DISTRIBUCIONES DE PROBABILIDAD

1) La resistencia a la comprensión de muestras de cemento puede modelarse

mediante una distribución normal con una media de 6000 Kilogramos por centímetro
cuadrado y una desviación estándar de 100 Kilogramos por centímetro cuadrado.
a) ¿Cuál es la probabilidad de que la resistencia a la comprensión de una muestra sea
menor que 6250 kg/cm2?

𝑥−𝜇
𝑧= 𝜇 = 6000𝐾𝑔. 𝐶𝑚2 𝜎 = 100𝐾𝑔. 𝐶𝑚2
𝜎

P(X<6250)

𝑥 − 6000𝐾. 𝐶𝑚2
𝑧=( )
100𝐾. 𝐶𝑚2
6250𝑘𝑔. 𝐶𝑚2 − 6000𝐾𝑔. 𝐶𝑚2
𝑧=( )
100𝐾𝑔. 𝐶𝑚2
250
𝑧 = 100

𝑍 = 2.5 → 𝑍 = 0.993790

b) ¿Cuál es la probabilidad de que la resistencia a la comprensión de una manera este

entre 5800 y 5900 kg/ cm2?
𝑃(5800 < 𝑍 < 5900)
5800 − 6000 5900 − 6000
𝑃( <𝑍< )
100 100
−200 −100
𝑃( <𝑍< )
100 100
𝑃(−2 < 𝑍 < −1)
= 𝑃(𝑍 < −1) − 𝑃(𝑍 < −2)
= (1 − 0.841345) − (1 − 0.977250)
= 0.158655 − 0.02275
= 0.135905
c) ¿Cuál es la comprensión que excede 95% de la muestras?
𝑃(𝑋 > 𝑥) = 0.95
𝑥 − 6000
𝑃( ) = 0.95
100
𝑥 − 6000
𝑃 (𝑍 > ) = 0.95
100
𝑍 = 1.65 → 𝑣𝑎𝑙𝑜𝑟 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑑𝑜 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖ó𝑛 𝑛𝑜𝑟𝑚𝑎𝑙 𝑒. 𝑎

𝑃(𝑋 > 1.65) = 0.950529

𝑥 − 6000
∴ ( ) = 1.65
100
𝑋 = −165 + 6000 = 5835

2) La resistencia a la tensión del papel se modela mediante una distribución normal

con una media de 35 libras por pulgada cuadrada y una desviación estándar de 2 libras
por pulgada cuadrada.
a) ¿Cuál es la probabilidad de que la resistencia a la tensión de una muestra sea menor
que 40 lb/pulp2?
𝑃(𝑋 < 40) 𝑋 = 40, 𝜇 = 35, 𝜎=2
𝑥−𝜇
𝑃 = (𝑍 < )
𝜎
40−35
𝑃 = (𝑍 < 2

𝑃(𝑍 < 2.5)

= 0.993790
𝐥𝐛
∴ 𝑳𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒒𝒖𝒆 𝒍𝒂 𝒓𝒆𝒔𝒊𝒔𝒕𝒆𝒏𝒄𝒊𝒂 𝐚 𝐥𝐚 𝐭𝐞𝐧𝐬𝐢ó𝐧 𝐝𝐞 𝐮𝐧𝐚 𝐦𝐮𝐞𝐬𝐭𝐫𝐚 𝐬𝐞𝐚 𝐦𝐞𝐧𝐨𝐫 𝐪𝐮𝐞 𝟒𝟎 𝒆𝒔: 𝟎. 𝟗𝟗𝟑𝟕𝟗𝟎
𝐩𝐮𝐥𝐩𝟐
b) Si las especificaciones requieren que la resistencia a la tensión exceda 30Ib/ pulp 2,
¿Qué proporción de las muestras se desecha?
𝑥−𝜇
𝑃(𝑋 < 30) = 𝑃(𝑍 < ) 𝑋 = 30, 𝜇 = 35, 𝜎=2
𝜎

30 − 35
𝑃(𝑍 < )
2
𝑃(𝑍 < −2.5)
= 1 − 0.993790
= 0.00621
∴ La proporción de las muestras que se desecha es: 0.00621

3) El volumen de llenado de una maquina automatizada usada para llenar latas de

bebida carbonatada tiene una distribución normal con una medida de 12.4 onzas
liquidas y una desviación estándar de 0.1 onzas liquidas.
a) ¿Cuál es la probabilidad de que un volumen de llenado sea menor que 12 onzas
liquidas?
𝑥−𝜇
𝑃(𝑋 < 12) = 𝑃(𝑍 < ) 𝑋 = 12, 𝜇 = 12.4, 𝜎 = 0.1
𝜎

12 − 12.4
𝑃 = (𝑍 < )
0.1
𝑃(𝑍 < −4) = 1 − 0.99968
𝑃(𝑍 < −4) = 0.00032
∴ La probabilidad de que un volumen de llenado sea menor que 12 onzas liquidas es: 0.00032

b) si se desechan todas las latas con menos de 12.1 onzas o con más de 12.6 onzas,
¿Qué proporción de latas se desechan?
𝑃(𝑋 < 12.1) + 𝑃(𝑋 > 12.6) 𝜇 = 12.4, 𝑥1 = 12.1, 𝑥2 = 12.6, 𝜎 = 0.1
12.1−12.4 12.6−12.4
𝑃 = (𝑍 < ) + 𝑃 = (𝑍 < )
0.1 0.1

𝑃(𝑍 < −3) + 𝑃(𝑍 > 2)

= (1 − 0.998650) + (1 − 0.97725)
= (0.00135) + (0.02275)
= 0.0241
∴ Se rechazan el 2.41% de latas
c) Determine las especificaciones simétricas de la media que incluyan el 99% de las
latas.
99% > α = 0.01

Z(1-α/2)=Z(1-0.01/2)=Z(0.995)

P (Z<z)=0.995--->z=2.5758
o
Por lo que

Z (1-α/2)=2.5758

El intervalo del 99% es:

μ ± Z (1-α/2)*σ

12.4 ± 2.5758*0.1

12.4 ± 2.5758*0.1

12.4 ± 0.2576

(12.1424, 12.6576)

Es decir el 99% de las latas estarán entre 12.1424 y 12.6576 onzas

4) Se supone q el número de grietas en un tramo de una carretera interestatal que

tienen lo suficiente importancia para requerir reparación, sigue una distribución de
POISSON con una media de dos grietas por milla.
a) ¿Cuál es la probabilidad de que no haya grietas que requieran reparación de 5 millas
de carretera?
𝑔𝑟𝑖𝑒𝑡𝑎𝑠 𝑒 −𝜆 𝜆𝑥
𝜆=2 𝑋 = {0,1,2,3 … } 𝑃(𝑋 = 𝑥) =
𝑚𝑖𝑙𝑙𝑎𝑠 𝑥!

Pero nos indican que en 5 grietas por millas así

𝑔𝑟𝑖𝑒𝑡𝑎𝑠
𝜆=2 (5𝑚𝑖𝑙𝑙𝑎𝑠) 𝜆 = 10 𝑔𝑟𝑖𝑒𝑡𝑎𝑠
𝑚𝑖𝑙𝑙𝑎𝑠
𝑒 −10100
𝑃(𝑋 = 0) = = 4.53𝑥10−5
0!
−5
∴ La probabilidad de que no haya grietas que requieran reparación de 5 millas de carretera es: 4.53𝑥10
b) ¿Cuál es la probabilidad de que haya al menos una grieta que requiera reparación
en media milla?
𝑔𝑟𝑖𝑒𝑡𝑎𝑠
𝜆=2 (0.5𝑚𝑖𝑙𝑙𝑎𝑠) 𝜆 = 1𝑔𝑟𝑖𝑒𝑡𝑎
𝑚𝑖𝑙𝑙𝑎𝑠

𝑒 −1 10
𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑥 = 0) = 1 − = 1 − 0.3678 = 0.632
0!
∴ La probabilidad de que haya al menos una grieta es: 0.632

5) El número de fallas de instrumento que prueba de partículas de contaminación de

un producto es una variable aleatoria de POISSON con una media de 0.02 fallas por
hora.
a) ¿Cuál es la probabilidad de un instrumento no falle en una corrida de 8 horas?
Realizamos una recopilación de datos del enunciado del problema
X=N° de fallas de un instrumento de prueba
La variable aleatoria X sigue una distribución POISSON: X ~ P(0.02)
0.02 − 1
𝜆 − 8
∴ 𝐸𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑓𝑎𝑙𝑙𝑎𝑠 𝑝𝑜𝑟 𝑗𝑜𝑟𝑛𝑎𝑑𝑎 𝑑𝑒 𝑜 ℎ𝑜𝑟𝑎𝑠 es
8(0.02)
𝜆= = 0.16
1
𝑒 −0.16 0.160
𝑃(𝑥 = 0) = ≅ 0.85214
0!
∴ La probabilidad de que el instrumento no falle durante una jornada de 8 horas es de0.85214

b) ¿Cuál es la probabilidad de al menos una falla en un día de 24 horas?

0.02 − 1
𝜆 − 24
24(0.02)
𝜆= = 0.48
1
𝑃(𝑥 ≥ 1) = 1 − 𝑃(𝑥 = 0)
 𝑒 −0.48 0.480
=1− = 1 − 0.6187
0!
𝑃(𝑥 ≥ 1) = 0.3813
∴ 𝐿a probabilidad de al menos una falla en un día de 24 horas es: 0.3813

6) Se supone que el número de imperfecciones de dos rollos de tela de una fábrica

textil tiene una distribución de POISSON con la media de 0.1 imperfecciones por metro
cuadrado.
a) ¿Cuál es la probabilidad de que haya dos imperfecciones en 1 metro cuadrado de
tela?
𝑒 −𝜆 𝜆𝑥
𝑃(𝑋 = 𝑥) = 𝜆 = 0.1𝑥1 = 0.1 𝑥=2
𝑥!
𝑒 −0.1 0.12
𝑃(𝑋 = 2) =
2!
(0.9048)(0.01)
𝑃(𝑋 = 2) =
2

𝑃(𝑋 = 2) = 0.004524
𝑃(𝑋 = 2) = 4.5𝑥10−3
∴ 𝐿a probabilidad de que haya dos imperfecciones en 1 metro cuadrado de tela 4.5𝑥10−3

b) ¿Cuál es la probabilidad de que haya una imperfección de 10 metros cuadrados de

tela?
𝑒 −𝜆 𝜆𝑥
𝑃(𝑋 = 𝑥) = 𝜆 = 0.1𝑥10 = 1 𝑥=1
𝑥!
𝑒 −1 11
𝑃(𝑋 = 1) =
1!

𝑃(𝑋 = 1) = 0.3679
∴ 𝐿a probabilidad de que haya una imperfección de 10𝑚2 de tela es: 0.3679

c) ¿Cuál es la probabilidad de que no haya imperfección en 20 metros cuadrados de

tela?
𝑒 −𝜆 𝜆𝑥
𝑃(𝑋 = 𝑥) = 𝜆 = 0.1𝑥20 = 2 𝑥=0
𝑥!
𝑒 −2 20
𝑃(𝑋 = 0) =
0!
𝑃(𝑋 = 0) = 0.13534
∴ 𝐿a probabilidad de que no haya imperfección en 20 metros cuadrados de tela es: 0.13534

7) sea que por denote el número de bits recibidos con un error en un canal de
comunicaciones digital y suponga que X es una variable aleatoria binominal con
P=0.001 si se transmiten 1000 bits, determine la siguiente.

𝑎) 𝑃(𝑋 = 1) 𝑏) 𝑃(𝑋 ≥ 1) 𝑐) 𝑃(𝑋 ≤ 2)

𝑑) 𝑙𝑎 𝑚𝑒𝑑𝑖𝑎 𝑦 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑑𝑒 𝑥
Solución:
a) distribución binomial n= 1000 y p=0.001
𝑃(𝑋 = 𝑥) = 𝑐(𝑛, 𝑥)𝑃 𝑥 (1 − 𝑃)𝑛−𝑥
𝑛 𝑛!
𝑓(𝑥) = (𝑥, 𝑛, 𝑃) = ( ) 𝑃 𝑥 (1 − 𝑃)𝑛−𝑥 = 𝑃 𝑥 (1 − 𝑃)𝑛−𝑥
𝑥 𝑥! (𝑛 − 𝑥)!
Datos: 𝑥 = 1, 𝑛 = 1000, 𝑃 = 0.001
Tenemos
1000!
𝑃𝑥(1,1000,0.001) = (0.001)1 (1 − 0.001)1000−1 = 0.3681
1! (1000 − 1)!
b) La probabilidad de hallar 1 ó más bits recibidos con error.

𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 < 1)

1000!
𝑃(𝑋 < 1) = 𝑃(𝑋 = 0) = (0.001)0 (1 − 0.001)1000−0 = 0.3677
0! (1000 − 0)!

𝑃(𝑋 ≥ 1) = 1 − 0.3677 = 0.6323

C) La probabilidad de encontrar 2 ó más bits recibidos con error.
𝑃(𝑋 ≤ 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)
𝟏𝟎𝟎𝟎 𝟏𝟎𝟎𝟎
𝑷(𝑿 ≤ 𝟐) = 𝟎. 𝟑𝟔𝟕𝟕 + (𝟎. 𝟎𝟎𝟏)𝟏 (𝟏 − 𝟎. 𝟎𝟎𝟏)𝟏𝟎𝟎𝟎−𝟏 + (𝟎. 𝟎𝟎𝟏)𝟐 (𝟏 − 𝟎. 𝟎𝟎𝟏)𝟏𝟎𝟎𝟎−𝟐 = 𝟎. 𝟗𝟏𝟗𝟖
𝟏 𝟐

∴ 𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 2 ó 𝑚á𝑠 𝑏𝑖𝑡𝑠 𝑟𝑒𝑐𝑖𝑏𝑖𝑑𝑜𝑠 𝑐𝑜𝑛 𝑒𝑟𝑟𝑜𝑟 𝑒𝑠: 0.9198

d) La media y la varianza de “x”

Hallo la media

𝐸(𝑥) = 𝑛𝑝 = 1000(0.001) = 1
Hallo la varianza

𝑣𝑎𝑟(𝑥) = 𝑛𝑝(1 − 𝑝)
= 1(1 − 0.001) = 0.999

POLÍTICA MACROECONÓMICA, INSTITUCIONES Y

CRECIMIENTO

 Política macroeconómica, estabilidad y crecimiento

 Objetivos de la política macroeconómica
 Estabilidad de precios y estabilidad real
 Estabilización cambiaria y balance externo
 Actividad económica, desempleo y pobreza
 Instrumentos de la política macroeconómica
 Política fiscal
 Política monetaria
 Regulación financiera
 Política cambiaria
 Intervención en los mercados de capitales
 Estado e instituciones
 Propiedad intelectual
 Democracia, corrupción y crecimiento
 Democracia, autoritarismo y crecimiento económico
 Corrupción
 Corrupción, deuda externa y privatización