Capã Tulo 2 Distribuciones de Probabilidad-Separata

II UNIDAD : Distribuciones de Probabilidad
Wilder Alvarado Castillo

1

Captulo II : ............................................................................................................... 2
Distribuciones de Probabilidad ............................................... 2
2.1. Introduccin ................................................................................................................ 2
2.2. Las Variables Aleatorias .............................................................................................. 2
2.3. Las Distribuciones de Probabilidad ............................................................................. 3
2.4. La Esperanza Matemtica y valor Monetario Esperado ............................................... 4
2.5. Valor Esperado de una Variable Discreta .................................................................... 4
2.6. Varianza y Desviacin Estndar de una variable Aleatoria Discreta ............................ 5
2.7. Valor Monetario Esperado .............................................................................................. 8
2.8. La Distribucin Binomial ................................................................................................. 9
2.9. Media y desviacin estndar de la Distribucin Binomial .......................................... 11
2.10. La Distribucin de Poisson .................................................................................... 13
2.11. La Frmula de Poisson .......................................................................................... 14
2.12. Uso de tablas de la Distribucin de Poisson ................................................................ 15
2.13. La Distribucin Normal .......................................................................................... 16
2.14. Uso de Tablas de la Distribucin Normal ..................................................................... 17

Anlisis Cuantitativo II

2

Captulo VII :
Distribuciones de
Probabilidad

2.1. Introduccin

En el captulo anterior desarrollamos el concepto de probabilidad y la obtencin
de algunas propiedades fundamentales de la teora de la probabilidad , sin
embargo, para estudiar situaciones prcticas, ms generales, necesitamos
ampliar estos conceptos par que tengamos que distribuciones ( o modelos) de
probabilidad que representen todos los tipos de variables definidas estadsticamente.

2.2. Las Variables Aleatorias

Una variable cualquiera es toda caracterstica que est sujeta a medicin o conteo. Se representa
por letras maysculas como X, Y, Z, etc. Y pueden adoptar un conjunto de valores. Si una
variable puede asumir valores que se obtienen por conteo toma el nombre de variable
DISCRETA. Por ejemplo si se arroja un dado en la cara superior puede obtenerse slo 1, 2, 3, 4,
5 y 6. Si una variable puede asumir cualquier valor real dado entre ciertos lmites, recibe ele
nombre de variable CONTINUA. Por ejemplo: las estaturas de los estudiante, el peso de un nio
al nacer, etc.
Si el dominio de una variable representa los resultados obtenidos al realizar un
experimento aleatorio, sta recibe el nombre de variable aleatoria. As la variable X
que representa el nmero de caras obtenidas al lanzar 3 monedas es una variable
aleatoria, digamos: 0, 1, 2, 3, donde 0 significa ninguna cara, es decir SSS ;
1 significa una cara, es decir: CSS, SCS, SSC y as sucesivamente. Es
conveniente distinguir entre variable aleatoria y los valores numricos que ella
pueda tomar, para esto designaremos a la variable aleatoria y los valores numricos que ella
pueda tomar, para esto designaremos la variable aleatoria por letra mayscula X y un valor que
ella tome por la letra minscula x



3

2.3. Las Distribuciones de Probabilidad

Una distribucin de probabilidad da todos los resultados posibles pueden ocurrir con base en un
experimento, asociado con sus probabilidades.
Como ya vimos existen variables discretas y continuas, las que dan lugar por consiguiente, a
distribuciones discretas y distribuciones continuas.

Existen muchas Distribuciones Tericas de poblaciones, discretas y continuas, de las cuales
pondremos especial dedicacin a las distribuciones BINOMIAL y DE POISSON, dentro de las
discretas, y a la distribucin NORMAL dentro de las continuas.

Suponiendo que un dado no cargado de 6 lados no se quedar parado en un borde o rodar
hasta perderse de vista (eventos nulos), la tabla representa la distribucin de probabilidad para
los resultados de una sola vuelta del dado. Puesto que se incluyen todos los
resultados posibles, este listado est completo (o es exhaustivo
colectivamente) y por lo tanto las probabilidades deben sumar 1. Despus
podemos usar esta tabla para obtener diversas probabilidades para cuando se
arroja un dado no cargado

Tabla 1 : Distribucin de probabilidad terica de los resultados de arrojar un dado no cargado
Cara superior
(x)
Probabilidad
P(X = x)
1 1/6
2 1/6
3 1/6
4 1/6
5 1/6
6 1/6
Total 1

La probabilidad de que se obtenga tres en la cara superior es:

P (X = 3) = 1/ 6

Usando la regla de la adicin para eventos mutuamente excluyentes, la probabilidad de que se
obtenga un n impar en la cara superior es:

P (impar) = P(X =1) + P(X = 3) + P(X = 5)
= 1 / 6 + 1 / 6 + 1 / 6 = 3/6

Adems, la probabilidad de que se obtenga un n menor o igual a 2 en la cara superior del
dado es:


4

P (X s 2) = P( X=1) + P( X =2 )

= 1/ 6 + 1 / 6 = 2 / 6

2.4. La Esperanza Matemtica y valor Monetario Esperado

Con la finalidad de resumir una distribucin de probabilidad discreta,
calcularemos sus caractersticas ms importantes: la media y la desviacin
estndar.

2.5. Valor Esperado de una Variable Discreta

La media (
x
) de una distribucin de probabilidad es el valor esperado de su variable aleatoria.
El valor esperado de una variable aleatoria discreta puede considerarse como su promedio
pesado sobre todos los resultados posibles, siendo los pesos la probabilidad asociada con cada
uno de los resultados.
Este, se puede obtener multiplicando cada resultado posible X
i
por su probabilidad
correspondiente P(X
i
) y luego sumando todos los productos resultantes se obtiene el Valor
Esperado o Esperanza de X, simbolizado como E(X).

=
= =
M
i
i i x
X P X X E
1
) ( ) (
................ (7. 1)

Donde:
X = variable aleatoria de inters
X
i
= i-simo resultado de X
P(X
i
) = probabilidad de ocurrencia del i-simo resultado de X.
i = 1, 2, ... ,N

Para la distribucin de probabilidad terica de los resultados de arrojar un dado no cargado
(tabla 15), el valor esperado de arrojarlo puede calcularse como:

=
= =
M
i
i i x
X P X X E
1
) ( ) ( = 1(1/6) + 2(1/6) + 3(1/6) + 4(1/6) + 5(1/6) + 6(1/6).
= 21 / 6 = 3,5



5

Observe que el valor esperado de arrojar un dado no cargado, no es literalmente significativo,
puesto que nunca podremos obtener 3,5. Sin embargo, podemos esperar observar las 6 caras
distintas con igual probabilidad, as que deberamos tener aproximadamente el mismo nmero
de unos, doses,..., y seises. A la larga, despus de muchos tiros, el valor promedio sera 3,5.

Para darle sentido a este resultado introducimos el siguiente juego de feria: Cunto dinero
deberamos estar dispuestos a pagar para tener la oportunidad de arrojar un dado no cargado,
si se nos debiera pagar, en dlares la cantidad que sale en la cara superior del dado?

Puesto que el valor esperado del dado es 3,5 se puede esperar que la ganancia esperada a la
larga es de $3,5 por tiro.
Si deseamos que el juego sea justo ni nosotros, ni la casa debera tener ventaja deberamos
estar dispuestos a pagar $3,50 por tiro.
Si la casa desea cobrarnos $4.00 por tiro, podemos esperar perder tal juego, en un promedio
de $0,50 por tiro con el tiempo.

Por lo general en los casinos la ganancia esperada de los participantes a
la larga es negativa, de otra forma la casa no tendra negocio. Juegos
tales como juego de dados , los sietes, el tiro de tres dados o la ruleta
atraen grandes nmeros de participantes y, en cada caso la ganancia
esperada con el tiempo favorece a la casa. Este es el caso porque el
valor monetario esperado es el criterio final usado por los participantes.

2.6. Varianza y Desviacin Estndar de una variable Aleatoria Discreta

La varianza (o
2
x
) de una variable aleatoria discreta puede definirse como el promedio
pesado de las diferencias cuadradas entre cada resultado posible y su media, siendo los pesos
la probabilidades de cada uno de los resultados respectivos.
Esta medicin de resumen puede obtenerse multiplicando cada diferencia cuadrada posible (X
i

-
x
)
2
, por su probabilidad correspondiente P(X
i
) y luego sumando los productos resultantes se
obtiene la Varianza.

=
=
N
i
i x i x
X P X
1
2 2
) ( . ) ( o
(7. 2)

Donde: X = variable aleatoria discreta de inters.
X
i
= i-simo resultado
P(X
i
) = prob. de ocurrencia de i-simo resultado de X

6
i = 1, 2, 3, . . ., N

Adems la desviacin estndar (o
x
) de una variable aleatoria discreta est dada por:

=
=
N
i
i x i x
X P X
1
2
) ( . ) ( o
(7. 3)

Para el ejemplo de arrojar el dado la varianza y la desviacin estndar seran:

=
=
N
i
i x i x
X P X
1
2
) ( . ) ( o
= (1 3,5)
2
(1/6) + (2 3,5)
2
(1/6) + (3 3,5)
2
(1/6) + (4 3,5)
2
(1/6) + (5
3,5)
2
(1/6) + (6 3,5)
2
(1/6)
= 2,9166 = 1,71
En trminos de nuestro juego, la ganancia media por tiro es de $3,50 con una desviacin
estndar de $1,71.

Ejemplo 2- 1

Dadas las siguientes distribuciones de probabilidad

Distribucin A separa Distribucin B
X P(X) X P(X)
0 0,50 0 0,05
1 0,20 1 0.10
2 0,15 2 0,15
3 0,10 3 0,20
4 0,05 4 0,50

a) Calcule la media para cada distribucin
b) Calcule la desviacin estndar para cada distribucin
c) Compare los 2 resultados anteriores y analice los resultados

Solucin

a) Clculo de las medias:
Se sabe por la frmula (7,1) que la media est dada por:

x
= E X.P(X)

calculamos para cada distribucin:



7

Distribucin A
X.P(X)
Distribucin B
X.P(X)
X P(X) X P(X)
0 0,50 0,00 0 0,05 0,00
1 0,20 0,20 1 0,10 0,10
2 0,15 0,30 2 0,15 0,30
3 0,10 0,30 3 0,20 0,60
4 0,05 0,20 4 0,50 2,00
EX.P(X) = 1,00 EX.P(X) = 3,00

Segn el cuadro, donde se han calculado los productos de X. P(X), tenemos que:
1 =
A
y
3 =
B

b) Luego calculamos las desviaciones estndar:
La desviacin estndar est dada por la frmula (7,3) :
=
=
N
i
i x i x
X P X
1
2
) ( . ) ( o

o
A
= 22 , 1 50 , 1 = y o
B
= 22 , 1 50 , 1 =

d) Sobre las distribuciones podramos decir que la distribucin A est sesgada a la izquierda,
mientras que la distribucin B est sesgada a la derecha.

La distribucin A tiene un mayor valor esperado que B

Distribucin A
) ( . ) (
2
X P X
x

Distribucin B
) ( . ) (
2
X P X
x

X P(X) X P(X)
0 0.50 0.50 0 0.05 0.45
1 0.20 0.00 1 0.10 0.40
2 0.15 0.15 2 0.15 0.15
3 0.10 0.40 3 0.20 0.00
4 0.05 0.45 4 0.50 0.50

) ( . ) (
2
X P X
x
= 1.50
) ( . ) (
2
X P X
x
= 1.50

8

2.7. Valor Monetario Esperado

En el juego de feria anterior lo mas importante era si es rentable o no
pagar $4,00 por tiro. Para responder a esta pregunta tuvimos que
darnos cuenta que la variable aleatoria de inters desde el punto de
vista del juego no era realmente X, el resultado de la cara del dado,
sino ms bien V el valor en dlares asociado con el resultado de
arrojar el dado.
Por lo tanto, para participar en el juego, los valores para V variaban entre -$3,00 y +$2,00, puesto
que cada tiro del dado costaba $4,00

Para propsitos de tomas de decisiones, el objetivo es comparar los valores monetarios
esperados (denotados por EMV) entre estrategias alternativas. (como jugar el dado contra no
jugar).

Tabla 2 : Distribucin de probabilidad que representa el valor en dlares de participar en un
juego de feria.

Resultado Valor en $ (V) Probabilidad
1 -3 1/ 6
2 -2 1/ 6
3 -1 1/ 6
4 0 1/ 6
5 1 1/ 6
6 2 1/ 6

Por lo tanto el valor monetario esperado por participar en el juego es:

=
= =
1
) ( ) ( ) (
i
i i
V P V N V E jug EMV

= (-3)(1/6) +(-2)(1/6) +(-1)(1/6) +(0)(1/6) +(1)(1/6) + (2)(1/6)

= - 0,50

EMV ( no jug) = E (V) = 0

Nuestra ganancia por participar es negativa a la larga. En promedio estaramos perdiendo 50
centavos cada vez que tiramos el dado. Esto significa que si tiramos 100 veces el dado,
esperaramos recolectar $350, pero pagaramos $400, por lo tanto perderamos $50.



9

2.8. La Distribucin Binomial

La distribucin binomial es una distribucin de probabilidad discreta que es extremadamente til
para describir muchos fenmenos.
La distribucin binomial posee cuatro propiedades esenciales:

1. Las observaciones posibles obtenerse mediante dos mtodos de muestreo distintos. Cada
Observacin puede considerarse como seleccionada de una poblacin infinita o de una
poblacin finita con reemplazo.
2. Cada observacin puede clasificarse en cada una de dos categoras mutuamente excluyentes
y colectivamente exhaustivas, usualmente denominadas xito y fracaso.
3. La probabilidad de que una observacin se clasifique como xito, p es constante de
observacin a observacin. Por tanto, la probabilidad de que una observacin se clasifique
como fracaso, 1 p, es constante sobre todas las observaciones.
4. El resultado (es decir, el xito o fracaso) de una observacin es independiente del resultado
de cualquier otra observacin.

La variable aleatoria discreta o fenmeno de inters que sigue a la distribucin binomial es el
nmero de xitos obtenidos en una muestra de n observaciones. As pues, la distribucin
binomial ha gozado de numerosas aplicaciones:

- En juegos de azar
Cul es la probabilidad de que salga el siete , en 10 mas
veces de 20 lanzamientos de dos dados?.
Cul es la probabilidad de que se alineen los 3 sietes en
una mquina tragamonedas?

- En el control de calidad
Cul es la probabilidad de que una muestra de 20 focos,
ninguno salga defectuoso, si el 5% de dichos focos producidos en
una fabrica particular son defectuosos?
Cul es la probabilidad de que cada 1000 botellas de cerveza
llenadas en la planta, el 2% tengan menos de 600 ml.?

- En Educacin
Cul es la probabilidad de que un estudiante pueda aprobar un
examen de 20 preguntas de opcin mltiple (cada pregunta
conteniendo cuatro opciones). Si el estudiante adivina en cada
pregunta


10
x n x
p p
x n x
n
x X P

= = ) 1 (
)! ( !
!
) (

( ) .
x n x
P X x nCx p q

= =

- En Finanzas:
Cul es la probabilidad de que el precio internacional del barril de
petrleo aumente en ms del 50%, debido a la guerra de EE UU con
Irak?

Cul es la probabilidad de un paquete de acciones muestre un incremento en su
precio de cierre diariamente durante las siguientes 10 sesiones de negocios
consecutivas, si el precio del mercado de valores cambia aleatoriamente?

La frmula que da las probabilidades para los diferentes valores de la variable X :
(x =0, 1, 2, . . . , n ), es la siguiente:

. . . . . (7. 4)

Donde: x : nmero de xitos en la muestra
p : probabilidad de xito
n : tamao de muestra

Si llamamos q = 1 p; la probabilidad de fracaso, y teniendo en cuenta que:
nCx =
)! ( !
!
x n x
n
x
n
=
|
|
.
|
\
|
; la frmula tambin se puede expresar como:

. . . . . (7. 5)

Ejemplo 2- 2
Si la probabilidad de que un estudiante obtenga su ttulo universitario es de 0,4. calcular para un
grupo de 5 estudiantes, la probabilidad de que:

a) Ninguno obtenga el ttulo
b) Slo uno de ello obtenga el ttulo?
c) Al menos dos obtengan el ttulo?
d) Los 5 obtengan el ttulo?



11

Solucin: segn los datos:
p = 0,4 ; n = 5 ; x = 0,1,2,3,4,5

La regla de correspondencia es:
P (X=x) =
x x
x

|
|
.
|
\
|
5
) 6 , 0 ( ) 4 , 0 (
5

Los resultados son:
a) P(X = 0 ) =
0 5 0
) 6 , 0 ( ) 4 , 0 (
5

|
|
.
|
\
|
o
= 0,0776
b) P (X=1) =
1 5 1
) 6 , 0 ( ) 4 , 0 (
1
5

|
|
.
|
\
|
= 0,2592

c) P ( X > 2) = 1 P (X<2) = 1 [P(x=0) + P(x=1)] = 1 [ 0,07776 + 0,2592 ]

2.9. Media y desviacin estndar de la Distribucin Binomial

La media y la desviacin estndar de una distribucin binomial, denotadas respectivamente por
y o se calculan por las formulas respectivas:

. . . . . . (7. 6)

Ejemplo 2- 3
Un fabricante de piezas prepara lotes de 20 piezas y las enva a sus clientes.
Suponer que cada pieza est defectuosa o no lo est, y que la probabilidad
de que cualquiera de ellas est defectuosa es de 0,05.
a) Cul es el resultado de piezas defectuosas?
b) cul es la probabilidad de que determinado lote no obtenga piezas
defectuosas?

Solucin:
Datos: n = 20 ; p = 0,05 (prob. De estar defectuosa)

np =

npq = o


12

a) E (x) = np = 20 (0,05) = 1
La regla de correspondencia es:
P (X = x) =
x x
x

|
|
.
|
\
|
20
) 95 , 0 ( ) 05 , 0 (
20

b) Se pide: P(x = 0) =
0 20 0
) 95 , 0 ( ) 05 , 0 (
0
20

|
|
.
|
\
|

= ( 0,95 )
20
= 0,3584

Ejemplo 2- 4
Se ha elaborado un examen de 10 preguntas con 4 alternativas por
pregunta. Si ninguno de los estudiantes que rindi la prueba estudi.
Qu porcentaje aprob el examen si aprueban los que responden 6 o
ms preguntas?

Solucin:

Sea la variable X: nmero de respuestas correctas
p =1/4 = 0,25 (probabilidad de responder correctamente una pregunta)
q = = 0,75 (probabilidad de no acertar una pregunta)
n = 10 (nmero de preguntas)
x = 6, 7, 8, 9, 10 (nmero de respuestas correctas para aprobar el examen)
Como el estudiante aprueba si responde 6 ms preguntas, entonces la probabilidad de
aprobar el examen esta dada por la suma:

P(X s 6 ) = P ( X = 6 ) + P ( X = 7 ) + P ( X = 8 ) + P ( X = 9 ) + P ( X = 10 )

Por la formula binomial (7.5) :

x n x
q p
x
n
x X P

|
|
.
|
\
|
= = ) (

luego:

0162 , 0 ) 75 . 0 ( ) 25 . 0 (
6
10
) 6 (
4 6
=
|
|
.
|
\
|
= = X P



13

0031 , 0 ) 75 . 0 ( ) 25 . 0 (
7
10
) 7 (
3 7
=
|
|
.
|
\
|
= = X P

0004 , 0 ) 75 . 0 ( ) 25 . 0 (
8
10
) 8 (
2 8
=
|
|
.
|
\
|
= = X P

0000 , 0 ) 75 . 0 ( ) 25 . 0 (
9
10
) 9 (
1 9
=
|
|
.
|
\
|
= = X P

0000 , 0 ) 75 . 0 ( ) 25 . 0 (
10
10
) 10 (
0 10
=
|
|
.
|
\
|
= = X P

Entonces : P (X > 6) = Suma = 0,0197

Como 0,0197 = 1,97% ~ 2%, entonces aprobara aproximadamente el 2% de los estudiantes.

Uso de tablas de probabilidad binomial

Los clculos para las probabilidades segn la frmula binomial, muchas veces son muy tediosos,
como auxiliar para determinar las probabilidades necesarias, se ha formado una amplia tabla de
probabilidades para diferentes valores de x, n y p. Esta tabla se presenta al final del captulo.

2.10. La Distribucin de Poisson

La distribucin de Poisson se utiliza como modelo para describir las distribuciones de probabilidad
de sucesos tales como la llegada de vehculos a una caseta, la llegada de aviones a un
aeropuerto, etc.
La distribucin de Poisson se usa tambin para describir experimentos
tales como el nmero de errores por pgina de un diario, el nmero de
remaches defectuosos de un avin, el nmero de bacterias en un
centmetro cbico de agua, etc. En estos experimentos se supone que
el nmero promedio de ocurrencias (xitos) en una unidad de medida es
conocido. La unidad de medida puede ser una medida de longitud, de rea o de volumen.
Se considera tambin que la distribucin de Poisson es un caso especial de la distribucin
binomial, en la que la probabilidad de xito p es muy pequea, el nmero de pruebas de
bernoulli n es muy grande y el nmero promedio de xitos en cierta unidad es = np.


14
!
.
) (
x
e
x X P
x

= =

2.11. La Frmula de Poisson

La probabilidad de obtener exactamente x xitos, denotada por P( X = x), segn la frmula de
Poisson es:

. . . . . (7. 7 )

Donde:
X = variable de Poisson que toma los valores x = 0,1,2,3,....
= nmero promedio de xitos en una unidad de medida determinada.
e = 2,7182.. (base del sistema de logaritmos neperianos)

Ejemplo 2- 5
Un estudiante de la UNPRG comete en promedio un error por pgina en un trabajo monogrfico.
Cul es la probabilidad de que cometa 3 errores en un trabajo de 5 pginas?

Solucin
Dada la informacin:
= 5 (promedio de errores por pgina)
x = 3 (nmero de errores en 5 pginas)

Por la frmula de Poisson:

P(X=x) =
!
.
x
e
x

P (X=x) =
! 3
. 5
5 3
e
=
1404 , 0
. 6
125
5
=
e

La probabilidad de que el estudiante cometa 3 errores en 5 pginas es 0,1404

Ejemplo 2- 6
Se desea examinar el nmero de clientes que llegan al Banco BCP durante la hora de almuerzo de
12 a 1 PM en la ciudad de Chiclayo. Se sabe que el promedio de clientes que llegan en ese lapso
es de 180.
a) Cul es la probabilidad de que en un minuto dado lleguen
exactamente dos clientes?


15
b) Cul es la probabilidad de que ms de dos clientes lleguen en un minuto dado?

Solucin:
Datos : Se tiene que llegan 180 personas en 1 hora = 60 minutos, lo que equivale a decir que
llegan: = 180 / 60 = 3 personas por minuto

a) P( X = 2) = 2240 , 0
) 2 ( ) 71828 , 2 (
9
! 2
) 3 (
3
2 3
= =
e

La probabilidad de que lleguen 2 clientes en un minuto dado que se esperan 3, es de 0,2240

b) P(X > 2) = 1 P ( X s 2)
= 1 [ P ( X = 0 ) + P ( X = 1 ) + P ( X = 2 )]
= 1 -
(
+ +

! 2
) 3 (
! 1
) 3 (
! 0
) 3 (
2 3 1 3 0 3
e e e

= 1 [ 0,0498 + 0, 1494 + 0,2240 ]
= 1 0,4232
= 0,5768
Existe un 57,7% de que lleguen 3 clientes o ms.

2.12. Uso de tablas de la Distribucin de Poisson

La probabilidad de obtener a lo ms x xitos denotada por P(Xsx) segn Poisson se determina
por la frmula:

. . . . . . (7. 8)

donde el segundo miembro expresa la suma de probabilidades calculadas por la frmula de
Poisson, para los valores enteros que van desde 0 hasta x.

Asimismo las probabilidad de obtener x ms xitos se puede calcular por la frmula:

. . . . . . (7. 9)
= s
x
r
r
r
e
x X P
0
!
.
) (

) 1 ( 1 ) ( s = = x X P x X P


16
) (
2
1
2
1
) (
o
t o

=
x
e x f

Todos los clculos que se realizaran utilizando la frmula de Poisson, se resumen que la
bsqueda de un valor en la tabla de la distribucin de Poisson, para lo cual basta conocer y x.

2.13. La Distribucin Normal

Recordemos primero las siguientes variables: nmero de estudiantes en una cierta universidad,
nmero de caras obtenidas en 10 lanzamientos de una moneda, nmero de alumnos en una
seccin de estadstica, etc. Estas variables pueden tomar slo los valores 0, 1, 2, 3, . . . son por lo
tanto, variables discretas.

Consideremos ahora las siguientes variables: peso de un estudiante, tiempo de vida de un foco,
estatura de un estudiante universitario, etc. estas variables toman los valores, por ejemplo 59,5
kg. Para el peso de un estudiante: 150,8 horas para el tiempo de vida de un foco de luz y 1,65
metros para la estatura de un estudiante universitario. Estas variable toman el nombre de
variables continuas.

Como ya se habr observado, la distribucin binonial y la de Poisson solo representan la
distribucin de variable discreta. En lo que sigue en algunas variables de las variables continuas
su distribucin de probabilidad puede describirse mediante una distribucin continua muy
conocida llamada DISTRIBUCIN NORMAL

La frmula para la distribucin normal de probabilidades es:

. . . . . . (7. 10)

Donde:
X = variable normal que toma los valores de x de - a +
= media de valores de la variable normal X
o = desviacin estndar de la variable normal X
t = 3,14159...... y e = 2,71828......

Construir una distribucin normal aplicando la frmula sera una tarea pesada a causa de una
gran cantidad de clculos necesarios (x toma una cantidad indefinida de valores posibles), para
facilitar la construccin y uso de la distribucin normal se ha elaborado una tabla de areas bajo la
curva normal. La tabla ha sido estandarizada a fin de hacerla aplicable a cualquier problema que


17
o

=
X
Z

incluya una distribucin normal. Para utilizar la tabla, la variable X debe transformarse en una
medida estndar Z, la cual se halla mediante la frmula:

. . . . . . (7. 11)

Llamada a menudo VARIABLE NORMAL ESTANDAR Z, siendo ahora la frmula para la
distribucin de probabilidades:

. . . . . . (7. 12)

Observar que la distribucin normal estandarizada tiene media = 0 y desviacin estndar o = 1,
y para valores de Z que van de 4 a 4, generan la curva que se muestra a continuacin y cuya
rea bajo la curva es 1.

2.14. Uso de Tablas de la Distribucin Normal

La probabilidad de ocurrencia en un intervalo, de la variable normal estandarizada Z est
calculada en tablas y el uso de stas facilita el clculo de probabilidades de ocurrencia de la
variable normal X. Para esto, si x tiene distribucin normal con media y desviacin estndar o
conocidas, entonces la probabilidad de que la variable x tome valores iguales o menores que el
nmero real X, denotados por P(Xsx), se calculan transformando X a la forma Z, si el valor de Z
es negativo, se traslada de forma simtrica al lado positivo de la curva.

2
2
1
2
1
) (
Z
e z f

=
t

-4 -3 -2 -1 0 1 2 3 4


18
a)
1 ( ), si z 0
( )
( ), si z<0
T z
P Z z
T z
>
s =

b)
2 1 1 2
1 2
2 1 1 2
( ) ( ) , si z y z son del mismo signo
( )
( ) ( ) ,si z y z son de diferente signo
T z T z
P z Z z
T z T z

s s =

+

c) ( ) ( ) P Z z T z > =

Nota:
T(z) : es el valor hallado para z en la tabla acumulada Normal P( Z s z )
P (X < x ) = P ( X s x )

Para leer la tabla Normal Estndar se debe tener en cuenta lo siguiente:

- La tabla proporciona el rea bajo la curva normal estndar para valores mayores de z
es decir el rea correspondiente a P( Z z ).

- Slo se enumeran entradas positivas de z en la tabla, puesto que la distribucin es
simtrica esto quiere decir que el rea comprendida para valores mayores a z es
igual al rea para valores menores de z esto es:

P( Z z) = P(Z s -z)

- Los valores de z se registran hasta dos valores decimales, en la primera columna
podemos encontrar el valor de z hasta las dcimas: 0,0 ; 0,1 ; 0,2 ; . . . .; 3,9. A
continuacin leemos la primera fila donde se encuentra el valor de las centsimas de
z, al interceptar la fila con la columna correspondiente se obtendr el valor de Z


19

- Digamos que se quiere calcular el valor de la tabla para z = 0,23; entonces se busca
en la primera columna el valor 0,2 y en la primera fila el 0,03.

P(Z0,23) = T(0,23) = 0,4090

Ejemplo 2- 7
Dada una distribucin normal estandarizada con una media de 0 y una desviacin estndar de 1 .
Cul es la probabilidad de que :

a) Z sea menor que 1,57?

Dado que el rea bajo la curva menor que cero es 0,5 que resulta ser todo el lado izquierdo
desde - hasta 0.
Entonces el rea de:

P ( Z < 1,57) = 1- P ( z 1,57)
= 1 - T(1,57)
= 1 0,0582
= 0,9418

0 1,57


20
b) Z sea mayor que 1,84?

P ( z > 1,84) = T(1,84)
= 0,0329

c) Z est entre 1,57 y 1,84?

P ( 1,57 < Z < 1,84 ) = T(1,57) T(1,84)
= 0,0582 0,0329
= 0.0253

d) Z sea menor que 1,57 o mayor que 1,84?

P ( z < 1,57 z > 1,84 ) = 1 P ( 1,57 < Z < 1,84 )
= 1 [ T(1,84) T(1,57)]
= 1 0,0253
0 1,84

0,0329

0 1,57 1,84
0 1,57 1,84


21
= 0.9747

e) Z est entre 1,57 y 1,84?

P(-1,57 < z < 1,84) = P ( -1,57 < z < 0 ) + P ( 0 < z < 1,84 )
= P ( 0 < z < 1,57) + P (0 < z < 1,84 )
= T(1,57) + T(1,84)
= 0,4671 + 0,4418
= 0.9089

f) Z sea menor que 1,57 mayor que 1,84?

P( z < -1,57 z > 1,84 ) = P ( z < -1,57) + P ( z > 1,84)
= 1 T(1,57) T(1,84)
= 1 - 0,4671 0,4418
= 1 - 0.9089
= 0.0911

g) Cul es el valor de Z si el 25% de todos los valores de Z posibles son mayores?
0 1,57 1,84 -1,57
0 1,57 1,84 -1,57

22

P(Z > z) = 0,25
0,5 T (z) = 0,25
T(z) = 0,25

Segn los valores de la tabla el valor ms prximo es:

T(0,67) = 0,2486

Por lo tanto: z = 0,67

h) Entre cuales valores de Z distribuidos simtricamente alrededor de la media estarn contenidos
el 68,26% de todos los valores de Z posibles?

P ( -z < Z < z ) = P ( -z < Z < 0 ) + P ( 0 < Z < z )
= P ( 0 < Z < z ) + P ( 0 < Z < z )
= 2 P ( 0 < Z < z )
= 2 T(z)

Entonces: 2 T (z) = 0,6826
T (z) = 0,3413
Como: T(1,00) = 0,3413 z = 1,00

25%
z
-z 0 z
68,26%


23

Ejemplo 2- 8
La duracin de un determinado tipo de refrigeradora tiene una distribucin aproximadamente
normal, con una media de 3.1 aos y una desviacin estndar de 1.2 aos. Si la refrigeradora est
garantizada por un ao. qu proporcin del total de unidades vendidas tendr que reparar?

Solucin
La media y la desviacin estndar son: = 3.1 aos y o = 1.2 aos
X es la v.a. medida en aos
Se pide hallar la P ( X < 1) =
(
2 , 1
1 , 3 1
2 , 1
1 , 3 x
P
= P [z < 1,75]
= 0,04006
~ 0,04

Aproximadamente el 4 % de refrigeradoras vendidas durarn menos de un ao.

Ejemplo 2- 9
Los registros de prdida de peso por evaporacin de un producto envasado muestran una prdida
media de 6,45 gramos con una desviacin estndar de 1,30. Asumiendo una distribucin normal
cul es la probabilidad de que si se extraen dos paquetes al azar de un lote de ambas muestran
una prdida de ms de 8,0 gramos?

Solucin

Sea X = peso del primer paquete
Y = peso del segundo paquete

Ambas variables aleatorias se distribuyen normalmente con = 6,45 gr. y o =1,30 gr. Teniendo en
cuenta que X e Y son independientes debemos determinar:

P( X > 8,00) P( X > 8,00) = P[ X > 8,00]. P[ X > 8,00]
=
(

>

>
3 , 1
45 , 6 8
3 , 1
45 , 6 8
o

o
Y
P
X
P
=
(

>
3 , 1
45 , 6 8
z P = [0,5 T(1.19)]
2
= (0,1170)
2
= 0,0137


24

Ejemplo 2- 10
El tiempo de mquina necesario para fabricar una unidad del producto PENTIUM est distribuido
normalmente con media de 50 minutos y desviacin estndar de 5 minutos. Se debe fabricar una
partida de 40 000 unidades de dicho producto.
a) Cuntas unidades requerirn, un tiempo de mquina ms de 53 minutos?
b) Cuntas unidades requerirn un tiempo de mquina comprendido entre 48 y 53 minutos
inclusive?
c) El 50% de las unidades requieren de un tiempo comprendido entre x
1

y x
2
minutos. Determinar los valores de x
1
y x
2
si son simtricos con
respecto al tiempo medio.

Solucin:
Sea X = tiempo de mquina necesario para fabricar una unidad del producto Pentium.
X se distribuye normalmente N (=50; o=5)
a) Clculo de la probabilidad que una unidad requiera un tiempo de mquina, ms de 53
minutos.
P [ X > 53] = P
(
> =
(

>
5
3
Z P
5
50 53
o
X

= 0,5 T(0,6) = 0,5- 0,2257 = 0,2743

El nmero de unidades que requerirn un tiempo de mquina ms de 53 minutos est dado por:
(n de unidades) P (X > 53) = 40 000 ( 0,2743) = 1097,2 unidades

b) P (48 s X s 53) =
(
s
5
50 53
5
50 - 48
P
o
X

= P [ -2 /5 s Z s 3 / 5 ] = T(0,6) + T(0,4)
= 0,3811
El nmero de unidades que requerirn un tiempo de mquina comprendido entre 48 y 53
minutos inclusive, es: (n de unidades) P (48 s X s 53) = 40000. (0.3811) = 1524 unidades

c) Puesto que x
1
y x
2
son simtricos respecto a la media, entonces x
1
=50 - x ; x
2
= 50 + x, luego
se tiene que:
P[ 50 x s X s 50 + x

] = P
(
5 5
x X x
o

= 2 T |
.
|
\
|
5
x
= 0,5 T |
.
|
\
|
5
x
= 0,25 = T (0,77)
67 , 0
5
=
x
x = 3,35
Por lo tanto: x
1
= 50 3,35 = 46,65
x
2
= 50 + 3,35 = 53,65


25

Ejercicios Resueltos 02

1. En un juego de la feria de San Pablo, se tiran tres dados, los dados se arrojan despus que el
jugador ha propuesto una apuesta sobre una cara particular del dado, digamos . Por cada
apuesta de $1,50 que usted coloque, puede perder la apuesta si ninguno de los 3 dados muestra
la cara ; puede ganar $2,00 si un dado muestra la cara ; puede ganar $3,00 si dos de los
dados muestran la cara ; o puede ganar $ 4,00 si los tres dados muestran la cara .
a) Forme la distribucin de probabilidad que represente los diferentes valores monetarios
(ganancias o prdidas) que son posibles ( de un tiro de los tres dados).
b) Determine la media y desviacin estndar de esta distribucin de probabilidad.

Solucin:
a) X= ganancia del jugador (lo que recibe lo que apuesta)
X se distribuye de forma binomial con p=1/6 y n=3

n de
caras
P(x)=
x x
x
|
.
|
\
|
|
.
|
\
|
|
|
.
|
\
|
3
6
5
6
1
3

Ganancia
( x )
x . P(x) (x - u)
2
. P(x)
0 0.57870 -1.5 -0.86806 0.4911961
1 0.34722 0.5 0.17361 0.40402836
2 0.06944 1.5 0.10417 0.30007008
3 0.00463 2.5 0.01157 0.04388156
1 -0.5787037 1.2391761
1.11318287

2. El departamento de Negocios Internacionales del BCP tiene dos empleados a tiempo parcial:
Jos y Josefa. Jos trabaja los lunes, mircoles y viernes en tanto que Josefa los hace los
martes, jueves y sbados. Jos archiv errneamente uno de cada cinco documentos, mientras
que Josefa lo hace uno cada seis. Se elige al azar un da de la semana y en ese da se toma una
muestra de 6 documentos de entre los documentos archivados ese da.
a) Cul es la probabilidad de que la muestra contenga exactamente 3 documentos mal
archivados?
b) Suponga que la muestra contenga exactamente 3 documentos mal archivados, Cul
es la probabilidad de que hayan sido archivados por Jos?

Solucin:
Datos: Jos: trabaja = { Lu, Mi y Vi } y archiva mal 1 de cada 6 (p= 1/6)
Josefa: trabaja = { Ma, Ju y Sa }} y archiva mal 1 de cada 4 (p= 1/4)
Se eligen 6 documentos al azar (n=6)

a) Utilizando el diagrama de rbol:
Primero se elige el da, en el cual se calcula la probabilidad de que sea Jos o Josefa.
Luego se calcula la probabilidad del que ha sido seleccionado, haya archivado mal 3
documentos,


26

Utilizando el teorema de Bayes:
Prob( Jos y 3 doc) = P (Jos). P(3 doc / Jos) = (0.5) * (0.08192) = 0.04096
Prob( Josefa y 3 doc) = P (Josefa). P(3 doc / Josefa) = (0.5) * (0.05358) = 0.02679

Probabilidad de que la muestra contenga 3 documentos mal archivados
Prob (3 doc) = Prob(Jos y 3doc) + Prob (Josefa y 3 doc) = 0.04096 + 0.02679 = 0.06775

b) Probabilidad de que hayan sido archivados por Jos dado que hay 3 documentos
archivados errnameante.

Prob ( Jos / 3 doc) = Prob ( Jos y 3 doc) = 0.04096 = 0.6046
Prob ( 3 doc) 0.06775

3. Una parte importante de las responsabilidades del servicio a clientes de una empresa pblica que
lleva el gas de Camisea, se refiere a la rapidez con que se pueden atender las llamadas relativas
a los desperfectos en la cocina a gas en una casa. Suponga que una variable de servicio de
importancia se refiere a si la persona de reparaciones llega o no a la casa en un periodo de dos
horas. Los datos pasados indican que la probabilidad es de 0,60 de que la persona de
reparaciones llega a la casa en un perodo de dos horas si se selecciona una muestra de cinco
llamadas de servicio de desperfectos en la cocina, Cul es la probabilidad de que una persona
de reparaciones llegue a:
a) Las cinco casas en un periodo de dos horas?
b) Al menos a tres casas el periodo de dos horas?
c) Encuentre la probabilidad de que la persona de reparaciones llegue a ninguna, una y
dos casas y grafique el histograma para la distribucin de probabilidad?

Solucin:

Sea la variable aleatoria x : n de llamadas de servicio que llegan antes de dos horas
Se conoce p = 0,6 y n = 6, la distribucin de probabilidad sera:
x P(X = x)
0 0.0102
1 0.0768
2 0.2304
3 0.3456
4 0.2592
5 0.0778
Jos
Josefa
P(Jos) =1/2
P(Josefa) =1/2
Archiva
errneamente
3 documentos

Archiva
errneamente
3 documentos

P(3 doc/Jos) =
3 3
6
5
6
1
3
6
|
.
|
\
|
|
.
|
\
|
|
|
.
|
\
|
= 0,08192
P(3 doc/Josefa) =
3 3
4
3
4
1
3
6
|
.
|
\
|
|
.
|
\
|
|
|
.
|
\
|
= 0.13184



27
Total 1.0000

a) P ( x = 5) = 0.0778
b) P ( x > 3 ) = 0.3456 + 0.2592 + 0.0778 = 0.6826
c) P ( x = 0) = 0.0102 ; P( x = 1) = 0.768 ; P ( x = 2) = 0.2304
Diagrama de la distribucin de probabilidades
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0 1 2 3 4 5
n de llamadasque llegan en 2 horas
P
(
x
)

4. Un tratamiento para cierta enfermedad produce una cura en 75% de los casos. Se seleccionan 6
pacientes aleatoriamente. Cul es la probabilidad de que:
a) Todos estn curados?
b) Ninguno est curado?
c) Cuatro estn curados?
d) Al menos cuatro estn curados?

Solucin:
Sea la variable aleatoria X : n de pacientes curados
Donde n = 6 p = 0.75
Entonces la distribucin de probabilidad ser :

a) P( x = 6) = 0.1780
b) P ( x = 0) = 0.0002
c) P (x = 4) = 0.2966
d) P ( x > 4) = 0.2966 + 0.3560 + 0.1780 = 0.8306

x
P(X = x) = ( ) ( )
x x
x

|
|
.
|
\
|
6
25 . 0 75 , 0
6

0 0.0002
1 0.0044
2 0.0330
3 0.1318
4 0.2966
5 0.3560
6 0.1780
Total 1.0000

28
5. La probabilidad de que en cierta empresa industrial el consuma de energa elctrica sea normal (
es decir no sobrepase un nmero determinado de KW) en 24 horas es igual a . Determinar la
distribucin de probabilidad del numero del nmero de das de consumo normal de energa
elctrica por un lapso de 6 das; represente en un diagrama esta distribucin. Cul es la
probabilidad de que haya 4 das de consumo normal?

Solucin:
La variable aleatoria es X: n de das de consumo normal
Donde n = 6 p = = 0,75
Dados que los parmetros son los mismos del ejercicio anterior tenemos:

P ( x = 4) = 0.2966 ( utilizando los clculos del ejercicio anterior)
Grfico de la distribucin de Probabilidades
0
0.05
0.1
0.15
0.2
0.25
0.3
0.35
0.4
0 1 2 3 4 5 6
n de das de consumo normal
P
(
x
)

6. En el laboratorio de la Escuela Profesional de Qumica de la UNPRG, el 90% de los tubos de
ensayo soportan temperatura mayor que 80 C, suponga que 10 de estos tubos se someten a
una prueba a temperaturas mayores de 80 C. Determine la probabilidad que 3 de estos queden
inutilizables.

Solucin:
La variable aleatoria es X: n de tubos que quedan inutilizables a una temperatura de 80 C
Donde n = 10 p = 10% = 0,1
P ( X = 3) = ( ) ( )
7 3
9 . 0 1 , 0
3
10
|
|
.
|
\
|
= 0.0574
x
P(X = x) = ( ) ( )
x x
x

|
|
.
|
\
|
6
25 . 0 75 , 0
6

0 0.0002
1 0.0044
2 0.0330
3 0.1318
4 0.2966
5 0.3560
6 0.1780
Total 1.0000


29

7. En un da de verano muy caluroso, 10% de los trabajadores del departamento de produccin de
la empresa Juguesa, estn ausentes del trabajo. Se han de seleccionar 10 obreros para un
estudio especial del ausentismo.
a) Cul es la variable aleatoria en este problema?
b) Tal variable es discreta o continua? Porqu?
c) Cul es la probabilidad de que ninguno de los 10 trabajadores seleccionados
est ausente?
d) Idee una distribucin probabilstica binomial para este experimento?
e) Calcule la media y la desviacin estndar de la distribucin
f) Represente la distribucin probabilstica binomial por medio de una grfica.

Solucin:
a) La variable aleatoria es X: n de trabajadores ausentes en el trabajo.
b) La variable es discreta, porque solo toma valores enteros = {0,1,2,3,4,5,6,7,8,9,10}
c) Como: n = 10 y p = 0,1 entonces P ( X = 0 ) = (0,1)
0
(0,9)
10
= 0.3487
d) P(X = x) = ( ) ( )
x x
x

|
|
.
|
\
|
10
9 , 0 1 , 0
10

e) Media = = np = (10) (0.1) = 1
Desviacin estndar = o = = = ) 9 . 0 )( 1 . 0 ( 10 npq 0.9487
f) Grfica

Diagrama de la distribucin de probabilidades
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0 1 2 3 4 5 6 7 8 9 10
n de das de consumo normal
P
(

x
)

8. En un estudio de mercado de la empresa APOLO, planea realizar una encuesta para determinar
si los consumidores de cereales en hojuelas pueden o no distinguir su producto favorito, de los
otros del mismo tipo. Para probar el cuestionario y el experimento se pidi a ocho personas que
cooperaran en el experimento. Se colocaron frente a cada persona cinco tazones pequeos de
cereales en hojuelas, y los recipientes se marcaron como A, B, C, D, E . A la persona se le
inform que slo uno de los tazones sera su favorito.

a) Supngase que una persona no pudo identificar su cereal favorito, y slo conjetur que
estaba en el tazn C. Cul es la probabilidad de que haya adivinado correctamente?

30
Si una persona no pudo identificar su cereal entonces slo trata de acertar al azar, entonces
la probabilidad de acertar es p = 1/5

b) Cul es la variable aleatoria en este problema?
La variable aleatoria es X: n de personas que aciertan el tazn de su cereal favorito.
Donde el Rx = { 0, 1, 2, 3, 4, 5, 6,7, 8 }

c) Tal variable es discreta o continua? Porqu?
La variable es discreta, porque slo puede tomar valores enteros positivos.

d) Suponga que las 8 personas fueron incapaces de identificar su cereal favorito, y slo
adivinaron en que tazn se encontraba. Cul es la probabilidad de que ninguno de los ocho
haya adivinado en forma correcta?
=
|
.
|
\
|
|
.
|
\
|
|
|
.
|
\
|
= =
8 0
5
4
5
1
0
8
) 0 (X P 0.16777216

e) Idee una distribucin probabilstica binomial para este experimento?

x x
x
x X P

|
.
|
\
|
|
.
|
\
|
|
|
.
|
\
|
= =
8
5
4
5
1
8
) (

f) Calcule la media y la desviacin estndar de la distribucin
Media : = np = 8 (1/5) = 1.6
Desviacin estndar : o =
|
.
|
\
|
|
.
|
\
|
=
5
4
5
1
8 npq = 1.1314

g) Represente la distribucin probabilstica binomial por medio de una grfica.

x
x x
x
x X P

|
.
|
\
|
|
.
|
\
|
|
|
.
|
\
|
= =
8
5
4
5
1
8
) (
0 0.16777
1 0.33554
2 0.29360
3 0.14680
4 0.04588
5 0.00918
6 0.00115
7 0.00008
8 0.00000
Total 1.00000



31
Grfica de la distribucin de Probabilidades
0.00
0.05
0.10
0.15
0.20
0.25
0.30
0.35
0.40
0 1 2 3 4 5 6 7 8
N de personas que acertaron su cereal favorito
P
(
x
)

9. Usando la tabla de Poisson, calcule lo siguiente:
a) Si = 2,5, entonces P( X = 2)
b) Si = 8,0, entonces P( X = 8)
c) Si = 0,5, entonces P( X = 1)
d) Si = 3,7, entonces P( X = 0)
e) Si = 4,4 entonces P( X = 7)

Solucin:
a) P ( X = 2) =
! 2
) 5 , 2 (
5 , 2 2
e
= 0,2565
b) P ( X = 8) =
! 8
) 8 (
8 8
e
= 0,1396
c) P ( X = 1) =
! 1
) 5 , 0 (
5 , 0 1
e
= 0,3033
d) P ( X = 0) =
! 0
) 7 , 3 (
7 , 3 0
e
= 0,0247
e) P( X = 7) =
! 7
) 4 , 4 (
4 , 4 7
e
= 0,778

10. En la comisara de trnsito de la ciudad de Chiclayo se tiene registrados que en promedio hay 3,4
accidentes de dos carros en un da. cul es la probabilidad de que haya:
a) Al menos 6 de tales accidentes en Chiclayo en cualquier da?
b) No ms de 2 de tales accidentes en Chiclayo en cualquier da?
c) Menos de 2 de tales accidentes en Chiclayo en cualquier da?
d) Al menos 2 de tales accidentes en Chiclayo en cualquier da?

Solucin
Variable aleatoria X: n de accidentes de dos carros en un da.
Promedio: = 3,4
X se distribuye con distribucin de Poisson

32

a) P(X > 6) = 1- P( X < 6) = 1 - [ P(X=0) + P(X=1) + P(x=2) + P(X=3) + P(X=4) + P(X=5) ]
= 1 (0,0334 + 0,1135 + 0,1929 + 0,2186 + 0,1858 + 0,1264)
= 1 0,8706 = 0,1294

b) P (X s 2) = P(X=0) + P(X=1) + P(x=2) = 0,0334 + 0,1135 + 0,1929 =0,3398

c) P(X < 2) = P(X=0) + P(X=1) = 0,0334 + 0,1135 = 0,1469

d) P ( X > 2 ) = 1 - P( X < 2 ) = 1 0,1469 = 0,8531

11. Los autores de este libro trabajaron mucho para minimizar el nmero de errores en el texto. Sin
embargo, algunos errores pasan inadvertidos. La seora Griselda Sosa, supervisora editorial,
informa que el nmero medio de errores por captulo es de 0,8. cul es la probabilidad que haya
menos de dos errores en un captulo especfico?

Solucin:
Variable aleatoria : X : n de errores por captulo
Promedio: = 0,8 errores por captulo.
P ( X < 2) = P(X=0 ) + P(X=1) =
! 0
) 8 , 0 (
8 , 0 0
e
+
! 1
) 8 , 0 (
8 , 0 1
e
= 0,4493 + 0,3595 = 0,8088

12. La Petroleum International Company promedia 4 descubrimientos por cada 100 pozos
perforados. Si se deben perforar 20 pozos. Cul es la probabilidad de que
a) se haga exactamente un descubrimiento?
b) Se hagan al menos dos descubrimientos?

Solucin :
Variable aleatoria: X := n de descubrimientos en 20 pozos perforados
Probabilidad de un descubrimiento: p = 4/100 = 0,04
N de ensayos: n= 20
a) ( ) ( ) =
|
|
.
|
\
|
= =
19 1
96 , 0 04 , 0
1
20
) 1 (X P 20 (0,04) (0,46042) = 0,36834

b) P(X > 2) = 1 P (X<2) = 1 [ P(X=0) + P(X=1) ] = 1 (0,44200 + 0,36834) = 0,18966

13. La seora Mendoza est encargada de los prstamos en el banco BIZE. Con base en sus aos
de experiencia, estima que la probabilidad de que un solicitante no sea capaz oportunamente su
prstamo es 0,025. El mes pasado realiz 40 prstamos. Cul es la probabilidad que 3 prstamos
no se paguen oportunamente

Solucin:
Variable aleatoria: X := n de solicitantes que no pagan su prstamo oportunamente
Probabilidad de un incumplimiento: p = 0,025 q = 0,975
N de ensayos: n= 40

( ) ( ) =
|
|
.
|
\
|
= =
37 3
975 , 0 025 , 0
3
40
) 3 (X P 0,0605

14. El gerente del control de calidad de la empresa OREO est supervisando un lote de galletas de
chispas de chocolate que se acaban de hornear. Si el proceso est bajo control, el nmero
promedio de chispas por galleta es de 6,0. Cul es la probabilidad de que en cualquier galleta
inspeccionada.
a) se encuentren exactamente 5 chispas?
b) se encuentren menos de 5 chispas?


33
c) se encuentren 5 o ms chispas?
d) se encuentren 5 4 chispas?

Solucin:

Variable aleatoria X : n de chispas de chocolate en una galleta
Promedio: = 6 chispas por galleta
X se distribuye con distribucin de Poisson

a) P (X=5) =
! 5
) 6 (
6 5
e
= 0,1606

b) P (X<5) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4)
= 0,0025 + 0,0149 + 0,0446 + 0,0892 + 0,1339
= 0.2851

c) P (X > 5) = 1 P (X <5)
= 1 - [P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4) ]
= 1 - 0.2851 = 0,7149

d) P ( X=5 X= 4 ) = P(X=5) + P(X=4) = 0,1606 + 0,1339 = 0,2945

15. En la empresa Telefnica, se estima que el 0,5% de llamadas a la central reciben la seal de
ocupado. Cul es la probabilidad que de las 1200 llamadas telefnicas del da de hoy, al menos
5 hayan recibido la seal de ocupado?

Solucin:

Variable aleatoria X : n de llamadas que reciben la seal de ocupado
Probabilidad de que una llamada reciba la seal de ocupado: p = 0,005 q = 0,995
N de ensayos:n = 1200 llamadas
X se distribuye de forma Binomial, pero dado que n es muy grande y p muy pequeo, entonces
usaremos la aproximacin a la Poisson:
Donde el promedio = = np = 1200 (0,005) = 6
P ( X > 5) = 1 P (X<5) = 1 - [P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4) ]
= 1 (0,0025 + 0,0149 + 0,0446 + 0,0892 + 0,1339)
= 1 0,2851 = 0,7149

16. Si X es una variable aleatoria normalmente distribuida con media = 6 y varianza o
2
= 25. Hallar :
a) P [6 s X s 12]
b) P [0 s X s 8 ]
c) P [-2 s X s 0 ]
d) P [ X > 2]
Solucin:
a) P [6 s X s 12] = | | = = s s =
(

s s
) 2 . 1 ( 2 . 1 0
5
6 12
5
6 6
T z P z P 0,3849

b) P [0 s X s 8 ] = | | = s s =
(

s s
4 , 0 2 , 1
5
6 8
5
6 0
z P z P T(1,2) + T (0,4)
= 0,3849 + 0,1554 = 0,5403

c) P [-2 s X s 0 ] = | | = s s =
(

s s

2 , 1 6 , 1
5
6 0
5
6 2
z P z P T(1,6) T(1,2)
= 0,4452 0,3849 = 0,0603

34
d) P [ X > 2 ] = | | = > =
(

> 8 , 0
5
6 2
z P z P 0,5 + T(0,8) = 0,5 + 0,2881 = 0,7881

17. Si X se distribuye normalmente con = 5 y o2 = 3. hallar los valores a y b tal que la P [ a < X <
b ] = 0,80 ; donde a y b son simtricos con respecto a la media.

Solucin:
P [ a < X < b ] = 0,80

| | 28 , 1 28 , 1
3
5
3
5
s s =
(

s s
z P
b
z
a
P

Entonces: 28 , 1
3
5
=
a
y 28 , 1
3
5
=
b

a = -1,28(1,7321) +5 b = 1,28 (1,7321) +5
a = 2,7829 b = 7,2171

18. En el examen de Estadstica Aplicada, la nota promedio es 11 y o = 2, el profesor desea
desaprobar slo el 40% de los examinados. cul debe ser la calificacin mxima
desaprobatoria?

Solucin:
Sea X = nota de los alumnos, suponiendo que se distribuye normalmente
donde = 11 y o = 2

P [X < a ] = 0,40
| | 26 , 0
2
11
< =
(

< z P
a
z P
2
11 a
= -0,26 a = -0,26 (2) +11
a = 8,44
La nota mxima desaprobatoria es de 10,48 puntos

19. El grosor de un lote de 10,000 lavadoras de metal de cierto tipo fabricadas por una la compaa
LG,se distribuye normalmente con una media de 0.0191 pulgadas y con una desviacin
estndar de 0,000425 pulgadas. Verifique que se puede esperar que 99.04 % de esas lavadoras
tengan un grosor de entre 0,0180 y 0,0202 pulgadas.

Solucin:
Sea X: grosor de la lavadoras de metal
X se distribuye normalmente con =0.0191 pulg. y o = 0,000425

P [0,0180 < X < 0,0202 ] =
| | = s s =
(

s s
59 , 2 59 , 2
000425 , 0
0191 , 0 0202 , 0
000425 , 0
0191 , 0 0180 , 0
z P z P 2 T(2,59)
= 2 (0,4952) = 0,9904 = 99,04%

20. Los gastos mensuales de comida de familias de cuatro miembros promedian $420 con una
desviacin estndar de $80. Suponiendo que los gastos mensuales de comida se distribuyen
normalmente.

a) Qu porcentaje de estos gastos son inferiores a $350?
b) Qu porcentaje de estos gastos estn entre $250 y $350?
c) Qu porcentaje de estos gastos estn entre $250 y $450?
d) Qu porcentaje de estos gastos son inferiores a $250 o mayores a $450?
e) Determine Q
1
y Q
3
a partir de la curva normal.


35

Solucin:
Sea X: gastos mensuales de comida en una familia de 4 miembros
X se distribuye normalmente con =$ 420 y o = $ 80

a) P ( X < 350 ) = | | 88 , 0
80
420 350
< =
(

< z P z P = 0,5 T(0,88) = 0,5 0,3106
= 0,1894 = 18,94%

b) P ( 250 < X < 350 ) = | | 88 , 0 13 , 2
80
420 350
80
420 250
s s =
(

s s
z P z P
= T(2,13) T(0,88) = 0,4834 0,3106 = 0,1728 = 17,28%

c) P ( 250 < X < 450 ) = | | 38 , 0 13 , 2
80
420 450
80
420 250
s s =
(

s s
z P z P
= T(2,13) + T(0,38) = 0,4834 + 0,1480 = 0,6314 = 63,14%

d) P ( X > 250 X s 450 ) = 1 -
(

s s
80
420 450
80
420 250
z P
= | | 38 , 0 13 , 2 1 s s = z P = 1 - 0,6314 = 0,9686 = 96,86%

e) P ( X < Q
1
) = 0,25 ] 68 , 0 [
80
420
1
< =
(

< z P
Q
z P

80
420
1
Q
= -0,68
Q
1
= -0,68 (80) + 420
Q
1
= 365,6

P ( X < Q
3
) = 0,75 ] 68 , 0 [
80
420
3
< =
(

< z P
Q
z P

80
420
3
Q
= 0,68
Q
3
= 0,68 (80) + 420
Q
3
= 474,4

21. La compaa de camiones ALCAS determin que sobre una base anual, la distancia viajada por
camin se distribuye normalmente con una media de 50.0 mil millas y una desviacin estndar de
12.0 mil millas.
a) Qu proporcin de camiones puede esperarse que viajen entre 34.0 y 50.0 mil millas al
ao?
b) Cul es la probabilidad de que un camin seleccionado aleatoriamente viaje entre 34.0 y
38.0 mil millas al ao?
c) Qu porcentaje de camiones puede esperarse que viajen menos de 30.0 o ms de 60.0 mil
millas al ao?
d) Cuntos de los 1000 camiones de la flota se espera que viajen entre 30.0 y 60.0 mil millas
al ao?
e) Cuntas millas sern recorridas por al menos 80.0% de los camiones?

Solucin:
Sea X: distancia recorrida por un camin de la compaa ALCAS (en miles de millas)
X se distribuye normalmente con = 50 y o = 12

36

a) P ( 34 < X < 50 ) = | | 0 33 , 1
12
50 50
12
50 34
s s =
(

s s
z P z P
= T(1,33) = 0,4082

b) P ( 34 < X < 38 ) = | | 00 , 1 33 , 1
12
50 38
12
50 34
s s =
(

s s
z P z P
= T(1,33) + T(1,00) = 0,4082 + 0,3413 = 0,7495

c) P ( X > 60 X s 30 ) = 1 -
(

s s
12
50 60
12
50 30
z P
| | 83 , 0 67 , 1 1 s s = z P = 1 [ T(1,67) + T(0,83)]
= 1 (0,4525 + 0,2967) = 1 0,7492
= 0,2508

d) P ( 30 s X s 60 ) =
(

s s
12
50 60
12
50 30
z P | | 83 , 0 67 , 1 s s = z P =
= T(1,67) + T(0,83) = 0,4525 + 0,2967 = 0,7492

e) P ( X < a ) = 0,80 ] 87 , 0 [
12
50
< =
(

< z P
a
z P

12
50 a
= 0,87
a = 0,87 (12) + 50
a = 60,44
Por lo menos el 80% de camiones recorren menos de 60,44 millas.

22. Las bolsas de plstico usadas para empaque de productos se fabrican de tal manera que la
resistencia a la rotura de las bolsas se distribuye normalmente con una media de 5 libras por
pulgada cuadrada y una desviacin estndar de 1,5 libras por pulgada cuadrada.
a) Qu proporcin de las bolsas producidas tiene una resistencia de rotura de
(1) entre 5 y 5.5 libras por pulgada cuadrada?
(2) entre 3.2 y 4.2 libras por pulgada cuadrada?
(3) Al menos 3.6 libras por pulgada cuadrada?
(4) Menos de 3.17 libras por pulgada cuadrada?

b) Entre qu dos valores simtricamente distribuidos alrededor de la media caer 95% de las
resistencias de rotura?

Solucin:
Sea X: resistencia de las bolsas de plsticos (en libras por pulgada cuadrada)
X se distribuye normalmente con = 5 y o = 1,5

a) P ( 5 < X < 5,5 ) = | | 33 , 0 0
5 , 1
5 5 , 5
5 , 1
5 5
s s =
(

s s
z P z P
= T(0,33) = 0,1293

P ( 3,2 < X < 4,2 ) = | | 53 , 0 2 , 1
5 , 1
5 2 , 4
5 , 1
5 2 , 3
s s =
(

s s
z P z P
= T(1,20) - T(0,53) = 0,3849 - 0,1985 = 0,1904


37

P (X > 3,6 ) = | | 93 , 0
5 , 1
5 6 , 3
> =
(

> z P z P
= 0,5 + T(0,93) = 0,5 + 0,3238 = 0,5238

P (X < 3,17 ) = | | 22 , 1
5 , 1
5 17 , 3
< =
(

< z P z P
= 0,5 - T(1,22) = 0,5 - 0,3888 = 0,1112

b) P ( a < X < b ) = 0,95 | | 96 , 1 96 , 1
5 , 1
5
5 , 1
5
s s =
(

s s
z P
b
z
a
P
Entonces: 96 , 1
5 , 1
5
=
a
y 96 , 1
5 , 1
5
=
b

a = -1,96(1,5) +5 b = 1,96 (1,5) +5
a = 2,06 b = 7,94

23. Se encontr que un conjunto de calificaciones de exmenes en un curso de Estadstica General
se distribua normalmente con una media de 73 y una desviacin estndar de 8.(calificaciones
centesimales)
a) Cul es la probabilidad de obtener a los ms una calificacin de 91 en este examen?
b) Qu porcentaje de estudiantes sacaron una calificacin entre 81 y 89?

Solucin:
Sea X: calificacin en el curso de Estadstica (calificaciones centesimales)
X se distribuye normalmente con = 73 y o = 8

a) P (X s 91 ) = | | 25 , 2
8
73 91
s =
(

s z P z P
= 0,5 + T(2,25) = 0,5 + 0,4878 = 0,9878

b) P ( 81 < X < 99 ) = | | 25 , 3 1
8
73 99
8
73 81
s s =
(

s s
z P z P
= T (3,25) - T(1,00) = 0,4994 0,3413 = 0,1581

24. Una mquina expendedora de cerveza PILSEN se ajusta para servir 7,00 onzas de lquido por
vaso. La desviacin estndar es de 0,10 onzas. Cul es la probabilidad de que la mquina sirva
a) entre 7,10 y 7,25 onzas?
b) 7,25 onzas y ms?
c) Entre 6,8 y 7,25 onzas?
d) Cunto refresco se sirve como mximo en el 1% de las bebidas?

Solucin:
Sea X: volumen de lquido que sirve la mquina expendedora de cerveza (en onzas)
X se distribuye normalmente con = 7,0 y o = 0,10

a) P ( 7,10< X < 7,25 ) = | | 5 , 2 1
1 , 0
7 25 , 7
1 , 0
7 10 , 7
s s =
(

s s
z P z P
= T(2,50) T(1,00) = 0,4938 0,3413 = 0,1525


38
b) P (X > 7,25 ) = | | 5 , 2
1 , 0
7 25 , 7
> =
(

> z P z P
= 0,5 - T(2,5) = 0,5 - 0,4938 = 0,0062

c) P ( 6,8 < X < 7,25 ) = = | | 5 , 2 0 , 2
1 , 0
7 25 , 7
1 , 0
7 8 , 6
s s =
(

s s
z P z P
= T(2,00) + T(2,5) = 0,4772 + 0,4938 = 0,9710

d) P ( X < a ) = 0,01 ] 33 , 2 [
1 , 0
7
< =
(

< z P
a
z P

1 , 0
7 a
= -2,33
a = -2,33 (0,1) + 7
a = 6,767
En el 1% de las bebidas se sirva como mximo 6,767 onzas

25. En el programa TECHO PROPIO las cantidades en dinero en solicitudes de prstamo para
casas que recibe una institucin, est aproximadamente distribuida en forma normal con una
media de $ 7 000 y una desviacin estndar de $2 000. una solicitud de prstamo se recibi esta
maana. Cul es la probabilidad de que:
a) la cantidad solicitada sea de $8 000 ms?
b) La cantidad solicitada est entre $6 500 y 8 000?
c) La cantidad solicitada sea de $6 500 o ms?
d) El 20% de los prstamos sean mayores de cul cantidad?

Solucin:
Sea X: cantidad de dinero prestado en el programa techo propio
X se distribuye normalmente con = $7000 y o = $2000

a) P (X > 8000 ) = | | 5 , 0
2000
7000 8000
> =
(

> z P z P
= 0,5 - T(0,5) = 0,5 - 0,1915 = 0,3085

b) P ( 6500< X < 8000 ) = | | 5 , 0 25 , 0
2000
7000 8000
2000
7000 6500
s s =
(

s s
z P z P
= T(0,25) + T(0,50) = 0,4938 0,1915 = 0,6853

c) P (X > 6500 ) = | | 25 , 0
2000
7000 6500
> =
(

> z P z P
= 0,5 + T(0,5) = 0,5 - 0,4938 = 0,9938

d) P ( X > a ) = 0,20 ] 84 , 0 [
2000
7000
< =
(

< z P
a
z P

2000
7000 a
= 0,84
a = 0,84 (2000) + 7000
a = 8680
El 20% de los prstamos son mayores de $ 8680


39

26. En la empresa Cervecera del Norte S.A., los trabajadores tienen un salario promedio de s/.11,9
por hora y la desviacin estndar es s/. 0,40. si se supone que los salarios se distribuyen
normalmente:
a) qu porcentaje de trabajadores reciben entre s/. 10,9 y s/. 11,9?
b) qu porcentaje de trabajadores reciben entre s/. 10,8 y s/. 12,4?
c) qu porcentaje de trabajadores reciben entre s/. 12,2 y s/. 13,1?
d) qu porcentaje de trabajadores reciben menos de s/. 11,0?
e) qu porcentaje de trabajadores reciben ms s/. 12,9?
f) qu porcentaje de trabajadores reciben menos de s/. 11,0 y ms de s/. 12,9?

Solucin:
Sea X: salario por hora de los trabajadores de la empresa cervecera del Norte
X se distribuye normalmente con = s/. 11,9 y o = s/. 0,40

a) P ( 10,9 < X < 11,9 ) = | | 0 5 , 2
4 , 0
9 , 11 9 , 11
4 , 0
9 , 11 9 , 10
s s =
(

s s
z P z P
= T(2,50) = 0,4938 = 49,38%

b) P ( 10,8 < X < 12,4 ) = | | 13 , 0 75 , 2
4 , 0
9 , 11 4 , 12
4 , 0
9 , 11 8 , 10
s s =
(

s s
z P z P
= T(2,75) + T(0,13) = 0,4970 + 0,0517 = 0,5487 = 54,87%

c) P ( 12,2 < X < 13,1 ) = | | 0 , 3 75 , 0
4 , 0
9 , 11 1 , 13
4 , 0
9 , 11 2 , 12
s s =
(

s s
z P z P
= T(3,00) - T(0,75) = 0,49865 - 0,2734 = 0,22525 = 22,53%

d) P (X < 11,0 ) = | | 25 , 2
4 , 0
9 , 11 11
s =
(

s z P z P
= 0,5 - T(2,25) = 0,5 - 0,4878 = 0,0122 = 1,22%

e) P (X >12,9 ) = | | 50 , 2
4 , 0
9 , 11 9 , 12
> =
(

> z P z P
= 0,5 - T(2,50) = 0,5 - 0,4938 = 0,0062 = 0,62%

f) P (X s 11,0 X > 12,9 ) = P (X < 11,0 ) + P (X >12,9 )
= 0,0122+ 0,0062
= 0,0184
= 1,84%

Capã Tulo 2 Distribuciones de Probabilidad-Separata

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Capã Tulo 2 Distribuciones de Probabilidad-Separata

Cargado por

Copyright:

Formatos disponibles

II UNIDAD : Distribuciones de Probabilidad

Wilder Alvarado Castillo

También podría gustarte