f(z)

-3

-2

-1

-3.33

-2.00

Normal distribution
P(lower) P(upper) .9522 .0478 .0004 .9996 1.0000 1.31E-11 .0228 .9772 z 1.67 -3.33 6.67 -2.00 X 75 60 90 64 mean 70 70 70 70 std.dev 3 3 3 3

****************************************************************************************************************************************************
f(z)

-3

-2

-1 -0.40

0 0.80

Normal distribution
P(lower) .8413 P(upper) .1587 z 1.00 X 28 mean 23 std.dev 5

.7881 .3446

.2119 .6554

0.80 -0.40

27 21

23 23

5 5

******************************************************************************************************************************
f(z)

-3

-2 -2.03

-1 -0.78 -0.64 -0.17

Normal distribution
P(lower) .4338 .4338 .2988 P(upper) .5662 .5662 .7012 z -0.167 -0.167 -0.53 X 72 72 59 mean 78 78 78 std.dev 36 36 36

*****************************************************************************************************************************************
f(z)

-3

-2

-1

-0.33

0.67

-0.33

0.67

Normal distribution
P(lower) .7475 .3694 P(upper) .2525 .6306 z 0.67 -0.33 X 110 95 mean 100 100 std.dev 15 15

P(95<=X<=110)

************************************************************************************************************************************
f(z)

-3

-2

-1

0.70

Normal distribution
P(lower) .7580 P(upper) .2420 z 0.70 X 40,000 mean 36,500 std.dev 5,000

************************************************************************************************************************************

f(z)

-3

-2

-1

-0.63

Normal distribution
P(lower) P(upper) z X mean std.dev .2660 .7340 -0.63 25 150 200 ************************************************************************************************************************************

f(z)

-3

-2

-1

Normal distribution
P(lower) .9772 P(upper) .0228 z 2.00 X 200 mean 150 std.dev 25

f(z)

-3

-2

-1 -0.72

0 -0.10

Normal distribution
P(lower) .4614 .2363 P(upper) .5386 .7637 z -0.10 -0.72 X 6,000 4,000 mean 6,312 6,312 std.dev 3,219 3,219

f(z)

-3

-2
-1.83

-1

Normal distribution
P(lower) .0334 .9332 P(upper) .9666 .0668 z -1.83 1.50 X 1,000 2,000 mean 1,550 1,550 std.dev 300 300

f(z)

z < -20.67

-3

-2

-1

Normal distribution
P(lower) 3.46E-95 P(upper) 1.0000 z -20.67 X 50 mean 670 std.dev 30

2 P(x<=75) = P(x<=60) = P(21<x<27)= NUMERO DIAS = .9522 .0004 0.9518 probabilidad del EVENTO 28.5534176

1.67

6.67 >

.9518 500 475.890294

1.31E-11 500 6.54199E-09

.0228 500 11.375066

******************************************************************

1 0.80 1.00

P(x<=27) = P(x<=21) = P(21<x<27)= NUMERO DIAS =

.7881 .3446 0.4436 probabilidad del EVENTO 13.30699029

*****************************

PROBLEMA 3

****************************************

PROBLEMA 4

P(X<=110) P(X<=95) P(95<=X<=110)

0.67

0.67

P(X<=110) P(X<=95) P(95<=X<=110)

.7475 .3694 .3781

***********************************

PROBLEMA 5

0.70

***********************************

***********************************

PROBLEMA 6

2
2.00

PROBLEMA 7

PROBLEMA 8

1
1.50

PROBLEMA 9

probabilidad del EVENTO

.0228 500

PROBLEMA 1 En una ciudad se estima que la temperatura mxima en el mes de junio sigue una distribucin
Calcular el nmero de das del mes en los que se espera alcanzar mximas entre 21 y 27.

X= 21

u = 23

CALCULAMOS AREA ENTRE 21 Y 27 con megastat MES DE JUNIO TIENE 30 DIAS

Normal distribution
P(lower) .8413 .7881 .3446 P(upper) .1587 .2119 .6554 z 1.00 0.80 -0.40 X 28 27 21 mean 23 23 23

RPTA:

13 DIAS LLOVERA EN EL MES DE JUNIO

mes de junio sigue una distribucin normal, con media 23 y desviacin tpica 5.

canzar mximas entre 21 y 27.

s=5

X=27

std.dev 5 5 5

P(x<=27) = P(x<=21) = P(21<=x<=27)=

.7881 .3446 0.4436 probabilidad del EVENTO

NUMERO DIAS =

13.30699029

PROBLEMA 2 La media de los pesos de 500 estudiantes de un colegio es 70 kg y la desviacin tpica 3 kg. S
hallar cuntos estudiantes pesan:

A. Entre 60 kg y 75 kg. B. Ms de 90 kg. C. Al menos 64 kg.

A.

GRAFICAMOS EL PROBLEMA

X= 60 u = 70

X=75

CALCULAMOS AREA ENTRE 60 Y 75 con megastat POBLACION 500

Normal distribution
P(lower) .9522 .0004 1.0000 .0228 P(upper) .0478 .9996 1.31E-11 .9772 z 1.67 -3.33 6.67 -2.00 X 75 60 90 64 mean 70 70 70 70

RPTA: A. B. C. HABRAN 475 PERSONAS, CUYOS PESOS ESTARAN 60 Y 75 KG NO HAY NINGUNA PERSONA QUE SUPERE LOS 90 KG 488, AL MENOS PESARAN 64 KG

desviacin tpica 3 kg. Suponiendo que los pesos se distribuyen normalmente,

s=3

A P(x<=75) = .9522 P(x<=60) = .0004 P(21<x<27)= 0.9518 probabilidad del EVENTO NUM DE PERSONAS 475.8902937 B. P(x>90) = .0000 NUM DE PERSONAS 6.54199E-09 . CERO

C. P(x>=64) = .9772 NUM DE PERSONAS

488.624934 . OK

std.dev 3 3 3 3

.0228 500

PROBLEMA 3 Se supone que los resultados de un examen siguen una distribucin normal con media 78 y de
A.

Cul es la probabilidad de que una persona que se presenta el examen obteng Calcular la proporcin de estudiantes que tienen puntuaciones que exceden por

B.

que marca la frontera entre el Apto y el No-Apto (son declarados No-Aptos el 25

A.

GRAFICAMOS EL PROBLEMA

X= 72 u = 78 CALCULAMOS AREA A LA DERECHA DE 72 con megastat

X=59

u=78 z -0.167 -0.167 -0.53 X 72 72 59 mean 78 78 78

Normal distribution
P(lower) .4338 .4338 .2988 P(upper) .5662 .5662 .7012

B. CALCULAMOS X, PARA UNA AREA DE 0.25 PRIMERO DE TABLA : Z= -0.68, POR ESTAR A LA IZQUIERDA DE LA CAMPANA CON ESTE VALOR CALCULAMOS : X = 54 (CALIFICACION CONOCIDA COMO MAR POR CONDICION DEL PROBLEMA EL NUEVO X3 = 54 + 5 EL NUEVO X3= 59 CALCULAMOS EL AREA HACIA LA DERECHA DE ESTE NUEVO VALOR .. EMPL A3= 70%

RPTA:

A. B.

HABRAN 475 PERSONAS, CUYOS PESOS ESTARAN 60 Y 75 KG LA PROPORCION SERIA DE 70%

ormal con media 78 y desviacin tpica 36. Se pide:

enta el examen obtenga una calificacin superior a 72?

ciones que exceden por lo menos en cinco puntos de la puntuacin

clarados No-Aptos el 25% de los estudiantes que obtuvieron las puntuaciones ms bajas).

X-
Z ==

s=36

A. P(x>72) =

.5662 56.62% . OK

B. P(x>59) =

.7012

70% . OK

std.dev 36 36 36

A DE LA CAMPANA CONOCIDA COMO MARCA DE FRONTERA)

VO VALOR .. EMPLEAMOS MEGASTAT

PROBLEMA 4 Varios test de inteligencia dieron una puntuacin que sigue una ley normal con media 100 y d

A. Determinar el porcentaje de poblacin que obtendra un coeficiente entre 95 y 1

B. Qu intervalo centrado en 100 contiene al 50% de la poblacin?

A.

GRAFICAMOS EL PROBLEMA

X= 95

X= 110

=100
CALCULAMOS AREA A LA IZQUIERDA DE 110 . CALCULAMOS AREA A LA IZQUIERDA DE 95 FINALMENTE CALCULAMOS EL AREA ENTRE 95 Y 110 con megastat P(X<=110) P(X<=95) P(95<=X<=110)

A2 = 25%

A2 A3

X2=??

X3=??

=100

Normal distribution
P(lower) .7475 .3694 P(upper) .2525 .6306 z 0.67 -0.33 X 110 95 mean 100 100

B. CALCULAMOS X3, PARA UNA AREA DE 0.25 DE TABLAS CON AREA BAJO LA CURVA , LADO IZQUIERDO, OBTENEMOS Z3 EL ARTIFICIO ES INGRESAR A TABLA CON 0.75, ENTONCES: Z3=0.68 DE FORMULA DE Z, OBTENEMOS EL NUEVO VALOR DE X3, ENTONCES: X3= POR LO TANTO EL NUEVO X2, SERIA: 100-10.2 ENTONCES: X2= 89.8 POR CONSIGUIENTE EL INTERVALO CENTRADO SERIA DE

RPTA:

A. B.

EL 38% DE LA POBLACION, OBTENDRIA UN COEFICIENTE ENTRE 95 Y 110 EL INTERVALO CENTRADO QUE CONTIENE EL 50% DE POBLACIONES :

rmal con media 100 y desviacin tpica 15. coeficiente entre 95 y 110.

s=15

.7475 .3694 .3781

38% DE POBLACION

A3 = 25% A.

P(X<=110) P(X<=95) P(95<=X<=110)

.7475 .3694 .3781

B.

std.dev 15 15

O, OBTENEMOS Z3 : Z3=0.68 , ENTONCES: X3=

110.2

98.8<=X<=110.2

ENTRE 95 Y 110 BLACIONES :

98.8<=X<=110.2

PROBLEMA 5 Ingenieros de Good-Year, estiman que la duracion media de sus llantas es de 36,500 millas y es 5000. Ademas de los datos recogidos indican que es razonable suponer una distribucion norm
de los neumaticos se espera que duren ms de 40,000 millas?

A.

GRAFICAMOS EL PROBLEMA

A1

X= 40,000

=36,500
CALCULAMOS AREA A LA DERECHA DE 40,000 . P(X>40,000)
A1 =

con megastat

X3=??

=36500 Normal distribution

P(lower) .7580

P(upper) .2420

z 0.70

X 40,000

mean 36,500

RPTA:

A.

EL 24.2% DE NEUMATICOS DURARA MAS DE 40,000 HORAS

s es de 36,500 millas y la desviacion estandar

ner una distribucion normal. Qu porcentaje

s=5000
A1 = ??

.2420

24.2% 24.2% DE NEUMATICOS

A.

P(X>40,000)

.2420

std.dev 5,000

PROBLEMA 6 Hyundai esta pensando ofrecer un contrato especial de servicio que cubra todos los costos de autos vendidos. De acuerdo a la experiencia, el director de la empresa estima que los costos an
distribuidos casi normalmente con una media de $150 y una desviacion estandar de $25

A. Si la empresa ofrece a los clientes el contrato de servicio por una cantidad anual de $200 del pr la probabilidad que el costo del servicio sea mayor a este precio? B. Cual es la ganancia esperada por la empresa en este tipo de contratos
A.

GRAFICAMOS EL PROBLEMA

A1

X= 200

=150
CALCULAMOS AREA A LA DERECHA DE 200 . P(X>200) A1 =

con megastat

=150 Normal distribution

P(lower) .9772

P(upper) .0228

z 2.00

X 200

mean 150

RPTA:

A. B.

LA PROBABILIDAD QUE EL COSTO SEA MAYOR SERA DE 2.3% LA GANANCIA ESPERADA ES DE 47.7% (CALCULADA DE LA DIFERENCIA DE LA ME

bra todos los costos de servicio de los

estima que los costos anuales de servicio estan

n estandar de $25

ad anual de $200 del precio de contrato Cul es

s=25
A1 = ??

.0228

2.3% 2.3% SERA MAYOR EN PRECIO

A. P(X>200) B. GANANCIA =

.0228 .4772

std.dev 25

A DIFERENCIA DE LA MEDIA CON EL COSTO DE CONTRATO)

PROBLEMA 7 El promedio anual de los gastos de una familia Chilena en transporte diario es de $6,312 . Sup esta distribuida normalmente. A. Si se sabe que 5% de las familias gastan menos de $1,000 en transporte diario Cul seria la en esta cantidad de gasto? B. Cul es la probabilidad que un hogar gaste entre $4,000 y $6,000
A.

PARA ESTAS CONSIDERACIONES CALCULAMOS LA DESVIANCION ESTANDAR, UTI DE LAS TABLAS Z= 1.65, POR ESTAR SESGADO A L LADO IZQUIERDO SU VALOR ES POR LO TANTO LA DESVIACION ESTNDAR SERIA:

A1 = 5%

A1 X1= 1,000

=6,312
B.

DIAGRAMAMOS Y CALCULAMOS EL AREA ENTRE 4,000 Y 6,000

A2 = ?? A3 = ??

A3 X3= 4,000 X2= 6,000

=6,312
CALCULAMOS LAS AREAS A LA IZQUIERDA con megastat P(X<=6,000) P(X<=4,000) P(4,000<=X<=6,000)

A(4,000<=X<=6,000)

=6,312 Normal distribution

P(lower) .4614 .2363 RPTA: P(upper) .5386 .7637 z -0.10 -0.72 X 6,000 4,000 mean 6,312 6,312

A. B.

LA DESVIACION ESTANDAR ES DE : 3,219 EL 22.5% DE FAMILIAS GASTARA ENTRE 4,000 Y 6,000 USD

iario es de $6,312 . Suponga que dicha cantidad

orte diario Cul seria la desviacin estandar

ANCION ESTANDAR, UTILIZANDO LA RELACION DE Z ZQUIERDO SU VALOR ES: Z= -1.65

s=3,219

X-

s=???

Z ==

s=3,219

.4614 .2363

0.225

22.5%

std.dev 3,219 3,219

PROBLEMA 8 La falta de sueo es causa de accidentes de trfico de consecuencias fatales. En un estudio se nmero promedio por ao de accidentes de trfico con consecuencias fatales ocasionados por estndar de 300 A. Cual es la probabilidad que haya menos de 1000 accidentes fatales en un ao B. Cual es la probabilidad que el nmero de accidentes fatales este entre 1,000 y 2,000
A.

Supongamos que el numero promedio anual de accidentes fatales esta distribuido normalmen

GRAFICAMOS EL PROBLEMA CALCULAMOS AREA A LA IZQUIERDA DE 1,000 .

X2= 1,000

X1= 2,000

=1,550
CALCULAMOS AREA A LA IZQUIERDA DE 2,000 . CALCULAMOS AREA A LA IZQUIERDA DE 1,000 . con megastat P(X<=2,000) P(X<=1,000) P(1,000<=X<=2,000)

=1,550 Normal distribution

P(lower) .0334 .9332 RPTA:

P(upper) .9666 .0668

z -1.83 1.50

X 1,000 2,000

mean 1,550 1,550

A. B.

ES 3.3% DE ACCIDENTES ES 90% DE ACCIDENTES

atales. En un estudio se encontro que el

atales ocasionados por conductores somnolientos es 1,550

a distribuido normalmente con una distribucion

1,000 y 2,000

P(X<1,000)

.0334

3.3% DE ACCIDENTES

s=300

.9332 .0334

90.0% DE ACCIDENTES

std.dev 300 300

PROBLEMA 9 El Hotel Costa del Sol tiene capacidad de 700 habitaciones. El Gerente pronostica una demand Supongamos que la demanda para el prximo fin de semana esta distribuida normalmente y qu A. Cul es la probabilidad que ocupen 50 ms habitaciones del hotel? B. Cul es la probabilidad que ocupen todas las habitaciones del hotel?

A.

EFECTUAMOS DIAGRAMA con megastat DEL DIAGRAMA : P(X>=50) ENTONCES: P(X>=50)

1.00E+00 100%

A1 = ???

A1 X1= 50

=670

=670 Normal distribution

P(lower) 3.46E-95 P(upper) 1.0000 z -20.67 X 50 mean 670

RPTA:

A. B.

100% 0%

pronostica una demanda media de 670 habitaciones para el prximo finde semana

buida normalmente y que la desviacion estandar es 30.

. POR CONSIGUIENTE PARA PARTE B, SERIA :

0%

s=30

std.dev 30

PROBLEMA 10

Una mquina llena botellas con un determinado producto. De acuerdo con datos anteriores 18 0nzas. Cul es el peso medio del llenado de la mquina. Suponer que los pesos llenado distribucin normal.

desviacin estandar en los pesos rellenados es de 0.6 onzas. Si solo el 2% de recipientes llena

A.

EFECTUAMOS DIAGRAMA CON EL AREA VAMOS A TABLA Y OBTENEMOS VALOR DE Z Z=2.06 SI ANALIZAMOS EL DIAGRAMA, EL Z = -2.06 . POR ESTAR A LA IZQU CON ESTE VALOR REEMPLAZAMOS EN RELACION DE Z Y HALLAMOS: POR LO TANTO : = 19.236

A1 = 2%

A1 X= 18

RPTA:

EL PESO MEDIO DEL LLENADO DE MAQUINA ES 19.23 ONZAS

inado producto. De acuerdo con datos anteriores se sabe que la

s es de 0.6 onzas. Si solo el 2% de recipientes llenados tienen menos de

do de la mquina. Suponer que los pesos llenado tienen una

LA Y OBTENEMOS VALOR DE Z

MA, EL Z = -2.06 . POR ESTAR A LA IZQUIERDA (PROBABILIDAD BASTANTE BAJA) AMOS EN RELACION DE Z Y HALLAMOS:

= 19.236

s=0.6
Z ==

X-

=???

O DE MAQUINA ES 19.23 ONZAS

1.

2.06 0.6 1.236