TALLER NUMERO DOS DE ESTADISTICA SOBRE VARIABLES ALEATORIAS

CONTINUAS

JUAN CARLOS PINTO SALAMANCA CODIGO: 201421354

EDGAR LEONARDO SILVA DOMINGUEZ CODIGO: 201421397
VICTOR MAUEL SIERRA RODRIGUEZ CODIGO: 2014

ESTADISTICA II

PRESENTADO A: JAIME ALBERTO GARCIA

UNIVERSIDAD PEDAGOGICA Y TECNOLOGICA DE COLOMBIA

ESCUELA DE INGENIERIA INDUSTRIAL
FACULTAD SEDE SOGAMOSO
BOYACA
2017
 Ejercicios de la seccin 5-5.
5-28 Suponga que X tiene una distribucin continua uniforme en el intervalo
[1.5, 5.5].
a) Determine la media, la varianza y la desviacin estndar de X?
b) Cul es P (X < 2,5)

SOLUCION

1 1 1
f ( x) 0.25
b a 5.5 1.5 4

.30
.20
.10

1 2 3 4 5 6

a)
5.5 1.5 7
x 3.5
2 2

(5.5 1.5) 2 4
2x 1.33
12 3

4
x 1.1547
3

2.5
1 x 2.5 1.5
b) P( X 2.5)
2.5
dx 0.25 25%
1.5 4 4 1.5 4 4
5-29. Suponga que X tiene una distribucin continua uniforme en el intervalo [1, 1].
a) Determine la media, la varianza y la desviacin estndar de X?
b) Determine el valor de x tal que P ( - x < X < x) = 0,90
SOLUCION

0,05 0,45 0,45 0,05

-1 1

1 1 1
f ( x) 0.5
b a 1 (1) 2

11
x 0
2

(1 (1)) 2 4 2
a) x
2
0.333
12 12 6

2
x 0.577
6

b) p(-x< X <x)=0.90
 r 1
r
1 x
1 2dx 2 1 2 2 0.05
r

r r
0.05 0.5 0.45
2 2
r 0.45(2) 0.90
x 1
p ( x X x) dx 0.90
x 2

x x
x
x
dx 0.90
2 x 2 2
x 0.90

5-30 La distribucin para el peso neto en libras de un herbecida qumico empacado

es uniforme para 49,75< x < 50.25 libras.
a) Determine la media, la varianza y la desviacin estndar del peso de los
paquetes
b) Determine la funcin de distribucin acumulada de del peso de los paquetes
c) Determine P (X < 50,1)
SOLUCION
a) f(x) = 2 para 49.75 < x < 50.25
E(x) = (50.25 + 49.75) / 2 = 50
V(x) = (50.25 - 49.75) ^2 / 12 = 0.0208 y x = 0.144

b) F(x) = 49.75 2 para 49.75 < x < 50.25

0, < 49.75
F (x) = {2 99.5, 49.75 50.25,
1, 50.25
c) P(x > 50.1) = F (50.1) = 2(50.1) 99.5 = 0.7

5-31 El grosor del reborde de un componente aeronutico tiene una distribucin

uniforme entre 0,95 y 1,05 milmetros.
a) Determine la funcin de distribucin acumulada del grosor de los rebordes.
b) Determine la proporcin de los rebordes que exceden 1,02 milmetros
c) Qu grosor exceden 90% de los rebordes?
d) Determine la media y la varianza del grosor de los rebordes.
 a.
Sea S el espacio muestral:
s={0.95,0.96,0.97,0.98,0.99,1,1.01,1.02,1.03,1.04,1.05}

Donde por ser una distribucin uniforme cada uno de los elementos de este
espacio tiene un probabilidad de 1/11=0.091

Fx(x)=x1px1+x2px2+x3px3+x4px4+x5px5+x6px6+x7px7+x8px8+x9px9+x10px10
Fx(x)=(0.950.091)+(0.960.091)+(0.970.091)+(0.980.091)+(0.990.091)+(10.0
91)+(1.010.091)+(1.020.091)+(1.030.091)+(1.040.091)+(1.050.091)
Fx(x)=(0.086)+(0.087)+(0.088)+(0.089)+(0.090)+(0.091)+(0.092)+(0.093)+(0.094)+
(0.095)+(0.095)=1

b.

P(x)=1/10=0.1
p(x>1.02)=0.01+0.01+0.01=0.3

c.
El 90% corresponden a 9 casillas, por tanto:

p(x>90)=0.95+0.1=0.96

d.

La media de la distribucin uniforme est dada por:

=k1xik
=0.95+0.96+0.97+0.98+0.99+1+1.01+1.02+1.03+1.04+1.0511
=1

La varianza de la distribucin uniforme est dada por:

2=k1(xi)2k
2=(0.951)+(0.961)+(0.971)+(0.981)+(0.991)+(11)+(1.011)+(1.021)+
(1.031)+(1.041)+(1.051)11
2=(0.05)+(0.04)+(0.03)+(0.02)+(0.01)+(0)+(0.01)+(0.02)+(0.03)+(0.04)+
(0.05)11
2=011=0
5-32. El espesor del recubrimiento foto protector aplicado a las obleas en la fbrica
de semiconductores en un sitio particular de la oblea tiene una distribucin uniforme
entre 0,2050 y 0,2150 micrones.
a) Determine la funcin de distribucin acumulada del espesor del
recubrimiento foto protector.
b) Determine la proporcin de obleas cuyo espesor del recubrimiento foto
protector excede 0,2125 micrones.
c) Qu espesor exceden 10% de las obleas?
d) Determine la media y la varianza del espesor del recubrimiento

a)
La funcin de distribucin acumulada de una variable aleatoria continua uniforme
es:
xa1/(ba)du
=x/(ba)a/(ba)

al simplificar queda
=(xa)/(ba)

entonces para el problema es :

x0.2050(1/(0.21500.2050))du
=x/(0.21500.2050)0.2050/(0.21500.2050)
=(x/0.0100)(20.5)
=(x0.2050)/(0.0100)

Por lo tanto la funcin de distribucin acumulada completa es:

F(x)=0(x0.2050)/(0.0100)1si x<0.2050si 0.2050x<0.2150si 0.2150x

b)
P(X>0.2125)=1P(X0.2125)
P(X>0.2125)=1F(0.2125)

Utilizando la FDA hallada en el punto a) tenemos:

P(X>0.2125)=1F(0.2125)
P(X>0.2125)=1((0.21250.2050)/(0.0100))
P(X>0.2125)=0.250
c) si P ( X < x) = 0.1 entonces 1 F(X) = 0.1 y F(X) = 0.9
para eso 100x 20.50 = 0.9 entonces x = 0.214
d)
Su media est dada por
X=1/2(b+a)
reemplazando valores
X=1/2(0.2150+0.2050)
X=0.2100

Su varianza est dada por

var(X)=1/12(ba)2
var(X)=1/12(0.21500.2050)2
var(X)=8.333e6
5-33. La funcin de densidad de probabilidad del tiempo necesario para terminar
una operacin de ensamblaje es f(x) = 0,1 para 30 < X < 40 segundos.
a) Determine la porcin de unidades ensambladas cuya terminacin necesita
ms de 35 segundos.
b) Qu tiempo excedido por 90% de las unidades ensambladas?
c) Determine la media y la varianza del tiempo de ensamble.
SOLUCION
40
a) P (x < 35) = 35 0.1 = 0.1 x |40
35 = 0.5

b)Qu tiempo es excedido por 90% de las unidades ensambladas?

P(X>x)=0,90seg

P(X>x)=40x0,1dx=0,1(40x)=0,90

de donde se deduce que:

x=31 segundos

Tiempo excedido = 31 segundos

c) Determine la media y la varianza del tiempo de ensamblaje.

=E[x]=a+b2=E[x]=30+402=E[x]=35seg

VARIANZA
2=v[x]=(ba)212=(4030)212=8.33seg2
EJERCICIOS DE LA SECCION 5.6
5.34 Use la tabla II del apndice para determinar las siguientes probabilidades de
la variable aleatoria normal estndar Z.
a) P (Z < 1,32) = 0,90685
b) P (Z < 3,0) = 0,99865
c) P (Z > 1,45) tenemos que 1 0,92647 = 0,07353
d) P (Z > -2,15) = P (Z < 2,15) = 0,98422
e) P ( -2,34 < Z < 1,76) = P (Z < 1,76) - P (Z > 2,34) = 0,95116

5.35 Use la tabla II del apndice para determinar las siguientes probabilidades de
la variable aleatoria normal estndar Z.
a) P (-1 < Z < 1)
P (Z < 1) - P (Z > 1)
0,84134 (1- 0,84134) = 0,68268
b) P (-2 < Z < 2)
P (Z < 2) [1 - P (Z < 2)] = 0,9545
c) P (-3 < Z < 3)
P (Z < 3) [1 - P (Z < 3)] = 0,9973
d) P (Z>3)
1 P (Z < 3) = 0,00135
e) P (0 < Z < 1)
P (Z < 1) P (Z < 0)
0,84134 0,5 = 0,34134
5.36 Suponga que Z tiene una distribucin normal estndar. Use la tabla II del
apndice para determinar el valor de z que resuelve cada una de las expresiones
siguientes:
a) P (Z < z) = 0,9 valor de z = 1,28
b) P (Z <z) = 0,5 valor de z = 0
c) P (Z > z) = 0,1
si P (Z > z) = 0,1 entonces P (Z > z) = 0,90 por lo tanto z = 1,28
d) P (Z > z) = 0,9
si P (Z > z) = 0,9 entonces P (Z > z) = 0,10 por tanto z = -1,28
e) P (-1,24 < Z < z) = 0,8
tenemos que:
P (Z < z) - P (Z < -1,24)
P (Z < z) 0,10749
Entonces P (Z < z) = 0,8 + 0,10749 = 0,90749 por lo tanto z = 1,33
5.37 Suponga que Z tiene una distribucin normal estndar. Use la tabla II del
apndice para determinar el valor de z que resuelve cada una de las expresiones
siguientes:
Como en las tablas no se encuentra el dato exacto debemos realizar una
interpolacin la cual se halla con la siguiente formula:
(1 0 )
= 0 + ( 0 )
(1 0 )

a) P (-z < Z < z) = 0,95

(1,65 1,64)
= 1,64 + (0,95 0,9495)
(0,9505 0,9495)
Luego z = 1,645
b) P (-z < Z <z) = 0,99
(2,33 2,32)
= 2,32 + (0,99 0,9898)
(0,9901 0,9898)
Luego z = 2,327
c) P (-z < Z > z) = 0,68
 (0,47 0,46)
= 0,46 + (0,68 0,6772)
(0,6868 0,6772)
Luego z = 0,463
d) P (-z < Z > z) = 0,9973
de acuerdo a la tabla el valor de z = 2,78

5.38 Suponga que X tiene una distribucin normal con una media de 10 y una
desviacin estndar de 2. Determine lo siguiente:
a) P (X < 13)
P (Z < (13 - 10) /2)
P (Z < 1,5) = 0,9332
b) P (X < 9)
= 1 - P (X < 9)
= 1 - P (Z < (9 - 10) /2)
= 1 P (Z< 0,5) = 1 [1 P (Z< 0,5)]
= P (Z < 0,5) = 0,6915
c) P (6 < X < 14)
610 1410
= ( << )
2 2

= P (-2 < Z < 2)

=P (Z < 2) P (Z < -2) = 0,9777 0,0228 = 0,9549
d) P (2 < X < 4)
210 410
= ( << )
2 2

= P (-4 < Z < -3)

=P (Z < -3) P (Z < -4) = 0,00135
e) P (-2 < X < 8)
810 210
= ( << )
2 2

=P (Z < -1) P (Z < -6) = 0,15866

5.39 Suponga que X tiene una distribucin normal con una media de 10 y una
desviacin estndar de 2. Determine el valor de x que resuelve cada una de las
expresiones siguientes:
a) P (X > x) = 0,5
10
= ( > ) = 0,5
2
10
Entonces = 0 por tanto x = 10
2

b) P (X > x) = 0,95
10 10
= ( > ) = 1 - ( < ) = 0,95
2 2

10 10
Entonces = ( < ) = 0.05 y = -1,64 por consiguiente x = 6,72
2 2

c) P (x< X > 10) = 0,2

10
= ( < < 0)
2

10
= P (Z < 0) ( < )
2

10
= 0,5 - ( < ) = 0,2
2

10 10
Entonces ( < ) = 0,3 y = - 0,52 por tanto x = 8,96
2 2

d) P (-x < X < 10 < x) = 0,95

P( <Z< ) = 0,95
2 2

Entonces x/2 = 1,96 y x = 3,92

e) P (-x < X < 10 < x) = 0,99

P( <Z< ) = 0,99
2 2

Entonces x/2 = 2,58 y x = 5,16

5.40 Suponga que X tiene una distribucin normal con una media de 5 y una
desviacin estndar de 4. Determine lo siguiente:
a) P (X < 11)

P ( < 115
4
) = P (Z < 1,5) = 00,9332

b) P (X > 0)
P (Z > (-5/4))
= P (Z > -1,25)
= 1- P (Z < 1,25) = 0,8944
c) P (3 < X < 7)
35 75
P( <Z< )
4 4

= P (-0,5 < Z < 0,5)

= P (Z < 0,5) - P (Z < -0,5) = 0,383

d) P (-2 < X < 9)

25 95
P( <Z< )
4 4

= P (-1,75 < Z < 1)

= P (Z < 1) - P (Z < -1,75) = 0,8012
e) P (2 < X < 8)
= P (-0,75 < Z < 0,75)
= P (Z < 0,75) - P (Z < -0,75) = 0,5468

5.41 Suponga que X tiene una distribucin normal con una media de 5 y una
desviacin estndar de 4. Determine el valor de x que resuelve cada una de las
expresiones siguientes:
a) P (X > x) = 0,5
5
= ( > ) = 0,5 entonces x = 5
4

b) P (X > x) = 0,95
5 5
= ( > ) = 0,95 entonces = ( < ) = 0,05
4 4

5
Luego ( ) = -1,64 y x = -1,56
4

c) P (x< X > 9) = 0,2

5
= ( < < 1) = 0,2
4
 5
Entonces P (Z < 1) - ( < ) = 0,2 donde P (Z < 1) = 0,84134
4

5 5
( < ) = 0,64134 por consiguiente ( ) = 0,36 y x = 0,64
4 4

d) P (3< X < x) = 0,95

35 5
P( <Z< ) = 0,95
4 4

5
Entonces ( < ) P (Z < -0,5) = 0,95 y
4

5 5
( ) 0,30854 = 0,95 por consecuencia ( < ) = 1,20854
4 4

Como una solucin o puede ser mayor que 1 no hay solucin para x.

e) P (-x < X < x) = 0,99

55 5+5
=P( <Z< )
4 4

= P ( 4 < Z < 4 ) = 0,99

Entonces x/4 = 2,58 y x = 11,32

5.42 La resistencia a la compresin de muestras de cemento puede modelarse

mediante una distribucin normal con una media de 6000 kilogramos por
centmetro cuadrado y una desviacin estndar de 100 kilogramos por centmetro
cuadrado.
a) Cul es la probabilidad de que la resistencia a la compresin de una muestra
sea menor que 6250 kg/2 ?
62506000
P (X < 6250) = ( < )
100

=P (Z < 2,5) = 0,9938

b) Cul es la probabilidad de que la resistencia a la compresin de una muestra

este entre 5800 y 5900 kg/2 ?
P (5800 < X < 5900)
= P (-2 < Z < -1)
= P (Z < -1) P (Z < -2) = 0,13591
c) Cul es la resistencia a la compresin que excede 95% de las muestras?
6000
= ( < ) = 0,95
100

6000
= 1 - ( < ) = 0,95
100

6000
= ( < ) = 0.05
100
6000
Entonces = -1,64 y x = 5836
100

5.43 La resistencia a la tensin del papel se modela mediante una distribucin

normal con una media de 35 libras por pulgada cuadrada y una desviacin
estndar de 2 libras por pulgada cuadrada.
a) Cul es la probabilidad de que la resistencia a la tensin de una muestra sea
de 40 lb/2 ?
4035 4035
P (X < 40) = ( < ) entonces = 2,5
2 2

= P (Z < 2,5) = 0,9938

b) Si las especificaciones requieren que la resistencia a la tensin exceda 30

lb/2 , que proporcin de las muestras se desecha?
3035 3035
P (X < 30) = ( < ) entonces = -2,5
2 2

= P (Z < -2,5) = 0.0062

5.44 Se supone que la anchura de las rayas espectrales de una herramienta

usada para fabricar semiconductores tiene una distribucin normal con una media
de 0,5 micrones (milsimas de milmetro) y una desviacin estndar de 0,05
micrones (milsimas de milmetro).
a) Cul es la probabilidad de que la anchura de una raya espectral sea mayor
que 0,62 micrones (milsimas de milmetro)?
0,620,5 0,620,5
P (X > 0,62) = ( < ) entonces = 2,4
0,05 0,05

= P (Z > 2,4)
= 1 - P (Z > 2,4) = 0,0082

b) Cul es la probabilidad de que la anchura de una raya espectral este entre

0,47 y 0,63 micrones (milsimas de milmetro)?
P (0,47 < X > 0,63)
= P (-0,6 < Z < 2,6)
= P (Z < 2,6) - P (Z < -0,6)
= 0,9953 - 0,2743 = 0,721

c) Debajo de que valor esta el 90% de las anchuras de las rayas espectrales?
0,5 0,5
P (X < x) = ( < ) = 0,90 entonces = 1,28 y x = 0,564
0,05 0,05

5.45 El volumen de llenado de una maquina automatizada usada para llenar latas
de una bebida carbonatada tiene una distribucin normal con una media de 12,4
onzas liquidas y una desviacin estndar de 0,1 onzas liquidas.
a) Cul es la probabilidad de que un volumen de llenado sea menor que 12
onzas liquidas?
1212,4
P (X < 12) = ( < ) = P (Z < -4) 0
0,1

b) Si se desechan todas las latas con menos de 12,1 onzas o con ms de 12,6
onzas Qu proporcin de las latas se desecha?
12,112,4
P (X < 12,1) = ( < )
0,1

= P (Z < -3) = 0,0013 y

12,612,4
P (X > 12,6) = ( < )
0,1

= P (Z > 2) = 0,02275 entonces la proporcin de latas que se desechan es

0,0013 + 0,02275 = 0,0241
c) Determine las especificaciones volumtricas alrededor de la media que incluyen
al 99% de las latas.
P (12,4 x < X < 12,4 + x) = 0,99

= P (0,1 < Z < 0,1 ) = 0,99

Entonces ( < 0,1) = 0,995 y x = 0,1(2,58) = 0,258

Los limites son (12,142 y 12,658)

5.46 En el ejercicio anterior suponga que la media de la operacin de llenado

puede agotarse con facilidad, pero la desviacin estndar se mantiene en 0,1
onzas.
a) En qu valor deber fijarse la media para que 99,9% de las latas excedan 12
onzas?
12
P (X > 12) = 0,999 entonces ( < ) = 0,999
0,1

12
Por tanto = -3,09 y = 12,309
0,1

b) En qu valor deber fijarse la media ara que 99,9% de las latas exceda 12
onzas si la desviacin estndar puede reducirse a 0,05 onzas liquidas?
12
P (X > 12) = 0,999 entonces ( < ) = 0,999
0,05

12
Por tanto = -3,09 y = 12,1545
0,05

5.47 El tiempo de reaccin de un conductor a un estmulo visual tiene una

distribucin normal con una media de 0,4 segundos y una desviacin estndar de
0,05 segundos.
a) Cul es la probabilidad de que una reaccin requiera ms de 0,5 segundos?
0,50,4
P (X > 0,5) = ( < )
0,05

= P (Z > 2)
= 1 0,9772 = 0,0228
b) Cul es la probabilidad de que una reaccin requiera entre 0,4 y 0,5
segundos?
P (0,4 < X < 0,5) = P (0 < Z < 2)
= P (Z < 2) P (Z < 0) = 0,4772

c) Cul es el tiempo de reaccin que se excede 90% de las veces?

P (X < x) = 0,90
0,4
P ( < ) = 0,90
0,05

0,4
Entonces = -1,28 y x = 0,336
0,05

5.48 La longitud de un estuche de plstico moldeado por inyeccin para mantener

cinta magntica tiene una distribucin normal con una longitud media de 90,2
milmetros y una desviacin estndar de 0,1 milmetros.
a) Cul es la probabilidad de que la longitud de un estuche sea mayor que 90,3
milmetros o menor que 89,7 milmetros?
90,390,2
P (90,3 < X) = P ( < )
0,1

= P (1 < Z)
= P (Z > 1)
= 1 - P (Z > 1)
=1 0,8413 = 0,1587
89,790,2
P (X < 89,7) = P ( < )
0,1

= P (Z < -5) 0 por lo tanto la respuesta es 0,1587

b) En qu valor deber fijarse la media del proceso para obtener el mayor

nmero de estuches con longitud entre 89,7 y 90,3 milmetros?
La media del proceso deber fijarse en el centro de las especificaciones. Para este
caso sera = 90,0
c) Si los estuches que no midan entre 89,7 y 90.3 milmetros se desechan, cul
es el resultado para la media del proceso que se seleccion en el inciso b?
89,790 90,390
= P (89,7 < X < 90,3) = P ( <Z< )
0,1 0,1

= P (-3 < Z < 3) = 0,9974

5-49. En el ejercicio anterior, suponga que el centro del proceso se establece de

tal forma que la media es 90 milmetros y la desviacin estndar es 0,1 milmetros.
Suponga que se miden 10 estuches y se supone que son independientes.
a) Cul es la probabilidad de que los 10 estuches midan entre 89,7 y 90,3
milmetros?
b) Cul es el nmero esperado de los 10 estuches que miden entre 89,7 y
90,3 milmetros?
5.50. El tiempo de incapacidad por enfermedad de los empleados de una empresa
en un mes, tiene una distribucin normal con una media de 100 horas y una
desviacin estndar de 20 horas.
a) Cul es la probabilidad de que el tiempo de incapacidad del mes prximo
este entre 50 y 80 horas?
b) Cunto tiempo deber proyectarse para incapacidades si esta cantidad
deber ser excedida con una probabilidad de solo 10%?
SOLUCION
a. Nos indican que:
=100horas
=20horas

As tenemos que:
P(50<X<80)=P(X<80)P(X<50)
Pero utilizando la estandarizacin, que est Dada por:
Z=(X)
Podemos decir:
P(50<X<80)=P((50100/220)<Z<(8010020))
P(50<X<80)=P(2.5<Z<1)
P(50<X<80)=P(Z<1)P(Z<2.5)
P(50<X<80)=0.15870.0062
P(50<X<80)=0.1525
b. Tenemos que encontrar un valor para z, el cual:

P(z)=0.1525+0.10
P(z)=0.2525

Segn la tabla de valores de la funcin de distribucin normal estndar:

z=0.67

Con el valor de z, podemos encontrar el valor de x despejndola de la frmula de

estandarizacin, as:

z=(z/)
x=(z)()+
x=(0.67)(20)+100
x=(13.4)+100
x=86.6horas
5-51. La vida de un lser de semiconductores con una alimentacin de energa
constante tiene una distribucin normal con una media de 7000 horas y una
desviacin estndar de 600 horas.
a) Cul es la probabilidad de que un lser falle antes de 5000 horas?
b) Cul es la vida en horas que exceden el 95% del lser?
c) Si se usan tres lseres en un producto y se supone que fallan de manera
independiente, Cul es la probabilidad de que los tres sigan funcionando
despus de 7000 horas?
SOLUCION
a)

Operamos:

Despejamos:

P (Z < .3.33) = 1 - [0.5 + (3.33)] = 0.5 (3.33)

Buscamos en las tablas de la Normal expuestas en este blog, para dar como
resultado final:

P (Z < .3.33) = 0.5 (3.33) = 0.5 - 0.4996 = 0.0004

 b)

Tenemos: P (X >. x) = 0.95

Operamos:

1 P (X x) = 0.95

Despejamos:

P (X x) = 1 - 0.95 = 0.05 = 0.5 + (z)

Volvemos a despejar:

(z) = 0.05 - 0.5 = -0.45

Nos da un valor negativo, esto indica que el valor de z se encuentra en la parte

izquierda de la campana de Gauss. Las tablas que dispone Aqueronte, no
ofrecen los valores negativos de la curva, pero no hay problema ya que son
simtricos, por lo que buscamos en la tabla el valor 0.45 que de un z vlido.

Es este caso, no est el valor exacto, por lo que realizamos una interpolacin
lineal:

..1.64.............Z..........1.65
0.4495........0.45.....0.4505

De donde:

0.4495 - 0.4505.-> 1.64 - 1.65

0.4495 - 0.45..-> 1.64 - Z

Calculamos:

Teniendo en cuenta que z se encuentra en la parte izquierda de la campana de

Gauss, entonces: z = -1.645.

Por lo tanto, la duracin del lser semiconductor de potencia constante ser de:
Despejamos x y obtenemos la solucin a este problema: x = 6013 horas.

5.52. El dimetro de los puntos producidos por una impresora matricial tiene una
distribucin normal con un dimetro promedio de 0.002 pulgadas y una desviacin
estndar de 0.0004 pulgadas.
a) Cul es la probabilidad de que el dimetro de un punto exceda 0,0026
pulgadas?
b) Cul es la probabilidad de que el dimetro de un punto mida entre 0,0014 y
0,0026 pulgadas?
c) Qu desviacin estndar de los dimetros se necesita para que la
probabilidad del inciso b) sea 0,995?
SOLUCION
=0,002
=0,0004

a) Cul es la probabilidad de que el dimetro de un punto exceda 0,0026

pulgadas?

Z=(x)()
Z=(0.00260.002)(0.0004)=1.5
P(X>0.0026)=P(Z>1.5)=1P(Z1.5)
P(X>0.0026)=10.9332
P(X>0.0026)=0.0669

b) Cul es la probabilidad de que el dimetro de un punto mida entre 0,0014 y

0,0026 pulgadas?

P(0.0014<X<0.0026)=P(0,00140,0020,0004<X<0,00260,0020,0004)=P(0.15<X
<1.5)=[P(Z<1.5)P(Z<0.15)]=0.8664

C)Que desviacin estndar de los dimetros se necesita para que la probabilidad

del inciso b) sea 0,995?

P(0.0014<0.0026)=0.995P(0.0014<0.0026)=P(0,00140,002<0,00260,002)=P(
0.0006<0.0006) por lo tanto P (Z<0,0006)=0.9975
En consecuencia
2,81=(0,0006)()
2,81=0,0006
=0,000214
5-53. El peso de un zapato especializado para correr tiene una distribucin normal
con una media de 12 y una desviacin estndar de 0,5 onza.
a) Cul es la probabilidad de que un zapato pese ms de 13 onzas?
b) Cul debe ser la desviacin estndar del peso para que el fabricante
anuncie que 99,9% de sus zapatos pesan menos de 13 onzas?
SOLUCION
a).
xN(12,0.5)
z=(x12)/0.5N(0.1)
P(x>13)=P(z>(1312)/0.5)=P(z>2)

En la tabla de distribucin normal:

P(z2)=0.9772
Por lo tanto:
P(z>2)=10.9772=0.0228

La probabilidad de que un zapato pese ms de 13 onzas es de 0.0228(2.28%)

b).

P(z(1312)/)=0.999

En la tabla el valor de z es: 3.1

3.1=(1312)/
=(1312)/3.1=1/3.1
=0.32258065

Para que el fabricante pueda anunciar que el 99.9% de sus zapatos pesan
menos de 13 onzas,
la desviacin estndar debe ser 0.32258065
EJERCICIOS DE LA SECCION 5-8
5-58. Suponga que X es una variable aleatoria binomial con n=200 y p=0,4.
a) Aproxime la probabilidad de que x sea menos o igual que 70.
b) Aproxime la probabilidad de que X sea mayor que 70 y menor que 90.
SOLUCION
a)

La media:
E(x)==pn=(0,4)(200)=80

La varianza:

2=pn(1p)=(0,4)(200)(10,4)=48

La desviacin:
=V(x)=48

Z=x

P(X70)P(Z708048)=P(Z1.44)=0,925066

Esta probabilidad se obtuvo introduciendo el valor de Z en la tabla

de DISTRIBUCION NORMAL ESTANDAR ACUMULADA.

b)
P(X70)P(Z708048)=P(Z1.44)=0,925066
(70<Z90)P(708048<Z908048)=P(1,44<Z144)
p(1p)
=p(1p)=0,925066(10,925066)=0,850132
 5-59. Suponga que X es una variable aleatoria binomial con n=100 y p=0.1.
a) Calcule la probabilidad exacta de que X sea menor que cuatro.
b) Aproxime la probabilidad de que X sea menor que 4 y compare con el inciso
a).
c) Aproxime la probabilidad de que 8<X<12
SOLUCION

Calcule la probabilidad exacta de que X sea menor que cuatro.

P(X<4) =(100xi)(0.1)xi(10.1)100xi

Podemos utilizar la ayuda en Excel utilizando el comando = Distr.Binom

(x,n,p,verdadero)

P(X<4) = 0.0078

Aproxime la probabilidad de que X sea menor que cuatro y compare con el primer
inciso.

P(X<4) =P(X103<3103)
P(X<4) =P(Z<2.33)

La respuesta debemos mirarla en las tablas obteniendo

P(X<4)= 0.023

Al comparar con el primer inciso obtenemos que los resultados son diferentes pero
son muy parecidos.

Aproxime la probabilidad que 8<X<12.

P(8<12) =P(X103<9103+10103+11103)

Por tablas obtenemos que el resultado es

P(8<X<12)= 0.497
5-60. En la fabricacin de chips semiconductores se producen 2% de chips
defectuosos. Suponga que los chips son independientes y que un lote contiene 1000
chip.
a) Aproxime la probabilidad de que ms de 25 chips estn defectuosos.
b) Aproxime la probabilidad de que entre 20 y 30 chips estn defectuosos.
SOLUCION
B (x;n,p)N(x; = np, = np(1p))

a)
p=0.02,n=1000P(X>25)
Empleando la aproximacin de la variable aleatoria estndar Z para una
variable aleatoria binomial X, cuya frmula es:
Z = X np (10)Si{np>5n(1p)>5

Por lo tanto:
P(X>25)=P(X2019,6>252019,6)=P(Z>1,129)
Ya que:
np=10000.02=20>5n(1p)=1000(0.98)=980>5

Lo cual por simetra es lo mismo que:

P(Z<1,129) = 0.1294
b)
P(20<X<30) = P(2020200,98<X20200,98<3020200,98)
=P(0<Z<2,259) = P(Z<2,259) P(Z<0) = 0.4881

5-61. Un proveedor embarca un lote de 1000 conectores elctricos. Se selecciona

una muestra de 25 conectores al azar y sin reemplazo. Suponga que el lote contiene
100 conectores defectuosos.
a) Usando una aproximacin binomial, Cul es la probabilidad de que haya
conectores defectuosos en la muestra?
b) Use la aproximacin normal para resolver el inciso a). Es satisfactoria la
aproximacin?
c) Resuelva de nuevo el inciso a) y b) suponiendo que el tamao del lote es
500. La aproximacin normal de la probabilidad de que no haya conectores
defectuosos en la muestra es satisfactoria en este caso?
5-62. Un producto electrnico de oficina contiene 200 componentes electrnicos.
Suponga que la probabilidad de que cada uno de los componentes opere sin falla
durante la vida til del producto es 0.999, y suponga que los componentes fallan
independientemente. Aproxime la probabilidad de que 5 o ms de los 200
componentes originales fallen durante la vida til del producto.
SOLUCION
Aproximacin de la variable aleatoria estndar Z para una variable aleatoria
binomial X:
Z=Xnp/ np(1p)

Si {np > 5 y n (1p) > 5

n=200
p(fallen) = 1- 0.999=0.001

np=2000.001=0.2 < 5

n(1p) =200 (10.001) =199.8>5

P(X>5) =50.20.1998=10.73

5-63. Suponga que el nmero de partculas de asbesto en una muestra de un

centmetro cuadrado de polco es una variable aleatoria de Poisson con una media
de 1000. Cul es la probabilidad de que 10 centmetros cuadrados de polvo
contengan ms de 10000 partculas?
SOLUCION
Nos indican que:
E(X)=1000partes de asbestocm2 polvo

Pero sabemos que la media de una variable aleatoria de Poisson est dada por:
E(X)=

De esta manera:
=1000partes de asbesto / cm2 polvo

Luego afirmamos que:

P(X>10000)=1P(x9999)

En este punto podemos hacer una aproximacin normal a la distribucin de

Poisson que est dada por:
Z=(X)
FPoisson(x;) Fnormal(x;=,2=)

Ahora:
P(X>10000)=1P(x9999)
P(X>10000)=1P(z(99991000010000))
P(X>10000)=10.4960
P(X>10000)=0.504

5-64. Correccin de continuidad. La aproximacin normal de una probabilidad

binomial en ocasiones se modifica con un valor de correccin 0.5 que mejora la
aproximacin. Suponga que X es binomial con n=50 y p=0.1. Como X es una
variable aleatoria, P(X2) = P(X2.5). Sin embargo, la aproximacin normal de
P(X2) puede mejorarse aplicando la aproximacin a P(X2.5)
a) Aproxime P(X2) calculando el valor z correspondiente a x=2.5.
b) Aproxime P(X2) calculando el valor z correspondiente a x=2.
c) Compare los resultados de los incisos a) y b) con el valor exacto de P(X2)
para evaluar la efectividad de la correccin de continuidad.
d) Use la correccin de continuidad para aproximar P(X<10)

SOLUCION
a)
P(X2)=P(X2.5)P(Z2.554.5)=P(Z1.18)=1P(X1.18)=10.881=0.119

b)
P(X2)=P(X2)P(Z22.54.5)=P(Z0.82)=1P(X0.82)=10.794=0.206

c)
P(X2)=(500)0.100.950+(501)0.110.949+(502)0.120.948=0.118

d)
P(X<10)=P(X9.5)P(Z9.554.5)=P(Z2.12)=0.983
5-65. Correccin de continuidad. Suponga que X es binomial con n=50 y p=0.1.
Como X es una variable aleatoria discreta, P(X2)=P(x1.5). Sin embargo, la
aproximacin normal de P(X2) puede mejorarse aplicando la aproximacin a
P(X1.5). La correccin de continuidad de 0.5 se suma o se resta. Una regla fcil
de recordar es que la correccin de continuidad siempre se aplica para hacer ms
grande la probabilidad normal de aproximacin.
a) Aproxime P(X2) calculando el valor z correspondiente a 1.5
b) Aproxime P(X2) calculando el valor z correspondiente a 2
c) Compare los resultados de los incisos a) y b) con el valor exacto de P(X2)
para evaluar la efectividad de la correccin de continuidad.
d) Use la correccin de continuidad para aproximar P(X>6).
SOLUCION
a) Aproxime p(X>=2,0) calculando el valor z correspondiente a 1,5
=np=[(50)(0,1)]=5
= (50)(0,1)(0,9) =2,1213
Z=(x)()
Z=(1,55)(2,1213)=1,649

Entonces tenemos:

P(X>2.0)=P(X>1.5)=1P(X1.5)=1P(Z1.649)
P(X>2.0)=P(X>1.5)=1[1P(Z1.649)]
P(X>2.0)=1[10.9505]
P(X>2.0)=10.045
P(X>2.0)=0.9505

b)Aproxime p(X>=2,0) calculando el valor z correspondiente a 2,0

P(X2,0)=1P(X2)=1P(z1.4142)
P(X2.0)=1[1P(Z1.4142)]
P(X2.0)=1[10.9207]
P(X2.0)=10.0793
P(X2.0)=0.9207

c) Use la correccin de continuidad para aproximar p(X>6)

P(X>6)=1P(X6)
P(X>6)==1P(Z0)
P(X>6)=10.5
P(X>6)=0.5
5-66. Correccin de continuidad. Suponga que X es binomial con n=50 y p=0.1.
Como X es una variable aleatoria discreta, P(2X5)= P(1.5X5.5). Sin embargo,
la aproximacin normal de P(2X5) puede mejorarse aplicando la aproximacin a
P(1.5X5.5).
a) Aproxime P(2X5) calculando el valor z correspondiente a 1.5 y 5.5.
b) Aproxime P(2X5) calculando el valor z correspondiente a 2 y 5.
SOLUCION
a).

n=50
p=0.1
=np=5
= (np(1p)) =2.1213
P(X1.5)=P(z(1.55)/)=P(z1.65)

En la tabla de distribucin normal:

P(z1.65)=0.0495
P(X5.5)=P(z(5.55)/)=P(z0.24)

En la tabla de distribucin normal:

P(z0.24)=0.5948
P(1.5X5.5)=0.59480.0495=0.5453

b).

P(X2)=P(z(25)/)=P(z1.41)

En la tabla de distribucin normal:

P(z1.41)=0.0793
P(X5)=P(z(55)/)=P(z0.0)

En la tabla de distribucin normal:

P(z0.0)=0.5000
P(2X5)=0.50000.0793=0.4207
5-67. Correccin de continuidad. Suponga que X es binomial con n=50 y p=0.1.
Como X es una variable aleatoria discreta, P(X=10)=P(10X10). Usando los
resultados para las correcciones de continuidad, puede aproximarse P(10X10)
aplicando la estandarizacin a normal P(9.5X10.5).
a) Aproxime P(X=10) calculando el valor z correspondiente a 9.5 y 10.5.
b) Aproxime P(X=5).
SOLUCION
n=50
p=0.1
=np=5
=(np(1p))=2.12
a)P(X9.5)=P(X52.129.552.12)=P(z2.12)
de la tabla

P(z2.12)=0.983
ahora
P(X10.5)=P(X52.1210.552.12)=P(z2.59)
de la tabla

P(z2.59)=0.9952
P(9.5X10.5)=0.99520.983=0.0122

b)
P(X4.5)=P(X52.124.552.12)=P(z0.236)

de la tabla

P(z0.236)=0.409
ahora
P(X5.5)=P(X52.125.552.12)=P(z0.2358)

de la tabla

P(z0.2358)=0.590
P(9.5X10.5)=0.5900.409=0.181
5-68. Correccin de continuidad. En la fabricacin de chips semiconductores se
producen 2% de chips defectuosos. Suponga que los chips son independientes y
que un lote contiene 1000 chips.
a) Use la correccin de continuidad para aproximar la probabilidad de que entre
20 y 30 chips del lote estn defectuosos.
b) Use la correccin de continuidad para aproximar la probabilidad de que
exactamente 20 chips estn defectuosos.
SOLUCION
Tenemos que:
n=1000p=0,02np=201p=0,98

Z=Xnp / np(1p)

E(x)=np=(1000) (0,02)=20

V(x)=np(1p)=(1000)(0,02)(10,02)=19,6

a)
P (20<X<30)P(20,5X29.5)
P (20,520 / 19,6 Z 29,5 20 / 19,6)
P (0,113 Z 2,15) = P ( Z 2,15 ) P (Z 0,113) = (0,9840,545) = 0,439

b)
P(X=20)=P(19,5X20,5) P (20,5 20 / 19,6 Z 29,5 20 / 19,6)

P (0,113 Z 0,113) = 0,545 (1 0,545) = 0,09

c)
El nmero de chips con una probabilidad mxima de ser defectuosos es X= 20.
que en este caso equivale a la media el cual es el intervalo mayor donde se
centra la distribucin normal.

E(x)=np=(1000) (0,02)=20=()
DISTRIBUCION EXPONENCIAL
EJERCICIOS DE LA SECCION 5-9
5-69. Suponga que X tiene una distribucin exponencial con =2. Determine lo
siguiente:
a) P(X0)
0
=0 = 0
b) P(X2)

=2 2 2 = 2 |
2 =
4
= 0.0183
c) P(X1)
1
=0 2 2 = 2 |10 = 1 2 = 0.8647
d) P(1<X<2)
2
=0 2 2 = 2 |12 = 2 4 = 0.1170
e) Enumere el valor de x tal que P(X<x)=0.05

=0 2 2 = 2 |0 = 1 2 = 0.05 = 0.0256

5-70. Suponga que X tiene una distribucin exponencial con media igual a 10.
Determine lo siguiente:
E(X)=10, entonces =0.1
a) P(X>10)

=10 0.1 0,1 = 0.1 |10 = 1 = 0.3679
b) P(X>20)

=20 0.1 0,1 = 0.1 |20 =
2
= 0.1353
c) P(X>30)

=30 0.1 0,1 = 0.1 |30 =
3
= 0.0498
d) Encuentre el valor de x tal que P(X<x)=0.95

=0 0.1 0,1 = 0.1 |0 = 1 0.1 = 0.95 = 29.96

5-71. Suponga que los conteos registrados por un contador Geiser siguen un
proceso de Poisson con un promedio de conteos por minuto.
X la denotamos como el tiempo para realizar un conteo. entonces, X es una funcin
variable aleatoria con = 2 conteos por minuto.
a) Cul es la probabilidad de que no haya conteos en un intervalo de 30
segundos?
P(X>0.5)

=0.5 2 2 = 2 |
0.5 =
1
= 0.3679
 b) Cul es la probabilidad de que el primer conteo ocurra en menos de 10
segundos?
10
P(X>60)
1/6 1/6
=0 2 2 = 2 |0 = 1 1/3 = 0.2835
c) Cul es la probabilidad de que el primer conteo ocurra entre 1 y 2 minutos
despus de encender el contador?
P(1<X<2)
2
=1 2 2 = 2 |12 = 2 4 = 0.1170

5-72. Suponga que el acceso a una red de computadoras sigue un proceso de

Poisson con promedio de 3 conteos por minuto.
a) Cul es el promedio entre los conteos?
1 1
E(X) = = 3 = 0.333
b) Cul es la desviacin estndar del tiempo entre los conteos?
1 1
V(X) = 2 = 32 = 0.111 ; = 0.3333
c) Determine x tal que la probabilidad de que ocurra al menos un conteo antes
del tiempo x minutos sea 0.95.

P(X<x)=0 3 3 = 3 |0 = 1 3 = 0.95 ; = 0.9986

5-73. El tiempo entre las llamadas telefnicas a una ferretera tiene una distribucin
exponencial con un tiempo promedio entre las llamadas de 15 minutos.
X la denotamos como el para recibir una llamada. Entonces, X es una funcin
1 1
exponencial y = () = 15

a) Cul es la probabilidad de que no haya llamadas en un intervalo de 30

minutos?
1
P(X>30) = 30 15 15 = 15 |
30 =
2
= 0.1353
b) Cul es la probabilidad de que haya al menos una llamada en un intervalo
de 10 minutos?
La probabilidad de recibir al menos una llamada en un intervalo de 10 minutos
es igual al menos la probabilidad de cero llamadas en 10 minutos tenemos
entonces P(X>10).
1
P(X>10) = 10 15 15 = 15 |10

= 2/3 = 0.513
0.4866 es la respuesta alternativa para P(X<10) = 0.4866.

c) Cul es la probabilidad de que la primera llamada se realice dentro de los

5 y 10 minutos despus de abrir?

10 1
P(5<x<10) = 5 15 = 15 |10
5 =
1/3
2/3 = 0.2031
15
 d) Determine la longitud de un intervalo de tiempo tal que la probabilidad de que
haya al menos una llamada en el intervalo sea 0.90.

1
P(X<x) = 0.90 y P(X<x) = 0 15 = 15 |0 = 1 /15 =
15
0.90 x=34.54 minutos
5-74. La vida de los reguladores de voltaje para automviles tiene una distribucin
exponencial con una vida media de seis aos. Usted compra un automvil con seis
aos de antigedad que tiene el regulador de voltaje funcionando y planea
conservarlo por seis aos
X es la vida del regulador. Entonces, X es una funcin exponencial de variable
1 1
aleatorias con = =
() 6

a) Cul es la probabilidad de que el regulador de voltaje falle antes de que

venda el automvil?

61
P(X<6) = 0 6 6 = 6 |60 = 1 1 = 0.6321
b) Si el regulador falla despus de tres aos de haber comprado el automvil y
lo reemplaza. Cul es el tiempo promedio antes de la siguiente falla?
La prxima vez que falle el regulador es E(X) = 6 aos
5-75. el tiempo entre las entradas de correos electrnicos en una computadora tiene
una distribucin exponencial con media de dos horas,
La X ser el tiempo en recibir un mensaje. Entonces X es una funcin exponencial
1 1
de variables aleatorias y = () = 2

a) Cul es la probabilidad de que no se reciba un correo electrnico durante

un periodo de dos horas?

1
P(X>2) = 2 2 = 2 |
2 =
1
= 0.3679
2
b) Si no se ha recibido un correo las ltimas 4 horas, Cul es la probabilidad
de que no se reciba uno en las dos horas siguientes?
Es lo mismo de la parte a
c) Cul es el tiempo esperado entre el quinto y sexto correo electrnico?
E(X) = 2 horas
5-76. el tiempo para que pase un taxi desocupado por un crucero muy transitado
tiene una distribucin exponencial con media de 10 minutos.
X es el tiempo de llegada de un taxi. Entonces, X es una funcin exponencial de
1
variables aleatoria con = () = 0.1 llegadas por minuto.

a) Cul es la probabilidad de que tenga que esperar ms de una hora por un

taxi?

P(X>60) = 60 0.1 0.1 = 0.1 |
60 =
6
= 0.0025
 b) Suponga que una persona ha esperado ya una hora por un taxi. Cul es la
probabilidad de que pase uno los siguientes 10 minutos?
10
P(X<10) = 0 0.1 0.1 = 0.1 |10
0 =1
1
= 0.6321

5-77. Continuacin del ejercicio 5-76.

a) Determinar x tal que la probabilidad de que una persona aguarde ms de x
minutos sea 0.10.

P(X>x) = 0.1 0.1 = 0.1 | = 0.1 = 23.03
b) Determinar x tal que la probabilidad de que una persona aguarde menos de
x minutos sea 0.90.
P(X<x) = 0.9 es P(X>x) = 0.1 esta respuesta es la misma de la parte a.
c) Determinar x tal que la probabilidad de que una persona aguarde menos de
x minutos sea 0.50.

P(X<x)= 0 0.1 0.1 = 0.1 |0 = 0.5 = 6.93

5-78. La distancia entre las grietas grandes de una carretera sigue una distribucin
exponencial con media de 5 millas.
X es la distancia entre las grietas grandes. Entonces x es una funcin exponencial
1
de variable aleatoria con = () = 0.2

a) Cul es la probabilidad de que no haya grandes en un tramo de 10 millas

de carretera?

P(X>10) = 10 0.2 0.2 = 0.2 |10 = 2 = 0.1353
b) Cul es la probabilidad de que haya dos grietas grandes en un tramo de 10
millas de la carretera?
Y es el nmero de grietas grandes en 10 millas. Porque la distancia entre
grietas es exponencial y es una funcin poisson de variable aleatoria con =
2 22
10(0.2) = 2 10 . ( = 2) = = 0.2707
2!
c) Cul es la desviacin estndar de la distancia entre las grietas grandes?
1
= = 5

5-79. Continuacin del ejercicio 5-78.
a) Cul es la probabilidad de que la primera grieta grande se presente entre
12 y 15 millas despus del inicio de la inspeccin?
15
P(12<X<15) = 12 0.2 0.2 = 0.2 |15
12 =
2.4
3 = 0.0409
b) Cul es la probabilidad de que no haya grietas grandes en dos tramos
separados de 5 millas de carretera?

P(X>5) = 5 0.2 0.2 = 0.2 |
5 =
1
= 0.3679. porque
independientemente de los intervalos en una funcin poisson la respuesta es
0.36792 = 0.1353. alternativa a la respuesta P(X>10) = e-2 = 0.1353.
c) Dado que no hay grietas grandes en las primeras 5 millas inspeccionadas,
Cul es la probabilidad de que no haya grietas grandes en las siguientes 10
millas inspeccionadas?
Por la propiedad esta respuesta es P(X>10) = 0.1353 de la parte b.
5-80) La vida de un ensamblaje mecnico en una prueba de vibracin tiene una
distribucin exponencial con una media de 400 horas.
X es el tiempo de vida de un ensamblaje. Entonces x es una funcin exponencial
1 1
variable aleatoria con = () = 400

a) Cul es la probabilidad de que un ensamblaje sometido a prueba falle en

menos de 100 horas?

100 1
P(X<100) = 0 400 = 400 |100
0 = 1 0.25 = 0.2212
400
b) Cul es la probabilidad de que un ensamblaje opere durante ms de 500
horas antes de fallar?

1
P(X>500) = 500 400 400 = 400 |
500 =
5/4
= 0.2865
c) Si un ensamblaje se ha sometido a prueba durante ms de 400 horas sin
fallar, Cul es la probabilidad de falla en las 100 horas siguientes?
De la propiedad de la exponencial esta respuesta es la misma de la parte a.
5-81) Continuacin del ejercicio 5-80.
a) Si se someten a prueba 10 ensamblajes. Cul es la probabilidad de que al
menos uno falle en menos de 100 horas? Suponga que los ensamblajes
fallan independientemente.

U es el nmero de ensamblajes antes de que 10 fallen antes 100horas. Por

la propiedad del proceso de poisson U es una distribucin binomial con
n =10 y p= 0.2212 del ejercicio 80. Entonces P (U 1) = 1 ( = 0) =
1 (10
0
)0.22120 (1 0.2212)10 = 0.9179
b) Si se someten a prueba 10 ensamblajes. Cul es la probabilidad de que
todos hayan fallado en 800 horas? Suponga que lo ensamblajes fallan
independientemente.

V ser el nmero de ensambles antes de 10 fallen ates de 800 horas.

Entonces, V es una variable aleatoria con n=10 y p= P(X<800) donde X
denota la vida de un ensamblaje.
800 1
Ahora, P(X<800) = 0 400 |800
0 = 1 2 = 0.8647
400
Para, P(V=10) = (10
10
) 0.864710 (1 0.8647)0 = 0.2336
5-82) Cuando una lnea de autobuses reduce sus tarifas, un viaje en particular de
la ciudad Nueva York a Albany, Nueva York, se vuelve muy popular. Un autobs
pequeo puede transportar cuatro pasajeros. El tiempo entre llamadas telefnicas
para comprar boletos tiene una distribucin exponencial con una media de 30
minutos. Suponga que en cada llamada se compra un boleto. Cul es la
probabilidad de que el autobs se llene en menos de 3 horas despus de haberse
iniciado la reduccin de tarifas?
X ser el nmero de llamadas en 3 horas. Porque el tiempo entre llamadas es una
variable aleatoria exponencial, el nmero de llamadas en 3 horas es una funcin
poisson variable aleatoria. Ahora, e tiempo entre llamadas es 0.5 horas y = 1/0.5
= 2 llamadas por hora = 6 llamadas en 3 horas.
6 0 6 1 6 2 6 3
( 4) = 1 ( 3) = 1 [ + + + ] = 0.8488
0! 1! 2! 3!

5-83) El tiempo entre el aterrizaje de avionetas en un aeropuerto local tiene una

distribucin exponencial con una media de una hora. Cul es la probabilidad de
que aterricen ms de tres avionetas en una hora?
Y ser el nmero de llegadas en una hora. El tiempo entre llegadas es
exponencial, entonces la llegada es funcin variable aleatoria exponencial y =
1
1 10 1 11 1 12 1 13
( > 3) = 1 ( 3) = 1 [ + + + ] = 0.3528
0! 1! 2! 3!

5-84) Continuacin del ejercicio 5-83.

a) Si se eligen 30 intervalos separados de una hora Cul es la probabilidad
de que ninguno de los intervalos contenga ms de tres aterrizajes?

Del ejercicio 5-83, P(Y>3) =0.3528. W ser el numero de una hora

intervalos de 30 que contiene ms de 3 llegadas. Por la propiedad de
poisson W es una funcin binomial aleatoria con n=30 y p= 0.3528.
30
( = 0) = ( ) 0.35280 (1 0.3528)30 = 2.15 106
0
b) Determine la longitud del intervalo de tiempo (en horas) tal que la
probabilidad de que no haya ningn aterrizaje durante el intervalo sea 0,1.

X ser el tiempo entre llegadas. Entonces X es una funcin aleatoria con

= 3
 ( > ) = 0.1 ( > )

= 3 3 = 3 |
=
3
= 0.1, = 0.768

5-85) El tiempo entre llamadas telefnicas a una oficina corporativa tiene una
distribucin exponencial con una media de 10 minutos.
X ser el nmero de llamadas en 30 minutos. Porque el tiempo entre llamadas es
una funcin exponencial aleatoria, X es una funcin poisson aleatoria con =
1
= 0.1 30 .
()

a) Cul es la probabilidad de que haya ms de tres llamadas en media hora?

3 30 3 31 3 32 3 33
P(X > 3) = 1 P(X 3) = 1 [ + + + ] = 0.3528
0! 1! 2! 3!

b) Cul es la probabilidad de que no haya llamadas en media hora?

3 30
( = 0) = = 0.04979
0!
c) Determine x tal que la probabilidad de que no haya llamadas en x horas sea
0,01.
Y ser el tiempo entre llamadas en minutos. Entonces ( ) = 0.01 y

( ) = 0.1 0.1 = 0.1 |
=
0.1
. Donde para 0.1 =
0.01 = 46.05
5-86) Continuacin del ejercicio 5-85
a) Cul es la probabilidad de que no haya llamadas en un intervalo de dos
horas?

Del ejercicio 5-85 ( > 120) = 120 0.1 0.1 |120 = 12 = 6.14 106

b) Si se seleccionan cuatro intervalos no traslapados de media hora. Cul es

la probabilidad de que en ninguno de estos intervalos haya llamadas?
Porque las llamadas estn en un proceso poisson, el nmero de llamadas en
los intervalos es independiente. Del ejercicio 5-85 parte b, la probabilidad de no
llamadas en una hora es e-3=0.04979. para la respuesta es [ 3 ] = 12 =
6.14 106 Alternativamente, la respuesta es la probabilidad de no llmadas en
dos horas. De la parte a. de este ejercicio, esto es 12
c) Explique la relacin entre los resultados de los incisos a) y b).
Porque es una funcin poisson, la probabilidad que no depende de que los
intervalos estn consecutivos. Para las partes a y b tenemos la misma
respuesta.
5-87) Si la variable aleatoria X tiene una distribucin exponencial con media ,
determine lo siguiente:
a) (> )

1 /
( > 0) = = / |
=
1
= 0.3679

b) (> 2)

1 /
( > 2) = = / |
2 =
2
= 0.1353

c) (> 3)

1 /
( > 3) = = / |
3 =
3
= 0.0498

d) En qu forma dependen los resultados de ?
Los resultados no dependen de
5-88) Suponga que los defectos en una cinta magntica siguen una distribucin de
Poisson con una media de 0,2 defectos por metro. Sea que X denote la distancia
entre dos defectos sucesivos.
X es una funcin exponencial aleatoria con = 0.2
a) Cul es la media de X?
1
() = = 5

b) Cul es la probabilidad de que no haya defectos en 10 metros
consecutivos de cinta?

( > 10) = 0.2 0.2 = 2 = 0.1353
10

c) La respuesta del inciso b) cambia si los 10 metros no son consecutivos?

No, ver ejercicio 5-87 parte c.
d) Cuntos metros de cinta es necesario inspeccionar para que la
probabilidad de encontrar al menos un defecto sea de 90%?
( < ) = 0.90. ( < ) = 0.2 |0 = 1 0.2 1 0.2
= 0.9 = 11.51
5-89) Continuacin del ejercicio 5-88. (Preguntas ms difciles)
 8

( > 8) = 8 0.2 0.2 = 5 = 0.2019 la distancia entre sucesiones de
defectos no exceda 8 metros. La distancia es independiente ( > 8) = 0.2019 . Y
ser el nmero de defectos no exceda la distancia 8 metros. Entonces Y es una
funcin geomtrica aleatoria con p= 0.2019
a) Cul es la probabilidad de que la primera ocasin en que la distancia entre
dos defectos exceda 8 metros ocurra en el quinto defecto?
( = 5) = (1 0.2019)4 0.2019 = 0.0819
b) Cul es el nmero promedio de defectos antes de que la distancia entre
dos defectos exceda 8 metros?
E(Y)= 1/0.2019 = 4.95
5-90) Deduzca la frmula de la media y la varianza de una variable aleatoria
exponencial.

() = 0 . Usando integracin por partes u=x y dv=

Entonces, () = |
0 + 0

= |0 = 1/

1 1
() = ( )2 usando integracin por partes con u=( )2 y dv=

1
1 ( )
Tenemos, =V(X) = (x )2 |
0 + 2 0

1 2 1
= ()2 + 0 ( )

1
() = ( )2

EJERCICIOS DE LA SECCIN 5-10

5-91) Las llamadas a un sistema telefnico siguen una distribucin de Poisson con
una media de 5 llamadas por minuto.
a) Qu nombre se aplica a la distribucin y a los valores de los parmetros
del tiempo hasta la dcima llamada?
b) Cul es el tiempo promedio hasta la dcima llamada?
c) Cul es el tiempo promedio entre la novena y la dcima llamada?
SOLUCION
a) Qu nombre se aplica a la distribucin y a los valores de los parmetros
del tiempo hasta la dcima llamada?

La distribucin que se aplica es la distribucin de Erlang, ya que la variable

aleatoria x que es igual a las llamadas a un sistema telefnico hasta que ocurra
r conteos en un proceso de Poisson.

b) Cul es el tiempo promedio hasta la dcima llamada?

=[E(x)]=r/
=[E(x)]=10/5
=[E(x)]=2 minutos

c) Cul es el tiempo promedio entre la novena y la dcima llamada?

=[E(x)]=r/
=[E(x)]=9/5
=[E(x)]=1,8 minutos

Entonces tenemos que el promedio es:

T=1,9 minutos
5-92) Continuacin del ejercicio 5-91.
a) Cul es la probabilidad de que ocurran exactamente cuatro llamadas en
un minuto?
b) Si se escogen 10 intervalos separados. Cul es la probabilidad de que
todos los intervalos contengan ms de dos llamadas?
SOLUCION
a).
En la tabla de distribucin de Poisson tenemos:
=5
P(x4) = 0.734974
P(x5) = 0.559507
P (x 4 ) P (x 5 ) = 0.734974 0.559507 = 0.175467
b).
n= 10; p=0.5

Si=np=5

Aplicando la distribucin Binomial (dado que n es pequeo y no tiende a

infinito, no podemos
aplicar la distribucin Poisson), en la tabla, con los siguientes datos tenemos:
n=10
p=0.5
x=2

Tenemos una probabilidad de: 0.9892578

5-93) Se estudia la contaminacin de una materia prima. Suponga que el nmero

de partculas de contaminacin por libra de material es una variable aleatoria de
Poisson con una media de 0,01 partculas por libra.
a) Cul es el nmero esperado de libras necesarias de materia prima para
obtener 15 partculas de contaminacin?
b) Cul es la desviacin estndar de las libras necesarias de materia prima
para obtener 15 partculas de contaminacin?
SOLUCION
a)
r = 15
= 0.01
= r/ =15 / 0.01=1500
 b)
r = 15
= 0.01
= r / 2 = 15 / 0.0001 = 387.29

5-94) En un sistema de comunicacin de datos, varios mensajes que llegan a un

nodo, se agrupan en un paquete antes de transmitirse en la red. Suponga que los
mensajes que llegan al nodo siguen un proceso de Poisson con = 30 mensajes
por minuto. Se usan 5 mensajes para formar un paquete.
a) Cul es el tiempo promedio hasta que se forma un paquete, es decir,
hasta que llegan 5 mensajes al nodo?
b) Cul es la desviacin estndar del tiempo hasta que se forma un paquete?
c) Cul es la probabilidad de que se forme un paquete en menos de 10
segundos?
d) Cul es la probabilidad de que se forme un paquete en menos de 5
segundos?
SOLUCION

5-95) Los errores causados por contaminacin en discos pticos ocurren a razn
de un error cada 105 bits. Suponga que los errores siguen una distribucin de
Poisson.
a) Cul es el nmero promedio de bits hasta que ocurren 5 errores?
b) Cul es la desviacin estndar del nmero de bits hasta que ocurren 5
errores?
c) El cdigo de correccin de errores podra fallar si hay 3 o ms errores en
105 bits. Cul es la probabilidad de este evento?
SOLUCION
a) r=5 =10^5
E[x] = r/ E[x]=5 / 10^5
E[x]=0.00005
b) r = 5 = 10^5
V[x] ^2 = r / ^2 entonces =r / V[x] ^2
=5 / 10^5 = 0,0000224
c) r = 1 = 10^5
P [ X x] = (^r X (r1) exp (x) (r1)! /d) x
P [ X 3] = ((10^5) ^ r X (11) exp (10^5x) (11)! /d) x
5-96) El tiempo entre llegadas de clientes a un cajero automtico es una variable
aleatoria exponencial con una media de 5 minutos.
a) Cul es la probabilidad de que lleguen ms de tres clientes en 10
minutos?
b) Cul es la probabilidad de que el tiempo hasta que llegue el quinto cliente
sea menor que quince minutos?
SOLUCION
a.
E(X)=5min/ cliente = 1 / (5min/cliente) = 0,2 cliente / min = 2min / cliente
El punto a, lo resolvemos por distribucin de Poisson:
P (X > 3 min/cliente) = 1 P (X 3min/cliente) = 1 (ei / i!)
P (X > 3 min/cliente) = 1 e 22i / i! = 1 (0,135+0,271+0,271+0,180)
P (X > 3 min/cliente) =1 (0,857) = 0,143

b.
E(X)=5min/cliente=1/ 5min/cliente = 0,2 cliente/min = 2min / cliente

5-97) El tiempo entre los problemas de procesamiento en una lnea de produccin

tiene una distribucin exponencial con una media de 30 das.
a) Cul es el tiempo esperado hasta el cuarto problema?
b) Cul es la probabilidad de que el tiempo hasta el cuarto problema exceda
120 das?
SOLUCION

5-98) Use las propiedades de la funcin gamma para evaluar lo siguiente:

a) (6)
5
b) (2)
9
c) (2)
 SOLUCION
(6)
(6) = (61)!
(6) = 120

Como es un entero trabajamos con (r-1)!

(5/2)
(5/2) = exp (5/2)
(5/2) = 17.5

(9/2)
(9/2) = exp (9/2)
(9/2) = 172.7
5-99) Use la integracin por partes para demostrar que () = ( 1)( 1)
5-100) Demuestre que la integral de la funcin de densidad gamma (; , ), es
uno.
SOLUCION
La funcin gamma es la siguiente:

(r)= x ^ r1 e ^ x dx , r > 0

(1)=1

(1)= x^11 e ^ x dx

(1)= e ^ x dx

(1)=lim n e ^ x dx

(1)=lim n (e ^ x)|

(1)=lim n e ^ n +1

(1)=1
5-101) Use el resultado para la distribucin gamma para determinar la media y la
varianza de una distribucin con = 7/2.
SOLUCION
=1/2, r=7/2

= E(x) = r / = 7/2 / = 7

2 = V(x) = r / ^2= 7/2 / (1/2) ^2 = 14

5.102 suponga que X tiene una distribucin de Weibull con = 0,2 y = 100 horas.
Determinar la media y la varianza de X.
SOLUCION
La media de una variable aleatoria de Weibull est dada por:
=( 1+ 1 / )

As:
=(100)(1+1 / 0.2)
=(100)(6)
=(100)(5!)
=12000 horas

La varianza de una variable aleatoria de Weibull est dada por:

^2=^2 (1+2/) ^2 [ (1+1/) ] ^ 2

As:
^2 = (100) ^2 (1+2 / 0.2) (100) ^2 [(1+1/0.2) ] ^ 2
^2=(100) ^2(11) (100) ^2 [ (6) ] ^ 2
^2=[(10000)(10!)][(10000)(5!) ^2]
^2=3.6110^10
5.103 Suponga que X tiene una distribucin de Weibull con parmetros con = 0,2
y = 100 horas. Determine lo siguiente:
a) P (X < 10.000)
b) P (X > 5.000)
SOLUCION
5.104 Suponga que la vida de un rodamiento de rodillos sigue una distribucin de
Weibull con parmetros = 2 y = 10.000 horas
a) Determine la probabilidad de que un rodamiento dure menos de 8.000 horas.
b) Determine el tiempo promedio hasta la falla de un rodamiento.
c) Si estn en uso 10 rodamientos y las fallas ocurren de manera independiente,
cul es la probabilidad de que los 10 rodamientos duren al menos 8.000
horas?
5.105 Considere que la vida de un disco magntico empacado, expuesto a gases
corrosivos, tiene una distribucin de Weibull con = 0,5 y la vida media es 600
horas.
a) Determine la probabilidad de que los discos empacados duren al menos 500
horas.
b) Determine la probabilidad de que los discos empacados fallen antes de 400
horas.
SOLUCION
a).
=1/600
=0.5
P(x500) = 1e^(500/600) ^0.5
P(x500) = 0.59862974

b).
P(x=400) = ((0.5/600^0.5) 400^0.5 e ^ (400/600) ^0.5)
P(x=400) = 0.000451091

5.106 La vida de una bomba de recirculacin sigue una distribucin de Weibull con
parmetros = 2 y = 700 horas.
a) Determine la vida media de una bomba.
b) Determine la varianza de la vida de una bomba.
c) Cul es la probabilidad de que una bomba dure ms que su media?

SOLUCION
=700
=2
a) E(x)=(1+1/)
E(x)=700(1+1/2)=700(1.5)=700(0.5)(0.5)=350()=620.35
NOTA: en esta ltima expresin se utiliz el hecho que
(r)=(r1)(r1)

b) V(x) = ^2 (1+2/) ^2 ((1+1/)) ^2

V(x)=700^2 (1+2/2) 700^2 ((1+1/2)) ^2
=490000(2)490000((1.5))2

=490000(1!)490000(0.25)(0.5) ^2
=490000122500()
=490000384845.10
=105154.89

c) P (x > 620.35) = exp ((620.35/700) ^2) = exp (0.78)=0.455

5.107 si X es una variable aleatoria con distribucin de Weibull, con = 1 y =
1.000. Cul es el otro nombre de la distribucin de X y cul es la media de X?
SOLUCION
Con =1 la distribucin de Weibull es idntica a la distribucin exponencial
=1
=1000
E(x) = (1+1/)
E(x)=1000 (1+1/1) = 1000

EJERCICIOS COMPLEMENTARIOS
5.108 Suponga que f(x) = 0,5x -1 para 2 < < 4. Determine lo siguiente:
a) P (X< 2)
b) P (X > 3)
c) P (2,5 < < 3,5)
SOLUCION
5.109 encuentre la funcin de distribucin acumulada de la variable aleatoria del
ejercicio 5.108
SOLUCION
La solucin es esta:

Funcin de distribucin acumulada.

F(x)=f(x)dx

F(x)= 0.5 x 1dx

F(x)= 0.5 x dx dx

F(x)=0.5(x ^ 2 / 24,2) ( x 4,2)

F(x)=0.5(16 / 2 4 / 2)(42)

F(x)= 0.5 ( 8 2 ) 2

F(x)= 0.5 ( 6 ) 2

F(x)= 3 2

F(x)= 1

5.110 determine la media y la varianza de la variable aleatoria del ejercicio 5.108.

SOLUCION

5.111 El tiempo entre llamadas telefnicas tiene una distribucin exponencial con
un tiempo promedio entre llamadas de 10 minutos.
a) Cul es la probabilidad de que el tiempo hasta la primera llamada sea
menos que 5 minutos?
b) Cul es la probabilidad de que el tiempo de la segunda a la tercera llamada
este entre 5 y 15 minutos?
c) Determine la longitud del intervalo de tiempo tal que la probabilidad de al
menos una llamada en el intervalo sea 0,90.
SOLUCION
 a) Cul es la probabilidad de que el tiempo hasta la primera llamada sea
menor que 5 minutos?

P(X<5) = 1e ^ 5/10 = 1 0,6065 = 0,3935

b) Cul es la probabilidad de que el tiempo de la segunda a la tercera llamada

est entre 5 y 15 minutos?

P (5 < X < 15) = F (15) F(5)

=[1e^15/10] [1 e ^5/10] = [ 1 0,2231] [ 1 0,61 ] = 0,38346

c)Determine la longitud del intervalo de tiempo tal que la probabilidad de al

menos una llamada en el intervalo, sea 0,90
P ( X < x ) = e ^ x/0,1 = 0,90
x=1,053

5.112 Continuacion del ejercicio 5.111.

a) Si no ha habido ninguna llamada en 10 minutos. Cul es la probabilidad de
que el tiempo hasta la siguiente llamada sea menor que 5 minutos?
b) Cul es la probabilidad de que no haya llamadas en los intervalos de 10:00
a 10:05, de 11:30 a 11:35 y de 2:00 a 2:05?
5.113 continuacin del ejercicio 5.111
a) Cul es la probabilidad de que haya exactamente cuatro llamadas en un
minuto?
b) Cul es el tiempo promedio hasta la quinta llamada?
5.114 la CPU de una computadora personal tiene un periodo de vida con una
distribucin exponencial con una vida media de seis aos. Usted ha sido dueo de
esta CPU por tres aos. Cul es la probabilidad de que la CPU falle en los prximos
tres aos?
5.115 continuacin del ejercicio 5.114. Suponga que la compaa para la que usted
trabaja ha tenido 10 CPU por tres aos, y suponga que las CPU fallan de manera
independiente. Cul es la probabilidad de que al menos una de ellas falle en los
prximos tres aos?

5.116 se identifican fibras de asbesto en una muestra de polvo con un microscopio

electrnico, despus de preparar la muestra. Suponga que el nmero de fibras es
una variable aleatoria de Poisson y que el nmero promedio de fibras por centmetro
cuadrado de superficie de polvo es 100. Se analiza una muestra de 800 centmetro
cuadrados de polvo. Suponga que una celda de una malla particular bajo el
microscopio representa 1/60.000 de la muestra.
a) Cul es la probabilidad de que se localice al menos una fibra en la celda de
la malla?
b) Cul es la media del nmero de celdas de la malla que es necesario
observar para localizar 10 que contengan fibras?
c) Cul es la desviacin estndar del nmero de celdas de la malla que es
necesario observar para localizar 10 que contengan fibras?
5.117 sin un sistema de riego automtico, la altura de las plantas dos semanas
despus de germinar tiene una distribucin normal con una media de 2,5
centmetros y una desviacin estndar de 0,5 centmetros.
a) Cul es la probabilidad de que la altura de una planta sea mayor que 3,5
centmetros?
b) Cul es la probabilidad de que la altura de una planta este entre 2?0 y 3.0
metros?
c) Qu altura excede 90% de las plantas?

5.118 continuacin del ejercicio 5.117. con un sistema de riego automtico, una
planta crece a una altura de 3,5 centmetros dos semanas despus de germinar.
a) Cul es la probabilidad de obtener una planta de esa altura o mayor a partir
de la distribucin de las alturas del ejercicio 5.117?
b) considera usted que el sistema de riego automtico incrementa la altura de
las plantas a la segunda semana despus de la germinacin?
SOLUCION

a)
P(x3.5) =P(z(3.52.5) /05)=P(z2)

En la tabla de la distribucin normal:

P(z2)=1P(z2)=10.9772=0.0228

b).
No puede sacarse una conclusin a partir de la informacin recibida. El
enunciado dice que con un sistema de riego automtico una planta crece a una
altura de 3.5 cm y no sabemos la distribucin de probabilidades ni los
 resultados de una muestra representativa con el sistema de riego, solo nos dan
un dato aislado de una planta y no tenemos una desviacin estndar que nos
permita hacer una prueba de hiptesis o aplicar cualquier otro criterio de
decisin.
5.119 el espesor de un recubrimiento laminado para superficies de madera, tiene
una distribucin normal con una media de 5 milmetros y una desviacin estndar
de 0,2 milmetros.
a) Cul es la probabilidad de que el espesor de un recubrimiento sea mayor
que 5,5 milmetros?
b) Si las especificaciones requieren que el espesor este entre 4,5 y 5,5
milmetros, Qu proporcin de los requerimientos no cumplen con las
especificaciones?
c) Abajo de que valor est el espesor del recubrimiento de 90% delas
muestras?
SOLUCION
a)
P(X>5.5)=P(Z>5.55/0.2)=P(Z>2.5)=0.0062

b)
P(4.5<X<5.5)=P(4.55/0.2 < Z < 5.5 5 / 0.2) = P (2.5 < Z < 2.5) = 0.9876
entonces la proporcin que no cumple con las especificaciones
1P(4.5<X<5.5)=10.9876=0.0124

c)
si P ( X < x ) = 0.90

P ( Z > x 5/0.2)=0.90
x5/0.2 = 1.65
de donde se deduce que:
x=5.33
5.120 el dimetro de los puntos producidos por una impresora matricial tiene una
distribucin normal con un dimetro promedio de 0,002 pulgadas. Suponga que las
especificaciones requieren que el dimetro de los puntos este entre 0,0014 y 0,0026
pulgadas. Si la probabilidad de que un punto cumpla con las especificaciones debe
ser 0,9973, Qu desviacin estndar se necesita?
5.121 continuacin del ejercicio 5.120. Suponga que la desviacin estndar del
tamao de los puntos es 0,0004 pulgadas. Si la probabilidad de que un punto
cumpla con las especificaciones debe ser 0,9973, Qu especificaciones es
necesario establecer? Suponga que las especificaciones van a escogerse
simtricamente alrededor de la media de 0,002.
5.122 la vida de un lser de semiconductores con una alimentacin de energa
constante tiene una distribucin normal con una media de 7.000 horas y una
desviacin estndar de 600 horas.
a) Cul es la probabilidad de que un lser falle antes de 5.800 horas?
b) Cul es la vida en horas que excede 90% de los laser?
SOLUCION
a.
=7000 horas
=600 horas

Para tablas, se realiza la conversin:

z=x/

Por tanto:
p(x5800 horas)=(p[x7000/600]<p[58007000/600])
p(x5800 horas)=p[z<2]
p(x5800 horas)=1p[z<2]

Por tabla (mirar tabla II apndice, Montgomery), encontramos el valor:

p(x5800 horas)=10.97725
p(x5800 horas)=0.02275

b.
p(Xx)=(p[x7000/ 600] < p [x7000/600])
p(Xx)=(Z < p [x7000/600])
p(Xx)=0.90

La tabla II se utiliza para encontrar para encontrar el valor de Z, tal que

P(Z<z)=0.90, por tanto, la probabilidad mas cercana es:
p(Z1.28)=0.90

Por consiguiente:
x7000/600=1.28
x=7768 horas
5-123 Continuacin del ejercicio 5-122 Qu valor deber tener la vida media para
que 99%de los laser excedan 10000 horas antes de fallar?
5-124 Continuacin del ejercicio 5-122. un producto contiene 3 laser, y el producto
falla si cualquiera de ellos falla. Suponga que los laser fallan de manera
independiente. Qu valor deber tener la vida media para que 99% de los
productos excedan 10000 horas antes de fallar?
5-125 una pulgada cuadrada de alfombra contiene 50 fibras del tejido. La
probabilidad de una fibra daada es 0.0001. Suponga que las fibras daadas
ocurren de manera independiente.
a) Aproxime la probabilidad de una fibra daada en una yarda cuadrada de
alfombra
b) Aproxime la probabilidad de cuatro o ms fibras daadas en una yarda
cuadrada de alfombra

5-126 una aerolnea hace 200 reservaciones para un vuelo con capacidad para
185 pasajeros. La probabilidad de que un pasajero llegue para el vuelo es de 0.9 y
se supone que los pasajeros son independientes.
a) Aproxime la probabilidad de que haya asientos para todos los pasajeros
que lleguen
b) Aproxime la probabilidad de que haya asientos vacos
c) Aproxime el nmero de reservaciones que debera hacer la aerolnea para
que la probabilidad de que haya asientos para todos los pasajeros que
lleguen sean 0.95

5-127 Los incisos de este ejercicio llevan la funcin de densidad de probabilidad

de una variable aleatoria de Erlang X con parmetros y r, f(x)=rxr-1e-x/(r-1)
!,x>0,r=1,2,
a) Use la distribucin de Poisson para expresar p(X>x).
b) Use el resultado del inciso para determinar la funcin de distribucin
acumulada de X.
c) Derive la funcin de distribucin acumulada del inciso y simplifique para
obtener la funcin de densidad de probabilidad De X

5-128 Un juego de rodamientos se compone de 10 rodamientos. suponga que los

dimetros de los rodamientos son independientes y que tienen una distribucin
normal con una media de 1,5 mm. Cul es la probabilidad de que el rodamiento
con el dimetro ms grande en el ensamble exceda 1,6 mm?
SOLUCION
Nos indican que:
=1.5 mm =0.025 mm

Con estos parmetros podemos decir que:

P(X>1.6)=1P(X1.6)

Utilizando la estandarizacin, dada por:

Z=(X/)
Tenemos que:
P(X>1.6)=1P(Z(1.6/))
P(X>1.6)=1P(Z(1.61.5/0.025))
P(X>1.6)=1P(Z4)=3.1671e0
5-129 sea que la variable x denote la medicin de un producto manufacturado.
Suponga que el valor especificado para la medicin es m .por ejemplo X denotara
una longitud dimensional, y el valor especificado podr ser 10mm .la prdida de
calidad del proceso para fabricar el producto se define como el valor esperado de
$k(X-m)2, donde k es una constante que relaciona una desviacin del valor
especificado con una prdida cuantificada en unidades monetarias ($).
a) Suponga que x es una variable aleatoria continua con E(X)=m y V(X)= 2.
Cul es la prdida de calidad del proceso?
b) Suponga que X es una variable aleatoria continua con E(X) = y V(X)= 2. .
Cul es la prdida de calidad del proceso?

5-130 la vida de un amplificador electrnico se modela como una variable aleatoria

exponencial. Si el 10% de los amplificadores tienen una vida media de 50000
horas, Qu proporcin de los amplificadores falla antes de 60000 horas?
5-131 demuestre que para una variable aleatoria exponencial x1
P(X<t1+t2IX> t1) = P(X<t2)
SOLUCION
P( X < t1 + t2 | X > t1 ) = P ( X < t2 , X < ti + t2 ) / P ( X > t1 )
P( X < t1 + t2 | X > t1 ) = P ( X < ti + t2 ) / P ( X > t1 )

En el caso exponencial ser as:

P( X < t1 + t2 | X > t1 ) = 1e^(ti+t2) / et1
P( X < t1 + t2 | X > t1) = 1e ^ t2 e^t1 / et1
P( X < t1 + t2 | X > t1 ) = 1e^t2
P( X < t1 + t2 | X > t1 ) = P (X<t2)
5-132 Se dice que un proceso es de calidad seis sigma si la media del proceso
est al menos a seis desviaciones estndar de la especificacin ms prxima.
Suponga una medicin con una distribucin normal.
a) Si la media de un proceso se ubica en el centro entre la especificacin
superior y la inferior a una distancia de seis desviaciones estndar entre s.
cul es la probabilidad de que un producto no cumpla con las
especificaciones? Usando el resultado de que 0,000001 es igual a una
parte por milln. exprese la respuesta en partes por milln.
b) Debido a que es dficit mantener la media de un proceso centrada entre las
especificaciones, con frecuencia la probabilidad de que un producto no
 cumpla con las especificaciones se calcula despus de suponga que el
proceso se corre. Se la media del proceso colocada como se indica en el
inciso, cambia a 1.5 desviaciones estndar hacia arriba. cul es la
probabilidad de que un producto no cumpla con las especificaciones?
Exprese la respuesta en partes por milln.

EJERCICIOS DEL SEGUNDO LIBRO (ESTADISTICA APLICADA UNA VISON

INSTRUMENTAL)
6.12.1 calcular el valor de , sabiendo que es positivo, para que la funcin
() = ( 2)(10 )
Sea la funcin de densidad de la variable aleatoria X.
6.12.2 la funcin de densidad de una variable aleatoria continua X es:
1
() =
( )
Calcular
a) El valor de la constante

b) La funcin de distribucin.

6.12.3 la variable aleatoria continua X tiene funcin de densidad de la forma:

2 0 < 2
() { (6 ) 2 < 6 }
0
Se pide:
a) Calcular el valor de para que f(x) sea su funcin de densidad.

f(x) = 2 para valores entre 0 < x 2

2
2 dx = 1
0

2
2 dx = 1
0

3
evaluada de 0 a 2 por tanto = 3/8
3
f(x) = (6 x) para valores entre 2 < x 6
2
(6 ) dx = 1
0

2
(6 ) dx = 1
0

2
(6x ) =1 evaluada de 2 a 6
2

por consiguiente = 1/8

b) Hallar la correspondiente funcin de distribucin.

Funcin de distribucin es

3
2 para valores entre 0 < x 2
8
1
(6 x) para valores entre 2 < x 6
8

Y valores de 0 en otra parte

c) Calcular el valor esperado de X

para hallar el valor esperado de x sea la media tenemos

E[X]= f(x) x dx

2 3 3 4
0 x (8 2 ) dx =
32
evaluada de 0 a 2 E[X] = 1,5

6 1 1 3
2 x( 8 (6 x))dx = 8 (3 2 3
) evaluada de 2 a 6 E[X] = 3,33

6.12.4 calcular el valor de k para que la funcin

 0 < 0
() { 0 5}
0 > 5
Sea la funcin de densidad de una variable aleatoria y determinar la funcin de
distribucin correspondiente.
f(x) = kx para valores entre 0 x 5

5
k dx = 1
0

2
k evaluada de 0 a 5 luego k = 2/25
2
y su funcin de distribucin es
1
2 para valores entre 0 x 5
25
0 < 3
6.12.5 Dada la funcin () {4 12 0 5}
0 > 4
a) comprobar que f(x) es una funcin de densidad
5
(4x 12) dx = 1
0

2 2 12 = 1 evaluada de 0 a 5 tenemos como resultado -60 por tanto no es

funcin de densidad. Para lo cual debemos hallar un valor k.
K es igual a -1/10
b) calcular la esperanza matemtica de la v.a. X que tiene por funcin de densidad
f(x)

6.12.6 la funcin de densidad de la variable aleatoria continua X es:

3 3 0 < 1
() {(4 ) 1 < 4}
0
a) Calcular el valor de k
b) Hallar la funcin de distribucin de la variable X
c) Calcular la media de X
6.12.7la variable aleatoria y simboliza el tiempo de una llamada telefnica y la
funcin de densidad y es:
0 < 0
() { /4 }
> 0
Para un valor de k mayor que cero
a) Determinar el valor de
b) Dar la funcin de distribucin
c) si k=4 m, calcular la probabilidad de que una llamada dure ms de 5 minutos
d) Cul es la probabilidad de que una llamada dure entre 5 y 10 minutos?

6.12.8 la funcin de densidad de la variable aleatoria X es:

0 0
2
0 < < 2
() { 2 }
2

a) Determinar el valor de c
b) Hallar la funcin de distribucin de la variable aleatoria X.
c) Calcular la probabilidad del suceso AUB, siendo

A = {x R I x1,5} y B {x R I x>1,5}
d) Calcular la probabilidad de que X este comprendida entre 1,5y 3
e) Hallar p(x>3Ix<2).
f) Hallar la esperanza y la varianza de X
g) Hallar el coeficiente de asimetra de la variable aleatoria X

6.12.9 el cociente intelectual se define como el cociente entre la edad mental y

la edad cronolgica de una persona. Expresado el cociente intelectual en tanto
por uno, su distribucin en un grupo de 2000 estudiantes es normal de medio
0,8 y desviacin tpica 0,5. Calcular el nmero de estudiantes con cociente
intelectual:
a) Comprendido entre 0,7 y 1,2
b) inferior a 0,3
c) inferior a 0,9
d) superior a 1,4
6.12.10la funcin de densidad de una variable aleatoria X es:
 0
() { }
/4 0
a) determinar el valor de para que f(x) sea funcin de densidad
b) hallar la funcin de distribucin
c) calcular P(x12), P(0X8), P(0X12IX8)
d) calcular la media y la varianza de x

6.12.11 utilizando la tabla de la distribucin normal, calcular las siguientes

probabilidades, sabiendo Z~N (0,1).
a) P(Z>1,76); P(Z<1,05); P(Z>-0,13); P(Z<-1,14)
b) P(1,18<Z<1,39); P(-1,84<Z<-0.44)
c) P(-2,33<Z<0,97)
d) probabilidad de que Z este comprendida entre -0,98 Y -0.63

6.12.12 para la variable aleatoria ZN (0,1) hallar el rea bajo la curva de su funcin
de densidad que est comprendida entre z y z para los siguientes valores de z
Z=1; z=1,96; z=2; z=2,33; z= 2,58; z= 3
6.12.13 hallar el valor de la variable aleatoria ZN (0,1) que verifica cada una de las
siguientes condiciones
a) la probabilidad entre 0 y z es 0,4505
b) el valor de z deja a su derecha probabilidad 0,9292
c) el valor de z deja a su izquierda probabilidad 0,0307
d) la probabilidad por debajo de z es 0,6480
e) el valor de z deja a su derecha probabilidad 0,0392
f) la probabilidad comprendida entre z y z es 0,5934

6.12.14 una variable aleatoria tiene una distribucin normal de media 57,4 y
desviacin tpica 8,4. Cul es la probabilidad de qu esta variable aleatoria tome
un valor?:
a) menor que 70
b) menor que 51,1
c) comprendido entre 59,5 y 76,3
d) comprendido entre 44,8 y 72,42
6,12,15 en una bolsa de trabajo hay 80000 personas cuyo cociente intelectual,
expresado en tanto por ciento est distribuido segn una normal con media 107 y
desviacin tpica 12. Si cierto trabajo solo lo pueden realizar las personas con un
cociente intelectual de al menos 100 y los que tienen un cociente intelectual superior
a 120 se cansan pronto y se aburren con dicha tarea, determinar cuntas personas
de la bolsa de trabajo sern idneas para realizar esa tarea teniendo en cuenta solo
la informacin proporcionada por el cociente intelectual
6.12.16 los gastos anuales por familia en una determinada comunidad autnoma
siguen una distribucin normal de media 17.655E y desviacin tpica 27130E. Para
esa poblacin
a) Qu porcentaje de familias gastan anualmente menos de 12500E?
b) Qu porcentaje de familias tienen un gasto anual superior a 18000E?
c) Calcular el percentil 90 para la distribucin de los gastos anuales en esa
comunidad autnoma
6.12.17 una poblacin formada por cinco millones de insectos de la misma especia
tiene el 52% de hembras. La longitud de los machos, en mm, sigue una distribucin
normal de media 1,68 y desviacin tpica 0,2. Determinar cuntos machos mide
a) Menos de 1,75 mm
b) Ms de 1,60 mm
c) Menos de 2,05 mm
d) Ms de 1,20 mm

6.12.18 una variable aleatoria X tiene por funcin de densidad

() = (1+)3 si x 0
0 < 0

a) Determinar el valor de k
b) Hallar la funcin de distribucin
c) Calcular la media, la mediana, el primer cuartil

6.12.19 el tratamiento de un gran pinar atacado por una plaga procesionaria

tiene una duracin normal de media 8 das y desviacin tpica 3 das. Calcular la
probabilidad de que el tratamiento de ese pinar:
a) Sea inferior a siete das
b) Sea superior a tres das
c) Est comprendido entre 10 y 12 das
d) Est comprendido entre 1 y 2 das

6.12.20 la variable aleatoria x tiene por uncin de densidad de probabilidad:

() = 3 (1 ) > 0
a) Determinar el valor de la constante a
b) Hallar la funcin de distribucin de X
c) Calcular el valor esperado de X y su varianza
d) Calcular P (X> 0,5)
e) calcular la probabilidad de que, al tomar veinte valores de x, elegidos
aleatoriamente, haya quince de ellos que sean mayores de 0.5

6.12.21 la venta anual de la produccin de una fbrica es una variable aleatoria

x con valores comprendidos entre cero y diez millones de euros. Se ha ajustado
a la funcin de densidad de x un modelo de la forma () = (10
)3 (0, 10)
a) calcular el valor de k
b) dar la funcin de distribucin
c) calcular el valor esperado de la venta anual
d) calcular la probabilidad de que fabricando por valor de + en un ao no
se puedan atender todos los pedidos de ese ao

6.12.22 la variable aleatoria x tiene recorrido [0, +] y su funcin de densidad

es
1
() = (+1)2 xe[0, +]

Calcular las probabilidades de los siguientes sucesos

A; B; B; A; BC; D; C(DE);

siendo
A= { / 0}; B = { / > 0}; C= { /0 < 1};
D= { /1 < < 2}; Y E= { /3 < };
6.12.23 se sabe que x es una variable aleatoria normal, que p(x 3.5) =
0,4872 y que p(x 7.5) = 0.7540. determinar los parmetros de la distribucin
de x

6.12.24 la variable aleatoria x tiene por funcin de densidad

() = (1 + )4 Si x 0
0 si x< 0
a) determinar el valor de M
b) Hallar la funcin de distribucin
c) Calcular la media, el primer cuartil y la mediana
6.12.25 los dimetros de las piezas fabricadas en un taller se distribuyen
normalmente con media 18,5 mm y desviacin tpica 1.2 mm
a) Calcular la probabilidad de que una pieza elegida al zar tenga un dimetro
comprendido entre -2 y +2
b) Se desechan las piezas de dimetros que sean menores de 15 mm y las de
ms de 20 mm Cuntas piezas se espera desechar de una produccin de
2000 piezas?
c) Un cliente exige que los dimetros de las piezas difieran menos de 0.5 mm
de la media Cuntas piezas se pueden seleccionar para este cliente de una
produccin de 2000 piezas?

6.12.26 la probabilidad de que una variable continua x tome un valor menor o igual
que cualquier x de su recorrido [a, b] es lineal en x. hallar
a) La funcin de distribucin de x
b) La funcin de densidad de x
c) El valor esperado, la moda, y la mediana de x
d) La varianza de x
e) Los coeficientes de asimetra y de curtosis

6.12.27 la funcin de densidad de la variable aleatoria x es

() = 0 0
3 si 0 < < 1
1 1
a) Determinar el valor de
b) Dar la funcin de distribucin de x
c) Calcular P (0,5< < 2); P (X> 2/ > 1); P(A) siendo A= { / 1/2}
d) Hallar la media y la varianza de la distribucin
e) Calcular el coeficiente de asimetra

6.12.28 una maquina corta piezas cuyo grosor es una variable aleatoria continua
x con funcin de densidad () = (3 )( 1.5) 1.5 < < 3 midiendo
x en cm
a) Calcular el valor de k
b) Hallar la funcin de distribucin
c) Se rechazan las piezas con grosor menor que 1,7 cm o mayor que 2,8 cm
Cul es la probabilidad de que no se rechace una pieza tomada al azar
de las cortadas por la maquina?
d) Si las piezas se empaquetan en cajas de 10, hallar la probabilidad de que
en una caja elegida al azar haya menos de dos piezas no admisibles
6.12.29 para la distribucin continua uniforme en el intervalo [0, 10] calcular
a) E(X)
b) 2
c) Los momentos de orden 3 y 4 respecto a la media
d) Los coeficientes de asimetra de curtosis

6.12.30 la funcin de distribucin de la variable aleatoria x es:

() = 0 0

si 0 < x < 1
1 1

Hallar el valor esperado y la varianza de x.