Está en la página 1de 48

ESTADSTICA APLICADA EN MANUFACTURA

MTRO. JORGE VELAZQUEZ C.


DISTRIBUCIONES DE PROBABILIDAD

En la mayora de los problemas de estadstica interesan uno o varios nmeros, que estn
relacionados con los resultados de experimentos. Cuando inspeccionamos un producto puede
interesarnos el nmero de productos rechazados, al analizar una carrera de autos puede
interesarnos la velocidad promedio y el consumo promedio de combustible. Todos estos nmeros
estn asociados a situaciones en que interviene un elemento al azar, en otras palabras son valores
de variables aleatorias.
Se tienen dos tipos de variables aleatorias: Discretas y Continuas. Las variables aleatorias
discretas pueden ser por ejemplo el nmero de botellas que se rompen cuando se cae una caja de
ellas, tome en cuenta que se pueden romper 0, 1, 2,..., 24, y que este fenmeno se sucede slo en
cantidades enteras. Cuando no es posible asignarle al suceso o evento una cantidad entera, se est
hablando de variables aleatorias continuas, por ejemplo si se quiere saber la altura de una persona,
se tiene por costumbre un valor discreto por ejemplo 1.72 mts, pero en realidad slo es una
costumbre, por que los aparatos o instrumentos que se utilizan as lo determinan, pero si se
contara con otros dispositivos la medida pudiera ser 1.72125......mts. En trminos generales no es
posible asignar un valor a un evento, dicho de otra manera la cantidad de nmeros que hay entre
los dgitos 0 y 1 es infinita, o entre cualquier par de dgitos.

FUNCIONES DE DISTRIBUCIN DE PROBABILIDAD DISCRETA

Cuando es posible definir cada evento y asignarle a cada uno de ellos una parte de la probabilidad,
se refiere a funciones de distribucin de probabilidad discretas.
Por ejemplo: considere el experimento que consiste en tirar un dado de seis caras, los eventos que
pueden suceder son: 1, 2, 3, 4, 5 y 6, y a cada uno de esos eventos les corresponde una
probabilidad. En este caso como las caras todas tienen la misma oportunidad de ocurrir, la
probabilidad de cada una de ellas es 1 / 6, por lo que la distribucin de probabilidad queda de la
siguiente forma:

Analizando la tabla anterior se puede decir que al tirar el dado algo necesariamente va a ocurrir,
esto es cae 1, cae 2, etc. por lo que la probabilidad de ese algo P (algo) = 1, en este caso por as
convenir el 1 se presenta como 6 / 6, para poder ver que se va a repartir entre los diferentes
eventos como se muestra en la tabla, por eso se denomina funcin de distribucin de probabilidad
discreta.
Existen muchos otros experimentos en los cuales la probabilidad no se reparte en cantidades
iguales como el caso de la tabla anterior, considere por ejemplo que en lugar de tirar un dado,
ahora se tiran dos simultneamente, y que los eventos que interesan son el total de puntos que se
obtienen con los dados, esto es 2, 3, 4,..., 10, 11, 12. Para calcular la probabilidad asociada a cada
uno de estos eventos es necesario conocer las formas favorables en que estos pueden ocurrir, por
ejemplo para obtener dos puntos slo se da cuando ambos dados caen en 1, para el evento 3
puntos se puede dar (1,2) y (2,1), o sea dos formas favorables, de la misma forma para obtener
EVENTO CARA 1 CARA 2 CARA 3 CARA 4 CARA 5 CARA 6 TOTAL
PROBABILIDAD 1/6 1/6 1/6 1/6 1/6 1/6 6/6
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
2
siete puntos se puede dar (1,6), (6,1), (2,5), (5,2), (3,4) y (4,3), siguiendo un procedimiento
semejante se construye la siguiente tabla:


En algunos casos las distribuciones de probabilidad siguen un patrn caracterstico, que permite
formular un modelo que las represente. Entre los modelos ms comunes para las distribuciones de
probabilidad discretas se tiene: La distribucin Binomial, la distribucin Hipergeomtrica, la
distribucin Multinomial, la distribucin Geomtrica, la distribucin de Poisson entre otras.

LA DISTRIBUCIN BINOMIAL


A menudo los experimentos que se realizan en pruebas repetidas, slo dan como respuesta el
xito o el fracaso, esto frecuentemente se puede asociar a muchas situaciones, por lo que es
posible describir su comportamiento mediante el modelo de Bernoulli, que conlleva a la
distribucin Binomial.
Para distinguir a la distribucin Binomial de otras distribuciones es necesario identificar los
siguientes elementos:
1 El experimento consiste en n pruebas que se repiten.
2 Cada prueba del experimento produce un resultado que se puede clasificar como xito o
fracaso.
3 La probabilidad de xito se denota como p, y es la misma en todas las pruebas, esto es
no cambia. La probabilidad del fracaso se denomina q o (1 p)
4 Las pruebas que se repiten son independientes, esto significa que la ocurrencia de un
xito o fracaso en una prueba no modifica las posibilidades para las prximas pruebas.

Se tiene entonces la siguiente expresin para la distribucin:

p(x) =
n
C
x
p
x
q
n x


A partir de un ejemplo, ser desarrollada una ecuacin que permita solucionar cualquier problema
que tenga este tipo de distribucin.
Ejemplo: Se lanza al aire una moneda normal 3 veces, determine la probabilidad de que aparezcan
2 guilas.
Solucin: Antes de empezar a resolver este problema, lo primero que hay que hacer es
identificarlo como un problema que tiene una distribucin binomial, y podemos decir que
efectivamente as es ,ya que se trata de un experimento en donde solo se pueden esperar dos tipos
de resultados al lanzar la moneda, guila o sello, estas probabilidades de ocurrencia son
constantes, cada uno de los lanzamientos es independiente de los dems y el nmero de ensayos o
repeticiones del experimento son constantes, n = 3.
EVENTO 2 3 4 5 6 7 8 9 10 11 12 total
Formas posibles 1 2 3 4 5 6 5 4 3 2 1 36
Probabilidad 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 36/36
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
3
Para dar solucin a este problema, lo primero que hay que hacer es un diagrama de rbol, en
donde representaremos los tres lanzamientos, de ah se obtendr el espacio muestral y
posteriormente la probabilidad pedida, usando la frmula correspondiente.



= {AAA, AAS, ASA, ASS, SAA, SAS, SSA, SSS}
Para obtener la frmula, definiremos lo siguiente:
n = nmero de lanzamientos de moneda
x = nmero de xitos requeridos = nmero de guilas = 2
p = probabilidad de xito = p(aparezca guila) =
q = probabilidad de fracaso = p (aparezca sello) =

Es posible partir de la siguiente expresin para desarrollar la ecuacin; P (aparezcan 2 guilas) =
(No. De ramas del rbol en donde aparecen 2 guilas) (probabilidad asociada a cada rama)
Entonces el nmero de ramas en donde aparecen dos guilas se puede obtener enumerando las
ramas de inters, estas seran: AAS, ASA, SAA, qu tipo de arreglos son estos elementos del
espacio muestral?, Son permutaciones en donde algunos objetos son iguales, entonces, el nmero
de ramas se puede obtener con la frmula correspondiente:
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
4
! ! !
!
2 1
, 2 , 1
k
xk x x n
x x x
n
P
L
L
=

Donde

n = x
1
+ x
2
+...+ x
k

Sustituyendo en esta frmula, tenemos lo siguiente:
)! ( !
!
) ( ,
x n x
n
P
x n x n



Esta ecuacin puede ser sustituida por la de combinaciones, solo en el caso de dos tipos de
objetos, si hay ms de dos tipos de objetos, definitivamente solo se usa la frmula original, como
se observar en el caso de la distribucin multinomial, pero por qu vamos a cambiar de
ecuacin? , simplemente porque las combinaciones en realidad son un caso particular de
permutaciones especiales con elementos idnticos, esto es no importa el lugar de acomodo en el
arreglo:
)! ( !
!
x n x
n
C
x n

=

Sustituyendo valores, es posible darse cuenta de que efectivamente son 3 las ramas de inters, que
son donde aparecen dos guilas, donde n = 3, x = 2.
ramas 3
)! 1 3 ( ! 2
! 3
2 3
=

= C

Y la probabilidad asociada a cada rama?
Probabilidad asociada a cada rama = p (guila) p (guila) p (sello) = (p) (p) (q) = p
2
q
De aqu que se puede inferir para lo general:

x n x
q p


Uniendo las dos ecuaciones obtenidas, se puede obtener la ecuacin para la distribucin binomial:

x n x
x n
q p C p x n P

= ) , , (

Donde: p(x, n, p) = probabilidad de obtener en n ensayos x xitos, cuando la probabilidad de
xito es = p.
La media y la distribucin estndar de las distribuciones de probabilidad son importantes, en el
caso de la binomial estas son utilizadas como propiedades, y a manera de elementos para poder
hacer clculos mediante aproximaciones por otras distribuciones, que sern explicadas ms
adelante.


ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
5
Ejemplo: La probabilidad de que un agente de tarjetas de crdito logre adquirir un nuevo cliente
por telfono es de 1/3, si elige al azar a 10 personas de un directorio telefnico, cul es la
probabilidad (CELP) de que logre adquirir exactamente a tres nuevos clientes?

Este experimento consiste en realizar 10 veces el intento.
En cada uno de los intentos puede haber xito (adquirir un nuevo cliente) o fracaso.
El hecho de que una persona decida aceptar la tarjeta, no implica que otra persona lo vaya a hacer,
ya que son llamadas por telfono, y ni siquiera conoce a los otros.
La probabilidad de xito p = 1/3 y la de fracaso por tanto es 1 p = q = 1 1/3 = 2/3

Se tiene entonces que:

p(x) =
n
C
x
p
x
q
n x
= p(3) =
10
C
3
(1/3)
3
(2/3)
10 3
= ( ) ( ) 26012 0
3
2
3
1
7 3
10
7 3
.
! !*
!
=
(



Suponga ahora en el ejemplo anterior que desea evaluar a lo probabilidad de adquirir al menos a
tres nuevos clientes. De forma semejante, slo que ahora se deben evaluar varias probabilidades
y es necesario pensar en todas las opciones, esto es: es posible que 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 o 10
clientes acepten la tarjeta. Para cada uno de esos 11 posibles eventos existe una probabilidad
asociada, que componen la funcin de distribucin de probabilidad, para este caso al menos
tres equivale a que 3, 4, 5, 6, 7 8, 9 o 10 clientes acepten la tarjeta, por lo que la probabilidad de
que suceda corresponde a:

P = p (3) + p (4) + p (5) + p (6) + p (7) + p (8) + p (9) + p (10)

Resulta un poco incomodo calcular tantas probabilidades, por lo que es posible analizar el
problema desde otro ngulo. Como se coment la probabilidad se distribuye entre las 11 posibles
opciones, de forma tal que la suma de todas ellas deber ser igual a uno, por lo que es posible
desarrollar la siguiente expresin:
p (0) + p (1) + p (2) + p (3) + p (4) + p (5) + p (6) + p (7) + p (8) + p (9) + p (10) = 1

Si se agrupan adecuadamente los elementos de esta expresin, buscando resolver la pregunta del
problema es posible desarrollar la siguiente expresin:

p (3) + p (4) + p (5) + p (6) + p (7) + p (8) + p (9) + p (10) = 1 {p (0) + p (1) + p (2)}

Por consiguiente la cantidad de operaciones disminuye de forma considerable. Aplicando la
formula p (x) =
n
C
x
p
x
q
n x
para x = 0, x = 1, x = 3 se obtiene:


p (3) + p (4) + p (5) + p (6) + p (7) + p (8) + p (9) + p (10) = 1 {0.01734 + 0.08670 + 0.19509}

y en consecuencia la probabilidad de al menos tres= 0.70086

ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
6
Para calcular la media y la desviacin estndar de un experimento que tenga una distribucin
binomial se utilizan las propiedades de dicha distribucin, que fcilmente pueden ser demostradas
a partir de la definicin,

= ) (x xp , con lo que se llega a:


Media o valor esperado:
np =
Donde: n = nmero de ensayos o repeticiones del experimento p = probabilidad de xito o la
probabilidad referente al evento del cual se desea calcular la media de la distribucin, q =
complemento de p (1 p).

Partiendo de la definicin de la desviacin estndar:

= ) ( ) (
2 2
x p x
Con lo anterior es posible hacer las substituciones correspondientes, y se llega a:

npq = , que es la desviacin estndar para la distribucin binomial.

Ejemplos:

1. Se dice que el 75% de los accidentes de una planta se atribuyen a errores humanos. Si en un
perodo de tiempo dado, se suscitan 5 accidentes, determine la probabilidad de que: a) dos de los
accidentes se atribuyan a errores humanos, b) como mximo 1 de los accidentes se atribuya a
errores de tipo humano, c) tres de los accidentes no se atribuyan a errores humanos.

Solucin:
a) n = 5;
x = variable que define el nmero de accidentes debidos a errores humanos x = 0, 1, 2,..., 5
accidentes debidos a errores de tipo humano
p = p (xito) = p (un accidente se deba a errores humanos) = 0.75
q = p (fracaso) = p (un accidente no se deba a errores humanos) = 1- p =1 0.75 = 0.25
p(x = 2, n = 5, p = 0.75) =
5
C
2
(0.75)
2
(0.25)
52
= (10) (0.5625) (0.015625) = 0.08789
{En el inciso b) se detalla el manejo de la funcin con Excel}

ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
7


b) p(x = 0,1, n = 5, p = 0.75) = p(x = 0) + p (x = 1) =
5
C
0
(0.75)
0
(0.25)
5
+
5
C
1
(0.75)
1
(0.25)
4
=
0.000976 + 0.014648 = 0.015625. Con la ayuda de Excel es mucho ms sencillo realizar los
clculos, como se muestra en la figura siguiente:
Pulse el icono fx.
Localice en funciones estadsticas DISTR.BINOM.
Ponga los datos como se muestra.
La ventana acumulado, se utiliza con los valores 0 y 1 (falso y verdadero), en este caso
dado que se requiere calcular P(0) + P(1) se pone el valor de 1 (verdadero)



c) En este caso se cambia el valor de p;
n = 5
x = variable que define el nmero de accidentes que no se deben a errores de tipo humano.
x = 0, 1, 2,..., 5 accidentes debidos a errores humanos
p = p (probabilidad de que un accidente no se deba a errores humanos) = 0.25
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
8
q = p (probabilidad de que un accidente se deba a errores humanos) = 1 p = 0.75
p(x = 3, n = 5, p = 0.25) =
5
C
3
(0.25)
3
(0.75)
2
= (10) (0.015625) (0.5625) = 0.08789

2. Si la probabilidad de que el vapor se condense en un tubo de aluminio de cubierta delgada a
10atm. De presin es de 0.40, si se prueban 12 tubos de ese tipo y bajo esas condiciones,
determine la probabilidad de que:
a) el vapor se condense en 4 de los tubos;
b) en ms de 2 tubos se condense el vapor;
c) el vapor se condense en exactamente 5 tubos.

Solucin:
a) n = 12;
x = variable que nos define el nmero de tubos en que el vapor se condensa
x = 0, 1, 2, 3,...,12 tubos en el que el vapor se condensa
p = p (se condense el vapor en un tubo de aluminio a 10 atm) = 0 .40
q = p (no se condense el vapor en un tubo de aluminio a 10 atm) =1 p = 0.60
p(x = 4, n = 12, p = 0.40) =
12
C
4
(0.40)
4
(0.60)
8
= (495) (0.0256) (0.016796) = 0.21284

b) p (x =3, 4,..., 12, n =12, p = 0.40) = p(x = 3) + p(x = 4) + + p(x = 12) =1 - [p(x = 0, 1, 2)]
=1 [
12
C
0
(0.40)
0
(0.60)
12
+
12
C
1
(0.40)
1
(0.60)
11
+
12
C
2
(0.40)
2
(0.60)
10
]
=1 [0.002176 + (12) (0.4) (0.003627) + (66) (0.16) (0.006047)]
= 1 [0.002176 + 0.0174096 + 0.06385632] = 0.91656
c) p (x = 5, n =12, p = 0.40) =
12
C
5
(0.40)
5
(0.6)
7
= (792) (0.01024) (0.0279936) = 0.22703

3. La probabilidad de que el nivel de ruido de un amplificador de banda ancha exceda de 2dB
(decibeles) es de 0.15, si se prueban 10 amplificadores de banda ancha, determine la probabilidad
de que: a) en solo 5 de los amplificadores el nivel de ruido exceda los 2 dB, b) por lo menos en 2
de los amplificadores, el ruido exceda de 2 dB, c) que entre 4 y 6 amplificadores no se excedan de
los 2 dB, d) encuentre el nmero esperado de amplificadores que se exceden de un nivel de ruido
de 2 dB y su desviacin estndar.

Solucin: a) n = 10 x = variable que nos define el nmero de amplificadores de banda ancha que
su nivel de ruido excede de 2dB; x = 0, 1, 2,..., 10 amplificadores en los que el nivel de ruido
excede de los 2 dB; p = P (un amplificador exceda su nivel de ruido de 2 dB) = 0.15; q = p (un
amplificador no exceda su nivel de ruido de 2 dB) = 1 p = 0.85
p(x = 5,n = 10, p = 0.15) =
10
C
5
(0.15 )
5
(0.85 )
7
=(252 )(0.00007593 )(0.4437053 ) = 0.00849

b) P(x = 2, 3... 10, n =10, p = 0.15) = 1 - p(x = 0.1) =
=1 [
10
C
0
(0 .15)
0
(0 .85)
10
+
10
C
1
(0 .15)
1
(0 .85)
9
]

=1 [(0.19687 + (10) (0.15) (0.231617)] =1 - 0.544296 = 0.455705

c) n = 10
x = variable que nos define el nmero de amplificadores de banda ancha que su nivel de ruido no
excede de 2dB
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
9
x = 0, 1, 2,...,10 amplificadores que su nivel de ruido no excede de los 2dB
p = p (un amplificador no exceda su nivel de ruido de 2dB)=0.85
q = p (un amplificador exceda su nivel de ruido de 2dB) = 1 p = 0.15
p(x = 4, 5, 6, n = 10, p = 0.085) =
10
C
4
(0.85)
4
(0.15)
6
+
10
C
5
(0.85)
5
(0.15)
5
+
10
C
6
(0.85)
6
(0.15)
4
=
= (210) (0.522) (0.00001139) + (252) (0.4437) (0.000075937) + (210) (0.3771495) (0.0005063)=
= 0.001249 + 0.00849 + 0.0400997 = 0.04983

d) n = 10; p = 0.15; q = 1 p = 0.85
= np = (10) (0.15)=1.5 2amplificadores

Interpretacin:
Se espera que en promedio 2 de los 10 amplificadores probados se excedan de un nivel de ruido
de 2Db.
1 1 1291 . 1 ) 85 . 0 )( 15 . 0 )( 10 ( = = = npq amplificador

Interpretacin: Este experimento puede variar en 2 1amplificador, esto es, de 1 a 3
amplificadores que se excedan de un nivel de ruido de 2 Db.

PROBLEMAS RESUELTOS DE LA DISTRIBUCIN BINOMIAL

1 Determinar la probabilidad de sacar tres seises en cinco tiradas de un dado.

R = ya que cada vez que se tira el dado la probabilidad de cada una de las caras no ha cambiado
se pude decir que los eventos son independientes. Existe en cada caso un xito llamado obtener 6
y un fracaso no obtenerlo, tambin existe una cantidad definida en la duracin del experimento
(cinco tiros), y una cantidad deseada de xitos, todo ello conduce a la distribucin binomial.

Sea:
x n X
X N
q p C X P

= ) (

Se tiene por otro lado que: n = 5; x = 3; p = 1 / 6; q = 5 / 6 por lo que:
x n X
X N
q p C X P

= ) ( =
3888 / 125 ) 36 / 25 )( 216 / 1 (
! 2 ! 3
! 5
) 6 / 5 ( ) 6 / 1 ( ) (
3 5 3
3 5
= = =

C X P
= 0.0321
Si se desea llevar a cabo el clculo mediante la ayuda de Microsoft Excel, utilice la ventana que a
continuacin se muestra:
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
10



2 De todas las unidades producidas en cierto proceso, 10% es defectuosa. Cul es la
probabilidad de que en una muestra de 12 unidades producidas en este proceso:
a) al menos dos sean defectuosas?
b) cuatro unidades mximo sean defectuosas?

R = El problema rene las caractersticas de la distribucin binomial al igual que el anterior, ya
que se tiene xito (obtener defectuosas) y fracaso (no obtenerlas), al no conocer la cantidad de
unidades producidas, se considera que es una cantidad lo suficientemente grande para no verse
afectada al sacar una de ellas, y por tanto se supone que la probabilidad de ocurrencia no cambia,
esto es existe independencia en la repeticin del experimento.

Sea: n = 12; p = 10% = 0.1; q = 1 p = 0.9
Para el inciso a) al menos dos lleva a x = 2, 3, 4, 5, 6, 7, 8, 9, 10, 11 y 12 por lo que se requiere
calcular la probabilidad de cada una de ellas y sumarla, esto es:
P (al menos dos) = P(2) + P(3) + P(4) + P(5) + P(6) + P(7) + P(8) + P(9) + P(10) + P(11) +
P(12) que representa demasiados clculos, por lo que se recomienda calcular la probabilidad
complementaria: P (al menos dos) = 1 { P(0) + P(1) }
1
11 1
1 12
12 0
0 12
) 9 . 0 ( ) 1 . 0 ( ) 9 . 0 ( ) 1 . 0 ( C C = 1 0.6590= 0.3410

De la misma forma mediante la ayuda de Microsoft Excel:
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
11


Ya que la probabilidad pedida es el complemento slo es necesario escribir:
Complementaria: P (al menos dos) = 1 {P (0) + P (1)} = 1 0.6590 = 0.3410

Para el inciso b) cuatro mximo = P(0) + P(1) + P(2) + P(3) + P(4)
=
9956 . 0 ) 9 . 0 ( ) 1 . 0 ( ) 9 . 0 ( ) 1 . 0 ( ) 9 . 0 ( ) 1 . 0 ( ) 9 . 0 ( ) 1 . 0 ( ) 9 . 0 ( ) 1 . 0 (
8 4
4 12
9 3
3 12
10 2
2 12
11 1
1 12
12 0
0 12
= + + + + C C C C C

De la misma forma que el anterior mediante el uso de Excel:



3 Un fabricante asegura que al lo mas el 10% de sus frascos de caf contienen menos caf del
que dice la etiqueta. Para probar la afirmacin se eligen 16 frascos y se pesan, su afirmacin es
aceptada si menos de tres frascos contienen menos caf del que indica la etiqueta. Encuentre las
probabilidades de que sea aceptada la afirmacin del empresario si el contenido real de los frascos
que contienen menos caf del que indica la etiqueta es de 15%.

ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
12
R = Las condiciones del problema tambin se refieren a una distribucin normal, ya que el xito
es contener menos caf del que dice la etiqueta, existe una cantidad definida de experimentos, y la
probabilidad de xito no cambia a pesar de lo que ocurra.

Sea: n = 16; P = 15% = 0.15; q = 1 p = 0.85 P( menos de tres) = P(0) + P(1) + P(2)
=
5613 . 0 ) 85 . 0 ( ) 15 . 0 ( ) 85 . 0 ( ) 15 . 0 ( ) 85 . 0 ( ) 15 . 0 (
14 2
2 16
15 1
1 16
16 0
0 16
= + + C C C


Mediante Excel, se obtiene el mismo resultado como se muestra:
























ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
13
LA DISTRIBUCIN HIPERGEOMTRICA

Suponga que se desea conocer el nmero de clientes morosos presentes en una muestra de n
unidades extradas de un listado que contiene N clientes, dentro de la cual a de ellos son
morosos. Si la muestra de n clientes se extrae de forma tal que al elegirlo se tacha de ese listado,
esto hace que ya no sea elegible de nuevo, y por tanto la cantidad de clientes morosos a, ha
cambiado a a 1, y del mismo modo la existencia total de clientes N tambin ha cambiado a
N 1. Al estar modificando las cantidades disponibles, en realidad produce cambios en los
valores de la probabilidad de los eventos siguientes, ya que los elementos favorables, as como los
posibles van cambiando.
La Distribucin Hipergeomtrica permite modelar este tipo de problemas, por lo que es posible
identificar las caractersticas de esta funcin de distribucin de probabilidad:
1 Existe una cantidad definida inicial de elementos que poseen una caracterstica
particular: morosos, defectuosos, bonitos, etc.
2 Se elige una cantidad sucesiva de elementos (n) de la poblacin (N), sin que los
elementos elegidos sean nuevamente elegibles (se descartan una vez obtenidos).
3 Se desea evaluar la probabilidad de obtener una cantidad definida de elementos (x), que
posee la caracterstica en cuestin (a)
Los experimentos que tienen este tipo de distribucin tienen las siguientes caractersticas:
a) Al realizar un experimento con este tipo de distribucin, se esperan dos tipos de
resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repeticin del experimento no es independiente de los dems.
d) El nmero de repeticiones del experimento (n) es constante.

La expresin que representa a la funcin de distribucin de probabilidad hipergeomtrica es:


( )( )
n N
x n a N x a
C
C C
x P

= ) (
Ejemplo: suponga que en un almacn de materia prima se tienen 100 cubetas con productos
qumicos, 25 de los cuales ya han caducado. Durante una auditoria se eligen 10 cubetas, CELP
de obtener exactamente 3 de las que estn caducadas?

Se tienen los siguientes datos:
N = 100 que es el total de cubetas
n = 10 que son las cubetas que se van a elegir
a = 25 que son las cubetas caducadas (caracterstica particular)
x = 3 es la cantidad que se desea evaluar para calcular la probabilidad.

( )( )
n N
x n a N x a
C
C C
x P

= ) ( =
( )( )
10 100
3 10 25 100 3 25
3
C
C C
P

= ) ( =
( )( )
10 100
7 75 3 25
C
C C
=0.2637
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
14

Ejemplo: En una urna o recipiente hay un total de N objetos, entre los cuales hay una cantidad
a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al azar, y sin
reemplazo, cul es la probabilidad de obtener x objetos defectuosos?
Solucin:

Luego;
n N
x n x a
C
C C
n x p

=
a - N

) ; (

Donde: p(x, n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados.

x n x a
C C
a - N
= muestras de n objetos en donde hay x que son defectuosos y n-x buenos.
=
n N
C = todas las muestras posibles de seleccionar de n objetos tomadas de entre N
objetos en total = espacio muestral

Ejemplo; Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son defectuosos,
si se seleccionan 4 objetos al azar, cul es la probabilidad de que 2 sean defectuosos?
Solucin:

N =10 objetos en total
a = 3 objetos defectuosos
n = 4 objetos seleccionados en muestra
x = 2 objetos defectuosos deseados en la muestra

30 . 0

) 4 ; 2 (
4 10
2 4 3 - 10 2 3
= = = =

C
C C
n x p
Es importante sealar que en esta distribucin las probabilidades no permanecen constantes a lo
largo del experimento.

Ejemplos:
1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de narctico en una
botella que con tiene 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 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?

Solucin:
a) N = 9 + 6 = 15 total de tabletas
a = 6 tabletas de narctico
n = 3 tabletas seleccionadas
x = 0, 1, 2, o 3 tabletas de narctico = variable que indica el nmero de tabletas de narctico que
se puede encontrar al seleccionar las 3 tabletas
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
15
p (viajero sea arrestado por posesin de narcticos) = p (de que entre las 3 tabletas seleccionadas
haya 1 o ms tabletas de narctico)
81538 . 0

) 3 ; 3 , 2 , 1 (
3 15
0 9 3 6
3 15
1 9 2 6
3 15
2 9 1 6
= + + = = =
C
C C
C
C C
C
C C
n x p
Otra forma de resolver;
P (el viajero sea arrestado por posesin de narcticos) = 1 p (de que entre las tabletas
seleccionadas no haya una sola de narctico)
81538 . 0

) 3 ; 0 ( 1
3 15
3 9 0 6
= = = =
C
C C
n x p
b) p (no sea arrestado por posesin de narcticos)
184615 . 0

) 3 ; 0 (
3 15
3 9 0 6
= = = =
C
C C
n x p

2. De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3
proyectiles defectuosos que no explotarn, cul es la probabilidad de que, a) los 4 exploten?,b) al
menos 2 no exploten?

Solucin:
a) N = 10 proyectiles en total
a = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero de proyectiles que
explotan entre la muestra que se dispara
16667 . 0

) 4 ; 4 (
4 10
0 3 4 7
= = = =
C
C C
n x p
b) N = 10 proyectiles en total
a = 3 proyectiles que no explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2 o 3 proyectiles que no explotan
p (al menos 2 no exploten) = p (2 o ms proyectiles no exploten) = p (x = 2 o 3; n = 4) =
= 333333 . 0

) 4 ; 3 , 2 (
4 10
1 7 3 3
4 10
2 7 2 3
= + = = =
C
C C
C
C C
n x p
3. a)Cul es la probabilidad de que una mesera se rehse a servir bebidas alcohlicas nicamente
a dos menores de edad si verifica aleatoriamente solo 5 identificaciones de entre 9 estudiantes, de
los cuales 4 no tienen la edad suficiente?;
b) Cul es la probabilidad de que como mximo 2 de las identificaciones pertenezcan a menores
de edad?

Solucin:
a) N = 9 total de estudiantes;
a = 4 estudiantes menores de edad;
n = 5 identificaciones seleccionadas;
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
16
x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de
edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
47619 . 0

) 5 ; 2 (
5 9
3 5 2 4
= = = =
C
C C
n x p
b) N = 9 total de estudiantes;
a = 4 estudiantes menores de edad;
n = 5 identificaciones seleccionadas;
x = variable que nos define el nmero de identificaciones que pertenecen a personas menores de
edad x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
64286 . 0

) 5 ; 2 , 1 , 0 (
5 9
3 5 2 4
5 9
4 5 1 4
5 9
5 5 0 4
= + + = = =
C
C C
C
C C
C
C C
n x p

PROBLEMAS RESUELTOS DE LA DISTRIBUCIN HIPERGEOMTRICA

1 Un anuncio contiene fotografas de 10 piezas de joyera. Ocho son piezas baratas y dos son
gemas muy costosas. Si no pueden distinguirse las fantasas de las gemas.
a) CELP de que al elegir dos piezas al azar ambas sean gemas?
b) CELP de elegir al menos una gema?

R = Este problema tiene la caracterstica de que el universo est partido en fantasas y gemas, al
elegir la primera pieza, el universo se altera y por tanto la probabilidad cambia por lo que tiene las
caractersticas de una distribucin hipergeomtrica:
Sea
n N
X n a N X a
C
C C
X P

= ) (
Se tiene de acuerdo a la ecuacin que:
a = (caracterstica especial gemas) = 2;
N = de un total de 10 = 10; n = elegir dos = 2
X = elegir dos gemas = 2
Por lo que:
n N
X n a N X a
C
C C
X P

= ) ( 0222 . 0
2 10
0 8 2 2
= =
C
C C

Tambin mediante Excel es posible obtener el resultado como se muestra:



ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
17
Para el inciso b) al menos una equivale a decir que salga una o que salgan dos, lo que corresponde
a calcular P (1) + P (2) = + =
2 10
1 8 1 2
C
C C
3777 . 0
2 10
0 8 2 2
=
C
C C

Mediante Excel slo hace falta calcular P (1), ya que P (2) se encuentra en la ventana mostrada
para el inciso anterior, esto es P (2) = 0.0222, y para P (1) se muestra:



Por lo que la probabilidad pedida = 0.0222 + 0.35555 = 0.3777


2 Un producto industrial determinado se embarca en lotes de 20. La prueba para determinar si un
artculo es defectuoso es muy costosa y por lo tanto se utiliza el muestreo, en lugar de hacer
inspeccin al 100%. Un proyecto de muestreo elaborado para minimizar el nmero de artculos
defectuosos exige un muestreo de 5 artculos del lote y este es rechazado si se encuentran ms de
un artculo defectuoso. Si en particular un lote contiene 4 defectuosos, CELP de que sea
rechazado?

R = como el lote en realidad contiene a = 4 defectuosos, y la probabilidad cambia al extraer el
primer artculo, teniendo que N = 20; n = 5 se tiene que la probabilidad pedida es rechazar si se
encuentra ms de uno esto es:

P (rechazo) = P (2) + P (3) + P (4) no pueden salir 5 malos puesto que slo hay cuatro; como
son demasiados clculos se plantea como una probabilidad complementaria:
P (rechazo) = P (2) + P (3) + P (4) = 1 P (0) P (1)
P (rechazo) =
5 20
5 16 0 4
1
C
C C
2487 . 0 4696 . 0 2817 . 0 1
5 20
4 16 1 4
= =
C
C C

Como se puede observar en las ventanas de Excel, se obtienen los mismos resultados:

ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
18






3 Las especificaciones piden que cierto tipo de termistor soporte entre 9 y 10 mil ohms a 25 C.
De 10 termistores disponibles, se seleccionan tres para usarlos. Sea X entre los tres que no se
apeguen a las especificaciones. Calcule la distribucin de probabilidad de X, si entre los 10 hay
dos que no se apegan a las especificaciones.

R = sea a = dos que no se apegan = 2; N = 10 termistores disponibles = 10; n = se
seleccionan tres para usarlos = 3; X = 0, 1, 2 no puede haber tres porque no hay tres malos.

Como piden la distribucin de probabilidad es necesario calcular cada una de las probabilidades;

n N
X n a N X a
C
C C
X P

= ) ( para X = 0, 1, 2




4666 . 0
15
7
) 0 (
3 10
3 8 0 2
= = =
C
C C
P

Clculos mediante Excel Clculos realizados manualmente
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
19











4666 . 0
15
7
) 1 (
3 10
2 8 1 2
= = =
C
C C
P
0666 . 0
15
1
) 2 (
3 10
1 8 2 2
= = =
C
C C
P
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
20

DISTRIBUCIN HIPERGEOMETRICA GENERALIZADA.

Caractersticas:
a) Al realizar un experimento con este tipo de distribucin, se esperan ms de dos tipos de
resultados.
b) Las probabilidades asociadas a cada uno de estos resultados no son constantes.
c) Los ensayos o repeticiones del experimento no son independientes entres .
d) El nmero de repeticiones del experimento n, es constante.

Entonces en este caso se tienen ms de dos tipos de objetos, por lo que la frmula a utilizar sera:
n N
y x n b a N y b x a
C
C C C
n y x p

=

) , , (
Donde:
N = x + y + z = total de objetos
a = total de objetos del primer tipo
b = total de objetos del segundo tipo
c = N a b = total de objetos del tercer tipo
n = objetos seleccionados en la muestra
x = objetos del primer tipo en la muestra
y = objetos del segundo tipo en la muestra
z = n x y = objetos del tercer tipo en la muestra

Ejemplos:
1. En un lote de productos se tienen 20 productos sin defectos, 3 con defectos menores y 2 con
defectos mayores, deseleccionan al azar 5 productos de este lote, determine la probabilidad de
que:
a) 3de los productos seleccionados no tengan defectos y 1 tenga defectos menores;
b) 4 de los productos seleccionados no tengan defectos y 1 tenga defectos menores.

Solucin:
N = 20 + 3 + 2 = 25 total de artculos
a = 20 productos sin defectos
b = 3 productos con defectos menores
N a b = 2 productos con defectos mayores
n = 5 productos seleccionados en la muestra
x = 3 productos sin defectos en la muestra = variable que define e l # de productos sin defectos en
la muestra.
y = 1 producto con defectos menores en la muestra = variable que define el # de productos con
defectos menores en la muestra
z = n x y = 5 3 1 = 1 producto con defectos mayores en la muestra = variable que define el
# de productos con defectos mayores en la muestra
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
21
128741 . 0

) 5 , 1 , 3 (
5 25
1 2 1 3 3 20
= = = = =
C
C C C
n y x p
b) N = 25
a = 20 productos sin defectos
b = 3 productos con defectos menores
N a b = 2 productos con defectos mayores
n = 5 productos seleccionados en la muestra
x = 4 productos sin defectos en la muestra = variable que define el # de productos sin defectos en
la muestra
y = 1 producto con defectos menores en la muestra = variable que nos define el # de productos
con defectos menores en la muestra
z = n x y = 5 4 1 = 0 productos con defectos mayores en la muestra = variable que nos
define el # de productos con defectos mayores en la muestra
27357 . 0

) 5 , 1 , 4 (
5 25
0 2 1 3 4 20
= = = = =
C
C C C
n y x p
2. Un club de estudiantes extranjeros tiene en sus listas a 2 canadienses, 3 japoneses, 5 italianos y
2 alemanes. Si se selecciona aleatoriamente un comit de 4 estudiantes, encuentre la probabilidad
de que:
a) estn representadas todas las nacionalidades;
b) estn representadas todas las nacionalidades, excepto la italiana.

Solucin:
a)
N = 12 estudiantes
a = 2 Canadienses
b = 3 Japoneses
c = 5 Italianos
N a b c = 2 Alemanes
n = 4 estudiantes seleccionados para formar comit
x = 1 estudiante Canadiense en el comit seleccionado
y = 1 estudiante Japons en el comit seleccionado
z = 1 estudiante Italiano en el comit seleccionado
n x y z = 1 estudiante Alemn en el comit seleccionado
121212 . 0

) 4 ; 1 , 1 , 1 (
4 12
1 2 1 5 1 3 1 2
= = = = = =
C
C C C C
n z y x p
b)
N = 7 estudiantes quitando a los Italianos
a = 2 Canadienses
b = 3 Japoneses
N a b = 2 Alemanes
n = 4 estudiantes seleccionados para formar comit
x = 1 o 2 estudiantes Canadienses en el comit seleccionado
y = 1 o 2 estudiantes Japoneses en el comit seleccionado
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
22
n x y = 1 o 2 estudiantes Alemanes en el comit seleccionado
p (estn representadas todas las nacionalidades, excepto la italiana)
Las combinaciones de personas, en las que queden de las tres nacionalidades son:
p(x = 1, y = 1; n = 4) + p(x =1, y = 2; n = 4) + p(x = 2, y = 1; n = 4) =
04848 . 0

4 12
1 2 1 3 2 2
4 12
1 2 2 3 1 2
4 12
2 2 1 3 1 2
= + +
C
C C C
C
C C C
C
C C C




MEDIA Y VARIANZA DE UNA DISTRIBUCIN DE PROBABILIDAD

La media de una distribucin de probabilidad es el valor esperado de su variable aleatoria.
El valor esperado de una variable aleatoria discreta puede considerarse como el promedio pesado
(ponderado) sobre todos los resultados posibles, siendo los pesos (ponderaciones) la probabilidad
asociada con cada uno de los resultados. La expresin para el valor esperado de una funcin de
distribucin de probabilidad discreta queda de la siguiente forma:

= E(x) =

=
N
i
i i
X P X
1
) (

Considerando nuevamente el ejemplo del par de dados con el que se mostr la funcin de
distribucin de probabilidad, se presentar en la siguiente tabla la misma funcin de distribucin,
y el clculo de E(X)



Como puede observarse en la tabla la suma que se obtiene de los productos

=
N
i
i i
X P X
1
) ( =7, esto
significa que el valor esperado (promedio, o ms probable) para el par de dados es el nmero 7.

La varianza
2
de una variable aleatoria discreta puede definirse como el promedio pesado
(ponderado) de las diferencias cuadradas entre cada resultado posible y su media, siendo los pesos
Evento X
i
2 3 4 5 6 7 8 9 10 11 12 sumas
Formas posibles 1 2 3 4 5 6 5 4 3 2 1 36
Probabilidad P(X
i
) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 36/36
Probabilidad P(X
i
) 0.03 0.06 0.08 0.11 0.14 0.17 0.14 0.11 0.08 0.06 0.03 1.00
X
i
P(X
i
) 0.06 0.17 0.33 0.56 0.83 1.17 1.11 1.00 0.83 0.61 0.33 7
(x - )
2
P(x)
0.694 0.889 0.750 0.444 0.139 0.000 0.139 0.444 0.750 0.889 0.694 5.83
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
23
(ponderaciones) las probabilidades asociadas a cada uno de los resultados. De acuerdo a esto la
expresin para el clculo de la varianza de una variable aleatoria discreta es:


2
=

( )


=
N
i
i i
Px X
1
2
) (
Continuando con la tabla anterior slo basta agregar los clculos que requiere esta frmula, para
obtener la siguiente tabla, y con ella el valor de la varianza:

Evento X
i

2 3 4 5 6 7 8 9 10 11 12 sumas
Formas posibles 1 2 3 4 5 6 5 4 3 2 1 36
Probabilidad P(X
i
)
1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36 36/36
Probabilidad P(X
i
)
0.03 0.06 0.08 0.11 0.14 0.17 0.14 0.11 0.08 0.06 0.03 1.00
X
i
P(X
i
)
0.06 0.17 0.33 0.56 0.83 1.17 1.11 1.00 0.83 0.61 0.33 7
(x - )
2
P(x) 0.7 0.9 0.8 0.4 0.1 0 0.1 0.4 0.8 0.9 0.7 5.83
De acuerdo a la tabla el valor de la varianza para este caso es 5.83.
Si se desea calcular el valor de la desviacin estndar slo es necesario obtener la raz cuadrada
del valor de la varianza, que para este caso es 2.415229
En cualquier distribucin de probabilidad discreta es posible calcular los valores de la media y la
varianza, mediante los procedimientos antes mencionado, sin embargo como puede observarse, es
necesario calcular la probabilidad asociada a cada uno de los eventos, para poder realizar los
clculos correspondientes, esto puede en muchos casos resultar poco practico e innecesario,
afortunadamente las distribuciones de uso frecuente como son la Binomial, la Hipergeomtrica, la
de Poisson, cuentan con un procedimiento mucho ms simple, que adems se convierte en una
propiedad muy til e interesante de ellas.
Para la distribucin Binomial la media y la varianza de la distribucin, pueden adems del mtodo
anterior ser calculadas mediante las siguientes expresiones:
= E(x) = np
2
= npq
Como puede notarse no es necesario calcular la probabilidad de cada evento, con los valores
conocidos de n, p, q que se utilizan para el clculo de cualquier probabilidad de la distribucin, es
posible calcular la media y la varianza.
Para el ejemplo de las tarjetas de crdito los clculos son mostrados a continuacin:
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
24
= E(x) = np = (10)*(1/3) = 3.333
2 = npq = (10)*(1/3)*(2/3) = 2.2222
Para la distribucin hipergeomtrica las expresiones correspondientes para la media y la varianza
son las siguientes:
= E(x) = |

\
|
N
a
n
2
=
( )( )( )( )
( )( ) ) 1
2


N N
n N a N a n


DISTRIBUCIN DE POISSON
Los experimentos que dan valores numricos de una variable aleatoria X, el nmero de resultados
que ocurren durante un intervalo dado o en una regin especfica, se llaman experimentos de
Poisson. El intervalo dado puede ser de cualquier longitud, como un minuto, un da, un ao, etc.
Por ello un experimento de Poisson puede generar observaciones para la variable aleatoria X que
representa por ejemplo el nmero de llamadas telefnicas por hora que recibe un conmutador de
oficina, el nmero de accidentes por ao en una empresa, el nmero de bacterias por muestra de
cultivo, etc.
Un experimento de Poisson se deriva del proceso de Poisson y posee las siguientes propiedades:
a) El nmero de resultados que ocurren en un intervalo o regin especfica es
independiente del nmero que ocurre en cualquier otro intervalo o regin del espacio
disjunto. Esto es que el proceso de Poisson no tiene memoria.
b) La probabilidad de que ocurra un solo resultado durante un intervalo muy corto o en
una regin pequea es proporcional a la longitud del intervalo o al tamao de la regin
y no depende del nmero de resultados que ocurren fuera de este intervalo o regin.
c) La probabilidad de que ocurra ms de un resultado en tal intervalo corto o que caiga en
tal regin pequea es insignificante.

Caractersticas:
En este tipo de experimentos los xitos buscados son expresados por unidad de rea, tiempo,
pieza, etc.,
# de defectos de una tela por m
2

# de aviones que aterrizan en un aeropuerto por da, hora, minuto, etc.,
# de bacterias por cm
2
de cultivo # de llamadas telefnicas a un conmutador por hora, minuto, etc.
# de llegadas de embarcaciones a un puerto por da, mes, etc.
La media = se calcula del promedio en la regin de inters, generalmente asociado con el
tiempo por ejemplo el promedio de llamadas por hora, etc.
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
25
La probabilidad asociada se calcula como:
!
) (
X
e
X P
x D
D

= para x = 0, 1, 2, ...
Donde: P(x) = probabilidad de que ocurran x xitos, cuando el nmero promedio de ocurrencia
de ellos es = media o promedio de xitos por unidad de tiempo, rea o producto, e = 2.718
x = variable que denota el nmero de xitos que se desea que ocurra.
Hay que hacer notar que en esta distribucin el nmero de xitos que ocurren por unidad de
tiempo, rea o producto es totalmente al azar y que cada intervalo de tiempo es independiente de
otro intervalo dado, as como cada rea es independiente de otra rea dada y cada producto es
independiente de otro producto dado.

Ejemplos:

1. El nmero promedio de personas que son atendidas por una cajera en un supermercado es de 25
por hora. Cul es la probabilidad de que en una hora en particular sean atendidas 12 personas?
El promedio de personas es = = 25
X = 12 por lo que
!
) (
X
e
X P
x D
D

= =
! 12
25
25 12
=
e
= 0.001728

2. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las probabilidades de
que reciba?:
a) cuatro cheques sin fondo en un da dado;
b) 10 cheques sin fondos en cualquiera de dos das consecutivos

Solucin:
a) x = variable que define el nmero de cheques sin fondo que llegan al banco en un da
cualquiera = 0, 1, 2, 3,....., etc.
= 6 cheques sin fondo por da
e = 2.718
13392 . 0
! 4
6
) 6 , 4 (
6 4
= = = =

e
x P

b) x = variable que define el nmero de cheques sin fondo que llegan al banco en dos das
consecutivos = 0, 1, 2, 3, ......,etc. = 6 x 2 = 12 cheques sin fondo en promedio que llegan al
banco en dos das consecutivos
Nota: debe siempre estar en funcin de x, o dicho de otra forma, debe hablar de lo mismo
que x.
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
26
104837 . 0
! 10
12
) 12 , 10 (
12 10
= = = =

e
x P

3. En la inspeccin de hojalata producida por un proceso electroltico continuo, se identifican 0.2
imperfecciones en promedio por minuto. Determine las probabilidades de identificar a) una
imperfeccin en 3 minutos, b) al menos dos imperfecciones en 5 minutos, c) cuando ms una
imperfeccin en 15 minutos.
Solucin:
a) x = variable que define el nmero de imperfecciones en la hojalata por cada 3 minutos = 0, 1, 2,
3,...., etc.
= 0.2 x 3 = 0.6 imperfecciones en promedio por cada 3 minutos en la hojalata
329307 . 0
! 1
6 . 0
) 6 . 0 , 1 (
6 . 0 1
= = = =

e
x P

b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5 minutos = 0,
1, 2, 3, ....,etc.
= 0.2 x 5 = 1 imperfeccin en promedio por cada 5 minutos en la hojalata.

El universo de oportunidades en cuanto a defectos es que ocurran 0, 1, 2, 3, 4,etc., por lo que al
menos dos equivale a 2, 3, 4, , etc. Esto obliga a pensar en la necesidad de calcular la
probabilidad complemento que equivale a 1 P (0) P (1)

26416 . 0
! 1
1
! 0
1
1
1 1 1 0
=

e e

c) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 15 minutos =
0, 1, 2, 3, .....,etc.,etc.
= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la hojalata.
Cuando mas una equivale a P (0) + P (1), por lo que:

1992106 . 0
! 1
3
! 0
3
3 1 3 0
=

e e


APROXIMACIN DE POISSON A LA DISTRIBUCIN BINOMIAL
Debe ser evidente de los tres principios del proceso de Poisson que la distribucin de Poisson se
relaciona con la distribucin binomial. Aunque la de Poisson por lo regular encuentra aplicaciones
relacionadas con el tiempo y el espacio, puede funcionar como una buena aproximacin para
realizar clculos de esta ltima.
Considerando las propiedades sobre la media y la varianza de la distribucin binomial, que
nuevamente se mencionan:
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
27
np x E = = ) ( npq =
2

Es posible establecer una relacin entre la media (valor esperado) de ambas distribuciones, y por
tanto hacer clculos de la distribucin binomial, mediante la distribucin de Poisson.

En este caso se determinarn probabilidades de experimentos Binomiales, pero que dadas sus
caractersticas, es posible aproximarlas con la distribucin de Poisson, estas caractersticas son,
n (n es muy grande) y 0 p (p es muy pequea), por lo que:

!
) , , (
x
e
q p C p n x P
x
x n x
x n

= =
La expresin anterior solo se cumple cuando n y 0 p , si esto no se cumple, la
aproximacin no se puede llevar a efecto.

Una regla que ayuda a evitar lo complicado de interpretar lo anterior equivale a considerar valores
de n 20 aceptable y p 05 . 0 : s n 100, la aproximacin es generalmente excelente siempre y
cuando np 10.
Mediante los ejemplos que a continuacin se detallan, es posible observar la aplicacin de la
aproximacin de Poisson para la distribucin binomial.
Ejemplo:
1. En un proceso de fabricacin de artculos de vidrio aparecen defectos, como son burbujas o
manchas, lo que deja a la pieza fabricada indeseable para su venta. Se sabe que en promedio uno
de cada 1000 artculos son rechazados para su venta. Cul es la probabilidad de que en una
muestra de 800 artculos elegidos para su revisin siete de ellos sean rechazados?
Dado que es un defecto en cada 1000 se tiene que P (defecto) = 1 / 1000 = 0.001, y por tanto
q = 1 0.001 = 0.999
Se elige una muestra de n = 800, se desea evaluar la probabilidad de X = 7
Como el hecho de que salga un artculo defectuoso no afecta al hecho de que otro aparezca, y
como slo existe el xito (salga defectuoso) o fracaso (no salga) se tiene un problema con
caractersticas binomiales, por lo que:
P (x) =
n
C
x
p
x
q
n x
= p (7) =
800
C
7
(0.001)
7
(0.999)
800 7

= ( ) ( ) 0000183 0 999 0 001 0
793 7
800
793 7
. . .
! !*
!
=
(


ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
28
Realizar estos clculos puede resultar complicado, sobretodo si se hacen en forma manual, por lo
que de acuerdo a la aproximacin y como n es grande 800, y p es pequea 0.001 de forma que
el producto np = 0.8, se tiene que:
= = np = 0.8
!
) (
X
e
X P
x D
D

= =
!
.
.
7
8 0
8 0 7
=
e
= 0.0000186
Es evidente la similitud en los resultados.

2. Si un banco recibe en promedio 5 de cada 100 cheques sin fondo por da, cules son las
probabilidades de que reciba?:
a) Dos cheques sin fondo en un da dado;
b) 10 cheques sin fondos en cualquiera de dos das consecutivos



Solucin:
a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en un da
cualquiera = 0, 1, 2, 3,....., etc.
En este caso el valor pedido, es x = 2 cheques sin fondo por da
0812 . 0 ) 95 . 0 ( ) 05 . 0 ( ) 05 . 0 , 100 , 2 (
98 2
2 100
= = = = = C p n x P


La solucin mediante la aproximacin de Poisson, se puede calcular:
= promedio = np = 5

5 ) 05 . 0 )( 100 ( = = = np

ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
29
2 =

!
=
5

2!
= 0.08422





Como puede ser observado los resultados son bastante semejantes, considerando que es un clculo
mediante una aproximacin. Es importante mencionar que el uso de hojas de clculo como Excel
evita la necesidad de hacer este tipo de aproximaciones, considere el lector que el clculo manual
mediante la distribucin binomial puede resultar laborioso.
El uso de la funcin en Excel es semejante a lo explicado para otras funciones, solamente debe
buscarse POISSON en las funciones estadsticas con el icono fx.

b) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en dos das
consecutivos = 0, 1, 2, 3, ......,etc. = 5 x 2 = 10 cheques sin fondo en promedio que llegan al
banco en dos das consecutivos
Nota: debe siempre estar en funcin de x, o dicho de otra forma, debe hablar de lo mismo
que x.



PROBLEMAS RESUELTOS DE LA DISTRIBUCIN DE POISSON

1 Supngase que 0.005% de la poblacin de un pas muere debido a cierto tipo de accidente cada
ao y que una compaa de seguros tiene entre sus clientes 10,000 que estn asegurados contra
ese tipo de accidente. CELP de que la compaa pague ms de dos plizas en un ao dado?

R = Se tiene que la probabilidad de sufrir un accidente es 0.005% = 0.00005, y que no cambia ya
que el hecho de que un apersona se accidente no afecta a que a otra le pase, existe una cantidad
definida de eventos, que suceda en 0, 1, 2,... etc. por lo que es una distribucin binomial.
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
30
La pregunta ms de dos implica P (2) + P (3) + P (5) + P (6) +... + P (10,000) lo cual sera muy
difcil de calcular, por lo que es preferible calcular la probabilidad complemento:
P (ms de dos) = 1 {P (0) + P (1) + P (2) }

( )
9998 2
2 10000
9999 1
1 10000
10000 0
0 10000
) 99995 . 0 ( ) 00005 . 0 ( ) 99995 . 0 ( ) 00005 . 0 ( ) 99995 . 0 ( ) 00005 . 0 ( 1 C C C + + =
= 1 0.9856 = 0.01438


Ahora como la probabilidad es realmente pequea (0.00005) y n es muy grande (10,000) de
forma que np = 0.5, la aproximacin de POISSON a la distribucin binomial funciona de forma
muy adecuada:
Sea:
!
) (
X
e
X P
X


= de forma tal que 5 . 0 = = = np se tiene que:
P (ms de dos) = 1 {P (0) + P (1) + P (2)} =

( )( ) 01438 . 0 9856 . 0 1 125 . 0 5 . 0 1 1
! 2
5 . 0
! 1
5 . 0
! 0
5 . 0
1
5 . 0
5 . 0 2 5 . 0 1 05 0
= = + + =
|
|

\
|
+ +


e
e e e


Como se pude apreciar la aproximacin de POISSON es muy buena y mucho ms fcil de
calcular que la expresin binomial.

Tambin puede usarse Excel para calcular la expresin de POISSON como se muestra:

Que mediante Excel queda:
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
31



2 En un andn de carga de una empresa los camiones llegan en promedio de 7 camiones por da,
CELP de que en un da determinado no lleguen ms de tres camiones?

R = Cuando la informacin con la que se dispone presenta el promedio relacionado a una unidad
de tiempo y pregunta la probabilidad de algo relacionado a dicho promedio, la distribucin de
POISSON es la herramienta apropiada.
Sea 7 Pr = = omedio
No lleguen ms de tres = lleguen 0 o llegue uno o lleguen dos o lleguen tres =
P(0) + P(1) + P(2) + P(3) y con la expresin de POISSON
!
) (
X
e
X P
X


= se tiene que:
( ) 0818 . 0 ) 17 . 57 5 . 24 7 1 (
! 3
7
! 2
7
! 1
7
! 0
7
) 3 (
7
7 3 7 2 7 1 7 0
= + + + = + + + =


e
e e e e
x P




3 El nmero de llamadas telefnicas que entra a un conmutador es de cuatro llamadas por
minuto. CELP de que;
a) En un minuto determinado lleguen cinco llamadas?
b) En dos minutos consecutivos cualquiera lleguen 7 llamadas?

R = sea 4 Pr = = omedio
Mediante Excel:
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
32
Para el inciso a)
!
) (
X
e
X P
X


= = 15629 0
5
4
5
4 5
.
!
) ( = =

e
P
Para el inciso b) se tiene una propiedad de los procesos de POISSON que permite suponer que si
en un minuto el promedio es de 4, en dos minutos consecutivos el promedio ser 8. por lo que
1396 . 0
! 7
8
) 7 (
8 7
= =

e
P
4 Un estacionamiento cuenta con dos accesos, por el primero de ellos entran un promedio de 4
autos por hora, y por el segundo acceso un promedio de tres por hora (se supone que las llegadas
sigue una distribucin de poisson). CELP de que en una hora determinada entren al
estacionamiento tres autos? (suponga que le nmero de autos que llegan a cada entrada son
independientes)
R = Las diferentes maneras en que pueden llegar los autos y siempre ser tres queda expresado
mediante la siguiente tabla:
Entrada I Entrada II
0 3
1 2
2 1
3 0
Corresponde ahora calcular las probabilidades asociadas a cada uno de los eventos formados por
los renglones de la tabla, esto es 0 autos por la entrada I y 3 por la entrada II, o 1 auto por la
entrada I y 2 por la entrada II, etc.
0522 . 0
! 0
4
! 3
3
! 1
4
! 2
3
! 2
4
! 1
3
! 3
4
! 0
3
) (
4 0 3 3 4 1 3 2 4 2 3 1 4 3 3 0
=
|
|

\
|
|
|

\
|
+
|
|

\
|
|
|

\
|
+
|
|

\
|
|
|

\
|
+
|
|

\
|
|
|

\
|
=

e e e e e e e e
autos tres P

Otra forma mucho ms sencilla es utilizar el proceso de poisson. Como la pregunta en realidad
dice que lleguen 3 autos al estacionamiento (sin especificar por cul puerta), y como la legada de
los autos es independiente de la puerta que utilicen, en realidad se reciben en el estacionamiento
un promedio de 3 + 4 = 7 autos por hora, por lo que la probabilidad pedida queda:
0522 0
3
7
7
7 3
.
! !
) ( = = =

e
x
e
P
X


ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
33
LA DISTRIBUCIN GEOMTRICA
Si pruebas independientes repetidas pueden tener como resultado un xito con probabilidad p, y
un fracaso con probabilidad q = 1 p, entonces la distribucin de probabilidad de la variable
aleatoria X, el nmero de la prueba en el que ocurre el primer xito, es:
g (x) = p q
x 1


Esta distribucin es un caso especial de la Binomial, ya que se desea que ocurra un xito por
primera y nica vez en el ltimo ensayo que se realiza del experimento, para obtener la frmula
de esta distribucin, haremos uso de un ejemplo.
Ejemplo: Se lanza al aire 8 veces una moneda cargada, de tal manera que la probabilidad de que
aparezca guila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3, Determine
la probabilidad de que en el ltimo lanzamiento aparezca un guila.
Solucin: Si se traza un diagrama de rbol que represente los 8 lanzamientos de la moneda, se
observar que la nica rama de ese rbol que interesa es aquella en donde aparecen 7 sellos
seguidos y por ltimo un guila; como se muestra a continuacin:
SSSSSSS A
S se denota; x = el nmero de repeticiones del experimento necesarias para que ocurra un xito
por primera y nica vez = 8 lanzamientos; p = probabilidad de que aparezca un guila = p (xito)
= 2/3; q = probabilidad de que aparezca un sello = p (fracaso)=1/3
Entonces la probabilidad buscada sera;
P (aparezca un guila en el ultimo lanzamiento)=p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(A)=
=q*q*q*q*q*q*q*p = qp
x1

Luego, la ecuacin a utilizar cuando se desee calcular probabilidades con esta distribucin sera;
p(x) = q
x

1
p
Donde: p (x) = probabilidad de que ocurra un xito en el ensayo x por primera y nica vez p =
probabilidad de xito q = probabilidad de fracaso
Resolviendo el problema de ejemplo; x = 8 lanzamientos necesarios para que aparezca por
primera vez una guila p = 2/3 probabilidad de que aparezca un guila q = 1/3 probabilidad de que
aparezca un sello
p(x = 8) = (1/3)
81
(2 /3) = 0.0003048

Ejemplo 2. Si se sabe que en promedio uno de cada 100 billetes que recibe la cajera de un banco
esta roto, cul es la probabilidad de que el quinto billete que reciba la cajera este roto?
Dado X = 5, p = 1 / 100 = 0.01
Se tiene que el inters de que aparezca por primera vez en el quinto billete, el roto y ah se
termina, ya que la idea era encontrar el primero, por lo que es una distribucin geomtrica, y en
consecuencia:
g (x) = p q
x 1
= (0.01)(0.99)
4
= 0.0096
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
34

PROBLEMAS RESUELTOS DE LA DISTRIBUCIN GEOMTRICA

1 Un tirador experto da en el blanco el 95% de las veces. CELP de que acierte por primera vez
en el quinceavo disparo?

R = De acuerdo a lo descrito en el tema correspondiente a distribucin geomtrica corresponde este
ejemplo por sus caractersticas, ya que la probabilidad no cambia, y la pregunta es el evento xito que
ocurre por primera vez en el intento n.
Por lo tanto de acuerdo a lo anterior:

Dado g (x) = p q
x 1
se tiene que xito = fallar = p = 5% = 0.05;
por lo que q = 1 p =0.95; x = 15:

g(x) = p q
x 1
= g (15) = (0.95) (0.05)
15 1
= 0.0244

2 Un explorador de petrleo perforar una serie de pozos en cierta rea para encontrar un pozo
productivo. La probabilidad de que tenga xito en una prueba es de 0.2. CELP de que no
encuentre ningn pozo productivo si slo puede perforar un mximo de 10 pozos?

R = en este caso no se da el xito, slo fracasos por lo que:
1 no y 2 no y 3 no... y 10 no = (0.8)(0.8)(0.8)... (0.8) = (0.8)
10
= 0.1073 no aparece el valor
de p, por que el xito nunca se da.

3 Se estima que 60% de una poblacin de consumidores prefiere una marca en particular.
CELP, al entrevistar un grupo de personas, de que se tengan que entrevistar a exactamente cinco
para encontrar el primero que prefiere dicha marca?

R = 1 no y 2 no y 3 no y 4 no y 5 si = g (x) = p q
x 1
= g (5) = (0.6) (0.4)
5 1
=0.01536









ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
35









DISTRIBUCIN MULTINOMIAL

Los experimentos binomiales se convierten en multinomiales, si cada prueba tiene ms de dos
resultados posibles. Por ejemplo el rendimiento de las acciones en la bolsa puede ser alto, medio o
bajo.

Caractersticas:
a) Al llevar a cabo un experimento con esta distribucin se esperan ms de dos tipos de
resultados.
b) Las probabilidades asociadas a cada uno de los resultados son constantes.
c) Cada uno de los ensayos o repeticiones del experimento son independientes.
d) El nmero de repeticiones del experimento, n es constante.

En general, si una prueba dada puede tener k resultados posibles E
1
, E
2
,..., E
k
, con
probabilidades respectivas p
1
, p
2
,..., p
k
, entonces la distribucin multinomial dar la
probabilidad de que E
1
ocurra X
1
veces; E
2
ocurra X
2
veces,...; E
k
ocurra X
k
, en n pruebas
independientes, donde:

k
k
x
k
x x
k
x x x n
p p p
x x x
n
P ...
! !... !
!
2 1
2 1
2 1
2 1
..
=


Al igual que se hizo con la distribucin binomial, en este caso se parte de un ejemplo para obtener
la ecuacin general para resolver problemas que tengan este tipo de distribucin.
Ejemplo: Se lanza al aire un dado normal, 5veces, determine la probabilidad de que aparezca dos
nmeros uno, dos nmeros tres y un nmero cinco.
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
36
Solucin:
Si se piensa en la forma que se han resuelto otros problemas, el diagrama de rbol, es una
herramienta visual muy importante, en donde se muestran los 5 lanzamientos del dado; esto sera
muy laborioso, y se muestra parte del mismo a continuacin;

Del diagrama de rbol se podra calcular el espacio muestral y enseguida se determinaran las
probabilidades requeridas. En lugar de lo anterior, se obtendr una ecuacin a partir de la
siguiente expresin:
P (aparezcan dos unos, dos tres y un cinco) = (nmero de ramas en donde haya dos unos, dos tres
y un cinco) (probabilidad asociada a cada una de las ramas)

Para esto se requiere definir lo siguiente:
n = nmero de lanzamientos del dado
x
1
= nmero de veces que aparece el nmero (1) = 2
x
2
= nmero de veces que aparece el nmero (2) = 0
x
3
= nmero de veces que aparece el nmero (3) = 2
x
4
= nmero de veces que aparece el nmero (4) = 0
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
37
x
5
= nmero de veces que aparece el nmero (5) = 1
p
1
= probabilidad de que aparezca el nmero (1) = 1/6
p
2
= probabilidad de que aparezca el nmero (2) = 1/6
p
3
= probabilidad de que aparezca el nmero (3) = 1/6
p
4
= probabilidad de que aparezca el nmero (4) = 1/6
p
5
= probabilidad de que aparezca el nmero (5) = 1/6
p
6
= probabilidad de que aparezca el nmero (6) = 1/6

Luego, cmo se obtendr el nmero de ramas donde aparecen dos nmeros 1, dos nmeros 3 y
un nmero 5?
Enunciando algunas de las ramas, se tiene lo siguiente;
(1, 1, 5, 3, 3), (5, 1, 1, 3, 3), (1, 3, 3, 1, 5),...etc.
Qu tipo de arreglos son estos: combinaciones, permutaciones o qu? Son permutaciones en
donde hay objetos iguales. Por tanto el nmero de ramas se puede obtener de la siguiente manera:
El nmero de ramas = 30
4
120
! 1 ! 2 ! 2
! 5
1 , 2 , 2 5
= = = P 5! = 120
En forma general,
! ! !
1
2 1
, 2 , 1
k
xk x x n
x x x
n
P
L
L
=
Luego la probabilidad asociada a cada una de las ramas, sera;
p (asociada a cada una de las ramas) = p (#1) p (#1) p (#3) p (#3) p (#5) = p
1
* p
1
* p
3
* p
3
* p
5
=
=p
1
2
*p
3
2
*p
5


Es posible inferir para lo general la frmula:
( )
k
x
k
x x
k
k
P P P
x x x
n
x x x P L
L
L
2 1
2 1
2 1
2 1
! ! !
!
, , =
Donde:
p(x
1
, x
2
,...., x
k
, n) = probabilidad de que enn ensayos aparezcan x
1
objetos del primer tipo, x
2

objetos del segundo tipo.......y x
k
objetos del ltimo tipo.
n = x
1
+ x
2
+....+ x
k

Resolviendo el ejemplo;
n = 5
x
1
= nmero de veces que aparece el nmero 1 = 2
x
2
= nmero de veces que aparece el nmero 3 = 2
x
3
= nmero de veces que aparece e l nmero 5 = 1
p
1
= probabilidad de que aparezca el nmero 1 = 1/6
p
2
= probabilidad de que aparezca el nmero 2 = 1/6
p
3
= probabilidad de que aparezca el nmero 3 = 1/6
( ) 003858 . 0
6
1
6
1
6
1
! 1 ! 2 ! 2
! 5
5 , 3 , 2 , 1
1 2 2
3 2 1
=
|

\
|
|

\
|
|

\
|
= = = = = n x x x P

Ejemplos:
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
38
1. Las probabilidades son de 0.40, 0.20, 0.30 y 0.10, respectivamente, de que un delegado llegue a
una convencin: por aire, en autobs, en automvil o en tren.
Cul es la probabilidad (CELP) de que entre 9 delegados seleccionados aleatoriamente en esta
convencin:
a) 3 hayan llegado por aire, 3 en autobs, 1 en auto y 2 en tren?
b) 4 hayan llegado por aire, 1 en autobs y 2 en auto?

Solucin:
n = 9
x
1
= # de delegados que llegan por aire = 3
x
2
= # de delegados que llegan en autobs = 3
x
3
= # de delegados que llegan en auto = 1
x
4
= # de delegados que llegan en tren = 2
p
1
= probabilidad de que un delegado llegue por aire = 0.40
p
2
= probabilidad de que un delegado llegue en autobs = 0.20
p
3
= probabilidad de que un delegado llegue en auto = 0.30
p
4
= probabilidad de que un delegado llegue en tren = 0.10
( ) ( ) ( ) ( ) ( ) 0077414 . 0 1 . 0 3 . 0 2 . 0 4 . 0
! 2 ! 1 ! 3 ! 3
! 9
9 , 2 , 1 , 3 , 3
2 1 3 3
4 3 2 1
= = = = = = = n x x x x P

b) n = 9
x
1
= 4 por aire p
1
= 0.40
x
2
= 1 en autobs p
2
= 0.20
x
3
= 2 en auto p
3
= 0.30
x
4
= 2 en tren p
4
= 0.10

( ) ( ) ( ) ( ) ( ) 017418 . 0 1 . 0 3 . 0 2 . 0 4 . 0
! 2 ! 2 ! 1 ! 4
! 9
9 , 2 , 2 , 1 , 4
2 2 1 4
4 3 2 1
= = = = = = = n x x x x P

2. De acuerdo con la teora de la gentica, un cierto cruce de conejillo de indias resultar en una
descendencia roja, negra y blanca en la relacin 8:4:4. Encuentre la probabilidad de que entre 8
descendientes:
a) 5 sean rojos, 2 negros y un blanco,
b) 3 sean rojos y 2 sean negros.
Solucin:
n = 8
x
1
= 5 rojos; p
1
= probabilidad sean rojos = 8/16 = 0.50;
x
2
= 2 negros; p
2
= probabilidad sean negros = 4/16 = 0.25;
x
3
= 1 blanco; p
3
= probabilidad sean blancos = 4/16 = 0.25;

( ) ( ) ( ) ( ) 082031 . 0 25 . 0 25 . 0 5 . 0
! 1 ! 2 ! 5
! 8
8 , 1 , 2 , 5
1 2 5
3 2 1
= = = = = = n x x x P

b) n = 8
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
39
x
1
= 3rojos; p
1
=0.50
x
2
= 2negros; p
2
=0.25
x
3
= 3blancos; p
3
=0.25

( ) ( ) ( ) ( ) 068359 . 0 25 . 0 25 . 0 5 . 0
! 3 ! 2 ! 3
! 8
8 , 3 , 2 , 3
3 2 3
3 2 1
= = = = = = n x x x P

3.Segn una encuesta preliminar acerca del voto que los ciudadanos darn por los candidatos para
gobernador del estado se ha detectado que aproximadamente un 52% votar por el partido verde,
un 40% por el partido azul y un 8% por los partidos restantes, si se seleccionan aleatoriamente 6
personas con edad de votar, determine la probabilidad de que: a) 2 voten por el partido verde, 1
por el azul y 3 por el resto de los partidos, b) 2 voten por el partido verde y 4 por el azul.
Solucin:
a) n = 6
x
1
= 2 voten por partido verde; p
1
= probabilidad de que una persona vote por partido verde = 0.52
x
2
= 1 vote por partido azul; p
2
= probabilidad de que una persona vote por partido azul = 0.40
x
3
= 3 voten por otros partidos; p
3
= probabilidad de que una persona vote por otros partidos=0.08

( ) ( ) ( ) ( ) 0033226 . 0 08 . 0 40 . 0 52 . 0
! 3 ! 1 ! 2
! 6
6 , 3 , 1 , 2
3 1 2
3 2 1
= = = = = = n x x x P
b) n = 6
x
1
= 2 voten por el partido verde; p
1
= probabilidad de que una persona vote por partido verde =
0.52
x
2
= 4 vote por partido azul; p2 = probabilidad de que una persona vote por partido azul = 0.40
x
3
= 0 voten por otros partidos; p3 = probabilidad de que una persona vote por otros partidos =
0.08
( ) ( ) ( ) ( ) 103834 . 0 08 . 0 40 . 0 52 . 0
! 0 ! 4 ! 2
! 6
6 , 0 , 4 , 2
0 4 2
3 2 1
= = = = = = n x x x P

4. Las probabilidades de que un determinado tipo de accin suba menos de 40 puntos, entre 40 y
80, o ms de 80 puntos son respectivamente: 0.30. 0.50, y 0.20. Calcule la probabilidad de que
entre 8 de tales acciones, 2 suban menos de 40 puntos, cinco suban entre 40 y 80 puntos, y una
suba ms de 80 horas.
Se tiene una particin del universo, ya que no pueden ocurrir simultneamente, y la suma de las
tres probabilidades es igual a 1, por otro lado se debe suponer independencia entre los eventos,
dado que no se tiene informacin del mercado, y necesariamente algn evento deber ocurrir, ya
que el campo unido de los tres corresponde a todas las posibilidades.
Entonces se tiene la distribucin multinomial:
Sea: n = 8, X
1
= 2, X
2
= 5, X
3
= 1, P
1
= 0.30, P
2
= 0.50, P
3
= 0.20, por lo que:
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
40
k
k
x
k
x x
k
x x x n
p p p
x x x
n
P ...
! !... !
!
..
2 1
2 1
2 1
2 1
=

( ) ( ) ( ) 0945 0 20 0 50 0 30 0
1 5 2
8
1 5 2
1 5 2 8
. . . .
! ! !
!
, ,
= = P



PROBLEMAS RESUELTOS DE LA DISTRIBUCIN MULTINOMIAL

1 En un tablero para dardos circular, se tiene un pequeo crculo que se llama centro y 20 reas
numeradas del 1 al 20. cada una de estas reas se divide a su vez en cuatro partes, de tal forma que
una persona que lanza un dardo y que acierta en un nmero determinado, obtiene un marcador
sencillo, doble o triple del nmero, segn donde haya acertado. Si la probabilidad de que una
persona atine en el centro es 0.01, de que sea el doble es 0.10, de que sea el triple es de 0.05 y de
que no atine es 0.02. CELP de que en siete lanzamientos no atine ninguno en el centro, no haga
triples, haga un doble dos veces y no atine una vez al tablero?

R = Se tiene que P (centro) + P (sencillo) + P (doble) + P (triple) +P (no atine) =1
Y como P (centro) = 0.01; P (doble) = 0.10; P (triple) = 0.05; P (no atine) =0.02, por
complemento P (sencillo) = 1 0.01 0.10 0.05 0.02 = 1 0.18 = 0.82
Por otra parte si se hacen 7 tiros y se desea que 0 al centro, 2 doble, 0 triples y 1 afuera, por
complemento se obtiene que son 4 sencillos, por lo que de acuerdo a la expresin multinomial:

k
K
x
k
x x
k
X X X n
p p p
x x x
n
P K
L
L
2 1
2 1
2 1
2 1
! ! !
!
=
0095 . 0 ) 02 . 0 ( ) 05 . 0 ( ) 10 . 0 ( ) 82 . 0 ( ) 01 . 0 (
! 1 ! 0 ! 2 ! 4 ! 0
! 7
1 0 2 4 0
1 , 0 , 2 , 4 , 0 7
= = P

2 Los artculos que se inspeccionan estn sujetos a dos clases de defectos. Se supone que 70% de
los artculos de un lote grande no tienen defectos, en tanto que 20% tienen defectos tipo A, y slo
10% tiene defectos tipo B, ninguno tiene simultneamente ambos defectos. Si se extraen al azar 6
artculos del lote para inspeccionarlos, CELP de que tres no tengan defectos, uno tenga defecto
tipo A y dos tengan defectos tipo B?

R = sea P (no-defecto) = P (C) = 70% =0.7; X
1
= 3
P (Defecto A) = P (A) = 20% = 0.2; X
2
= 1
P (Defecto B) = P (B) = 10% = 0.1; X
3
= 2
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
41
k
K
x
k
x x
k
X X X n
p p p
x x x
n
P K
L
L
2 1
2 1
2 1
2 1
! ! !
!
= = 041 . 0 ) 1 . 0 ( ) 2 . 0 ( ) 7 . 0 (
! 2 ! 1 ! 3
! 6
2 1 3
2 , 1 , 3 6
= = P

3 Se fabrican lpices mecnicos mediante un proceso que implica una gran calidad de mano de
obra en las operaciones de ensamble. Este es un trabajo altamente repetitivo y hay un pago de
incentivo. La inspeccin final ha revelado que 85% del producto es bueno, 10% defectuoso pero
que se puede arreglar, y el 5% restante es defectuoso sin arreglo. Se elige una muestra aleatoria de
10 productos, CELP de que salgan 7 buenos, 2 que se pueden arreglar y uno que no tenga
arreglo?
R = De forma semejante al ejemplo anterior:
sea P (no-defecto) = P (C) = 85% =0.85; X
1
= 7
P (Defecto con arreglo) = P (A) = 10% = 0.1; X
2
= 2
P (Defecto sin arreglo) = P (B) = 5% = 0.05; X
3
= 1
k
K
x
k
x x
k
X X X n
p p p
x x x
n
P K
L
L
2 1
2 1
2 1
2 1
! ! !
!
= = 0577 . 0 ) 05 . 0 ( ) 1 . 0 ( ) 85 . 0 (
! 1 ! 2 ! 7
! 10
1 2 7
1 , 2 , 7 10
= = P
SIMULACIN
En los ltimos tiempos, las tcnicas de simulacin han sido aplicadas a diversos problemas, y si
los procesos de simulacin contienen algn elemento aleatorio, a estas tcnicas se les conoce con
el nombre de mtodos de Monte Carlo. Con frecuencia, este mtodo permite ahorrar los gastos
de construccin y operacin de equipos muy costosos, estos mtodos se emplean tambin cuando
la experimentacin directa es imposible (estudiar epidemias).
En apoyo a estas tcnicas se tiene la asignacin de nmeros aleatorios (random en la calculadora),
que pueden ser utilizados para asignar valores a los experimentos. Por ejemplo si se dispone que
los nmeros pares equivalen al sello de la moneda y los nmeros nones al guila, es posible
encontrar mediante tablas o calculadora el nmero aleatorio que permita simular el volado de la
moneda.
En problemas de otra ndole es posible mediante simulacin calcular los riesgos de invertir,
estimar el tiempo de terminacin de un proyecto, y muchos otros ms.

PROBLEMAS PROPUESTOS DE LAS DISTRIBUCIONES DE PROBABILIDAD

1. La probabilidad de un submarino hunda un barco enemigo con un disparo de sus torpedos
es de 0.8. Si los disparos son independientes, determine la probabilidad de un
hundimiento: a) en los primeros dos disparos; b) en los primeros tres.
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
42
R = a) 0.96; b) 0.992

2. Un dado se lanza tres veces. Cul es la probabilidad de que aparezca al menos un cinco o
un seis?
R = 0.7037

3. De un lote grande de neumticos nuevos, un comprador potencial selecciona n y se
registra el nmero de neumticos defectuosos X. Si se observa por lo menos uno
defectuoso en la muestra n, el cliente potencial rechazar el lote completo. Calcular n
de modo que la probabilidad de que se descubra por lo menos un neumtico defectuoso
sea aproximadamente de 0.90, en caso de que:
a) 10 % del lote sea de neumticos defectuosos,
b) 5 % del lote sea de neumticos defectuosos.
R = a) 22; b) 45

4. La compaia XYZ ha planeado presentaciones de ventas a una docena de clientes
importantes. La probabilidad de recibir un pedido como resultado de tal presentacin se
estima en 0.5. Cul es la probabilidad de recibir cuatro o ms pedidos como resultado de
las reuniones?
R = 0.927

5. Un proceso de produccin que manufactura transistores genera, en promedio, una fraccin
de 2 % de piezas defectuosas. Cada dos horas se toma del proceso una muestra aleatoria de
tamao 50. Si la muestra contiene ms de dos piezas defectuosas, el proceso debe
interrumpirse. Determine la probabilidad de que el proceso deba interrumpirse mediante el
esquema de muestreo indicado.
R = 0.078

6. Se planean seis misiones espaciales independientes a la luna. La probabilidad estimada de
xito de cada misin es de 0.95. Cul es la probabilidad de que al menos cinco de las
misiones planeadas tengan xito?
R = 0.9672

7. Suponga que aviones pequeos llegan al aeropuerto del Bajio segn un proceso de
Poisson, con una tasa 8 = por hora, de modo que el nmero de llegadas durante un
perodo de t horas es una variable del proceso de Poisson con un parmetro t 8 =
(considere que t = ). CELP de que en una hora determinada lleguen exactamente 5
aviones?
R = 0.091

8. Una vendedora se da cuenta de que la probabilidad de venta en una entrevista nica es
aproximadamente de 0.03. Cul es la probabilidad de que haga al menos una venta al
tener 100 compradores posibles?
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
43
R = 0.9524

9. La probabilidad de que un ratn inoculado con un suero contraiga la enfermedad es de 0.2.
Mediante el uso de una aproximacin por Poisson, encuentre la probabilidad de que un
mximo de tres ratones entre 30 contraigan la enfermedad.
R = 0.1512

10. Suponga que en promedio una de cada mil personas comete un error numrico al preparar
su declaracin de impuestos. Si se seleccionan al azar 10 mil formas, encuentre la
probabilidad de que seis, siete u ocho tengan error.
R = 0.2657

11. Si 0.8 % de los fusibles depositados en un lote estn defectuosos, sese la aproximacin de
Poisson para determinar la probabilidad de que cuatro fusibles estn defectuosos en una
muestra aleatoria de 400.
R = 0.178

12. El nmero de rayos gamma que emite por segundo cierta sustancia radiactiva es una
variable aleatoria que tiene distribucin de Poisson con 8 . 5 = . Si un detector deja de
operar cuando hay ms de 12 rayos por segundo, cul es la probabilidad de que este
instrumento deje de funcionar durante un segundo cualquiera?
R = 0.007

13. Entre 16 mquinas nuevas que se vendieron a un distribuidor, hay siete con defectos
mnimos. Si el departamento de control de calidad selecciona al azar dos de estas
mquinas para revisar si hay defectos, cul es la probabilidad de que:
a) ninguna de las mquinas revisadas tenga defectos?
b) una de las mquinas tenga defectos?
c) ambas mquinas tengan defectos?
R =a) 0.3; b) 0.525; c) 0.175

14. Si siete de 14 maletas contienen artculos de contrabando, determine la probabilidad de
que exactamente cuatro de seis maletas seleccionadas al azar en la inspeccin de pasajeros
contengan artculos de contrabando.
R = 0.2447

15. Un auditor comprueba la contabilidad de una empresa y toma como muestra tres cuentas
de una lista de ocho cuentas por cobrar. Calcular la probabilidad de que el auditor revise
por lo menos una cuenta vencida si hay:
a) dos de stas entre las ocho,
b) cuatro de stas entre las ocho,
c) siete de stas entre las ocho.
R = a) 9/14; b) 13/14; c) 1

ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
44
16. En un mazo hay 10 cartas, de las cuales cinco son corazones. Se desea tomar cuatro cartas
y se quiere determinar la probabilidad de que dos de las extradas sean corazones.
R = 0.4762

17. De una urna que contiene nueve canicas de color azul y tres de color negro se extraen ocho
sin remplazo. Encontrar la probabilidad de obtener precisamente x canica de color azul.
R =
8 12
8 3 9
C
C C
P
X X
=

18. Una caja contiene cinco canicas, de las cuales tres estn daadas. Se eligen dos canicas al
azar sin remplazo. Cul es la funcin de probabilidad para el nmero de canicas daadas
en la muestra?
R =
2 5
2 2 3
C
C C
P
K K
=

19. Se aplican anlisis a los obreros de una empresa que fabrica material aislante, a fin de
detectar la existencia de asbesto en sus pulmones. La fbrica tiene que mandar tres
obreros, con indicaciones positivas de asbesto, a un centro mdico para realizar ms
pruebas. Si 40 % de los trabajadores tienen indicaciones positivas de asbesto en los
pulmones, encuentre la probabilidad de que se tengan que examinar a 10 operarios para
encontrar tres "positivos". (es importante considerar que los primeros dos operadores con
el problema, pueden aparacer en cualquier lugar dentro de los nueve, pero el ltimo
necesariamente se dar en la dcima posicin)
R = [ ] 4 . 0 ) 6 . 0 ( ) 4 . 0 (
7 2
2 9
C = 0.0644

20. Diez por ciento de las mquinas producidas en una lnea de montaje resultan defectuosas.
Si se seleccionan mquinas aleatoriamente de una por una para probarlas, cul es la
probabilidad de encontrar la primera mquina defectuosa:
a) en la segunda prueba?
b) en la quinta prueba?
c) en la quinta prueba o antes?

R = a) 0.09; b) 0.0656; c) 0.4095

21. Suponer que 10 % de los motores fabricados en determinada lnea de montaje son
defectuosos. Si se seleccionan al azar, uno a uno, los motores para probarlos, calcular la
probabilidad de que se encuentre el primer motor no defectuoso en el segundo intento.
R = 0.09

22. Una compaa aeroespacial ha construido cinco misiles. La probabilidad de un disparo
exitoso es, en cualquier prueba, de 0.95. Si se suponen lanzamientos independientes, cul
es la probabilidad de que la primera falla ocurra en el quinto disparo?
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
45
R = 0.0407

23. Un agente de bienes races estima que la probabilidad de vender una casa es de 0.10. El
da de hoy tiene que ver cuatro clientes. Si tiene xito en las primeras tres visitas, cul es
la probabilidad de que su cuarta visita no sea exitosa?
R = 0.0009

24. En Chihuahua la probabilidad de que ocurra una tormenta en cualquier da durante la
primavera es de 0.05. Bajo el supuesto de independencia, cul es la probabilidad de que
la primera tormenta ocurra el 5 de abril? Suponga que la primavera empieza el 1 de marzo.
R = 0.0083

25. Como puede verificarse fcilmente, las probabilidades de obtener 0, 1 o 2 lados A con un
par de monedas balanceadas son de 1/4, 1/2 y 1/4, respectivamente. Cul es la
probabilidad de obtener dos lados A dos veces, una A y una B tres veces y dos B una vez
en seis lanzamientos de un par de monedas legales?
R = 0.117

26. Las probabilidades de que al conducir en cierta ciudad un modelo especfico de automvil
importado se obtenga en promedio menos de 22 Km./litro, entre 22 y 25 Km./litro o ms
de 25 Km./litro son de 0.40, 0.40 y 0.20, respectivamente. Calclese la probabilidad de
que entre 12 de tales automviles probados, cuatro den en promedio menos de 22
Km./litro; seis, entre 22 y 25 Km./litro, y dos ms Km./litro.
R = 0.058

27. Las probabilidades de que una declaracin de impuestos se llene correctamente, que
contenga un error que favorezca al declarante, que lleve un error que favorezca al fisco o
que contenga ambos tipos de errores son de 0.60, 0.20, 0.10 y 0.10, respectivamente.
Calcule la probabilidad de que entre 10 de tales declaraciones de impuestos aleatoriamente
elegidas para una auditora, cinco estn correctas, tres contengan un error que favorezca al
declarante, una lleve un error que favorezca al fisco y una contenga ambos tipos de
errores.
R = 0.0313

28. Un supermercado suburbano vende los siguientes porcentajes de tres tipos de carne de res
segn la oficina de inspeccin de alimentos: 10 % de primera calidad, 60 % de carne
selecta y 30 % de carne buena. Cul es la probabilidad de que entre nueve clientes
seleccionados al azar tres compren carne de primera calidad; tres, carne selecta, y tres,
carne de buena calidad?
R = 0.0099

29. Si cuatro empleados elaboran todas las facturas de la oficina de una compaa y se ha
determinado que 40 % de todas las facturas con errores son elaboradas por el empleado A,
20 % por el empleado B, 10 % por el C y el resto por el empleado D, cul es la
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
46
probabilidad de que entre siete facturas con errores elegidas al azar dos hayan sido
elaboradas por el empleado A, una por B, una por C y tres por D?
R = 0.036


30. Una compaa manufacturera utiliza un esquema para la aceptacin de los artculos
producidos antes de ser embarcados. El plan es de dos etapas. Se preparan cajas de 25 para
embarque y se selecciona una muestra de 3 para verificar si tienen algn artculo
defectuoso. Si se encuentra uno, la caja entera se regresa para verificar la al 100%. S i no
se encuentra ningn artculo defectuoso, la caja se embarca. a) Cul es la probabilidad de
que se embarque una caja que tiene tres artculos defectuosos?, b) Cul es la probabilidad
de que una caja que contiene solo un artculo defectuoso se regresa para verificacin?


31. Un agricultor que siembra fruta afirma que 2/3 de su cosecha de duraznos han sido
contaminada por la mosca del mediterrneo. Encuentre la probabilidad de que al
inspeccionar 4 duraznos:
a) Los 4 estn contaminados por la mosca del mediterrneo b) cualquier cantidad entre 1 y
3 est contaminada.
R. a) 16/81 b) 64/61

32. De acuerdo con una investigacin llevada a cabo por la Administrative Management
Society, 1/3 de las compaas en EstadosUnidos le dan a sus empleados cuatro semanas de
vacaciones despus de 15 aos de servicio. Encuentre la probabilidad de que 6 de las
compaas investigadas al azar, el nmero que les dan a sus empleados cuatro semanas de
vacaciones despus de 15 aos de servicio es:
a) Cualquier cantidad entre 2 y 5; b) menos de 3.
R. a) 0.647 b) 0.680

33. De acuerdo con un estudio publicado por un grupo de socilogos, aproximadamente 60%
de los adictos al Valium, lo tomaron por primera vez debido a problemas psicolgicos.
Encuentre la probabilidad de que los siguientes 8 adictos entrevistados:
a) exactamente 3 han comenzado a usarlo debido a problemas psicolgicos. b) al menos 5
de ellos comenzaran a tomarlo por problemas que no fueron psicolgicos.
R. a) 0.1239 b) 0.5941

34. Al probar una cierta clase de neumtico para camin en un terreno escabroso se encontr
que 25% de los camiones terminaban la prueba con los neumticos daados. De los
siguientes 15 camiones probados encuentre la probabilidad de que:
a) De 3 a 6 tengan pinchaduras; b) menos de 4 tengan pinchaduras; c)ms de 5 tengan
pinchaduras.
R. a) 0.7073 b) 0.4613 c) 0.1484

35. De acuerdo con un reporte publicado en la revista Parade, septiembre 14 de 2004, una
investigacin a nivel nacional llevada a cabo por la Universidad de Michigan revel que
ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
47
casi el 70% de los estudiantes del ltimo ao desaprueban las medidas para controlar el
hbito de fumar mariguana todos los das. Si 12 de estos estudiantes se seleccionan al azar
y se les pregunta su opinin, encuentre la probabilidad de que el nmero que desaprueba
dicha medida sea:
a) Cualquier cantidad entre 7 y 9 b) cuando mucho 5 ;c) no menos de 8
R. a) 0.6294b) 0.0386c) 0.7237

36. La probabilidad de que un paciente se recupere de una delicada operacin de corazones de
0.9.Cul es la probabilidad de que exactamente 5 de los prximos 7 pacientes que se
sometan a esta intervencin sobrevivan?
R= 0.1240

37. Un ingeniero de control de trfico reporta que el 75% de los vehculos que pasan por un
punto de verificacin tienen matrculas del estado. Cul es la probabilidad de que hasta 3
de los siguientes 9 vehculos no sean del estado?
R= 0.8343

38. Una investigacin de los residentes de una ciudad de Estados Unidos mostr que 20%
preferan un telfono blanco que de cualquier otro color disponible. Cul es la
probabilidad de que ms de la mitad de los siguientes 20 telfonos que se instalen en esta
ciudad sean de color blanco?
R= 0.0006

39. El dueo de una casa planta 6 tallos que selecciona al azar de una caja que contiene 5
tallos de tulipn y 4 de narciso. Cul es la probabilidad de que plante 2 tallos de narciso y
4 de tulipn?
R= 5/14

40. El nmero promedio de ratas de campo por acre en un campo de trigo de 5 acres se estima
que es de 12. Encuentre la probabilidad de que menos de 7 ratas de campo se encuentren
a) en una acre de terreno determinado; b) en 2 de los siguientes 3 acres inspeccionados.
R= a) 0.0458 b)0.0060

41. Un restaurante prepara una ensalada que contiene en promedio 5 verduras diferentes.
Encuentre la probabilidad de que la ensalada contenga ms de 5 verduras
a) En un determinado da; b) en 3 de lo siguientes 4 das; c) por primera vez el 5deabril.
R= a) 0.3840b) 0.1395c) 0.0553

42. La probabilidad de que una persona muera debido a cierta infeccin respiratoria es 0.002.
Encuentre la probabilidad de que mueran menos de 5 de las prximas 2000 personas
infectadas.
R= 0.6288

ESTADSTICA APLICADA EN MANUFACTURA
MTRO. JORGE VELAZQUEZ C.
48
43. Suponga que en promedio 1 persona de cada 1000 comete un error numrico al preparar su
declaracin de impuestos. Si se seleccionan al azar 10000 formas y se examinan,
encuentre la probabilidad de que 6, 7 u 8 formas tengan error.
R. 0.2657

44. La probabilidad de que un estudiante presente problemas de escoliosis (desviacin lateral
sufrida por la columna vertebral) en una escuela de la localidad es de 0.004.De los
siguientes 1875 estudiantes revisados encuentre la probabilidad de que:
a) Menos de 5 presenten este problema b) 8, 9 o 10 presenten este problema
R. a) 0.1321b) 0.3376

45. En un proceso de manufactura se seleccionan aleatoriamente 15 unidades diarias de la
lnea de produccin para verificar el porcentaje del nmero de defectos en el proceso. A
partir de informacin histrica se sabe que la probabilidad de que se tenga una unidad
defectuosa es 0.05. El proceso se detiene en cualquier momento en que se encuentran dos
o ms defectos. Este procedimiento se utiliza para proporcionar una seal en caso de que
la probabilidad de defectos se incremente.
a) Cul es la probabilidad de que en un determinado da el proceso de produccin se
detenga? (suponga un 5% de defectos)
b) Suponga que la probabilidad de que se tenga un defecto se incrementa a 0.07. Cul es
la probabilidad de que en un determinado da el proceso de produccin se detenga?

46. Se est considerando la produccin de una mquina automtica de soldar. Se considerar
exitosa si tiene una efectividad del 99% en sus soldaduras. De otra manera, no se
considerar eficiente. Se lleva a cabo la prueba de un prototipo y se realizan 100
soldaduras. La mquina se aceptar para su fabricacin si no son defectuosas ms de tres
soldaduras.
a) Cul es la probabilidad de que una mquina eficiente sea rechazada?
b) Cul es la probabilidad de que una mquina ineficiente con 95% de soldaduras
correctas sea aceptada?

47. Una agencia que renta automviles en un aeropuerto local tiene disponibles 5 Ford, 7
Chevrolet, 4 Dodge ,3 Datsun y 4 Toyota. Si la agencia selecciona aleatoriamente 9 de
estos vehculos para transportar delegados desde el aeropuerto hasta el centro de
convenciones en el centro de la ciudad, encuentre la probabilidad de que se utilicen 2
Ford, 3 Chevrolet, 1 Dodge, 1 Datsuny 2 Toyota.