PROBABILIDAD E INFERENCIA ESTADSTICA

SEGUNDO AO

Captulo 7

Distribuciones de Probabilidad Discretas

Enero 2014

DAR LA PROXIMA VEZ LA DIST MULTINOMIAL

1) Objetivos del Captulo

- Definir los trminos distribucin de probabilidad y variable aleatoria.

- Distinguir entre una distribucin de probabilidad discreta y una distribucin de probabilidad
continua.
- Calcular la media, la varianza y la desviacin estndar de una distribucin de probabilidad discreta.
- Describir las caractersticas de la distribucin de probabilidad binomial y calcular las probabilidades
utilizando esa distribucin.
- Definir las caractersticas de la distribucin hipergeomtrica y calcular probabilidades con aplicacin
a tal distribucin.
- Describir las caractersticas de la distribucin de Poisson y calcular las probabilidades empleando esa
distribucin.

Contenido
1) Objetivos del Captulo
2) Bibliografa del Captulo
3) Enlaces Internet
4) Introduccin
5) Variable aleatoria
6) Qu es una distribucin de probabilidad?
7) Media o valor esperado de una distribucin de probabilidad
8) Varianza y desviacin estndar de una distribucin de probabilidad
9) Frmula alternativa para la varianza de la distribucin probabilstica (recomendada para
clculos manuales)
10) Distribucin de probabilidad binomial
11) Tablas de probabilidad binomial
12) Distribucin de probabilidad acumulada
13) Distribucin de probabilidad binomial negativa
14) Distribucin de probabilidad hipergeomtrica
15) Distribucin de Poisson
16) Ejercicios adicionales

Ejemplos

a) Nmero de caras que se pueden obtener al lanzar una moneda tres veces (6)
b) Ejemplo sobre el experimento de lanzar un dado una vez (6)
c) Vendedor de carros (8)
d) Venta de refrescos (9)
e) Bombillos defectuosos (11)
f) Conductores de automviles (12)
g) Lanzamiento de un dado
h) Planta de ensamblaje

1
 i) Los 4 premios

j) Fabricante de computadoras
k) Llamadas telefnicas
l) Maletas extraviadas

2) Bibliografa del Captulo 7

- Lind, pp. 191 - 225

- Anderson, 173 - 212
- Webster, 102 - 115
- Levin, pp. 230 257
- Triola, pp. 198 243
- Prez, pp. 262 - 282

3) Enlaces Internet

- http://www.vitutor.com/pro/3/b_g.html / Problemas y ejercicios de la distribucin binomial

- http://www.scribd.com/doc/29257708/10-problemas-distribucion-hipergeometrica. Ejercicios de la
distribucin Hipergeomtrica

4) Introduccin

Durante el curso hemos estudiado la estadstica descriptiva. Como organizar y presentar datos. Vimos las
medidas de tendencia central como la media, la mediana y la moda para encontrar un valor representativo de
los datos cercano al centro de todos ellos y estudiamos las medidas de dispersin como la desviacin estndar
y la varianza como una aproximacin a la variabilidad de los datos. Hasta ese punto en el curso nuestra
atencin estaba dirigida a evaluar y analizar algo que ya haba sucedido.

Posteriormente a travs del estudio de las probabilidades nos aproximamos a inferir, estimar y calcular
probabilidades sobre eventos que no haban sucedido basados en muestras representativas de una poblacin
objeto de estudio o del conocimiento a priori de las probabilidades de ocurrencia.

En este captulo daremos inicio al estudio de las distribuciones de probabilidad comenzando por las de tipo
discreto.

5) Variable aleatoria

Son los diferentes valores o resultados que puede tomar un experimento aleatorio. Entendindose por
experimento aleatorio aquel que se rige por el azar, por lo fortuito.

Una variable aleatoria puede ser discreta o continua dependiendo del nmero de valores especficos que
pueda tomar. En el caso de las variables aleatorias discretas, solo se pueden dar un nmero finito de
resultados, generalmente es el resultado de un conteo de posibles valores. En el caso de variables aleatorias
continuas podemos tener un nmero infinito de valores o cuando dentro de un intervalo dado permitido se
pueden presentar cualquier nmero de valores posibles.

Si lanzo un dado una vez puedo obtener solo 6 resultados posibles. Variable aleatoria discreta. Por el
contrario, si medimos la estatura de un alumno y utilizamos una escala de medicin muy amplia podemos
obtener un nmero infinito de valores posibles, un alumno puede medir, 1,6578969887 cm y otro,
1,65826543 . Entre 1,650 y 1,660 hay un nmero infinito de valores posibles.

2
 6) Qu es una distribucin de probabilidad?

Es una funcin o frmula matemtica o lista de valores que muestra todos los resultados posibles y las
probabilidades de ocurrencia de un experimento.

Se suelen representar mediante un grfico, un cuadro estadstico o una frmula matemtica.

Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como resultado de
un experimento aleatorio. Una distribucin de probabilidad es similar a la distribucin de frecuencias relativas
vista anteriormente. Describe la probabilidad que un evento se realice en el futuro, basado en resultados
anteriores, si utilizamos el enfoque emprico o en base al resultado esperado si nos basamos en el enfoque
clsico. Constituye una herramienta fundamental para la prospectiva, puesto que se puede disear un
escenario de acontecimientos futuros considerando las tendencias o los valores esperados actuales de diversos
fenmenos naturales.

a. Ejemplo sobre el nmero de caras que se pueden obtener al lanzar una moneda tres
veces

Suponga que queremos saber el nmero de caras que se pueden obtener al lanzar una moneda tres veces. As
el experimento consiste en lanzar una moneda tres veces. Cuntas caras podemos obtener al lanzar una
moneda tres veces?

El nmero total de resultados posibles lo obtenemos con el siguiente razonamiento. Al lanzar una moneda
podemos obtener cara o sello, dos resultados posibles y como lo repetimos tres veces, tenemos que el nmero
total de puntos muestrales ser, 2 x 2 x 3 = 2 3 = 8.

En la siguiente tabla listamos todos los resultados posibles:

Resultados Primer Segundo Tercer Nmero de Probabilidad

Posibles Lanzamiento
1 S
2 S
3 S
4 S
5 C
6 C
7 C
8 C
Lanzamiento Lanzamiento
S S
S C
C S
C C
S S
S C
C S
C C
Caras
0 1/8
1 1/8
1 1/8
2 1/8
1 1/8
2 1/8
2 1/8
3 1/8

Probabilidad de obtener 0 caras es 1/8 (0,125) (Evento 0 / Resultado 1)

Probabilidad de obtener 1 cara es 1/8 + 1/8 + 1/8 = 3/8 (0,375) (Evento 1 / Resultados 2, 3 y 5)

Probabilidad de obtener 2 caras es 1/8 + 1/8 + 1/8 = 3/8 (0,375) (Evento 2 / Resultados 4, 6 y 7)

Probabilidad de obtener 3 caras es 1/8 (0,125) (Evento 3 /Resultado 8)

3
Observe que las probabilidades de ocurrencia de cada uno de los eventos definidos van desde 0 a 1 y que la
suma de todos los eventos (dado que son mutualmente excluyentes) es 1.

b. Ejemplo sobre el experimento de lanzar un dado una vez

Los resultados posibles del experimento que consiste en lanzar un dado una vez.

a) Elabore una distribucin de probabilidad de estos resultados

b) Represente en forma grfica la distribucin de probabilidad
c) Cul es la suma de las probabilidades

Resultados Lanzamiento de Probabilidad

Posibles un dado una
vez
1 1 1/6
2 2 1/6
3 3 1/6
4 4 1/6
5 5 1/6
6 6 1/6

4
 7) Media o valor esperado de una distribucin de probabilidad

La denotamos con la letra griega, y representa el valor promedio, el resultado promedio que puede tomar la
variable aleatoria en estudio. Se le conoce tambin como valor esperado.

But the average, like the family with 1.7 children, is just a statistical abstraction.

La media o valor esperado de una distribucin de probabilidad discreta se calcula mediante la frmula:

= [ x P(x) ] donde P(x) es la probabilidad de ocurrencia de cada valor posible de x

En el ejemplo visto anteriormente sobre el lanzamiento de una moneda tres veces tenemos que la media de
esta distribucin de probabilidad discreta es:

X (Caras) P(X) [ X P(X) ]

0 1/8 0
1 3/8 3/8
2 3/8 6/8
3 1/8 3/8
12/8 = 1,5 caras

Si repitiramos este experimento muchas veces, a largo plazo el nmero promedio de caras obtenidas sera de
1,5.

Y si el experimento consiste en lanzar un dado una vez. Cul es el valor esperado?

5
 8) Varianza y desviacin estndar de una distribucin de probabilidad

La varianza y la desviacin estndar (raz cuadrada de la varianza) de una distribucin de probabilidad

discreta describe el grado de dispersin, de variacin, que tiene la variable aleatoria discreta y se calcula
mediante la frmula:

Varianza 2 = [ ( x ) 2 P (x) ]

En el ejemplo de los tres lanzamientos de la moneda la varianza es:

(X ) (X ) 2 P(X) [ ( X ) 2 P (X)
(0-1,5) = -1,5 2,25 1/8 0,281
(1-1,5) = -0,5 0,25 3/8 0,094
(2-1,5) = 0,5 0,25 3/8 0,094
(3-1,5) = 1,5 2,25 1/8 0,281
0,75

La varianza es 0,75 y la desviacin estndar es la raz cuadrada de la varianza, 0,866 caras. Su interpretacin
sera que cuando repetimos el experimento de lanzar una moneda tres veces en infinidad de oportunidades el
nmero de caras obtenidas no siempre es el mismo y se diferencian de la media (1,5 caras) en 0,866 caras en
promedio.

c. Ejemplo sobre el vendedor de carros

Un vendedor de carros ha logrado determinar la siguiente distribucin probabilidad referida al nmero de

vehculos que vende los das sbados.

Nmero de vehculos vendidos Probabilidad de ocurrencia

X P (x)
0 0,10
1 0,20
2 0,30
3 0,30
4 0,10
1,00

a) Que tipo de distribucin probabilstica ha definido?

b) Cual es el valor esperado o media de ventas un da sbado?
c) Cul es la varianza y desviacin estndar de la distribucin?

a) Se trata de una distribucin de probabilidad discreta. El mismo ha limitado el nmero de vehculos

vendidos a no ms de 4 por sbado, adems no puede vender la mitad de un vehculo. Entre la
primera y la segunda venta no hay ninguna venta.
b) Valor esperado o media de la distribucin de probabilidad discreta

= [ x P(x) ]

6
 Nmero de Probabilidad x P(x)
vehculos de ocurrencia
vendidos

x P (x)
0 0,1 0
1 0,2 0,2
2 0,3 0,6
3 0,3 0,9
4 0,1 0,4
1 = 2,1

Como interpretar un valor esperado de 2,1 automviles por sbado?

c) Varianza de la distribucin

Nmero de Probabilidad (x - ) (x - ) 2 (x - ) 2 P (x)

vehculos de
vendidos ocurrencia
x P (x)
0 0,1 -2,1 4,41 0,441
1 0,2 -1,1 1,21 0,242
2 0,3 -0,1 0,01 0,003
3 0,3 0,9 0,81 0,243
4 0,1 1,9 3,61 0,361
1 1,29

2 = 1,29 = varianza desviacin estndar igual a 1,29 = 1,135 vehculos.

Cmo interpretamos la desviacin estndar?

7
 9) Frmula alternativa para la varianza de la distribucin probabilstica (recomendada para
clculos manuales)

2 = [ x 2 P (x) ] 2

Nmero de Probabilidad x2 x 2 P (x)

vehculos de
vendidos ocurrencia
x P (x)
0 0,1 0 0
1 0,2 1 0,2
2 0,3 4 1,2
3 0,3 9 2,7
4 0,1 16 1,6
1 5,7

2 = [ x 2 P (x) ] 2

2 = 5,7 2,1 2 = 5,70 4,41 = 1,29 = 1,14

d. Ejemplo sobre ventas de refrescos

Un local de comida rpida ofrece tres tamaos de refrescos, grande, mediano y pequeo. Los precios de los
refrescos son Bs. 17, 12 y 6 respectivamente. El dueo del negocio ha estudiado el comportamiento de las
ventas de refrescos expresados mediante la siguiente distribucin probabilstica. 20% la probabilidad de
vender un refresco grande, 50% un refresco mediano y 30% pequeo.

a) Es la distribucin enunciada discreta?

b) Calcule el precio promedio por venta de refrescos
c) Cul es la varianza y la desviacin estndar?

a) Se trata de una distribucin discreta ya que solo hay tres precios para los refrescos

b) Precio promedio

Precio para Probabilidad x P(x)

cada tamao de ocurrencia

Bs
x P (x)
17 0,3 0,7
12 0,5 1,25
6 0,2 0,45
1 = Bs. 2,4

c) Varianza

8
 Precio para Probabilidad x2 x 2 P (x)
cada tamao de ocurrencia

Bs
x P (x)
3,5 0,2 12,25 2,45
2,5 0,5 6,25 3,125
1,5 0,3 2,25 0,675
1 6,25

2 = 6,25 2,4 2 = 6,25 5,76 = 0,49

= Bs. 0,7

10) Distribucin de probabilidad binomial

Es una distribucin de probabilidad discreta, es decir que la variable aleatoria es el resultado de un conteo de
un nmero finito de resultados posibles. Las caractersticas de la distribucin de probabilidad binomial son las
siguientes:

- Solo hay dos resultados posibles en cada ensayo de un experimento. Al lanzar una moneda
o es cara o es sello. Al lanzar un dado el nmero resultante es par o impar. Un producto pasa
o no pasa un control de calidad. De acuerdo como haya sido definido el experimento
binomial a un resultado se le denomina xito y al otro fracaso esto es as por
convencin y no necesariamente atribuye un aspecto positivo a uno y negativo al otro.
- Los resultados son mutualmente excluyentes. Si ocurre un resultado la primera vez no
puede ocurrir el otro resultado la primera vez.
- La probabilidad de xito o fracaso sigue siendo la misma, ensayo tras ensayo, repeticin
tras repeticin.
- Cada ensayo es independiente de cualquier otro. Es decir que los resultados no siguen
ningn patrn.
- Se realiza una cantidad fija de ensayos del experimento. Se lanza una moneda 10 veces. Se
evala si 1000 personas estn empleados o desempleados.

Esta distribucin de probabilidad tiene mltiples aplicaciones, entre ellas el control estadstico de calidad,

Como se calcula una distribucin de probabilidad binomial?

Consideremos el siguiente ejemplo:

Entre dos ciudades hay cinco vuelos diarios. Si la probabilidad de que un vuelo llegue retrasado es 0,20
(20%). Cul es la probabilidad de que ninguno de los cinco vuelos de hoy llegue retrasado. Observe que el
foco de atencin est en los vuelos retrasados.

Identifiquemos si este problema sigue el modelo binomial.

- Solo hay dos resultados posibles. Que el vuelo llegue retrasado (xito) o que no llegue
retrasado (fracaso).
- Son mutualmente excluyentes. Si uno de los cinco vuelos lleg retrasado no podemos decir
que lleg a tiempo.

9
 - La probabilidad de xito. Vuelo retrasado es 0,2 y la probabilidad de fracaso, vuelo a tiempo
es 0,8. Y estas probabilidades son las mismas vuelo tras vuelo.
- El hecho de que un vuelo haya llegado a tiempo o retrasado no influye o incide en el vuelo
siguiente. Son independientes.
- En este caso consideramos una cantidad fija de repeticiones del experimento. Cinco vuelos.

La probabilidad de que ningn vuelo llegue retrasado es decir 0 xitos o x = 0 la podemos calcular mediante
la frmula del modelo binomial:

P(x) = ( n C x ) x (1-) n-x

Donde:

P(x) es la probabilidad de obtener x xitos. En nuestro problema x = 0

n C x es el nmero total de combinaciones de n elementos (cinco vuelos) tomados x a la vez
(letra griega pi) es la probabilidad de xito. Probabilidad de que un vuelo llegue retrasado = 0,20.

La probabilidad de que no llegue ninguno de los cinco vuelos retrasados ser:

P(0) = (5 C 0) 0,20 0 (0,80) 5 5 C 0 = 5! / 0! 5! = 1 0,20 0 = 1 (0,80) 5 = 0,3277

P(0) = 0,3277 (32,8%)

Observe que este problema en particular lo podamos haber resuelto utilizando la regla especial de la
multiplicacin (eventos independientes) estudiada anteriormente.

Cul es la probabilidad de que exactamente uno de los cinco vuelos llegue retrasado?

P(1) = (5 C 1) 0,20 1 (0,80) 4 5 C 1 = 5! / 1! 4! = 5 4 3 2 1 / 1 4 3 2 1 = 5 0,20 1 = 0,20 (0,80) 4 =

0,41

P(1) = 5 por 0,20 por 0,41 = 0,41

La distribucin de probabilidad completa es la siguiente:

Nmero de vuelos Probabilidad

retrasados
0 0,3277
1 0,4096
2 0,2048
3 0,0512
4 0,0064
5 0,0003
1,0000

Representacin grfica: Probabilidad de que X de los cinco vuelos lleguen retrasados

10
 11) Tablas de probabilidad binomial

Para problemas donde el nmero de repeticiones del experimento sea grande, la frmula indicada para el
clculo de las probabilidades puede ser engorrosa. Suerte que contamos con tablas que nos permiten llegar
rpidamente a los resultados.

La tabla de probabilidades de la distribucin binomial cuenta con los siguientes valores:

- n, para diferentes valores de repeticiones del experimento.

- Nmero de xitos, x
- Diferentes probabilidades de xito, y finalmente
- La probabilidad de obtener un nmero determinado de xitos en el experimento

Repetir el ejemplo anterior utilizando la tabla binomial.

e. Ejemplo sobre bombillos defectuosos

Se ha determinado que el 5% de los bombillos de una fbrica son defectuosos. Cul es la probabilidad de que
al seleccionar al azar seis bombillos, ninguno sea defectuoso. Cul es la probabilidad de que solo uno sea
defectuoso?O exactamente dos defectuosos? O tres? O cuatro? O cinco? O los seis?

Revisar que este problema cumple con todos los requisitos de la distribucin binomial.

Nmero de bombillos defectuosos Probabilidad P(x)

0 0.735
1 0.232
2 0.031
3 0.002
4 0.000
5 0.000
6 0.000
1,000

La forma de la distribucin binomial ser de tipo simtrica, acampanada en la medida que el nmero de
repeticiones del experimento aumente. Y ser ms simtrica, mientras la probabilidad de xito se aproxime a
0,50. A continuacin veremos la forma de la distribucin binomial para diferentes valores de n y de p:

11
Valor esperado o media de la distribucin binomial

Vimos que en una distribucin discreta el valor esperado o media era igual a:

= [ x P(x) ] donde P(x) es la probabilidad de ocurrencia de cada valor posible de x

en el caso de la distribucin binomial la obtenemos mediante la frmula

=n

Varianza de una distribucin binomial

En general, para cualquier distribucin discreta la varianza es:

2 = [ ( x ) 2 P (x) ]

Para la distribucin binomial la obtenemos por la frmula:

2 = n (1 )

En el ejercicio de los bombillos la media ser:

= n 6 por 0,05 = 0,30 es decir el valor esperado de bombillos defectuosos cuando se revisan 6 ser 0,3 y
la varianza:

2 = n (1 ) 2 = 6 x 0,05 (0,95 ) = 0,285 y la desviacin estndar 0,285 = 0,53

12) Distribuciones de probabilidad acumulada

f. Consideremos el siguiente ejemplo sobre conductores de automviles:

Un estudio realizado recientemente revel que solo 60% de los conductores de automviles se coloca el
cinturn de seguridad al manejar. Se seleccion una muestra de 10 automovilistas.

12
 - Cul es la probabilidad de que exactamente siete se hayan colocado el cinturn?
- Cul es la probabilidad de que 7 o menos de los conductores lo lleven puesto?

Una vez asegurado que este problema cumple con los requisitos del modelo binomial, calculamos
directamente de la tabla las probabilidades correspondientes.

La primera respuesta es 0,217 y la segunda 0,833

Observe que la segunda respuesta tambin la hemos podido haber derivado utilizando la regla del
complemento. 1 menos la probabilidad de (x > 7)

13) Distribucin de probabilidad binomial negativa

Las caractersticas de la distribucin binomial negativa son los siguientes:

o Solo hay dos resultados posibles en cada ensayo de un experimento. xito y al otro
fracaso
o Los resultados son mutualmente excluyentes. Si ocurre un resultado la primera vez no
puede ocurrir el otro resultado la primera vez.
o La probabilidad de xito o fracaso sigue siendo la misma, ensayo tras ensayo, repeticin
tras repeticin.
o Cada ensayo es independiente de cualquier otro. Es decir que los resultados no siguen
ningn patrn.
o Se realiza una cantidad variable de ensayos del experimento hasta que se obtiene un nmero
determinado de xitos.

Esta ltima caracterstica lo diferencia del modelo binomial visto anteriormente.

La probabilidad de obtener el xito c en el intento N lo representamos como:

b* (N;c;p) =
( N1
c1 )
pc q (N-c)

explicar cada uno

g. Ejemplo sobre el lanzamiento de un dado

Asuma que definimos xito cuando lanzamos un dado y el resultado es 1 o 2. Es decir que la
probabilidad de xito es 1/3. Continuamos lanzando el dado hasta obtener 4 xitos. Cul es la
probabilidad de que se hayan necesitado exactamente 10 lanzamientos?

b*( 10;4;1/3) =
(93) 1/34 2/3 6 = 0,091

14) Distribucin de probabilidad hipergeomtrica

(Ver: http://www.uv.es/ceaces/base/modelos%20de%20probabilidad/hipergeometrica.htm

Introducimos el concepto de la distribucin hipergeomtrica mediante el siguiente ejemplo:

h. Ejemplo sobre la planta de ensamblaje

13
Una planta de ensamblaje local tiene 50 empleados en el departamento de operaciones. De estos 50
empleados , 40 pertenecen al sindicado y 10 no. Se van a elegir a 5 empleados aleatoriamente para que
integren un comit que negociar con la directiva de la empresa acerca de la hora de inicio de los diferentes
turnos. Se sabe que el sindicato ha estado apoyando a los empleados para lograr trminos ms favorables en
esta negociacin.

Cul es la probabilidad de que 4 de los 5 elegidos pertenezcan al sindicato?

Al evaluar las condiciones para la utilizacin del modelo binomial observamos que el nico criterio que no se
cumple es que las probabilidades de xito van cambiando en la medida que vamos seleccionando a los
empleados del comit.

En ste y otros casos cuando la muestra se realiza sin reemplazamiento y en consecuencia las probabilidades
son condicionales (eventos dependientes) utilizamos el modelo hipergeomtrico.

La distribucin hipergeomtrica la representamos por:

P ( x )=
( x )( nx )
S NS

( Nn )
Donde:

N es el tamao de la poblacin

S es la cantidad de xitos en la poblacin

x es el nmero de xitos en la muestra

n es el tamao de la muestra o el nmero de ensayos

Aplicando la frmula de la distribucin hipergeomtrica para este problema tenemos:

P ( x )=
( x )( nx )
S NS

( Nn )

14
 P ( x )=
( 4 )( 1 )
40 10
= 0,43
(505 )
La probabilidad entonces de que 4 de los 5 empleados elegidos al azar sean del sindicato es 43%

Obviemos por un momento el no cumplimiento en este problema de la condicin de que las probabilidades de
xito sean constantes en cada repeticin del experimento y utilicemos el modelo binomial.

Probabilidad de xito, = 40 / 50 = 0,80

Nmero de repeticiones, n = 5

Nmero de xitos deseados, x = 4

En la tabla binomial encontramos que esta probabilidad es 0,41 similar al 0,43 obtenido al aplicar la
distribucin hipergeomtrica.

Como regla emprica tenemos que el modelo binomial se puede utilizar, aun cuando no se cumpla la
condicin de que las probabilidades de repeticiones sucesivas sea constante, si el tamao de la poblacin es
grande en relacin a la muestra o lo que es equivalente que el tamao de la muestra sea pequeo en relacin al
tamao de la poblacin.

Si el tamao de la muestra es menor que el 5% del tamao de la poblacin podramos utilizar el modelo
binomial en lugar del hipergeomtrico.

En nuestro caso, el tamao de la muestra (5) es equivalente al 10% del tamao de la poblacin (50). Muy
grande!. No es recomendado utilizar el modelo binomial no obstante los resultados similares tal como lo
vimos anteriormente.

Qu hubiese ocurrido si el tamao de la poblacin fuese 120 en lugar de 50? Podramos utilizar la
aproximacin binomial?

La media de una distribucin hipergeomtrica ser , como en el caso de la binomial :

Y la varianza es:

Otros ejemplos de la distribucin hipergeomtrica (http://www.scribd.com/doc/29257708/10-

problemas-distribucion-hipergeometrica)
i. Ejemplo sobre los 4 premios

En un sorteo de 400 billetes hay 4 premios. Cul es la probabilidad de ganar por lo menos un premio si
compro 10 billetes?

j. Ejemplo sobre el fabricante de computadoras

Un fabricante de computadoras compra monitores a una nueva compaa que realiza estrictos controles de
calidad. El fabricante recibe 150 monitores y decide aceptarlos a todos si al seleccionar 25 de manera

15
aleatoria, no encuentra ningn monitor defectuoso. Si encuentra algn monitor defectuoso, rechaza los 150.
Supongamos que el lote contiene 3 monitores defectuosos. Cul es la probabilidad de aceptar los 150
monitores?

15) Distribucin de probabilidad de Poisson (ver: http://es.wikipedia.org/wiki/Distribuci

%C3%B3n_de_Poisson)

La distribucin de probabilidad discreta de Poisson describe la cantidad de veces que ocurre un evento en un
intervalo determinado. Esta distribucin de probabilidad se utiliza frecuentemente cuando los eventos tienen
muy baja probabilidad de ocurrencia. En ocasiones, aun no conociendo la probabilidad de ocurrencia de un
evento en particular (porque sea muy baja), podemos aproximarnos al promedio de veces que ese evento se
presenta en un determinado intervalo.

k. Ejemplo sobre las llamadas telefnicas

Si una persona recibe en promedio 5 llamadas telefnicas por da. Cul es la probabilidad de que recibir
exactamente 5 llamadas maana?

En este caso es correcto aplicar el modelo de Poisson ya que:

- Los eventos ocurren en un intervalo determinado (tiempo, espacio, distancia). En este caso
el intervalo es un da.
- Los eventos que ocurren en un intervalo determinado son independientes de los eventos que
ocurran en otro intervalo. Lo que ocurra hoy es independiente de lo que ocurra maana.
- La probabilidad de que un evento ocurra es proporcional a la amplitud, longitud o tamao
del intervalo. La probabilidad de recibir una llamada en un da es distinta a la probabilidad
de recibir una llamada en dos das.
- La probabilidad de que dos o ms eventos ocurran en una pequesima fraccin del
intervalo considerado es tan baja que puede ser obviada.

Las probabilidades correspondientes a una distribucin de Poisson se calculan mediante la frmula:

x e
P(x) = x!

Donde:

es la media de ocurrencias (xitos) en un intervalo determinado

e corresponde a la constante 2,71828 (base del sistema logartmico neperiano)
x es el nmero de ocurrencias, xitos
P(x) es la probabilidad de ocurrencia de un nmero determinado de xitos

Para resolver este ejemplo tendramos:

La media de la poblacin es = 5 llamadas por da

x e 5 5 2.718 5
P(x) = x! P(5) = 5! = 0,175

16
La probabilidad de recibir exactamente cinco llamadas al da siguiente es 17,5%
La media y la varianza de la distribucin discreta de Poisson es el parmetro

l. Ejemplo sobre las maletas extraviadas

Se ha establecido que el promedio de maletas extraviadas de vuelos que llegan al aeropuerto de Maiqueta es
300 maletas por cada 1.000 vuelos. = 300 / 1.000 = 0,3 El promedio de maletas perdidas por cada vuelo es
de 0,3

Cul es la probabilidad de que en un vuelo cualquiera no se pierda ninguna maleta?

Revisemos si en este ejemplo se cumple con las condiciones del modelo de Poisson.

P(x) = x e / x P(0) = 0,3 0 2.71828 0,3 / 0 = 0,74

Cul es la probabilidad de que se pierda una maleta exactamente?

P(1) = 0,3 1 2.71828 0,3 / 1 = (0,3) (0,74) = 0,222

Afortunadamente al igual que en los casos de la Distribucin Binomial, para la Distribucin de Poisson
contamos con valores tabulados.

16) Ejercicios Adicionales

Ejercicio 1

Calcule la media y la varianza de la siguiente distribucin de probabilidad discreta

X P (x) x P (x) x2 x2 P (x)

0 0.2 0 0 0
1 0.4 0.4 1 0.4
2 0.3 0.6 4 1.2
3 0.1 0.3 9 0.9
1 1.3 2.5

= [ x P(x) ]

= 1.3

2 = [ x 2 P (x) ] 2 = 2.5 1.3 2 = 2.5 1.69 = 0.81

Ejercicio 2

Determine la media y la varianza de la siguiente distribucin de probabilidad discreta.

X P (x) x P (x) x2 x2 P (x)

2 0.5 1 4 2

17
 8 0.3 2.4 64 19.2
10 0.2 2 100 20
1 5.4 41.2

= [ x P(x) ]

= 5.4

2 = [ x 2 P (x) ] 2 = 41.2 5.4 2 = 41.2 29.16 = 12.04

Ejercicio 3

Las tres tablas presentadas a continuacin muestran variables aleatorias y sus probabilidades. Sin
embargo, solo una de las tres es realmente una distribucin de probabilidad.

a) Cual es?

x P (x) x P (x) x P (x)

5 0.3 5 0.1 5 0.5
10 0.3 10 0.3 10 0.3
15 0.2 15 0.2 15 -0.2
20 0.4 20 0.4 20 0.4

Solo la del medio cumple con los requisitos de una distribucin de probabilidad discreta. Todas las
probabilidades son positivas y que sumen 1.

b) Utilizando la distribucin de probabilidad correcta, encuentre la probabilidad de que x sea:

1) Exactamente 15 . P (x = 15) = 0.2
2) No ms de 10 . P ( x 10 ) = 0.4
3) Ms de 5 P ( x > 5 ) = 0.3 + 0.2 + 0.4 = 0.9

c) Calcule la media, la varianza y la desviacin estndar de esta distribucin

X P (x) x P (x) x2 x2 P (x)

5 0.1 0.5 25 2.5
10 0.3 3 100 30
15 0.2 3 225 45
20 0.4 8 400 160
1 14.5 237.5

= [ x P(x) ]

= 14.5

2 = [ x 2 P (x) ] 2 = 237.5 14.5 2 = 237.5 210.25 = 27.25

= 5.22

18
Ejercicio 4

Cul de las siguientes variables son aleatorias discretas y cuales son aleatorias continuas?

a) El nmero de ventas realizadas durante un ao discreta

b) El tiempo entre llegadas de clientes a un cajero automtico continua
c) El nmero de clientes de una peluquera discreta
d) La cantidad de gasolina en el tanque de su automvil continua
e) La temperatura exterior el da de hoy continua

Ejercicio 5

El dueo de una cafetera con la finalidad de atraer ms clientes ofrece gratuitamente rellenar la taza de los
clientes que han pedido caf y quieren tomar ms. Despus de poner en prctica su estrategia durante un
tiempo, logr conformar la siguiente tabla:

Tazas de Caf Rellenadas por cliente Porcentaje

0 30
1 40
2 20
3 10

Calcule la media, la varianza y la desviacin estndar de la distribucin del numero de tazas de caf
rellenadas.

X P (x) x P (x) x2 x2 P (x)

0 0.3 0 0 0
1 0.4 0.4 1 0.4
2 0.2 0.4 4 0.8
3 0.1 0.3 9 0.9
1 1.1 2.1

= [ x P(x) ]

= 1.1

2 = [ x 2 P (x) ] 2 = 2.1 1.1 2 = 2.1 1.21 = 0.89

= 0.94

Ejercicio 6

Una reconocida universidad estim que la distribucin de las admisiones de estudiantes para el prximo ao
en base a la experiencia previa. Cul es el nmero esperado de alumnos por admitir? Evale la varianza y la
desviacin estndar.

19
 Admisiones Probabilidad
1000 0.6
1200 0.30
1500 0.10

X P (x) x P (x) x2 x2 P (x)

100 0.6 600 100000 600000
0 0
120 0.3 360 144000 432000
0 0
150 0.1 150 225000 225000
0 0
125700
1 1110 0

= [ x P(x) ]

= 1110

2 = [ x 2 P (x) ] 2 = 1257000 1110 2 = 1257000 1232100 = 24900

= 157.79

Ejercicio 7

La siguiente tabla muestra la distribucin de probabilidad para premios en efectivo de una rifa de la
universidad.

Premio en miles de bolvares Probabilidad de ganar de cada boleto vendido de

la rifa
0 0.45
10 0.30
100 0.20
500 0.05

Si Usted comprara un solo nmero de la rifa, Cul es la probabilidad de que gane:

b) Exactamente Bs. 100000 . 20%

c) Por lo menos 10.000 20 mil o mas 0.30 + 0.20 + 0.05 = 0.55 = 55%
d) No ms de 100.000 100 mil o menos 0.20 + 0.30 + 0.45 = 0.95 95%
e) Calcule la media, la varianza y la desviacin estndar para esta distribucin

X P (x) x P (x) x2 x2 P (x)

0 0.45 0 0 0
10 0.3 3 100 30
100 0.2 20 10000 2000
500 0.05 25 25000 12500
0

20
 1 48 14530

= [ x P(x) ]

= 48

2 = [ x 2 P (x) ] 2 = 14530 48 2 = 14530 2304 = 12226

= 110.6

Ejercicio 8

Le piden que relacione tres canciones con los intrpretes que la hicieron famosas. Si acierta, la distribucin de
probabilidad para el nmero correcto de resultados es:

Probabilidad 1/3 1/2 0 1/6

Nmero de 0 1 2 3
Aciertos

Cul es la probabilidad de que obtenga?

a) Exactamente un resultado correcto 50%

b) Por lo menos uno correcto + 1/6 = 4/6 = 2/3
c) Exactamente dos resultados correctos 0 %
d) Calcule la media, la varianza y la desviacin estndar de esta distribucin

X P (x) x P (x) x2 x2 P (x)

0 0.3333 0 0 0
1 0.5 0.5 1 0.5
2 0 0 4 0
3 0.1667 0.5 9 1.5
1 1 2

= [ x P(x) ]

=1

2 = [ x 2 P (x) ] 2 = 2 1 2 = 2 1 = 1

=1

Problemas adicionales sobre distribuciones discretas. Copiados sin editar y sacados de la pgina
web http://www.monografias.com/trabajos32/problemario-probabilidad/problemario-
probabilidad.shtml#distribhiper

Ejercicio 9

21
Se ha determinado que el 5% de los bombillos de una fbrica son defectuosos. Cul es la probabilidad de que
al seleccionar al azar seis bombillos, ninguno sea defectuoso. Cul es la probabilidad de que solo uno sea
defectuoso?O exactamente dos defectuosos? O tres? O cuatro? O cinco? O los seis?

Revisar que este problema cumple con todos los requisitos de la distribucin binomial.

Ejercicio 10

Se ha determinado que la trocha en la autopista Caracas La Guaira genera colas de ms de 60 minutos para
los automovilistas 20% del tiempo. Usted debe transitar por esa va una vez al da durante los prximos 7 dias
y desea predecir el nmero de veces que tardar 60 minutos o ms en la cola antes de tomar la trocha.

a) Satisface este problema las condiciones del modelo binomial?

xito cola de ms de 60 minutos P(Exito) = 0,20 n = 7 o hay cola de ms de 60 minutos
o no hay la cola de cada da es independiente del da anterior

b) Calcule la probabilidad de colas de ms de 60 cada vez que tome la autopista

X = 7 P(7) = 0,0000

c) Calcule la probabilidad de tener colas de ms de 60 minutos 3 de las 7 veces

R = 0,115

d) Calcule la probabilidad de tener cola de ms de 60 minutos una vez

R = 0,367

Utilice como alternativa de clculo la funcin Excel, DISTR.BINOM

Ejercicio 11

En un problema de distribucin binomial con n = 4 y = 0,25 determine las siguientes probabilidades

utilizando la frmula binomial

a) x = 2 P(x) = n C x x (1-) n-x P(2) = 4 C 2 0.25 2 (0.75) 2 = 4 3 2 1 / 2 1 2 1 0,0625 0,5625 = 0,21

a) x = 3 P(x) = n C x x (1-) n-x P(3) = 4 C 3 0.25 3 (0.75) 1 = 4 3 2 1 / 3 2 1 1 0,0156 0,75 = 4 =

0,0468

Ejercicio 12

Considere una distribucin binomial en la que n = 3 y = 0,60

a) Construya la distribucin de probabilidad para todos los valores de x. Asegure que la suma de estas
probabilidades es 1

X P(x)
0 0.064
1 0.288
2 0.432
3 0.216
1.000

b) Determine la media y la desviacin estndar de la distribucin

22
=n . 3 por 0,60 = 1,8

2 = n (1 ) 3 por 0,60 (0,40) = 0.72 = 0.85

c) Grafique la distribucin de probabilidad resultante

Ejercicio 13

Una encuesta determin que 30% de las amas de casa en Venezuela compran regularmente en algn
establecimiento MERCAL. En una muestra seleccionada al azar de 9 amas de casa. Cul es la probabilidad
de que:

a) Exactamente dos amas de casa de la muestra compren en MERCAL

R = 0,27
b) Exactamente cuatro de ellas compren en MERCAL
R = 0,17
c) Ninguna de ellas compre en mercal
R = 0,04
d) Determine e interprete la media y la desviacin estndar
= n 9 por 0,30 = 2,7 si repitiramos este experimento muchas veces en promedio
obtendramos 2,7 amas de casa que en muestras de tamao 9 compren en MERCAL
2 = n (1 ) 9 0,30 (0.70) = 1.89 = 1.37 la variacin promedio alrededor de la
media es de 1,4 amas de casa
e) Grafique la distribucin de probabilidad binomial resultante

X P(x)
0 0.040
1 0.156
2 0.267
3 0.267
4 0.172
5 0.074
6 0.021
7 0.004
8 0.000
9 0.000

23
 1.000

f) Grafique nuevamente la distribucin de probabilidad binomial pero cambiando el valor de de 0,3 a

0,5. Qu diferencia observa en los grficos?

X P(x)
0 0.002
1 0.018
2 0.070
3 0.164
4 0.246
5 0.246
6 0.164
7 0.070
8 0.018
9 0.002
1.000

En la medida que el valor de tiende a 0,5 la distribucin de probabilidad tender a tener forma simtrica y
acampanada.

Ejercicio 14

Para un caso donde n = 4 y = 0,60 determine la probabilidad de que:

24
 a) x = 2 0,346
b) x 2 . 0.526
c) x > 2 0,476
X P(x)
0 0.026
1 0.154
2 0.346
3 0.346
4 0.130
1.000

d) Grafique la distribucin de probabilidad binomial

e) Grafique nuevamente pero asumiendo n = 12. Qu observa? al aumentar el nmero de

observaciones la distribucin se hace ms simtrica, ms acampanada.

f) Grafique nuevamente pero asumiendo n = 12 y = 0,5 en lugar de 0,6. Qu observa?

La distribucin se hace ahora casi perfectamente simtrica y acampanada al tener a 0,5

25
Ejercicio 15

La CANTV asegura que el 70% de los reclamos recibidos los resuelve el mismo da que los reportan.
Supngase que las 15 quejas reportadas ayer de los nmeros del serial 987 son representativos de todas las
quejas.

a) Cuantas de estas quejas es de esperarse que se hayan resuelto ayer? Cul es la desviacin estndar?
R: = n = 15 0,70 = 10,5 2 = n (1 ) 15 0,70 (0.30) = 3.15 1.77
b) Cul es la probabilidad de que 10 de esas 15 quejas se hayan resuelto ayer mismo? R: 0.206
c) Cul es la probabilidad de que 10 o 11 problemas hayan sido resueltos ayer? R: 0.206 + 0.219 =
0.425
d) Cul es la probabilidad de que ms de 10 de esos problemas se solucionaron ayer? R: 0,516

Ejercicio 16

Un noticiero de televisin desea incorporar a 5 pasantes estudiantes de Comunicacin Social. Se presentaron

50 aspirantes y se preseleccionaron a 12 de los cuales 8 son muchachos y 4 muchachas. El dueo del canal
decide elegir a los 5 aleatoriamente de los 12 preseleccionados. Cul es la probabilidad de que 3 de los 5
seleccionados sean varones?

Utilizamos el modelo hipergeomtrico dado que las probabilidades de selecciones consecutivas no son
independientes.

P(x) = [ S C x ] [ N-S C n-x ] / [ N C n ]

P(3) = [ 8 C 3 ] [ 12-8 C 5-3 ] / [ 12 C 5 ] . 56 6 / 792 = 0.424

Ejercicio 17

Suponga que una poblacin consta de 10 computadoras, de los cuales 6 estn defectuosos. Se selecciona una
muestra de 3. Cul es la probabilidad de que exactamente 2 de los seleccionados estn defectuosos?

El problema tal como est planteado corresponde al modelo hipergeomtrico dado que las probabilidades son
condicionales en la medida que vamos seleccionando computadoras.

26
P(x) = [ S C x ] [ N-S C n-x ] / [ N C n ] sea xito que el computador est defectuoso

P(2) = [ 6 C 2 ] [ 4 C 1 ] / [ 10 C 3 ] [15] [4] / [120] = 0,5 la probabilidad de que dos de las tres
computadoras seleccionadas est defectuosa es 50%

N es el tamao de la poblacin

S es la cantidad de xitos en la poblacin

x es el nmero de xitos en la muestra

n es el tamao de la muestra o el nmero de ensayos

Ejercicio 18

Una importante Pizzera tiene 15 motos para el reparto a domicilio. Suponga que 6 de las 15 motos tienen
problemas con los cauchos. Se seleccionan 5 motos al azar para revisarle los cauchos. Cul es la
probabilidad de que 2 de las motos revisadas tengan problemas con los cauchos?

Nuevamente este ejercicio corresponden al modelo hipergeomtrico (razones?)

P(x) = [ S C x ] [ N-S C n-x ] / [ N C n ] N=15 S=6 n=5 x=2

P(2) = [ 6 C 2 ] [ 9 C 3 ] / [ 15 C 5 ] 15 por 84 entre 3003 = 0,419

Ejercicio 19

En una distribucin de Poisson con = 0,4

a) Cual es la probabilidad de que x = 0? . 0,6703

b) Y cual es la que x > 0? . 1 0,6703 = 0,3297

Ejercicio 20

Se estima que 0,5% de las llamadas telefnicas al Departamento de Quejas de una importante compaa,
reciben la seal de ocupado. Cul es la probabilidad de que de las 1.200 llamadas del da de hoy, por lo
menos 5 hayan recibido dicha seal?

Veamos si este ejercicio cumple con los requisitos del modelo de Poisson

- Los eventos ocurren en un intervalo determinado (tiempo, espacio, distancia).

- Los eventos que ocurren en un intervalo determinado son independientes de los eventos que
ocurran en otro intervalo.
- La probabilidad de que un evento ocurra es proporcional a la amplitud, longitud o tamao
del intervalo.
- La probabilidad de que dos o ms eventos ocurran en una pequesima fraccin del
intervalo considerado es tan baja que puede ser obviada.

Este ejercicio cumple con todas las condiciones del modelo de Poisson.

El valor de (promedio) es 0,5% de 1.200 llamadas es de 6 llamadas ocupadas en un intervalo de 1.200

llamadas el valor de x es por lo menos 5 llamadas, es decir 5 o ms. P(x 5) = 1 P(x < 4)

27
Ejercicio 21

Una compaa grande de distribucin de materiales de construccin cuenta con 15 camiones de reparto.
Suponga que 6 de los 15 camiones tienen malos los frenos. Se seleccionaron 5 camiones al azar para hacer
envos.

a) Cul es la probabilidad de que dos de los camiones seleccionados tengan los frenos defectuosos?
Justifique la escogencia del modelo correspondiente para responder esta pregunta.
b) Determine la probabilidad de que al menos 1 de los cinco camiones tenga los frenos malos.
Justifique la metodologa utilizada para dar su respuesta. Explique el significado de la raz cuadrada
de esta frmula: 2 = [ ( x ) 2 P (x) ]

Ejercicio 22

En una estacin de servicio llegan en promedio 6 carros por hora a poner gasolina.

a) Cual es la probabilidad de que en una hora cualquiera lleguen a poner gasolina exactamente tres
carros? Justifique la metodologa utilizada para dar su respuesta. Explique el resultado en trminos
del problema.
b) Obtenga la probabilidad de que llegue por lo menos un carro en una hora cualquiera a poner
gasolina. Explique la metodologa utilizada para dar su respuesta.
c) Defina y presente mediante un ejemplo, el concepto: Distribucin de Probabilidad. Comente sobre
sus caractersticas, tipos y su valor esperado. (tres puntos)

Ejercicio 23

En una cantina se venden tres tamaos de refresco, grande, mediano y pequeo, en la siguiente proporcin, 30%, 55% y 15%
respectivamente.

El precio del refresco grande es 3 veces mayor que el pequeo y el mediano es dos veces mayor que el pequeo. Si el ingreso medio
esperado al vender 100 refrescos es de BsF. 430. Cul es el precio que se vende cada tamao de refresco? Comente los aspectos
metodolgicos que considere convenientes.

Ejercicio

Se ha establecido que el 25% de los administradores trabajan en empresas privadas. Suponga que estos resultados se van a aplicar a un
grupo de 15 egresados de la universidad. Cul es la probabilidad de que cuando menos tres egresados vayan a trabajar en una empresa
privada?.

Ejercicio 24
Problema 31, pag 196 del Anderson

Se estima que el 5% de los camioneros son mujeres. Asuma que se seleccionan al azar 10 camioneros para una encuestas sobre las
condiciones de trabajo.

a) Cul es la probabilidad de que dos de los camioneros sean mujeres? Justifique la metodologa utilizada.
b) Cul es la probabilidad de que al menos uno sea mujer? Realice un grfico en apoyo a su respuesta

Ejercicio 25
Problema 45, pag 201 Anderson

En la central telefnica de la universidad llega en promedio una llamada cada dos minutos.

a) Cul es la probabilidad de que no lleguen llamadas en un perodo de 5 minutos?

b) Justifique la metodologa utilizada para resolver este problema.

28
Esta prueba incluye los conceptos explicados en clase sobre el captulo 7, (Distribuciones de Probabilidad Discretas. La prueba debe
realizarse en mximo dos horas.

Ejercicio 26
Una compaa grande de distribucin de materiales de construccin cuenta con 15 camiones de reparto. Suponga que 6 de los 15
camiones tienen malos los frenos. Se seleccionaron 5 camiones al azar para hacer envos.

a) Cul es la probabilidad de que dos de los camiones seleccionados tengan los frenos defectuosos? Justifique la escogencia del
modelo correspondiente para responder esta pregunta.
b) Determine la probabilidad de que al menos 1 de los cinco camiones tenga los frenos malos. Justifique la metodologa utilizada
para dar su respuesta. Explique el significado de la raz cuadrada de esta frmula: 2 = [ ( x ) 2 P (x) ]

Ejercicio 27
En una estacin de servicio llegan en promedio 6 carros por hora a poner gasolina.

a) Cul es la probabilidad de que en una hora cualquiera llegue a poner gasolina exactamente tres carros? Justifique la
metodologa utilizada para dar su respuesta. Explique el resultado en trminos del problema.
b) Obtenga la probabilidad de que llegue por lo menos un carro en una hora cualquiera a poner gasolina. Explique la
metodologa utilizada para dar su respuesta.

Ejercicio 28
En una cantina se venden tres tamaos de refresco, grande, mediano y pequeo, en la siguiente proporcin, 30%, 55% y 15%
respectivamente.

El precio del refresco grande es 3 veces mayor que el pequeo y el mediano es dos veces mayor que el pequeo. Si el ingreso medio
esperado al vender 100 refrescos es de BsF. 430. Cul es el precio que se vende cada tamao de refresco? Comente los aspectos
metodolgicos que considere convenientes.

Ejercicio 29
(Prob 29, pag 196 Anderson)

Se ha establecido que el 25% de los administradores trabajan en empresas privadas. Suponga que estos resultados se van a aplicar a un
grupo de 15 egresados de la universidad. Cul es la probabilidad de que cuando menos tres egresados vayan a trabajar en una empresa
privada?. Justifique la metodologa utilizada para resolver este problema.

Ejercicio 30
Aproximadamente el 10% de las botellas de vidrio que salen de una lnea de produccin tienen defectos graves. Si se seleccionan 5
botellas al azar para inspeccionarlas,
Cul es la probabilidad de obtener exactamente dos botellas con defectos graves?
Cul es la probabilidad de obtener por lo menos una botella con defectos graves?
Cul es el valor esperado del nmero de botellas inspeccionadas que tienen defectos graves?

Ejercicio 31

La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el 80% de los lectores ya la
han leido. Un grupo de 4 amigos son aficionados a la lectura:

1. Cul es la probabilidad de que en el grupo hayan leido la novela 2 personas?

2.Y cmo mximo 2?

Ejercicio 32

29
Un agente de seguros vende plizas a cinco personas de la misma edad y que disfrutan de buena salud.
Segn las tablas actuales, la probabilidad de que una persona en estas condiciones viva 30 aos o ms es
2/3. Hllese la probabilidad de que, transcurridos 30 aos, vivan:

1. Las cinco personas.

2.Al menos tres personas.

3.Exactamente dos personas.

Ejercicio 33

Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan ms caras que cruces.

Ejercicio 34

Si de seis a siete de la tarde se admite que un nmero de telfono de cada cinco est comunicando, cul
es la probabilidad de que, cuando se marquen 10 nmeros de telfono elegidos al azar, slo comuniquen
dos?

Ejercicio 35

La probabilidad de que un hombre acierte en el blanco es 1/4. Si dispara 10 veces cul es la

probabilidad de que acierte exactamente en tres ocasiones? Cul es la probabilidad de que acierte por
lo menos en una ocasin?

Ejercicio 36

En unas pruebas de alcoholemia se ha observado que el 5% de los conductores controlados dan positivo
en la prueba y que el 10% de los conductores controlados no llevan aprovechado el cinturn de
seguridad. Tambin se ha observado que las dos infracciones son independientes.

Un guardia de trfico para cinco conductores al azar. Si tenemos en cuenta que el nmero de
conductores es suficientemente importante como para estimar que la proporcin de infractores no vara
al hacer la seleccin.

1. Determinar la probabilidad a de que exactamente tres conductores hayan cometido alguna de las dos
infracciones.

2. Determine la probabilidad de que al menos uno de los conductores controlados haya cometido alguna
de las dos infracciones.

Ejercicio 37

La probabilidad de que un artculo producido por una fabrica sea defectuoso es p = 0.02. Se envi un
cargamento de 10.000 artculos a unos almacenes. Hallar el nmero esperado de artculos defectuosos,
la varianza y la desviacin tpica.

Ejercicio 38

30
En una urna hay 30 bolas, 10 rojas y el resto blancas. Se elige una bola al azar y se anota si es roja; el
proceso se repite, devolviendo la bola, 10 veces. Calcular la media y la desviacin tpica.

Ejercicio 39

Un laboratorio afirma que una droga causa de efectos secundarios en una proporcin de 3 de cada 100
pacientes. Para contrastar esta afirmacin, otro laboratorio elige al azar a 5 pacientes a los que aplica la
droga. Cul es la probabilidad de los siguientes sucesos?

1. Ningn paciente tenga efectos secundarios.

2.Al menos dos tengan efectos secundarios.

3.Cul es el nmero medio de pacientes que espera laboratorio que sufran efectos secundarios si elige
100 pacientes al azar?

Ejercicio 40

a) Describa las diferencias y similitudes entre las distribuciones de probabilidad, Binomial, Hipergeomtrica y Poisson. De
ejemplos.
b) Cul es la diferencia entre una variable aleatoria y una distribucin de probabilidad?

c) Defina y de un ejemplo de una distribucin de probabilidad discreta

Ejercicio 41

El programa de televisin Buenas Noches en Globovisin ha sido exitoso por varios aos. Recientemente tuvo un ndice de audiencia de
20 , lo que significa que de todos los televisores encendidos, el 20% tena sintonizado a Buenas Noches. Suponga que un anunciante
desea verificar ese valor del 20% realizando su propia encuesta de 10 hogares el pasado jueves que tenan el televisor encendido en el
horario de Buenas Noches.

a) Calcule la probabilidad de que ninguno de los hogares est sintonizando el programa. Justifique la metodologa utilizada.
b) Obtenga la probabilidad de que al menos uno est viendo el programa.
c) Si la encuesta arroja que cinco hogares estaban sintonizando a Buenas Noches de los 10 verificados, qu puede decir sobre el
ndice de audiencia de 20 dado? Utilice el valor esperado como parte de su anlisis.

Ejercicio 42
Triola pg 235, Prob 13

En un ao hubo 6 homicidios en el barrio la Periquita. Para un mes seleccionado al azar, calcule la

probabilidad de que el nmero de homicidios sea:

a) 0. Justifique su respuesta.
b) No ms de uno.
c) Por lo menos 3

Ejercicio 43

Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en

una botella que contiene 9 pldoras de vitamina que son similares en apariencia. Si el oficial
de la aduana selecciona 3 tabletas aleatoriamente para analizarlas, a) Cul es la

31
probabilidad de que el viajero sea arrestado por posesin de narcticos?, b) Cul es la
probabilidad de que no sea arrestado por posesin de narcticos?.

Ejercicio 44

Todas las preguntas de un exmen oral son de escogencia mltiple. Se presentan 5 opciones para
cada pregunta. El alumno responde aleatoriamente cada pregunta hasta que llega a 5 preguntas
correctas. Cual es la probabilidad de que el alumno haya llegado a las 5 respuestas correctas antes
de la pregunta 26?

32