UNIVERSIDAD DE SAN CARLOS DE GUATEMALA FACULTAD DE INGENIERA ESCUELA DE CIENCIAS AREA DE ESTADSTICA ESTADSTICA 1 SECCIONES C+ y D Inga.

Alba Maritza Guerrero Spinola de Lpez UNIDAD 3 VARIABLE ALEATORIA DISCRETA UNIDIMENSIONAL Una funcin que asigna a un nmero real, cada uno de los valores posibles que pueden ocurrir dentro de un espacio muestral, asociado a un experimento. Es importante sealar que no toda funcin que se conciba puede considerarse como una variable aleatoria ya que esta como mnimo debe asociar a cada valor posible una probabilidad bien definida y que cumpla con los axiomas bsicos de probabilidad. i) 0 P(yi) ii) p(Yi) = 1 1

VARIABLE ALEATORIA UNIDIMENSIONAL: Se definen cuando interesa observar nicamente una caracterstica del espacio muestral y se asigna a cada elemento de este, una funcin que asocia un numero real. VARIABLA ALEATORIA BIDIMENSIONAL Se definen cuando el inters es observar dos caractersticas del mismo espacio muestral y se le asigna a cada elemento de este dos funciones que le hacen corresponder una pareja de nmeros reales. VARIABLE ALEATORIA N-DIMENSIONAL Se denominan variables aleatorias n dimensionales al conjunto de X1,X2,X3...Xn donde cada Xi es una funcin que asigna a cada uno de los elementos del espacio muestral un numero real y se presenta cuando est interesado en estudiar n caractersticas del mismo simultneamente. RECORRIDO DE LA VARIABLE ALEATORIA Al conjunto de valores posibles de la variable aleatoria se le conoce como RECORRIDO DE LA VARIABLE, y dependiendo de este, es decir si es finito, infinito numerable o infinito las variables aleatorias se dividen en:

VARIABLE ALEATORIA DISCRETA Es discreta si el recorrido es finito o infinito numerable, representa datos contados ej. Numero de defectuosos, nmero de accidentes, nmero de hijos entre otros. Se representa a travs de una tabla

f(X)

DISTRIBUCION DE PROBABILIDAD DISCRETA El conjunto de pares ordenados (x,f(x)) es una funcin de probabilidad, funcin de masa de probabilidad o distribucin de probabilidad. De la variable aleatoria discreta X, si para cada resultado posible X, 1. f(x) 0 2. f(x) = 1 3. P(X=x) = f(x)

DISTRIBUCION ACUMULADA F(x) La probabilidad de que la variable aleatoria X tome un valor menor o igual a Xo, representa la PROBABILIDAD ACUMULADA a Xo, F(X = xo), definida para cualquier valor de xo entre el intervalo [a,b] X f(X) F(x)

ESPERANZA MATEMTICA E(X) Se conoce tambin como valor esperado, es un promedio ponderado de los posibles valores de X, teniendo como medida de ponderacin sus probabilidades de ocurrencia Para una variable aleatoria discreta X que puede tomar los valores X1. X2...Xn la esperanza se define como: E(X) = X1 P (X = x1 ) + ..... Xn P (X = Xn) = n X i P (X = xi)
,i = 1

igualmente si P(X = xi) = f(xi), n Xi * f(x) = x * f(x)

,i = 1

Cuando las probabilidades son iguales tenemos que E(x) = x1 +x2+ x3+ Xn n Conocida como media aritmtica o simplemente media = = E(x)

La media o esperanza de X da un valor tpico o promedio de los valores de X y por esta razn se llama medida de centralizacin PROPIEDADES DE LA ESPERANZA MATEMTICA 1. Si x es una constante C entonces E(x) = C 2. El valor esperado de X multiplicado por la constante C, E(CX) es igual al valor esperado de X multiplicado por la constante, E(x) * C 3. Si X , Y son variables aleatorias, entonces E(X + Y ) = E(x) + E(y) 4. Si X, Y son variables aleatorias independientes, entonces E(XY) = E(X)*E(Y) 5. El valor esperado de la suma o diferencia de dos o ms funciones de una variable aleatoria X es: E[g(x) + h(x)] = E(g(x)+ h(x))

VARIANZA La varianza de una variable aleatoria X, es una medida de dispersin de la distribucin de probabilidades, mide el grado de concentracin de los valores X y es el promedio ponderado o esperanza de las desviaciones cuadradas de cada uno de los valores posibles de X en relacin a E(x) Var (X) = 2x = E [ (X - )2] = (X - )2 f(x) Si X es discreta

La varianza es un nmero no negativo. A la raz cuadrada positiva se le llama desviacin tpica y est dada por: Desviacin tpica x = Var (x)

Una frmula alternativa que se utiliza para calcular la varianza es: 2 = E(X2) - 2

PROPIEDADES DE LA VARIANZA 1. Si X es una constante C, entonces Var(X) = 0 2. Si C es una constante entonces Var (cX) = C2 Var (x) 3. Cuando = E(X) 2 = E [ (X - )2] = E(X2) - 2 = E(X2) [E(X)] 2 4. Si X,Y son independientes Var (X+Y) = Var(X) + Var (Y) 5. La cantidad E[(X a) 2 ] es mnima cuando a = = E(x).

NOTAS IMPORTANTES: RESPECTO DE LA ESPERANZA MATEMATICA 1. El valor esperado de una variable aleatoria es su valor promedio terico. Se denota por E(x) y puede calcularse a partir del conocimiento de la distribucin de probabilidad de X. 2. En el contexto estadstico, el valor promedio de X se llama su valor medio o media, as pues son intercambiables los trminos valor promedio, valor medio o media y valor esperado. 3. El valor medio de X se denota con la letra griega mu ( ). Asi pues los smbolos E(x) y son intercambiables. 4. La media o valor esperado de X es una medicin de la localizacin del centro de los valores de X. Por tal razn se le llama parmetro de localizacin a .

RESPECTO DE LA VARIANZA: 1. La varianza es un parmetro que mide la variabilidad de los valores respecto a la media. Se denota con el smbolo 2 o Var(X) 2. La distribucin cuya varianza es pequea , los datos se ubican muy cerca del valor promedio . La distribucin con varianza grande, gran cantidad de los datos estn distantes del valor promedio .

RESPECTO DE LA DESVIACIN ESTANDAR 1. La desviacin estndar de X se denota con . 2. La desviacin estndar de X se define como la raz cuadrada no negativa de su varianza. 3. Que la desviacin estndar sea grande, implica que la variable aleatoria X es ms bien inconstante y hasta cierto punto difcil de predecir. Mientras que una desviacin estndar pequea indica constancia y estabilidad. 4. La desviacin estndar siempre se expresa en unidades fsicas de medicin que corresponden a los datos originales. La varianza suele estar desprovista de unidades.

FUNCIONES DE DISTRIBUCIN DE PROBABILIDAD DE UNA VARIABLE ALEATORIA DISCRETA CON NOMBRE PROPIO Generalmente una distribucin de probabilidad de una variable aleatoria discreta o continua se representa por una formula, tabla o grfica, que proporciona la probabilidad con que cada valor o intervalo del recorrido de la variable puede ocurrir. Para el caso de las variables aleatorias discretas las funciones de distribucin de probabilidad ms comunes son:

1.

Distribucin uniforme discreta

Es la ms simple de todas las distribuciones, en ella la variable aleatoria toma cada uno de sus valores con una probabilidad idntica. Si la variable aleatoria X toma los valores X1, X2, X3, ....Xk con idnticas probabilidades , entonces la distribucin uniforme discreta est dada por F(x;k) = 1/k x = x1, x2, x3,.....xk La distribucin uniforme depende del parmetro k. La media y la varianza de la distribucin uniforme discreta f(x;k) son = ( Xi)/k

2 = ( (Xi - )2 /k
2. Distribucin binomial

Una distribucin binomial asociada con un experimento es aquella que tiene las siguientes caractersticas: a) El experimento consta de n pruebas idnticas b) Cada prueba tiene dos resultados posibles. Uno llamado xito y el otro fracaso c) La probabilidad de tener xito en una sola prueba es igual a p, y permanece constante de prueba en prueba. La probabilidad de fracaso es q = 1 p d) Las pruebas son independientes e) La variable aleatoria X en estudio, es el nmero de xitos observado en las n pruebas Se define una distribucin de probabilidad binomial como: P(x) = nCx px q n-x X = 0,1,2,3..... n Con valor esperado E(x) = = np Varianza Var(x) = = npq
2

3.

Distribucin de Pascal

Una distribucin de Pascal asociada con un experimento es aquella que tiene las siguientes caractersticas: a) El experimento consta de n pruebas idnticas b) Cada prueba tiene dos resultados posibles. Uno llamado xito y el otro fracaso c) La probabilidad de tener xito en una sola prueba es igual a p, y permanece constante de prueba en prueba. La probabilidad de fracaso es q = 1 p d) Las pruebas son independientes

e)

La variable aleatoria X en estudio, consiste en obtener el ltimo xito r en la e-nesima prueba, dado que en las n-1 pruebas anteriores ocurrieron los r-1 xitos.

Se define una distribucin de probabilidad de Pascal como: P(r)=

( n 1 )p q
r

n-r

n = r, r+1,........

, r 1 Con valor esperado E(x) = = r/p Varianza Var(x) = = rq/p2

2

4.

Distribucin geomtrica

Una distribucin geomtrica asociada con un experimento es aquella que tiene las siguientes caractersticas: a) El experimento consta de n pruebas idnticas b) Cada prueba tiene dos resultados posibles. Uno llamado xito y el otro fracaso c) La probabilidad de tener xito en una sola prueba es igual a p, y permanece constante de prueba en prueba. La probabilidad de fracaso es q = 1 p d) Las pruebas son independientes e) La variable aleatoria X en estudio, es el nmero de prueba en la cual puede ocurrir el primer xito Se define una distribucin de probabilidad geomtrica como: P(x) = p q n-1 X = 1,2,3..... n Con valor esperado E(x) = = 1/p Varianza Var(x) = = q/ p2
2

5. Distribucin de poisson a) El experimento consiste en contar el numero x de veces que ocurre un evento en particular durante una unidad de tiempo, rea, volumen, peso, distancia, entre otros. b) La probabilidad de que un evento ocurra en una unidad dada es la misma para todas las unidades. c) El nmero de eventos que ocurren en una unidad dada, es independiente del nmero de los que ocurren otras unidades

P(x) = x e- X!

x = 0,1,2,3..... n

Al parmetro se le conoce como la intensidad de la distribucin y representa el nmero esperado de xitos por unidad de tiempo o por unidad de espacio. La variable aleatoria X en estudio es el total de xitos que se obtienen por unidad de tiempo o espacio. Con valor esperado E(x) = np = Varianza Var(x) =

Ejemplos de sucesos de poisson

nmero de llamadas telefnicas que recibe una persona por unidad de tiempo(ejemplo cada hora, cada da) nmero de clientes que visitan una tienda o restaurante cada cierto tiempo el nmero de accidentes de trnsito que suceden en un ocurren en cierta interseccin cada mes. El nmero de goles que anotan en cada partido de futbol durante el tiempo reglamentario (casi todas las contingencias que ocurren en un partido de futbol: goles, tiros de esquina, saques de banda, jugadores amonestados , expulsados, entre otros, son sucesos de poisson) Distribucin hipergeomtrica

6.

Caractersticas: a) El experimento consiste el extraer al azar y sin reemplazo n elementos de un conjunto de N elementos, r de los cuales son xito y (N-r) son fracasos. b) El tamao de la muestra n es grande en comparacin con el nmero de N elementos de la poblacin, es decir n/N > 0.05 c) La variable aleatoria hipergeomtrica x es el nmero de xitos en la muestra de n elementos. Suponiendo que se tiene un lote de N artculos de los cuales r son defectuosos y (N-r) no son defectuosos. Supongamos que se escogen n artculos al azar, (n N) sin sustitucin. Y la variable aleatoria X en estudio es el nmero de defectuosos encontrados en los n extrados, entonces: P(x) =

( r ) ( N-r )
K n-k x= 0,1,2,r

(N)
n

Con valor esperado E(x) = = np Varianza Var(x) = = npq N-n N-1

2

Si N la distribucin hipergeomtrica se aproxima a la distribucin binomial

7.

Distribucin multinomial

Consideremos un experimento E , su espacio muestral S , y una particin de S en K sucesos mutuamente excluyentes A i.... Ak. Consideremos n repeticiones independientes de E . Sea Pi = P(Ai) y Pi permanece constante durante todas las repeticiones. Se define Xi como el nmero de veces que Ai ocurre en las n repeticiones de E. Se define la distribucin multinomial como : P (X1 = n1, X2 = n2, ..... Xk = nk) = n! . P1npnk ,n1! n2! . .nk!

tal que ni = n i Con valor esperado E(xi) = = npi Varianza Var(xi) = = npi (1-pi)
2

i = 1,2,3,.....k

TEOREMA DE TCHEBYSHEV Si una variable aleatoria tiene una varianza o desviacin estndar pequea, esperaramos que la mayor parte de los valores se agruparan alrededor de la media. Por lo tanto la probabilidad de que una variable aleatoria tome un valor dentro de cierto intervalo alrededor de la media es mayor que para una variable aleatoria similar con una desviacin estndar mayor. El matemtico Ruso P.L. Chebyshev descubri que la fraccin del rea entre dos valores simtricos cualesquiera alrededor de la media est relacionada con la desviacin estndar. La Desigualdad de Chebyshev da una informacin til acerca del comportamiento de la variable aleatoria, asignando una cota inferior (superior) para asociar una probabilidad de que el valor de la variable est dentro de un intervalo sealado. Sea X una variable aleatoria con E(x) = y un nmero real positivo P ( |x - | ) < Var(X) / 2

P ( |x - | < ) 1 - Var(X) / 2 Si = K P(|x - | K ) 1/k2

P( - k < X < + k) 1 - 1/ k2

Ejemplo: Una variable aleatoria X tiene una media = 8 varianza = 9 y distribucin de probabilidad desconocida encuentre: a) P(-4< X < 20) b) P(| X-8| 6) Solucion Aplicando la definicin P( - k < X < + k) 1 - 1/ k2

= 8 k= 4 = 3

P(-4< X < 20) = P [ 8 (4)(3) < X < 8 + (4)(3)] 1 - 1/42 = P [ 8 (12) < X < 8 + (12)] 15/16 = P [ 4 < X < 20] 15/16 P(| X-8| 6) = 1 - P(| X-8| < 6) = 1 P(-6 < X < -8 < 6) = 1- P[8-(2)(3) < X < 8 + (2)(3)] <= Se ha observado que, durante un largo periodo de tiempo, el nmero de estudiantes que acuden al mostrador del rea de estadstica un da cualquiera es una variable aleatoria con media de 20 estudiantes y desviacin estandar 2 estudiantes. Si no se conoce la forma de la distribucin Qu puede decirse de la probabilidad de que el nmero de estudiantes est entre 16 y 24 para el da de maana? Aplicando el teorema P ( |x - | < ) 1 - Var(X) / 2 P(| X 20| < 4) 1 4/42 P(| X 20| < 4) 1 - 4/16 P(| X 20| < 4) 1 P(| X 20| < 4) 3/4 Se podra decir que maana el nmero de estudiantes estar entre 16 y 24 con probabilidad de al menos

= 20

=2 K=2 aplicamos P( - k < X < + k) 1 - 1/ k2

P(16< X < 24) = P [ 20 (2)(2) < X < 20 + (2)(2)] 1 - 1/22 = P [ 20 (4) < X < 20 + (4)] 1- 1/4 = P [ 16 < X < 24] = 0.75

PROBLEMAS PARA RESOLVER BINOMIAL 1. Se tiene un saco con 5 bolas, una blanca y cuatro rojas. Cuando se extrae una bola es reemplazada por otra igual. Cual es la probabilidad que el tres extracciones sucesivas a) se extraigan tres bolas blancas b) dos bolas blancas c) una bola blanca y d) ninguna bola blanca 2. Se asegura que el 60% de todas las instalaciones fototrmicas , los gastos de servicios se reducen al menos en una tercera parte. De acuerdo con lo anterior , Cuales son las probabilidades de que se reduzcan al menos en una tercera parte en: a) cuatro de cinco instalaciones b) en al menos cuatro de cinco instalaciones 3. Si la probabilidad de que cierta columna falle ante una carga axial especifica es 0.05 Cuales son las probabilidades de que entre 16 de tales columnas a) a lo mximo dos fallen b) al menos cuatro fallen

4. Si la probabilidad de que a cualquier persona no le guste el sabor de una nueva pasta dental es 0.20 Cul es la probabilidad de que a 5 de 18 personas elegidas aleatoriamente no les guste? 5. Un fabricante de lavadoras asegura que solamente el 10% de sus lavadoras requiere reparacin dentro del periodo de su garanta que es de 12 meses. Si por lo menos cinco de veinte de sus lavadoras requieren reparacin durante el primer ao, Contribuye esto a apoyar o refutar su afirmacin? 6. La probabilidad de que un estudiante que ingresa a la universidad se grade es 0.4. Hallar la probabilidad de que entre 5 estudiantes elegidos al azar se graden a) ninguno, b) uno c) al menos uno d) todos DISTRIBUCIN DE PASCAL 1. 2. Un basquetbolista encesta con probabilidad de 0.70 cada vez que tira. Calcular la probabilidad de que enceste por cuarta vez en el dcimo tiro La probabilidad de que una persona que vive en cierta ciudad, tenga un perro se estima en 0.3. Encuentre la probabilidad de que la dcima persona entrevistada al azar en esta ciudad sea la quinta que tiene un perro Un cientfico inocula varios ratones uno a la vez, con el germen de una enfermedad hasta que encuentra el segundo que contrae la enfermedad. Si la probabilidad de contraer la enfermedad es 1/6 Cul es la probabilidad de que se requieran ocho ratones? Se lanza un dado hasta que aparezca el numero 6, qu probabilidad hay que el segundo xito ocurra en el sexto lanzamiento

3.

4.

DISTRIBUCIN GEOMTRICA 1. Se lanza un dado hasta que aparece por primera vez el nmero 6. Qu probabilidad hay de que tengamos necesidad de lanzarlo 6 veces. Determinar la esperanza y la varianza 2. Si la probabilidad de que un ladrn sea atrapado en un robo cualesquiera es 0.20, Cul es la probabilidad de que lo capturen por primera vez en su cuarto robo? 3. Un tirador experto da en el blanco el 95% de las veces. Cul es la probabilidad de que falle por primera vez en su decimoquinto disparo?

POISSON
1. Suponga que el futbolista guatemalteco Carlos Ruiz anota un promedio de 1.2 goles por partido jugado. Determine la probabilidad de que en un partido cualquiera Ruiz anote: Si un banco recibe en promedio seis cheque falsos al da. cules son las probabilidades de que reciba: a) cuatro cheques falsos en un da cualquiera b) 10 cheques falsos en dos das consecutivos cualesquiera? Al inspeccionar la aplicacin de estao por un proceso electroltico continuo, se descubren en promedio 0.2 imperfecciones por minuto. Calclese la probabilidad de descubrir a) una imperfeccin en tres minutos b) al menos dos imperfecciones en 5 minutos c) a lo sumo una imperfeccin en 15 minutos.

2.

3.

4.

Los empleados de cierta oficina llegan al reloj marcador a una tasa media de 1.5 por minuto. Calclese la probabilidad de que a) a lo ms cuatro lleguen en un minuto cualesquiera b) a lo menos tres lleguen durante un intervalo de dos minutos c) a los mas 15 lleguen durante un intervalo de 6 minutos.

HIPERGEOMETRICA 1. Un cargamento de 20 grabadoras contiene cinco defectuosas. Si 10 de ellas son aleatoriamente escogidas para revisin, cul es la probabilidad de que dos estn defectuosas? 2. Entre 300 empleados de una compaa, 240 estn sindicalizados mientras que los otros no. Si se escogen 8 por sorteo para integrar un comit que administre el fondo de pensiones, calclese la probabilidad de que cinco estn sindicalizados mientras que los otros no.

3.

Un ingeniero de control de calidad inspecciona una muestra aleatoria de 3 acumuladores de cada lote de 24 que estn listos para ser embarcados. Si un lote contiene seis acumuladores con pequeos defectos Cules son los probabilidades de que la muestra del inspector contenga a) ninguna de las baterias con defectos b) solamente una de las baterias defectuosas c) al menos dos de las baterias con defectos leves.

MULTINOMIAL 1. Las probabilidades de que una lmpara de cierto tipo de proyector de acetatos dure menos de cuarenta horas de uso continuo, entre 40 y 80 horas de uso continuo, o ms de 80 horas de uso ininterrumpido son 0.30, 0.50 y 0.20 respectivamente. Calcule la probabilidad de que entre 8 lmparas dos duren menos de 40 horas, cinco duren entre 40 y 80 horas, y una dure ms de 80 horas. 2. Las probabilidades de que al conducir en cierta ciudad un modelo especifico de auto importado se obtenga un promedio menos de 22 millas por galn, entre 22 y 25 millas por galn o ms de 25 millas por galn son respectivamente, 0.40, 0.40 y 0.20, calclese la probabilidad de que entre 12 de tales autos ya probados cuatro den en promedio menos de 22 millas por galn, seis entre 22 y 25 millas por galn y 2 mas de 25millas por galn. Las probabilidades de que en la declaracin del impuesto sobre la renta se llene correctamente el respectivo formulario, que contenga un error que favorezca al declarante, que lleve un error que favorezca al fisco o que contenga ambos tipos de errores son, respectivamente, 0.60,0.20, 0.10 y 0.10. Calclese la probabilidad de que entre 10 de tales declaraciones de impuestos aleatoriamente escogidas para una auditoria, cinco estn correctas, tres contengan un error que favorezcan al declarante, una lleve un error que favorezca al fisco y una contenga ambos tipos de errores.

3.

HOJA DE TRABAJO 1. La produccin diaria de 850 partes manufacturadas contiene 50 que no cumplen con los requerimientos del cliente. Del lote se escogen tres partes al azar, sin reemplazo. Sea la variable aleatoria X el nmero de partes de la muestra que no cumplen con los requerimientos. Construya la distribucin de probabilidad de la variable X Cuntas partes se esperan no cumplan con los requerimientos Calcule F(x)

2. Se supone que la cobertura de una prueba en el proceso de verificacin de un semiconductor tiene una eficacia del 80%. (Esto es la probabilidad de que un chip defectuoso no pase la prueba es de 0.8). Se someten a prueba tres chip. Suponga que la falla en cada chip es independiente de las que aparezcan en otras pruebas. Sea la variable aleatoria X el nmero de chips defectuosos que no pasan la prueba. Construya la distribucin de probabilidad de la variable X Cuntos chips se esperan se encuentren defectuosos Calcule la desviacin estndar 3. Un fabricante de bebidas lcteas bajas en caloras desea comparar el sabor de una nueva frmula (B) con el de la frmula convencional (A). Cuatro catadores reciben tres vasos en orden aleatorio, dos de ellos contienen la formula (A) y el otro la (B). A cada catador se le pide que indique cual vaso contena la bebida que ms le agrad. Suponga que las dos preparaciones tienen la misma presentacin. Si Y es la variable aleatoria que representa el nmero de catadores que indican su preferencia por la nueva formula a) construya la distribucin de probabilidad para Y b) Cul es la probabilidad de que por lo menos tres de los cuatro catadores prefieran la nueva formula c) Encuentre el valor esperado de Y 4. Dado que ya se ha lanzado una moneda normal diez veces, y se han obtenido cero caras. Cul es la probabilidad de que se tengan que lanzar al menos dos veces ms para obtener la primera cara?

5. Existe cuatro tipos distintos de sangre humana denotados por O, A, B y AB. Suponiendo que estos tipos ocurren con frecuencia siguiente: 0.45, 0.40, 0.10, 0.05, respectivamente. Si veinte personas son elegidas aleatoriamente, cual es la probabilidad que: a) Todas las 20 personas tengan el mismo tipo b) Nueve tengan del tipo O, ocho del tipo A, dos del tipo B, y una del tipo B 6. El nmero de errores tipogrficos cometidos por una mecangrafa, tiene una media de cuatro errores por pgina. Si una pgina tiene ms de cuatro errores, la mecangrafa tendr que repetir la pgina entera. Cul es la probabilidad de que no se tenga que repetir una pgina? 7. Las probabilidades de que un examen de Estadistica 1 sea resuelto correctamente, que sea resuelto en una tercera parte correctamente, que sea resuelto pero incorrectamente y que no sea resuelto son 0.35, 0.20, 0.40 y 0.05. Calculese la probabilidad de que entre 15 estudiantes elegidos al azar, uno haya resuelto el examen correctamente, 3 lo hayan resuelto en una tercera parte correctamente, 7 lo resolvieron incorrectamente y 4 no lo hayan resuelto

8. Un estudio reciente de una asociacin de vigilantes de camiones revel que 60% de los conductores usan el cinturn de seguridad. Se seleccion una muestra de 10 conductores en una carretera. Cul es la probabilidad de que: a) exactamente 7 llevarn fijo su cinturn b) como mnimo 7 tuvieron esa precaucin 9. En la inspeccin de aeronaves comerciales se informa que no existen grietas detectables en las alas o que sean decisivas. Los antecedentes de una flota determinada muestra que 70% de las aeronaves que se inspeccionan no tienen grietas en las alas, 25% tienen grietas detectables y 5% tienen grietas decisivas. Calcule la probabilidad de que en los cinco aviones que se inspeccionan a) uno tenga grieta decisiva, dos tengan grietas detectables y dos no tengan grietas b) se observe por lo menos una grieta decisiva 10. La probabilidad de encontrar cierto medicamento en una farmacia es de 0.20. Calcule la probabilidad de que una persona que requiere de ese medicamento: a) tenga que recorrer tres farmacias para hallarlo b) se vea obligada a recorrer por lo menos tres farmacias para encontrarlo 11. La gerencia de recursos humanos de un peridico sabe que al acudir a cierta escuela a reclutar editores tendr xito con una probabilidad de 0.15. Determine la probabilidad de que: a) la primera contratacin ocurra en la quinta entrevista b) la cuarta contratacin ocurra en la dcima entrevista c) de 15 personas que se entrevistaron ninguna sea contratada

12. Cierta clase de lmina de metal, tiene en promedio cinco defectos por cada 10 metros cuadrados Cul es la probabilidad de que una lmina de metal de 15 metros cuadrados a) tenga al menos seis defectos b) no tenga ningn c) como mximo tenga dos defectos