Ejercicios · Bloque 8: Convergencia y teorema central del límite
19 ejercicios resueltos paso a paso. · Página 1 de 2 (ejercicios 1 al 10)
8.1 Convergencia de sucesiones de variables aleatorias
1.
Un concesionario de automóviles vende a particulares vehículos de la misma marca. Sabiendo que la probabilidad de que este tipo de vehículos esté en servicio dos años después es de 0,8, determina la probabilidad de que, de 4000 vehículos vendidos, más de 3120 estén en servicio dentro de dos años.
Para resolver este ejercicio modelaremos el número de vehículos en servicio como una variable binomial y aplicaremos el teorema central del límite, ya que el tamaño muestral es muy grande. Calcularemos la media y la desviación típica de la binomial, tipificaremos aplicando la corrección por continuidad (por tratarse de una variable discreta) y obtendremos la probabilidad a partir de la normal estándar.
La demanda diaria de un producto oscila entre 20 y 40 unidades, de forma uniforme en ese intervalo. Determina la probabilidad de que, en un período de 182 días, el número total de unidades demandadas supere las 6370 unidades, supuesta la independencia de la demanda de cada día respecto de la de los restantes.
Para resolver este ejercicio aplicaremos el teorema central del límite a la suma de las 182 demandas diarias, que son variables independientes e idénticamente distribuidas. Calcularemos la media y la varianza de la demanda diaria uniforme, obtendremos los parámetros de la suma y tipificaremos para calcular la probabilidad con la normal estándar. Al ser una suma de variables continuas, no es necesaria la corrección por continuidad.
En un proceso de fabricación, el número diario de unidades defectuosas producidas viene dado por una función de probabilidad de Poisson: \(P(X = k) = \frac{10^k e^{-10}}{k! }, \quad k = 0, 1, 2, \dots\) Determina la probabilidad de que, en 150 días, el número total de unidades defectuosas producidas supere las 1480 unidades.
Para resolver este ejercicio observaremos que el total de 150 días es la suma de 150 variables de Poisson independientes de media 10, cuya distribución exacta es una Poisson de media
1
5
0
0. Como el parámetro es grande, aplicaremos el teorema central del límite para aproximarla por una normal, aplicando la corrección por continuidad al tratarse de una variable discreta, y tipificaremos para obtener la probabilidad.
Se sabe que la probabilidad de nacimiento de un niño es aproximadamente igual a 0,515 ¿Cuál es la probabilidad de que, entre 10000 recién nacidos, haya menos niños que niñas?
Para resolver este ejercicio modelaremos el número de niños como una variable binomial y expresaremos el suceso «menos niños que niñas» como una desigualdad sobre esa variable. Después aplicaremos el teorema central del límite para aproximarla por una normal, con la corrección por continuidad correspondiente al tratarse de una variable discreta.
El volumen de ventas diario de una empresa, expresado en miles de pesetas, se distribuye uniformemente entre 96,5 y 103,5 Determina la probabilidad de que, a lo largo de un período de 100 días, el volumen total de ventas supere la cifra de 10005 miles de pesetas.
Para resolver este ejercicio aplicaremos el teorema central del límite a la suma de las ventas diarias, que son variables independientes e idénticamente distribuidas. Calcularemos la media y la varianza de la distribución uniforme, obtendremos los parámetros de la suma y tipificaremos para calcular la probabilidad con la normal estándar. Al ser una suma de variables continuas, no se aplica la corrección por continuidad.
El volumen de ventas diario de una empresa, expresado en miles de pesetas, se distribuye uniformemente entre 96,5 y 103,5 Si el volumen total de ventas en un período de 100 días ha sido menor que 10040 miles de pesetas, ¿cuál es la probabilidad de que sea mayor que 10005 miles de pesetas?
Para resolver este ejercicio aplicaremos la definición de probabilidad condicionada y el teorema central del límite. Calcularemos primero la probabilidad del suceso condicionante y la de la intersección, ambas mediante la aproximación normal de la suma de las ventas diarias, y después dividiremos una entre otra.
Se lanza 400 veces una moneda. Si sale cara en la tirada n-ésima definimos \(X_n = 1\), y si sale cruz definimos \(X_n = 0\) Suponiendo que ambos sucesos tienen la misma probabilidad, calcula \(P\left(190 < \sum_{n=1}^{400} X_n < 210\right)\)
Para resolver este ejercicio observaremos que la suma de las 400 variables es una binomial de parámetros 400 y 0,
5. Como el tamaño muestral es grande, aplicaremos el teorema central del límite para aproximarla por una normal, usando explícitamente la corrección por continuidad al tratarse de una variable discreta con desigualdades estrictas.
Se lanza 400 veces una moneda y se obtienen 215 caras. Utiliza la muestra obtenida para construir un intervalo de confianza al 95 % para el valor \(p\) (probabilidad de obtener cara).
Para resolver este ejercicio estimaremos la probabilidad de cara por la proporción muestral y aplicaremos el teorema central del límite para obtener su distribución aproximada. Con ella construiremos el intervalo de confianza simétrico de nivel 95 %, calculando el error estándar y multiplicándolo por el cuantil correspondiente de la normal estándar.
8.3 Distribuciones binomial y Poisson aproximadas por la normal
9.
Dadas 100 variables aleatorias independientes e idénticamente distribuidas, según un modelo de Poisson de parámetro 2, calcula \(P(190 < Y < 210)\) sabiendo que \(Y = \sum_{n=1}^{100} X_n\)
Para resolver este ejercicio usaremos que la suma de variables de Poisson independientes es una Poisson con la suma de los parámetros, y aplicaremos el teorema central del límite para aproximarla por una normal. Al tratarse de una variable discreta con desigualdades estrictas, aplicaremos explícitamente la corrección por continuidad antes de tipificar.
Un economista desea estimar el consumo medio por persona en una gran ciudad y decide utilizar la media muestral para estimar \(\mu\) Quiere asegurarse de que el error de la estimación sea menor que 10 euros, con probabilidad de 0,95 al menos. Aplica la desigualdad de Tchebychev para calcular el tamaño muestral necesario, conocida la desviación típica de 400 euros. ¿Cuál sería el tamaño muestral si aplicamos el teorema central del límite?
Para resolver este ejercicio procederemos de la siguiente manera: impondremos la condición \(P(|\bar{X} - \mu| < 10) \geq 0,95 \) Primero la acotaremos con la desigualdad de Tchebychev y despejaremos el tamaño muestral; después repetiremos el cálculo con la aproximación normal del teorema central del límite, que da un tamaño mucho menor por ser una condición exacta en lugar de una cota.
Solo los usuarios registrados pueden acceder a las soluciones completas de los ejercicios y al reproductor interactivo de ejercicios y de teoría.
🎁
¡Promoción de lanzamiento!
El acceso es gratuito de por vida y sin necesidad de introducir datos de pago para los 100 primeros usuarios registrados. A partir de los 100 primeros costará 4,99 €/mes (+IVA) o 49,99 €/año (+IVA).
Regístrate gratis para obtener acceso inmediato a todos los recursos. Si ya estás registrado en matemas.com, entra con tu usuario y contraseña: