Prctica 6

Javier Gonzlez Garca IAMR

4. Ejercicios propuestos

1. (Sigue del primer ejercicio) Cuando las compuertas del pantano estn abiertas, lo que ocurre el 35
% de los das, el caudal del canal de riego (m3 por segundo) tiene como funcin de densidad:

a) Contesta a las dos primeras preguntas del problema anterior en un da que las compuertas del
pantano estn abiertas.
En que porcentaje del tiempo el caudal no llegara a 5 m3 por segundo.
I<-function(x){(1/96)*(x^3)*(exp(-x/2))}
integrate(I,lower=0,upper=5)
0.2424239 with absolute error < 2.7e-15

> Cual es el caudal medio?

J<-function(x){x*(1/96)*(x^3)*(exp(-x/2))}
integrate(J,lower=0,upper=Inf)
8 with absolute error < 5.2e-06

>Con cuanta desviacion?

K<-function(x){x^2*(1/96)*(x^3)*(exp(-x/2))}
integrate(K,lower=0,upper=Inf)
80 with absolute error < 4.9e-05

25. Variable aleatoria continua.

a) Que porcentaje del tiempo se encuentra el invernadero con una humedad superior al 40 %.
P (X > 0.4) = 0.8208, es decir, un 82'08 % del tiempo la humedad ser superior al 40%.
I<-function(x){12*x^2*(1-x)}
> integrate(I,lower=0.4,upper=1)
0.8208 with absolute error < 9.1e-15
1

Prctica 6

Javier Gonzlez Garca IAMR

b) Determina la media y la desviacin del grado de humedad.

La media: 0.6
J<-function(x){x*12*x^2*(1-x)}
integrate(J ,lower=0, upper=1)
0.6 with absolute error < 6.7e-15
La desviacin

c) La mitad de los das el grado de humedad ser superior a, cunto?

P (X > a) = 0.5 a = 0.62
> integrate(I,lower=0,upper=0.615)
0.501271 with absolute error < 5.6e-15
d) Si se anota el grado de humedad de 60 das, cul es la probabilidad de que la humedad media no
alcance el 56 %?
P (X<0.56)= 0.41
> integrate(I,lower=0,upper=0.56)
0.4074291 with absolute error < 4.5e-15
26.Distribucin uniforme.
Distribucin uniforme. El error de medida de una balanza de precisin en mg se puede modelizar
como una variable aleatoria continua con distribucin n
uniforme en el intervalo (3, 3).
a) Escribe la ecuaci n
y representa la funci n
de densidad.

b) Cu l es la probabilidad de que el error sea negativo?

P (X<0) = 0.5
y mayor que 2?
P(X>2)= 0.17
c) Determina la media y la varianza del error.
Tanto su media como su varianza es 0.
2

Prctica 6

Javier Gonzlez Garca IAMR

d) Cul es la probabilidad de que el valor del peso que da la balanza se aleje del verdadero como
mucho dos miligramos?
-Como en la pregunta b hemos calculado la probabilidad de un error > 2, podemos multiplicarla por
dos y a la probabilidad total:
0.17 * 2 = 0.34
1-0.34 = 0.66 es la probabilidad de un error de como mucho, 2 mg.
e) Calcula la funcin de distribucin de la variable error.

27. Distribucin exponencial. En una zona la duracin de las precipitaciones sigue una distribucin
exponencial de media 40 minutos.
a) Escribe la funcin de densidad de X: duracin de una precipitacin (minutos) y dibuja su grfica

b) Cu l es la probabilidad de que una precipitacin dure ms de 1 hora y 40minutos?

P(X>100) = 0.08

Prctica 6

Javier Gonzlez Garca IAMR

> pexp(c(100), rate=0.025, lower.tail=FALSE)
[1] 0.082085

c) Qu desviacin tiene la variable?

Es igual a la media. En este caso = 40
d) El 10 % de las precipitaciones tendr una duracin mxima de, cuntos minutos?
P(X<a)=0.1 Hallamos el cuantil 10 fijndonos en la cola izquierda. a= 4.21
> qexp(c(.1), rate=0.025, lower.tail=TRUE)
[1] 4.214421
e) Si lleva lloviendo 20 minutos, cul es la probabilidad de la precipitacin dure al menos 50 minutos?
Como estamos tratando con una distribucin exponencial podemos omitir los 20 minutos previos
gracias a la propiedad de prdida de memoria que posee dicha distribucin. Por lo que calcularemos:
P(X>50)= 0.29
> pexp(c(50), rate=0.025, lower.tail=FALSE)
[1] 0.2865048

28. Distribucin con nombre propio El tiempo que transcurre entre las visitas al nido de los dos
progenitores para alimentar las cras en un nido de cardelinas se comporta como una exponencial de
media dos horas.
a) Cul es la probabilidad de que las cras no reciban alimento en dos horas?
1

Siendo X (tiempo hasta que se produce la visita en minutos) X:Exp (=120=0.0083)

Calculamos P (X > 120) = 0.37
b) Una vez recibida la visita, cul es la probabilidad de que las cras esperen menos de 15 minutos
para ser alimentadas de nuevo?
El hecho de que se haya recibido ya una visita no altera las siguientes probabilidades, con lo que:
P (X < 15) = 0.11
c) Una vez recibida la visita, el 90 % de las veces cunto debern esperar como mnimo las cras a la
siguiente visita?
P (X > a) = 0.9 (Cuantil 0.9 por la derecha) = 12.7 minutos
d) Si no ha habido visitas en las tres ltimas horas, cul es la probabilidad de que tampoco las haya
en las siguientes cuatro horas?
Probabilidad condicionada:

0.1364223
( > 240 )

=
= 0.6
( > 180) 0.224473

Prctica 6

Javier Gonzlez Garca IAMR

e) Cul es el tiempo esperado entre la del quinta y sexta visita?

Ya que la esperanza de esta distribucin es de 2 horas, ese ser el tiempo esperado entre visita y visita.
f ) Si pensamos en los 10 ltimos intervalos de tiempo entre visitas, cul es la probabilidad de que al
menos
4
de
ellos
hayan
durado
ms
de
una
hora?
Calculando que la probabilidad de una visita de ms de 60 minutos es de 0.6 [ P(X > 60) = 0.6077448],
empleamos una binomial de 10 ensayos con esa probabilidad de xito. X: B (10, 0.6)
P (X 4) = 0.83 37614

29. Empresa exportadora de manzanas que necesita encargar 10.000 cajones para guardar su fruta e
diferente categora. La distribucin del dimetro de las manzanas puede modelarse mediante una
distribucin
normal
con
media
6,3
y
varianza
2.
Cuntos cajones para cada categora de fruta: X: Dimetro en cm
P (La fruta sea categora 1) = P (X < 5 cm) = 0.1250719 0.13
P (La fruta sea categora 2) = P (5<X < 5 cm) = 1- (0.1250719 + 0.3631693) = 0.5117588 0.51
P (La fruta sea categora 3) = P (X > 7 cm) = 0.3631693 0.36
10 000 cajas a repartir entre:
Un 13 % Categora 1: 1300 cajas
Un 51% Categora 2: 5100 cajas
Un 36% Categora 3: 3600 cajas.

30.
a) Cul es la probabilidad de que se acepte el cargamento?
Siendo X: dureza del metal en micras, cul es P (67< X < 75)
Calculamos P (X<67) y P (X>75) y se lo restamos a la probabilidad total:
1- (0.04779035 + 0.1586553) = 0.7935543 0.79
b) Qu valor caracteriza al 1 % de las aleaciones ms duras?
P (X= a) = 0.1 Calculamos el cuantil 0.1 a la izquierda porque sabemos que las ms duras tienen
valores ms bajos. a = 66.15

c) Si el intervalo de aceptacin fuera (70-c, 70+c), para qu valor de c seran aceptados el 95 % de

los cargamentos?
P (70-c < X < 70+c) = 0.95 Siendo una distribucin simtrica podemos repartir esta probabilidad
directamente entre los dos sucesos: (70-c < X) = 0.475 y (X < 70+c) = 0.475
5

Prctica 6

Javier Gonzlez Garca IAMR

d) Si se hacen 10 ensayos al azar y la dureza se determina de modo independiente, cuntos se

esperan aceptables?
Hemos calculado en la pregunta a) que la probabilidad de que se acepte el cargamento es de 0.79 por
lo que un 79% de los 10 ensayos sern aceptables. 10 * 0.79 = 7.9 ensayos se esperan aceptables.
- y qu probabilidad hay de que al menos 8 de los 10 ensayos sean aceptables?
Probabilidad acumulada con una probabilidad de xito de 0.79 por la derecha P (X 8) = 0.35
e) Si se hacen 10 ensayos, Qu probabilidad hay de que el promedio de las 10 profundidades supere
a 70,5 micras?
P (X > 70.5) = 0.43