GRUPO 1 _DISTRIBUCION UNIFORME DISCRETA

Ejemplos:
1. El lanzamiento de un dado, cada una de las caras tiene una probabilidad de 1/6 de salir, la variable
toma seis valores posibles, todos con la misma probabilidad

p = 1/6. La función de densidad de esta variable será:

f(k) = P [X = k] = 1/6

k = 1, 2, 3, 4, 5, 6

Si la variable X puede tomar n (k = 1, 2, ..., n) valores, todos con igual probabilidad, su función de
densidad será:

f(k) = P[X = k] = 1/n

k = 1, 2, ..., n

k=1,2,3,4,5,6

2. Se selecciona una bombilla al azar de una caja que contiene 4 bombillas, una de 40W, una de
60W, una de 75W y una de 100W

La probabilidad de que sacar una bombilla es

f(x)=1/n

n=4

f(x)= ¼

Cada bombilla tiene la misma probabilidad de ser escogida

Esperanza matemática

𝑛+1
𝐸 (𝑥) =
2
4+1
𝐸(𝑥) =
2
𝐸(𝑥) = 2.5
Varianza
𝑛 + 1[2(2𝑛 + 1) − 3(𝑛 + 1)]
𝑉(𝑥) =
12
 4 + 1[2(2 ∗ 4 + 1) − 3(4 + 1)]
𝑉(𝑥) =
12
𝑉(𝑥) = 1.25
3. En la fabricación de un cierto producto se produce con fallas, suponiendo que el numero de fallas
sigue la siguiente distribución uniforme
1
𝑓(𝑥) = 𝑥 = 2,4,5
3
0 𝑒𝑛 𝑜𝑡𝑟𝑜 𝑐𝑎𝑠𝑜
Determine la probabilidad de que en cierto producto se encuentren
a) 2 fallas
b) 3 fallas
c) Mas de 3 fallas
Solución
a) 2 fallas
1
𝑃(𝑋 = 2) = 𝑓(2) =
3
b) 3 fallas

𝑃 (𝑋 = 3) = 𝑓 (3) = 0
c) Mas de 3 fallas
𝑃(𝑋 > 3) = 𝑓 (4) + 𝑓(5) + 𝑓 (6) …
1 1
𝑃(𝑋 > 3) = + +0…
3 3
2
𝑃(𝑋 > 3) =
3
4. Supóngase que en un lago se encuentran 8 peces con diferente peso cada uno, el cual varía
desde 0.3kg hasta 1kg el peso va aumentando 1kg. Cual es la probabilidad de
a) sacar un tipo de pez.
b) Sacar un pez con peso mayor a 0.5kg
c) Sacar un pez con peso mayor o igual a 0.7kg
d) Sacar un pez con peso mayor o igual a 1kg
Solución
a) p(x) =1/n
p(x)=1/8
𝑝(𝑥) = 0.125 = 12.5%

b) 𝑝(0,6) + 𝑝(0,7) + 𝑝(0,8) + 𝑝(0,9) + 𝑝(1)

 𝑝(𝑥 > 0.5) = 1/8 + 1/8 + 1/8 + 1/8 + 1/8
𝑝(𝑥 > 0.5) = 5/8 = 0.625
𝑝(𝑥 > 0.5) = 62.5%
c) 𝑝(𝑥 >= 0.5) = 𝑝(0,7) + 𝑝(0,8) + 𝑝(0,9) + 𝑝(1)
𝑝(𝑥 > 0.5) = 1/8 + 1/8 + 1/8 + 1/8

𝑝(𝑥 > 0.5) = 4/8 = 1/2

𝑝(𝑥 > 0.5) = 50%
d) 𝑝(𝑥 >= 0.5) = 𝑝(1)
𝑝(𝑥 >= 0.5) = 1/8
𝑝(𝑥) = 0.125 = 12.5%
 GRUPO_2 DISTRIBUCION BINOMIAL MULTINOMIAL.
Ejercicios :
1. La probabilidad de que un paciente se recupere de una delicada operación de corazón es 0.9. ¿Cuál
es la probabilidad de que exactamente 5 de los siguientes 7 pacientes intervenidos sobrevivan?
Solución
𝑛 = 7 𝑝1 = 0.9 𝑝2 = 0.1 𝑖1 = 5 𝑖1 = 2
( 7! / 5! ∗ 2! ) (0.9 5 ∗ 0.1 2 ) = 0.1240029
2. La superficie de un tablero circular para dardos tiene un pequeño círculo central llamado diana y
20 regiones en forma de rebanada de pastel numeradas del 1 al 20. Asimismo, cada una de estas
regiones está dividida en tres partes, de manera que una persona que lanza un dardo que cae en un
número específico obtiene una puntuación igual al valor del número, el doble del número o el triple
de éste, dependiendo de en cuál de las tres partes caiga el dardo. Si una persona tiene una probabilidad
de 0.01 de acertar a la diana, una probabilidad de 0.10 de acertar un doble, una probabilidad de 0.05
de acertar un triple y una probabilidad de 0.02 de no acertar al tablero, ¿cuál es la probabilidad de que
7 lanzamientos den como resultado ninguna diana, ningún triple, dos dobles y una vez fuera del
tablero?
Solución

𝑛 = 7 𝑎𝑐𝑖𝑒𝑟𝑡𝑎 𝑒𝑛 𝑙𝑎 𝑑𝑖𝑎𝑛𝑎
𝑝1 = 0.01 𝑎𝑐𝑖𝑒𝑟𝑡𝑎 𝑢𝑛 𝑑𝑜𝑏𝑙𝑒

𝑝2 = 0.1 𝑎𝑐𝑖𝑒𝑟𝑡𝑎 𝑢𝑛 𝑡𝑟𝑖𝑝𝑙𝑒

𝑝3 = 0.05 𝑛𝑜 𝑎𝑐𝑖𝑒𝑟𝑡𝑎
𝑝4 = 0.02
𝑝5 = 0.82 𝑖1 = 2
𝑖1 = 2
𝑖1 = 1 𝑖1 = 4

𝑖1 = 4
( 7! /2! ∗ 1! ∗ 4! ) (0.1 2 ∗ 0.021 ∗ 0.824 ) = 0.0095
 GRUPO3 _ DISTRIBUCIÓN HIPERGEOMETRICA
Ejercicio 1
Dentro de una jaula hay 30 canarios amarillos y 20 canarios blancos si sacamos 10 de forma
aleatoria calcule la posibilidad de que 3 de ellos sea amarillo.
Datos: N=50 n=10 C= X=3

Ejercicio 2
Lotes de 40 componentes en los que cada uno tiene 3 o más defectuosos se consideran inaceptables.
el procedimiento para obtener muestras del lote consiste en seleccionar 5 componentes al azar y
rechazar el lote si se encuentra un componente defectuoso. Calcule la media y la varianza y utilizar
el teorema de Chebyshev para interpretar el intervalo u +-2r
Datos:
N=40
n=5
K=3

Ejercicio 3
El dueño de una casa planta 6 bulbos selecciona 2 al azar de una caja que contiene 5 bulbos de tulipán
y 4 de narciso ¿cuál es la probabilidad de que plante 2 bulbos de narciso y 4 de tulipán? Datos: Total
= 9 Plantas P(Plante 2 bulbos de narciso y 4 de tulipán) = [P (plante 2 bulbos de narciso)] * [P(plante
4 de tulipán)]
Ejercicio propuesto
Si de una baraja ordinaria de 52 cartas, se toman 7 y se reparten, ¿cuál es la probabilidad de
que: a) exactamente 2 de ellas sean cartas de figuras?
 GRUPO 4-DISTRIBUCION GEOMÉTRICA Y BINOMIAL NEGATIVA
1. La probabilidad de que una persona, que vive en cierta ciudad, tenga un perro se estima en
0,3. Encuentre la probabilidad de que la décima persona entrevistada al azar en esta ciudad
sea la quinta que tiene perro.

p=0.3
q=0.7
k=5
x=10
(𝑥 − 1)!
𝑝 𝑘 ∗ 𝑞 𝑥−𝑘
(𝑘 − 1)! (𝑥 − 𝑘)!
9!
0.35 ∗ 0.710−5
(4!)(5!)
9𝑥8𝑥7𝑥6𝑥5𝑥4𝑥3𝑥2𝑥1
0.35 ∗ 0.710−5
(4𝑥3𝑥2𝑥1)(5𝑥4𝑥3𝑥2𝑥1)
3024
0.35 ∗ 0.75
24
𝑅 = 0.0515
La probabilidad de que la décima persona entrevistada al azar sea la quinta que tiene perro es
de 0.051.
2. Se sabe que en cierto proceso de fabricación, en promedio, uno de cada 100 artículos
está defectuoso. ¿Cuál es la probabilidad de que el quinto artículo que se inspecciona
sea el primer defectuoso que se encuentra?

Usamos la distribución geométrica con x=5 y p=0,01

𝒈(𝒙, 𝒑) = 𝒑 ∗ 𝒒𝒙−𝟏
𝒈(𝟓; 𝟎, 𝟎𝟏) = (𝟎, 𝟎𝟏)(𝟎, 𝟗𝟗)𝟓−𝟏
𝒈(𝟓; 𝟎, 𝟎𝟏) = (𝟎, 𝟎𝟏)(𝟎, 𝟗𝟗)𝟒
𝒈(𝟓; 𝟎, 𝟎𝟏) = 𝟎, 𝟎𝟎𝟗𝟔

3. En el salón hay 8 alumnos de ojos cafés, 9 de ojos azules, 7 de ojos negros, y 10 de ojos
verdes; si extraemos 6 alumnos, calcular la probabilidad de que este último tenga los
ojos claros.

𝐷𝑒𝑓𝑖𝑛𝑖𝑟 é𝑥𝑖𝑡𝑜: 𝑡𝑒𝑛𝑔𝑎 𝑜𝑗𝑜𝑠 𝑐𝑙𝑎𝑟𝑜𝑠.

𝑥=6
𝑝 = (19/34) = 0.5588
𝑞 = 1 − 0.5588 = 0.4412
𝑔(𝑥, 𝑝) = 𝑝 ∗ 𝑞 𝑥−1
𝑔(6; 0.5588) = (0.4412)5(0.5588) = 00093
4. En una cocina hay 10 chefs, de los cuales 3 son de EEUU y 7 de Irlanda, se entrevista al
azar a cada chef. Calcule la probabilidad de que el quinto entrevistado sea el tercero de
origen Irlandés.

p=7/10
q=3/10
k=3
x=5
(𝑥 − 1) 𝑘
𝑝 ∗ 𝑞 𝑥−𝑘
(𝑘 − 1)

4𝐶2 ∗ (7/10)3 ∗ (3/10)2

343 9
6∗ ∗
1000 100
𝑅 = 0.185
 GRUPO5 _ DISTRIBUCIÓN DE PROBABILIDAD CONTINUA
Ejemplo 1:
Un factor importante en el combustible sólido para proyectiles es la distribución del tamaño de las
partículas. Ocurren problemas significativos cuando las partículas son demasiado grandes. A partir
de los datos de producción históricos, se determinó que la distribución del tamaño (en micras) de las
partículas se caracteriza por:

¿Cuál es la probabilidad de que una partícula tomada al azar del combustible sea mayor a 4 micras?
Solución:

Ejemplo 2:
El tiempo de revisión del motor de un avión sigue aproximadamente una distribución exponencial,
con media 22 minutos. a) Hallar la probabilidad de que el tiempo de la revisión sea menor de 10
minutos b) El costo de la revisión es de 200 euros por cada media hora o fracción. ¿Cuál es la
probabilidad de que una revisión cueste 400 euros?
Solución:
a) Sea X =tiempo de revisión del motor de un avión en minutos.

Función de densidad

Función de distribución
 b) Como el costo de la revisión del motor es de 200 euros por cada media hora o fracción, para que la
revisión cuesta 400euros la duración de la revisión debe ser inferior o igual a 60 minutos. Es decir, se
tendrá que calcular p(30<x<=60)

O bien

Ejemplo 3:
La duración de vida de una pieza de un motor sigue una distribución exponencial, sabiendo que la
probabilidad de que sobrepase las 100 horas de uso es 0,9. Se pide: a) Probabilidad de que sobrepase
las 200 horas de uso b) ¿Cuántas horas se mantiene funcionando con probabilidad 0,95?

Solución:
Sea x=tiempo de vida de la pieza del motor x-exp(ʎ)
Respectivamente, la función de densidad y la función de distribución son:

Siendo

Por tanto

a)

b)
Ejercicio propuesto
Se ha comprobado que el tiempo de vida de cierto tipo de marcapasos sigue una distribución
exponencial con media de 16 años. A.¿Cuál es la probabilidad de que a una persona a la que se le ha
implantado este marcapasos se le deba reimplantar otro antes de 20 años? Si el marcapasos lleva
funcionando correctamente 5 años en un paciente, B¿cuál es la probabilidad de que haya que
cambiarlo antes de 25 años?
La variable aleatoria (tiempo de vida del marcapasos sigue una distribución exponencial de parámetro
lambda=1/16=0,0625ç
Solución:
Sea T la variable aleatoria que mide la duración del marcapasos en una persona.

|
 GRUPO 6-DISTRIBUCION NORMAL
Ejercicio 1
Dada una variable aleatoria continua Z, con distribución normal estándar, es decir, N(0;1), encuentre
las siguientes probabilidades, usando la tabla.
a) 𝑃( 0 ≤ 𝑍 ≤ 1.25)
b) 𝑏) 𝑃( 𝑍 ≥ 1.25)
c) 𝑐) 𝑃( 𝑍 ≤ −1.25)
𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛:

a) 𝑃( 0 ≤ 𝑍 ≤ 1.25)
𝑍 = 1.25 = 1.2 + 0.05
𝐴3 = 0.3944𝑃( 𝑍 ≥ 1.25)
b) 𝑃( 𝑍 ≥ 1.25)
𝐴3 + 𝐴4 = 0.50
𝐴4 = 0.50 – 0.3944
𝐴4 = 0.1056
c) 𝑃( 𝑍 ≤ −1.25)
𝐴3 = 𝐴2
𝐴1 + 𝐴2 = 0.50 𝐴1 = 0.50 – 0.3944
𝐴1 = 0.50 – 0.3944
𝐴1 = 0.1056Ejercicio
Ejercicio 2
El peso de cierto modelo de baterías está normalmente distribuido con una media de 6g y desviación
estándar de 2g. Determine el porcentaje de baterías cuyo peso es mayor de 8g.
Solución:

𝑧 = 𝑥 − µ /𝜎
 𝑧 = 8 − 6/ 2 𝑧 = 2 /2 = 1
𝑧 = 2 /2 = 1
𝑍 = 1 𝐴3 = 0.3413
𝐴3 = 0.3413
𝐴3 + 𝐴4 = 0.50
𝐴4 = 0.50 – 0.3413
𝐴4 = 0.1587𝐴4 = 0.1587 ∗ 100 = 15.87%
𝐴4 = 0.1587 ∗ 100 = 15.87%

Ejercicio 3
Los precios de las acciones de cierta industria se distribuyen en forma normal con media de $20 y
desviación estándar de $3. ¿Cuál es la probabilidad de que el precio de las acciones de una empresa
se encuentre entre $18 y $20?
Solución:

𝑧 = 𝑥 − µ/ 𝜎
𝑧 = 18 − 20 /3
𝑧 = −2 /3 = −0.666 … = −0.67
𝑍 = −0.67
𝑍 = 0.67Ejercicio
Ejercicio propuesto
Una clínica realiza un análisis de colesterol en hombres mayores de 50 años, y luego de varios años
de investigación, concluye que la distribución de lecturas del colesterol sigue una distribución normal,
con media de 210 mg/dl y una desviación estándar de 15 mg/dl. a) ¿Qué porcentaje de esta población
tiene lecturas mayores a 250 mg/dl de colesterol?
𝑧 = 𝑥 − µ/ 𝜎
𝑧 = 250 − 210/ 15
𝑧 = 8 /3 = 2.666 … = 2.67 𝑧 = 0.4962 𝐴3 + 𝐴4 = 0.50
𝑧 = 0.4962 𝐴3 + 𝐴4 = 0.50
𝐴3 + 𝐴4 = 0.50
𝐴4 = 0.50 – 0.4962
𝐴4 = 0,0038
𝑅𝑝𝑡𝑎: 0,38%

a) ¿Qué porcentaje tiene lecturas inferiores a 190,05 mg/dl?

𝑧 = 𝑥 − µ /𝜎
 𝑧 = 190.05 − 210/ 15
𝑧 = −133/ 100 = −1.33 𝑧 = 1.33 𝐴3 = 0.4082
𝑧 = 1.33 𝐴3 = 0.4082
𝐴3 = 0.4082
𝐴3 = 𝐴2
𝐴2 = 0.4082
𝐴1 + 𝐴2 = 0.50 𝐴2 = 0.50 − 0.4082
𝐴2 = 0.50 − 0.4082
𝐴2 = 0,0918 𝑅𝑝𝑡𝑎: 9,18%
 GRUPO_7-DISTRIBUCION-NORMAL-BAJO-LA-CURVA.
Ejercicios.
1. Los ingresos semanales de supervisores de turno en la industria de vidrio tienen la distribución
normal con media de $1000 dólares, y una desviación estándar de $100. ¿Cuál es el valor de z
correspondiente al ingreso de un supervisor que gana $1 100 a la semana?
Datos:
𝑼 = 𝟏𝟎𝟎𝟎
𝒅 = 𝟏𝟎𝟎

𝒙 = 𝟏𝟏𝟎𝟎
𝑺𝒐𝒍𝒖𝒄𝒊ó𝒏:
𝑋−𝑢
𝑧=
𝑑
1100 − 1000
𝑧= 𝑧=1
100
𝑧=1

 El área bajo la curva entre 1000 y 1100 es de 0,3413 según la tabla z.

 La probabilidad de elegir a un supervisor cuyo ingreso esta entre 1000 y 1100 es de 34,13%
2. Dada una variable aleatoria continua z, con distribución normal estándar, es decir N (0;1),
encuentre la siguiente probabilidad usando la tabla.
Que probabilidad hay que (0<=< z <=1,25)

𝐷𝑎𝑡𝑜𝑠:
𝑁 (0; 1)
𝑃 (0 <=< 𝑧 <= 1,25)

𝑆𝑜𝑙𝑢𝑐𝑖ó𝑛:
𝑧 = 1.25
𝑧 = 1.2 + 0.05
Verificamos en la tabla el valor del área y nos da que su valor es:
Área =0.3944
Lo cual nos indica además la probabilidad de 0.3944%
3. Una compañía de autobuses realiza un estudio sobre el número de veces que, semanalmente,
utilizan el autobús los usuarios. Se sabe que los datos se distribuyen N (10, 3). Calcula la
probabilidad de que un usuario utilice el autobús:
Más de 11 veces.
Datos:
𝑃(𝑧 > 0,33)

La probabilidad de que un usuario utilice el autobús más de 11 veces es 0,3707.

Ejercicio Propuesto.
Una población normal tiene una media de 80 una desviación de 14.0
Calcule la probabilidad de un valor localizado entre 75 y 90 p(75<=x<=90)
Datos:
µ = 80
𝜎 = 14
𝑧 = (𝑥 − µ) / 𝜎
Solución
𝑧 = (90 − 80) / 14 = 0.71 = 0.7611
𝑧 = (75 − 80) / 14 = −0.36 = 0.3594

𝑝 (75 <= 𝑥 <= 90) = 0.7611 – 0.3594 = 𝟎. 𝟒𝟎𝟏𝟕//

 GRUPO 8-APROXIMACIÓN DE LA NORMAL A LA BINOMIAL
Ejemplo 1:
La probabilidad de que un paciente se recupere de una rara enfermedad de la sangre es de 0.4. Si se
sabe que 100 personas han contraído esta enfermedad, ¿Cuál es la probabilidad de que: a) al menos
30 sobrevivan?, ¿b) más de 46 sobrevivan?, ¿c) menos de 50 no sobrevivan?

Solución:
𝑛 = 100𝑝 = = 0.40𝑞 = = 1 – 𝑝 = 1 – 0.40 = 0.60µ = 𝑛 ∗ 𝑝 = (100) (0.40)
= 40 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑒𝑛
𝑝 = = 0.40𝑞 = = 1 – 𝑝 = 1 – 0.40 = 0.60µ = 𝑛 ∗ 𝑝 = (100) (0.40)
= 40 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑒𝑛
𝑞 = = 1 – 𝑝 = 1 – 0.40 = 0.60µ = 𝑛 ∗ 𝑝 = (100) (0.40) = 40 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑒𝑛

µ = 𝑛 ∗ 𝑝 = (100) (0.40) = 40 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑠𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑒𝑛

𝜎 = √𝑛𝑝𝑞 = √100(0,40)(0,60) = 4,899 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑛

𝑥 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑞𝑢𝑒 𝑛𝑜𝑠 𝑑𝑒𝑓𝑖𝑛𝑒 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑛

𝑥 = 0, 1, 2, . . . . ,100 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑠𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑛

𝑛 = 100𝑝 = 𝑝(𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒 𝑛𝑜 𝑠𝑜𝑏𝑟𝑒𝑣𝑖𝑣𝑎) = 0.60𝑞 = 𝑝(𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒 𝑠𝑜𝑏𝑟𝑒𝑣𝑖𝑣𝑎) = 1 – 𝑝

= 0.40
𝑝 = 𝑝(𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒 𝑛𝑜 𝑠𝑜𝑏𝑟𝑒𝑣𝑖𝑣𝑎) = 0.60𝑞 = 𝑝(𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒 𝑠𝑜𝑏𝑟𝑒𝑣𝑖𝑣𝑎) = 1 – 𝑝 = 0.40

𝑞 = 𝑝(𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒 𝑠𝑜𝑏𝑟𝑒𝑣𝑖𝑣𝑎) = 1 – 𝑝 = 0.40

µ = 𝑛𝑝 = (100) (0.60) = 60 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑛

𝜎 = √𝑛𝑝𝑞 = √100(0,40)(0,60) = 4,899 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑛𝑜 𝑠𝑒 𝑟𝑒𝑐𝑢𝑝𝑒𝑟𝑎𝑛

𝑥 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑞𝑢𝑒 𝑛𝑜𝑠 𝑑𝑒𝑓𝑖𝑛𝑒 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑎𝑐𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑛𝑜 𝑠𝑜𝑏𝑟𝑒𝑣𝑖𝑣𝑒𝑛

𝑥 = 0, 1, 2, . . . . ,100𝑝( 𝑧 = −2.14) = 0.4838
𝑝( 𝑧 = −2.14) = 0.4838
𝑝(𝑥 < 50) = 0.5 – 𝑝(𝑧 = −2.14) = 0.5 – 0.4838 = 0.0162Ejemplo
Ejemplo 2:
Una prueba de opción múltiple tiene 200 preguntas, cada una con 4 posibles respuestas, de las
cuáles solo una es la correcta ¿cuál es la probabilidad de que al azar se den de 25 a 30 respuestas
correctas para 80 de las 200 preguntas acerca de los cuales el estudiante no tiene conocimientos?
Solución:
𝑛 = 80𝑝 = 𝑝(𝑑𝑎𝑟 𝑢𝑛𝑎 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑐𝑖ó𝑛 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎) = 0.25𝑞
= 𝑝(𝑑𝑎𝑟 𝑢𝑛𝑎 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎) = 1 – 𝑝 = 0.75µ = 𝑛 ∗ 𝑝
= (80)(0.25) = 20 𝑝𝑟𝑒𝑔𝑢𝑛𝑡𝑎𝑠 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑑𝑎𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒
𝑝 = 𝑝(𝑑𝑎𝑟 𝑢𝑛𝑎 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑐𝑖ó𝑛 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎) = 0.25𝑞 = 𝑝(𝑑𝑎𝑟 𝑢𝑛𝑎 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎)
= 1 – 𝑝 = 0.75µ = 𝑛 ∗ 𝑝 = (80)(0.25)
= 20 𝑝𝑟𝑒𝑔𝑢𝑛𝑡𝑎𝑠 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑑𝑎𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒
𝑞 = 𝑝(𝑑𝑎𝑟 𝑢𝑛𝑎 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎) = 1 – 𝑝 = 0.75µ = 𝑛 ∗ 𝑝 = (80)(0.25)
= 20 𝑝𝑟𝑒𝑔𝑢𝑛𝑡𝑎𝑠 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑑𝑎𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒
µ = 𝑛 ∗ 𝑝 = (80)(0.25) = 20 𝑝𝑟𝑒𝑔𝑢𝑛𝑡𝑎𝑠 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑑𝑎𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒

𝜎 = √𝑛𝑝𝑞 = √80(0,25)(0,75) = 3,829 𝑝𝑟𝑒𝑔𝑢𝑛𝑡𝑎𝑠 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑑𝑎𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒

𝑥 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑟𝑒𝑔𝑢𝑛𝑡𝑎𝑠 𝑞𝑢𝑒 𝑠𝑜𝑛 𝑐𝑜𝑛𝑡𝑒𝑠𝑡𝑎𝑑𝑎𝑠 𝑐𝑜𝑟𝑟𝑒𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 = 0, 1, 2, . . . ,80

Ejemplo 3:
El 1,5% de las bolas de rodamiento que usan en una para fabricar un cojinete salen defectuosas.
Acabamos de comprar una partida de 2000 bolas de rodamiento y queremos saber qué probabilidad
hay de que tengamos en ella más de 40 bolas defectuosas.
Estamos ante la variable aleatoria X que nos dice el número de bolas defectuosas de una partida de
2000 bolas de rodamiento. Esta variable se distribuye de acuerdo con una binomial B(2000; 0,015).
Como n*p= 30 ≥5 y n(1-p) = 1970 ≥5, podemos ajustar esta binomial mediante la normal. Para ello,
calculamos la media y la desviación típica:

µ = 𝑛 ∗ 𝑝 = 30 𝜎 = √𝑛𝑝𝑞 = 5,43599

Luego B(2000; 0,015) se aproxima mediante la normal N(30; 5,44).

Tener más de 40 bolas defectuosas es lo contrario de tener a lo sumo 40 bolas defectuosas, luego:

Así que sólo hay un 3,29% de probabilidades de que la partida tenga más de 40 bolas defectuosas.
 GRUPO-9 DISTRIBUCION GAMMA Y EXPONENCIAL
Ejemplo1
Suponga que el tiempo en horas que se toma para reparar una bomba es una variable aleatoria x que
tiene una distribución gamma con parámetros a=2 y b=1/2. ¿Cuál es la probabilidad de que en el
siguiente servicio:
a) Tome cuando mucho 1 hora reparar la bomba.

b) Al menos se requieran 2 horas para reparar la bomba.

Ejemplo2
El tiempo durante el cual cierta marca de batería trabaja en forma efectiva hasta su tiempo de falla se
distribuye según el modelo exponencial con un tiempo promedio de fallas igual a 360 días.
 a) ¿qué probabilidad ahí que el tiempo de falla sea mayor que 400 días?
 b) Si una de estas baterías ha trabajado ya 400 días, ¿qué probabilidad hay que trabaja más
de 200 días más?
Sea X el tiempo que trabaja la batería hasta que falle.
A) El tiempo promedio de falla es de 360 es decir β=360
𝑥
1
Su función de densidad es :𝑓(𝑥) = 360 𝑒 −360
400⁄
𝑎) 𝑃[𝑋 > 400] = 𝑒 − 360

= 0.329

b) Si la batería ya trabajo 400 días, quiere decir que su tiempo de falla es mayor a 400 días.
P[X>400+200] 200⁄
⁄P[X>400] = 𝑃[𝑋 > 200] = 𝑒 − 360 = 0.574

EJERCICIO PROPUESTO
El tiempo en horas que semanalmente requiere una máquina para mantenimiento es una variable
aleatoria con distribución Gamma con parámetros 𝜶 = 𝟑, 𝜷 = 𝟐
Encuentre la probabilidad que en alguna semana el tiempo de mantenimiento sea mayor a 8 horas.
Solución:
Sea X duración del mantenimiento en horas siendo la variable aleatoria su densidad de probabilidad
es:

La probabilidad de que el tiempo de mantenimiento sea mayor a 8 horas.

 GRUPO-10 DISTRIBUCIÓN CHI( O JI ) CUADRADO
EJEMPLO 1
Un gerente de ventas que tiene su mercado dividido en cuatro zonas le indica a sus vendedores que
las zonas tienen el mismo potencial de ventas. • Ante la duda de los vendedores sobre el potencial de
sus zonas el gerente hace el siguiente procedimiento: se extrae una muestra de los archivos de la
empresa de 40 ventas por zona son: zona 1=6, zona 2=12, zona 3= 14 y la zona 4 = 8. en vista de esos
resultados se realiza una prueba de bondad de ajuste.

Ejemplo 2
Ejemplo 3
 GRUPO 11-DISTRIBUCION-LOGARITMICA-NORMAL
Ejemplo 1

Como parte de un análisis de riesgo con respecto a una planta de energía nuclear, los ingenieros deben
modelar la resistencia de los soportes de un generador de vapor en función de su capacidad de resistir
la aceleración máxima ocasionada por los temblores. La opinión de los expertos sugiere que el
logaritmo In(trasferencia) se distribuye normalmente con 𝝁 = 𝟒 𝒚 𝝈𝟐 = 𝟎. 𝟎𝟗y Calculase la
probabilidad de que los soportes resistan una aceleración máxima de 33.

𝑰𝒏(𝟑𝟑) − 𝟒𝟎
𝟏− 𝑭( )
𝟎. 𝟑

𝟏 − 𝑭(−𝟏. 𝟔𝟖) = 𝟎. 𝟗𝟓𝟑𝟓

Ejemplo 2

Los ahorros de un grupo de personas siguen una distribución logarítmico normal, el ahorro deseado
es de $3000 y la desviación estándar es de $2000.
¿Calcular el porcentaje de personas que se encuentran entre 70 y 150 mil dólares?

µ = 3 𝑚𝑖𝑙
Ϭ = 2 𝑚𝑖𝑙

𝑷(𝟕𝟎 ≤ 𝒙 ≤ 𝟏𝟓𝟎) = 𝑷[𝒍𝒏(𝟕𝟎) ≤ 𝒙 ≤ 𝒍𝒏(𝟏𝟓𝟎)]

= 𝑷[((𝒍𝒏(𝟕𝟎) − 𝟑)/𝟐) ≤ ((𝒍𝒏(𝒙) − 𝟑)/𝟐) ≤ ((𝒍𝒏(𝟏𝟓𝟎) − 𝟑)/𝟐)]

= 𝑷[(𝒍𝒏(𝟏𝟓𝟎) − 𝟑)/𝟐) − (𝒍𝒏(𝟕𝟎) − 𝟑)/𝟐)]

= 𝜱(𝟏. 𝟎𝟏) − 𝜱(𝟎. 𝟔𝟐)

= (0.3438) − (0.2324)

= 0.1104

𝑷(𝟕𝟎 ≤ 𝒙 ≤ 𝟏𝟓𝟎) = 𝟏𝟏. 𝟎𝟒%

 GRUPO-12-DISTRIBUCIÓN-DE-WEIBULL

Ejercicios Propuestos
El tiempo de vida X, en horas, de un artículo en el taller mecánico tiene una distribución de Weibull
con α = 0.01 y β = 2. ¿Cuál es la probabilidad de que falle antes de 8 horas de uso?
𝑃(𝑥 < 8) = 𝐹(8)
𝐹(8) = 1 − 𝑒^(−(0.01) 8^2 )

𝐹(8) = 0.473

El artículo en el taller mecánico del ejemplo anterior tiene β = 2 y, por consiguiente, se desgasta con
el tiempo. Un artículo en el taller mecánico tiene una distribución de Weibull con β = 3/4, α = 2
¿Cuál es la tasa de falla con t = 8?
3 3
𝑧(𝑡) = 2 ∗ (84−1 )
4
𝑧(𝑡) = 0.892
En ese caso, β < 1 y, por lo tanto, el componente se hace más fuerte con el tiempo.
El tiempo de vida X, en meses, de una sustancia segregada por el cerebro al cuerpo, tiene una
distribución de Weibull con α = 0.64 y β = 7/3. ¿Cuál es la probabilidad de que la sustancia perdure
por más de 4 meses?
2.33
F(4) = 1 − 𝑒 −(0.64)4

F(4) = 1 − 𝑒 −16.18
F(4) = 0.999
 GRUPO-13-DISTRIBUCION-DE-FISHER
EJERCICIO 1
En un proceso hay dos máquinas cortadoras diferentes en antigüedad lo que hace pensar que las
varianzas de corte no son iguales. Se toma una muestra de 16 partes de cada máquina, ¿cuál es la
probabilidad de que la razón de varianzas sea:
a. mayor a 1.97?
b. menor a 3.52?
solución
a.

P( F  1.97)  1  0.9  0.1 para v1  15 y v2  15

La probabilidad de que la razón de varianzas sea mayor a 1.97 es 0.1.

b.

P( F  3.52)  0.99 para v1  15 y v2  15

La probabilidad de que la razón de varianzas sea menor a 3.52 es 0.99.

EJERCICIO 2.
Dados 2 muestras de 25 y 16. Hallar el valor de F, si el nivel de significancias es 0.95 y 0.99

𝑑𝑎𝑡𝑜𝑠
𝑁1 = 25 𝑁2 = 16
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛
𝑔𝑟𝑎𝑑𝑜 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑

𝑉1 = 𝑁1 − 1 = 25 − 1 = 24
𝑉2 = 𝑁2 − 1 = 16 − 1 = 15

𝑣𝑒𝑟 𝑡𝑎𝑏𝑙𝑎
𝐹 (0.95; 24; 15) = 2.29
𝐹 (0.99; 24; 15) = 3.29
EJERCICIO PROPUESTO
De poblaciones distribuidas en forma normal se obtiene dos muestras de tamaño 16 y 14 cuyas
varianzas muéstrales son 10 y 8 si las varianzas son 9 y 16 respectivamente, determinar si la primera
muestra tiene una varianza bastante mayor que la segunda muestra al nivel de significancia a) 0.95 y
b) 0.99.
𝑠𝑜𝑙𝑢𝑐𝑖𝑜𝑛

𝑑𝑎𝑡𝑜𝑠
𝑁1 = 16
𝑁2 = 14
𝑆12 = 10

𝑆22 = 8

𝜎12 = 9

𝜎22 = 16
𝑎𝑝𝑙𝑖𝑐𝑎𝑟 𝑙𝑎 𝑓𝑜𝑟𝑚𝑢𝑙𝑎

𝑁1 × 𝑆12 /(𝑁1 − 1) × 𝜎12

𝐹=
𝑁2 × 𝑆22 /(𝑁2 − 1) × 𝜎22
16 × 10/(16 − 1) × 9
𝐹= = 2.20
14 × 8/(14 − 1) × 16

𝑔𝑟𝑎𝑑𝑜 𝑑𝑒 𝑙𝑖𝑏𝑒𝑟𝑡𝑎𝑑

𝑉1 = 𝑁1 − 1 = 16 − 1 = 15
𝑉2 = 𝑁2 − 1 = 14 − 1 = 13
𝑣𝑒𝑟 𝑡𝑎𝑏𝑙𝑎

𝐹 (0.95; 15; 13) = 2.53

𝐹 (0.99; 15; 13) = 3.82
𝑟𝑒𝑠𝑝𝑢𝑒𝑠𝑡𝑎

 𝐹𝑐 < 𝐹𝑡 = 2.20 < 2.53 𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻𝑜

 𝐹𝐶 < 𝐹𝑡 = 2.20 < 3.82𝑠𝑒 𝑎𝑐𝑒𝑝𝑡𝑎 𝐻𝑜
 DISTRIBUCIÓN DE POISSON
Ejemplo 1
• Si un banco recibe en promedio 6 cheques sin fondo por día, ¿Cuáles son las probabilidades
de que reciba,
• a) 4 cheques sin fondo en un día dado,
• b) 10 cheques sin fondos en cualquier de dos días consecutivos?
Resolución:
X = es la variable que define de los cheques sin fondo que llegan al banco en un día.
ℷ = es el número de cheques sin fondo por día
Resolución literal
a) 4 cheques sin fondo en un día dado

𝝀𝒙 ∗ 𝒆−𝝀
𝑷(𝒙|𝝀) =
𝒙!
𝟔𝟒 ∗ 𝒆−𝟔
𝑷(𝒙 = 𝟒|𝝀 = 𝟔) =
𝟒!
(𝟏𝟐𝟗𝟔) ∗ (𝟎, 𝟎𝟎𝟐𝟒𝟖)
𝑷(𝒙 = 𝟒|𝝀 = 𝟔) =
𝟒∗𝟑∗𝟐∗𝟏
𝑷(𝒙 = 𝟒|𝝀 = 𝟔) = 𝟎, 𝟏𝟑𝟑𝟗𝟐
Resolución literal
b) 10 cheques sin fondos en cualquier de dos días consecutivos

𝝀𝒙 ∗ 𝒆−𝝀
𝑷(𝒙|𝝀) =
𝒙!
𝟏𝟎𝟏𝟐 ∗ 𝒆−𝟏𝟐
𝑷(𝒙 = 𝟏𝟎|𝝀 = 𝟏𝟐) =
𝟏𝟎!
(𝟔, 𝟏𝟗𝟏𝟕𝒙𝟏𝟎𝟏𝟎 ) ∗ (𝟔, 𝟏𝟒𝟒𝒙𝟏𝟎−𝟔 )
𝑷(𝒙 = 𝟏𝟎|𝝀 = 𝟏𝟐) =
𝟑𝟔𝟐𝟖𝟖𝟎𝟎
𝑷(𝒙 = 𝟏𝟎|𝝀 = 𝟏𝟐) = 𝟎, 𝟏𝟎𝟒𝟖𝟑
Ejemplo 2
• En una empresa el termino medio de accidentes es de 3 por mes. Determine la probabilidad
de:
a) Que no ocurra ningún accidente en un mes
b) Que máximo ocurran 2 accidentes en un mes
c) Que ocurran 30 accidentes en un año
d) Que ocurran 8 accidentes en un trimestre
Resolución
a) Que no ocurra ningún accidente en un mes

𝝀𝒙 ∗ 𝒆−𝝀
𝑷(𝒙|𝝀) =
𝒙!
𝟑𝟎 ∗ 𝒆−𝟑
𝑷(𝒙 = 𝟎|𝝀 = 𝟑) =
𝟎!
(𝟏) ∗ (𝟎, 𝟎𝟒𝟗𝟕𝟖)
𝑷(𝒙 = 𝟎|𝝀 = 𝟑) =
𝟎!
𝑷(𝒙 = 𝟎|𝝀 = 𝟑) = 𝟎, 𝟎𝟒𝟗𝟕𝟖
b) Que máximo ocurran 2 accidentes en un mes

𝑃 (𝑥 ≤ 2) = 𝑃 (𝑥 = 0) + 𝑃 (𝑥 = 1) + 𝑃 (𝑥 = 2)
𝑃 (𝑥 ≤ 2) = 0,04978 + 0,1493 + 0,2040

𝑃 (𝑥 ≤ 2) = 0,40308
𝟑𝟎 ∗ 𝒆−𝟑
𝑷(𝒙 = 𝟎|𝝀 = 𝟑) =
𝟎!
(𝟏) ∗ (𝟎, 𝟎𝟒𝟗𝟕𝟖)
𝑷(𝒙 = 𝟎|𝝀 = 𝟑) =
𝟎!
𝑷(𝒙 = 𝟎|𝝀 = 𝟑) = 𝟎, 𝟎𝟒𝟗𝟕𝟖

𝟑𝟏 ∗ 𝒆−𝟑
𝑷(𝒙 = 𝟏|𝝀 = 𝟑) =
𝟏!
(𝟑) ∗ (𝟎, 𝟎𝟒𝟗𝟕𝟖)
𝑷(𝒙 = 𝟏|𝝀 = 𝟑) =
𝟏!
𝑷(𝒙 = 𝟏|𝝀 = 𝟑) = 𝟎, 𝟏𝟒𝟗𝟑

𝟑𝟐 ∗ 𝒆−𝟑
𝑷(𝒙 = 𝟐|𝝀 = 𝟑) =
𝟐!
(𝟗) ∗ (𝟎, 𝟎𝟒𝟗𝟕𝟖)
𝑷(𝒙 = 𝟐|𝝀 = 𝟑) =
𝟐!
𝑷(𝒙 = 𝟐|𝝀 = 𝟑) = 𝟎, 𝟐𝟐𝟒𝟎
• Resolver los siguientes literales del ejercicio anterior:
c) Que ocurran 30 accidentes en un año
d ) Que ocurran 8 accidentes en un trimestre
c) Que ocurran 30 accidentes en un año
 Realizamos una regla de tres para saber el numero de 𝝀 que es el numero de accidentes por año.
Tenemos que 𝝀 es 36 accidentes por año.

𝟑𝟔𝟑𝟎 ∗ 𝒆−𝟑𝟔
𝑷(𝒙 = 𝟑𝟎|𝝀 = 𝟑𝟔) =
𝟑𝟎!
(𝟒, 𝟖𝟖𝟕𝒙𝟏𝟎𝟒𝟔 ) ∗ (𝟐, 𝟑𝟏𝟗𝟓𝒙𝟏𝟎−𝟏𝟔 )
𝑷(𝒙 = 𝟑𝟎|𝝀 = 𝟑𝟔) =
𝟐, 𝟔𝟓𝟐𝟓𝒙𝟏𝟎𝟑𝟐 )
𝑷(𝒙 = 𝟑𝟎|𝝀 = 𝟑𝟔) = 𝟎, 𝟎𝟒𝟐𝟕
d) Que ocurran 8 accidentes en un trimestre
Realizamos una regla de tres para saber el numero de 𝝀 que es el numero de accidentes en el
trimestre.
Tenemos que 𝝀 es 9 accidentes por trimestre

𝟗𝟖 ∗ 𝒆−𝟗
𝑷(𝒙 = 𝟖|𝝀 = 𝟗) =
𝟖!
(𝟒𝟑𝟎𝟒𝟔𝟕𝟐𝟏) ∗ (𝟏, 𝟐𝟑𝟒𝟎𝒙𝟏𝟎−𝟒 )
𝑷(𝒙 = 𝟖|𝝀 = 𝟗) =
𝟒𝟎𝟑𝟐𝟎
𝑷(𝒙 = 𝟖|𝝀 = 𝟗) = 𝟎, 𝟏𝟑𝟏𝟕
 Estimación e intervalos de confianza
El Club American Kennel desea estimar la proporción de niños que tiene como mascota a un perro.
Si el club desea que el margen de error sea del 3% de la proporción de la población ¿cuantos niños
tendrán que contactar? Se requiere un nivel de confianza del 95% y el club estimó que el 30% de
los niños tiene un perro como mascota.
2
 1.96 
n  (.30)(.70)   897
 .03 
Un estudiante desea estimar la proporción de ciudades que cuantan con recolectores de basura
privados. El estudiante desea que el margen de error se encuentre a .10 de la proporción de la
población el nivel de confianza deseado es de 90%, y no se encuentra disponible ningún estimador
para la proporción de la población. ¿Cuál es el tamaño de la muestra?
2
 1.65 
n  (.5)(1  .5)   68.0625
 .10 
n  69 ciudades.
Un grupo consumidor desea estimar la media del cargo de electricidad por familia en Julio con un
error de $5 usando un nivel de confianza de 99%. ¿La desviación estándar es estimada de estudios
similares la cual es $20.00? ¿Qué tan grande debe ser la muestra?
2
 (2.58)(20) 
n   107
 5 