Actividad 1

Curso

Estadística Inferencial – B2IA_27106065-2232

Nombres Completos:
1- Adriana María Ángel Velásquez
2- Edwin Julian Carmona Amariles
3- Lizeth Yamile Restrepo Monsalve

Celular:
1- 3147394868
2- 3214401174
3- 315 4331534

Correo Electrónico:

1- adrianaangelv@gmail.com
2- loidezc@gmail.com
3- yamiile.rpo@gmail.com

Instrucciones:
El estudiante debe estudiar el tema y de acuerdo a lo comprendido debe dar
respuesta a los puntos del anexo, deberá expresar los conceptos
con sus propias palabras en ninguno de los puntos se aceptará copias
de internet.

Si esta actividad es realizada por varios estudiantes el nombre de cada uno

de los que en ella están debe aparecer en el encabezado, si no aparece no
será tenido en cuenta dentro de los integrantes del grupo y muy
posiblemente la calificación será N/P o cero.
Estará disponible desde el día lunes 8 de abril y la fecha máxima de entrega
será el domingo 28 de abril de 2019 a las 23:59
Se calificará de 0 a 5 y cada punto tiene el mismo valor.

Desarrollo:
Punto 1.
Para Z, variable aleatoria normal estándar. Calcule las siguientes probabilidades y
grafíquelas cuando sea posible (si no es posible justifique):

Usando la Tabla Z de la distribución Norma Estándar.

a. P(Z ≤ 1,42) = 0,9222

b. P (2,5 ≤ Z ) =1−P ( Z <2,5 )

¿ 1−0,9938=0,0062
c. P (−2,91 ≤ Z ≤ 0 ) =¿
P ( Z ≤ 0 )−P ( Z ≤−2,91 )=¿
0,5−0,0018=0,4980

d. P (−1 ≤ Z ≤ 2,5 )=P ( Z ≤ 2,5 )−P ( Z ≤−1 )

¿ 0,9938−0,1587=0,8351

e. P (2,37 ≤ Z ≤ 3,1 )=P ( Z ≤3,1 ) −P ( Z ≤ 2,37 )

¿ 0,9990−0,9911=0,0079
Punto 2.
Sea Z una variable aleatoria normal estándar. Determine el valor de n que satisfaga el
enunciado:

a. P ( Z ≤ n )=0,2946

n=−0,54

b. P ( 0≤ Z ≤ n )=0,384
P ( Z ≤ n )−0,5=0,38 4
P ( Z ≤ n )=0, 8 84

n=1,195

c. P ( n≤ Z )=0,3446
P ( n≤ Z )=−P ( Z ≤ n ) +1=0,3446
P ( Z ≤ n )=0,6554

n=0,4

d. P ( Z ≥ n )=0,0316
P ( Z ≤ n )=1−P ( Z ≤ n )=0,0316
P ( Z ≤ n )=0, 9684

n=1,855
 e. P (−n ≤ Z ≤ n )=0,7888
P ( Z ≤ n )−P ( Z ≤ n )=0,78 8 8
P ( Z ≤ n )−( 1−P( Z ≤ n) )=0,78 8 8
2 P ( Z ≤ n )=1,78 8 8
P ( Z ≤ n )=0,8944

n=1, 25

Punto 3.
Si X es una variable normal con media 90 y desviación estándar de 20, calcule las
siguientes probabilidades:

100−90
a. P ( X ≤ 100 ) =P (Z ≤ )
20
P ( Z ≤ 0,5 )=0,6915

80−90
b. (
P ( X ≤ 80 ) P Z ≤
20 )
P ( Z ≤−0,5 ) =0,3085

c. P ( 65≤ X ≤ 100 )=P ( X ≤100 )−P(X ≤ 65)

P ( Z ≤ 0,5 )−P ( Z ≤−1,25 )
¿ 0,6915−0,1056=0,585 9

d. P ( 80≤ X )=1−P ( X ≤ 80 )
80−90
(
¿ 1−P Z ≤
20 )
=1−0,3085
¿ 0,6915

e. P(85 ≤ X ≤95)
95−90 85−90
(
¿ P Z≤
20 ) (
−P Z ≤
20 )
 ¿ 0,5987−04013
¿ 0,1974

Punto 4.
Dada una distribución normal estándar, encuentre el área bajo la curva que está…

a. A la izquierda de Z =2,43
P ( Z ≤ 2,43 ) =0,9925

b. A la derecha de Z =−1,89
1−P ( Z ≤1,89 )=1−0,294
= 0,9706

c. Entre Z =−1,16 y Z =−0,64

P ( Z ≤−0,64 )−P ( Z ≤−1,16 )
¿ 0,2611−0,1230=0,138 1

d. A la izquierda de Z =−1,03
P ( Z ≤−1,03 )=0,1515

e. Entre Z =−1,48 y Z =1,35

P ( Z ≤−1,35 )−P ( Z ≤−1,48 )
¿ 0,9115−0,0694=08421

Punto 5.
Una máquina embotelladora de jugo natural sirve un promedio de 200 mililitros por cada
botella, si la cantidad de jugo se comporta como una distribución normal y tiene una
desviación estándar de 15 mililitros…

a. ¿Qué fracción de las botellas contendrán más de 191 mililitros?

Fórmula para definir la variable aleatoria

x−μ
Z=
σ

Z =variable aleatoria ¿ ?
 x=191 mililitros
μ=200 mililitros (media)
σ =15 mililitros(desviación tipica )
P=Probabilidad de distribución ¿?

191−200
Z= =−0.6
15

Según el resultado de la formula de la variable aleatoria y este comparándolo con

la tabla de distribución normal se obtiene un valor de 0.2743

P( x ≤ 191)=0.2743

Lo que quiere decir que la fracción de botellas que contendrán menos de 191
mililitros es del 0.2743

Para dar respuesta a la pregunta lo que se debe hacer es partir del resultado
anterior calculando la fracción de las botellas que contendrán más de 191 mililitros.
Para esto lo que hacemos es a 1 le restamos el resultado anterior.

P ( x ≥191 ) =1−P ( x ≤ 191 )=1−0.2743=0.7257

Con lo que obtenemos que el 0.7257 tiene la probabilidad de contener más de 191
mililitros.

b. ¿Cuál es la probabilidad de que un vaso contenga entre 209 y 224 mililitros?

Para dar respuesta a este punto lo que se debe hacer es identificar la probabilidad
de que un vaso contenga entre 209 y 224 mililitros (rango)

P (209 ≤ x ≤ 224 )

Fórmula para definir la variable aleatoria para luego obtener la probabilidad de

cuando x ≤209

x−μ
Z=
σ

Z =variable aleatoria ¿ ?
x=209 mililitros
μ=200 mililitros (media)
σ =15 mililitros(desviación tipica )
 P=Probabilidad de distribución ¿?

209−200
Z= =0.6
15

Según el resultado de la fórmula de la variable aleatoria y este comparándolo con

la tabla de distribución normal se obtiene un valor de 0.7257

P ( x ≤209 ) = 0.7257

Volvemos a realizar el proceso, pero cuando x ≤224

224−200
Z= =1.6
15

Según el resultado de la fórmula de la variable aleatoria y este comparándolo con

la tabla de distribución normal se obtiene un valor de 0.9452

Con los resultados anteriores lo que sigue es definir los rangos de valores

P (209 ≤ x ≤ 224 )=P ( x ≤224 )−(1−P ( x ≤ 209 ) )

P (209 ≤ x ≤ 224 )=0.9452−(1−0.7257)

P (209 ≤ x ≤ 224 )=0.9452−0.2743

P (209 ≤ x ≤ 224 )=0.6709

Lo que quiere decir que la probabilidad de que un vaso este entre 209 y 224
mililitros es de 0.6709

c. ¿Cuántas de las 1000 botellas a utilizar se derramarán si su capacidad máxima es

de 230 mililitros?

Lo primero que hacemos es calcular la probabilidad de que las botellas sean

menores o igual a 230 mililitros.

P ( x ≤230 )

x−μ
Z=
σ
 Z =variable aleatoria ¿ ?
x=230 mililitros
μ=200 mililitros (media)
σ =15 mililitros(desviación tipica )
P=Probabilidad de distribución ¿?

230−200
Z= =2
15

La variable aleatoria arroja un resultado de 2 este valor ubicándolo en la tabla de

distribución normal nos indica que la probabilidad de que las botellas contengan
menos de 230 mililitros es de 0.9772

P ( x ≤230 ) =0.9772

Luego de esto multiplicamos las 1000 botellas por el resultado anterior. Esto nos
arrojara el total de botellas que no se van a derramar es decir que están por debajo
de 230 mililitros.

1000∗¿ 0.9772= 977.25

Ahora lo que sigue es tomar 1000 y restar el valor anterior para así saber cual es el
numero de botellas que tienen probabilidad de derramarse

1000−977=23
d. ¿Por debajo de qué valor obtendremos un 25% de las botellas menos llenas?

x−μ
Z=
σ

Z =¿?
x=¿ ?
μ=200 mililitros (media)
σ =15 mililitros(desviación tipica )
P=0.25

Para hallar a Z Buscamos el valor de la probabilidad 0.25 en la tabla de distribución

normal

Z =−0.67

Despejamos la fórmula para hallar a x

 x−200
−0.67=
15

−0.67∗15=x−200

−10.05=x−200

−10.05+200=x

x=189.95

Por debajo de 189.95 mililitros obtendremos un 25% de botellas menos llenas.

Punto 6.
Un asesor de seguros de SURA piensa que con un prospecto la probabilidad de conseguir
una venta es de 40%. Si X es una variable aleatoria que representa la cantidad de ventas
que consigue y tiene 5 prospectos para la semana que inicia…

a. Construya la función de probabilidad.

x n−x
P ( X=x )=n c x p q

P ( X=x )=Probabilidad de x exitos ¿ ?

p=0.4 Probabilidad de exito en un solo ensayo
q=1− p=0.6 probabilidad de fracaso en un solo ensayo
n=5 número de ensayos u observaciones
x=Número designado de exitos ¿ ?
C=combinaciones

b. ¿Cuál es la probabilidad de que el número de ventas esté entre 2 y 4

(incluyéndolos)?

x n−x
P ( X=x )=n c x p q

P ( X=x )=Probabilidad de x exitos ¿ ?

p=0.4 Probabilidad de exito en un solo ensayo
q=1− p=0.6 probabilidad de fracaso en un solo ensayo
n=5 número de ensayos u observaciones
x=2,3,4 Número designado de exitos
C=combinaciones
Hallamos la probabilidad de que el número de ventas sea igual a 2

x n−x
P ( X=x )=n c x p q

n!
P ( X=x )=( ) p x q n−x
x ! ( n−x ) !

5!
P ( X=x )=( ) ( 0.4 )2 (0.6)3
2! ( 5−2 ) !

120
P ( X=x )=( )(0.16)(0.216)
2∗6

120
P ( X=x )=( )(0.16)(0.216)
12
P ( X=x )=(10)(0.16)(0.216) = 0.3456

Hallamos la probabilidad de que el número de ventas sea igual a 3

x n−x
P ( X=x )=n c x p q

n! x n−x
P ( X=x )=( )p q
x ! ( n−x ) !

5!
P ( X=x )=( ) ( 0.4 )3 (0.6)2
3! ( 5−3 ) !

120
P ( X=x )=( )(0.064)(0.36)
6∗2

120
P ( X=x )=( )(0.064)(0.36)
12

P ( X=x )=(10)(0.064)(0.36) = 0.2304

Hallamos la probabilidad de que el número de ventas sea igual a 4

x n−x
P ( X=x )=n c x p q

n!
P ( X=x )=( ) p x q n−x
x ! ( n−x ) !
 5! 4 1
P ( X=x )=( ) ( 0.4 ) (0.6)
4 ! ( 5−4 ) !

120
P ( X=x )=( )(0.0256)(0.6)
24∗1

120
P ( X=x )=( )(0.0256)(0.6)
24

P ( X=x )=(5)(0.0256)(0.6) = 0.0768

Finalmente sumamos los tres resultados lo cual nos da que hay una probabilidad
de 0.6528 de realizar entre 2 y 4 ventas

P ( X≥2∧X≤4 )=P ( X=2 ) + P ( X =3 ) + P ( X=4 )

P ( X≥2∧X≤4 )=0.3456+0.2304 +0.0768=0.6528

c. ¿Cuál es la probabilidad de que se haga al menos una venta?

P ( X=x )=n c x px q n−x

P ( X=x )=Probabilidad de x exitos ¿ ?

p=0.4 Probabilidad de exito en un solo ensayo
q=1− p=0.6 probabilidad de fracaso en un solo ensayo
n=5 número de ensayos u observaciones
x=1,2,3,4,5 Número designado de exitos
C=combinaciones

Hallamos la probabilidad de que el número de ventas sea igual a 1

x n−x
P ( X=x )=n c x p q

n!
P ( X=x )=( ) p x q n−x
x ! ( n−x ) !

5! 1 4
P ( X=x )=( ) ( 0.4 ) (0.6)
1 ! ( 5−1 ) !

120
P ( X=x )=( )(0.4)(0.1296)
1∗24
 120
P ( X=x )=( )(0.4)( 0.1296)
24

P ( X=x )=(5)(0.4)(0.1296) = 0.2592

Hallamos la probabilidad de que el número de ventas sea igual a 2

x n−x
P ( X=x )=n c x p q

n! x n−x
P ( X=x )=( )p q
x ! ( n−x ) !

5!
P ( X=x )=( ) ( 0.4 )2 (0.6)3
2! ( 5−2 ) !

120
P ( X=x )=( )(0.16)(0.216)
2∗6

120
P ( X=x )=( )(0.16)(0.216)
12

P ( X=x )=(10)(0.16)(0.216) = 0.3456

Hallamos la probabilidad de que el número de ventas sea igual a 3

x n−x
P ( X=x )=n c x p q

n!
P ( X=x )=( ) p x q n−x
x ! ( n−x ) !

5!
P ( X=x )=( ) ( 0.4 )3 (0.6)2
3! ( 5−3 ) !

120
P ( X=x )=( )(0.064)(0.36)
6∗2

120
P ( X=x )=( )(0.064)(0.36)
12

P ( X=x )=(10)(0.064)(0.36) = 0.2304

Hallamos la probabilidad de que el número de ventas sea igual a 4

x n−x
P ( X=x )=n c x p q

n!
P ( X=x )=( ) p x q n−x
x ! ( n−x ) !

5!
P ( X=x )=( ) ( 0.4 ) 4 (0.6)1
4 ! ( 5−4 ) !

120
P ( X=x )=( )(0.0256)(0.6)
24∗1

120
P ( X=x )=( )(0.0256)(0.6)
24

P ( X=x )=(5)(0.0256)(0.6) = 0.0768

Hallamos la probabilidad de que el número de ventas sea igual a 5

x n−x
P ( X=x )=n c x p q

n! x n−x
P ( X=x )=( )p q
x ! ( n−x ) !

5!
P ( X=x )=( ) ( 0.4 )5 (0.6)5
5 ! ( 5−5 ) !

120
P ( X=x )=( )(0.01024)(1)
120∗1

120
P ( X=x )=( )(0.01024)(1)
120

P ( X=x )=(1)(0.01024)(1) = 0.01024

Finalmente sumamos los 5 resultados lo cual nos da que hay una probabilidad de
0.92224 de realizar al menos 1 venta

P ( X≥1 ) =P ( X =1 ) + P ( X=2 ) + P ( X =3 ) + P ( X=4 )+ P ( X =5 )

P ( X≥1 ) =0.2592+ 0.3456+0.2304+ 0.0768+0.01024=0.92224

Punto 7.
De una producción de 2000 bombillos se sabe que el 5% están defectuosos, si se escoge
una muestra de 20 bombillos.

a. ¿Cuál es la probabilidad de que el número de bombillos defectuosos de la

muestra no exceda a 3?

λ x e−λ
P ( X=x )=
x!

P ( X=x )=Probabilidad de obtener x exitos

λ=n∗p= promedio de exitos
n=20 numero de ensayos
p=0.05 probabilidad de exitos en un solo ensayo
x=3,2,1,0 número de exitos de la unidad de tiempo o espacio
e=2.711828 ( base de los logaritmos neperianos )

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 0

x −λ
λ e
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)0 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)0 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.36787944
1

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 1

λ x e−λ
P ( X=x )=
x!
 2.711828
¿
¿
¿−1
(20∗0.05)1 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.36787944
1

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 2

λ x e−λ
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)2 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.18393972
2

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 3

λ x e−λ
P ( X=x )=
x!
 2.711828
¿
¿
¿−1
(20∗0.05)3 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.06131324
6

Finalmente sumamos los 4 resultados lo cual nos da que hay una probabilidad de
0.98101184 de que el número de bombillos defectuosos de la muestra no exceda a
3

P( X ≤3)=P( x=3)+ P(x=2)+ P( x=1)+ P(x=0)

P ( X≤3 )=0.061131324 +0.18393972+ 0.36787944+0.36787944=0.98101184

En la tabla de Poisson (Puntual)

P( X ≤3)=P( x=3)+ P(x=2)+ P( x=1)+ P(x=0)

¿ 0.0613+0.1839+0.3679+ 0.3679=0.981

b. ¿Cuál es la probabilidad de que el número de bombillos defectuosos en la

muestra sea por lo menos 6?

λ x e−λ
P ( X=x )=
x!

P ( X=x )=Probabilidad de obtener x exitos

λ=n∗p= promediode exitos
n=20 numero de ensayos
p=0.05 probabilidad de exitos en un solo ensayo
x=6,5,4,3,2,1,0 número de exitos de la unidad de tiempoo espacio
e=2.711828 ( base de los logaritmos neperianos )

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 0

 x −λ
λ e
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)0 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)0 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.36787944
1

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 1

λ x e−λ
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)1 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.36787944
1

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 2

 x −λ
λ e
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)2 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.18393972
2

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 3

λ x e−λ
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)3 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.06131324
6

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 4

x −λ
λ e
P ( X=x )=
x!
 2.711828
¿
¿
¿−1
(20∗0.05)4 ¿
P ( X=x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.01532831
24

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 5

λ x e−λ
P X=x =
( )
x!

2.711828
¿
¿
¿−1
(20∗0.05)5 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.00306566
120

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 6

x −λ
λ e
P ( X=x )=
x!
 2.711828
¿
¿
¿−1
(20∗0.05)6 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.00051094
720

Finalmente sumamos los 7 resultados lo cual nos da que hay una probabilidad de
0.99991676 de que el número de bombillos defectuosos de la muestra sea por lo
menos 6

P( X ≤6)=P( x=6)+ P( x=5)+ P (x=4)+ P(x =3)+ P ( x=2)+ P( x =1)+ P(x=0)

P ( X≤6 )=0.00051094+ 0.0306566+0.01532831+0.061131324 +0.18393972+ 0.36787944+0.367879

En la tabla de Poisson (Puntual)

P( X ≤6)=P( x=6)+ P( x=5)+ P (x=4)+ P(x =3)+ P ( x=2)+ P( x =1)+ P(x=0)

¿ 0.0005+0.0031+0.0153+0.0613+ 0.1839+ 0.3679+0.3679=0.9999

c. ¿Cuál es la probabilidad de que el número de bombillos defectuosos en la

muestra sea estrictamente mayor de 2 pero menor o igual a 6?

x −λ
λ e
P ( X=x )=
x!

P ( X=x )=Probabilidad de obtener x exitos

λ=n∗p= promedio de exitos
n=20 numero de ensayos
p=0.05 probabilidad de exitos en un solo ensayo
x=6,5,4,3 número de exitos de la unidad de tiempo o espacio
e=2.711828 ( base de los logaritmos neperianos )
Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 3

x −λ
λ e
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)3 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.06131324
6

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 4

λ x e−λ
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)4 ¿
P ( X=x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.01532831
24

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 5

 λ x e−λ
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)5 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
1
(1) ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.00306566
120

Hallamos la probabilidad de que el número de bombillos defectuosos sea igual a 6

λ x e−λ
P ( X=x )=
x!

2.711828
¿
¿
¿−1
(20∗0.05)6 ¿
P ( X =x )=¿

2.711828
¿
¿
¿−1
(1)1 ¿
P ( X=x )=¿

1∗0.36787944
P ( X=x )= = 0.00051094
720
 Finalmente sumamos los 4 resultados lo cual nos da que hay una probabilidad de
0.08021816 de que el número de bombillos defectuosos de la muestra sea
estrictamente mayor de 2 pero menor o igual a 6

P( x >2∧x≤6)=P ( x=6)+ P(x=5)+ P( x=4)+ P( x=3)

P( x >2∧x≤6)=0.00051094+0.0306566+ 0.01532831+ 0.061131324=0.08021816

En la tabla de Poisson (Puntual)

P( x >2∧x≤6)=P ( x=6)+ P(x=5)+ P( x=4)+ P( x=3)

¿ 0.0005+0.0031+0.0153+0.0613=0.0802

Punto 8.
Sea X la cantidad de orificios en la superficie de un instrumento metálico. se hace una
selecciona al azar. con parámetro λ=15. haciendo uso de las tablas de la distribución
Poisson indique las siguientes probabilidades:

a. P(X≤9)
 P ( X ≤ 9 )=0,0699
b. P( X =9)

p ( X=9 )= p ( X ≤ 9 )− p ( X ≤ 8 )

p ( X=9 )=0,0699−0,0374
p ( X=9 )=0,0325
c. P( X ≥ 10)

p ( X ≥ 10 ) =1− p ( X ≤ 9 )
 p ( X ≥ 10 ) =1−0,0699
p ( X ≥ 10 ) =0,9301

d. P(7 ≤ X ≤11)

P (7 ≤ X ≤ 11 )= p( X ≤11)− p( X ≤7)

P (7 ≤ X ≤ 11 )=0,1848−0,0180
P (7 ≤ X ≤ 11 )=0,1668
e. P(4 < X < 9)

P ( 4< X <9 ) =p ( X < 9)−p ( X < 4)

P ( 4< X <9 ) =p ( X ≤ 8)− p(X ≤ 3)
 P ( 4< X <9 ) =0,0374−0,0002
P ( 4< X <9 ) =0,0372

Punto 9.

Suponga que el número X de tormentas eléctricas observadas en el Valle de Aburrá

durante un periodo de 6 meses tiene una distribución Poisson con λ=9. Calcule:

a. P( X ≤ 11)
λ=9
λ x∗e−λ
p ( X=x )=
x!
P ( X ≤ 11 ) =p ( X=0 )+ p ( X =1 ) + p ( X=2 ) + p ( X =3 ) + p ( X=4 )+ p ( X =5 ) + p ( X=6 ) + p ( X=7 )+ p ( X=8 )+ p ( X =
90∗e−9
p ( X=0 )= =0,00012
0!
9 1∗e−9
p X=1 =
( ) =0,00111
1!
9 2∗e−9
p ( X=2 ) = =0,00500
2!
93∗e−9
p X=3 =
( ) =0,0150
3!
94∗e−9
p ( X=4 ) = =0,03374
4!
95∗e−9
p X=5 =
( ) =0,06073
5!
96∗e−9
p ( X=6 )= =0,09109
6!
 7 −9
9 ∗e
p ( X=7 )= =0,11712
7!
98∗e−9
p X=8 =
( ) =0,13176
8!
99∗e−9
p ( X=9 )= =0,13176
9!
10 −9
9 ∗e
p X=10 =
( ) =0,11858
10 !
911∗e−9
p ( X=11 )= =0,09702
11 !
P ( X ≤ 11 ) =0,00012+0,00111+ 0,00500+0,0150+0,03374+ 0,06073+0,09109+0,11712+ 0,13176+0,13176+
P ( X ≤ 11 ) =0,8030 3
b. P( X ≥ 13)

P ( X ≥ 13 ) =1−P ( X ≤12 )
P ( X ≥ 13 ) =1−[ p ( X =0 ) + p ( X=1 ) + p ( X =2 ) + p ( X=3 )+ p ( X =4 ) + p ( X=5 )+ p ( X =6 ) + p ( X =7 ) + p ( X=8 ) + p
0 −9
9 ∗e
p X=0 =
( ) =0,00012
0!
9 1∗e−9
p ( X=1 ) = =0,00111
1!
9 2∗e−9
p ( X=2 ) = =0,00500
2!
3 −9
9 ∗e
p ( X=3 )= =0,0150
3!
94∗e−9
p X=4 =
( ) =0,03374
4!
95∗e−9
p ( X=5 )= =0,06073
5!
6 −9
9 ∗e
p X=6 =
( ) =0,09109
6!
97∗e−9
p ( X=7 )= =0,11712
7!
98∗e−9
p ( X=8 )= =0,13176
8!
9 −9
9 ∗e
p ( X=9 )= =0,13176
9!
910∗e−9
p X=10 =
( ) =0,11858
10 !
911∗e−9
p ( X=11 )= =0,09702
11 !
12 −9
9 ∗e
p X=12 =
( ) =0,07277
12!
 P ( X ≥ 13 ) =1−[0,00012+0,00111+0,00500+0,0150+ 0,03374+0,06073+0,09109+ 0,11712+0,13176+0,131
P ( X ≥ 13 ) =1−0,8758
P ( X ≥ 13 ) =0,1242

c. P(7 ≤ X ≤12)

P (7 ≤ X ≤ 12 )=P ( X ≤12 )−P ( X ≤ 7 )

P (7 ≤ X ≤ 12 )=P ( X ≤12 )−P ( X ≤ 7 )
P ( X ≤ 12 )=¿
90∗e−9
p X=0 =
( ) =0,00012
0!
1 −9
9 ∗e
p ( X=1 ) = =0,00111
1!
9 2∗e−9
p X=2 =
( ) =0,00500
2!
93∗e−9
p ( X=3 )= =0,0150
3!
4 −9
9 ∗e
p X=4 =
( ) =0,03374
4!
95∗e−9
p ( X=5 )= =0,06073
5!
96∗e−9
p X=6 =
( ) =0,09109
6!
7 −9
9 ∗e
p ( X=7 )= =0,11712
7!
98∗e−9
p X=8 =
( ) =0,13176
8!
99∗e−9
p ( X=9 )= =0,13176
9!
10 −9
9 ∗e
p X=10 =
( ) =0,11858
10 !
911∗e−9
p ( X=11 )= =0,09702
11 !
9 12∗e−9
p X=12 =
( ) =0,07277
12!

P ( X ≤ 12 )=0,00012+ 0,00111+0,00500+ 0,0150+ 0,03374+0,06073+ 0,09109+0,11712+0,13176+ 0,13176+

P ( X ≤ 12 )=0,8758
P(X≤7)
0 −9
9 ∗e
p ( X=0 )= =0,00012
0!
 1 −9
9 ∗e
p ( X=1 ) = =0,00111
1!
9 2∗e−9
p X=2 =
( ) =0,00500
2!
93∗e−9
p ( X=3 )= =0,0150
3!
4 −9
9 ∗e
p X=4 =
( ) =0,03374
4!
95∗e−9
p ( X=5 )= =0,06073
5!
96∗e−9
p X=6 =
( ) =0,09109
6!
7 −9
9 ∗e
p ( X=7 )= =0,11712
7!
P ( X ≤ 7 )=¿
P ( X ≤ 7 )=0,00012+0,00111+ 0,00500+0,0150+0,03374+ 0,06073+0,09109+0,11712
P ( X ≤ 7 )=0,32391
REEMPLAZAMOS

P (7 ≤ X ≤ 12 )=0,8758−0,32391
P (7 ≤ X ≤ 12 )=0,55189

Punto 10.
El número de cartas perdidas en el correo en un día es en promedio de 4. ¿Cuál es la
probabilidad de que en un día determinado…
λ=4

x −λ
λ ∗e
p ( X=x )=
x!

a. Se pierdan a lo sumo dos cartas?

p ( X ≤ 2 )= p ( X =0 ) + p ( X =1 )+ p ( X=2 )
40∗e−4 4 1∗e−4 4 2∗e−4
p ( X ≤ 2 )= + +
0! 1! 2!
p ( X ≤ 2 )=0,01832+ 0,07326+0,14653
p ( X ≤ 2 )=0,23811
b. Se pierdan tres?

p ( X=3 )= p ( X ≤ 3 ) −p ( X ≤ 2 )
 0 −4 1 −4 2 −4 3 −4
4 ∗e 4 ∗e 4 ∗e 4 ∗e
p ( X ≤ 3)= + + +
0! 1! 2! 3!
p ( X ≤ 3 ) =0,01832+ 0,07326+0,14653+0,1954
p ( X ≤ 3 ) =0,43351
40∗e−4 4 1∗e−4 4 2∗e−4
p ( X ≤ 2 )= + +
0! 1! 2!
p ( X ≤ 2 )=0,01832+ 0,07326+0,14653
p ( X ≤ 2 )=0,23811
REEMPLAZAMOS

p ( X=3 )= p ( X ≤ 3 ) −p ( X ≤ 2 )
p ( X=3 )=0,43351−0,23811
p ( X=3 )=0,1954
c. Se extravíen 4 o 5?

p ( X=5 )+ p ( X =4 )
5 −4
4 ∗e
p ( X=5 )=
5!
p ( X=5 )=0,15629
4 4∗e−4
p ( X=4 ) =
4!
p ( X=4 ) =0,19537
REEMPLAZAMOS

p ( X=5 )+ p ( X =4 )
0,15629+0,19537
p ( X=5 )+ p ( X =4 )=0,35166

d. Al menos desaparezca una carta?

p ( X ≥ 1 )=1− p ( X <1 )
0 −1
4 ∗e
p ( X <1 )=
0!
p ( X <1 )=0,01832
REEMPLAZAMOS

p ( X ≥ 1 )=1−0,01832
p ( X ≥ 1 )=0,98168