ACTIVIDAD 4

TALLER DISTRIBUCIONES BINOMIAL, POISSON Y NORMAL

NOMBRE: JEISON JULIAN VIRGUEZ GUTIÉRREZ

1. Suponga que una empresa petrolera sostiene que, en los procesos de exploración y explotación, la
probabilidad de que un pozo sea productivo es del 32%. Se establece que se va a la iniciar
explotación en 8 pozos. Cuál es la probabilidad de que:

a) Todos sean productivos.

b) Exactamente 3 no sean productivos.
c) Por lo menos dos no sean productivos

R/: PROBABILIDAD BINOMIAL:

𝑃 𝑥 = 𝑘 = 𝐶n𝑝k*𝑞(n–k)
k

p: el pozo sea productivo

q: que el pozo no sea productivo p = 0,32

q = 0,68

n = 8 pozos

La probabilidad de que:

a. Todos sean productivos.

P(x= 8) = C8,8 (0,32)⁸

(0,68)⁰ C8,8 =1

P(x= 8) =0,0001

La probabilidad de que todos los pozos sean productivos es de 0,0001

b.Exactamente 3 no sean productivos.

P(8,5) = C8,5 (0,32)⁸

(0,68)³ P(8,5) =

56*0,0001*0,314432
 P(8,5) =0,0018

P(3 no sea productivos) = 1-0,0018 = 0,9982

c. Por lo menos dos no sean productivos.

P(x≤2) = P(x=0) +P(x=1) +P(x= 2) P(x≤2) =0,0000009 +0,00005+0,0003

P(x≤2) = 0,0008

2. Un jugador de baloncesto tiene una probabilidad de 0,34 de anotar tiros desde la zona de 3 puntos.
Cuál es la probabilidad de que al tirar 9 veces enceste:

a) 4 veces.
b) todas las veces.
c) más de 6 veces.

R/: PROBABILIDAD BINOMIAL TENDIENDO A LA NORMAL

𝑃 𝑥 = 𝑘 = 𝐶n𝑝k*𝑞
k
(n–k)

p: de que el jugador enceste

q: de que el jugador no

enceste p = 0,32

q = 0,68

n = 9 veces

Media:

μ= n*p

μ = 9*0,32

μ= 3

Desviación estándar:

σ=√n*p

*q σ=

1,4
 Probabilidad de lanzar 9 veces y

encestar 4 veces P (x= 4) =

P9,4(0,32)⁹(0,68)⁵

P (x = 4) = 126 *0,000035

*0,1454 P(x=4) = 0,00064

Probabilidad de lanzar 9 veces y encestar

todas las veces n=9 lanzamientos

k=9 encestas

P (x=9) = C9,9

(0,34)⁹(0,66)⁰ P

(x=9)=0,00006

Probabilidad de lanzar 9 veces y encestar más de seis veces P(x≥6)=

Z = ( 6-3)/1,4 = 2,14 Valor que ubicamos en la Tabla de distribución normal y obtenemos la probabilidad de
P (x≤6) = 0,98341
P(x≥6)= 1-0,98341 = 0,1659

3. El 13% de los huevos en una tienda están podridos. Halle la probabilidad de que un cliente que
compra media docena de huevos encuentre como mucho un huevo podrido.

R/: PROBABILIDAD BINOMIAL:

𝑃 𝑥 = 𝑘 = 𝐶n𝑝k*𝑞
k
(n–k)

p: posibilidad de que este podrido

q: posibilidad de que no

este podrido p = 0,13

q = 0,87

P(x ≤ 1) = P(x= 0) + P(x=1)

P(x =0) = 6!/((6-0)!*0!)*0,13⁰*(0,87)⁶⁻⁰ = 0,43363

P(x =1) = 6!/((6-1)!*1!)*0,13¹*(0,87)⁶⁻¹ = 0,38877

P(x ≤ 1) = 0,43363 + 0,3887 = 0,8224

4. La probabilidad de que se funda un bombillo en su transporte es del 3%. Si en un envío hay 35

bombillos, ¿cuál es la probabilidad de que al menos uno esté fundido debido a la operación de
transporte?

R/: PROBABILIDAD BINOMIAL:

p: probabilidad de que un bombillo se funda en el transporte

q: probabilidad de que un bombillo no se funda

en el transporte p = 0,03

q = 0,97

n = 35 bombillos

P(x<1)= P(x=

0)+P(x=1)

P(x=0)

=C35,0( 0,03)⁰(0,97)³⁵

P(x=0)=0,3443

P(x=1) = C35,1(0,03)

(0,97)³⁴ P(x=1)=0,3728

P(x<1)= P(x= 0)+P(x=1)

 P(x<1)= 0,3443+0,3728

P(x<1)= 0,7171

5. La contaminación constituye un problema en la fabricación de discos de almacenamiento óptico. El

número de partículas de contaminación que ocurre en un disco óptico tiene una distribución de
Poisson y el número promedio de partículas por centímetro cuadrado de superficie del disco es 0.1.
El área de un disco bajo estudio es 100 centímetros cuadrados. Con estos datos:

a) Encuentre la probabilidad de que ocurran 12 partículas en el área del disco bajo estudio.

b) Encuentre la probabilidad de que ocurran cero partículas en el área del disco bajo estudio.

c) Determine la probabilidad de que 12 o menos partículas ocurran en el área del disco bajo estudio.

R/: Puesto que el número promedio de partículas es 0.1 partículas por cm 2. E(x)=100 cm 2 x0.1 partículas/
cm 2 = 10 partículas

a.

P 𝑥 = 12 = 𝑒 –1 * 1012 = (4.54136*10–5 )*(1*1012 )=0.09478033

12! 479001600

b.

P𝑥 = 12 = 𝑒 –10* 1012= (4.54136*10–5)*(1)=0.0000453999

0! 0!

6. De acuerdo con las estadísticas, existen 20,4 robos en cada mes. Responda:

a) ¿Cuál es la probabilidad que por lo menos dos personas hayan sido robadas en un periodo de 2
semanas?
b) ¿Cuál es la probabilidad de que ninguna persona haya sido robada en una semana?

R/: PROBABILIDAD DE POISSON

Datos:
e = 2,71828
μ= 20,4 robos al mes
Si hay 20,4 robos al mes, y el mes tiene 4 semanas
Hay μ robos en una semana
μ= 5,1

a. ¿Cuál es la probabilidad que por lo menos dos personas hayan sido robadas en un periodo de 2
semanas?

P(x≤2) = P(x=0) + P(x=1) + P(x=2)

P(x=0 ) = (10,2)∧0 (2,71828)∧-

10,2 /0! =0,00037 P(x=1) = (10,2)∧1

(2,71828)∧-10,2 /1!= 0,00355

P(x=2) = (10,2)∧2 (2,71828)∧-10,2 /

2! = 0,00193 P(x≤2) = 0,00585

b.¿Cuál es la probabilidad de que ninguna persona haya sido robada en una semana?

P(x=0 ) = (5,1)∧0 (2,71828)∧-5,1 /0! =0,006

7. Los pesos de 1500 soldados presentan una distribución normal de media 68 kg y desviación típica 7
kg. Calcule la probabilidad de que un soldado elegido al azar pese:

a) Más de 61 kg.
b) Entre 63 y 69 kg.
c) Menos de 70 kg.
d) Más de 75 kg.

R/: Los pesos de 1500 soldados presentan una distribución normal de media 68 kg y desviación típica 7 kg.
Datos:
μ= 68 kg

σ= 7 kg

n= 1500

Z = (x-μ)/σ

La probabilidad de que un soldado elegido al azar pese:

a. Más de 61 kg.
Z = (61-68)/7 = -1 valor que obtenemos de la tabla de

distribución normal P (x≤61) = 0,15866

P ( x≥61) = 1-0,15866 = 0,84134

b.Entre 63 y 69 kg.

Z1 = 63-68/7 = -0,71 valor que obtenemos de la tabla de

distribución normal P (x≤63) = 0,23885

Z2 = 69-68/7 = 0,14 valor que obtenemos de la tabla de

distribución normal P (x≤69) = 0,55567

P ( 63≤x≤69) = (1-0,23885) -0,55567 = 0,20548

c. Menos de 70 kg.

Z = 70-68/7 =

0,29 P (x≤70)

= 0,61409

d.Más de 75 kg.

Z = 75-68/7 = 1

P (x≤75) = 0,84134

P (x≥75) = 1-0,84134 = 0,15866

8. La temperatura durante septiembre está distribuida normalmente con media 19,7ºC y desviación
standard 5ºC. Calcule la probabilidad de que la temperatura durante septiembre esté por debajo de
20ºC y la probabilidad que la temperatura este entre 19°C y 21°C.

R/

μ= 19,7
°C σ=
5°C
x = 20°C
Probabilidad de que la temperatura durante septiembre esté

por debajo de 20ºC. Z = x-μ/σ

Z = 20-19,7/5=

0,06 P(x≤20°C

) = 0,52392

La probabilidad que la temperatura este

entre 19°C y 21°C. Z1 = 0,14

P (x≤19) =

0,55567 Z2 =

0,26

P (x≤21) = 0,60257

P (19≤x≤21) = 0,15927

9. Si X es una variable aleatoria de una distribución normal con media μ y desviación estándar σ,
calcule la probabilidad P(μ - 3σ < X < μ + 3σ).

R/

=P(z≤3) -1 + P(z≤3)=
= 0.9986 -1 + 0.9986 = 0.9972

Es decir, que aproximadamente el 99.72% de los valores de X están a

más/menos de tres desviaciones típicas de la media.

10. La cantidad de productos no conformes de una compañía está distribuida normalmente con media 8 y
desviación standard 2.5. Calcule la probabilidad que la cantidad de productos no conformes sea.

a) Mayor que 4.
b) Entre 4 y 6
c) Igual a 7

R/

μ= 8 productos no
conformes σ= 2,5

d.Mayor que 4.

P(x≥4) =?

Z = (4-8)/2,5

=1,6 P(x≤4)

=0,9452

P(x≥4) = 1-0,9452 = 0,0584

e. Entre 4 y 6

Z = (6-8)/2,5 = 0,8 Valor que ubicamos en la tabla de

distribución normal P(x≤6) = 0,78814

P(4≤x6) = 0,78814 -(1-0,9452) = 0,73334

f.Igual a 7 La probabilidad normal estudia rangos