Matemática Aplicada

Unidad V

DISTRIBUCIÓN DE PROBABILIDADES DISCRETAS

1. DISTRIBUCIÓN BINOMIAL

Muchos problemas estadísticos se ocupan de situaciones conocidas como

“ensayos repetidos”.

Por ejemplo, deseamos conocer la probabilidad de que:

• Uno de cinco remaches se rompa en una prueba de resistencia a la tensión;

• La probabilidad de que 9 de 10 videocaseteras funcionen durante al menos
1000 horas;
• La probabilidad de que 45 de 300 conductores detenidos en un retén usen
cinturones de seguridad
• La probabilidad de que 66 de 200 telespectadores (entrevistados por una
agencia de medición de rating) recuerden qué productos fueron enunciados
en un programa dado.

Para atenernos al vocabulario de los juegos de azar, podríamos decir que en

cada uno de estos ejemplos nos interesa la probabilidad de obtener x “éxitos”
en n “ensayos” o, en otras palabras, x éxitos y (n − x ) fracasos en n
intentos.

En los problemas partiremos siempre de los siguientes supuestos:

• Hay sólo dos resultados posibles para cada ensayo (arbitrariamente llamados
“éxito” y “fracaso”, sin inferir que un éxito sea necesariamente deseable).
• La probabilidad de un éxito es la misma para cada ensayo.
• Hay n ensayos, donde n es una constante.
• Los n ensayos son independientes.

Los ensayos que satisfacen estos supuestos se llaman ensayos de Bernoulli, y la

relación matemática para evaluar la probabilidad de obtener x “éxitos” de un
total de n ensayos con p probabilidades de éxito es:

127
Matemática Aplicada

n 
P( X = x ) = b( x; n, p) =  p x (1 − p )
n− x
para x = 0,1,2,..., n
x
n  n!
Donde:  p x (1 − p )
n− x
= p x qn− x
x x! (n - x)!

Esta distribución de probabilidad se llama DISTRIBUCIÓN BINOMIAL.

La tabla 1 nos muestra las PROBABILIDADES ACUMULAS desde x=0,1,2….n

x
P( X ≤ x ) = β( x; n, p) = ∑ b(k;n,p) para x = 0,1,2,....., n
k =0
x x  n  k n−k
P(X ≤ x) = ∑ P(X = xk ) = ∑  p q
k=0 k = 0 k 

Esta tabla de valores acumulativos de probabilidad resulta importante si tenemos

que evaluar una probabilidad puntual:

b( x; n, p) = β( x; n, p) − β( x − 1; n, p)

1.1. REPRESENTACIÓN GRÁFICA

Si p = 0,50 y n=10 la ecuación para la distribución binomial es:

10 
b( x;10;0.50) =  (0.5)10 para x = 0,1,2....10
x 
Los valores se muestran en la siguiente tabla 1:

X 0 1 2 3 4 5 6 7 8 9 10
P(x) 0,0010 0,0097 0,0440 0,1172 0,2051 0,2460 0,2051 0,1172 0,044 0,0097 0,0010

Gráfico:

128
 Matemática Aplicada

DISTRIBUCION DE PROBABILIDADES BINOMIAL

(n=10; p=0,5)

0.3

0.25
PROBABILIDAD P(X=x )

0.2

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA x

Figura 5.1 Distribución binomial (simétrica) con n = 10 y p = 0,5.

El gráfico de la distribución de probabilidades acumuladas

correspondiente a estos valores se muestra en el gráfico 5.2
x
P( X ≤ x ) = β( x;10;0,50) = ∑ b(k;10;0,50) para x = 0,1,2,....., n
k =0

DISTRIBUCIÓN DE PROBABILIDADES
ACUMULADAS BINOMIAL (n=10; p=0,5)

1.2

1
PROBABILIDAD P(X<=x)

0.8

0.6

0.4

0.2

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA x

Figura 5.2 Distribución binomial acumulada con n = 10 y p = 0,5.

129
Matemática Aplicada

Una distribución de probabilidades con p ≠ 0.5 no es simétrica y se dice

que son sesgadas tal como muestra la figura 5.3 en la cual se
representan:

10 
• b( x;10;0.20) =  (0.2) x (1 − p)10− x
x 
10 
• b( x;10;0.80) =  (0.8) x (1 − p)10− x
x 

DISTRIBUCION DE PROBABILIDADES BINOMIAL

(n=10; p=0,2)

0.35

0.3
PROBABILIDAD P(X=x)

0.25

0.2

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA x

DISTRIBUCION DE PROBABILIDADES BINOMIAL

(n=10; p=0,8)

0.35

0.3
PROBABILIDADES P(X=x)

0.25

0.2

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA x

Figura 5.3 Distribuciones binomiales sesgadas con n = 10; p = 0,20 y p=0,80.

130
 Matemática Aplicada

1.2. MEDIA Y VARIANZA DE UNA DISTRIBUCIÓN BINOMIAL

La media de una distribución binomial es µ = n⋅p

La varianza de la distribución binomial σ 2 = n ⋅ p ⋅ (1 − p)

La desviación típica o estándar σ = n ⋅ p ⋅ (1 − p )

EJEMPLO 1

Se argumenta que en el 60% de las instalaciones de calefacción solar la

cuenta por concepto de servicio público se reduce en al menos un tercio.
En consonancia con ello, ¿Cuáles son las probabilidades de que la cuenta
de servicio se reduzca en al menos un tercio en:

• Cuatro de cinco instalaciones.

• Al menos cuatro de cinco instalaciones.

Solución

• Sustituyendo x = 4, n = 5 y p = 0,60 en la fórmula de la

distribución binomial.

5 
b( 4;5,0,60 ) =  (0,60) 4 (1 − 0,60)5−4 = 0,259
 4

• Sustituyendo x = 5, n = 5 y p = 0,60 en la fórmula de la

distribución binomial.

5
b(5;5,0,60) =  (0,60) 4 (1 − 0,60)5−5 = 0,078
5
La respuesta es b( 4;5,0,60) + b(5;5,0,60) = 0,259 + 0,078 = 0,337

EJEMPLO 2

Si la probabilidad de que cierta columna de ala ancha caiga bajo un carga

axial dada es de 0.05, ¿Qué probabilidades hay de que entre 16 columnas
de ese tipo

131
Matemática Aplicada

• Caigan cuando más dos;

• Caigan al menos cuatro.

Solución

La tabla 1 muestra que β(2;16,0.05) = 0.9571.

Dado que
16
∑ b( x;16,0.05) = 1 − β(3;16,0.05)
x=4

En la Tabla 1: β(3;16,0.05) = 0,9930

Luego:
1 − 0.9930 = 0.0070

EJEMPLO 3

Si la probabilidad de que a cualquier persona le desagrade el sabor de

una nueva pasta dentrífica es de 0.20, ¿Cuál es la probabilidad de que les
desagrade a 5 de 18 personas aleatoriamente seleccionadas?

Solución

Usando la relación con probabilidades acumulativas y buscando después

estas probabilidades en la tabla 1, obtenemos.

b(5; 18,0.20) = β(5; 18, 0.20) − β(4; 18, 0.20)

= 0.8671 − 0.7164
= 0.1507

El ejemplo siguiente ilustra el uso de la distribución binomial en un

problema de toma de decisiones.

EJEMPLO 4

Un fabricante de aparatos de fax sostiene que sólo el 10% de sus

aparatos requieren de reparación dentro del periodo de garantía de 12
meses. Si 5 de 20 de sus aparatos requirieron de reparación en el primer
año, ¿esto apoya o refuta dicha afirmación?

132
 Matemática Aplicada

Solución

Determinemos primero la probabilidad de que 5 o más de 20 de los

aparatos de fax requieran de reparación en el término de un año cuando
la probabilidad de que cualquiera de ellos requiera de reparación en un
año es de 0.10. Con base en la tabla 1, obtenemos

20
∑ b( x;20,0.10 ) = 1 − β( 4;20,0.10)
x =5

= 1− 0,9568
= 0,0432

Dado que este valor es muy pequeño, parecería razonable rechazar el

argumento del fabricante de aparatos de fax.

EJEMPLO 5

Determine la media de la distribución de probabilidad del número de

caras obtenidas en tres lanzamientos de una moneda balanceada.

Solución
1
Para una distribución binomial con n=3 y p= , obtenemos
2
1 3
µ = 3⋅ =
2 2

EJEMPLO 6

Compruebe el resultado enunciado en el ejemplo anterior, de que σ = 2

1
para la distribución binomial con n = 16 y p = .
2

Solución

1
Sustituyendo n = 16 y p = en la fórmula de la varianza de la
2
distribución binomial, obtenemos
1 1
σ 2 = 16 ⋅ ⋅ = 4 .
2 2
Y en consecuencia, σ = 4 =2

133
Matemática Aplicada

PROBLEMAS PROPUESTOS 5.1

1. Determinar:
• b(7;19;0,45)
• b(8;10;0,95)
• β(8;10;0,95)
• β(7;19;0,45)
10
• ∑ b(k;10;0.35)
k =4
4
• ∑ b(k;9;0.30)
k =2
Sol:
•
•
•
•
•
•

2. Se dice que el 75% de los accidentes en una planta se atribuyen a

errores humanos.
Use la fórmula de la distribución binomial para determinar la
probabilidad de que se atribuyan a errores humanos dos de los
primeros cuatro accidentes.
Sol:
b(2;4;0,75)=0,2109

3. Si la probabilidad de que el vapor se condense en un tubo de

aluminio de cubierta delgada a 10 atm de presión es de 0,40. Use la
distribución binomial para determinar la probabilidad de que en las
condiciones enunciadas el vapor se condense en 4 de 12 tubos de
ese tipo.
Sol:

4. Durante una etapa en la manufactura de chips de circuito integrado

debe aplicarse a estos una capa de un determinado espesor. Si el
70% de los chips recibe una capa suficientemente gruesa. Determine
la probabilidad de que entre 15 chips:
• Al menos 12 tengan una capa suficientemente gruesa.
• Cuando mas 6 tengan una capa suficientemente gruesa.
• Exactamente 10 tengan una capa suficientemente gruesa.
Sol:

134
 Matemática Aplicada

•
•
•

5. La probabilidad de que un nivel de ruido de un amplificador de banda

ancha exceda de 2 dB es de 0,05. Determine las probabilidades de
que entre 12 de esos amplificadores el nivel de ruido de:
• Uno exceda de 2 dB.
• Cuando mas dos excedan de 2 dB.
• Dos o más excedan de 2 dB.
Sol:
•
•
•

6. En una procesadora de alimentos se afirma que cuando más el 10%

de sus frascos de café instantáneo contienen menos café que el
declarado en la etiqueta. Para probar esta afirmación, 16 frascos se
seleccionan aleatoriamente para pesar su contenido; la afirmación se
aceptará si menos de 3 frascos contienen menos café que el
declarado en la etiqueta. Determine las probabilidades de que el
argumento de la procesadora de alimentos sea aceptada cuando el
porcentaje real de sus frascos con menos café que el declarado en la
etiqueta sea:
• 5%
• 10%
• 20%
Sol:
• β(2;16;0,05) = 0,9571
• β(2;16;0,10) = 0,7892
•

7. Un estudio demuestra que una empresa de computadoras responde

el 70% de las consultas que se le hacen en un término de 6 días.
Determine las probabilidades de que la empresa responda
0,1,2,…….., o 10 de 10 consultas en 6 días y trace un histograma de
probabilidad de esta distribución de probabilidad.
Sol:

X 0 1 2 3 4 5 6 7 8 9 10
P(x) 0 0,0001 0,0015 0,009 0,0367 0,103 0,2001 0,2668 0,2335 0,1211 0,0282

135
Matemática Aplicada

Gráfico:

2. DISTRIBUCIÓN DE POISSON

Cuando n es grande y p es pequeña, las probabilidades binomiales son

aproximadas a menudo por medio de la fórmula.

λx e− λ
Distribución de Poisson f ( x; λ ) = para x=0,1,2……
x!

Con λ (lambda ) igual al producto np .

x
La Tabla 2 da los valores de las probabilidades F( x; λ ) = ∑ f (k; λ ) para valores
k =0

de λ en diversos incrementos de 0.02 a 25.

Una regla general aceptable es emplear esta aproximación si n ≥ 20 y p ≤ 0,05 ;
Si n ≥ 100 la aproximación es generalmente excelente siempre y cuando
n.p ≤ 10 .

EJEMPLO 1

Se sabe que 5% de los libros encuadernados en cierto taller tienen

encuadernaciones defectuosas. Determine la probabilidad de que 2 de 100 libros
encuadernados en ese taller tengan encuadernaciones defectuosas usando

136
 Matemática Aplicada

• La fórmula para la distribución binomial;

• La aproximación de Poisson a la distribución binomial.

Solución

• Sustituyendo x = 2 , n = 100 y p = 0,05 en la fórmula de la distribución

binomial, obtenemos:
100 
b(2;100.0.05) =  (0.05 ) 2 (0.95)98 = 0.081
 2 
• Sustituyendo x = 2 y λ = 100(0.05) = 5 en la fórmula de la distribución de
Poisson, obtenemos:
5 2 ⋅ e −5
f (2;5) = = 0.084
2!

Es interesante hacer notar que la diferencia entre los dos valores que obtuvimos
(el error que cometeríamos empleando la aproximación de Poisson) es de apenas
0.003.

EJEMPLO 2

Un fabricante de maquinaria pesada tiene instalados en el campo 3840

generadores de gran tamaño con garantía. Si la probabilidad de que cualquiera
de ellos falle durante el año dado es de 1/1200, determine las probabilidades de
que 0, 1, 2, 3, 4……. de los generadores fallen durante el año en cuestión.

Solución

La distribución binomial podría usarse, sin embargo el número esperado es

pequeño, en tanto que el número de generadores es grande, de modo que la
aproximación de Poisson resulta válida. Luego tomamos:
1
λ = 3.840 ⋅ = 3 .2
1.200

En la Tabla 2, y la identidad f ( x; λ ) = F( x − 1; λ ) ofrece los resultados que

aparecen en la histograma de probabilidad de la figura 3

137
Matemática Aplicada

DISTRIBUCIÓN DE PROBABILIDADES λ = 3,2

0.25

0.2
PROBABILIDADES

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA

Figura 5.4 Histograma de probabilidades de la distribución de Poisson con λ = 3,2 .

2.1. MEDIA Y VARIANZA DE LA DISTRIBUCIÓN DE POISSON

La media de una distribución de Poisson: µ=λ

La varianza de la distribución de Poisson: σ2 = λ

La desviación típica de la distribución de Poisson: σ= λ

El primero de estos resultados era de esperar, porque en nuestra

justificación de la aproximación de Poisson a la distribución binomial
concedimos que λ = np . Para la varianza podemos formular que
σ 2 = np(1 − p) = λ(1 − p), lo que aproxima a λ como p → 0.

EJEMPLO 3

En un período de 10 minutos, un aparato contador registra un promedio

de 1,3 partículas gama por milisegundo procedentes de una sustancia
radiactiva. Para una buena aproximación, la distribución de la cuenta X ,
de partículas gama durante el siguiente milisegundo es de Poisson.

Determine:

• λ.
• La probabilidad de una o más partículas gama.

138
 Matemática Aplicada

• La varianza.

Solución

• La media de la distribución de Poisson es λ , de manera que

aproximamos que λ = 1.3 para coincidir con el promedio a largo
plazo.
• 1 − P( X = 0) = 1 − e −13 = 0.727
• Para la distribución de Poisson, la varianza también es igual a λ , de
manera que
σ 2 = 1.3

EJEMPLO 4

En la inspección de hojalata producida por un proceso electrolítico

continuo, se identifican 0,2 imperfecciones en promedio por minuto.
Determine las probabilidades de identificar

• Una imperfección en 3 minutos;

• Al menos dos imperfecciones en 5 minutos;
• Cuando más una imperfección en 15 minutos.

Solución

Remitiéndonos en cada caso a la tabla 2:

• Con λ = (0,2) ⋅ 3 = 0,6 obtenemos:

F(1;0,6) − F(0;0,6) = 0,878 − 0,549
= 0,329

• Con λ = (0,2) ⋅ 5 = 1,0 obtenemos:

1 − F(1;1,0) = 1 − 0,736
= 0,264

• Con λ = (0,2) ⋅ 15 = 3,0 obtenemos:

F(1;3,0) = 0,199

La distribución de Poisson tiene muchas aplicaciones importantes en

problemas de formación en cola , por ejemplo, el número de clientes que
arriban por servicios a una cafetería, el número de embarcaciones o
camiones que llegan para ser descargados en un muelle de recepción, el
número de aviones que arriban a un aeropuerto, etc. Así, si en promedio

139
Matemática Aplicada

0,3 clientes llegan por minuto a una cafetería, entonces la probabilidad de

que exactamente 3 clientes lleguen durante un período de 5 minutos es

F(3;1,5) − F(2;1,5) = 0,934 − 0,809 = 0,125

Y si en promedio llegan 3 camiones por hora para ser descargados en una

bodega, entonces la probabilidad de que cuando más 20 arriben durante
un día de 8 horas es:

F(20;24) = 0,243

Asimismo, si en promedio llegan 14,5 aviones por día a un aeropuerto

privado, entonces la probabilidad de que el número de arribos en un día
cualquiera se halle en cualquier punto entre 12 y 15, inclusive, es:

F(15;14.5) − F(11;14.5) = 0.619 − 0220 = 0.399

PROBLEMAS PROPUESTOS 5.2

1. Si 0.8% de los fusibles entregados a un arsenal son defectuosos, use

la aproximación de Poisson para determinar la probabilidad de que 4
fusibles sean defectuosos en una muestra aleatoria de 400.
Sol:

2. En una caja bancaria llegan clientes a una tasa promedio de 1,5 por
minuto. Determine las probabilidades de que:
• Cuando mas cuatro clientes lleguen en un minuto dado.
• Al menos tres clientes lleguen durante un intervalo de 2 minutos.
• Cuando mas 15 clientes lleguen durante el intervalo de 6 minutos.
Sol:
•
•
•

3. Un tirador experto da en el blanco es el 95% de las veces. ¿Cuál es la

probabilidad de que falle por primera vez en el decimoquinto disparo?
Sol:

140
 Matemática Aplicada

3. DISTRIBUCIÓN HIPERGEOMÉTRICA

Supongamos que nos interesa el número de unidades defectuosas en una

muestra de n unidades extraída de un lote que contiene N unidades, de las
cuales a son defectuosas. Si la muestra se extrae de tal forma que en cada
extracción sucesiva las unidades restantes en el lote tienen la misma oportunidad
de ser seleccionadas, la probabilidad de que la primera extracción resulte en una
a a −1 a
unidad defectuosa es , pero para la segunda extracción es o
N N −1 N −1
dependiendo de si la primera unidad extraída fue defectuosa o no.

Así los ensayos no son independientes. Se aplicaría la distribución binomial si

hiciéramos una muestra con reemplazo; es decir, si cada unidad seleccionada
para la muestra fuera reemplazada (vuelta a colocar en su sitio) antes de extraer
la siguiente.
Muestra n
(sin reemplazo)
N
unidades N-a
Elementos con
a “fracaso”
Elementos con
“éxito”

Figura 5.5

La fórmula que se aplica se denomina distribución HIPERGEOMETRICA:

 a  N − a 
  
 x  n − x 
h( x; n, a, N) = para x = 0,1......., min(n, a)
N
 
n 

Donde (n − x ) no puede exceder de N − a .

EJEMPLO

Un embarque de 20 grabadoras contiene 5 defectuosas. Si 10 de ellas se eligen

al azar para su inspección, ¿Cuál es la probabilidad de que 2 de las 10 sean
defectuosas?

141
Matemática Aplicada

Solución

Sustituyendo:
N = 20 a=5
n = 10 x = 2 en la fórmula de la distribución hipergeométrica obtenemos.

 5 15  5! 15! 5.4.3 15.14.13.12.11.10.9

   ( )( ) ( )( )
2 8 2! ( 5 − 2 )! 8! (15 − 8 )!
h(2;10,5,20) =    = = 3 .2 .1 7 .6 .5 .4 . 3 .2 .1 =
 20  20! 20.19.18.17.16.15.14.13.12.11
 
10  10! (20 − 10)! 10.9.8.7.6.5.4.3.2.1

10 * 6435 64350
h(2;10,5,20) = = = 0,348
184756 184756

En el ejemplo anterior, n era grande en comparación con N .

Sin embargo, cuando n es pequeño en comparación con N , la composición del

lote no se ve seriamente afectada por la extracción de la muestra, de modo que
a
la distribución binomial con los parámetros n y p = ofrecerán una buena
N
aproximación.

EJEMPLO

Repitamos el ejemplo precedente para un lote de 100 grabadoras, 25 de las

cuales son defectuosas, empleando

• La fórmula de la distribución hipergeométrica;

• La fórmula de la distribución binomial como una aproximación

Solución

• Sustituyendo x = 2 , n = 10 , a = 25 y N = 100 en la fórmula de la

distribución hipergeométrica, obtenemos

 25  75 
  
2 8
h(2;10,25,100) =    = 0.292
100 
 
 10 

142
 Matemática Aplicada

• Sustituyendo x = 2, n = 10 y p = 25 / 100 = 0.25 en la fórmula de la

distribución binomial, obtenemos

10 
b(2;10,0.25) =  (0.25) 2 (1 − 0.25)10−2 = 0,282
2 

La diferencia entre los dos valores es de sólo 0.010. En general, es posible

a
demostrar que h( x; n, a, N) se aproxima a b( x; n, p) con p = cuando N → ∞,
N
de modo que por regla general puede usarse la distribución binomial como una
N
aproximación a la distribución hipergeométrica si: n ≤ .
10

Aunque hemos introducido la distribución hipergeométrica en relación con un

problema de inspección de muestreo, tiene muchas otras aplicaciones. Por
ejemplo, se puede emplear para determinar la probabilidad de que 3 de 12 amas
de casa prefieran el detergente marca A a la marca B , si se seleccionan de
entre 200 amas de casa, 40 de las cuales prefieren la marca A a la marca B .

3.1. MEDIA Y VARIANZA DE LA DISTRIBUCIÓN HIPERGEOMÉTRICA

La media y la varianza de la variable aleatoria hipergeométrica esta dada

por:
a
µ = E( X) = n( )
N
a a N−n
σ 2 = Var ( X) = n( )(1 − )( )
N N N −1

PROBLEMAS PROPUESTOS 5.3

1. En cierta clínica hay 20 enfermos de los cuales se sabe que el 30%

tienen cáncer, se extrae aleatoriamente 4 pacientes para el despistaje
del cáncer.
• ¿Cuál es la probabilidad que al menos uno tenga cáncer?
• ¿Cuál es el número esperado de pacientes con cáncer?
Sol:

143
Matemática Aplicada

 6 14 
  
 x  4 − x 
p( X) = , para x= 1,2,3,4
 20 
 
4 
• p(X)= 0,7934
 6 
• µ = 4.  = 1,2
 20 

2. Una caja contiene 10 focos, de los cuales 8 estan en buen estado. Si

se escogen al azar 5 focos.
• ¿Cuál es la función de probabilidad para los focos buenos?
• ¿Cuál es la función de probabilidad para los focos malos?
Sol:
 8  2 
  
 x  5 − x 
• p( X) = , para x= 0, 1, 2, 3, 4, 5
10 
 
5 
 2  8 
  
 x  5 − x 
• p( X) = , para x= 0, 1, 2
10 
 
5 

3. Una empresa manufacturera recibe un lote que contiene 100 artículos

de los cuales 5 son defectuosos. La compañía revisa constantemente
los lotes que recibe para establecer la calidad del material. Si la
calidad de un lote recibido es baja, regresa al proveedor el lote
completo. Suponga que la compañía recibe el lote y lo acepta si hay
sólo 1 o menos piezas defectuosas en una muestra de tamaño 6.
¿Cuál es la probabilidad de que se acepte un lote de 100 artículos
que contenga 5 defectuosos?
Sol:
p(X=0,1)=0,9720

4. Un ingeniero de control de calidad inspecciona una muestra una

muestra aleatoria de 3 baterías de cada lote de 24 baterías para
automóvil listo para ser embarcado. Si uno de estos lotes contiene 6
baterías con ligeros defectos. ¿Qué probabilidades hay de que la
muestra del inspector contenga:
• Ninguna batería con defectos.
• Sólo una batería con defectos.
• Al menos dos baterías con defectos.

144
 Matemática Aplicada

Sol:
•
•
•

5. Un estudio demuestra que una empresa de computadoras responde

el 70% de las consultas que se le hacen en un término de 6 días.
Determine las probabilidades de que la empresa responda
0,1,2,…….., o 10 de 10 consultas en 6 días y trace un histograma de
probabilidad de esta distribución de probabilidad.
Sol:

6. Entre los 12 colectores solares en exhibición en una feria comercial, 9

son de placas planas y los demás de concentración. Si una persona
de visita en la feria seleccionara aleatoriamente cuatro de los
recolectores solares para su examen, ¿Cuál sería la probabilidad de
que 3 de ellos fueran de placas planas?
Sol:

7. Un ingeniero de control de calidad inspecciona una muestra aleatoria

de 3 baterías de cada lote de 24 baterías para automóvil listo para
ser embarcado. Si uno de eso lotes contiene seis baterías con ligeros
defectos, ¿qué probabilidades hay de que la muestra del inspector
contenga
• Ninguna batería con defectos;
• Sólo una batería con defectos;
• Al menos dos baterías con defectos?
Sol:
• h(0;3,6,24) = 0,4032
• h(1;3,6,24) = 0,4535
• h( x ≥ 2;3,6,24) = h(2;3,6,24) + h(3;3,6,24) = 0,14328

8. Un embarque de 120 alarmas contra robo contiene 5 defectuosas. Si

tres de estas alarmas se seleccionan aleatoriamente y se le envían a
un cliente, determine la probabilidad de que el cliente reciba una en
mal estado empleando:
• La fórmula de la distribución hipegeométrica;
• La fórmula de la distribución binomial como una aproximación.
Sol:
•
•

145
Matemática Aplicada

9. Entre los 300 empleados de una compañía, 240 son miembros del
sindicato, mientras que los demás no. Si se elige por sorteo a ocho
de los empleados para participar en la comisión que administra el
fondo de pensiones, determine la probabilidad de que cinco de ellos
sean miembros del sindicato mientras que los otros no, utilizando:
• La fórmula de la distribución hipergeométrica;
• La fórmula de la distribución binomial como una aproximación.
Sol:
 a  N − a   240  60 
     
 x  n − x   5  3  = 0,1470
• h( x; n, a,N) = =
 N  300 
   
n  8 
n  8
• b) b( x; n, p) =  p x (1 − p)n− x =  0,8 5.0,2 3 = 0,1468
x 5

146