Unidad 3. Tarea 3. Solucin.

1. Suponga que el nmero de accidentes semanales en un tramo de una

autopista se distribuye Poisson con media tres. Calcule la probabilidad de
que haya por lo menos un accidente esta semana.

Solucin:

Sea X la variable aleatoria que denota el nmero de accidentes en una semana en el
tramo de la autopista considerada. La probabilidad de que haya al menos un accidente
en la semana es
P(X 1) = 1 - P(X = u) = 1 -
c
-3
S
0
u!
= u.9Su2


2. Considere que la probabilidad de que un artculo producido por una
mquina dada salga defectuoso es 0.1. Encuentre la probabilidad de que
en una muestra de 10 artculos haya cuando mucho un artculo
defectuoso. Suponga que la calidad de los artculos es independiente.

Solucin:

Sea X la variable aleatoria que denota el nmero de artculos defectuosos en la
muestra de 10 artculos. Entonces X Bin(1u, u.1). Entonces la probabilidad pedida
es:

P(X 1) = P(X = u) + P(X = 1) = [
1u
u
(u.1)
0
(u.9)
10
+ [
1u
1
(u.1)
1
(u.9)
9
= u.7S61

3. Si el promedio diario del nmero de demandas en una compaa de
seguros es cinco, cul es la probabilidad de que haya cuatro demandas
en exactamente tres de los prximos cinco das? Suponga que el nmero
de demandas en das diferentes tienen distribucin Poisson y las
reclamaciones entre los das son independientes.

Solucin:

Sea X la variable aleatoria que representa el nmero de demandas en un da
determinado, entonces la probabilidad de que se presenten exactamente 4 demandas
en un da es:

P(X = 4) =
c
-5
S
4
4!
= u.17SS
Posteriormente puede clasificarse cada da en dos tipos: ocurri exactamente cuatro
demandas o no ocurri exactamente cuatro demandas. Se define Y como la variable
aleatoria que representa el nmero de das en los que ocurrieron cuatro demandas,
entonces Bin(S, u.17SS). As que la probabilidad de que exactamente haya cuatro
demandas en tres das es:

P( = S) = [
S
S
(u.17SS)
3
(1 - u.17SS)
2
= u.uS67

4. Los componentes de un sistema de 6 elementos se toman aleatoriamente
de un recipiente de 20 componentes usados. El sistema resultante
funcionar si por lo menos 4 de los 6 componentes estn en condiciones
de funcionar. Si 15 de los 20 componentes en el recipiente estn en
condiciones de funcionar. cul es la probabilidad de que el sistema
resultante funcione? Cul es el nmero esperado de componentes que
estn en condiciones de funcionar de la muestra de seis?

Solucin:
Sea X la variable aleatoria que representa el nmero de componentes que estn en
condiciones de funcionar de la muestra de seis, entonces X bipcrg(2u, 1S, 6). La
probabilidad pedida es:

P(X 4) = P(X = 4) + P(X = S) + P(X = 6)
=
[
1S
4
[
S
2

[
2u
6

+
[
1S
S
[
S
1

[
2u
6

+
[
1S
6
[
S
u

[
2u
6

= u.8687
Tambin el nmero esperado de componentes que estn en condiciones de funcionar
es
E|X] =
nH
N
=
6(1S)
2u
= 4.S


5. Las mediciones de la corriente en una tira de alambre siguen una
distribucin normal con una media de 10 miliamperes y una varianza de 4
(miliamperes)
2
. Cul es la probabilidad de que una medicin exceda 13
miliamperes?

Solucin:

Sea X la variable aleatoria que denote la corriente en miliamperes. La probabilidad
pedida puede representarse como P(X > 1S). Se sabe que la media y la desviacin
estndar son 10 y 2, respectivamente. Entonces si se estandariza se obtiene que

P(X > 1S) = P _
X -1u
2
>
1S - 1u
2
] = P(Z > 1.S) = u.u668
lo que indica que el 6.66% de las mediciones son superiores a 13 miliamperes.

6. La probabilidad de que una oblea contenga una partcula de
contaminacin grande es 0.01. Si se supone que las obleas son
independientes, Cul es la probabilidad de que sea necesario analizar
exactamente 25 obleas hasta detectar una partcula grande?Cul es el
nmero esperado de obleas que se analizarn para encontrar la primera
que tenga una partcula grande?

Solucin:
Sea X la variable aleatoria que denota el nmero de muestras analizadas hasta
detectar una partcula grande. Entonces X 0co(u.u1) por lo que la probabilidad
pedida es:

P(X = 2S) = (u.99)
24
(u.u1) = u.uu786
Por otro lado, la esperanza de X es
E(X) =
1
p
=
1
u.u1
= 1uu
es decir, se espera que hasta la oblea 100 se tenga una partcula de contaminacin
grande.

7. El nmero de millas que puede recorrer un automvil antes de que se
acabe la batera est distribuido exponencialmente con un valor promedio
de 10, 000 millas. Si una persona quiere realizar un viaje de 5, 000 millas,
cul es la probabilidad de que llegue al final de su viaje sin tener que
cambiar la batera?

Solucin:
Sea X la variable aleatoria que mide el nmero de millas que puede recorrer un
automvil antes de que se acabe la batera. Como E(X) = 1uuuu, entonces X
exp(1u, uuu). Por lo que la probabilidad de que el carro llegue al final de su viaje de
5000 millas sin que la batera se agote es

P(X > Suuu) = _
1
1uuuu
c
-
x
10000
Jx

5000
= c
-
1
2
= u.6u6S
lo anterior indica que el 60.65% de los automviles que viajan 5000 millas llegarn a
su destino sin que la batera se agote.

8. Los pesos de 800 estudiantes masculinos estn distribuidos
normalmente con media 140 lb y desviacin estndar 10 lb. Encuentre el
nmero de estudiantes con peso:
a) Entre 138 y 148 libras,
b) Ms de 152 libras.

Solucin:
a) Estandarizando la variable X se tiene que

P(1S8 < X < 148) = P _
1S8 - 14u
1u
< Z <
148 - 14u
1u
]
= P(-u.2 < Z < u.8) = 1 - P(Z u.8) - P(Z u.2)
= 1 - u.2119 -u.42u7 = u.S674
Entonces el nmero de estudiantes que estn entre esos pesos es (u.S674)(8uu) =
294.

b) Haciendo el mismo anlisis en a):
P(X > 1S2) = P _Z >
1S2 -14u
1u
] = P(Z 1.2) = u.11S1

Entonces el nmero de estudiantes con peso mayor a 152 lb es (8uu)(u.11S1) = 92.

9. Cierto tipo de bombilla tiene un rendimiento con una distribucin normal
con media 2000 bujas-pie finales y desviacin estndar de 85 bujas-pie
finales. Determine el lmite inferior de la especificacin L, de manera que
slo cinco por ciento de las bombillas producidas estn defectuosas.

Solucin:
Se pide hallar el nmero L tal que P(X I) = u.9S. Estandarizando se tiene que

P _Z
I - 2uuu
8S
] = u.9S
Sea k =
L-2000
85
.

El valor de k debe ser negativo para que P(Z k) sea 0.95. Entonces el nmero k
pedido debe estar en la posicin que indica la figura

Por las caractersticas de la distribucin normal, la figura anterior es equivalente a la
figura


Puede notarse que como k es negativo, entonces k es positivo. Adems puede
observarse que el rea debajo de la curva para valores mayores que k debe ser
0.05. Entonces todo el caso se reduce a hallar un k tal que P(Z -k) = u.uS, el cual
por la tabla es-k = 1.6S de donde se obtiene que k = -1.6S. Como k =
L-2000
85
,
entonces
0
k

0
k

I - 2uuu
8S
= -1.6S
Despejando el valor de L obtenemos que I = 18S9.7S, lo que quiere decir que si se
establece un lmite de especificacin de 1859.75 slo el 5% de las bombillas estarn
por debajo de dicho valor.


10. El nmero de estudiantes que se inscriben a un curso de probabilidad en
lnea es una variable aleatoria Poisson con media 100. El profesor a cargo
de la materia ha decidido que si el nmero de inscritos es mayor o igual a
120, los separar en dos grupos. Si los inscritos son menos de 120, dar
la clase a todos los estudiantes como un solo grupo. Cul es la
probabilidad de que el profesor tenga que dividir a los estudiantes en dos
grupos?

Solucin:

Sea Y la variable aleatoria que denota el nmero de estudiantes que se inscribirn al
curso. Por hiptesis E() = z = 1uu y Ior() = z = 1uu. Utilizando la aproximacin
normal y la correccin por continuidad se tiene que

P( 12u) = P( 119.S)
= P _
- 1uu
1uu

119.S -1uu
1uu
]
= P(Z 1.9S)
= u.u2S6