UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

ASIGNATURA
: ESTADISTICA APLICADA I
PROFESORES
: CONDOR, ILMER
PERIODO ACADEMICO : 2005 I

GUIA DE CLASE N 3
INTRODUCCION
De todos los ejemplos que hemos visto, podemos concluir en lo siguiente:
-

Una vez conocida la distribucin de probabilidades de la variable, podemos resolver cualquier

problema de probabilidad.
La distribucin de probabilidad permite conocer el comportamiento de la variable ya que podemos
esperar que ocurra un valor de ella, podemos conocer su variabilidad y su desviacin respecto a la media.
Tambin hemos observado que, dependiendo de la forma del experimento, la variable aleatoria tiene
diferente comportamiento; es decir, lanzar una moneda n veces y definir a X como el nmero de veces
que ocurre xito (sale cara por ejemplo); lanzar una moneda hasta que ocurra xito y definir la variable X
como el nmero de veces que debe lanzarse la moneda hasta que ocurra xito por primera vez (sale cara
por ejemplo); extraer n productos de un lote de tamao N con reposicin o sin reposicin y definir la
variable X como el nmero de productos defectuosos, por ejemplo.

Por esta razn el trabajo se simplificar enormemente si se pudiera conocer la distribucin de probabilidad de
la variable.
A continuacin estudiaremos algunas variables cuya distribucin es conocida y los problemas relativos a ellas
las resolveremos usando el programa Minitab.

DISTRIBUCIONES DE PROBABILIDAD CONOCIDA

Ensayo o experimento de Bernoulli
Si es un ensayo aleatorio, diremos que constituye un Ensayo de Bernoulli, si cumple con
las siguientes caractersticas:
-

Se realiza una sola vez

Se obtiene dos nicos resultados posibles: xito o Fracaso. Definiremos con p la
probabilidad de xito y q = 1 p; la probabilidad de fracaso

Los siguientes son ejemplos de ensayos de Bernoulli

Lanzar una moneda una vez. Si p es la probabilidad de xito: Sale cara, p =
Lanzar al aire un dado una vez. Si p es la probabilidad de xito: Se obtiene un
nmero menor que 3; en este caso, p = 2/6.
Distribucin de Bernoulli
Sea un experimento de Bernoulli. Si definimos a X como el Nmero de veces que sale
cara, entonces diremos que X tiene una distribucin de Bernoulli, de parmetro p,
denotado por X Be(p) y cuya funcin de probabilidad es

Prof. Ilmer Cndor

Pgina 1 de 25

UNIVERSIDAD DE LIMA

p(x) = P(X = x) =

ESCUELA DE NEGOCIOS

p X 1

1 p X 0

Valor esperado y varianza de una variable de Bernoulli

Ponga los datos de la distribucin de probabilidad de X en el siguiente cuadro
X
p(x)

Obtenga la media (esperanza de X): X = E(X) = ...............

Obtenga la varianza de X: X = V(X) = .....................
DISTRIBUCIN BINOMIAL
Definicin
Sea un experimento de Bernoulli. Suponga que este experimento se realiza n veces. Cada
vez que ocurre un determinado evento A, se dice que ha ocurrido xito, con P(A) = p y que
ocurre fracaso con P(A) = q = ......... Suponga tambin que la ocurrencia del evento A y A
son independientes. Si se define a X como el Nmero de veces que ocurre xito en las n
repeticiones del experimento, entonces diremos que X tiene una distribucin Binomial,
con parmetros n y p, denotado por X B(n, p) y cuya funcin de probabilidad viene dada
por

n x xn
xp )( P(X x) p (1p) ; x 0,12,. ,n
x
Observaciones:
1.
Si n = 1, X tiene distribucin de Bernoulli (basta con reemplazar n = 1 en la
funcin).
2.
La distribucin acumulada, F, se define como

Prof. Ilmer Cndor

Pgina 2 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

n xi n xi
(xF ) (XP x) p (1p) ; i 0,12,.
xi x xi
Teorema
Si X B(n, p) entonces su media es X = E(X) = np y su varianza es X = V(X) = npq
Nota:
Ejecute el programa Minitab. Para resolver problemas relativos a distribuciones de probabilidad se deber
usar la siguiente secuencia:
<Calc> - <Probability Distributions>
De la lista que aparece se deber seleccionar la distribucin requerida.

Ejemplo 1
Si X es una variable aleatoria Binomial con parmetros n = 8 y p = 0.25,
a)
Cul es la distribucin de probabilidad de X
b)
Usando el programa Minitab, construya la distribucin de X
c)
Usando el programa Minitab, construya la distribucin acumulada de X
d)
Obtenga P(X 6)
e)
Encuentre P(X > 5)
f)
Encuentre la media y la varianza de X (de dos formas)
g)
Construya un grfico para la funcin de probabilidad
h)
Construya un grfico para la distribucin acumulada de probabilidad
Solucin
a)
Puesto que X B(n = 8, p = 0.25), usando la definicin, la f. p. es
p(x) = P(X = x) = .......................................................
b)

Ejecute el programa MiniTab, si an no lo ha ejecutado.

Puesto que n = 8 indica que se ha realizado 8 repeticiones de un determinado
experimento y X representa el Nmero de xitos obtenido, entonces los valores de X
son: ..................................................

Prof. Ilmer Cndor

Pgina 3 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Ingrese estos valores en la primera

columna de la hoja de trabajo en
Minitab.
Haga que la columna 1 se llame X
(digite X en la etiqueta ploma de la
primera columna y p(x) en la
segunda columna)
Use la secuencia <Calc> <Probability
Distributions>.
Seleccione <Binomial>
La figura de la derecha muestra lo
que debe ingresar en la ventana
que se obtenga.
Luego haga clic en <Ok>.
c)
Ahora vamos a obtener la distribucin acumulada F(x).
Para ello digite F(x) en la etiqueta gris de la columna C3.
Use la secuencia <Calc> - <Probability Distributions> - <Binomial>. En la ventana que
salga seleccione <Cumulative probability>; en <Optional storage> ingresa C3. Los
otros datos son iguales como en la figura anterior. Luego haga clic en <Ok>.
Nota 1:
Usa siempre <Input Column> con <Probability> para obtener la funcin de probab.
Use siempre <Input Column> con <Cumulative probability> para obtener la distribucin
acumulada, F(x).
Nota 2:
Use <Input constant> con <Probability> para hallar un valor puntual, p(k)=P(X = k)
Use <Input constant> con <Cumulative ...> para obtener P(X k); es decir, F(k).
d)
Para obtener P(X 6 ) = F(6), usaremos Minitab. Use la siguiente secuencia:
<Calc> - <Probability Distributions> - <Binomial>. Use la sugerencia de Nota 2.
El resultado es F(6) = P(X 6 ) = .....................
e)
Para encontrar P(X > 5) primero debemos complementarla, para poder usar la
acumulada; es decir, P(X > 5) = 1 - P(X 5 ) = F(5). Esto es lo que vamos a buscar
usando Minitab. Segn esto, P(X > 5) = 1 P(X 5 ) = 1 .............. = ...............
Nota:
Para d) y e) se puede usar la distribucin de la hoja de trabajo (siempre que se tenga).
F(6) = P(X 6 ) est en la fila 6 de la columna C3
F(5) = P(X 5 ) est en la fila 5 de la columna C3.
f)

Clculo de la media de X:
Por el teorema: X = E(X) = np = ................. = ........
Usando la calculadora del Minitab:
Use la siguiente secuencia: <Calc> <Calculador>. En <Store result in

Prof. Ilmer Cndor

Pgina 4 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

variable> digite C10 (una columna que no est en uso). En <Expression> digite
Sum(C1*C2). Luego haga clic en <Ok>.
Calculemos la varianza de X:
Por el teorema: X = V(X) = npq = ................................... = .....................
Usando la calculadora del Minitab: X = V(X) = ..................
g)

Graficaremos la funcin de probabilidad usando la opcin Plot del comando Graph.

Usemos la siguiente secuencia: <Graph> - <Scatter Plot> - <One Y> - <Simple>
En la ventana que salga: En <Y> ingrese C2; en <X> ingrese C1. En <Data View>
seleccionar <Project>. Hacer clic en <Ok>.

h)

En este caso usaremos la opcin <Bar Chart> del comando <Graph>, que es el que
nos permitir obtener un grfico como se acostumbra tener para una distribucin
acumulada.
Para ello usaremos la siguiente secuencia:
<Graph> - <Bar chart>. En <Bars represent> seleccionar <Values from a table> <Simple> - <Ok> En <Graph variables> ingresar C3. En <categorical variables>
ingresar C1. Hacer clic en <Data View>. En <Data display> clic en <Conect line> <Ok> - <Ok>.
Cmo debe proceder si desea que en el mismo grfico se visualice la grfica de la
funcin de probabilidad de X y la de su acumulada?.
A la secuencia anterior debe aadirle: En <Graph variables> ingresar C2 C3. Clic en
<Multiple graphs> Clic en <In separate panel of the same graph> Desactivar <Same Y>

Ejemplo 2
Si un determinado experimento se repite 100 veces y se define a X como el nmero de
xitos obtenidos, con 0.3, la probabilidad de xito en cualquier repeticin del experimento,
a)
Calcule P(X > 60)
b)
A qu es igual E(X)?
Solucin
a)
Segn los datos, n = 100, p = 0.3 y si X: Nmero. de xitos obtenidos,
entonces X B(100, 0.3). Sabemos que, usando el complemento, P(X > 6) = 1
- ...................
Use el Minitab para encontrar P(X 5) y luego encuentre P(X > 6).
Recuerde que debe usar <Calc> - <Probability distributions>; seleccionar
<Cumulative ....>, n = 100, p = 0.3; <Column constant> y digitar 5; <Ok>.
b)
De la ecuacin V(X) = ......................
Despeje E(X) = ...............................

Prof. Ilmer Cndor

Pgina 5 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Ejemplo 3
En un trabajo de investigacin se report que el 1% de todos los trabajadores de la industria
de construccin son mujeres. En una muestra aleatoria de 10 trabajadores de esta industria,
encuentre la probabilidad de que a lo ms, uno de ellos sea mujer.
Solucin
Definimos a X como: ................................................
Segn esto, p, significa que, al elegir a un trabajador, la probabilidad de que sea .............. es
p = .............
Valor de n (tamao de la muestra); n = ...............
Si se define a X como Nmero de mujeres en la muestra, a lo ms uno de ellos sea mujer
se representa por .............................
Luego debemos encontrar P(......................)
Use el programa Minitab siguiendo el mismo procedimiento empleado en a) del Ejemplo 2.
Nota importante:
Si a X se define como: Nmero de productos defectuosos hallados en una muestra de 10
La expresin: A lo ms K son defectuosos se representa por
XK
La expresin: Por lo menos K son defectuosos se representa por
XK
La expresin: Al menos K son defectuosos se representa por
XK
La expresin: Exactamente K son defectuosos se representa por
X=K
La expresin: Mximo K defectuosos se representa por
XK
La expresin: Mnimo K defectuosos se representa por
XK
La expresin Menos de K defectuosos se representa por
X<K
Si se pide la probabilidad d alguno de ellos, es suficiente colocarlo dentro de P(.......).

Ejemplo 4
En un estudio reciente, Data Consult encontr un gran nmero de casos de contaminacin y
errores de etiquetado de mariscos en los supermercados de Lima. El estudio revel un
resultado alarmante: El 40% de trozos de pez espada, disponibles para la venta, tena un
nivel de mercurio superior al lmite inferior establecido. Para una muestra aleatoria de tres
trozos de pez espada, calcule la probabilidad de que
a)
los tres trozos de pez espada tengan niveles de mercurio por encima del
lmite permitido.
b)
exactamente uno de tales trozos est por encima del lmite permitido
c)
cuando ms, uno de tales trozos est por encima del lmite.
Solucin
Defina a X: ...........................................................................................................................
Segn su definicin, la variable X tiene distribucin Binomial? ..................
Valor de p = ..............
Valor de n = ..............
Escriba la funcin de probabilidad de X: ...............................................................
Exprese simblicamente Los tres trozos tengan niveles de superiores al lmite ...............
Exprese simblicamente Exactamente uno de tales trozos tengan .................... ...............

Prof. Ilmer Cndor

Pgina 6 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Exprese simblicamente Cuando ms, uno de tales trozos tengan .................... ...............
Usando lo anterior y empleando el programa Minitab,
a)
P(X = 3) = .....................
b)
P(X = 1) = .....................
c)
P(X 1) = ..........................
Ejemplo 5
Un estudio de tendencias a lo largo de cinco aos en los sistemas de informacin logstica
de la industria, revel que los mayores avances en la computarizacin, tuvieron lugar en el
transporte. Actualmente el 90% de todas las industrias contienen archivos de pedidos
abiertos de embarque en su base de datos computarizada. En una muestra aleatoria de 10
industrias, sea X el nmero de ellas que incluyen archivos de pedidos abiertos de embarque
en su base de datos computarizada.
a)
Calcule la probabilidad de que haya ms de 5 que incluyen archivos de
pedidos
b)
Encuentre la media y varianza de la variable X
Solucin
Defina la variable X como: ..........................................................
La variable X se distribuye binomialmente? ..............
Valor de n = ..................
Valor de p = ..................
Escriba la funcin de probabilidad de X: .................................................................
Resuelva los casos a) y b) del problema
Ejemplo 6
El Instituto LASPAO informa que el 70% de los estudiantes de postgrado que obtienen el
grado de Doctor en ingeniera en ese pas, son ciudadanos de otros pases. Considere el
nmero de estudiantes extranjeros en una muestra de 25 estudiantes de ingeniera
recientemente graduados.
a)
Calcule P(X = 10), P(X 10)
b)
Calcule la media y desviacin estndar de X. Interprete los resultados
c)
Construya la grfica de la distribucin de probabilidad de X
Ejercicio 1
Una prueba de opcin mltiple presenta cinco opciones por pregunta y consta de 15
preguntas. Si la calificacin aprobatoria depende de obtener nueve o ms respuestas
correctas, cul es la probabilidad de que un estudiante que adivina todas sus respuestas
apruebe el examen?
Ejercicio 2

Prof. Ilmer Cndor

Pgina 7 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

La probabilidad de lograr una venta efectiva que tiene un vendedor, encada entrevista es de
10%. Si un da determinado entrevista a 4 clientes, cul es la distribucin de probabilidad
de X, nmero de ventas efectivas?
Ejercicio 3
Un grupo de inversionistas forman una empresa petrolera con suficiente capital para
financiar 10 exploraciones. La probabilidad de que una exploracin en particular sea
exitosa es 0.2. Considere que el xito de una exploracin no influye en las dems
exploraciones.
a)
Cul es la probabilidad de que por lo menos 3 exploraciones sean exitosas?
b)
Cul es la probabilidad de que a lo ms 2 exploraciones sean fallidas?
c)
Suponga que la empresa tiene un costo fijo de 200,000 dlares para preparar
el equipo antes de la primera exploracin. Si cada exploracin exitosa cuesta 30,000
dlares y cada exploracin fallida 15,000 dlares, calcule el costo total esperado para la
empresa para las 10 exploraciones.
Ejercicio 4
El 20% de todos los telfonos de cierto tipo se remiten para repararse cuando an esta
vigente su perodo de garanta. De estos, el 60% se pueden reparar y el otro 40% deben
sustituirse con aparatos nuevos. Si una compaa adquiere 10 de estos telfonos, cul es la
probabilidad de que exactamente se cambien dos, dentro del perodo de garanta?
Ejercicio 5
Supngase que la tienda 1 vende el doble de productos que la tienda 2. Por otro lado, cerca
del 4% de los productos adquiridos en la tienda 1 son devueltos por los clientes por fallas
en la fabricacin, mientras que en la tienda 2, slo son devueltos el 2% de los productos.
Suponga que ambas tiendas logran una venta de 10 productos.
a)
Defina la variable de inters y determine su distribucin de probabilidad
b)
Cul es la probabilidad de que dos de estos productos sean devueltos?
c)
Cuntos productos se espera sean devueltos?
d)
Si se sabe que a lo ms 8 productos no fueron devueltos, cul es la
probabilidad de que se devuelvan slo 2 productos?
Ejercicio 6
La produccin diaria de un determinado cosmtico en los laboratorios MISAB provienen de
dos mquinas: A y B. La antigedad de la mquina B le permite producir el doble de
cosmticos que la mquina A. Sin embargo, el 10% de los cosmticos defectuosos
provienen de la mquina B, mientras que de A, provienen slo el 5%.
Una venta particular involucra 4 cosmticos seleccionados aleatoriamente del lote de
produccin de un da (de ambas mquinas). Si definimos a Y como el nmero de
cosmticos defectuosos encontrados en esta venta y C = 3Y - Y +2 representa el costo de
prdida (en soles) por los cosmticos defectuosos en esta venta,
a)
Encuentre el valor esperado de este costo
Prof. Ilmer Cndor

Pgina 8 de 25

UNIVERSIDAD DE LIMA
b)

ESCUELA DE NEGOCIOS

Calcule la probabilidad de que el costo de prdida sea inferior a 2 soles

Ejercicio 7
Un estudiante de la Escuela de Negocios de la Universidad de Lima que trata de escribir un
trabajo para una asignatura tiene la opcin de seleccionar los temas A y B. Si escoge el
tema A, el estudiante pedir dos libros por medio de prstamo de la biblioteca; en tanto que
si selecciona el tema B, el estudiante pedir 4 libros. El estudiante piensa que para un buen
trabajo necesita revisar por lo menos la mitad de los libros solicitados para cualquiera de
los temas escogidos. Si la probabilidad de que un libro solicitado por medio de prstamo de
la biblioteca, sea revisado por el estudiante es 0.9, y los libros los revisa
independientemente uno de otro,
a)
cul tema debe seleccionar para llevar al mximo la probabilidad de hacer
un buen trabajo?
b)
si la probabilidad de revisin de un libro solicitado es slo 0.5 en lugar de
0.9, cul tema debe seleccionar el estudiante?
Ejercicio 8
Una empresa minera tiene 100 taladros y otras mquinas en uso constante. La probabilidad
de que una mquina quede fuera de operacin, durante un da dado, es 0.002. Durante
algunos das todas las mquinas estn funcionando, durante otros, una, dos, tres, o ms, no
operan bien.
a)
Cul es la probabilidad de que para un da especfico no haya mquinas que
estn operando?
b)
Cul es la probabilidad de que menos de dos mquinas no estn operando
durante un da especfico?
c)
Cul es la probabilidad de que menos de 10 mquinas no estn operando
durante un da especfico?
d)
Un operador de estas mquinas afirma haber observado en muchas ocasiones
tres o ms mquinas inoperantes durante el da. Parece lgica su afirmacin? Por qu s
o por qu no?
Ejercicio 9
Se estima que el 0.5% de las llamadas telefnicas efectuadas a una gran compaa reciben
seal de ocupado. Cul es la probabilidad de que de las 300 llamadas telefnicas del da de
hoy, al menos dos hayan recibido la seal de ocupado?
DISTRIBUCIN GEOMTRICA
Introduccin
Si el experimento se realiza indefinidamente hasta que ocurra un resultado (xito) por
primera vez, en cuyo caso se detiene, entonces no puede ser un ensayo de Bernoulli. Este
tipo de experimentos determinan distribuciones conocidas como geomtricas o de Pasacl.
Prof. Ilmer Cndor

Pgina 9 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Definicin
Sea un experimento aleatorio que se puede repetir indefinidamente. Sea A un evento cualquiera. Si p = P(A)
representa la probabilidad de ocurrencia del evento A, diremos entonces que p constituye la probabilidad de
xito (de que ocurra el evento A). Supongamos ahora que el experimento se realiza sucesivamente hasta que
ocurra el evento A, por primera vez, luego del cual, se detiene. Si definimos a la variable X como El nmero
de veces que debe realizarse el experimento hasta que ocurra xito, por primera vez diremos que X tiene
Distribucin Geomtrica con parmetro p y denotado por X G(p) y cuya distribucin de probabilidad viene
dada por
x 1
p ( x ) P ( X x ) p 1 p p

F
(x-1) fracasos

E
Un xito

Si por cada fracaso se tiene la probabilidad de fracaso P(F) = q = 1 p;

En (x-1) fracasos se tiene la probabilidad P(FFFF.F) = .. (x 1) veces
Si una sola vez ocurre xito, entonces P(E) = .
Luego si queremos que ocurran los (x-1) fracasos y un xito, la probabilidad de ello ser la
funcin definida lneas arriba.
Teorema
Si X tiene una distribucin geomtrica (X G(p)), entonces la media es = E(X) = 1/p y
la varianza es = q/p
Observaciones
1.
Recuerde que si X tiene distribucin geomtrica, xito ocurre una sola vez (el ltimo)
2.
Los resultados son independientes en la realizacin del experimento
3.
Si se desea detener el experimento cuando ocurre r xitos por primera vez, en x veces que se repite
el experimento , estamos frente a una Distribucin de Pascal, cuya funcin es

x 1 r xr
p(x) P(X x) p (1 p)
r 1

, x = r, r+1, r+2,

Ejemplo 7

Escriba la funcin de probabilidad de una variable que tiene distribucin geomtrica G(p).
................................
Escriba la forma de encontrar su media: E(X) = ........
Escriba la forma de encontrar su varianza: V(X) = ..........................
Ejemplo 8
Prof. Ilmer Cndor

Pgina 10 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Sea X la variable aleatoria que tiene distribucin geomtrica con parmetro 0.3. Determine:
a) P(X = 4) b) P(X = 1) c) P(X > 1) d) P(X = 2 / X > 1).
Solucin
Si X tiene distribucin geomtrica con parmetro 0.3, entonces X G(p) con p = .........
Su funcin de distribucin es p(x) = P(X = x) = ............................................
Abra el archivo Dist Geometrica 1.xls.
Segn este problema, asigne la probabilidad p = 0.3
Asigne el valor para X, segn la pregunta (X = 4)
a)
El valor de la probabilidad p(4) = P(X = 4) = .................
b)
El valor de p(1) = P(X = 1) = .......................
c)
El valor de P(X > 1) = .........................
d)
El valor de P(2) = P(X = 2) = .........................
Obtenga P(X = 2 / X > 1) = .............................................................
Preguntas adicionales:
Observando la distribucin de probabilidades y la grfica, responda a las siguientes
preguntas:
a)
Si p = 0.25 y X = 2, P(X = 2) = ......................; P(X > 2) = .......................
b)
Si p = 0.40; P(X = 1) = .......; P(X = 2) = ...............; P(X = 3) = ............; P(X = 4)
=......
c)
Si p = 0.4, complete las siguientes tablas de distribucin
Ejemplo 9
Usando el archivo Dist Geomtrica 2.xls, complete las siguientes distribuciones.
X123456p(x)

X123456F(x)

Ejemplo 10
Si la media de una variable geomtrica es 4, determine
a) P(1 < X < 4)
b) P(X > 2) c) V(X)
d) V(3X)
Use el archivo Dist Geomtrica 2.xls para responder a las preguntas de a) y b)
c)
Use el teorema para obtener V(X) = ...............
d)
Usando propiedades de varianza: V(3X) = .......................... = ....................
Ejemplo 11
Sea X una variable aleatoria con distribucin geomtrica. Si el 80% de los valores de X son
superiores a 1, qu porcentaje de valores de X son menores que 3?
Solucin

Prof. Ilmer Cndor

Pgina 11 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Como X tiene distribucin geomtrica; es decir X ...............

Se conoce la probabilidad de xito, p? ................... Ser 0.80? ............... Por qu no
es? ................................................................................................
Cul es la funcin de probabilidad de X? P(X=x) = ......................... Valores de X: .............
Qu significa el 80% de los valores de X son superiores a 1?. ..................................
Es cierto que valores de X superiores a 1 se puede expresar por X > 1? ........
Si as fuera, a qu es igual P(X > 1) = .....................?
Usando el complemento, a qu es igual P(X > 1)? .......................................
Si P(X > 1) = 0.80 entonces P(X 1) = .................
Por otro lado: P(X 1) = P(X = 1). Cierto o falso? ...............
Reemplace el valor de x = 1 en la funcin y despeje el valor de p: p = ...........
Volviendo al problema debemos encontrar Que porcentaje de valores de X son menores
que 3? Como esto significa resolver P(......................) = ?
Resuelva el problema.
Ejemplo 12
En cierto proceso de produccin se sabe que el 2% de artculos no cumplan con las normas
de calidad
a)
Si se prueban cada uno de los artculos producidos hasta encontrar la
primera pieza defectuosa, en cuyo caso se detiene la produccin. Calcule la
probabilidad de que la dcima pieza probada sea la primera defectuosa.
b)
Si la produccin se paraliza al encontrar el primer artculo defectuoso, cul
es el nmero esperado de artculos de la produccin?
Solucin
Si p es la probabilidad de que no cumplan con las normas de calidad, entonces p = ...........
La forma cmo se lleva a cabo el examen de los productos, qu tipo modelo le sugiere:
Bernoulli? Binomial? Geomtrica? .....................................
Segn esto, defina a X: El nmero de ................................................................
Usando p escriba la funcin de probabilidad de X: P(X = x) = ....................................
Qu valores toma X? X = ................................................
a)
Que la dcima pieza probada sea la primera defectuosa significa que X
= ...................;
Escriba la funcin de probabilidad de X: P(X = ......) = ....................................
b)

Use el teorema para encontrar el valor esperado: E(X) = 1/p

Ejemplo 13
En un experimento geomtrico, la probabilidad de que se necesita 2 intentos para lograr el
primer xito es el doble de la probabilidad con tres intentos. Cul es la probabilidad de que
se requiera ms de dos intentos para lograr el primer xito?
Solucin
Defina a X como el nmero de ................................................
Qu significa P(X = 2)? .......................................................................................................
Qu significa P(X = 3)? .......................................................................................................
Prof. Ilmer Cndor

Pgina 12 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Segn el problema, plantee la ecuacin: ..............................................................................

Resuelva la ecuacin, reemplazando la funcin, simplifique y obtenga p.
..........................................................
..........................................................
Exprese la pregunta del problema en trminos de X: P( ........................)
Resuelva esta probabilidad.
Ejercicio 10
Un tirador experto da en el blanco el 95% de las veces, cul es la probabilidad de que falle
por primera vez en su dcimo quinto disparo?
Ejercicio 11
Cada ao la oficina de tributacin realiza una revisin de las declaraciones de impuestos
presentadas. Se ha determinado que la proporcin de declaraciones con errores que
anualmente se presentan es 10%.
a)
Cul es la probabilidad de que la primera declaracin con errores que se
revise sea la quinta?
b)
Cul es la probabilidad de que las dos primeras declaraciones revisadas no
contengan errores?
DISTRIBUCIN DE POISSON
Definicin
Sea X una variable aleatoria que toma valores,0, 1, 2, ...

p( x) P( X x) e

Si

x!

, x = 0, 1, 2, ... entonces diremos que X tiene Distribucin

de Poisson, con parmetro y lo que denotaremos por X P().

Teorema
Si X P() entonces E(X) = y V(X) = .
Nota:
1. Observe que, contrariamente a las tres distribuciones ya estudiadas, en el caso de la
distribucin de Poisson no ha sido necesario tomar en cuenta el tipo o modelo de
experimento; del mismo modo y como tal, nada se dice del tamao de n. Por otro
lado, tampoco es necesario conocer los elementos del espacio muestral.
2. Podramos decir que esta distribucin slo depende del valor de su parmetro y no
tiene comportamiento.
3. Sin embargo, veremos ms adelante, la importancia que tiene en la estadstica y los
fenmenos de espera.

Prof. Ilmer Cndor

Pgina 13 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

La distribucin acumulada ser: F ( x) P( X x ) e

x

4.

x0

x0

x!

Ejemplo 14
Supngase que X es una variable aleatoria con distribucin de Poisson con media igual a
1.2. Encuentre lo siguiente:
a) P(X = 0) b) P(X = 1) c) P(X > 1) d) P(X < 2 )
Solucin
Si = 1.2 y Si X P( = 1.5) entonces su distribucin es: ............................................
a)
El valor de P(X = 0) = .................................................
b)
EL valor de P(X = 1) = ...............................................
c)
Usando el complemento, P(X > 1) = .............................................................
d)
P(X < 2) = P(X 1) = p(0) + p(1) = ............................................
Ejemplo 15
Si X es una v.a. de Poisson, tal que P(X = 2) = 2P(X = 3), obtener P(X 1).
Solucin

p( x) P( X x) e

Como

x!

para x = 0, 1, 2, ...

Reemplace en ella P(X = 2): ................................................................

Haga lo mismo con P(X = 3): ....................................................................
Plantee la ecuacin P(X = 2) = 2 P(X = 3): .........................................................
Al resolver la ecuacin, obtendr el valor del parmetro; por lo que = ...........
Ahora, como P(X 1) = 1 P(X < 1) = 1 P(X 1), entonces
P(X 1) = 1 - ....................... ...............
Ejercicio 12
Si X es una v.a. de Poisson tal que el 85% de valores de X son mayores o iguales a 1, cul
es la probabilidad de que X tome el valor 2?

APROXIMACIN BINOMIAL POR POISSON

Plantearemos dos cuestiones como las razones principales para usar una distribucin de
Poisson, para un problema con distribucin Binomial.

Prof. Ilmer Cndor

Pgina 14 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Razn 1:
En muchos problemas de variables aleatorias que tienen modelo binomial, encontramos
algunas dificultades en su evaluacin. Por ejemplo si p 0 n . Por el tamao de p las
probabilidades tienden a 0 su clculo se hace pesado si n es bastante grande.
Por ejemplo: Si X B(n = 500, p = 0.001); como hallar P(X 385).
Razn 2
En muchos casos la definicin de una variable con distribucin normal se produce en un
contexto que no es tomado en cuenta por el modelo de probabilidad.
Caso 1
Supongamos que se toma en cuenta el nmero de llamadas que ingresa a una central
telefnica cada cierto tiempo.
Caso 2:
Un libro de 800 pginas contiene 120 errores distribuidos en todo el libro. Y se toma en
cuenta el nmero de errores por pgina.
Caso 3:
En un supermercado se toma en cuenta el nmero de personas que forman cola para ser
atendidos por el operador de una caja registradora
Caso 4:
Se registra en nmero de vehculos que llegan a una caseta de peaje.
Analicemos el caso1:
Supongamos que se registran 270 llamadas cada tres horas. Esto significa que, en
promedio se reciben 1.5 llamadas por minuto. Si ahora dividimos cada minuto en intervalos
de 20 segundos, podemos decir que, la probabilidad de recibir 1.5 llamadas (ocurre xito)
cada 3 intervalos de 20 segundos cada uno es 0.5; es decir, p = 0.5.
Si ahora definimos a X como el nmero de llamadas que ingresan a la central telefnica en
20 intervalos de tiempo de 20 segundos cada uno, entonces X B(n = 20, p = 0.5).
En conclusin:
Si hacemos = np y si X: 0, 1, 2, .... entonces podemos decir que X P( = np) cuya
distribucin de probabilidad viene dada por

p( x ) P( X x)

np

(np)

x = 0, 1, 2, ...

x!

Por ello podemos plantear el siguiente teorema

Teorema:
Si X B(n, p) y n con = np (constante) o si n y p 0 con np , entonces
diremos que X P( = np).
Prof. Ilmer Cndor

Pgina 15 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Observacin importante:
Una variable X tendr necesariamente distribucin de Poisson si se el nmero de
ocurrencias (xitos) de X se produce en un contexto: en un intervalo de tiempo, en un rea,
en un espacio, etc.
Uso de Minitab
Al usar la secuencia: <Calc> - <Probability Disributions> - <Poisson> obtendr una
ventana similar a la que se muestra.
Recuerde que debe usar
Probability: Si desea hallar p(x)=P(X = x)
Cumulative...: Para hallar P(X x). El valor
de x deber ingresarlo en <Input constant>.
Inverse: Si desea hallar k tal que P(X k) = p.
En este caso el valor de p deber ingresarlo en
<Input constant>.
En todos los casos se debe ingresar el
parmetro que, en este caso, coincide con la
media.
Ejemplo 16
El nmero promedio de ventas por hora en un establecimiento comercial es igual a 3. Cul
es la probabilidad aproximada de que en 2 horas se logre al menos 3 ventas?
Solucin
Por la forma cmo se plantea el problema (promedio de ventas por hora), podramos definir
a X como El nmero de ........................ cada hora.
Segn esto = .................
La variable X P( = .........). Y su funcin de probabilidad es ............................................
La variable X hasta aqu definida toma en cuenta intervalos de una hora y su media E(X) =
es por hora. La pregunta se refiere a otra variable ya que el intervalo de tiempos es ahora
de 2 horas.
Si Y es el Nmero de ventas realizadas cada dos horas, su promedio, E(X) = = ...........
Luego se pide que encontremos P(Y ...... 3).
Encuentre dicha probabilidad: ................................................................................................
Ejemplo 17

Prof. Ilmer Cndor

Pgina 16 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Las llamadas de emergencia registradas en un conmutador de una estacin policial son 4

por hora en un fin de semana cualquiera y el comportamiento del nmero de llamadas por
hora se puede aproximar mediante una distribucin de Poisson.
a)
En un lapso de 30 minutos, cuntas llamadas de emergencia se espera
recibir?
b)
En un lapso de 30 minutos, cul es la probabilidad de que no se registre
llamadas?
c)
Cul es la probabilidad de que haya ms de 3 llamadas en 30 minutos?
Solucin
De acuerdo a lo datos: Si X se define como El nmero de llamadas de emergencia por
hora entonces X P( = .........)
Si se define a Y como El nmero de llamadas cada 30 minutos entonces Y P(Y =......)
En a) se pide: E(.....)
En b) se pide P(........ = .........)
En c) se pide P( ...................)
Evale cada una de dichas cuestiones.
Nota:
En muchos casos a X se define dentro de un intervalo de tiempo determinado. Cuando se plantea otro
intervalo de tiempo, se debe pensar en otra variable y tener presente el valor de su parmetro en cada caso.

Ejercicio 13
Se ha observado que el promedio de ventas del producto A en una empresa es de 3 unidades
por hora. Si se supone que las ventas son independientes una de otra, y si X representa el
nmero de ventas cada 20 minutos,
a)
cul es la probabilidad de que en un intervalo de 20 minutos no se realice
venta alguna?
b)
cul es la probabilidad de que se realice al menos 2 ventas en el intervalo de
20 minutos?
Sugerencia:
Defina X
Si X Poisson, determine su parmetro (que coincide con su promedio o media)
Resuelva a) para la variable X as definida
Resuelva b) para la variable X as definida
Ejercicio 14
El nmero promedio de radios que una casa comercial vende por da, sigue una distribucin
de Poisson con una media de 1.5. Calcule la probabilidad de que la casa venda por lo
menos cuatro radios durante un periodo de a) dos das
b) tres das
c) cuatro das.
Sugerencia:
En cada pregunta redefina la variable X en funcin al intervalo de tiempo (nmero de das).
Prof. Ilmer Cndor

Pgina 17 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Ejercicio 15
El nmero medio de alumnos que llegan a la asesora de ESTADISTICA un da antes del
Examen Parcial es de 240 por hora. Si el profesor slo puede atender un mximo de 8
alumnos por minuto haciendo un mximo de esfuerzo, determine la probabilidad de que en
un minuto dado, lleguen a la asesora ms alumnos de lo que el profesor puede atender.
Sugerencia:
El promedio se da por hora.
Defina a X con un promedio por minuto
Resuelva P(X > .......)
Ejercicio 16
El nmero de reclamos que se reciben por hora de atencin en Luz del Sol, es una variable
aleatoria con distribucin de Poisson con un promedio de tres reclamos (por hora).
a)
Cul es la probabilidad de que en una hora se reciban ms de 4 reclamos?
b)
Qu tan probable es que en media hora se reciban no ms de 2 reclamos?
c)
Si la atencin diaria al pblico es 8:00 a.m. hasta las 13:00, cuntos
reclamos se espera recibir en un da?
Sugerencia:
En b) redefina la variable en intervalos de tiempo de 30 minutos. En c) n = 5.
Ejercicio 17
Suponga que el nmero de accidentes de trabajo que se producen por semana en una fbrica
es una v.a. de Poisson, tal que la probabilidad de que ocurran dos accidentes es 2/3 de la
probabilidad de que ocurra un accidente. Calcular la probabilidad de que no ocurran
accidentes en tres semanas consecutivas.
Ejercicio 18
Una compaa alquila una mezcladora por perodos de t horas, por lo cual recibe S/. 60 por
hora. El nmero de veces que la mezcladora falla durante t horas es una v.a. que tiene
distribucin de Poisson con = 0.8t, y si la mezcladora falla x veces durante t horas, la
reparacin tiene un costo de 5x soles; cmo debera la compaa elegir t de modo que
maximice la utilidad esperada?
Ejercicio 19
Una compaa de telfonos emplea 5 operadores de informacin que reciben solicitudes de
informacin independientemente una de otra, cada una segn un proceso Poisson con un
promedio de 2 solicitudes por minuto.
a)
Cul es la probabilidad de que durante un perodo dado de un minuto, la
primera operadora no reciba solicitudes?

Prof. Ilmer Cndor

Pgina 18 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

b)

Cul es la probabilidad de que durante un perodo dado de un minuto,

exactamente 4 de las cinco operadoras no reciban solicitudes?
c)
Cul es la probabilidad de que en un perodo de 3 minutos, por lo menos 2
de las 5 operadoras no reciban solicitudes?
Ejercicio 20
El promedio de embarcaciones de pesca artesanal que llegan a un puerto es de 3 unidades
por hora. Si el arribo de una embarcacin es independiente al arribo de otra, y si X
representa el nmero de embarcaciones de pesca artesanal que llega a dicho puerto cada 20
minutos,
a)
cul es la probabilidad de que en 20 minutos no llegue ninguna embarcacin
de dicho tipo?
b)
cul es la probabilidad de que en media hora, lleguen a dicho puerto por lo
menos 3 embarcaciones de pesca artesanal?
c)
cul es el nmero ms probable de embarcaciones de pesca artesanal que
lleguen por hora a este puerto?
DISTRIBUCIN HIPERGEOMETRICA
Un modelo Hipergeomtrico presenta una gran semejanza con respecto a un modelo
binomial, pero tambin presenta una gran y sustancial diferencia. Esto es lo que permite
reconocerlo.
Definicin
Sea un experimento aleatorio y el espacio muestral (poblacin), de tamao N. Si r de
los elementos del espacio muestral poseen cierto atributo y N r no la poseen.
Supongamos que el experimento consiste en extraer de , n elementos, uno despus de
otro y sin reposicin. Si definimos a la variable aleatoria X como el Nmero de elementos
de la muestra que poseen el atributo (ocurre xito) diremos entonces que X tiene
Distribucin Hipergeomtrica con parmetros N, r y n; es decir, X H(N, r, n) y cuya
funcin de distribucin de probabilidades viene dada por

Prof. Ilmer Cndor

Pgina 19 de 25

UNIVERSIDAD DE LIMA

r N r

x n x
xp )( P(X x)
N

n

ESCUELA DE NEGOCIOS

N
N-r
n
n-x
; x = 0, 1, 2, ..., n

Explicacin
Suponga que se tiene el siguiente esquema
De los N elementos, r tienen un atributo. La probabilidad de elegir un elemento que tenga
el atributo es .............
Hay N r elementos que no poseen el atributo.
Si la muestra de tamao n debe tener x que poseen dicho atributo, entonces n x elementos
de la muestra no poseen dicho atributo.
Como se desea seleccionar n elementos del total de N, el nmero de maneras (muestras) de
hacer esto constituye combinaciones C(N, n).
Si X se define como el nmero de elementos de la muestra que poseen el atributo, la
probabilidad de que en la muestra haya X = x elementos que tienen el atributo ser

Prof. Ilmer Cndor

Pgina 20 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

r N r

(Nro. maneras elegir x de r) x (Nro. maneras de elegir n x) x n x
P( X x)

Nro. maneras elegir n de N

N

n
Teorema
Si X H(N, n, r) entonces E ( X ) n

r
y
N

V (X ) n

r
r
(1
N
N)

Observaciones:
1.
2.

La probabilidad de que un elemento posea el atributo es r/N

Cada vez que se extrae un nuevo elemento, ste no se repone y por tanto, la
probabilidad de que el 2do. o los siguientes, tengan el atributo ya no puede ser r/N
3.
Dicho atributo puede ser el ser defectuoso cuando de un lote de N productos, r de
los cuales son defectuosos, se extrae una muestra de tamao n y se desea encontrar la
probabilidad de que en la muestra haya x defectuosos.
4.
Si el tamao poblacional N es finito, para encontrar la varianza se deber aplicar el
factor de correccin de poblaciones finitas (N-n)/(N-1); es decir, la varianza de una
variable aleatoria hipergeomtrica ser V ( X ) n

Prof. Ilmer Cndor

r
r N n
(1 )
N
N N 1

Pgina 21 de 25

UNIVERSIDAD DE LIMA
5.

ESCUELA DE NEGOCIOS

En el caso de poblaciones infinitas N en cuyo caso X B(n, p) ya que dicho

factor tiende a 1.

Ejemplo 18
Si X es una variable aleatoria con distribucin Hipergeomtrica con parmetros N = 8, r =
4, n = 3, determine a) P(X = 2)
b) P(X > 1) c) P(X=2/X>1)
Solucin
Segn los datos: X H(...........................)
Su funcin de probabilidad es: ................................................................
a)
Para encontrar P(X = 2) reemplace x por 2 y evale el
resultado: ............................................................................................................................
.................
b)
Como P(X > 1) = 1 P(X ......) = .................................................................
c)
Se nos pregunta por una probabilidad condicional:
P(X = 2 / X > 1) =

P( X 1 X 1)
P ( X 1)

.........................................
P ( X 1)
1 P ( X 1)

Ejemplo 19
Al inspeccionar por auditoria 1450 cuentas para cierta industria, resultaron 148 cuentas
erradas. Cul es la probabilidad de que al elegir 5 cuentas, resulten al menos 3 cuentas
erradas?
Solucin
Segn los datos: La eleccin de las 5 cuentas (n = 5) deben realizarse sin reposicin.
Defina a X como: ......................................................
Al seleccionar elementos si reposicin, podemos afirmar que X tiene distribucin
hipergeomtrica en donde N = ......; r = ......; n = ...... Es decir, X H(...........................).
Qu debemos encontrar? P( .................)
Evale dicha probabilidad usando la definicin (reemplace los valores de x y luego sume).
Uso de Minitab:
Para resolver problemas de esta distribucin usando Minitab, debe tomar en cuenta las
siguientes consideraciones:
Use la
secuencia:
<Calc>
<Probability
Disributions>
<Hipergeometric>. Luego del cual
obtendr una ventana similar a la que
se muestra.

Prof. Ilmer Cndor

Pgina 22 de 25

UNIVERSIDAD DE LIMA

ESCUELA DE NEGOCIOS

Primero debe ingresar el valor de N en <Population size>, el valor de r en <Successes in

populations> y el valor de n en <Sample size>.
Como en los casos de las otras distribuciones, deber usar
Probability para hallar p(x)
Cumulative: para obtener P(X x)
Inverse: para hallar k en P(X k) = p
El valor de x o de p se deber ingresar en <Input constant>.
En este ejemplo, encuentre P(X 3).
Ejemplo 20
Cul es la probabilidad de que un auditor de empresas detecte slo dos declaraciones de
impuestos con deducciones ilegales, si se selecciona al azar 6 de 18 declaraciones, 8 de las
cuales contienen deducciones ilegales?
Solucin
En este caso tenemos: N = .................; r = .................., n = ............
Si X se define como El nmero de declaraciones con deducciones ilegales en una muestra
de 6 y como se deben extraer sin reposicin, entonces X ..................
Se pide: P(............) que es igual a P(..........) = ........................................................
Use Minitab para comprobar su resultado.
Ejemplo 21
Una residencia tiene desocupado 12 cuartos unipersonales con bao y 8 cuartos
unipersonales sin bao. Llegan 4 viajeros y eligen al azar sus cuartos. Cul es la
probabilidad de que entre los recin llegados, sea mayor el nmero de los que consiguen
bao que el de los que se alojan en cuarto sin bao?
Solucin
En este caso: N = .......................
r = .......................
n = .................
Defina a X: ...........................................................................................
Qu valore debe tomar X para que aquellos que consiguen bao sea mayor de los que no
consiguen bao? ............................................. Encuentre una expresin usando X.
Encuentre P(X ...............) = .................................
Nota:
En los siguientes problemas use Minitab, si fuera necesario.
Ejercicio 21
Un club tiene 100 miembros. Entre ellos hay 70 abogados, 50 extranjeros y 20 nacionales
no abogados. Se elige al azar el Comit directivo de 5 miembros. Cul es la probabilidad de
que este contenga:
Prof. Ilmer Cndor

Pgina 23 de 25

UNIVERSIDAD DE LIMA
a)
b)
c)
d)

ESCUELA DE NEGOCIOS

Exactamente 3 abogados
Exactamente 3 extranjeros
Exactamente 3 abogados extranjeros
Por lo menos 3 abogados extranjeros

Ejercicio 22
En una Universidad de 580 alumnos, existen 3 corrientes polticas. Se sabe que el 55%
pertenece al grupo A, el 30% pertenece al grupo B y el resto al grupo C. Si se elige al azar
un comit estudiantil formado por 10 alumnos, cul es la probabilidad de que 6 de ellos
sean del grupo B?
Ejercicio 23
Un director de personal que entrevista a 11 ingenieros para 4 vacantes, ha programado 6
entrevistas para el primer da y 5 para el segundo da. Suponga que los candidatos son
entrevistados al azar.
a)
Cul es la probabilidad de que dos de los mejores cuatro candidatos sean
entrevistados el primer da?
b)
Cuntos de los mejores cuatro candidatos pueden esperar ser entrevistados,
el primer da?
Ejercicio 24
Un comerciante tiene 20 unidades de cierto artculo, de los cuales slo 14 estn aptos para
su venta.
a)
Llega un cliente, el Seor Lorenzo, que comprar 4 artculos. El comerciante
Embustero desea que Lorenzo se lleve al menos un artculo defectuoso y propone que
Lorenzo escoja sus artculos al azar, de entre 20 artculos. Cul es la probabilidad de
que el comerciante se salga con la suya?
b)
Suponga que el comerciante an tiene sus 20 artculos para la venta y llega
otro cliente, Pepito, que comprar 3 artculos. En esta ocasin el mismo comerciante
selecciona al azar 5 artculos. Cul es la probabilidad de que, con los 5 artculos
escogidos le sea suficiente al comerciante para satisfacer el pedido de Pepito?
Ejercicio 25
Una firma comercializadora de parquet recibe un lote grande en paquetes de120 unidades
cada uno. Un paquete es rechazado si al revisar 10 unidades de parquet elegidas al azar una
a una sin reposicin se encuentren tres o ms defectuosas. Calcular la probabilidad de que
un paquete sea aceptado si este contiene 24 unidades defectuosas.
APROXIMACION BINOMIAL A POISSON
Ejercicio 26
Sea X una v.a. con distribucin Binomial de parmetros n = 100 y p = 0.25. Utilice la
distribucin de Poisson para aproximar las siguientes probabilidades:
Prof. Ilmer Cndor

Pgina 24 de 25

UNIVERSIDAD DE LIMA
a) P(X = 34) b) P(X > 3)

ESCUELA DE NEGOCIOS
c) P(37<X<40)

d) P(X > 97)

Ejercicio 27
En una ciudad especfica, el 6% de todos los conductores obtienen al menos un boleto de
estacionamiento por ao. Emplear la aproximacin de Poisson a la distribucin Binomial
para determinar la probabilidad de que entre 80 conductores elegidos al azar en la ciudad,
a)
Cuatro obtengan al menos un boleto de establecimiento en un ao
b)
Al menos tres obtengan como mnimo un boleto de estacionamiento en un
ao cualquiera
Ejercicio 28
La frecuencia de negociacin de una accin determinada, en una ao se entiende como el
nmero de das en que esa accin fue negociada durante ese ao.
Usualmente se define por la siguiente relacin:

nro. de das negociados

360 dias en un ao

Adems se sabe que la probabilidad de que en un da la accin sea negociada es de 0.01.

Empleando la aproximacin de la Binomial mediante una Poisson, cul es la probabilidad
de que la frecuencia de negociacin del ao, para esa accin, sea 2.5%
Problemas tericos
1.

Si X es una variable aleatoria que se distribuye binomialmente, deduzca su funcin

de probabilidad as como su media y varianza.
2.
Si X es una variable aleatoria que se distribuye geomtricamente, deduzca su
funcin de probabilidad y encuentre su media y varianza.
3.
Si X es una variable aleatoria con distribucin de Poisson, deduzca su media y
varianza.

Prof. Ilmer Cndor

Pgina 25 de 25