II UNIDAD: PROBABILIDADES Y DISTRIBUCIONES DE PROBABILIDAD.

OBJETIVOS DE LA UNIDAD.
1. Interpretar el concepto de probabilidad.
2. Describir los enfoques de probabilidad clsica a priori, clsica emprica y
probabilidad subjetiva.
3. Calcular probabilidades aplicando reglas de adicin, multiplicacin y teorema de
Bayes.
4. Construir la distribucin de probabilidad y la funcin de distribucin acumulada de
una variable aleatoria discreta.
5. Calcular el valor esperado y la varianza de una variable aleatoria discreta.
6. Explicar las caractersticas de la distribucin binomial, poisson y normal.
7. Calcular probabilidades mediante la distribucin: binomial, poisson y normal
8. Aplicar las distribuciones anteriores en la resolucin de problemas.
CONTENIDO:
1
2
3
4
5
6
7
8
9

Introduccin. Conceptos bsicos de probabilidad

Enfoques de probabilidad
Reglas de probabilidad (Probabilidad en condiciones de independencia y
dependencia estadstica
Distribucin de probabilidad
La media y la varianza de una distribucin de probabilidad
Tcnicas de conteo.
Distribucin de probabiliadad Binomial
Distribucin de probabilidad Poisson
Distribucin de probabilidad Normal.

2.1.1

Introduccin:

Histricamente, la teora de la probabilidad se origin en las investigaciones que llevaron a

Blaise Pascal y a Pierre de Fermat a mediados del siglo XVII, los primeros trabajos, en los
que tuvieron origen los conceptos fundamentales de la teora de probabilidades, se
redujeron a las tentativas de crear la teora de juegos de azar (Cardano, Huygens, Pascal,
Fermat y otros en los siglos XVI XVII), y con el tiempo se aplic a otros problemas
socioeconmicos, la industria, la ingeniera, meteorologa, clculo actuarial,
administracin, economa, ciencias experimentales y de seguros, que naci en el siglo XIX,
requera un conocimiento exacto del riesgo de perder, pues de lo contrario no se podan
calcular las plizas.
La etapa siguiente de desarrollo de la teora de probabilidades est vinculada con el nombre
de Jacobo Bernoulli (1654 1705). El teorema por l demostrado que ulteriormente tomar
el nombre de Ley de los grandes nmeros, fue la primera base terica de los hechos
acumulados antes.
Los progresos ulteriores de la teora de probabilidades se deben a Moivre, Laplace, Gauss,
Poisson, etc.
1

El nuevo perodo el ms fructfero, est relacionado con los nombres de P.L. Chebishev
(1821 1894) y sus alumnos A. A. Markov (1856 1922) y A. M. Liapunov (1857
1918). En este perodo la teora de las probabilidades se convierte en una ciencia
matemtica ordenada. Su desarrollo posterior se debe, en primer trmino a los matemticos
rusos y soviticos ( S. N. Bernshtein, V.I.Romanovski, A. N. Kolmogorov, A. Ya, Jinchin,
B.V. Gnedenko, N. V. Smirnov, etc.)
Los mtodos de la teora de probabilidad se utilizan ampliamente en las distintas ramas de
las ciencias naturales y de la tcnica; en la teora de fiabilidad, la teora de servicio de
masas, en fsica terica, geodesia, astronoma, teora del tiro, teora de errores de
observaciones, teora del mando automtico, teora general de las comunicaciones y en
muchas otras ciencias tericas y aplicadas. La teora de las probabilidades sirve tambin
como base de la estadstica matemtica y aplicada, la que, a su vez, se emplea en la
planificacin y organizacin de la produccin, al analizar procesos tecnolgicos, el control
preventivo y de recepcin de la calidad de la produccin y para muchos otros fines.
En la actualidad, la teora matemtica de la probabilidad constituye el fundamento de las
aplicaciones estadsticas, tanto en la investigacin social como en la toma de decisiones.
2.1.2 Conceptos bsicos de probabilidad
En el estudio de la teora de la probabilidad es preciso saber utilizar con exactitud la
comunicacin. El lenguaje exacto que en general se emplea para enunciar y resolver
problemas de probabilidades es la teora de conjuntos; en base a ella pueden realizarse
operaciones relacionadas con la probabilidad.
1.1.1 Experimento Aleatorio (E): Es aquel que al repetirse bajo condiciones
aproximadamente idnticas el resultado no es necesariamente el mismo.
EJEMPLO 1: E1: Lanzar una moneda al aire
E2: Lanzar un dado
E3: El encargado de control de calidad revisa 10 camisas producidas,
luego cuenta el No. de camisas con algn defecto.
E4: De un alista tomada de todas las cuentas de ahorro en un banco
seleccionar al azar una y luego anotar su vida actual (vida mxima 15 aos).
1.1.2 Espacio Muestral (S): Es el conjunto de todos los resultados posibles de un
experimento aleatorio. Cada elemento de este conjunto se denomina un punto
muestral.
EJEMPLO 2: S1 = {Lado A, lado B}= {cara, sol}
S2 = {1,2,3,4,5,6}
S3 = {0,1,2,3,4,5,6,7,8,9,10}
S4 = (0,15]
2

EJEMPLO 3: Determinar los espacios mustrales asociados con los siguientes

experimentos:
a)

Sea E: lanzar dos dados y observar los nmeros de las caras superiores.

Solucin: Hay 36 pares ordenados de la forma

S = {(1,1), )1,2),...(1,6), (2,1), (2,2),...(2,6),...(6,6)}
b) Sea E: Lanzar tres monedas y contar el nmero de caras
Solucin: S = {0,1,2,3}
c)
Sea E: Lanzar dos dados y contar los nmeros de las caras superiores.
Solucin: S = {2,3,4,5,6,7,8,9,10,11,12}
d)

Sea E: de una urna que contiene 7 bolas blancas y 3 negras se sacan 2 bolas en forma
consecutiva y sin reposicin y se observan. Hacer diagrama de rbol.
Solucin: S = {BB, BN, NB, NN}
e)

Sea E: De un lote que contiene 3 artculos malos y 17 buenos sacar uno por uno y sin
reposicin hasta sacar todos los malos
Solucin: S = {3,4,5,6,7,.........,20}
1.1.3 Un evento o suceso: Conjunto de uno o ms resultados de un experimento. Son
subconjuntos del espacio muestral. Los eventos sern simbolizados con letras
maysculas, A, B, C
EJEMPLO 4: Si lanzamos una moneda, el hecho que salga el lado B sol ser un evento
y conseguir que salga el lado A cara ser otro evento.
EJEMPLO 5: Si estamos extrayendo naipes de una baraja, seleccionar un as de corazones
constituir un evento.
EJEMPLO 6: Si lanzamos un dado, un evento ser obtener un nmero impar, es decir, A
={1,3,5}.
2.2.4 Tipos de eventos
1)
Evento imposible (): es aquel que nunca ocurre. Cumple con la caracterstica de
ser un subconjunto del espacio muestral. Por ejemplo si nos interesa el evento de que
aparezca un as verde en la baraja comn. Es claro que esto nunca suceder porque ninguna
carta de la baraja cumple con esas caractersticas. Este conjunto es .
2)
Evento seguro (S): es aquel que siempre ocurre. Es un subconjunto del mismo. Por
ejemplo el evento que un nmero par o impar de puntos aparezca al tirar un dado es el
conjunto S = {1,2,3,4,5,6}.
3

3)
Evento simple: es el describe solamente una caracterstica. Por ejemplo el evento
simple ser obtener un nmero impar, es decir, A ={1,3,5}.
4)
Evento conjunto: describe dos o ms caractersticas. Por ejemplo: el nmero de
camisas defectuosas menor de 5 y es impar. (Hay dos eventos).
5) Unin de dos eventos: El evento unin de A y B denotado por AUB (A o B) es aquel
que ocurre si A ocurre o B ocurre o si ocurren ambos. Por ejemplo, el No. de camisas
defectuosas es ninguna o menor que 3. A = {0}; B={0,1,2}; AUB = {0,1,2,}.
6) Evento complementario de A (A ): es aquel que ocurre cuando A no ocurre.
7) Eventos mutuamente excluyentes:
Se dice que dos sucesos A y B son mutuamente excluyentes si no pueden ocurrir juntos
(simultneamente), es decir, la ocurrencia de A excluye automticamente la ocurrencia de
B, esto es AB = Por ejemplo, en el lanzamiento de la moneda, hay dos resultados
posibles: lado A y lado B. En cualquier lanzamiento, ambos lados pueden salir, pero no los
dos simultneamente.
8) Eventos colectivamente exhaustivos: si por lo menos uno de ellos debe ocurrir durante
el experimento. Estos eventos al ser unidos forman el espacio muestral. Los eventos A1, A2,
A3,.. An son exhaustivos si A1U A2U A3U..U An= S. por ejemplo al lanzar un dado y
sea los eventos A caiga No. par y B caiga No. impar, A= {2,4,6,} y B= {1,3,5,}; AUB = S=
{1,2,3,4,5,6,}, A y B son exhaustivos.
2.2.5 Definicin de probabilidad
Con cada suceso o evento A asociamos un nmero real designado por p(A), y lo
llamamos probabilidad de que A ocurra. La probabilidad simple se refiere a la
probabilidad de ocurrencia de un evento simple, a sta probabilidad se le llama
probabilidad marginal. La probabilidad de ocurrencia de A, la definimos por
( )=

La probabilidad es la posibilidad de que ocurra algo. Las probabilidades se expresan como

fracciones ( 1/6, , 8/9) o como decimales (.167, .500, .889) o como porcentaje 16.7%,
50%, 88.9%. Asignar una probabilidad de 0 significa que algo nunca ocurrir; una
probabilidad de 1 significa que algo ocurrir siempre. En resumen, de que algo ocurra,
jams ser mayor que 1 ni menor que 0.
Utilizando este lenguaje formal, podramos formular la siguiente pregunta: En un
experimento consistente en lanzar una moneda, cul es la probabilidad del evento lado A?.
Si es una moneda legal con igual probabilidad de que salga uno u otro lado, contestaremos
, o sea 0.5.
4

EJEMPLO 7: Determinar la probabilidad de obtener un nmero par cuando se lanza un

dado.
Solucin: S = {1,2,3,4,5,6} ; A = {2,4,6}
Luego p(A) =
EJEMPLO 8: Determinar la probabilidad de obtener al menos una cara en dos
lanzamientos de una moneda.
Solucin: Como S = {CC, CS, SC, SS}, slo los 3 primeros casos son favorables al suceso,
es decir:
A = {CC, CS, SC}, luego p(A) = = 0.75
EJEMPLO 9: Hallar la probabilidad de obtener la suma 7 cuando se lanzan dos dados.
Solucin: Cada una de las caras de un dado puede estar asociada con las 6 caras del otro
dado, de manera que el nmero total de casos que puede surgir, todos igualmente probables
es 6x6 = 36 : S = {(1,1), (2,1), (3,1),...(6,6)}.
Hay 6 maneras de obtener la suma 7, denotadas por
*( ) ( ) ( ) ( ) ( ) ( ) + luego p = 6/36 = 1/6.
EJEMPLO 10: En una hacienda ganadera con 500 cabezas de ganado, 30 de ellas estn
afectadas con ANTRAX. Si se selecciona aleatoriamente una de ellas, cul es la
probabilidad de que tenga ANTRAX?
Solucin: p = 30/500 = 3/50 = 0.06

En la figura 1. Se ilustran algunos ejemplos Espacios Muestrales. En la figura 2 se presenta

de Diagramas de Venn. En la figura 3. se presenta el uso de diagramas de Venn para
ilustrar el complemento, eventos que son mutuamente excluyentes y que no lo son, as
como eventos que son mutuamente excluyentes a la vez que colectivamente exhaustivos.

Figura 1. Espacios muestrales.

Figura 2. Ejemplos de diagrama de Venn

Figura 3.

Ejemplos de diagramas de Venn

1.2 Enfoque de probabilidad

1.2.1

Probabilidad Clsica a priori: Todos los resultados de un experimento

son igualmente probables => Resultados favorables entre resultados
posibles. El experimento no se ha realizado.

p( ) =

EJEMPLO 1: Determinar la probabilidad de que ocurra el evento A: El naipe es

rojo
P( )
1.2.2

Concepto Emprico a posteriori: Basado en las frecuencias relativas. La

probabilidad de que un evento ocurra a largo plazo se determina
observando en qu fraccin de tiempo ocurrieron eventos semejantes en
el pasado. Ya se realiz el experimento.

Nmero de veces que el evento ocurri en el pasado entre el nmero de

observaciones :

P( )
EJEMPLO 2: Antes de incluir la cobertura para ciertos tipos de problemas
dentales en plizas de seguros mdicos para adultos con empleo. Una compaa
de seguros desea determinar la probabilidad de ocurrencia de esa clase de
problemas, para que pueda fijarse la prima de seguros de acuerdo con esas
cifras. Por ello, se recopila datos para 10,000 adultos que se encuentran en las
categoras de edad apropiadas y encuentra que 100 de ellos han experimentado
el problema dental especfico durante el ao anterior.
La probabilidad de ocurrencia es: P( )
1.2.3

Probabilidad Subjetiva: Posibilidad de que suceda un evento

especfico, asignado por una persona en base a cualquier informacin de
que se disponga: Experiencia, Opinin personal, Anlisis de la situacin
particular.

EJEMPLO 3. Debido a los impuestos y a los posibles usos alternativos de sus fondos,
un inversionista ha determinado que la compra de terreno vale la pena slo si existe
un aprobabilidad de cuando menos 0.90 de que el terreno obtenga plusvala por 50%
o ms en los en los prximos 4 aos. Al evaluar un determinado terreno, el
inversionista estudia los cambios de los precios en el rea en aos recientes, considera
los niveles corrientes de precios, estudia el estado corriente y futuro probable de los
proyectos de desarrollo inmobiliarios y revisa las estadsticas referentes al desarrollo
econmico del rea geogrfica. Con base en esta revisin, concluye que existe una
7

probabilidad de aproximadamente 0.75 de que se d la plusvala que requiere. Como

esta probabilidad es menor que la mnima que requiere (0.90), no debe llevarse a cabo
la inversin.

2.4. Reglas bsicas de probabilidad

1)

P( A) 0

2)

P(S ) 1

3)

P( ) 0

4)

P( A) P( A`) 1

5)

P( A`) 1 P( A)

1.4.1

donde A se lee: complemento de A.

Regla de la Adicin : si dos eventos A y B son mutuamente excluyentes,

entonces :
P(AyB)

P;( AB) P( A) P( B) P( A B) P( A) P( B);

Si no lo son, entonces
P( AB) P( A) P( B) p( AyB) P( A B) P( A) P( B) P( A B)

(Pr. De que ocurra A o B o ambos)

2.4.2 Probabilidad condicional

p( AyB )
P( A B)
P( A / B)
P( A / B)
p( B)
P( B)
)

P(
P( )

Y al suceso B se le llama suceso condicionante, se utiliza esta frmula cuando los

sucesos son dependientes y P(A/B) se lee la Pr. De que ocurra A dado que ya ocurri B.
2.4.3

)
)

2.4.4 (

( )
)

( )

(
( )

)
(

(
) (
)
2.4.5
A o B pero no ambos a la vez)

)
( )

( )

) ( la Pr. De que ocurra

1.4.6

Regla de la Multiplicacin

Cuando los sucesos son dependientes:

)
( )
(
) (Sin Sustitucin)

2.4.7 Independencia estadstica

1)
2)

P( A / B) P( A)
p( AyB) P( A B) p( A) p( B)

Tabla de clasificacin cruzada

Con frecuencia es deseable examinar en forma simultnea las respuestas categricas a dos
variables cualitativas. Por ejemplo, se podra estar interesado en examinar si existe relacin
entre el sexo y la preferencia de los consumidores por productos importados o nacionales.
En la Tabla 1 se ilustra esta informacin para el ejemplo 1. A estas tablas de clasificacin
cruzada en dos sentidos se les conoce tambin como tablas de contingencia. Para elaborar
la tabla 1, se clasifican las respuestas conjuntas para los 500 entrevistados con respecto al
sexo y a las preferencias de los consumidores, en una de 4 posibles celdas de la tabla. As,
el nmero de hombres que prefieren productos nacionales se ubica en la primera celda (Fila
1, Columna 1) , el nmero de mujeres que prefieren productos importados se coloca en la
cuarta celda (Fila 2, Columna 2), el resto de respuestas se ubican de manera similar, los
totales se encuentran en los mrgenes de la tabla.
EJEMPLO 1.
En una ciudad se seleccion una muestra de 500 personas para determinar diversas
informaciones relacionadas con el comportamiento del consumidor. Entre las preguntas
hechas, se encontraba "Prefiere comprar productos nacionales o importados?"
De 240 hombres, 136 contestaron que preferan productos importados, de 260 mujeres 36
contestaron que preferan productos nacionales.
a)
Elabore una tabla de contingencia en donde las variables cualitativas son
sexo y preferencia por productos.
Los eventos se pueden definir de la siguiente forma:
A : El entrevistado es hombre B = El entrevistado prefiere comprar productos
nacionales.
A: El entrevistado es mujer
B= El entrevistado prefiere comprar productos
importados.

a)

Determinar la probabilidad de que el entrevistado seleccionado en forma

aleatoria sea hombre:
( )
( )

b)

Sea mujer:

c)

Prefiera comprar productos importados:

( )

d)

Prefiera productos nacionales:

( )

Note que: P(A) + P(A )

( )
( )

e)

Cul es la probabilidad de que un entrevistado seleccionado aleatoriamente sea

hombre y prefiere comprar productos importados? Represente la situacin en un
diagrama de Venn.
)

136
10

f)

Sea mujer y prefiera comprar productos nacionales?

(

g)

Cul es la probabilidad de que un entrevistado seleccionado sea mujer o prefiera

productos importados?
(
)
(
)
( )
( )
(
)
(

h)

( )

)=

Sea hombre o mujer?

Como A y A son eventos mutuamente excluyentes y colectivamente
)
( )
exhaustivos se tiene que, (
(

j)

( )

Sea hombre o prefiera productos nacionales?

(

i)

( )

( )

Supngase que el entrevistado seleccionado sea mujer, cul es la probabilidad

de que prefiera comprar productos nacionales.

A: el entrevistado es una mujer

B: el entrevistado prefiere comprar productos nacionales.
Por tanto la probabilidad de que el entrevistado prefiera comprar productos nacionales,
dado que es una mujer es:

( )

)
( )

11

k)

Suponga que el entrevistado seleccionado prefiere comprar productos

importados, cul es la probabilidad de que sea hombre?

( )

l)

)
( )

Determine si la preferencia por productos importados es estadsticamente

independiente del sexo.
(
)
( )
( )
P(A) = 0.48 y P( )
;
0.21
)
P(
0.21 0.13 por tanto la
preferencia por productos importados y el sexo no son estadsticamente
independientes, se concluye son dependientes.

EJEMPLO 2:
Diagrama de rbol
Una forma alternativa de anlisis de las probabilidades en cuatro celdas es mediante el uso
de un rbol de decisin.
P(

P(

P(

( )

Grupo de
Entrevistados
( )

P(

12

EJEMPLO 3.
Si A es el evento de que el precio de cierta accin se mantenga sin cambios en cierto
da de negociaciones y B es el evento de que suba su precio, P(A) = 0.64 y P(B) = 0.21,
determine:
b)

( )

c)

d)

( )
) como A y B son mutuamente excluyentes,
)
( )
( )

(
) como A Y B son mutuamente excluyentes,
)
( )
deduce que (

y se

2.5 Teorema de Bayes

La probabilidad condicional toma en cuenta informacin sobre la ocurrencia de un evento
para predecir la probabilidad de otro. Este concepto se puede ampliar para "revisar" las
probabilidades en base a nueva informacin y determinar la probabilidad de que un efecto
en particular se deba a una causa especifica.
El procedimiento para revisar estas probabilidades se conoce como teorema de Bayes
desarrollado por el Reverendo Thomas Bayes (1702-1761).
El teorema de Bayes se puede desarrollar a partir de las definiciones de la probabilidad
condicional y marginal en la forma siguiente:
Teorema de la probabilidad total.
Supongamos un experimento aleatorio con su correspondiente espacio muestral, S, decimos
que los eventos
forman una particin del espacio muestral S, si se cumple
que:
i)
ii)

para todo i

(Excluyentes)
(Exhaustivos)

Y que B es otro evento respecto a S, entonces:

( )
( ) . /
( ) . /

) .

( ) . /
S

13

Teorema de Bayes
Queremos saber ahora, cul es la probabilidad de que

sea la causa de la ocurrencia de B.

La P( )
( )
(

) . /
( ) . /
teorema de Bayes est dado por la expresin :

( )
Donde

) . /

( )

) .

/ por lo que el

) . /
(

) . /

es el evento nmero i de n eventos mutuamente excluyentes.

EJEMPLO 1
A un consultor en Administracin se le pide su opinin acerca de la razn por la cual la
secretaria de un ejecutivo, insatisfecha, renunci a su trabajo. Sin poder obtener ninguna
informacin directa acerca de la secretaria, toma los siguientes datos de un estudio de
motivacin corporativos a gran escala: entre todas las secretarias insatisfechas, el 20% lo
estn porque les desagrada su trabajo, el 50% porque sienten que estn mal pagadas y el
30% porque les desagrada su jefe. Adems, las probabilidades correspondientes d que
renuncien son 0.60, 0.40 y 0.90. Con base en estas cifras, cules son las probabilidades de
que la secretaria haya renunciado debido al trabajo, al sueldo o al jefe?

0.20

0.60

0.40
0.40

0.50
0.30

0.90

0.60
B

A1= Le desagrada su trabajo = 0.20

A2= Est mal pagada
= 0.50
A3= Le desagrada el jefe
= 0.30

Sea B= Renuncia al trabajo

0.10

Diagrama de rbol del ejemplo de las secretarias

Las probabilidades asociadas con las tres ramas del rbol son:
(0.20) (0.60) = 0.12
(0.50) (0.40) = 0.20 y
(0.30) (0.90) = 0.27 y su suma: ( ) 0.12 + 0.20 + 0.27 = 0.59 (Probabilidad total)
En consecuencia, las probabilidades de que la secretaria insatisfecha haya renunciado
debido al trabajo es:
14

( )

) .

( )

Debido al sueldo es:

( ) .
( )
( )

)(

)(

) (

)(

) (

/
(

)(

(
(

)(

)(
)(

)
)

)(

Debido al desagrado por su jefe

(

) .
( )

/
(

)(

)(

) (

)(

) (

)(

15

Gua de auto aprendizaje No. 3

1.)
Suponga que existen 8 aspirantes a ocupar un empleo y hacemos que a, b, c, d, e, f,
g y h representen los eventos de que el empleo se ofrezca a Arturo, Beatriz, Clara, David,
Enrique, Franco, Jorge o Hilda. Si
A = {b, d, f, h}, B = {c, g, h}, C = {a, b, d}, cite los elementos del espacio muestral que
comprenden cada uno de los siguientes eventos y exprselos con palabras:
a)
b) B U C
c) C A
d) B' C
2.) Para construir espacios mustrales de experimentos en los cuales trabajamos con datos
categricos, a menudo codificamos las diversas alternativas asignndoles nmeros. Por
ejemplo, un contador podra codificar los elementos relacionados con el activo fijo de una
empresa como: 1, 2, 3, 4 o 5 segn si el elemento se debe adjudicar a efectivo, bienes
comerciales, cuentas por cobrar, inventario o gastos pagados por adelantado. Exprese cada
uno de los eventos en palabras.
a) K = {1, 5}
b) L = {3, 5}
c) M = {1, 2, 3}
3.) Para cada una de las situaciones siguientes seale cul sera el enfoque ms apropiado
(clsico a priori, de frecuencia relativa o subjetivo) para determinar la probabilidad que
requiere
a) La probabilidad de que aparezca un "uno" o un "seis" en un solo lanzamiento de un
dado de seis lados.
b) La probabilidad de que haya recesin el prximo ao.
c) La probabilidad de que, de un envo de 20 repuestos que se sabe contiene uno
defectuoso, uno elegido al azar resulte defectuoso.
d) La probabilidad de que una persona elegida al azar de las que entran a una tienda
grande realice una compra.
e) La probabilidad de que los bonos a indemnizados se cotizen a 50 centavos de crdobas
en los prximos seis meses.
4.) Determine el valor de probabilidad en cada una de las situaciones siguientes:
a) La probabilidad de lesiones industriales en una industria especfica, en trminos
anuales. Una muestra aleatoria de empresas que tiene en total 8000 empleados report
400 lesiones de trabajo en un perodo reciente de 12 meses.
b) La probabilidad de apostar a un nmero ganador en el juego de la ruleta. Los nmeros
de la ruleta incluyen un "O", "00" y de "1 hasta 36".
c) La probabilidad de elegir al azar una cuenta por cobrar morosa, dado que el 5% de las
cuentas son morosas.
5.)
De 600 empleados, 300 participan en un plan de reparto de utilidades de la
compaa, 400 tienen una cobertura gastos mdicos y 200 empleados participan en ambos
programas. Presente estos datos en una tabla de contingencia.
16

a. De un ejemplo de un evento simple.

b. De un ejemplo de un evento conjunto.
c. Cul es el complemento del suceso: Empleado participa en cobertura de
gastos mdicos?
d. Cul es la probabilidad de que un empleado elegido al azar:
Participe por lo menos en uno de los programas?
No participe en ninguno de los programas?
Participe en el plan de reparto de utilidades considerando que tiene
seguro de gastos mdicos?
Determine si los dos eventos son independientes o dependientes?
6.)
A los 500 clientes de crdito de Crdito, S.A. estn categorizados segn el nmero
de aos que han tenido cuenta de crdito con Crdito S.A. y por su promedio de saldo de
crdito. De estos clientes 210 han tenido saldo menores de $100; otros 260 han tenido
cuenta de crdito cuando menos 5 aos y otros 80 han tenido saldos mayores de $100 y
han tenido cuenta de crdito por menos de 5 aos. Si se selecciona al azar un cliente de
crdito, Cul es la probabilidad de que:
a) Tenga un saldo de crdito mayor de $100?
b) Tenga un saldo de crdito menor de $100 o haya tenido una cuenta de crdito
cuando menos de 5 aos?
c) Tenga un saldo de crdito menor de $100 y haya tenido cuentas de crdito por
menos de 5 aos?
d) Suponga que sabe que un cliente ha tenido cuentas de crdito cuando menos 5
aos cual es la probabilidad de que tenga un saldo inferior a $100?
e) Muestre si tener un saldo de crdito superior a $100 y poseer cuenta de crdito
cuando menos 5 aos, son estadsticamente independientes.
Sugerencia: Elabore un tabla de clasificacin cruzada para evaluar probabilidades.
7.) Una compaa ha puesto a disposicin a sus empleados (sin costo) amplias instalaciones
de un club deportivo que pueden usarse antes del trabajo, durante la hora de almuerzo,
despus del trabajo y durante los fines de semana. Los registros del ltimo ao indican
que de 250 empleados, 110 usaron instalaciones en algn momento. De los 170
hombres empleados por la compaa, 65 usaron las instalaciones. Presente estos datos en
una tabla de contingencia.
a)
b)
c)
d)
e)

D un ejemplo de evento simple.

D un ejemplo de un evento conjunto.
Cul es el complemento del suceso usar las instalaciones del club deportivo?
Y cul es la probabilidad?
Cul es la probabilidad de que un empleado elegido al azar sea mujer o haya
utilizado las instalaciones del club. Represente en un diagrama de Venn.
Suponga que elegimos a un empleado de la compaa Cul es la probabilidad que
no haya utilizado las instalaciones del club?
17

f)
g)

Suponga que elegimos a una empleada de la compaa Cul es la probabilidad que

haya utilizado las instalaciones del club?
Determine si los dos eventos el gnero del individuo y el uso de las instalaciones
del club son estadsticamente independientes? Explique.

8.) Se ha recibido un cargamento de toronjas, con las siguientes caractersticas, 20 son

rosadas sin semillas, 40 son blancas sin semillas, 15 son rosadas con semillas y 25
son blancas con semillas. Presente estos datos en una tabla de contingencia.
Se selecciona una toronja del cargamento en forma aleatoria. Cul es la Probabilidad
de que sea:
a) Sin semilla.
b) Blanca con semilla.
c) Con semilla dado que es blanco.
d) Rosada o sin semilla.
e) Determine si los dos eventos son estadsticamente independientes. Explique.
9.) Se estima que la probabilidad de que un nuevo mtodo de comercializacin tenga xito
es 0.65. La probabilidad de que los gastos para el desarrollo del mtodo puedan
mantenerse dentro del presupuesto original es 0.45. Se estima que la probabilidad de
alcanzar ambos objetivos es de 0.30. Presente estos datos en un diagrama de Venn y
en una tabla de contingencia.
a. Cul es la probabilidad de que se logre cuando menos uno de los objetivos?
b. Cul es la probabilidad de que el nuevo mtodo de comercializacin tenga
xito, dado que el costo de su desarrollo se ha mantenido dentro del presupuesto
original?
10.) Una fbrica que produce varillas, debe sacar radiografas de cada varilla e
inspeccionarla antes de embarcarla. Uno de los inspectores, ha notado que por cada
1000 varillas que revisa 10 tienen fallas en el interior, 8 presentan fallas en la envoltura
y 5 tienen ambos tipos de defectos. En su informe trimestral, debe incluir la
probabilidad de fallas de las varillas cul ser esa probabilidad?
11.) El gerente de una tienda de ropa para dama desea determinar la relacin entre el tipo
de cliente y la forma de pago. Ha recopilado la informacin siguiente:
Cliente
Habituales
No habituales

a)
b)
c)
d)
e)

Crdito
70
40

Pago
Contado
50
40

Total

D un ejemplo de evento simple.

D un ejemplo de evento conjunto.
Por qu es un evento conjunto el "cliente habitual que paga de contado "?
Dibuje el diagrama de Venn.
Si el cliente es seleccionado en forma aleatoria, cul es la probabilidad de que :
18

e.l. sea un consumidor habitual ?

e. 2. pague a crdito ?
e.3. pague de contado?
e.4. no sea un consumidor habitual ?
e.5. sea un consumidor habitual y compre a crdito?
e,6. sea un consumidor habitual y pague de contado ?
e.7. no sea un consumidor habitual y pague de contado ?
e.8. sea consumidor habitual o pague de contado ?
e.9. no sea consumidor habitual o pague crdito ?
f) Suponga que se conoce que el cliente ha pagado de contado, cul es la probabilidad de
que sea un cliente habitual?
g) Son estadsticamente independientes los dos eventos, ser un cliente habitual y pagar a
crdito? Explique.
12.) Dos divisiones de productos distintos de una empresa grande son productos marinos
(M) y artefactos elctricos (E). Se estima que la probabilidad de que los productos
marinos tengan un margen de utilidad de cuando menos 10% en este ao fiscal es de
0.30, la probabilidad de que la divisin de artefactos elctricos tenga un margen de
utilidad de cuando menos 10% es 0.20 y la probabilidad de que ambos tengan un
margen de utilidad de cuando menos 10% es 0.06.
a) Determine la probabilidad de que la divisin de artefactos elctricos tengan un
margen de utilidad de cuando menos 10%, dado que la divisin de productos
marinos alcanza ese criterio de utilidad.
a) Aplique una prueba apropiada para determinar si el logro de la meta de utilidades
de las dos divisiones es estadsticamente independientes.
13.) Durante una semana determinada se estima que la probabilidad de que el precio de
una accin especfica aumente (A), permanezca sin cambio (C) o se reduzca (R) es de
0.35, 0.20 y 0.45 respectivamente.
a. Cul es la probabilidad de que el precio de la accin aumente o permanezca
sin cambio?
b. Cul es la probabilidad de que el precio de la accin cambie durante la
semana?
c. Cmo son los sucesos A, C y R?
14.) Se estima que la probabilidad de que aumenten las ventas de automviles en el
siguiente mes de 0.40. Se estima que la probabilidad de que aumenten las ventas de
refacciones es de 0.50. Se estima que la probabilidad de que ambas industrias
experimenten un aumento en ventas es de 0.10. Cul es la probabilidad de que:
a. Hayan aumentado las ventas de automviles durante el mes, dado que existe
informacin de que han aumentado las ventas de refacciones?
b. Hayan aumentado las ventas de refacciones, dado que existe informacin de
que aumentaron las ventas de automviles durante este mes?

19

15.) Durante un perodo determinado, aument el valor de mercado de las acciones

comunes en una industria, que incluye solamente 12 acciones. Si un inversionista
escoge dos de esas acciones al azar. Cul es la probabilidad de que ambos hayan
experimentado un aumento en su valor de mercado durante ese perodo, si se sabe que
8 aumentaron su valor?
16.) La proporcin general de artculos defectuosos en un proceso continuo de produccin
es de 0.08. Cul es la probabilidad de que
a. Dos artculos elegidos al azar ninguno tenga defecto?
b. Dos artculos escogidos al azar tengan defecto?
17.) La siguiente tabla de contingencia representa la clasificacin de 150 compaas
muestreadas de acuerdo con cuatro grupos industriales, y respecto a si su rendimiento
sobre la inversin est por encima o por debajo del rendimiento promedio.
Categora
Industrial
A
B
C
D
Total

Rendimiento sobre el capital

Superior al promedio Inferior al promedio
(S)
(I)
20
40
10
10
20
10
25
15

Total

a. Construya una tabla de probabilidad conjunta en base a estos datos mustrales.

b. Determine las siguientes probabilidades:
P(A y S)
P(I)
P(C/I)
P(S)
P(D)
P(C)
P(S/B)
P(B/S)
P(B o I)
P(D y S)
18.) La probabilidad de que haya escasez de cemento es 0.28 y la probabilidad de que no
habr escasez y que una obra de construccin se termine a tiempo es 0.64. Cul es la
probabilidad de que la obra se termine a tiempo dado que no habr escasez de
cemento?
19.) En una fbrica de zapatos, se sabe por experiencia que la probabilidad es 0.82 de que
un trabajador que ha asistido a un programa de capacitacin de la fbrica cumplir
con la cuota de produccin y que la probabilidad correspondiente es 0.53 para un
trabajador que no asisti al programa de capacitacin. Si el 60% de los trabajadores
asisten al programa de capacitacin de la fbrica. Si se selecciona a un trabajador y se
sabe que ha cumplido con la cuota de produccin, Cul es la probabilidad de que
haya asistido al curso?

20

20.)

Tres mquinas M1, M2 y M3 producen respectivamente 50%, 30% y 20% del total de
artculos de una fbrica. Las mquinas producen artculos defectuosos en un
porcentaje de 7%, 6% y 4% respectivamente. Al colocar la produccin de las tres
mquinas en fila y escoger un artculo. Si el artculo escogido es defectuoso. Cul es
la probabilidad que haya sido producido en cualquiera de las tres mquinas? Tome
como decisin el elemento mayor probabilidad de producir artculos defectuosos.

21.)

En cierta empresa el 6% de los empleados varones y el 4% de los empleados mujeres

tienen salarios mayores de C$ 3000. Adems el 60% de los empleados son hombres.
Se despide a un empleado al azar que gana ms de C$ 3000.
a. Cul es la probabilidad que sea varn?
b. Cul es la probabilidad que sea mujer?

22.)

Un comerciante de parte para automviles tiene 4 empleados K, L, M y N, que

cometen errores al llenar un pedido una vez en cien, cuatro veces en cien, dos veces
en cien y seis veces en cien respectivamente. De todos los pedidos llenados, K, L, M
y N llenan respectivamente el 20, 40.30 y 10%. Si se encuentra un error en un pedido
Cul es la probabilidad de que fue llenado por K, L, M o N? Cul de los empleados
tiene mayor probabilidad de cometer errores?

23.) El gerente de crdito de una empresa, sabe que la compaa emplea (3) mtodos para
alentar el cobro de cuentas atrasadas. Al consultar los archivos de la cobranza,
descubre que el 70% de las cuentas se cobran en forma personal (P), el 20% se cobran
por telfono (T), y el 10% se les enva cartas de cobro; La probabilidad de cobrar una
cuenta vencida con los (3) mtodos es de 0.75, 0.6 y 0.65, respectivamente. El
gerente recibe el pago de una cuenta vencida; Cul es la probabilidad de que a ese
cliente lo hayan llamado por telfono.

24.) El gerente de comercializacin de una compaa fabricante de juguetes est

planeando introducir un nuevo juguete en el mercado. En el pasado, 40% de los
juguetes introducidos por la compaa han tenido xito y 60% no lo han tenido. Antes
de que se comercialice el juguete, se lleva a cabo un estudio de mercado y se compila
un informe, ya sea favorable o desfavorable. Anteriormente, 80% de los juguetes
exitosos recibieron favorables y 30% de los juguetes no exitosos tambin recibieron
informes favorables. Suponga que el estudio de mercado da un informe favorable
sobre un nuevo juguete. Cul es la probabilidad de que el nuevo juguete tenga xito?
25.) Un comprador de ropa femenina de una gran tienda departamental compra
anualmente 20% de los vestidos a un fabricante A, 30% a un segundo fabricante B, y
el 50% restante a un fabricante C. De los vestidos comprados a A se vende el 80%;
75% de los de B y 90% de los de C. Cul es la probabilidad de que un vestido que se
vendi al final de la temporada, provenga del fabricante C?

21

2.5 Distribuciones de probabilidad de variables aleatorias

2.5.1 Variable aleatoria: Sea S el espacio muestral asociado a un experimento aleatorio.
Una funcin X que asigna a cada uno de los elementos de S un nmero real x, se llama
variable aleatoria.
Definicin 1
Una variable aleatoria discreta es aquella que toma, a lo ms una cantidad numerable de
valores distintos. Por ejemplo:
1) El nmero de unidades vendidas por una tienda determinada en un mes.
2) El nmero de clientes esperando servicio en la caja de un supermercado.
3) El nmero de accidentes ocurridos en una determinada semana en una planta
manufacturera.etc.
Definicin 2
Una variable aleatoria continua es aquella que puede tomar cualquier valor de entre todos
los contenidos de un intervalo de una recta. Por ejemplo:
1) El tiempo para completar el ensamblaje de un artculo de una planta.
2) La cantidad de petrleo bombeado cada hora en un pozo.
3) La cantidda de energa elctrica producida en un da. etc.
Distribucin probabilstica
Enumeracin de todos los resultados de un experimento junto con la probabilidad asociada
a cada uno.
MEDIA O VALOR ESPERADO:

E( X ) X P( X )

2
VARIANZA: X P( X )

DESVIACION ESTANDAR:

EJEMPLO 1.
Una empresa recibe un lote de 100 discos de clutch. El historial de la empresa muestra que
el 10% de discos recibidos es defectuosa . Saquemos al azar 2 discos uno a uno de dicho
lote ( sin reposicin) y anotamos el nmero de discos defectuosos.
a) Construya la distribucin de probabilidad de X.
b) Obtenga la esperanza y la varianza (comente el resultado).
Solucin:
Sea X : Nmero de discos defectuosos, 0,1 y 2
D : Defectuoso
: No defectuoso.
S=*

22

P(

P(

P(

P(

, ( )-

X
P(X)
0
0.8091
1
0.182
2
0.0091
= ( )= , (
E(X)= 0.200

0
0.182
0.0182
)-

(X-)2
0.04
0.64
3.24

(X-)2P(X)
0.032364
0.11648
0.029484
= 0.1783

2 X 2 P( X ) =0.1783,
( )

=
0.200 +0.4221= 0.6221 Lmite superior
0.200-0.4221= -0.2221 lmite inferior;

(0,1)

En proceso repetido se espera que ninguno, salga defectuoso, pero el resultado puede
variar entre 0 y 1, lo ms probable es 0.
2.6 Tcnicas de Conteo
Al estudiar los resultados de experimentos, frecuentemente se encuentran dos
conceptos adicionales que son las permutaciones y combinaciones.
2.6.1 Regla de la multiplicacin.
Si una operacin se puede llevar a cabo n1 formas y si para cada una de stas se puede
realizar una segunda operacin en n2 formas, entonces las dos operaciones se pueden
ejecutar juntas de n1n2 formas.
EJEMPLO 1.
Cuntos puntos muestrales hay en el espacio muestral cuando se lanza una vez un
par de dados?
Solucin:

23

1 dado cae de 6 maneras n1 = 6, para cada una de esas 6 maneras el 2do dado tambin puede
caer en n2 =6 maneras por tanto el par de dados puede caer en n1n2= ( )( )

EJEMPLO 2.
Un cliente desea instalar un telfono Trinline y puede elegir entre n1=10 colores
decorativos que supondremos disponibles en cualesquiera de n2=3 longitudes opcionales
de cordn con n3=2 tipos de marcado, a saber, de disco o por tonos. Estas 3
clasificaciones tienen como resultado n1 n2 n3= ( )( )( )
diferentes formas
para que un cliente ordene uno de estos telfonos n1 n2 n3. nk formas.
EJEMPLO 3.
Cuntos almuerzos que asisten en una sopa, emparedados, postre y una bebida son
posibles si podemos seleccionar 4 sopas, 3 tipos de emparedados, 5 postres y 4 bebidas.
Solucin: n1 n2 n3. nk formas. = ( )( )( )( )
para elegir un
almuerzo.
2.6.2 Permutacin
Una permutacin es un arreglo de un conjunto de objetos en el cual se tiene en cuenta el
orden. Diferentes ordenaciones determinan diferentes permutaciones.
El nmero de permutaciones de n objetos distintos es n
(
)(
)(
)
n
EJEMPLO 4.
Cuntas permutaciones (arreglos) pueden darse en las letras A, B y C.
3
B

C = ABC

A
C

B= ACB 2

C= BAC 3

B
C
A

A = BCA 4
B = CAB 5

B
2

A= CBA 6
1=6

C
3

En general, n objetos distintos tomados r a la vez se pueden arreglar en

(
)(
)
(
)

24

(
)
EJEMPLO 5.
Se sacan dos billetes de lotera de 20 para un primer y un segundo premio. Encuentre
el nmero de puntos muestrales en el espacio S.
20P2

=
)

Ejercicio propuesto.
De cuntas formas puede una organizacin de relaciones, programar a tres conferencistas
para 3 reuniones diferentes si todos estn disponibles en cualquiera de cinco fechas
posibles. R/60
2.6.3 Combinacin
Una combinacin de objetos es un conjunto diferente de objetos en el cual no se considera
el orden. Cuando de n objetos se escogen n, no hay sino una combinacin. Si entre n
objetos se selecciona uno existen n combinaciones. El problema consiste en determinar
una expresin general para el nmero de combinaciones cuando se seleccionan r objetos a
la vez entre n objetos.
. /

. / denota el <nmero de combinaciones de r objetos tomados de n objetos

totales.>
EJEMPLO 6
Considrense cuatro entidades, A, B C y D. Cuntas combinaciones pueden hacerse en
este conjunto seleccionando dos letras a la vez? Seis. AB, AC, AD, BC, BD y CD.
. /
1
0

por definicin.

B
C

AB
AC
25

D
B
C

AD
C
D
D

BC
BD
CD

D
Ejercicio propuesto
Hay 10 candidatos para un comit que no puede estar integrado sino por siete miembros.
Cuntos comits diferentes pueden formarse con estos diez candidatos?
2.7 Modelos de probabilidad
2.7.1 Distribucin de Probabilidad Binomial
La distribucin binomial es una distribucin de probabilidad de una variable aleatoria
discreta que ser aplicable cuando estemos en un proceso de Bernoulli.
Proceso de Bernoulli
Es un proceso de muestreo, esto es una muestra de tamao n que resulta de repetir un
mismo experimento aleatorio (que llamaremos ensayo) n veces y que cumple las siguientes
condiciones:
1) Los resultados posibles de cada ensayo se clasifica en una de dos categoras
mutuamente excluyentes y exhaustivos que llamaremos: xito o fracaso
2) La probabilidad de xito y fracaso permanece igual en todos los ensayos.
3) Cualquier serie de eventos xitos y fracaso obtenidos en los n ensayos constituyen
eventos independientes.
Modelo Binomial
Supongamos que estamos en un proceso de Bernoulli con n ensayos donde uno de los dos
eventos ser xito y la probabilidad de que exista un xito se representar por p, y un
fracaso por q=1-p.
Sea X: el nmero de xitos en la muestra, donde el objetivo principal ser una expresin
matemtica que defina a la distribucin de probabilidad de X.
P( X x)

n!
p x q n x
x!(n x)!

Probabilidad de xito

El valor esperado = E(X) = np y la Varianza 2= npq.

EJEMPLO 1:
En un archivo hay 5 documentos de la empresa A y 15 documentos de la empresa B.
Seleccionar al azar y con reposicin 4 documentos anotando la empresa de cada uno.
26

a)
b)
c)
d)

Determine la probabilidad de que 3 documentos sean de la empresa B.

Menos de 3 documentos sean de B
La esperanza de x
La varianza de x

Solucin:
Empresa A = 5
Empresa B= 15
20

n= 4 ensayos
x= No. de documentos de B; ( )
;
q = 1-p =1-0.75=0.25 No. de documentos de A

P( X x)
a)

n!
p x q n x
x!(n x)!
. /(

) (

)(

(
)
Es la probabilidad que al sacar 4 documentos 3 sean
de la empresa B.
b) Menos de 3 documentos sean de B
(
)
(
)
(
)
(
)

. /(

) (

. /(

) (

. /(

) (

c) La esperanza de de x es lo mismo que el valor esperado:

)
= E(X) = np = ( )(
se espera que en promedio 3 documentos sean de
B.
)(
)
d) 2=: npq= ( )(
la varianza
=
la desviacin estndar.
)
E(
1)
= 3.8660
2)
; ( ) quiere decir que al sacar los cuatros documentos,
3 sean de B aunque este valor puede variar entre 2 y 4.

2.7.2 Distribucin Probabilstica de Poisson

La forma lmite de la distribucin binomial cuando la probabilidad de
xito es muy pequea y n es grande se denomina distribucin
probabilstica de Poisson.

27

Propiedades fundamentales de una distribucin de Poisson.

Se da un proceso de Poisson si se pueden observar eventos discretos en un intervalo
continuo (de tiempo, de duracin, de rea) en forma tal que si se acorta el intervalo lo
suficiente:
1) La probabilidad de observar dos o ms xitos en un intervalo es 0.
2) La probabilidad de observar exactamente un xito en un intervalo es estable.
3) La ocurrencia de un xito en cualquier intervalo es estadsticamente independiente
de que suceda en cualquier otro intervalo.
Modelo matemtico
P( x)

xe
x!

Probabilidad de xito

= np el parmetro se refiere al nmero promedio o esperado de xitos por unidad.

e= constante matemtica, e= 2.71825
x = el nmero de xitos por unidad.
Caractersticas
1) Forma:
Cada vez que se especifica el parmetro se puede producir una distribucin de
Poisson particular. La distribucin de Poisson estar sesgada hacia la derecha
cuando es pequea y se acercar a la simetra (con su punto ms alto en el centro)
segn aumenta .
2) La media y la desviacin estndar:
Una propiedad importante de la distribucin de Poisson es la y la varianza.
= E(x) ; varianza 2= y la desviacin estndar es:

EJEMPLO 1:
Supngase que en un momento cualquiera del da, el nmero promedio de llamadas
telefnicas recibidas por minuto en una central es de 5. Sea X el nmero de llamadas
recibidas en un minuto dado.
a)
Hallar la probabilidad de que se reciban exactamente 3 llamadas en un minuto
dado.
b)
Hallar la probabilidad de que se reciban ms de 3 llamadas en un minuto dado.
c)
Hallar la probabilidad de que se reciban menos de 3 llamadas en un minuto
dado.

Solucin:
28

X= el nmero de llamadas recibidas en un minuto dado.

= 5 llamadas por minuto en promedio.
xe
P( x)
)
a) P(X=3) =
= (
x!
b) (

,(

)-

0
1
[0.00674+0.0337+0.08425+0.14042]=
0.26511=0.7349= 73.49% es la probabilidad de recibir 3 o ms llamadas.
b)

)
(
)
la probabilidad de recibir menos de tres llamadas en

un minuto dado.
EJEMPLO 2.
Una fbrica de cerillos sabe que 0.1% de su produccin tiene algn defecto. Encuentre la
probabilidad de que en un paquete de 50 cerillos, ninguno de ellos tenga defecto.
Solucin: n= 50 , p = 0.1% =0.001 ; X = No. de cerillos defectuosos.
= np = (

)(

P( x 0)

P( x)

x e
x!

0.05 0 e 0.05
0!

xe
x!

10.9512 0.9512
1

95 .12 %

2.7.3 Distribucin Normal de Probabilidad.

Es una distribucin continua de probabilidad que tiene las siguientes caractersticas

Tiene forma de campana y la media la moda y la mediana coinciden.

Es simtrica.
Es asinttica con respecto al eje x
Est completamente descrita por su media y su desviacin estndar
No existe una, sino una familia de distribuciones normales. Cada vez que
la media o la desviacin estndar cambia se crea una nueva distribucin.

29

CURVA SIMETRICA DE CAMPANA QUE MUESTRA LAS RELACIONES ENTRE

DESVIACION ESTANDAR Y MEDIA

30

FAMILIAS DE DISTRIBUCIONES NORMALES.

Modelo Normal
Decimos que la variable aleatoria X, tiene una distribucin normal con parmetro y 2, lo
cual denotamos por X~N(
), si la funcin de densidad de probabilidad de x est
definida por:
( )

/ ;

; e= 2.71828

Distribucin Normal estndar

Es una distribucin normal particular de probabilidad que tiene las siguientes
caractersticas:
Su media es 0 y su desviacin estndar es 1.
Cualquier distribucin normal puede ser convertida a normal
x
estndar por la frmula z

Al estandarizar una distribucin normal, la distancia desde la

media est expresada en unidades de la desviacin estndar.

31

EJEMPLO 1:
Una fabrica usa una mquina para llenar cajas con polvo facial. En un informe de parte del
control estadstico de la calidad se afirma que los pesos netos de las cajas estn distribuidos
uniformemente con una media igual a 15 onzas y desviacin estndar 0.8 onzas.
Se selecciona una caja al azar:
a) cul es la probabilidad de que tenga peso neto mayor de 14.5 onzas?
b) De que tenga entre 12.8 y 16.5 onzas
c) Que tenga peso neto menor de 15.8 onzas
d) Si cierto da mquina llena 1500 cajas cuntas cajas tendrn pesos netos menores
que 14.5 onzas?
Solucin:
= 15 onzas
=0.8 onzas
) (

X=14.5

=15

Z
0.63 0

b) (

X= 12.8

Z
-2.75

) (

1.88

32

x=12.8

= 15

-2.75

) (

Total de cajas = 0.2643

cajas.

EJEMPLO 2.
El gasto promedio mensual por alimentos para familias de cuatro personas en una gran
ciudad es de C$1420, con una desviacin estndar de C$180. Suponiendo que los gastos
mensuales por alimentos estn distribuidos en forma normal,
a) Qu porcentaje de estos gastos son inferiores a C$1350?
= 1420 ; = 180
(

= 34.83%

El 34.83% de los gastos son inferiores a C$1350

b) Qu porcentaje de esos gastos se encuentran entre C$1280 y C$1350

)
(

(
)

)
(

c) Qu porcentaje de estos gastos son mayores que C$1500?

(

33

EJEMPLO 3:
Algunos estudios muestran que el rendimiento de gasolina de los autos compactos
vendidos por Japn se distribuyen normalmente con una media de 45 km por galn
y una desviacin estndar de 8 km por galn. Si un fabricante desea disear un auto
compacto ms econmico que el 95% de los autos compactos actuales, cul debe
ser el rendimiento del nuevo auto?
Como primer paso se calcula: z0=
Y la probabilidad requerida correspondiente al rea izquierda de z0 en la
distribucin normal estndar. Por tanto, P(Z
)
, este valor se encuentra
en el cuerpo de la tabla normal, buscamos la probabilidad de 0.9500, sta
probabilidad no se encuentra pero si los valores cercanos: 0.9495 que corresponde a
z=1.64, tambin est 0.9505 cuya z=1.65. Note que el rea de 0.95 est exactamente
a la mitad entre las reas z=1.64 y z= 1.65,
entonces z0= 1.645.
En segundo lugar se sustituye
que:

en la frmula: 1.645=

despejando

se tiene

(
)( )
De lo anterior se deduce que el nuevo auto compacto debe tener un rendimiento de
58.16 km por galn para ser mejor que el 95% de los autos compactos que
actualmente vende Japn.

34

Gua de Ejercicios N4
Modelos de Probabilidad
1) El nmero de barcos que llegan a un puerto en un da determinado es una variable
aleatoria representada por X. Su distribucin de probabilidad es:
X
10 11 12 13 14
P(X) 0.4 0.2 0.2 0.1 0.1
a. Encuentre la probabilidad de que en un da cualquiera:
Lleguen al menos 12 barcos.
Lleguen cuando mucho 11 barcos.
b. En promedio, Cuntos barcos se espera que lleguen?

2) Una escuela primaria ha programado cuatro fechas de reunin al ao con los padres de
familia. Los registros de la escuela indican que la probabilidad de que los padres de un
nio (uno o ambos) asistan desde 0 hasta 4 de las reuniones son las indicadas en el cuadro
siguiente:
Nmero de reuniones
a las que asisten
0
1
2
3
4
Probabilidad
0.13 0.37 0.29 0.14 0.08
a. Cul es la probabilidad de que los padres de un nio en particular asistan al
menos a una de esas reuniones?
b. En promedio a cuntas reuniones asiste un padre de familia y con que variabilidad lo
hace?
3) Un inspector encargado del control de calidad de los camiones de juguete producidos
por una fbrica ha observado que cierto defecto en las llantas se presenta en el 5% de los
vehculos. En cada uno se colocan seis llantas. Cul es la probabilidad de que en un
conjunto de seis llantas seleccionadas aleatoriamente no se presente el defecto?
4) Una organizacin especializada en encuestas afirma que el 90% de los votantes
registrados nunca ha escuchado acerca de Carmelo Garca, quien fue candidato a un
puesto pblico. Si esto es correcto, Cul es la probabilidad de que en una muestra de 15
votantes seleccionada aleatoriamente, 2 o menos de ellos hayan escuchado algo acerca de
ste seor?
35

5) Un banco en promedio recibe 6 cheques sin fondos por da. Cul es la probabilidad de
que reciba cuatro cheques sin fondo en un da dado?
6) Los registros muestran que la probabilidad es 0.0012 de que una persona ingiera
comida envenenada al pasar un da en cierta feria agropecuaria. Obtenga la probabilidad
de que en 1000 personas que asisten a la feria, cuando mucho dos ingieran comida
envenenada, Y por lo menos dos?
7) Una fbrica de cerillos sabe que 0.1% de su produccin tiene algn defecto. Encuentre
la probabilidad de que en un paquete de 50 cerillos, ninguno de ellos tenga defecto.
8) El 0.5% de las piezas producidas por una mquina son defectuosas. La mquina se
lleva a reparacin si al tomar una muestra aleatoria de 10 piezas se encuentra dos o ms
defectuosa. Obtenga la probabilidad de que la mquina sea cometida a reparacin con este
esquema de muestreo.
9) Las observaciones durante un largo perodo muestran que un vendedor determinado
puede concluir una venta en una sola entrevista con una probabilidad de 0.30. Suponga
que el vendedor entrevista a 6 prospectos (o compradores prospectivos).
a) Cul es la probabilidad que exactamente dos prospectos compren el producto?
b) Cul es la probabilidad de que todos los prospectos compren el producto?
c) Cul es la probabilidad que al menos dos prospectos compren el producto?
10) Una empresa compra determinado componente electrnico en grandes cantidades. La
decisin de aceptar el lote o de rechazarlo se basa en una muestra de 1000 productos. Si
alguno de los 1000 productos resulta defectuoso el lote se rechaza de otro modo se acepta,
suponga p = 0.0002
a) Cul es la probabilidad de aceptar el lote?
b) Cul es la probabilidad de rechazar el lote?
11)
Peridicamente se suspende el servicio de una computadora para darle
mantenimiento, instalar nuevo equipo, etc. El tiempo que permanece inactiva una
computadora en particular, est distribuida normalmente con media igual a 1.5 horas y
desviacin estndar de 0.4 horas Cul es el porcentaje de perodo de inactividad
a) mayores de 2 horas?
b) entre 1 y 2 horas?
c) menos de 1 hora?
12) Una compaa de transporte premia con un bono especial a aquellos empleados que
venden 300 o ms boletos durante una jornada de 8 horas. El nmero de boletos vendidos
por empleado en dicha jornada est distribuido de manera aproximadamente normal, con
= 270 y = 16. Cul es la probabilidad que un vendedor seleccionado aleatoriamente
no reciba el premio?
13)
El tiempo de espera en cierto banco est distribuido en forma normal,
aproximadamente, con media y desviacin estndar iguales a 3.7 y 1.4 minutos,
36

respectivamente. Encuentre la probabilidad de que un cliente seleccionado aleatoriamente

tenga que esperar:
a) Menos de 2 minutos.
b) Ms de 2.5 minutos.
c) Entre 3 y 5 minutos.
14) Una mquina llenadora est ajustada para llenar botellas con una media de contenido
de 32 onzas y una varianza de 0.0016. Peridicamente se verifica la cantidad de cerveza
contenida en la botella. Suponiendo que la cantidad contenida est distribuida
normalmente Cul es la probabilidad que la prxima botella que se seleccione
aleatoriamente para ser inspeccionada, contenga ms de 32.02 onzas?
15) La distribucin de los salarios semanales de 10000 trabajadores del campo es normal
y tiene una media de C$ 110 y varianza de C$ 64 (en miles). Cuntos trabajadores tienen
salarios
a) Iguales o inferiores a C$ 110?
b) Entre C$ 100 y C$ 125 inclusive?
c) Iguales o superiores a C$ 90?
16) El propietario de una panadera dijo que la produccin semanal promedio de su
compaa fue de 11,398 panes con una varianza de 49,729. Si los datos usados para calcular
los resultados fueron recogidos durante 32 semanas, en cuntas semanas estuvo el nivel de
produccin por debajo de los 11,165?, y por arriba de 11, 844?, grafique sus respuestas.
17) El nmero de das entra la facturacin y el pago de las cuentas de crdito de un
almacn tiene una distribucin aproximadamente normal con una media de 18 das y
desviacin estndar de 4 das.
a)
Qu proporcin de las cuentas sern pagadas
a.1
entre 12y 18 das?
a.2
entre 20 y 23 das?
a.3
en menos de 8 das?
a.4
en 12 das o ms?
b)
dentro de cuntos das sern pagadas el 99.5% de las cuentas?
18)

a)

b)
19)

suponga que el tiempo necesario para que germine una variedad de semillas de una
planta est normalmente distribuido con una media de de 15 das y desviacin
estndar de 4 das.
Qu proporcin de las semillas deben germinar
a.1 dentro de 19 das?
a.2 despus de 23 das?
Despus de cuntos das deben haber germinado las partes de las semillas?
El editor de una casa editorial calcula que transcurren en promedio 11 meses antes de
terminar el proceso de publicacin, desde la elaboracin del manuscrito hasta
terminar con el libro, con una desviacin de 2.4 meses. Piensa que la distribucin
normal describe bien los tiempos de publicacin. De 19 libros que tendr a su cargo
este ao, aproximadamente cuntos finalizarn el proceso de menos de un ao?
37