U.T.N. F.R.

Haedo Probabilidad y Estadística

Trabajo Práctico 3. Variable aleatoria discreta

Ejercicio 1.
a) En un laboratorio de pruebas la temperatura varía aleatoriamente a lo largo del día entre
20ºC y 25ºC. Cierto tipo de ensayo necesita mayor precisión en el control de la
temperatura de modo que se usa un termostato auxiliar que sólo cuenta con tres posiciones:
1 representa “usar la calefacción auxiliar por debajo de 21.8ºC”, 2 representa “zona
inactiva o muerta del equipo auxiliar”, y 3 representa “usar el aire acondicionado auxiliar
por encima de los 23.2ºC”. Dibujar un espacio muestral para este problema mostrando la
aplicación necesaria para definir una variable aleatoria X que indique la configuración del
termostato auxiliar.
b) Una tensión aleatoria, medida en volt, puede tomar cualquier valor dentro del conjunto
T={a≤t≤b}. Un cuantificador divide T en 6 subconjuntos contiguos del mismo tamaño y
genera una variable aleatoria de tensión X cuantificada que toma los valores
{−4,−2,0,2,4,6}. Cada valor de X es igual al punto medio del subconjunto de T
correspondiente. Esquematizar en forma gráfica sobre T la regla de asignación que define
la variable aleatoria X, y hallar los valores de a y de b.

Ejercicio 2. Sea X la variable aleatoria que indica el número de neumáticos de un automóvil,

seleccionado al azar, que tengan baja la presión. El recorrido de X es RX ={0,1,2,3,4}.
a) ¿Cuál de las siguientes cuatro funciones p(x), corresponde a una verdadera función de
probabilidad puntual o distribución de probabilidad para X, y por qué no lo son las
restantes?
x 0 1 2 3 4
p(x) 0.3 0.2 0.1 0.05 0.05
x 0 1 2 3 4
p(x) 0.4 0.1 0.1 0.1 0.3
x 0 1 2 3 4
p(x) 0.4 0.1 0.2 0.1 0.3
x 0 1 2 3 4
p(x) 0.3 0.4 0.4 −0.1 0
b) Considerando la función de probabilidad puntual válida del ejercicio anterior, expresar lo
pedido en términos de condiciones que debe satisfacer X y hallar:
i. La probabilidad de que el auto seleccionado tenga a los sumo 2 neumáticos con la
presión baja.
ii. La probabilidad de que el auto tenga en condiciones de presión adecuada por lo
menos tres neumáticos.
iii. El porcentaje de autos que tienen más de 2 neumáticos con la presión baja.
c) Si p(x)=P(X=x)=c(5−x) para x=0, 1, 2, 3, 4, ¿cuál es el valor de c? Graficar la distribución
de probabilidad de X. Definir y graficar la función de distribución acumulativa
FX(x)=P(X≤x), x∈R.

Ejercicio 3. Un taller de servicio para automóviles que se especializa en afinaciones sabe que el
45% de éstas se efectúa en automóviles de cuatro cilindros, el 40% en automóviles de seis
cilindros y el 15% en automóviles de ocho cilindros. Sea X la variable aleatoria que indica el
número de cilindros del siguiente automóvil que se va a afinar. Hallar la función de probabilidad
puntual de X y graficarla.

__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P1
Ejercicio 4. Un operador registra el tiempo requerido para un ensamble mecánico en una línea
de armado. Los resultados de un número de 122 ensambles son los siguientes:
Segundos 30 31 32 33 34 35 36 37 38 39
Número de ensambles 3 5 6 9 12 25 32 15 9 6
Sea X la variable aleatoria que indica el tiempo necesario para el ensamblado.
a) Determinar la distribución de probabilidad de X, la función de probabilidad acumulativa y
representarlas.
b) Determinar P(33≤X≤38); P(X<35); P(X≥35); P(X≠35).
c) Calcular la probabilidad de cada uno de los siguientes eventos cuando se realiza un
ensamble y se registra el tiempo requerido:
A={a lo sumo se tarda 35s}, B={se tarda menos de 35s},
C={por lo menos se tarda 35s}, D={se tarda entre 32s y 37s, inclusive},
E={el tiempo de armado no supera los 35s pero no es menor que 32s}.
d) Determinar el valor esperado o media y la varianza,de la variable aleatoria X, definidos por
{ }
E ( X ) = µ X = ∑ xp( x) y V ( X ) = σ 2X = E [ X − E ( X )] , respectivamente.
2

x∈R X

e) Calcular la probabilidad de que el tiempo de ensamblado no difiera en más de 1 desvío

estándar σX de su valor medio µX, es decir P ( X − µ X ≤ σ X ) .

Ejercicio 5. Sea X una variable aleatoria con función de probabilidad puntual definida por
p( x) = 0.5 − 0.05 x 2 , R X = {− 3,−1,1,3}.
a) Calcular la P(X<0).
b) Se define la mediana de la variable aleatoria discreta X, ~ x , como un número real para el
~ ~
que se verifica que P( X < x ) = P( X > x ) . Constatar que 0 es una mediana de X.
c) Graficar las funciones de distribución y de distribución acumulativa de X.
d) Calcular E(X) y V(X).

Ejercicio 6. Una máquina puede tener un cierto número de fallas por día no superior a 3. La
tabla de la función de probabilidad puntual de la variable aleatoria X definida como el número de
fallas diarias es la siguiente:
x 0 1 2 3
p(x) 0.2
Completar la tabla sabiendo que P(X≤1)=0.5 y E(X)=1.3.

Ejercicio 7. Una organización de consumidores que evalúa automóviles nuevos reporta

regularmente el número de defectos importantes en cada automóvil x<0
0
examinado. Sea X el número de defectos importantes en un automóvil 0.06 0 ≤ x < 1
seleccionado al azar de un cierto tipo y FX(x) la función de 
distribución acumulativa correspondiente. 0.19 1 ≤ x < 2
a) Calcular las siguientes probabilidades directamente de la 
0.39 2 ≤ x < 3
función dada: p(2)=P(X=2), P(X>3), P(2≤X≤5), P(2<X<5). FX ( x ) = 
b) Hallar y graficar la distribución de probabilidad de X. 0.67 3 ≤ x < 4
c) ¿Cuál es el número de defectos importantes que se espera al 0.92 4 ≤ x < 5

examinar un automóvil, seleccionado al azar, del tipo 0.97 5 ≤ x < 6
considerado en este problema? 1 6≤ x

Ejercicio 8.
a) En una empresa donde se produce una vacante laboral se presentan 10 candidatos, de los
cuales 6 son mujeres y los restantes hombres. Puede entrevistarse solamente a 3 de ellos, al
azar, para una entrevista final. Si X es la variable aleatoria que indica el número de

__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P2
 candidatos mujeres entre los tres finalistas, determinar su función de probabilidad puntual.
Presentar las probabilidades correspondientes a cada valor de X en una tabla.
b) La probabilidad de falla de un cierto tipo de componentes electrónicos es de 0.10. Una
compañía produce con ellos dos tipos de circuitos, denominados I y II respectivamente. El
circuito tipo I consiste en un paralelo de dos componentes. El circuito tipo II está armado
con una serie de dos componentes. De la producción total se elige un circuito de cada tipo.
Sea X la variable aleatoria que indica el número de circuitos que funciona cuando se
prueban ambos. Definir la distribución de probabilidad de X, hallar la función de
probabilidad acumulada y representar ambas funciones en forma gráfica. Hallar el valor
esperado de X.
c) Un fabricante de controladoras de discos rígidos somete cada unidad a una prueba rigurosa.
De las controladoras recién ensambladas, el 84% pasa la prueba sin ninguna modificación.
Las que fallan en la prueba inicial son reelaboradas; de éstas, el 75% pasa una segunda
prueba. Aquellas controladoras que fallan en la segunda prueba se rehacen por segunda
ocasión y se vuelven a probar. El 90% de ellas pasan la prueba y el resto se desarman. Se
define X como la variable aleatoria que corresponde al número de veces que debe
reprocesarse una controladora seleccionada al azar.
i. Especificar el recorrido de X y calcular la distribución de probabilidad.
ii. Encontrar el valor esperado de X. Dar una interpretación de este número.
iii. ¿Qué porcentaje de controladoras se desarman?

Ejercicio 9. Los registros de ventas diarias de una empresa fabricante de computadoras

muestran que se venderán 0, 1 ó 2 sistemas centrales de cómputo por día, con sus probabilidades
de acuerdo al siguiente detalle:
Número de ventas 0 1 2
Probabilidad 0.7 0.2 0.1
a) Determinar la distribución de probabilidades de X, siendo esta variable el número de ventas
que se producen en 2 días, suponiendo que las ventas son independientes de un día a otro.
b) Calcular la probabilidad de que al menos se formalice una venta en 2 días.

Ejercicio 10. En un puesto de parque de diversiones se ofrece la posibilidad de lanzar un dardo a

un globo. Si el jugador consigue reventar el globo, recibe un premio igual a una cantidad oculta
tras el globo. Supongamos que la probabilidad de acertar a cada uno de los globos es la misma y
que la probabilidad de dar en el blanco es de ½ para todos los posibles participantes. Los premios
se distribuyen de la siguiente manera:
40% tienen un premio de $50 20% tienen un premio de $250
30% tienen un premio de $100 10% tienen un premio de $1000
Si cada lanzamiento cuesta $150. Sea X la variable aleatoria que corresponde a la ganancia del
dueño del puesto cuando se realiza un sólo lanzamiento. Hallar la distribución de probabilidad de
X, y calcular la ganancia esperada ¿Cuál es la ganancia esperada del dueño del puesto para 500
lanzamientos? Justificar la respuesta.

Ejercicio 11. Maximizar la utilidad en condiciones de incertidumbre. Suponiendo que la

demanda diaria de un artículo es una variable aleatoria X que puede tomar todos los valores
naturales del 1 al 4 (ambos incluidos) tiene una función de distribución definida por
C
p( x ) = 2 x , x∈RX.
x!
a) Calcular el valor de la constante C.
b) Hallar el valor esperado y el desvío estándar de la demanda.
c) El fabricante produce diariamente k de dichos artículos. La utilidad de venta por artículo es
5a (a: unidad monetaria) y si un artículo no se vende produce una pérdida de 3a. Obtener la

__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P3
 función de distribución de probabilidad de la utilidad neta diaria para los distintos valores
de k (1;2;3;4;5;6,...) y elegir el valor de k que maximiza la utilidad esperada.
d) Discutir si el resultado del ítem anterior se mantendría si es que se considerara una multa
por demanda no satisfecha, esto es si se establece una disminución de la ganancia por
artículo que fue demandado y el fabricante no tenía.

Ejercicio 12. Sea X una variable aleatoria discreta con un conjunto de posibles valores
R X = {x1 , x 2 ,L, x n }
con función de probabilidad puntual p(x).
a) Evaluar E[(X−c)2] en términos de E(X) y V(X) y hallar el valor de la constante c que
minimiza la expresión.
b) Sea Y = aX + b una nueva variable aleatoria discreta. Demostrar que su valor esperado es
E (Y ) = E (ax + b) = aE ( x ) + b ,
y que su varianza es
V (Y ) = V (ax + b) = a 2V ( x) .
c) Utilizar los resultados anteriores en la siguiente situación. La calificación promedio en un
examen de ingreso fue de 62.5 (puntaje máximo 100) con un desvío estándar de 10. Las
autoridades sospechan que el examen fue difícil. De acuerdo con lo anterior, desean ajustar
las calificaciones de manera que el promedio sea 70 y el desvío estándar sea de 8. Si X es la
variable aleatoria que indica la calificación del examen, ¿qué ajuste del tipo aX+b con a>0
deben utilizar?
d) Escribir las expresiones generales para el valor esperado y la varianza de variable aleatoria
Y definida a partir de una función h(X) de la variable aleatoria X, esto es
E[h( X )] = µ h ( x) , V [h( X )] = σ h2 ( x)

Ejercicio 13. De una producción donde el 2% de los artículos son defectuosos se extraen con
reposición 5 de ellos y se analiza su calidad. Sea X la variable aleatoria que corresponde al número
de artículos defectuosos entre los 5 extraídos.
a) ¿A qué tipo de distribución de probabilidad responde X? Justificar la respuesta.
b) Calcular la probabilidad de que sean defectuosos: i) exactamente dos de los artículos
extraídos; ii) menos de dos; iii) más de dos; iv) por lo menos uno.
c) Si el experimento aleatorio se hace sin reposición, ¿bajo qué condiciones seguirían siendo
válidos los resultados anteriores?

Ejercicio 14. Se devuelve un modelo particular de automóvil para su reparación debido a un

problema mecánico en el diseño. La probabilidad de que un coche sea reparado correctamente es
de 0.9. Durante una semana un taller tiene que reparar ocho coches. ¿Cuál es la probabilidad de
que dos o más de los ocho coches tengan que ser reparados más de una vez?

Ejercicio 15.
a) En la transmisión y recepción de datos binarios el mecanismo utilizado es propenso a sufrir
algún error en de forma que cada bit es leído correctamente con probabilidad p. Los errores
cometidos en el procesamiento de cada símbolo son independientes. Encontrar el valor de p
tal que cuando se reciben 10000 bit, el número esperado de errores sea 10. Justificar la
respuesta.
b) Una planta se ocupa de la fabricación de artefactos electrónicos. En un determinado
artículo, su funcionalidad depende de una plaqueta que posee, por placa, 25 soldaduras.
Como las mismas se realizan automáticamente por medio de una máquina y se detectó que
una de cada 500 soldaduras falla. Si se tiene que remitir una entrega de 10000 artefactos de
este tipo, ¿cuál será la cantidad de elementos que se espera que fallen para atender su
reclamo?
__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P4
Ejercicio 16. Se espera que las naves espaciales aterricen en una zona de emergencia establecida
el 80% de las veces. En un período de tiempo aterrizan seis naves espaciales.
a) Hallar la probabilidad de que ninguna aterrice en la zona de emergencia establecida.
b) Hallar la probabilidad de que al menos una aterrice en la zona establecida.
c) El programa de aterrizaje es satisfactorio si la probabilidad de que tres o más de las seis
naves espaciales aterricen en la zona de emergencia establecida es igual a 0.9 o mayor. ¿Es
satisfactorio el programa?

Ejercicio 17. Una línea aérea de una ciudad pequeña tiene cinco vuelos diarios. Se sabe que
cualquier vuelo tiene una probabilidad de 0.3 de salir con retraso por razones no climatológicas. La
distribución de vuelos es tal que puede considerarse despreciable el efecto de que si un vuelo se
retrasa eso incida en la salida de los demás.
a) Para un día cualquiera, y sin considerar inconvenientes por el clima, hallar las
probabilidades de que
i. ningún vuelo salga con retraso;
ii. a lo sumo un vuelo salga con retraso;
iii. por lo menos tres vuelos salgan a su hora.
b) El gerente local de la línea aérea desea asegurar que la probabilidad de que todos los vuelos
salgan a su hora sea por lo menos de 0.9. ¿Cuál es la máxima probabilidad de retrasarse
que pueden tener los vuelos individuales para que se consiga el objetivo del gerente?
¿Deberá mejorar el funcionamiento actual de manera significativa?

Ejercicio 18. La estación maestra de un sistema de intercomunicación distribuye música a seis

habitaciones de un hospital. La probabilidad de que en cualquier habitación se encienda el sistema
y consuma potencia en cualquier instante es de 0.40. Cuando se enciende, una habitación consume
0.5W.
a) Hallar y representar gráficamente la función de probabilidad puntual y la función de
distribución acumulativa para la variable aleatoria X definida por la “potencia suministrada
por la estación maestra medida en watt”.
b) Si el amplificador de la estación maestra se sobrecarga cuando la demanda es superior a
2W, ¿cuál es la probabilidad de sobrecarga?
c) El amplificador de la estación maestra se reemplaza por una unidad de 4W que ahora debe
dar servicio a 12 habitaciones. ¿Es menor la probabilidad de sobrecarga que si se usan dos
unidades independientes de 2 W, dando cada una servicio a seis habitaciones?

Ejercicio 19. Control de motores. Los motores de una producción se someten a dos controles
independientes A y B. Por experiencias previas: el 1% de los motores falla en la prueba A y el 2%
en la prueba B.
a) Calcular la probabilidad de que un motor extraído al azar falle en por lo menos uno de los
dos controles.
b) Si se seleccionan al azar 20 motores, calcular la probabilidad de que, por lo menos en uno
de los controles,
i. ninguno de los motores de la muestra fallen;
ii. por lo menos el 10% de los motores de la muestra fallen.

Ejercicio 20. Un problema de mezclas. En una línea de producción la máquina 1 produce

(diariamente) el doble de artículos que la máquina 2. Cerca del 4% de los artículos de la máquina 1
son defectuosos mientras que la máquina 2 produce solo alrededor del 2% de defectuosos. Se
combina la producción diaria de las dos máquinas. Se toma una muestra aleatoria de 50 artículos
de la producción combinada. ¿Cuál es el número esperado de defectuosos en la misma?

__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P5
Ejercicio 21. Plan de aceptación de un lote. Un lote muy grande de componentes ha llegado a
un distribuidor. El lote se puede clasificar como aceptable sólo si la proporción de componentes
defectuosos es a lo sumo 0.10, sólo que no es posible probar todas las componentes y debe
proponerse una alternativa de inspección para aceptación del lote. Así, el distribuidor determina
seleccionar al azar 10 componentes y aceptar el lote sólo si el número de componentes defectuosas
en la muestra es a lo sumo 2.
a) ¿Cuál es la probabilidad de que el lote sea aceptado cuando la proporción real de piezas
defectuosas es 0.01? ¿0.05? ¿0.10? ¿0.20? ¿0.25?
b) Sea p la proporción real de piezas defectuosas del lote. Se llama curva característica de
operación para el plan de muestreo de aceptación del lote, al gráfico de la probabilidad
P(lote sea aceptado) en función de p, esto es p en el eje horizontal y P(lote sea aceptado) en
el eje vertical. Utilizar los resultados de la parte a) para trazar esta curva para 0≤ p ≤1.
c) Repetir las partes a) y b) con "1" sustituyendo a "2" en el plan de muestreo de aceptación
del lote.
d) Repetir las partes a) y b) con "15" sustituyendo en a 10 en el plan de muestreo de
aceptación del lote presentado en a).
e) De acuerdo al enunciado una curva característica de operación ideal debiera tener la
siguiente forma

P(A)
1

p
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1

Figura Ejercicio 21, probabilidad de aceptación del lote en función de p

¿Cuál de los tres planes de muestreo, el de la parte a), c) o d), parece más satisfactorio, y
por qué? Mencionar alguna posible desventaja de dicho plan frente a los otros; considerar
para ello que en esta transacción hay dos actores, el vendedor y el comprador del lote.
Observación: En el apéndice V de esta guía de trabajos prácticos hay un resumen de resultados y
de gráficos que corresponden a este problema.

Ejercicio 22. Una proporción p de un gran número de artículos en un lote es defectuosa. Se extrae
una muestra de m artículos y si ésta no contiene ítems defectuosos el lote es aceptado, en tanto que
si contiene más de dos ítems defectuosos el lote es rechazado. Si la muestra contiene uno o dos
artículos defectuosos, se extrae una muestra independiente de tamaño m y si el número combinado
de defectuosos en las dos muestras no excede de dos, el lote es aceptado. Calcular la probabilidad
de aceptar este lote.

Ejercicio 23. Sea X una variable aleatoria con distribución binomial de parámetros n y p, esto es
X ∼ Bin(n, p ) , donde n indica el número de repeticiones del experimento asociado y p la
probabilidad de éxito en cada intento. Sea la función de probabilidad puntual denotada por
p( X = x) = b( x; n, p ) con x = 0,1,2,L, n ,
x
y la función de distribución acumulada por P( X ≤ x) = B( x; n, p ) = ∑ b(k ; n, p), x = 0,1,2,L , n .
k =0
a) Interpretar la igualdad b( x; n,1 − p ) = b(n − x; n, p) , y demostrarla.
b) Interpretar la igualdad B( x; n,1 − p ) = 1 − B(n − x − 1; n, p ) . Sugerencia: tener en cuenta que
a lo sumo x éxitos es equivalente a por lo menos (n − x) fracasos.
c) Verificar la validez de la siguiente relación de recurrencia:
(n − x) p
b( x + 1; n, p) = b( x; n, p ) para x = 0,1,L , n − 1 .
( x + 1)(1 − p )
__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P6
Ejercicio 24. ¿Binomial o Poisson?
a) Un dispositivo está compuesto de un gran número de elementos que trabajan
independientemente con pequeña probabilidad de falla de cada elemento, la misma para
todos, durante un intervalo de tiempo ∆t. Hallar el promedio de elementos que fallan en el
intervalo ∆t, si la probabilidad de que en ese tiempo falle por lo menos un elemento es
igual a 0.98.
b) Mediante estudios recientes se ha determinado que la probabilidad de morir por causa de
cierta vacuna contra la gripe es de 0.00002. Si se administra la vacuna a 100000 personas y
se supone que éstos constituyen un conjunto independientes de ensayos, ¿cuál es la
probabilidad de que mueran no más de dos personas a causa de la vacuna?
c) Una batería de artillería dispara a un blanco y se sabe que la probabilidad de acertar es
p=0.01. ¿Cuántos disparos tendrá que realizar para tener probabilidad mayor a 0.90 de dar
en el blanco por lo menos una vez? Resolver usando distribuciones Binomial y Poisson.
d) Un servicio de Internet proporciona el uso de 50 modems para satisfacer las necesidades
de 1000 usuarios. Se estima que en el intervalo de tiempo en estudio, cada cliente
necesitará una conexión con probabilidad 0.01, independientemente de los otros usuarios.
¿Cuál es la probabilidad de que los modems disponibles no sean suficientes? Resolver
usando distribuciones Binomial y Poisson.
Observación: En el apéndice III de esta guía de trabajos prácticos se presenta como usar el
programa Excel para realizar cálculos con estas distribuciones.

Ejercicio 25. Sea la experiencia de escribir en un disco de computadora y luego enviar el escrito
por un certificador que cuenta el número de pulsos faltantes. Suponer que este número, denotado
por X, es una variable aleatoria discreta con distribución Poisson de parámetro λ=0.2, según lo
sugerido en el artículo "Average Sample Number for SemiCurtailed Sampling Using the Poisson
Distribution", J. Quality Technology, 1983, pp. 126-129.
a) Graficar las funciones de probabilidad puntual de y de distribución acumulativa de X.
b) ¿Cuál es la probabilidad de que un disco tenga a lo sumo dos pulsos faltantes?
c) ¿Cuál es la probabilidad de que un disco tenga al menos dos pulsos faltantes?
d) Si dos discos se seleccionan independientemente, ¿cuál es la probabilidad de que ninguno
contenga pulsos faltantes?

Ejercicio 26. Se sabe que durante ciertas horas las llamadas telefónicas a una central están
distribuidas al azar según un proceso Poisson, con un promedio de 4 llamadas por minuto. Hallar
la probabilidad de que
a) transcurran dos minutos sin llamadas;
b) en un minuto haya por lo menos dos llamadas; y,
c) en tres minutos se produzcan 10 llamadas.

Ejercicio 27. Suponiendo que el número de fallas en una tela metálica se distribuye según la ley
de Poisson, a razón de 0,05 fallas por cm2. Calcular la probabilidad de encontrar:
a) una falla en 1 cm2;
b) por lo menos una en 10 cm2 ;
c) más de una y menos de cuatro en medio cm2.

Ejericio 28. El número de buques tanque que llegan de cada día a cierta refinería tiene una
distribución Poisson de parámetro λ=2 (o sea un promedio de dos barcos por día). Las actuales
instalaciones portuarias pueden atender a tres buques al día como máximo. Si más de tres buques
llegan en un día, los que exceden de tres deben enviarse a otros puertos.
a) Un día determinado, ¿cuál es la probabilidad de tener que enviar buques tanque a otros
puertos?

__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P7
 b) ¿Qué número de buques tendría que poder atender el puerto al día como máximo para que
la probabilidad de atención sea mayor que 0.9?

Ejercicio 29. Sea X una variable aleatoria con distribución Poisson de parámetro λ, X∼P(λ).
Demostrar la validez de la siguiente relación de recurrencia
λ
P ( X = k + 1) = P( X = k ) k = 0,1,2, L .
k +1

Ejercicio 30. La cantidad de partículas emitidas por una muestra radioactiva en un período de 5
segundos es una variable aleatoria de Poisson con intensidad de 0.84part/seg.
a) Hallar la probabilidad de que haya que esperar hasta la primera emisión: i) más de 5
segundos; ii) menos de 2.5 segundos.
b) Hallar el tiempo medio de espera, esto es el tiempo que en promedio hay que esperar entre
dos partículas emitidas consecutivas.
~
c) Hallar el tiempo mediano de espera, t , esto es el tiempo para el que la probabilidad de que
el tiempo de espera entre dos partículas emitidas consecutivas sea mayor que él es 0.5.

Ejercicio 31. Los camiones para el transporte de troncos tienen problemas con los neumáticos
debido a pinchaduras y cortes. Estos vehículos se conducen a gran velocidad sobre caminos de
tierra sinuosos. Se supone que tales desperfectos suceden conforme a una distribución Poisson a
una tasa media de 4 por cada 10000 km. Cada camión recorre 1000 km en una semana, y viaja 4
semanas en un mes.
a) ¿Cuál es la probabilidad de que los neumáticos de un camión sufran como mínimo tres
averías en una semana?
b) Si un camión registra averías en sus neumáticos en a lo sumo una de las 4 semanas del mes,
el conductor recibe un plus en su sueldo. ¿Cuál es la probabilidad de recibir dicho plus?

Ejercicio 32. En cierto cruce peligroso de rutas el número de accidentes que se producen puede
identificarse con una variable aleatoria que sólo depende de las condiciones climatológicas de ese
día. En los días lluviosos tiene una distribución Poisson de promedio tres accidentes diarios, y, en
las jornadas que no llueve, tiene una distribución Poisson de promedio un accidente diario. Los
registros meteorológicos del lugar indican que si un día llueve al día siguiente no llueve, y, si un
día no llueve hay una probabilidad 1/3 de que llueva al día siguiente. En ese lugar, hoy ha sido un
día sin lluvia. ¿Cuál es la probabilidad de que el número de accidentes de pasado mañana no
supere a 1?

Ejercicio 33. El gerente de una planta industrial planifica incorporar una máquina nueva de las
cuales dispone en el mercado del tipo A y B. Para la máquina tipo A, sus reparaciones correctivas
responden a ser una variable aleatoria X que sigue un proceso Poisson cuyo promedio es (0.10t),
siendo t el funcionamiento diario expresado en horas. El costo diario de operación correspondiente
sigue la ley CA(t)=10t+30x2. Para la máquina B, sus reparaciones también responden a un proceso
de Poisson con variable independiente Y, con promedio (0.12t) y su costo es CB(t)=8t+30y2.
Suponiendo que las reparaciones toman un tiempo pequeño que puede ser despreciable frente a su
costo, ¿cuál de las máquinas da el costo mínimo esperado si un día laborable tiene una duración
de: a) 10 horas; b) 20 horas? Sugerencia: para visualiza mejor el problema graficar el valor
esperado de la ganancia de cada máquina, E[CA(t)] y E[CB(t)] en función de la duración del día
laborable t.

Ejercicio 34. Sea X la variable aleatoria que representa el número de fracasos que ocurren antes
de que se presente el primer éxito en repeticiones sucesivas e independientes de un experimento
con sólo dos resultados posibles, éxito y fracaso. Sea p, 0<p<1, la probabilidad de obtener un
éxito.
a) Indicar el recorrido, RX, y la función de probabilidad puntual de X.
__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P8
 b) ¿Cuál es el número esperado de repeticiones? ¿Cuál es la varianza de X? Consultar en el
Apéndice II de esta guía de trabajos prácticos acerca de distribuciones especiales y ubicar
el modelo que le corresponde a este ejercicio.
c) Proponer un ejemplo concreto que responda a esta distribución.

Ejercicio 35. Los famosos ajedrecistas Bobby Fisher (1943-2008, estadounidense) y Boris
Spassky (1937- , soviético nacionalizado francés) juegan un campeonato de ajedrez a muerte
súbita donde el primer jugador que gana una partida gana el campeonato. Cada juego es ganado
por Fischer con una probabilidad p, por Spassky con probabilidad q, y es tabla (empate) con
probabilidad 1−p−q.
a) ¿Cuál es la probabilidad de que Fischer gane el campeonato?
b) ¿Cuál es la función de probabilidad puntual de la variable aleatoria X que corresponde a la
duración del campeonato medido en número de partidas jugadas? ¿A qué tipo distribución
responde?
c) Averiguar cuál es la expresión del valor esperado y la varianza del modelo de variable
aleatoria adecuado e indicar las expresiones de E(X) y V(X) en este problema.

TP3.Taller 1. Se le hurtan las 4 ruedas a un automóvil. Al encontrarlas se las repone al azar. ¿Qué
valores toma la variable aleatoria X definida como el número de ruedas repuestas en la misma
disposición en que estaban? Hallar la función de probabilidad puntual y el valor esperado E(X).

TP3.Taller 2. La experiencia de una empresa dedicada a procesamiento de datos muestra que al

probar por primera vez un programa, hay una probabilidad de 0.6 de encontrar uno o más errores
importantes (defectos en el programa que ocasionan que éste falle por completo); una probabilidad
de 0.3 de descubrir errores menores (fallos que permiten que corra el programa, pero que producen
resultados erróneos en ciertas situaciones) y una probabilidad de 0.1 de que no se detecte ningún
error. En los dos primeros casos, se trata de corregir todos los errores de programación que se
encontraron. Después, todos los programas se vuelven a probar. En la siguiente tabla de
probabilidades conjuntas se resumen los resultados considerando las dos pruebas:
Segunda Prueba
Importante Menor Ninguno
Importante 0.18 0.30 0.12
Primer Prueba Menor 0.03 0.09 0.18
Ninguno 0.00 0.00 0.10
Los programas que aún tienen errores (importantes o menores) en la segunda prueba, se
someten a una tercera ronda de correcciones. Los programas que tuvieron un error importante
en la segunda prueba tienen una probabilidad de 0.1 de presentar errores importantes en la
tercera prueba (independientemente del resultado que hayan tenido en la prueba inicial) y una
probabilidad de 0.2 de presentar fallos menores. Aquello que mostraron sólo defectos menores
en la segunda prueba, no tienen posibilidades de mostrar errores importantes en la tercera
prueba, pero una probabilidad de 0.1 de presentar errores menores (de nuevo,
independientemente del resultado de la primer prueba). Se supone que los programas que no
presentan fallos en la segunda prueba no se someten a una tercera ronda de correcciones.
a) Construir un diagrama de árbol para esta situación con el detalle del peso de cada rama.
b) ¿Cuál es la probabilidad de descubrir un error importante en la segunda prueba?
c) Encontrar la probabilidad de que un programa presente errores importantes en las tres
pruebas.
d) ¿Qué porcentaje de programas está libre de errores?
e) Sabiendo que un programa está libre de errores, ¿cuál es la probabilidad que en la primera
prueba haya presentado errores menores?
f) Sea X la variable aleatoria que indica la cantidad de veces que un programa se detectan
errores menores durante el proceso anterior. Dar el recorrido y hallar la distribución de
__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P9
 probabilidades correspondientes a X. Calcular el valor esperado y la varianza de X
(definida en el ítem anterior).

TP3.Taller 3. Un programa de lanzamientos debe pasar una prueba de inspección para darse por
aprobado. La prueba se compone de una serie de lanzamientos independientes por rondas. Una
ronda consiste en la ejecución de seis lanzamientos y se considera exitosa si al menos en cinco de
ellos el proyectil impacta en una zona predefinida. Las condiciones son tales que la probabilidad
de que un proyectil impacte en dicha zona es de 0.80 en cualquier lanzamiento.
a) Hallar la probabilidad de que una ronda resulte exitosa.
b) Si la prueba de inspección es satisfactoria sólo si resultan exitosas tres rondas seguidas,
¿cuál es la probabilidad de que el programa de lanzamientos sea aprobado?
c) ¿Hubiera sido igual, mayor o menor la probabilidad de aprobar el programa de
lanzamientos si la prueba hubiera consistido en 18 lanzamientos simples de los cuales por
lo menos 15 impactaran en la zona predefinida para declararse satisfactoria? Tratar de
justificar la respuesta antes de hacer la cuenta, y luego ratificar el resultado con el cálculo.
d) ¿Cuál es la probabilidad de aprobar el programa si la prueba de inspección fuese
satisfactoria en caso de resultar exitosas al menos tres rondas entre cuatro ejecutadas?

TP3.Taller 4. Se desea que un proceso de fabricación de fusibles no produzca más de 1% de

fusibles defectuosos. A tal efecto, se controla periódicamente el proceso examinando 10 fusibles,
y, si alguno falla, se detiene el proceso para revisarlo.
a) Si realmente el proceso está trabajando al 1%, ¿cuál es la probabilidad de detenerlo
innecesariamente?
b) ¿Cuántos fusibles deberán probarse (en vez de 10) si se desea que la probabilidad de
revisar el proceso cuando esté produciendo 5% de fusibles defectuosos sea 0.95?
c) Con el tamaño de muestra obtenido en el ítem b), ¿cuál es la probabilidad de revisar el
proceso en forma innecesaria?

TP3.Taller 5. Se fabrican botellas vertiendo vidrio fundido en un molde. El vidrio en estado de

fusión se prepara en un horno forrado con ladrillos refractarios. Cuando se desgasta el
revestimiento refractario, vestigios de ladrillo se mezclan con el vidrio fundido, y aparecen
finalmente como defectos (llamados piedras) en la botella. Al Departamento de Control de Calidad
le interesa como una medida del rendimiento del proceso la cantidad de defectos por lote de 1000
botellas.
a) Si es posible suponer que las piedras se presentan a razón de 0,0007 por botella, ¿cuál será
la probabilidad de que haya a lo sumo 2 defectos en un lote de 1000 botellas?
b) Si se encuentran 2 defectos en un lote de 1000 botellas, ¿cuál es la probabilidad de que
haya dos defectuosas?

TP3.Taller 6. Se lanza una serie de cohetes hasta que el primer lanzamiento exitoso tiene lugar. Si
esto no ocurre en 5 ensayos, el experimento se detiene y se inspecciona el equipo. Se supone que
hay una probabilidad constante de 0.80 de tener un lanzamiento exitoso y que los ensayos
sucesivos son independientes en su funcionamiento. Además, el costo del primer lanzamiento es a
unidades monetarias mientras que los lanzamientos que siguen cuentan a/3 unidades monetarias.
Cada vez que hay un lanzamiento exitoso, se obtiene cierta cantidad de información que puede
expresarse como una ganancia financiera c unidades monetarias. Si T es el costo neto del
experimento medido en unidades monetarias, encontrar la distribución de probabilidades de T.

__________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Variable aleatoria discreta – TP3.P10
U.T.N. F.R.Haedo Probabilidad y Estadística

Trabajo Práctico 4. Variable aleatoria continua

Ejercicio 1. Sea X una variable aleatoria continua. Hallar para qué valores de k∈R, las
siguientes funciones representan densidades de probabilidad. En cada caso, hallar la función de
distribución acumulativa FX(x) correspondiente; representar ambas funciones en forma gráfica y
calcular:
∞
el valor esperado E(X), E ( X ) = µ X = ∫ xf X ( x )dx ;
−∞

la mediana x , P( X < x ) = P( X > x ) ⇒ F ( ~

~ ~ ~ x ) = 0.5 , X

[ 2
]
y la varianza V(X), V ( X ) = E ( X − µ X ) = ∫ ( x − µ X ) 2 f X ( x)dx .
∞

−∞

kx 0 ≤ x ≤ 4
2
a) f X ( x) =  ⇒ f X ( x) = kx 2 [u ( x) − u ( x − 4)] .
0 x < 0 ∨ x > 4
[u(x) función escalón unitario definida en el apéndice I]
k (1 + 2 x) 0 ≤ x ≤ 2
b) f X ( x) =  ⇒ f X ( x) = k (1 + 2 x)[u ( x) − u ( x − 2)] .
0 x <0∨ x > 2
ke −5 x x ∈ R ≥0
c) f X ( x) =  ⇒ f X ( x) = ke −5 x u ( x ) .
0 x<0
−| x − m| a
d) f X ( x ) = ke para las constantes reales arbitrarias m y a>0.
 1 3 x
e 0≤x≤k
⇒ f X ( x) = e 3 x [u ( x ) − u ( x − k )] .
1
e) f X ( x) =  4
0 en otro caso 4

Ejercicio 2. Determinar cuáles de las siguientes funciones describen funciones de distribución

acumulativas válidas. En los casos que así se cumpla, calcular la función de densidad de
probabilidad asociada y graficar FX(x) y fX(x).
 −
x
 − 
1 − e 2 x ≥ 0
x
a) FX ( x) =  o en forma equivalente FX ( x ) = 1 − e  u ( x ) .
2

0 x<0  
0 x<0

b) FX ( x) = 0.5 + 0.5 sin [π( x − 1) / 2] 0 ≤ x < 2 .
1 x≥2

c) FX ( x) =
x
[u( x − a) − u( x − 2a)] con a>0.
a
0 x < −2
0.25 x + 0.5 − 2 ≤ x < 1

d) FX ( x) = 
0.5 x + 0.25 1 ≤ x < 1.5
1 x ≥ 1.5

Ejercicio 3. La función de densidad de la variable aleatoria X correspondiente a la temperatura

medida en grados que mantienen ciertas conservadoras después de 5 horas es
 3
 kx ² + −1 ≤ x ≤ 1  3
f X ( x) =  4 ⇒ f X ( x) =  kx 2 + [u ( x + 1) − u ( x − 1)] .
 0 en otro caso  4

_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P1
 a) Determinar el valor de k para que fX(x) sea una auténtica función de densidad de
probabilidad.
b) Graficar fX(x) y la función de distribución acumulativa FX(x).
c) Calcular la media o valor esperado, E(x)=µX, la mediana, ~ x , y la varianza V(X)=σX2 de la
distribución.
d) Calcular la probabilidad de que una conservadora tenga la capacidad de solidificar el agua.
e) Estimar la cantidad de conservadoras, entre 2500, que conservan una temperatura mayor
que medio grado bajo cero.
f) Estimar la temperatura máxima superada por 1500 entre 2500 conservadoras.

Ejercicio 4. La proporción de impurezas, X, de determinadas muestras de mineral de cobre es

una variable aleatoria que tiene una densidad de probabilidad
12 x 2 (1 − x ) 0 ≤ x ≤ 1
f X ( x) =  ,
0 para otro valor
cuyo gráfico se presenta conjuntamente con el de la función de distribución acumulativa FX(x).
f(x) F(x)
1.8 1

1.6 0.9

0.8
1.4

0.7
1.2
0.6
1
0.5
0.8
0.4

0.6
0.3

0.4
0.2

0.2 0.1

0 0
0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 0 0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1
x x
? ?

Figura Ejercicio 4. Funciones de densidad de probabilidad y de distribución acumulativa para X

a) Calcular la moda −valor X que hace máxima a fX(x)− y, en forma aproximada, la mediana
de la distribución.
b) ¿Cual es la probabilidad de que una muestra contenga más del 50% de impurezas?
c) Si sabe que al seleccionar una muestra la misma tiene una proporción de impurezas mayor
a 0.3, ¿cuál es la probabilidad de que contenga más de 0.5?
d) Si, en forma independiente, se seleccionan cuatro muestras, ¿cuál es la probabilidad de que
por exactamente una de ellas tenga una proporción de impurezas mayor que 0.5?

Ejercicio 5. La duración medida en cientos de horas, de cierto tipo de lámparas es una variable
aleatoria T con función de densidad de probabilidad
 t
− + 1 t ∈ [0;2]  t 
f T (t ) =  2 , o equivalentemente f T (t ) =  − + 1[u (t ) − u (t − 2)] .
0 t ∉ [0;2]  2 
a) Graficar la función fT(t).
b) Hallar la cantidad tc de cientos de horas para la cual la probabilidad de que la duración de
una lámpara sea por lo menos tc resulte igual a 0.25.

Ejercicio 6.Sea X una variable aleatoria con distribución uniforme en el intervalo real [a,b]:
k a ≤ x ≤ b
X∼U(a;b) ⇒ f X ( x) =  , o equivalentemente f X ( x) = k [u ( x − a ) − u ( x − b)] .
0 en otro caso
_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P2
 a) Hallar el valor de k, la función de distribución acumulativa FX(x) y graficarla.
b) Deducir el valor esperado E(X)=µX y la V(X)=σX2.
c) Comprobar que la probabilidad de que X no difiera en más de un desvío estándar de su
, esto es P( X − µ X ≤ σ X ) =
1 1
valor esperado es , cualesquiera sean los valores reales
3 3
de a y de b con a<b.
f(x)

a b x
µ−σ µ µ+σ

Figura Ejercicio 6, función de densidad de probabilidad de X∼U(a, b)

Ejercicio 7. Aplicaciones de la variable aleatoria con distribución uniforme.

a) Los tornillos de una cadena de producción se diseñan para que tengan una longitud
nominal de 760mm. Un dispositivo de pruebas pasa-falla elimina todos los tornillos más
pequeños de 650mm y más largos de 920mm. Los tornillos que pasan la prueba pueden
venderse y se sabe que sus longitudes quedan descritas mediante una función de densidad
de probabilidad uniforme. Cierto comprador pide todos los tornillos que pueden fabricarse
con una tolerancia del ±5% alrededor de su longitud nominal. ¿Qué fracción de la salida de
la cadena de producción comprará?
b) Una máquina que marca números telefónicos al azar selecciona aleatoriamente los últimos
cuatro dígitos entre 0000 y 9999 (incluidos ambos). Si la variable aleatoria X definida
como el número seleccionado se trata como si fuese continua (aún cuando sólo hay 10000
posibilidades discretas) y uniformemente distribuida, encontrar P(0300<X≤1300).

Ejercicio 8. Sea X una variable aleatoria con distribución exponencial con parámetro α∈R>0,
X∼Exp(α) con función de densidad de probabilidad
αe −αx x ≥ 0
f X ( x) =  , o equivalentemente f X ( x ) = αe − αx u ( x ) .
0 x<0
a) Demostrar que su función de distribución acumulativa es FX ( x) = 1 − e − αx u ( x ) .[ ]
f(x) F(x)
1
α
0.9

0.8

0.7

0.6

0.5

0.4

0.3

0.2

0.1

0
0 x 0 ? 1/α x
1/α 2/α 3/α 2/α 3/α

Figura Ejercicio 10, funciones de densidad de probabilidad y de distribución acumulativa de X ∼Exp(α)

b) Calcular el valor esperado E(X), la varianza V(X) y la mediana ~
x.

_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P3
 c) Demostrar que P(X≥x+x0 /X≥x0)=P(X≥x) donde x y x0 son dos valores no negativos.
Interpretar el significado de esta igualdad, que se conoce como propiedad de “carencia de
memoria” de la variable aleatoria y es independiente del valor α∈R>0.
d) Hallar la probabilidad de que X tome valores superiores a su valor esperado y constatar que
es independiente del valor del parámetro α∈R>0.
e) El tiempo hasta la primera falla de elementos, siempre que se produzcan por causas
exclusivamente aleatorias (proceso de Poisson), no por desgaste o por fatiga se puede
modelar con una distribución exponencial. La vida o número de horas de funcionamiento
de cierto tubo electrónico es una variable aleatoria X con distribución exponencial de
parámetro α=0.02, X∼Exp(α=0.02). Calcular la probabilidad de que la vida de uno de
estos tubos:
i. sea de a lo sumo 30 horas; ii. esté entre 30 y 100 horas, iii. sea superior a 100 horas.

Ejercicio 9. Sea T la variable aleatoria continua que define el tiempo medido en días de duración
de ciertos chips de memoria RAM (no disipa energía) y que obedece a una ley de probabilidad
exponencial con parámetro α∈R>0, tal que fT (t)=αe−αtu(t).
a) Se tiene el registro de que el 95% de los chips de una partida producida de este tipo duran
por lo menos 400 días. Proponer, a partir de este conocimiento, el parámetro α que
completa el modelo para T.
b) Con el valor de α hallado en la parte a), calcular la probabilidad de que un chip funcione
entre 500 y 600 días.
c) ¿Cuál es la probabilidad de que el chip funcione entre 500 y 600 días si lleva 1 año de
funcionamiento?

Ejercicio 10. La duración, en horas, de un bulbo para radio de un tipo determinado obedece a una
ley de probabilidad de tipo exponencial con parámetro α=0.001.
a) Una empresa que produce este tipo de bulbos desea garantizarlos durante cierto tiempo.
¿Cuántas horas debe amparar la garantía de que el bulbo funcione, para que haya una
probabilidad de 0.95 de que funcione por lo menos el número de horas garantizado?
b) Un dispositivo utiliza cinco de estos bulbos y funciona mientras funcionen todos ellos. Los
bulbos funcionan (y fallan) en forma independiente. ¿Cuál es la probabilidad de que el
dispositivo opere, por lo menos 100 horas? ¿Y 1000 horas?
c) Otro dispositivo también utiliza cinco de estos bulbos y funciona mientras lo hagan por lo
menos tres de ellos. ¿Cuál es la probabilidad de que el dispositivo funcione aún al término
de 1000 horas?

Ejercicio 11. La profundidad del agua, medida en metros, de cierto embalse se puede describir
mediante una variable aleatoria exponencial que tiene una función de densidad
 2 − 272 x

2

f X ( x) =
2 − 27 x
e u ( x ) =  27 e x ≥ 0.
27 0 x<0
Un canal de desagüe de emergencia en la parte superior del embalse que impide que la
profundidad sea mayor que 40.6m. Una tubería colocada a 32.0 m por debajo del canal de desagüe
(ignorando el diámetro finito de la tubería) lleva el agua a un generador hidroeléctrico.
a) ¿Cuál es la probabilidad de que se desperdicie agua a través del canal de desagüe de
emergencia?
b) Suponiendo que no se desperdicia agua, ¿cuál es la probabilidad de que el generador tenga
agua que conducir?
c) ¿Cuál es la probabilidad de que el agua esté demasiado baja como para producir energía?
d) Hallar y graficar las funciones de distribución y de densidad de la profundidad del agua
supuesto que el agua alcanzará la profundidad suficiente para generar energía y no se
desperdiciará agua por el canal de desagüe de emergencia. Graficar, con fines de
_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P4
 comparación, las funciones de distribución y de densidad de la profundidad del agua sin
ninguna condición.
Para el último ítem tener presente las siguientes expresiones.
Función de distribución acumulativa condicionada.
0 x<a
P([X ≤ x ] ∩ [a < X ≤ b ])  FX ( x ) − FX (a )

FX ( x / a < X ≤ b ) = = a≤ x≤b
P ( a < X ≤ b)  FX (b) − FX (a)
1 b<x
Representación esquemática para interpretar los resultados de las tres ramas.
X≤x X≤x X≤x

x x x

a b a b a b
a<X≤b a<X≤b a<X≤b
Figura Ejercicio 11. Intersección de eventos asociados
Función de densidad de probabilidad condicionada.
0 x<a
 f X ( x)
f X ( x / a < X ≤ b) =  a≤ x≤b
 F X (b ) − F X ( a )
0 b≤x

Ejercicio 12. Sea Xt una variable aleatoria con distribución de Poisson de parámetro λ=αt (un
proceso de Poisson de tasa de ocurrencia α). Si T es la variable aleatoria continua correspondiente
al tiempo transcurrido entre la ocurrencia de dos sucesos consecutivos, demostrar que
P(T<t)=(1−e−αt)u(t), y así la variable aleatoria T tiene distribución exponencial de parámetro α.

Ejercicio 13. Una componente tiene duración X que está exponencialmente distribuida con
parámetro α.
a) Si el costo de operación por unidad de tiempo es c, ¿cuál es el costo esperado de operar
este componente en su vida útil?
b) Si en lugar de una tasa constante de costo c como en la parte a), se supone que la tasa de
costo es T(x)=c(1−0.5eax) con a<0, de modo que el costo por unidad de tiempo es menor
que c cuando el componente en nuevo y se hace más costoso a medida que el componente
envejece. Calcular el costo esperado durante la vida útil del componente.

Ejercicio 14. La función de densidad de una variable aleatoria X con distribución de Rayleigh es
1
2
1  x−a  1  x−a 
2
−  
 ( x − a )e 2  b  x ≥ a 1 −  
f X ( x) =  b 2 ó en forma equivalente f X ( x ) = 2 ( x − a)e 2 b 
u ( x − a) ,
0 b
 x<a
y la función de distribución acumulada correspondiente es
  1  x−a  
2
1 x−a  2

1 − e − 2  b  x ≥ a −  
FX ( x ) =  , ó en forma equivalente FX ( x) = 1 − e 2  b   u ( x − a) ,
0  
x<a  
para las constantes a∈R y b∈R>0. Es, al igual que la distribución exponencial, un caso particular
de la distribución de Weibull (ver apéndice II).
a) Hallar la mediana de X, esto es el valor ~ x que verifica que P( X ≤ ~ x ) = P( X > ~ x ) . Ubicar
este valor en el gráfico correspondiente a FX(x) (ver figura).

_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P5
 b) Demostrar que el valor máximo de la función de densidad se produce en x = a + b , este
valor se llama moda de X. Hallar el valor de la función FX(x) en este valor, ubicar en el
gráfico (ver figura) y demostrar que dicho valor no depende de los parámetros a y b.
F(x)
f(x)
1
1
1 −2
e
b

0.50

a a+b x ?a
a+b x
Figura Ejercicio 14, X variable aleatoria con distribución de Rayleigh

Ejercicio 15. Aplicaciones de la distribución de Rayleigh.

a) El tiempo de vida de un sistema mecánico expresado en semanas es una variable aleatoria de
Rayleigh X con a=0 y b=400.
i. ¿Cuál es la probabilidad de que el sistema no dure una semana completa?
ii. ¿Cuál es la probabilidad de que el tiempo de vida del sistema sea mayor que un año?
iii. Hallar la probabilidad de que el sistema funcione más de 26 semanas sabiendo que ya
ha funcionado más de 20 semanas.
b) El esfuerzo vibratorio X, medido en lb/pulg2, en la paleta de una turbina de viento a una
velocidad de viento particular en un túnel de viento. El artículo “Blade Fatigue Life
Assessment with Apllication to VAWTS” (J. Solar Energy Engr., 1982, pp107-111) propone
la distribución de Rayleigh como modelo para la distribución de X con a=0 y b=100. ¿Cuál
es la probabilidad de que X tome un valor entre 100 y 200?
c) La envolvente (amplitud) de la señal de salida de radar que sólo está recibiendo ruido (no
señal) es una tensión aleatoria de Rayleigh X, medida en volt, tal que a=0 y b=2 El sistema
detecta un objetivo falso si X excede un nivel de umbral de V volt. ¿Cuál debe ser el valor de
V para que la probabilidad de hacer una detección falsa sea igual a 0.001?
d) El modelo de Weibull se ha mostrado adecuado para la duración de cojinetes a bolillas y a
rodillos, pues en estas piezas suelen tener importancia tanto las fallas por desgaste como las
aleatorias, debidas estas últimas a vibraciones y golpes. Para un tipo a bolilla se ha
establecido que los parámetros valen a=0 y b=100, expresándose la variable X en millones
de revoluciones. Calcular el porcentaje con duraciones mayores a 120 millones de
revoluciones.

Ejercicio 16. Sea X una variable aleatoria con distribución normal de parámetros valor esperado
µX y desviación estándar σX, X∼N(µX, σX2).
a) Demostrar que la función de densidad de probabilidad correspondiente
2
1  x −µ X 
−  
1 2 σ X
f X ( x) = e 

σ X 2π
con x∈R, µX ∈R, σX ∈R>0 presenta
i. un máximo en x=µX,
ii. dos puntos de inflexión ubicados en x=µX −σX y en x=µX +σX, y
iii. es simétrica con respecto a la recta x=µX, esto es fX(µX −a)=fX(µX +a) ∀a∈R.
b) Dar la expresión formal de la función de distribución acumulativa de X, FX(x).

_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P6
 σ −1(2π) −1/2

0.5

µ−2σ µ−σ µ µ+σ µ+2σ X µ−2σ µ−σ µ µ+σ µ+2σ X

2
Función de densidad de probabilidad de X∼N(µ;σ ) Función de distribución acumulativa de X∼N(µ;σ2)

c) Para un valor esperado nulo y un desvío estándar unitario, esto es para la variable normal
estándar o tipificada Z∼N(0,12), dar las expresiones correspondientes a la función de
densidad fZ (z) y la función de distribución acumulativa FZ (z)=P(Z≤z) =Φ(z).
d) Proponer en X∼N(µX, σX2) un cambio de variable del tipo aX+b de forma de obtener
Z∼N(0,12).
e) Escribir las probabilidades P(µ X − aσ X < X < (µ X + aσ X ) para a=1,2,3 en términos
adecuados de Φ(z).

Ejercicio 17. Si Z representa una variable normal estándar N(0;12), utilizar la tabla
correspondiente para contestar los siguientes ítems y verificar los resultados en Excel (Apéndice
III).
a) Calcular: i. P(Z≤1), ii. P(Z>1), iii. P(Z<−1.57), iv. P(−1.5<Z≤0.5).
b) Hallar c tal que: i. P(0≤Z ≤c)=0.49, ii. P(|Z|≤c) =0.49, iii. P(c≤|Z |)=0.49.
c) Para cualquier valor p entre 0 y 1 se puede hallar el (100p)avo percentil de la distribución.
Por ejemplo, el 99avo percentil es aquel que deja en la curva fZ(z) un área encerrada de
0.99. Se utilizará la siguiente notación: zα denotará el valor en el eje de medición tal que
deja a su derecha un área α en la curva fZ(z) esto es P(Z≥zα) =α con 0<α<1. Así, el 99avo
percentil es z0.01; el primer percentil es el opuesto, −z0.01. Utilizando esta nomenclatura,
completar la siguiente tabla.
Percentil 90 97.5 99 99.5 99.95
α (área de cola derecha) 0.050 0.010 0.001
zα=100(1−α)avo percentil 2.33
f(z) f(z)
(2π)−1/2 (2π)−1/2

Area sombreada
99avo percentil

Area sombreada
0.01

−2.33 2.33

-3 -2 -1 0 1 2 z 3 -3 -2 -1 0 1 2 z 3
99avo percentil 1er. percentil 99avo percentil
Relación entre los percentiles primero y 99avo en la variable aleatoria normal estándar

_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P7
Ejercicio 18. Una empresa que produce jugos de fruta posee una máquina automática que llena
los envases de 450ml. Sin embargo, hay cierta variación que se produce en el llenado, poniendo al
sistema fuera de control. Durante un intervalo muy grande se tuvo una cantidad promedio de
entrega a cada envase de 450ml con una desviación estándar de 28.125 ml Si se supone que la
cantidad servida en cada envase sigue una distribución normal, estimar la probabilidad de que la
máquina suministre más de 478.125ml de líquido en cualquier envase.

Ejercicio 19. Un radar tiende a sobreestimar la distancia de un aeroplano, y el error es una

variable aleatoria normal con una media de 50 metros y una desviación estándar de 100 metros.
¿Cuál es la probabilidad de que la distancia medida sea menor que la distancia verdadera?

Ejercicio 20. En cierta región la altura de la parte inferior de las nubes se puede suponer una
variable aleatoria normal X expresada en metros con valor medio µX =4000 y desvío estándar
σX =1000. Una persona apuesta a que al día siguiente la altura de la nube estará comprendida
dentro del conjunto A={1000<X≤3300} y una segunda persona apuesta a que la altura satisfará la
condición de pertenencia de B={2000<X≤4200}. Una tercera persona apuesta a que ambos
tendrán razón. Hallar las probabilidades que cada persona tiene de ganar.

Ejercicio 21. En los Juegos Olímpicos, la jabalina se lanza a distancias que siguen de forma
aproximada una distribución normal, X∼N(µX;σX2) medida en metros, con µX =50 y σX =6, para la
rama femenina. En una ronda de calificación, el lanzamiento de las candidatas tiene que superar
los 42 metros para calificarse. En el evento principal, el récord de lanzamiento de 69,48 metros lo
estableció la deportista noruega Trine Solberg Hattestad (1966-) en los Juegos Olímpicos de
Sydney celebrados en Julio de 2000.
a) ¿Cuál es la probabilidad de que un lanzamiento supere la distancia de calificación?
b) En la ronda de calificación cada jugador ejecuta tres lanzamientos independientes y queda
calificado si el mejor de los tres supera la distancia de calificación. ¿Cuál es la probabilidad
de ser descalificado en una ronda de calificación?
c) ¿Cuál es la probabilidad de batir el récord durante el evento principal?

Ejercicio 22. Una cadena de producción fabrica resistencias de 1000Ω con una tolerancia del
10%.
a) Si la resistencia puede describirse mediante una variable aleatoria normal X para la que el
valor medio es µX =1000Ω y la desviación estándar es σX =40Ω, ¿qué porcentaje de las
resistencias están fuera de lo tolerancia?
b) Si una máquina no está ajustada correctamente, los valores de las resistencias cambian de
modo que µX =1050Ω (desvío del 5% con respecto al valor nominal) pero no modifica σX,
¿qué porcentaje está fuera del rango de resistencias toleradas?
c) ¿Que porcentaje de resistencias que se producen con la máquina ajustada será rechazado si
el control se hace con un sistema automático imperfecto tal que clasifica fuera de tolerancia
erróneamente al 8% y dentro de lo tolerado erróneamente al 3% de lo que analiza?

Ejercicio 23. La dureza Rockwell de un metal se determina presionando la superficie en estudio

con un punto acerado o con un cono de material duro en condiciones preestablecidas y luego se
mide la profundidad de indentación o penetración de la herramienta usada. La dureza de cierta
aleación es una variable aleatoria, X, que puede suponerse distribuida normalmente con una media
de 70 y un desvío estándar de 3 (aceptando como modelo que la escala de medición es continua).
a) Si el espécimen es aceptable sólo si la dureza está entre 67 y 75, ¿cuál es probabilidad de
que un espécimen seleccionado al azar tenga una dureza aceptable?
b) Si la escala aceptable de dureza fuese (70−c;70+c), ¿para qué valor de c tendría una
dureza aceptable el 95% de todos los especimenes?

_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P8
 c) Si la escala aceptable es como en la parte a) y la dureza de cada diez especimenes
seleccionados al azar se determina independientemente, ¿cuál es el número esperado de
especimenes aceptables entre los diez?
d) ¿Cuál es la probabilidad de que a lo sumo 8 de diez especimenes seleccionados
independientemente tengan una dureza menor de 73.84? Sugerencia: definir una variable
aleatoria Y correspondiente al número entre lo diez especimenes con dureza menor de
73.84 que tendrá distribución binomial de parámetros n y p; ¿cuánto vale p?

Ejercicio 24. Decisión entre dos procesos de fabricación en función del costo. Las
especificaciones para un capacitor determinan que su “vida” debe oscilar entre 1500 y 4500 horas.
Se sabe que su vida está normalmente distribuida con una media de 3000 horas. El ingreso
proveniente por la venta de cada capacitor dentro de la especificación es de $9.00; una unidad
fallada debe ser reemplazada a un costo de $3.00 para la empresa. Dos procesos de fabricación
pueden producir capacitores con vidas útiles de medias satisfactorias (3000 horas). La desviación
estándar para el proceso A es de 750 horas y para el proceso B es de 500 horas. Los costos de
fabricación por unidad para el proceso A son la mitad de los del proceso B. Qué valor del costo de
fabricación por unidad es crítico en la medida de optar por el proceso A ó B?

Ejercicio 25. Detección de una señal binaria. Se transmite un mensaje binario como una señal
S, la cual puede se −1 ó 1 con igual probabilidad. El canal de comunicación corrompe la
transmisión con un ruido aditivo W aleatorio con distribución normal de valor medio nulo, µW=0, y
varianza σW2. El receptor concluye que fue transmitida la señal −1 si el valor recibido X=S+W es
menor que 0, o que fue transmitida la señal +1 si el valor recibido es mayor o igual a 0, como se
esquematiza en la figura. ¿Cuál es la probabilidad de error?
Ruido W
W∼N(0,σ2)
−1 si S + W < 0

Transmisor Canal ruidoso Receptor

Señal S S+W +1 si S + W ≥ 0
S = −1 ó +1
Figura Ejercicio 25. Detección de una señal binaria

Ejercicio 26. La tensión de salida X del receptor de un sistema de comunicación digital binario
presenta las características descritas a continuación. Cuando se está recibiendo un 0 binario, es una
variable aleatoria normal (sólo ruido) con valor medio nulo y desviación estándar de 0.3. Cuando
se recibe un 1 binario también es una variable aleatoria normal (ahora señal mas ruido) con valor
medio 0.9 y desviación estándar 0.3. La lógica de decisión del receptor especifica que al final de
un intervalo binario (bit), si X>0.45 se dice que ha recibido un 1. Si X≤0.45, se dice que es un 0
binario.
a) Si resulta que realmente se recibe un 0 binario, hallar las probabilidades de que
i. se decida que es un 1 binario (error), y
ii. se decida que es un 0 binario (decisión correcta).
b) Si resulta que realmente se recibe un 1 binario, hallar las probabilidades de que
i. se decida que es un 1 binario (decisión correcta), y
ii. se decida que es un 0 binario (error).
c) ¿Qué porcentaje de dígitos se interpretan correctamente cuando llega al receptor una señal
donde el 60% son 0 y los restantes 1?

Ejercicio 27. Cierta característica de calidad X de un artículo se distribuye normalmente con

media µX y desviación estándar σX. Los artículos de la producción se clasifican en A, B ó C según
que el valor de X se halle a más de un σX por debajo de µX, a menos de un σX respecto de µX, o más
de un σX por encima de µX. La probabilidad de que un artículo elegido al azar pase exitosamente
_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P9
una prueba de control de calidad es 0.5, 0.9 y 0.6 para A, B y C, respectivamente. Hallar el número
esperado de artículos que aprobarán el control en una muestra de 100 artículos elegidos al azar de
una producción de tamaño mucho mayor.

Ejercicio 28. Dos máquinas rectificadoras A y B trabajan de tal manera que cuando se ajusta el
diámetro requerido para la pieza rectifican según una distribución normal de valor medio 5mm y
desviaciones estándar de 0.01 mm y 0.02mm, respectivamente. La máquina A hace el 80% del
trabajo y la B el resto. Se mezclan las piezas rectificadas y se supone que una pieza es buena si el
diámetro D de una pieza está comprendido entre 5mm y 5.02 mm.
a) ¿Cuál es la probabilidad de que una pieza extraída el azar resulte fuera de especificación?
b) Si una pieza extraída al azar resulta fuera de especificación, ¿cuál es la probabilidad de que
haya sido rectificada por la máquina B?
c) Si se toma una muestra de 10 artículos de la mezcla de los fabricados por ambas máquinas,
¿cuál es la probabilidad de encontrar: i. 1 pieza buena?, ii. por lo menos una pieza buena?

Ejercicio 29. Una señal de amplitud S =2 es transmitida desde un satélite pero se corrompe por
ruido, y la señal recibida es X=S+W donde W es ruido, todo medido en volt. Cuando el tiempo es
bueno, W es una variable aleatoria normal con media nula y varianza unitaria. Cuando el tiempo es
malo, W es también una variable aleatoria con distribución normal de valor medio nulo pero de
varianza 4. Las condiciones de buen o mal tiempo son igualmente probables. En ausencia de
cualquier otra información meteorológica,
a) hallar la función de distribución acumulativa FX(x) y la función de densidad de
probabilidad fX(x); y,
b) calcular la probabilidad de que X esté entre 1 y 3.

TP4. Taller 1. El costo de producción de ciertas varillas de metal es de $12 por unidad. El
diámetro de una varilla elegida al azar es una variable aleatoria. Históricamente se sabe que el 10%
de las varillas se descartan porque tienen un diámetro menor que 9.9cm. El 15% de las varillas se
venden como de segunda calidad a $20 por unidad pues tienen un diámetro mayor que 10.1cm. Las
varillas cuyo diámetro está comprendido entre 9.9cm y 10.1cm se venden como de primera calidad
y pasan a la sección de almacenado. Al llegar a esta sección se hace una medición más cuidadosa
de su diámetro y si resulta menor que 10cm se clasifica como varilla delgada y se vende a $24, y,
en caso contrario, se clasifica como varilla gruesa y se vende a $36. Se sabe que el diámetro X de
una varilla elegida al azar de las que llega a la sección de almacenado es una variable aleatoria con
la siguiente función densidad de probabilidad
100( x − 9.9) 9.9 ≤ x < 10.0

f X ( x) = 100(10.1 − x) 10.0 ≤ x ≤ 10.1 .
0 x < 9.9 ∨ x > 10.1

¿Cuál es la utilidad esperada por varilla producida?

TP4.Taller2. La variable aleatoria X representa la calidad de un artículo en un proceso de

manufactura, donde la función de densidad de probabilidad de X es
2
 x 0< x<λ
f ( x) =  λ2 .
0 en otro caso
Al someter a un control de calidad a cada uno de los artículos manufacturados, se aprueban
aquellos para los cuales x>L (0<L<λ), y el resto se rechaza. El costo de un artículo rechazado es
C1 =aλ+b y la utilidad de un artículo aprobado es C2 −C1. El parámetro positivo λ es una variable
del proceso de manufactura y se puede ajustar a cualquier valor deseado. Determinar el valor de λ
tal que se maximice la utilidad esperada. Dejar la respuesta en función de los datos, esto es las
constantes positivas a, b L y C2.
_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P10
TP4.Taller 3. Un sistema consta de dos componentes conectados. Dichos componentes fallan
independientemente uno del otro y cada uno tiene una duración en horas (h) que puede suponerse
una variable aleatoria continua con distribución exponencial de parámetros α1 y α2 (ambos en h−1),
respectivamente. Se definen los sucesos:
Ai ={el i−ésimo componente dura por lo menos t horas}, i=1,2.
Sea T el instante de tiempo (en h) en el que falla el sistema.
a) Si los componentes se conectan en serie
i. expresar P(T>t) en términos de las probabilidades P(A1) y P(A2),
ii. obtener las funciones de distribución acumulativa y de densidad de probabilidad de T.
b) Si los componentes se conectan en paralelo
i. expresar P(T>t) en términos de las probabilidades P(A1) y P(A2),
ii. obtener la función de distribución y la función de densidad de probabilidad de T.

TP4.Taller 4. El modelo exponencial se emplea para describir de forma aproximada las

fluctuaciones de la intensidad de las señales que recibe un radar de ciertos tipos de avión. La
potencia X, expresada en milivolts, devuelta a un radar desde un determinado avión tiene la
función de densidad de probabilidad
x
1 −10
f X ( x) = e u ( x) .
10
Un determinado avión pertenece a esta clase pero se sabe que no produce una potencia mayor a 15
milivolts, xMAX=15.
a) Dar el valor experado de X si no estuviera limitado el máximo de la potencia.
b) Hallar la función de densidad de probabilidad de X condicional sobre X ≤15, esto es
fX (x/X≤15).
c) Hallar el valor medio condicional de X sobre X≤15.
Observación. Sea A un evento cualquiera definido en el espacio muestral, y sea f X ( x / A) la
función de densidad condicional entonces el valor esperado condicional es
∞
E ( X / A) = ∫ xf X ( x / A)dx .
−∞

Si A = {X ≤ x MAX } con xMAX ∈RX =R≥0,


 0
0 x<0 x<0
P([ X ≤ x ] ∩ [ X ≤ x MAX ])  P( X ≤ x)  FX ( x)
FX ( x / X ≤ x MAX ) = = 0 ≤ x ≤ x MAX =  0 ≤ x ≤ x MAX
P( X ≤ x MAX )  FX ( x MAX )  FX ( x MAX )
 P( X ≤ x MAX ) 1 x > x MAX
 P( X ≤ x ) x > x MAX
 MAX

0 x<0 x MAX
 f X ( x)
f X ( x / X ≤ x MAX ) =  0 ≤ x ≤ x MAX ⇒ E ( X / X ≤ x MAX ) =
∫
0
xf X ( x)dx

 FX ( x MAX ) FX ( x MAX )
0 x > x MAX

TP4.Taller 5. Una corriente eléctrica I, medida en Ampère, que fluctúa se puede considerar como
una variable aleatoria distribuida uniformemente en el intervalo [9,11]. Si esta corriente se hace
pasar por una resistencia de 2 ohm, la potencia entregada, medida en watt, será una variable
aleatoria X=2I2.
a) Hallar la función de distribución acumulativa FX(x)=P(X≤x), la función de densidad fX(x),
y graficarlas.
b) Calcular la probabilidad de que X tenga un valor entre 100 y 220.5.

_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P11
TP4.Taller 6. Una persona maneja entre dos ciudades A y B, distantes 180 kilómetros a una
rapidez constante cuyo valor es una variable aleatoria uniformemente, X, distribuida entre 60 y 90
kilómetros sobre hora. ¿Cuál es la función de densidad de probabilidad de la variable aleatoria Y
correspondiente a la duración del viaje? Graficar las funciones fX(x), FX(x), fY(y), FY(y).

TP4.Taller 7.
a) La posición de impacto de un proyectil de cañón, medida en metros a lo largo de la línea de
fuego desde el objetivo, puede describirse como una variable aleatoria con distribución
normal X. Se sabe que el 115.15% de los proyectiles caen a 112.2 metros o más del
objetivo en la dirección del cañón, mientras que el 5.05% caen más allá de 95.6 metros del
objetivo. ¿Cuáles serán los valores de µX y σX.
b) la lectura de temperatura de un termopar puesto en un medio de temperatura constante es
una variable aleatoria que está normalmente distribuida con media µ, la temperatura real
del entorno, y desviación estándar σ. ¿Cuál tendría que ser el valor de σ para asegurar que
el 95% de las lecturas se encuentran dentro de una décima de grado de µ?

TP4.Taller 8. Se define una función g(x) de una variable aleatoria X mediante

1 x ≥ x0
g ( x) = 
0 x < x0
donde x0∈R. Demostrar que E[g(x)]=1−FX(x0).

TP4.Taller 9. Sea X una variable aleatoria continua, con alguna función de densidad de
probabilidad fX(x) no nula en el intervalo (0,1), de la que sólo se conoce que P(X≤0.29)=0.75. Si
Y=1 −X, la información disponible, ¿es suficiente para determinar el valor k de modo que
P(Y≤k)=0.25? En en caso positivo, hallarlo; caso negativo, justificar la respuesta.

TP4.Taller 10. Sea X una variable aleatoria con distribución normal de parámetros µX y σX,
X∼N(µX,σX2).
a) Demostrar que si se define Y=aX+b (una función lineal de X) resulta una variable
aleatoria también con distribución normal. ¿Cuáles son los parámetros de la distribución
de Y, esto es E(Y)= µY y V(Y)=σY2 ? Sugerencia: escribir la función de distribución
acumulativa de Y, FY(y)=P(Y≤y), como una integral donde aparece la función de densidad
de X, fX(x), y luego derivar para obtener fY(y).
b) Si cuando se mide en ºC la temperatura está normalmente distribuida con media 115 y
desviación estándar 2, ¿qué puede decirse acerca de la distribución de temperatura medida
en ºF?

_____________________________________________________________________________________________
U.T.N. F.R.H. Probabilidad y Estadística. Regresión Lineal – TP9.P12