En el caso de las variables aleatorias continuas, no podemos asignar probabilidades a

valores especfficos. Por ejemplo, la probabilidad de que la temperatura maxima de boy sea
exactamente 12,537 °C es O. Naturalmente, la temperatura no serâ e.xactamente esa cifra.
Sin embargo, es posible determinar la probabilidad correspondiente a intervalos, por lo que
podemos asignar una probabilidad al suceso «la temperatura maxima de boy estara entre
1C1' y 15 °C». He aquf algunos otros ejemplos de variables aleatorias continuas:
1. La renta anual de una familia.
2. La cantidad de petroleo importaoo en un mes.
3. La variaci6n del precio de las acciones ordinarias de IBM en un mes.
4. El tiempo que transcurre desde que se instala un nuevo componente basta que se
averfa.
5. El porcentaje de impurezas que bay en un lote de productos qufmicos.
Tal vez parezca bastante artificial la distinci6n que hemos becbo entre variables aleato-
rias discretas y variables aleatorias continuas. Al fin y al cabo, raras veces se mide realmente
algo en un continuo. Por ejemplo, no podemos medir la temperatura maxima de un dia con
mas precisi6n de lo que pennite el instrumento de medici6n. Por otra parte, la renta anua1 de
una familia es un nûmero entero de centavos. Sin embargo, observaremos que es comodo
actuar como si las mediciones se bubieran reali7.Bdo realmente en un continuo cuando las di-
ferencias entre los valores adyacentes son insignificantes. La diferencia entre una renta fami-
liar de 35.276,21 S y una renta familiar de 35.276,22 S no tiene mucha importancia y la asig-
naci6n de probabilidades a cada una de ellas seria un ejercicio tedioso e imitil.
A efectos practicos, consideramos que las variables aleatorias son discretas cuando tie-
ne sentido asignar probabilidades a los resultados individuales posibles; todas las demis
variables aleatorias se consideran continuas. Como consecuencia de esta distinci6n, anali-
zamos las dos clases por separado: analiz.amos las variables aleatorias discretas y las varia-
bles aleatorias continuas en el Capftulo 6.

EJERCICIOS

Ejercicios basicos S.4. Un actor bace 100 representaciones al affo. iEs su

S.1. Una tienda vende entre O y 12 computadores al
dfa. l,F.s la venta diaria de comput.adores una va-
riable aleatoria discreta o continua?
5.2. Un p-oceso de produoci6n fabril produce un pe-
queffo mimero de piezas defectuosas diariamente.
iF.s el numero de piezas defectuosas una variable
aleatoria diacreta o continua?
5.3. Indique en cada uno de los casos siguientes cual
es la mejor definiciôn: una variable aleatoria dis-
creta o una variable aleatoria continua.
a) El numero de automôviles que llegan diaria-
me.nte a un taller de reparaci6n en el que traba-
jan dos personas.
b) FJ niunero de automôviles producidos anual-
mente por General Motors.
c) las ventas diarias totales de una tienda de co-
men.:io electrônico en dolares.
d) El numero de pasajeros que se quedan sin pla-
m en una compaftia aérea especffica tres dias
antes de Navidad.
prognuna de trabajo (n(anero de representaciones)
una variable aleatoria diacreta?
Ejercicios aplicados
5.5. Ponga cinco ejemplos de variables aleatorias dis-
cretas que podrian observarse en una nueva con-
sultora.
5.6. Defina tres variables aleatorias continuas que dc-
beria e:xaminar periôdicamente un vicepresidente
de marketing.
S.7. Una encuesta electoral entrevista a 2.000 personas
seleccionadas aleatoriamente. iDebe analinrse el
mimero de personas que apoyan al candidato A
•tilizando modelos de probabilidad discreta o con-
tinua?
5.8. Un vendedor entra diariamente en contacto con 20
personas y les pide que compren. l))ebe analimrse
el mimero de compras diarias utilizando modelos
de probabilidad diacreta o continua?
 Capftulo 5. Variables aleatorias discret• y dlstribucionea de probabllldad 151

La propiedad l establece simplemente que una probabilidad no puede ser menor que 0
o mayor que l . Obsérvense, por ejemplo, las probabilidades de la Figura 5. 1 oorrespon-
dientes al lanzamiento de un dado al aire. La propiedad 2 implica que la probabilidad de
que una variable aleatoria no sea mayor que un detenninado numero DO puede ser mayor
que la probabilidad de que DO sea mayor que cualquier numero mas alto.

EJERCICIOS

Ejerclclos baslcos a) i.P(3 ~ .r < 6) • ?

5.9. 1,Cual es la ftmci6o de probabilidad del mimcro b) 1,.P(.r > 3) • ?
de caras cuando se lama al aire una moneda c) l,P(x ~ 4) - ?
equilibrada? d) ;.P(.2<x~S)-?
5.10. Muestre la ftmciôn de probabilidad del mimero 5.14. Una compaffia llérea le ha pedido que estudie los
de caras en el lanmmiento al aire de una moneda retrasos de los vuelos que se registraron en un
equilibrada. aeropuerto la semana antes de las Navidades. La
S.11. Muestre la ftmciôn de probabilidad del mimero variable aleatoria X es el mimero de vuelos retra-
de caras cuando se lanzan al aire independiente- sados por bora.
mente tres monedas equilibradas.
S.12. Suponga que la variable aleatoria representa el 'X 0 1 2 3 4 5 6 7 8 9
numero de veces que fàltara a clase este cualri- P(x) 0.10 0,08 0,07 0,IS 0, 12 0,08 0,10 0, 12 0,08 0,10
mesm. Elabore una tabla que muestre la ftmciôn
de probabilidad y la ftmciôn de probabilidad acu- a) 1,Cual es la distribuciôn de probabilidad acu-
mulada. mulada?
b) 1,Cual es la probabilidad de que baya cinco o
Ejerclclos apllcados mas vuelos retrasados?
c) 1,Cœl es la probabilidad de que baya entre
S.13. El mimero de computadores vendidos al dia en
tres y siete (inclusive) vuelos retrasados?
una tienda viene definido por la siguiente distri-
buciôn de probabilidad:

X 0 1 2 3 4 5 6
.P(r} 0,05 0,10 0,20 0,20 0,20 0.1' 0,10

5.3. Propiedades de las variables aleatorias discretas

La distribuci6n de probabilidad contieoe toda la infonnaci6n sobre las propiedades proba-
bilfsticas de una variable aleatoria y el examen grafico de esta distribuci6n puede ser, des-
de luego, valioso. Sin embargo, a menudo es deseable disponer de alguna medida sintética
de las caracterfsticas de la distribuci6n.

Valor esperado de una variable aleatorla dlscreta

Para tener una medida del punto central de una distribuci6n de probabilidad, introducimos
el concepto de esperanza de una variable aleatoria. En el Capftulo 3 calculamos la media
muestral como una medida del punto central de datos muestrales. El va/or esperado es la
medida correspondiente del punto central de una variable aleatoria. Antes de definirlo,
mostramos el error de una medida alternativa que parece atractiva a primera vista.
158 Estadfstica para administraci6n y ecouomla

Hay tres ejemplos especiales de la funcion lineal W = a + bX que son importantes. El

primero con.sidera una funcion constante, W = a, para cualquier constante a. En esta situa-
cion, el coeficiente b = O. En el segundo ejemplo, a = 0, de donde W = bX Las ecuacio-
nes 5.11 y 5.12 definen el valor esperado y la variama de estas funciones. El tercer ejem-
plo es importante en capitulos posteriores. Las ecuaciones 5.13 y 5.14 definen la media y
la varianza de esta funcion lineal especial Por lo tanto, restando de una variable aleatoria
su media y dividiendo por su desviacion tfpica se obtiene una variable aleatoria de media 0
y desviacion tfpica 1.

Resultadoa slntétlcos de la media y la varianza

de funclones llneales especlales
a) Sea b - 0 en la funcl6n llneel W = 8 + bX. Entonœs, w- 8 (para cualquler constante 8).
E(a) = a y Var(a) = 0 (5.11)
SI una variable aleabrta alernpr9 toma el valor 8 , '9ndré una media 8 y una varlanza O.
b) Sea 8 - 0 en la funcl6n llneel w- B + bX. Enmncea, w - bX.
E(bX) = bµx y Var(bX) = b2oJ (5.12)

X-µ
La media y la varlanza de Z = x
tlx
Sea s - - µ:xlt1xY b - 1/u"en la funci6n llneal z - 8 + bX. En1onces,
X - µx
Z=a+bX=---
t1x
de manera que
'X- Jl,x) 1
E ( --'--'- =--+-µx=O
Jlx (5.13)
tlx tlx tlx
y

Var
('X-µ)
t1x
= -1
-x
t1i'
t1 2
X
=1 (5.14)

------ if!iïtdti(·fj
Ejercicios baslcos 5.16. Dada la funcion de probabilidad
5.15. Considere la funcioo de probabilidad
X 0 l 2
X 0 1 Probabilldad 0,25 o.so
Probabllidad 0,40 0,60
a) Trace la funcion de probabilidad.
a) Trace la funcion de probabilidad b) Calcule y trace la funci(m de probabilidad
b) Ollcule y trace la funcion de probabilidad acumulada.
BClDDulada, c) Halle la media de la variable aleatoria X.
c) Halle la media de la variable aleatoria X. d) Halle la varianza de X
d) Halle la varianza de X.
 capttulo 5. Variables •ak>rias dlscretaa y dlstribuciones de probablldad
5.17. Considere la funcion de probabilidad
0 1
Probabllidad 0,50 0,50
a) Trace la funcion de probabilidad
b) Calcule y trace la funci6n de probabilidad
aclDDulada.
c) Halle la media de la variable aleatoria X
cl) Halle la varianza de X.
5.18. Un concesionario de autom6viles calcula la pro-
porcion de autom6vilcs nuevos vendidos que se
ban devueho varias veces para que se corrijan los
defectos dmante el periodo de garantia. La tabla
adjunta muestra los resultados.
N6mero de
dtvol11doM1 0 2 3 4
Propord6n 0.28 0,36 0,23 0,09
a) Trace la funci6n de probabilidad
b) Ollcule y trace la funci6n de probabilidad
aclDJlulada.
c) Halle la media del mimero de devoluciones de
\Dl automovil para que se corrijan los defectos
dmante el periodo de garantia.
d) Halle la varianza del mimcro de devoluciones
de \Dl automovil para que se corrijan los de-
fectœ dmante el periodo de garantia.
5.19. Una empresa esta especializada en la instalacion
y el mantenimiento de calciàociones centtales.
Antes de que cmpiece el inviemo, las Uamadas al
a=rvicio de mantenimiento pueden dar como re-
sullado el pedido de una nueva caldera. La tabla
adjunta muestra las probabilidades estirnadas del
mimero de pedidos de calderas nuevas generados
de esta forma en las 2 ultimas semanas de sep-
tiembre.
N6merv d e
pedldo1 0 2 3 4
ProbablUdad 0,10 0,14 0,26 0,28 0,15 0,07
a) Trace la funcion de probabilidad
b) Ollcule y tnce la funcion de probabilidad
aclDJlulada.
c) Halle la probabilidad de que se bagan al mc-
nœ tres pedidos en este periodo.
d) Halle la media del numero de pedidos de una
nueva caldera en este periodo de 2 semanas.
159
e) Halle la desviaci6n tfpica del numero de pedi-
dos de una nueva caldera en este periodo de 2
semanas.
Ejerclclos apllcados
5.20. Una em~sa produce paquetes de clips. El nu-
mcro de clips por paquetc varia, como indica la
tabla adjunta.
N6mero
dedlp1 47 48 49 50 51 52 53
Propord6n
dt paqaetes 0,04 0,13 0,21 G,29 0.20 0,10 0,03
a) Trace la funci6n de probabilidad.
b) Calcule y trace la ftmci6n de probabilidad
acumulada.
c) l,Cual es la probabilidad de que \Dl paquete
selecciooado alcatoriamente contcnga entre
0,04 49 y S l clips (inclusive)?
d) Se seleccionan dos paquetes aleatoriamcnte.
1,Cuil es la probabilidad de que al menos uno
de cUos contenga como minimo SO clips?
e) Utilice el programa Exœl de Microsoft para
ballar la media y la desviacion tfpica del nu-
mcro de clips por paquete.
f) El coste (en centavos) de producir un paquete
de clips es 16 + 2x, donde X es el numero de
clips que bay en el paquete. Los ingresos ge-
œrados por la venta del paquete, cualquiera
que sea el nûmero de clips que contenga, son
de L.SO S. Si los beneficios son la diferencia
entre los ingresos y el coste, balle la media y
la desviacion tfpica de los beneficios por pa-
quete.
5.21. Una empresa municipal de autobuses ha comen-
7.ado a dar servicio en \Dl nuevo barrio. Se ha re-
~trado el numero de usœrios que bay en este
bmio en el servicio de primera bora de la mafia.
na. La tabla adjunta muestra la proporcion de ca-
da \DlO de los dfas de la semana.
s N6mero d e
......... 0 2 3 4 S 6 1
Proporel6n 0,02 0,12 0,23 Q,31 0,19 0,08 0,03 0,02
a) Trace la funciôn de probabilidad.
b) Calcule y trace la ftmcion de probabilidad
acumulada.
c) l,Cuil es la probabilidad de que en un dfa se-
lcccionado aleatoriamente baya al menos cua-
tro usuarios del barrio en este servicio?
 d) Se seleccionan dos dias aleatoriamente. lCuü
es la probabilidad de que en estos dos dfas
baya menos de tres usuarios del banio en este
aervicio?
e) Halle la media y la desviaci6n tfpica del nû-
mero de usuarios de este barrio en este servi-
cio en un dia de la semana.
f) Suponiendo que el coste de un viaje es de SO
centavos, balle la media y la desviacion tfpica
del total de pagos de los usuarios de este ba-
nio en este servicio un dia de la semana.
5.22. a) Un gnm envio de piC2U cootiene un 10 por
cicnto de piczas dcfcctuosas. Se sclcccionan
aleatoriamente dos y se prueban. Sea la varia-
ble aleatoria X el numero de defectos encon-
trados. Halle la funcion de probabilidad de
esta variable aleatoria.
b) Un envio de 20 piezas contiene dos deœctuo-
sas. Se scleccionan aleatoriamente dos y se
prueban. Sea la variable aleatoria Y el ninne-
ro de defectos encontrados. Halle la ftmcion
de probabilidad de esta variable aleatoria. Ex-
plique por qu6 su resPlJe8ta es diferente de la
respuesta del apartado (a).
c) Halle la media y la variama de la variable
aleatoria X del apartado (a).
d) Halle la media y la variama de la variable
aleatoria Y del apartado (b).
5.23. Un estudiante necesita saber qu6 tareas ha puesto
el profesor para el proximo dia y decide llamar a
aigu.nos compafteros para obtener esa informa-
ciôn. Cree que la probabilidad de obtener la in-
formaci6n necesaria en una llamada cualquiera
es 0,40. Decidc continuar llamando il los compa-
fteros basta obtener la informacion. Sea la varia-
Ne aleatoria X el numero de Damadas necesariaa
para obtener la informacion.
a) Halle la funcion de probabilidad de X
b) Halle la funcion de probabilidad acumulada
de X
c) Halle la probabilidad de que sean necesarias
tres Hamadas como minimo.
5.24. Un jugador universitario de balonœsto que tiene
1m porcentaje de aciertos del 75 por ciento en sus
1iros libres se situa en la linea de lamarnîento de
<<UDO mas uno» (si encesta a la primera. puede ti-
œr otra vez, pero DO en caso contrario; se anota
1m punto por cada enceste). Suponga que el re-
sultado del segundo lanzamiento, si lo bay, es in-
dependiente del resultado del primero. Halle el
numero esperado de plDltos resultantes del «IDlO
mis uno». Comparelo con el numero esperado de
puntos de 1ma «&.lta de dos tiros libres». en la
que se permite lanzar ID18 sepda vez. cualquie-
ra que sca el resultado del primer larrzarniento.
5.25. Un proœsor tiene un mnneroso grupo de alum-
DOS y ha previsto un examen a las 7 de la tarde
en 1m aula diferente. Estime en la tabla las pro-
œbilidades del numero de estudiantes que lo lla-
manin a casa una bora antes del examen pregun-
tandole en qu6 aula se realizara.
Nâmero
de llamadM 0 l 2 ·3 4 s
ProblbOidad 0,10 0,15 0,19 Q.26 0,19 0,11
Halle la media y la desviacion tfpica del ninnero
de llamadas.
5.26. Se ha pedido a los estudiantes de una mnnerosa
clase de contabilidad que valcnn el CID'SO en ID18
escala de l a S. Una puntuacion mayor indica
que los estudiantes dan 1m valor mayor al CID'SO.
ù tabla &<ljunta muestra las proporciones de es-
tudiantes que puntûan el curso en cada categorla.
2 3 '4
.lreperd6a ~07 0,19 Q.28 0)0 0,16
l-lalle la media y la desviacion tfpica de las p1m-
tuaciones.
5.27. Un quiosquero tiene un periodico que a veces le
pide 1m pequefto nûmero de clientes. Cada ejem-
par le cuesta 70 centavos y lo vende a 90 centa-
vos. Los ejemplares que le quedan al final del
dia DO tienen ningun valor y se destruyen. El
quiosquero considera que por cada ejemplar que
le piden y no puede vender porque se ban agota-
m tiene una pérdida de clientela que valora en S
centavos. La tabla adjunta muestra la distribu-
cion de probabilidad del numero de demandas
del periodico en un dia. Si el beneficio diario to-
tal del quiosquero son los ingresos totales gene-
rados por las ventas del periodico meDOs los cos-
tes totales de los periodicos pedidos. menos la
pérdida de clicntela como consccuencia de las
demandas insatisœcbas, lCuantos ejemplares dia-
rios debe pedir para maximizar los beneficios es-
perados?
N6mero de
demuda1 0 2 3 4 5
Probllbilidad 0,12 0,1,, 0,18 G,32 0,14 0..,08
 C&pftulo 5. Variables alealorlas discretas y distribuciones de p,obabilidad 161

5.28. El directΠde una fabrica esta considerando la
posibilidad de sustituir una maquina caprichosa.
El historiai de la maquina indica la siguiente dis-
tribuciôn de probabilidad del mimero de averfas
~gistradas en una scmana.
N6mero
•avenu 0 2 3 4
ProbabDidad 0.IO 0.26 0,42 0,16 0,06
a) Halle la media y la desviaciôn tipica del nû-
mero de averias semanales.
b) Se estima que cada averla le cuesta a la em-
prcsa 1.500 $ de producciôn pcrdida. Halle la
media y la desviaciôn tipica del coste sema-
nal de las averias de esta maquina.
S.29. Un inversor esta considcrando tres estraœgias pa-
ra invertir 1.000 S. Se estima que los rendimien-
tos probables son los siguientes:
• &trategia l : unos beneficios de 10.000 $ con
una probabilidad de 0, 15 y una pérdida de
1.000 $ con lDl8 probabilidad de 0,85.
• F.strategia 2: lmOS beneficios de 1.000 S con
una probabilidad de 0,50, unos beneficios de
500 S coD IDl8 probabilidad de 0,30 y una pér-
dida de 500 S coD IDl8 probabilidad de 0,20.
• F.stralegia 3: tmos beneficios seguros de 400 $.
lQué estrategia tiene el mayor beneficio espera-
do? lAconsejaria necesariamente al inversor que
adoptara esta estrategia?

5.4. Distribucion binomial

A continuacion, desarrollamos la distribuci6n de probabilidad binomial que se utili7.a mu-
cbo en numerosos problemas aplicados empresariales y econ6micos. Comenzamos desarro-
llando primero el modelo de Bernoulli, que es una piC7.8 esencial de la distribuci6n bino-
mial. Consideramos un experimento aleatorio que plle<le dar lugar a dos resuJtados posibles
mutuamente excluyentes y colectivamente exhaustivos, que por oomodidad llamamos «éxi-
to» y «fracaso». Sea P la probabilidad de éxito, por lo que la probabilidad de fracaso es
(1 - .P). Definamos abora la variable aleatoria X de manera que tome el valor 1 si el resul-
tado del experimento es un éxito y 0 en caso oontrario. La funci6n de probabilidad de esta
variable aleatoria es, entonces,

P(0) = (1 - .P) y P(l) = P

Esta distribuci6n se oonoce con el nombre de distribucil>n de Bernoulli. Su media y su va-

rianza pueden hallarse aplicando directamente las ecuaciones del apartado 5.3.

Obtencl6n de la media y la varianza de una variable aleatorla

de Bernoulli
La media 88

µ = E(X) = L xP(x) = (0)(1 - P) + (l)P = P (5.15)

~

y la varlanza 88

<1
2
= E[(X- µ)2] = L (x - µ)2P(x)
)l

(5.11)
= (0 - pY(l - P) + (l - P)2P = P(l - P)
 Capltuo 5. Variables •ak>rias dlscretaa y dlstribuciones de probablldad 167

Tabla 5.4. Probabllldad• binomiales obtenldas ulillzando el programa Mlnitab,

alendo n • 20, P • 0,80.
X P(X<=X)
10 0,0026
11 0,0100
12 0,0321
13 0,0867
14 0,1958
15 0,3704
16 0,5886
17 0,7939
18 0,9308
19 0,9885
20 1,0000

Comentarloa
• Halar la probabllldad de que el nClmero de pasajeros sea mayor que el de plazas vendldas,

P(X> 16) = 1 - P(X <= 16) = 1 - 0,589 = 0,411

• SI se venden 20 blletas, eso tamblén slgnlftca que la probablNdad de que se pn:1&enl8n 15
persona& o menos es
P(_X <= 15) = 0,37

• Es declr, hay un 37 por clento de probablldades de que si se venden 20 bllletes, 1haya al

menas IN plaza llbral
b) Para bal1ar la probabilidad de que vendieodo 18 billetes, el ntimero de personas que
se presentan sea mayor que el de plazas vendidas, seguimos los mismos pasos que
antes. La probabilidad de que el nwnero de pasajeros sea mayor que el de plazas
sera del l O por ciento solamente, u>ero la probabilidad de que haya al menos una
plaza libre aumentara a un 72,9 por ciento!
La direcci6n de la compadfa aérea debe comparar, pues, el coste de ofrecer mas
bi-
Uetes que plazas (facilitando billetes gratis) con el coste de quedarse con plazas libres
que no geoeran ningun ingreso. Las oompadias aéreas anali7.81l los datos para averiguar
el ntimero de pluas que dcben venderse a tarifas mas
bajas con el fin de maxim.i7.ar los
ingresos generados por los billetes en cada vuelo. Este analisis es complejo, pero tienc
su punto de partida en analisis oomo el ejemplo que bemos presentado aquf.

EJERCICIOS

Ejen:icioa balcos que el mimero de éxitos sea igual a 7 la probabi-

5.30. Dada una variable aleatQria de Bernoulli que tic-
ne una probabilidad de éxito P - 0,S, calcule la
media y la varianza.
5.31. Dada una fimci6n de probabilidad binomial en la
que P = 0,5 y n = 12, balle la probabilidad de
lidad de que el numero de éxitos sca menor que 6.
S.32. Dada una ftmci6n de probabilidad binomial en la
que P - 0,3 y n ... 14, balle la probabilidad de
que el nûmero de éxitos sca igual a 7 y la proba-
bilidad de que el mimero de éxitos sca menor
que 6.
168 Eatadlatica p_.. admlnlstraci6n y ecaiomla
5.33. Dada una funcioo de probabilidad binomial en la
que P • 0,4 y n • 20, halle la probabilidad de que
el numero de éxitos sea igual a 9 y la probabili-
œd de que el nûmero de éxitos sea menor que 7.
5.34. Dada una funcioo de p-obabilidad binomial en la
que P==0,7 y n - 18. halle la probabilidad de que
el nûmero de éxitos sea igual a 12 y la probabili-
œd de que el nûmero de éxitos sea meDOr que 6.
Ejerclclos apllcados
5.35. Un di.rector de prowcciôn sabe que el S por
ciento de los componentes producidos en un de-
tam.inado proceso de produccion tiene algun de-
êcto. Se exarninan seis de estos compooemes.
cuyas caracteristicu puede supœerse que son
independiemes entre sf.
a) ieuat es la probabilidad de que ningœo de
estos compooentes tenga un defecto?
b) iCuü es la probabilidad de que uno de estos
componemes tenga un defecto?
c) iCuil es la probabilidad de que al menos dos
de estos compooentes tengan un defecto?
5.36. Un poUtico cree que el 2S por ciento de todos los
macroeconomistu que ocupan altos cargos
apoyarâ finnemente una propuesta que desea
p-esentar. Supooga que esta crcencia es correct■
y que se seleccionan cinco macroecooomistas
aleatoriamente.
a) l Cual es la probabilidad de que al menos uno
de los cinco a ~ firmemente la propuesta?
b) iCual es la probabilidad de que la mayoria de
los cinco • ~ firmemente la propuesta?
5.37. Una organi7.acion de interés publico cootrata es-
ludiantes para pedir donaciones por teléfoDO.
Tras un breve periodo de formacion. los estu-
ciantes llaman a posibles dooanteR y cobran a co-
mision. La experiencia indica que al principio los
estudiantes tienden a tener poco éxito y que el 70
por ciento deja el tJabajo a lu dos semanas. La
c,-gani:r.acion contrat■ seis estudiantes. que pue-
den concebine como una muestra aleatoria.
a) l Cui1 es la probabilidad de que al menos dos
de los seis dejen el trabajo en lu dos prime-
ras semanas?
b) i Cual es la probabilidad de que al menos dos
de los seis DO dejen el trabajo en las dos pri-
meras semanas?
5.38. Suponga que la probabilidad de que el valor del
d61ar estadounidense suba ftente al )'al japonés
es de 0.S y que el resultado de una semana es in-
dependiente del resuhado de cualquier otra.
iCual es la probabilidad de que el valor del d6lar
suba en relacion con el yen japoœs la mayoria
de las semanas durante un periodo de 7 semanas?
5.39. Una emprcsa instala calefacciones centrales y ha
observado que en el 1S por ciento de todas lu
instalaciooes es necesario volver para hacer algu-
nas modiflcaciooes. Suponga que los resultados
de estas instalaciones son independientes.
a) iCuil es la probabilidad de que sea necesario
volver en todos estos casos?
b) iCuil es la probabilidad de que DO sea nece-
sario volver en ninguno de estos cuos?
c) iCmJ es la probabilidad de que sea necesario
volver en mis de uno de estos cuos?
SAO. Los Verdes van a jugar cinco partidos contra los
Azules. Se estima que la probabilidad de que p-
nen los Verdes en cualquier partido es 0,4. Los
resultados de los cinco partidos son independien-
tes entre sf.
a) iCual es la probabilidad de que los Verdes
pnen los cinco partidos?
b) i CmJ es la probabilidad de que los Verdes
ganen la mayoria de los cinço partidos?
c) Si los Verdes ganan el primer partido. icual
es la probabilidad de que ganen la mayorfa de
los cinco partidos?
d) Antes de que comiencen los partidos. i,Cuil es
el nûmero de partidos que se espera que ga-
nen los Verdes?
e) Si los Verdes ganan el primer partido. icual
es el nûmero de partidos que se espera que
pnen los Verdes?
§Al. Una pequefta compaftfa aérea tienc aviooes que
pueden Devar basta ocbo pasajeros. Ha calculado
que la probabilidad de que DO se presente un pa-
sajero con un billete es de 0.2. Vende billetes pa-
ra cada vuelo a las 10 primeras persooas que pi-
den un billete. La tabla adjunta muestra la
cistribucion de probabilidad del nûmero de bille-
tes vendidos por vuelo. iEn qué proporcion de
vuelos de la cornpatlia es mayor el oumero de
JIIS8.ieros que se presentan con billete que el mi-
mero de pla-zas disponibles? Suponga que el nû-
mero de billetes vendidos y la probabilidad de
que se presente un pasajero con un billete son in-
dependiemes.
N6mero
de billttes 6 7 8 9 10
............. 0,25 0.35 0,25 0, 10 0.05
 Capftulo 5. Variables aleatorias discret• y distribuciones de probablidad
5.42. Tras œ ensayo, un entrenador de fûtbol america-
no IDlÎve11itario tiene la opcion de intentar «una
oonversiôn de 2 puntos», es decir, anotar 2 pun-
tos mas si el intento tiene éxito y ninguno si fra-
casa. El entrenador cree que la probabilidad de
que su equipo tenga éxito en cualquier intento es
0,4 y que los resultados de los diferentes intentos
son independientes entn, si. En œ partido, el
equipo logra cuatro ensayos y en cada uno inten-
ta la conversion de 2 puntos.
a) é,Cual es la probabilidad de que tengan éxito
al menos dos de cstos intentos?
b) Halle la media y la dcsviacion tipica del nû-
mero total de puntos resultantes de estos cua-
tro intentos.
5.43. Un concesiooario de automôviles organiza una
nueva campafta de promocion. Los cQOlPl"adores
de nuevos automoviles pueden devolverlos en
el plazo de 2 dias si no estan satisfecbos y re-
cuperar todo el dinero pagado. El coste que tiene
para el concesiooario la devolucion del dinero
es de 2SO S. El coocesionario estima que el l S
por ciento de todos los compradorcs devolvcra
los automoviles y recuperarâ el dinero. Suponga
que se compran 50 automoviles dinnte la cam-
pafta.
a) Halle la media y la desviaci6n tfpica del nû-
mero de automoviles que se devolverân a
cambio del dinero.
b) Halle la media y la desviacion tfpica de los
cosies totales de la devolucion del dinero de
estas 50 compras.
5A4. Una sociedad de fondos de inversion tiene un
servicio que permiœ a los clientes bacer transfe-
œncias de dinero de unas cuentas a otras por te-
léfono. Se estima que el 3,2 por ciento de los
c:lientes que llaman se encuentra con que la linea
esta ocupada o se los mantiene tanto tiempo a la
espera que cuelgan. La direocion estima que
cualquier fallo de este tipo es una pérdida de
c:lientela valorada en LO S. Suponga que se inten-
ta bacer 2.000 llamadas en 1m detenninado
periodo.
a) Halle la media y la desviaci6n tfpica del nû-
mero de personas que l1aman y que se en-
cuentran con la linea ocupada o cuelgan des-
pués de que se las mantenga a la espera.
b) Halle la media y la desviacion tipica de la
pérdida total de clientela que experimenta la
sociedad de fondos de inversion en estas
2.000 Hamadas.
169
5.45. Hemos visto que en una distribucion binomial
con n pruebas, cada una de las cuales tiene una
probabilidad de éxito P, la media es
µx = E(X) == nP
Verifique este resultado con los datos del ejem-
plo 5.7 calculando la media directamente a partir
de
demostrando que en el caso de la distribucion bi-
nomial las dos formulas dan la misma respuesta.
5.46. FJ jefe de la seocion de recaudacion del mlDlÎci-
pio de Callesancbas observa que, de todas las
multas de aparcamiento que se ponen, se paga el
78 por ciento. La muha es de 2 S. En la semana
mâs reciente, se ban puesto 620 multas.
a) Halle la media y la dcsviacion tipica del nu-
mero de multas que se pagan.
b) Halle la media y la desviaci6n tfpica de la
cantidad de dinero que se obtiene por el pago
de estas multas.
5.47. Una empesa recibe œ gran envfo de componen-
œs. Se comprobarâ una muestra aleatoria de 16
de estos compooentes y se aoept.arâ el envfo si
80D defèctuosos menos de 2 componentes de esta
muestra. Halle cuâl es la probabilidad de que se
acepte ID1 envfo que contenga:
a) Un S por ciento de componentes defectuosos.
b) Un LS por ciento de componentes defectuo-
sos.
c) Un 2S por ciento de componentes defectuo-
sos.
5.48. &tan considerandose las dos reglas de acepta-
cion siguientes para averiguar si se debe aceptar
el envfo de una gran remesa de compooentes:
• Comprobar una muestra aleatoria de LO com-
ponentes y aoeptar el envfo unicamente si nio-
guno de ellos es defectuoso.
• Comprobar una muestra aleatoria de 20 com-
ponentes y aceptar el envfo ûnicamente si no
bay mas de uno defectuoso.
lCon cuâl de estas reglas de aoeptacion es menor
la probabilidad de aoeptar œ envfo que contenga
tm 20 por ciento de componentes defectuosos?
5.49. Una empresa recibe grandes envfos de piezas de
dos fuentes. El 70 por ciento de los envfos proce-
de de 1m proveedor cuyos envfos nonnalmente
oontienen œ l Opor ciento de piezas defectuosas,
mientras que el resto procede de 1m proveedor
170 Estadfatlca psa adminiatraci6n y ec:onomla

cuyos envios nonnalmente cootienen un 20 por este envfo y se observa que lD18 de ellas es defec-
àento de piC'Z8S defectuosas. Un directivo recibe tuosa. l Cual es la probabilidad de que este envfo
lD1 envio. pero desconooe la procedencia. Se proceda del proveedor m'8 fiable? Pista: utilice
oomprueba una muestra aleatoria de 20 piezas de el teorema de Bayes.

5.5. Distribuci6n hipergeométrica

La distribuci6n binomial presentada en el apartado 5.4 supone que los objetos se seleccio-
nan independientemente y que la probabilidad de seleccionar uno es constante. En mucbos
problemas aplicados, estos supuestos pueden satisfacerse si se extrae una pequefta muestra
de una gran poblaci6n. Pero aquf examinamos una situaci6n en la que es necesario selec-
cionar 5 empleados de un grupo de 15 igual de cualificados: una pequeda poblaci6n. En el
grupo de 15, hay 9 mujeres y 6 hombres. Supongamos que en el grupo de 5 empleados
seleccionados, 3 son hombres y 2 son mujeres. l,Cual es la probabilidad de seleccionar ese
grupo concreto si la.s selecciones se bacen aleatoriamente sin sesgo alguno? En el grupo
inicial de 15, la probabilidad de selecciooar una mujer es 9/15. Si no se selecciooa una
mujer a la primera, la probabilidad de seleccionar una mujer a la segunda es 9/14. Por lo
tanto, las probabilidades varian con cada selecci6n. Como no se cumplen los supuestos de
la distribuci6n binomial, debe elegirse un modelo de probabilidad diferente. Esta distribu-
ci6n de probabilidad es la distribucion de probabilidad hipergeomélrica.
Podemos utiliz.ar la distribuci6n binomial en las situaciones que se denominan <anues-
treo con reposici6n». Si se repone el objeto selecciooado en la poblaci6n, la probabilidad
de seleccionar ese tipo de objeto sigue siendo la misma y se satisfacen los supuestos bino-
miales. En cambio, si no se reponen los objetos -<anuestreo sin reposici6n»- las proba-
bilidades varian con cada selecci6n y, por lo tanto, el modelo de probabilidad que debe uti-
li7Jll'se es la distribuci6n hipergeométrica. Si la poblaci6n es grande (N > 10.000) y el
tamaflo de la muestra es pequeflo ( < 1%), la variaci6n de la probabilidad después de cada
selecci6n es muy pequefta. En esas situaciones, la distribuci6n binomial es una aproxima-
ci6n muy bueoa y es la que se utiliza normalmente. La ecuaci6n 5.21 muestra el rnodelo de
probabilidad hipergeométrica

Dlatrlbucl6n hlpergeomMrlca
Supongarnos que 88 ellge una muestra aleatorta de n objet>& de un grupo de N objet>&, de los
cuales S aon éxltoa. La dlstrl>ucl6n del n(lmero de éxltos, X, en la muestra 88 llame cletrlbu-
cl6n hlpergeom6trlca. Su funcl6n de probabHldad es

S! (N-S)!
- - - X---------
P( )
= C:C::; _ x!(S - x)! (n - x)!(N- S - n + x)I
(5.21)
X ~ Nl
nl(N- n)I

donde x puede k>mer valores enteroa que van desde el mayor de O y (n - (N - S)] ha81a el
menor de n y S.

En el apartado 4.3 explicamos la 16gica de la distribuci6n hipergeométrica utilizando la

definici6n clâsica de probabilidad y las f6rmulas de recuento para las combinaciones. En la
ecuaci6n 5.21, los componentes son:
172 Estadlstica para adminlstracl6n y ecouomla

La probabilidad de que DO baya artfculos defectuosos en la muestra es

5! 15 !
--X--
0!5! 6!9!
P(0) = = 0,129
201
61141

La probabilidad de que baya 1 artfculo defectuoso en la muestra es

51 151
--x--
114! 5!10!
P(l) = - - - - = 0,387
20!
6! 14!

Por Jo tanto, observamos que la probabilidad de que DO se oompruebe mas el cnvfo

de 20 artfculos que contenga 5 defectuosos es P(cnvfo aceptado) = P(0) + P(l) =
= 0,129 + 0,387 = 0,516. F.sta tasa de error es alta e indica que es necesario mejorar el
proceso.

Las probabilidades hipergeométricas también pueden calcularse utilimndo programas

informaticos mediante un método similar al empleado en el ejemplo 5.9 para calcular las
probabilidades binomiales.

EJERCICIOS

Ejercicios baslcos Ejercicios de apllcacl6n

5.50. Ollcule la probabilidad de obteoer S éxitos en
una muestm aleatoria de tanwlo n = 12 extrafda
de una poblacion de tamafto N - 50 que contie-
oe 25 éxitos.
5.51. Ollcule la probabilidad de obteoer 7 éxitos en
una muestm aleatoria de tanwlo n = 14 extrafda
de una poblacion de tamafto N = 60 que contie-
oe 25 éxitos.
5.52. Ollcule la probabilidad de obteoer 9 éxitos en
una muestm aleatoria de tanwlo n = 20 extrafda
de una poblaci6n de tamafto N = 80 que contie-
oe 42 éxitos.
5.53. Ollcule la probabilidad de obteoer 3 éxitos en
una muestra aleatoria de tamafto n - S extrafda
de una poblacion de tamafto N = 40 que contie-
oe 25 éxitos.
5.54. Calcule la probabilidad de obteoer 8 éxitos en
una muestra aleatoria de tamafto n == lS extrafda
de una poblacion de tamafto N == 400 que contie-
oe 200 éxitos.
5.55. Una empresa recibe w envio de 16 artfculos. Se
selecciona una muestra aleatoria de 4 y se recha-
za el envio si cualquiera de estos articulos resulta
defectuoso.
a) l,Cual es la probabilidad de que se acepte un
envfo que cootienc: 4 artfculos defcctuosos?
b) l,Cual es la probabilidad de que se acepte un
envfo que contieoe l artfoulo defectuoso?
c) l,Cual es la probabilidad de que se rechace un
envfo que contiene l artfculo defectuoso?
5.56. Hay que foanar w comité de ocbo miembros de
un grupo de ocbo hombres y ocbo mujeres. Si los
miembros del comité se eligen aleatoriamente,
l,Cuâl es la probabilidad de que exactamente la
mitad sean mujeres?
5.57. Un analista de bonos recibi6 una lista de 12 bo-
nos de empn,sa. Seleccion6 de esa lista 3 cuya
calificaciôn cre{a que corria el riesgo de que se
rebajara al aflo siguientc. En realidad, al aflo si-
guienœ se rebaj6 la califacaciôn de 4 de los 12
bonos. Suponga que el analista bubiem elegido
 C&pltulo 5. Variablee alealorias discret• y distribuciones de probablldad 17 3

simplemente 3 bonos aleatoriamente de la lista. Al final, el ejccutivo autoriza 6 de las solicitu-

1,Cual es la probabilidad de que al menos 2 de
los elegidos se encontnuan entre los bonos cuya
aùificacion se rebaj6 al affo siguiente?
5.58. Un ejecutivo bancario recibe LO solicitudes de
aédito. Los perfiles de los solicitantes son simi-
lares, salvo que S pertenecen a minorias y S no.
des. Si estas autorizaciones se eligen aleatoria-
mente del grupo de 10 solicitudes, 1,cœl es la
probabilidad de que menos de la mitad de las
autorizaciones sean autorizaciones de solicitudes
de penonas que pertenecen a minorias?

5.6. La distribuci6n de Poisson

La distrlbucion de Poisson fue propuesta por primera vez por Siméon Poisson (1781-1840)
en un libro publicado en 1837. El mimero de aplicaciones comenz6 a aumentar a principios
del siglo XX y la aparici6n del computador ha pennitido aumentarlas en el siglo XXJ. La
distribuci6n de Poisson es una importante distribuci6n de probabilidad discreta para algu-
nas aplicaciones entre las que se encuentran las siguientes:
1. El numero de fallos de un gran sistema infODDAtico en un dia dado.
2. El mimero de pedidos de sustituci6n de una pieza recibido por una empresa en un
mes dado.
3. El numero de barcos que Uegan a una terminal de carga durante un periodo de
6 boras.
4. El numero de camiooes de reparto que Uegan a un almacén central en una bora.
5. El numero de abolladuras, rasguftos u otros defectos de un gran rollo de lamina de
metal utili7.8da para fabricar filtros.
6. El numero de clientes que Uegan a tomar un vuelo cada 15 minutos entre las 3 y
las 6 de la tarde durante los dias de la semana
7. El numero de clientes que Uegan a una caja en el supermercado local durante un
determinado intervalo de tiempo.
Podemos utiliz.ar la distribuci6n de Poisson para hallar la probabilidad de cada una de
estas variables aleatorias, que se caracterizan por ser el numero de ocurrencias ode éxitos
de un suceso en un intervalo continuo dado (como el tiempo, la superficie o 1a longitud).
La distribuci6n de Poisson se basa en ciertos supuestos.

Supuestoa de la dlatrlbucl6n de Polaaon

Supongamo& que un ln'8Mllo Nié dlvldldo en un gran nClmero de sublnl&rvalos de manera que
la probabllldad de que ocurra un 8U0880 de cualquler subln'8Mllo 88 muy pequene. Los au-
pUNtN de la dlstrlbucl6n de Poluon 800 los slgulen'98:
1. La probabllldad de que ocuna un 8UC8SO 88 constante en 1odos los sublnl&rvalos.
2. No puede haber més de una ocurrencla en cada sublnl&rvalo.
3. Las ocurrenclas son lndependlen188; 88 declr, las ocurrencias en lnl&rvalos que no se
aolapan son lndependlenl98 en1re sr.

Podemos formular directamente la ecuaci6n para calcular las probabilidades de Poisson

a partir de la distribuci6n de probabilidad binomial tomando los limites matematicos cuan-
do P-+ 0 y n-+ oo. Con estos limites, el panimetro À = nP es una constante que especifica
el numero medio de ocurrencias (éxitos) en un determinado tiempo y/o espacio. La ecua-
ci6n 5.22 define la funci6n de probabilidad de Poisson.
 178 E:stadfatica p.-a admlniatracl6n y ec:ouomla
EJERCICIOS
Ejen:lcloa baslcos
5.59. Halle la probabilidad de obtener 7 6xitos exacta-
mente en el caso de uoa variable aleatoria que si-
gue uoa distribuci6n de Poisson, siendo l = 3,S.
5.60. Halle la probabilidad de obteoer 4 6xitos exacta-
mente en el caso de uoa variable aleatoria que si-
gue una distribuci6n de Poisson. siendo l • 2,S.
5.61. Halle la probabilidad de obteoer mas de 7 6xitos
CD el caso de una variable aleatoria que sigue
uoa distribuci6n de Poisson, siendo À = 4,S.
5.62. Halle la probabilidad de obteoer menos 6 6xitos
CD el caso de una variable aleatoria que sigue
uoa distribuci6n de Poisson, siendo À • 3 ,S.
5.63. Halle la probabilidad de obteoer meDOs de 9 6xi-
tos o 9 6xitos en el caso de una variable aleatoria
que sigue una distribuci6n de Poisson, siendo
À= s.o.
ijerclclos de apllcacl6n
5.64. Los clientes llegan a una caja registradora ocupa-
da a uoa tasa media de tres por mi.nuto. Si las
llegadas siguen una distribuci6n de Poisson. balle
la probabilidad de que en tm mi.nuto dado lle-
guen dos clientes o menos.
5.65. El numero de accidentes que se produœn en una
&brica tiene una distribuci6n de Poisson con una
media de 2.6 al mes.
a) l Cuâl es la probabi.lidad de que baya menos
de dos accidemes en tm mes dado?
b) lCual es la probabilidad de que baya mas de
ns accidentes en un mes dado?
5.66. Un profesor recibe, por término medio, 4,2 lia-
maclas telef6nicas de los estudianœs el dia antes
œl examen final. Si las Damadas siguen una dis-
tribuci6n de Poisson. lCuil es la probabilidad de
que reciba al menos lies Hamadas ese dia?
5.67. Los datos indican que en la bora punta de la ma-
ftana se producen, por térmiDO medio, 3,2 coli-
siones al dia en tma via urbana. Supong• que la
<istribuci6n es de Poisson.
a) Halle la probabilidad de que en un dia dado
se prodim:an menos de dos colisiones en esta
vfa durante la bora ptmta de la maftana.
b) Halle la probabilidad de que en un dia dado
se produzcan mâs de cuatro colisiones en esta
vfa durante la bora punta de la maftana.
5.68. Hacienda ha informado de que el 5,S por ciento
de todos los contribuyentes comeœ errores al re-
Uenar los impresos de declaraci6n de la renta. Si
se eligen aleatoriamente l 00 declaraciones, lCuâl
es la probabilidad de que menos de 3 contengan
errores? Utilice la aproximacion de Poisson de la
<istribuciôn binomial.
5.69. Una empresa tiene 250 computacb'es personales.
La probabilidad de que tm0 cualquiera de ellos
œcesite una reparaciôn en uoa semana dada es
0,01 . Halle la probabifülad de que menos de 4 de
los comput.adores personales oecesiten una repa-
raciôn en una semana dada. Utilice la aproxima-
ci6n de Poisson de la distribuciôn binomial.
S.70. Una compaftfa de seguros tieoe 6.000 pôlizas de
seguro contra las estafas con olras tantas empre-
sas. En œ afto dado, la probabi.lidad de que uoa
p61.iza geoere uoa reclamaciôn es de 0,001. Halle
la probabilidad de que se presenten al menos tres
n,clamaciones en œ afto dado. Utilice la aproxi-
maciôn de Poisson de la distribuciôn binomial.
5.71. Por ley, los automovilis1as deben teoer œ segu-
ro. Se ha estimado que, a pesar de la ley, el 7,5
por ciento de todos los automovilistas DO tiene
seguro. Se ha tomado una muestra aleatoria de
(j() automovilistas. Uti.lice la aproximaciôn de
Poisson de la distribuciôn binomial para estimar
la probabilidad de que al menos 3 de los automo-
vilistas de esta muestra DO estén asegurados. In-
dique tambi6n qu6 calculos tendrfa que bacer pa-
ra baJlar esta probabilidad exactamente si no
ltilizara la aproximaci6n de Poisson.
S.72. &ta diseftandose œ nuevo almac6n y bay que
tomar uoa decisioo sobre el mDDero de zonas de
carga. Hay dos modelos para el uso de este al-
macén, dado que para cargar œ cami6n se nece-
sita l bora. El almacén podria contratar a uno de
los mucbos miles de camioneros independientes
que Uegan aJeatoriamente para recoger una carga
y distribuirla. Se sabe que cada bora Uega en
p-omedio lDIO de estos camiones. La empesa
tambi6n podria contrablr uoa flota de 10 camiones
dedicados a tiempo completo a transportar envfos
de este almac6n. Partiendo de ese supuesto, los
camiones Uegarlan aleatoriamente, pero la proba-
bilidad de que llegara lDIO duranœ una bora dada
es 0,1. Halle la distribucioo de probabilidad ade-
cuada para cada uno de estos supucstos y compa-
re los resultados. Los valores de la distribuciôn
de probabilidad pueden consultarse en las Tablas
2 y S del Ap6ndice o calcularse por computador.