7 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE.
7
26
Resolución de algunos ejemplos y ejercicios
del tema 7.
7.1
Ejemplos.
Ejemplo 42 Lanzamos una sola vez una moneda trucada de manera que la
probabilidad de obtener una cara es 2/3. Modelar este experimento mediante
una variable aleatoria.
Respuesta: La variable aleatoria X = “obtener una cara en una tirada” tiene
distribución de Bernoulli de parámetro p = 2/3, es decir, si llamamos 1 al
resultado “cara” y 0 al resultado “cruz”, P (X = 1) = 2/3 y P (X = 0) =
1 − 2/3 = 1/3.
Ejemplo 43 Lanzamos 10 veces la moneda del ejemplo 42.
a) Modelar este experimento mediante una variable aleatoria.
b) Calcular la probabilidad de obtener 6 caras.
c) Calcular la probabilidad de obtener menos de 3 caras.
Respuestas: a) y b) Si llamamos X a la variable aleatoria que cuenta el
número de caras que se obtienen al tirar 10 veces la moneda anterior, tenemos
que calcular la probabilidad P (X = 6) con X ∼ B(10, 2/3), es decir,
P (X = 6) =
µ
10
6
¶10−6
¶ µ ¶6 µ
2
2
1−
= 0.227608.
3
3
c) Queremos calcular también la probabilidad de obtener menos de 3 caras.
P (X < 3) = P (X = 0) + P (X = 1) + P (X = 2)
= 1.69 · 10−5 + 3.39 · 10−4 + 9.14 · 10−3 = 9.50 · 10−3 .
Ejemplo 44 El 25% de los árboles de un cierto tipo tienen una enfermedad
en las hojas. Escogemos 5 árboles al azar. ¿Cuál es la probabilidad que todos
tengan la enfermedad? ¿Cuál es la probabilidad que menos de 2 la padezcan?
¿Y la que 2 o más la padezcan?
Respuestas: Consideramos la v.a. X =“número de árboles enfermos de un
total de 5”, que tiene una ley B(5, 0.25). Nos piden calcular las siguientes
probabilidades:
µ ¶
5
P (X = 5) =
0.255 (1 − 0.25)0 = 0.255 = 0.00098.
5
P (X < 2) = P (X = 0) + P (X = 1)
µ ¶
µ ¶
5
5
=
0.250 0.755 +
0.251 0.754 = 0.6328.
0
1
P (X ≥ 2) = 1 − P (X < 2) = 1 − 0.6328 = 0.3672.
7 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE.
27
Ejemplo 45 ¿Cuál es la probabilidad que se tenga que lanzar la moneda del
ejemplo 42 dos veces para obtener una cara? ¿Y la probabilidad que se tenga
que lanzar 5 veces para obtener una cara?
Respuestas: La v.a. X que cuenta el número de lanzamientos necesarios
hasta obtener una cara sigue un ley geométrica de parámetro p = 2/3, es decir,
X ∼ Geom(2/3). Por tanto,
µ
¶
2 2
= 0.2222,
P (X = 2) = 1 −
3 3
P (X = 5) =
µ
1−
2
3
¶4
2
= 0.0082.
3
Ejemplo 46 Una centralita telefónica recibe unas 300 llamadas cada hora y no
puede establecer más de 12 conexiones por minuto. Queremos calcular:
a) la probabilidad que quede colapsada en un minuto dado,
b) la probabilidad que haya una sola llamada en un minuto dado.
Respuestas: a) Podemos considerar la variable aleatoria
X = número de llamadas por minuto,
que tiene una distribución de Poisson. El parámetro λ es el número medio de
llamadas por minuto, es decir, λ = 300/60 = 5. Por tanto, la probabilidad que
la centralita se colapse es
P (X > 12) = 1 − P (X ≤ 12) = 1 − e−5
12
X
5k
k=0
k!
= 0.002.
b) Calculamos ahora la probabilidad que haya una sola llamada en un minuto
dado.
5
P (X = 1) = e−5 = 0.0337.
1!
7 INTRODUCCIÓN A LA ESTADÍSTICA. GRUPO 71 LADE.
7.2
28
Ejercicios.
Ejercicio 28 Para comprender mejor el modelo de Poisson, podéis analizar las
siguientes cuestiones:
1. Anotamos el número de veces que una planta de energı́a nuclear emite
gases radioactivos en un cierto periodo de tiempo y vemos que la media
de radiaciones es proporcional al periodo, siendo 2 el número medio de
emisiones en un mes.
(a) ¿Cuál es la distribución de X=número de radiaciones emitidas en
periodos de un mes?
(b) ¿Cuál es la distribución de X3 =número de radiacions emitidas en
periodos de tres meses?
(c) ¿Cuál es la distribución de X1/2 =número de radiacions emitidas en
periodos de 15 dı́as?
(d) Calculad las probabilidades P (X ≤ 2), P (X3 ≥ 5), P (X1/2 = 0), y
decid qué significan.
Respuestas: a) La v.a. X que cuenta el número de radiaciones emitidas en
perı́odos de un mes tiene una ley de Poisson de parámetro λ = 2, es decir,
X ∼ P ois(2).
b) X3 ∼ P ois(3 · 2) = P ois(6),
c) X1/2 ∼ P ois(1/2 · 2) = P ois(1),
d) Las probabilidades P (X ≤ 2), P (X3 ≥ 5), P (X1/2 = 0) son:
P (X ≤ 2) =
2
X
k=0
e−2
2k
= 0.1353 + 0.2707 + 0.2707 = 0.6767,
k!
que significa que la probabilidad de que como máximo haya 2 emisiones radioactivas en un mes es de 0.6767.
P (X3 ≥ 5) = 1 − P (X3 < 5) = 1 −
4
X
k=0
e−6
6k
k!
= 1 − (0.0025 + 0.0149 + 0.0446 + 0.0892 + 0.1339) = 1 − 0.2404 = 0.7596,
que significa que la probabilidad de que como mı́nimo haya 5 emisiones radioactivas en un trimestre es de 0.7596.
P (X1/2 = 0) = e−1
10
= 0.3679,
0!
que significa que la probabilidad de que no haya ninguna emisión radioactiva en
15 dı́as es de 0.3679.
0
