Distribución Hipergeométrica:

Una compañía tiene siete solicitantes para dos puestos de trabajo: tres
mujeres y cuatro hombres. Suponga que los siente solicitantes están
igualmente calificados y que no se da preferencia para elegir género
alguno. Sea x igual al número de mujeres escogido para ocupar las dos
posiciones.

Planteamiento

N=7 solicitantes
X=2
K=2 puestos de trabajos
N=2

Candidatos

2 Mujeres
4 Hombres

X: número de mujeres escogido para ocupar las dos posiciones

a. Escriba la fórmula para p(x), la distribución de probabilidad de x.

𝑝(𝑥) = 𝐶𝑘, 𝑥 ∗ 𝐶𝑁 − 𝑘; 𝑛 − 𝑥/𝐶𝑁, 𝑛

𝐶𝑛, 𝑘 = 𝑛! / 𝑘! (𝑛 − 𝑘)!
𝑝(𝑥) = 𝐶2,2 ∗ 𝐶7 − 2; 2 − 2 / 𝐶7,2
𝑝(𝑥) = 1 ∗ 5 / 21
𝑝(𝑥) = 0,2381

b. ¿Cuáles son la media y la varianza de esta distribución?

Media:
𝜇 =𝑛∗𝑝
𝜇 = 2 ∗ 0,2381 = 0,48

Varianza:
𝜎 2 = 𝑛𝑝𝑞(𝑁 − 𝑛 / 𝑁 − 1)
𝜎 2 = 0,37(5 /6)
𝜎 2 = 0,30

c. Construya un histograma de probabilidad para x.

 PROBABILIDAD DE X
80

PORCENTAJE DE OBTENER EL PUESTO

70
60
50
40
30
20
10
0
MUJERES HOMBRES
PUESTOS

Distribución Binomial: La preferencia por el color de un auto cambia con

los años y de acuerdo con el modelo particular que seleccione el cliente.
En año reciente, suponga que 10% de todos los autos de lujo que se
vendieron eran negros. Si 25 autos de es año y tipo se seleccionan al
azar, encuentre las siguientes probabilidades:

Planteamiento

Hay que distinguir que no se pude aplicar la distribución de Poisson, ya

que nos indican una probabilidad y no una media, por lo tanto se aplica
Teorema de Bayes, que nos da una probabilidad:

10% 𝑑𝑒 𝑙𝑜𝑠 𝑎𝑢𝑡𝑜𝑠 𝑑𝑒 𝑙𝑢𝑗𝑜𝑠 𝑠𝑜𝑛 𝑛𝑒𝑔𝑟𝑜𝑠

𝑛 = 25

a. Al menos cinco autos sean negros.

10% ∗ 25 = 2,5
𝑝 = 5 /25 ∗ 0,1 = 0,02 = 2%

b. A lo sumo seis autos son negros.

𝑝 = 6 /25 ∗ 0,10 = 0,024 = 2,4%

c. Más de cuatro autos son negros.

𝑝 = 4 /25 ∗ 0,10 = 0,016

𝑝 = 1 − 0,016 = 0,984 = 98,4%

d. Exactamente cuatro autos son negros.

𝑝 = 4 /25 ∗ 0,10 = 0,016

e. Entre tres y cinco autos (inclusive) son negros.

𝑝 = 3 /25 ∗ 0,1 = 0,012

𝑝 = 4 /25 ∗ 0,10 = 0,016
𝑝 = 5 /25 ∗ 0,1 = 0,02
𝑝 = (3 < 𝑥 < 5) = 0,012 + 0,016 + 0,02 = 0,048

f. Más de veinte autos no son negros.

𝑝 = 20 /25 ∗ 0,9 = 0,72 = 72%

Estudio de caso 33:

La distribución de probabilidad de Poisson describe el número de veces
que se presenta un evento durante un intervalo específico. El intervalo
puede ser de tiempo, distancia, área o volumen. La distribución se basa
en dos supuestos. El primero consiste en que la probabilidad es
proporcional a la longitud del intervalo. El segundo supuesto consiste en
que los intervalos son independientes. En otras palabras, cuanto más
grande sea el intervalo, mayor será la probabilidad; además, el número
de veces que se presenta un evento en un intervalo no influye en los
demás intervalos.
Esta distribución posee diversas aplicaciones. Se le utiliza como modelo
para describir la distribución de errores en una entrada de datos, el
número de rayones y otras imperfecciones en las cabinas de
automóviles recién pintados, el número de partes defectuosas en envíos,
el número de clientes que esperan mesa en un restaurante, el número
de accidentes en una carretera en un periodo determinado.
Un conmutador puede manejar un máximo de 5 llamadas por minuto. Si
la experiencia indica que se recibe un promedio de 3 llamadas por
minuto.

Planteamiento
Máximo 5 llamadas por minuto
𝜇 = 3 𝑙𝑙𝑎𝑚𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 𝑚𝑖𝑛𝑢𝑡𝑜
𝑒 = 2,7182818
Distribución de Poisson
Probabilidad de que el número de llamadas recibidas por el conmutador
en 1 minuto sea:

𝑝 = (𝑥 = 𝑘) = 𝜇Λ𝑘 ∗ 𝑒Λ − μ/k!

a. A lo sumo 4.

𝑝 = (𝑥 ≤ 4) = 𝑝(𝑥 = 0) + 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3) + 𝑝(𝑥 = 4)

Entonces
𝑝(𝑥 = 0) = 30 ∗ (2,7182818)−3 /0! = 0,0497870
𝑝(𝑥 = 1) = 31 ∗ (2,7182818)−3 /1! = 0,149361
𝑝(𝑥 = 2) = 32 ∗ (2,7182818)−3 /2! = 0,224041
𝑝(𝑥 = 3) = 33 ∗ (2,7182818)−3 /3! = 0,2240415
𝑝(𝑥 = 4) = 34 ∗ (2,7182818)−3 /4! = 0,1603
𝑝(𝑥 ≤ 4) = 0,81526

b. Menos de 3.

𝑝(𝑥 < 3) = 𝑝(𝑥 = 0) + 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2)

𝑝(𝑥 < 3) = 0,4231895

c. Al menos 4.

𝑝(𝑥 = 4) = 34 ∗ (2,7182818)−3 /4! = 0,1603

d. Quede saturado.

(2,7182818)−3
𝑝(𝑥 = 5) = 35 ∗ = 0,1 = 10%
5!

e. Entre 1 y 3.

𝑝(1 ≤ 𝑥 ≤ 3) = 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3)

𝑝(1 ≤ 𝑥 ≤ 3) = 0,5975

f. Una o más pero menos de 5.

𝑝(1 ≤ 𝑥 ≤ 5) = 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3) + 𝑝(𝑥 = 4)

𝑝(1 ≤ 𝑥 ≤ 5) = 0,7654735

g. Más de 2 pero menos de 5.

𝑝(2 ≤ 𝑥 ≤ 5) = 𝑝(𝑥 = 3) + 𝑝(𝑥 = 4)

𝑝(2 ≤ 𝑥 ≤ 5) = 0,3843415
h. Ninguna.

𝑝(𝑥 = 0) = 30 ∗ (2,7182818)−3 /0! = 0,0497870

i. Si se cuenta el número de llamadas en 5 minutos, cual es la

probabilidad de que se reciban 4 llamadas.
𝑝(1 ≤ 𝑥 ≤ 5) = 𝑝(𝑥 = 0) + 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3) + 𝑝(𝑥 = 4)
𝑝(1 ≤ 𝑥 ≤ 5) = 0,8152605

Estudio de caso 44:

Distribución Normal: Supóngase que se sabe que los pesos de cierto
grupo de personas están distribuidos aproximadamente de forma normal
con media 𝜇=70 𝑘𝑔 y desviación estándar 𝜎=12,5 𝑘𝑔. Use sus
conocimientos sobre la distribución normal para responder:

Datos
𝜇 = 70𝑘𝑔
𝜎 = 12,5𝑘𝑔

Distribución normal
𝑍 = 𝑋 − 𝜇 /𝜎

a. ¿Cuál es la probabilidad de que una persona elegida al azar de este

grupo pese ms de 80 kg?

𝑝(𝑥 ≤ 80𝑘𝑔) =?
𝑍 = 80 − 70 /12,5 = 0,8 Valor que se ubica en la tabla de Distribución
normal
𝑝(𝑥 ≤ 80𝑘𝑔) = 0,78814 = 78,814%

b. ¿Cuál es la probabilidad de que una persona elegida al azar de este

grupo pese entre 50 kg y 85 kg?

𝑝(50 ≤ 𝑥85) =?
𝑝(50 ≤ 𝑥) = 0,0548
𝑝(85 ≤ 𝑥) = 0,88493
𝑝(50 ≤ 𝑥85) = 𝑝(50 ≤ 𝑥) − (1 − 𝑝(85 ≤ 𝑥))
𝑝(50 ≤ 𝑥85) = 0,06

c. ¿Cuál es el peso que es superado solo por el 93% de las personas del
grupo?
1, −0,93 = 0,07 Valor que se ubica en la tabla de Distribución normal para
determinar Z

𝑍 = −1,48
−1,48 = 𝑋 − 70 /12,5
−18,5 + 70 = 𝑋
𝑋 = 51,50 𝑘𝑖𝑙𝑜𝑠