1,5 1,5
negativo, y actuamos como en el apartado c) del problema anterior, utilizando primero
las propiedades de simetrı́a y después del complementario.
   
x−5 x−5
1 − P Z ≤ −( ) = 0,0951 ⇒ P Z ≤ −( ) = 0,9049 ⇒
1,5 1,5
 
x−5
− = 1,31 ⇒ x=3.035
1,5

6
14. Se realiza un estudio que tiene como objetivo conceder ciertas subvenciones a cierto sector en
concepto de transporte. Se sabe que la cantidad de gasolina consumida por los vehı́culos del
sector durante una semana sigue una ley normal de media 45 litros y desviación tı́pica 10. ¿Qué
porcentaje de vehı́culos consumen menos de 40 litros?
Sea X =cantidad de gasolina consumida ∼ N (45, 102 ), debemos calcular P [X < 40]. Se actúa
de la misma manera que en el problema 16,
P [X < 40] = P [Z < 40−45
10
] = P [Z < −0,50] = P [Z ≥ 0,50] =
= 1 − P [Z < 0,50] = 1 − 0,6915 = 0,3085
El 30,85 % de los coches consumen menos de 40 litros.

15. En cierta delegación se recibe gran cantidad de quejas por el tiempo de espera en ser atendido.
Por ello, se decide realizar un estudio del que se concluye que el tiempo que se tarda en atender
a un ciudadano está distribuido normalmente con media 25 minutos y desviación tı́pica de 5
minutos. ¿Qué porcentaje de ciudadanos son atendidos en menos de 30 minutos?
Sea X = tiempo en ser atendido ∼ N (25, 52 ), debemos calcular P [X < 30].
P [X < 30] = P [Z < 1] = 0,8413
El 84,13 % de los clientes esperan menos de 30 minutos.

16. El peso en gramos de una pieza fabricada en serie se distribuye según una normal con media
µ = 52 y desviación tı́pica σ = 6,5. En una inspección de calidad, se selecciona una pieza al
azar:

a) Halle la probabilidad de que una pieza fabricada pese más de 68 gramos.

b) Calcule el peso que no es superado el 90 % de las piezas.

Sea X = peso pieza ∼ N (52, 6,52 ),

a) Halle la probabilidad de que una pieza fabricada pese más de 68 gramos.

P [X > 68] = P [Z > 2,46] = 1 − P [Z < 2,46] = 1 − 0,9931
b) Calcule el peso que no es superado por 90 % de las piezas.
   
X − 52 x − 52 x − 52
x : P [X ≤ x] = 0,9 ⇒ P ≤ =P Z≤ = 0,9
6,5 6,5 6,5
En este caso, x−52
6,5
es positivo y actuamos como en el ejercicio 18. Por lo tanto

x − 52
= 1,28 ⇒ x=60.32 gr.
6,5

17. El tiempo de realización de una determinada tarea por los empleados de cierta contrata, se
distribuye según una normal de media 90 minutos y una desviación tı́pica de 8 minutos.

a) Calcule el porcentaje de empleados que tardarı́an en realizar dicha tarea un tiempo com-
prendido entre 80 y 100 minutos.

7
 b) ¿Qué tiempo tardan como máximo el 80 % de los trabajadores en realizar su tarea?
c) Si estudiamos a 200 empleados escogidos al azar, ¿cuántos empleados se espera que in-
viertan un tiempo superior a 100 minutos? Obtener la probabilidad de que al menos 30
empleados inviertan un tiempo superior a 100 minutos.

Sea X = tiempo realización tarea (en minutos) ∼ N (90, 82 ),

a) Calcule el porcentaje de empleados que tardarı́an en realizar dicha tarea un tiempo com-
prendido entre 80 y 100 minutos.
P [80 < X ≤ 100] |{z}
= P [−1,25 < Z ≤ 1,25] = P [Z < 1,25] − P [Z < −1,25] =
tipif.
= 0,8944 − (1 − 0,8944) = 0,7888
b) ¿Qué tiempo tardan como máximo el 80 % de los trabajadores en realizar su tarea?
 
x − 90 x − 90
x : P [X ≤ x] = 0,8 ⇒ P Z ≤ = 0,8 ⇒ = 0,84 ⇒ x = 96,72min
8 8
c) Si estudiamos a 200 empleados escogidos al azar, ¿cuántos empleados se espera que in-
viertan un tiempo superior a 100 minutos?
Sea Y =n empleados que invierten un tiempo superior a 100 minutos entre 200 empleados
∼ B(200, p), donde p = P (invertir un tiempo superior a 100 minutos) = P [X > 100] =
P [Z > 1,25] = 1 − 0,8944 = 0,1056.
Nos están pidiendo en primer lugar calcular E[Y ] = n · p = 200 · 0,1056 = 21,12. Por
otra parte, se nos pide P [Y ≥ 30]. Dado que en este caso n es muy grande, podemos
aproximar la distribución binomial por una distribución normal y por lo tanto el calculo
de esta probabilidad será muy sencillo.
Por teorı́a sabemos que B(n, p) ' N (µ, σ 2 ) donde µ = np y σ 2 = npq, por lo tanto
en este problema tenemos que Y ' N (µ, σ 2 ) donde µ = 200 · 0,1056 = 21,12 y σ 2 =
200 · 0,1056 · (1 − 0,1056) = 18,8897. Por lo tanto la probabilidad solicitada es:
 
30 − 21,12
P [Y ≥ 30] = P Z ≥ √ = P [Z ≥ 2,04] = 1 − P [Z ≤ 2,04] = 0,0207
18,8897

18. Una máquina fabrica piezas cuyo peso en gramos se distribuye según una normal de media 150
y desviación tı́pica 0,4. Se consideran aceptables aquellas piezas cuyo peso esté comprendida
entre 149,2 y 150,4.

a) Calcule el porcentaje de piezas aceptables que fabrica la máquina.

b) Un lote de 10 piezas se considera óptimo si de las 10 piezas, al menos 9 son aceptables.
Calcule la probabilidad de que un lote sea óptimo.

Sea X = peso piezas (en gramos) ∼ N (150, 0,42 ).

Pieza aceptable si 149,2 < X < 150,4.

8
 a) Calcule el porcentaje de piezas aceptables que fabrica la máquina.
P (Aceptable) = P [149,2 < X < 150,4] = P [−2 < Z < 1] = 0,8185
La máquina produce un 81,85 % de piezas aceptables.
b) Un lote de 10 piezas se considera óptimo si de las 10 piezas, al menos 9 son aceptables.
Calcule la probabilidad de que un lote sea óptimo.
Sea Y = no de piezas aceptables en un lote (10 piezas) ∼ B(10, p), donde p = P (Aceptable) =
0,8185.
Lote óptimo si Y ≥ 9.
P (óptimo) = P [Y ≥ 9] = P [Y = 9] + P [Y = 10] =
= 10 10

9 1


9
0,8185 0,1815 + 10
0,818510 0,18150 = 0,4342

19. Para aprobar cierta oposición se necesita obtener un mı́nimo de 100 puntos. Se sabe que las
puntuaciones obtenidas siguen una distribución normal de media 110 y desviación tı́pica 15.
¿Qué probabilidad tiene un opositor elegido al azar de haber aprobado? Si sabemos que hay
1000 opositores y sólo 300 plazas, ¿qué puntuación mı́nima deberı́a exigirse para ajustar el
número de aprobados al de plazas existentes?
Sea X = puntación examen ∼ N (110, 152 ).
Opositor aprueba si X ≥ 100.

¿Qué probabilidad tiene un opositor elegido al azar de haber aprobado? P (aprobar) =

P [X ≥ 100] = P [Z ≥ −0,67] = P [Z < 0,67] = 0,7486.
Si sabemos que hay 1000 opositores y sólo 300 plazas, ¿qué puntuación mı́nima deberı́a
exigirse para ajustar el número de aprobados al de plazas existentes?
Si solo aprueban 300 de 1000, significa que aprobaran el 30 % de los que se presenten, por
lo tanto debemos calcular la puntuación del examen que es superada por un 30 % de los
opositores, que serán los que aprueben. Es decir, queremos calcular un punto x tal que
P [X > x] = 0,3. Aplicando propiedades de simetrı́a y complementario, tenemos
 
x − 110 x − 110
P Z≤ = 0,7 ⇒ = 0,525 ⇒ x=117.875 puntos
15 15

20. El ı́ndice de masa corporal (IMC) entre la población universitaria sigue una distribución Normal
de media 22 y desviación tı́pica 2,5. Se considera que una persona sufre hiponutrición si su IMC
es inferior a 18 y sobrepeso si es superior a 25.

a) Calcule la probabilidad de que un estudiante sufra hiponutrición. Determine también la

probabilidad de sufrir sobrepeso.
b) Se va a realizar un seguimiento al 25 % de los estudiantes que presentan menor IMC. ¿Hasta
qué valor del IMC se seleccionarán los estudiantes que intervendrán en el seguimiento?

9
 c) Entre la población se escogen al azar 50 alumnos. Calcule la probabilidad de encontrar a
lo sumo 2 alumnos que presenten hiponutrición.
d ) En una clase de 60 alumnos se sabe que 15 de ellos tienen hiponutrición. Si escogemos a
20 de ellos para hacerles un estudio mas profundo, ¿Cuántos alumnos se espera que haya
con hiponutrición?

Sea X = Índice de masa corporal (IMC) universitarios ∼ N (22, 2,52 ).

- Universitario con Hiponutrición si X < 18.
- Universitario con Sobrepeso si X > 25.

a) Calcule la probabilidad de que un estudiante sufra hiponutrición. Determine también la

probabilidad de sufrir sobrepeso.
- P (Hiponutrición) = P [X < 18] = P [Z < −1,6] = 0,0548
- P (Sobrepeso) = P [X > 25] = P [Z > 1,2] = 0,1151
b) Se va a realizar un seguimiento al 25 % de los estudiantes que presentan menor IMC. ¿Hasta
qué valor del IMC se seleccionarán los estudiantes que intervendrán en el seguimiento?
Nos piden un valor x tal que P [X ≤ x] = 0,25. Aplicando propiedades de simetrı́a y
complementario, tenemos
    
x − 22 x − 22
P Z≤− = 0,75 ⇒ − = 0,675 ⇒ x=20.3125
2,5 2,5
Todos aquellos universitarios cuyo IMC sea igual o inferior a 20.3125 será seleccionado
para realizarle un seguimiento.
c) Entre la población se escogen al azar 50 alumnos. Calcule la probabilidad de encontrar a
lo sumo 2 alumnos que presenten hiponutrición.
Sea Y = número de alumnos con Hiponutrición entre 50 ∼ B(50, p), donde p = P (Hiponutrición) =
0,0548. Debemos calcular,
P [Y ≤ 2] = P [Y = 2] + P [Y = 1] + P [Y = 0] = 0,4787
d ) En una clase de 60 alumnos se sabe que 15 de ellos tienen hiponutrición. Si escogemos a
20 de ellos para hacerles un estudio mas profundo, ¿Cuántos alumnos se espera que haya
con hiponutrición?
Sea U = número de alumnos con Hiponutrición entre 20 ∼ H(60, 15, 20). En este apartado,
se quiere obtener
15
E[U ] = n NN1 = 20 = 5
60

10