TECSUP PFR Clculo Aplicado a los Procesos Industriales

Unidad V

DISTRIBUCIN DE PROBABILIDADES DISCRETAS

1. DISTRIBUCIN BINOMIAL

Muchos problemas estadsticos se ocupan de situaciones conocidas como

ensayos repetidos.

Por ejemplo, deseamos conocer la probabilidad de que:

Uno de cinco remaches se rompa en una prueba de resistencia a la tensin;

La probabilidad de que 9 de 10 videocaseteras funcionen durante al menos
1000 horas;
La probabilidad de que 45 de 300 conductores detenidos en un retn usen
cinturones de seguridad
La probabilidad de que 66 de 200 telespectadores (entrevistados por una
agencia de medicin de rating) recuerden qu productos fueron enunciados
en un programa dado.

Para atenernos al vocabulario de los juegos de azar, podramos decir que en

cada uno de estos ejemplos nos interesa la probabilidad de obtener x xitos
en n ensayos o, en otras palabras, x xitos y (n x ) fracasos en n
intentos.

En los problemas partiremos siempre de los siguientes supuestos:

Hay slo dos resultados posibles para cada ensayo (arbitrariamente llamados
xito y fracaso, sin inferir que un xito sea necesariamente deseable).
La probabilidad de un xito es la misma para cada ensayo.
Hay n ensayos, donde n es una constante.
Los n ensayos son independientes.

Los ensayos que satisfacen estos supuestos se llaman ensayos de Bernoulli, y la

relacin matemtica para evaluar la probabilidad de obtener x xitos de un
total de n ensayos con p probabilidades de xito es:

127
Clculo Aplicado a los Procesos Industriales TECSUP PFR

n x n x
P(X )x b(x;n, )p p 1 p para x 0,1,2,..., n

x
nx nx n! xnx
Donde: p1 p pq
x x !(n - x)!
Esta distribucin de probabilidad se llama DISTRIBUCIN BINOMIAL.

La tabla 1 nos muestra las PROBABILIDADES ACUMULAS desde x=0,1,2.n

x
P( X x ) ( x; n, p) b(k; n,p) para x 0,1,2,....., n
k 0

x x n
P(X x) P(X xk) p q k n k

k0 k0k
Esta tabla de valores acumulativos de probabilidad resulta importante si tenemos
que evaluar una probabilidad puntual:

b( x; n, p) ( x; n, p) ( x 1; n, p )

1.1. REPRESENTACIN GRFICA

Si p 0,50 y n=10 la ecuacin para la distribucin binomial es:

128
TECSUP PFR Clculo Aplicado a los Procesos Industriales

10 10
b( ;x10; .0 50) (0.5) para x 0,1,2....10

x
Los valores se muestran en la siguiente tabla 1:

X 0 1 2 3 4 5 6 7 8 9 10
P(x) 0,001 0,009 0,044 0,117 0,205 0,246 0,205 0,117 0,044 0,009 0,0010
0 7 0 2 1 0 1 2 7

Grfico:
DISTRIBUCION DE PROBABILIDADES BINOMIAL
(n=10; p=0,5)

0.3

0.25
PROBABILIDAD P(X=x )

0.2

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA x

Figura 1. Distribucin binomial (simtrica) con n = 10 y p = 0,5.

El grfico de la distribucin de probabilidades acumuladas

correspondiente a estos valores se muestra en el grfico 2
x
P( X x ) ( x;10;0,50 ) b(k;10;0,50 ) para
k 0
x 0,1,2,....., n

129
Clculo Aplicado a los Procesos Industriales TECSUP PFR

DISTRIBUCIN DE PROBABILIDADES
ACUMULADAS BINOMIAL (n=10; p=0,5)

1.2

PROBABILIDAD P(X<=x) 1

0.8

0.6

0.4

0.2

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA x
Figura 2. Distribucin binomial acumulada con n = 10 y p = 0,5.
Una distribucin de probabilidades con p 0.5 no es simtrica y se dice
que son sesgadas tal como muestra la figura 3 en la cual se representan:

10 x 10x
b(x;10;0.20) (0.2) (1p)
x
10 x 10x
b(x;10;0.80) (0.8) (1p)
x

130
TECSUP PFR Clculo Aplicado a los Procesos Industriales

DISTRIBUCION DE PROBABILIDADES BINOMIAL

(n=10; p=0,2)

0.35

0.3
PROBABILIDAD P(X=x)
0.25

0.2

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA x

DISTRIBUCION DE PROBABILIDADES BINOMIAL

(n=10; p=0,8)

0.35

0.3
PROBABILIDADES P(X=x)

0.25

0.2

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA x
Figura 3. Distribuciones binomiales sesgadas con n = 10; p = 0,20 y p=0,80.

1.2. MEDIA Y VARIANZA DE UNA DISTRIBUCIN BINOMIAL

La media de una distribucin binomial es np

La varianza de la distribucin binomial 2 n p (1 p)

La desviacin tpica o estndar n p (1 p)

EJEMPLO 1

131
Clculo Aplicado a los Procesos Industriales TECSUP PFR

Se argumenta que en el 60% de las instalaciones de calefaccin solar la

cuenta por concepto de servicio pblico se reduce en al menos un tercio.
En consonancia con ello, Cules son las probabilidades de que la cuenta
de servicio se reduzca en al menos un tercio en:

Cuatro de cinco instalaciones.

Al menos cuatro de cinco instalaciones.

Solucin

Sustituyendo x = 4, n = 5 y p = 0,60 en la frmula de la

distribucin binomial.

5 4 5 4
b(4;5,0 0)6 (0, 0)6 (10, 0)6 0,259
4
Sustituyendo x = 5, n = 5 y p = 0,60 en la frmula de la
distribucin binomial.

5 4 55
b(5; ,0 0)6 (0, 0)6 (10, 0)6 0, 78
5
La respuesta es b( 4;5,0,60 ) + b(5;5,0,60 ) = 0,259 + 0,078 =
0,337

EJEMPLO 2

Si la probabilidad de que cierta columna de ala ancha caiga bajo un carga

axial dada es de 0.05, Qu probabilidades hay de que entre 16 columnas
de ese tipo

132
TECSUP PFR Clculo Aplicado a los Procesos Industriales

Caigan cuando ms dos;

Caigan al menos cuatro.

Solucin

La tabla 1 muestra que ( 2;16,0.05 ) 0.9571 .

Dado que
16
b( x;16,0.05) 1 (3;16,0.05)
x4

En la Tabla 1: (3;16,0.05 ) = 0,9930

Luego:
1 0.9930 0.0070

EJEMPLO 3

Si la probabilidad de que a cualquier persona le desagrade el sabor de

una nueva pasta dentrfica es de 0.20, Cul es la probabilidad de que les
desagrade a 5 de 18 personas aleatoriamente seleccionadas?

Solucin

Usando la relacin con probabilidades acumulativas y buscando despus

estas probabilidades en la tabla 1, obtenemos.

b(5; 18,0.20) (5; 18, 0.20) (4; 18, 0.20)

0.8671 0.7164
0.1507

El ejemplo siguiente ilustra el uso de la distribucin binomial en un

problema de toma de decisiones.

EJEMPLO 4

Un fabricante de aparatos de fax sostiene que slo el 10% de sus

aparatos requieren de reparacin dentro del periodo de garanta de 12
meses. Si 5 de 20 de sus aparatos requirieron de reparacin en el primer
ao, esto apoya o refuta dicha afirmacin?

Solucin

133
Clculo Aplicado a los Procesos Industriales TECSUP PFR

Determinemos primero la probabilidad de que 5 o ms de 20 de los

aparatos de fax requieran de reparacin en el trmino de un ao cuando
la probabilidad de que cualquiera de ellos requiera de reparacin en un
ao es de 0.10. Con base en la tabla 1, obtenemos

20
b( x;20,0.10 ) 1 ( 4;20,0.10 )
x 5
1 0,9568
= 0,0432

Dado que este valor es muy pequeo, parecera razonable rechazar el

argumento del fabricante de aparatos de fax.

EJEMPLO 5

Determine la media de la distribucin de probabilidad del nmero de

caras obtenidas en tres lanzamientos de una moneda balanceada.

Solucin
1
Para una distribucin binomial con n3 y p , obtenemos
2
1 3
3
2 2

EJEMPLO 6

Compruebe el resultado enunciado en el ejemplo anterior, de que 2

1
para la distribucin binomial con n 16 y p .
2

Solucin

1
Sustituyendo n 16 y p en la frmula de la varianza de la
2
distribucin binomial, obtenemos
1 1
2 16 4 .
2 2
Y en consecuencia, 4 2

134
TECSUP PFR Clculo Aplicado a los Procesos Industriales

PROBLEMAS PROPUESTOS 5.1

1. Determinar:
b(7;19;0,45 )
b(8;10;0,95 )
(8;10;0,95 )
(7;19;0,45 )
10
b(k;10;0.35 )
k 4
4
b(k;9;0.30 )
k 2
Sol:

2. Se dice que el 75% de los accidentes en una planta se atribuyen a

errores humanos.
Use la frmula de la distribucin binomial para determinar la
probabilidad de que se atribuyan a errores humanos dos de los
primeros cuatro accidentes.
Sol:

3. Si la probabilidad de que el vapor se condense en un tubo de

aluminio de cubierta delgada a 10 atm de presin es de 0,40. Use la
distribucin binomial para determinar la probabilidad de que en las
condiciones enunciadas el vapor se condense en 4 de 12 tubos de
ese tipo.
Sol:

4. Durante una etapa en la manufactura de chips de circuito integrado

debe aplicarse a estos una capa de un determinado espesor. Si el
70% de los chips recibe una capa suficientemente gruesa. Determine
la probabilidad de que entre 15 chips:
Al menos 12 tengan una capa suficientemente gruesa.
Cuando mas 6 tengan una capa suficientemente gruesa.
Exactamente 10 tengan una capa suficientemente gruesa.
Sol:

135
Clculo Aplicado a los Procesos Industriales TECSUP PFR

5. La probabilidad de que un nivel de ruido de un amplificador de banda

ancha exceda de 2 dB es de 0,05. Determine las probabilidades de
que entre 12 de esos amplificadores el nivel de ruido de:
Uno exceda de 2 dB.
Cuando mas dos excedan de 2 dB.
Dos o ms excedan de 2 dB.
Sol:

6. En una procesadora de alimentos se afirma que cuando ms el 10%

de sus frascos de caf instantneo contienen menos caf que el
declarado en la etiqueta. Para probar esta afirmacin, 16 frascos se
seleccionan aleatoriamente para pesar su contenido; la afirmacin se
aceptar si menos de 3 frascos contienen menos caf que el
declarado en la etiqueta. Determine las probabilidades de que el
argumento de la procesadora de alimentos sea aceptada cuando el
porcentaje real de sus frascos con menos caf que el declarado en la
etiqueta sea:
5%
10%
20%
Sol:
( 2;16;0,05 ) 0,9571
( 2;16;0,10 ) 0,7892

7. Un estudio demuestra que una empresa de computadoras responde

el 70% de las consultas que se le hacen en un trmino de 6 das.
Determine las probabilidades de que la empresa responda 0,1,2,
.., o 10 de 10 consultas en 6 das y trace un histograma de
probabilidad de esta distribucin de probabilidad.
Sol:

X 0 1 2 3 4 5 6 7 8 9 10
P(x) 0 0,000 0,0015 0,009 0,036 0,103 0,200 0,266 0,233 0,121 0,0282
1 7 1 8 5 1

Grfico:

136
TECSUP PFR Clculo Aplicado a los Procesos Industriales

2. DISTRIBUCIN DE POISSON

Cuando n es grande y p es pequea, las probabilidades binomiales son

aproximadas a menudo por medio de la frmula.

x e
Distribucin de Poisson f ( x; ) para x=0,1,2
x!

Con (lambda ) igual al producto np .

x
La Tabla 2 da los valores de las probabilidades F( x; ) f (k; ) para
k 0

valores de en diversos incrementos de 0.02 a 25.

Una regla general aceptable es emplear esta aproximacin si n 20 y p 0,05
; Si n 100 la aproximacin es generalmente excelente siempre y cuando
n.p 10 .

EJEMPLO 1

Se sabe que 5% de los libros encuadernados en cierto taller tienen

encuadernaciones defectuosas. Determine la probabilidad de que 2 de 100 libros
encuadernados en ese taller tengan encuadernaciones defectuosas usando

La frmula para la distribucin binomial;

La aproximacin de Poisson a la distribucin binomial.

137
Clculo Aplicado a los Procesos Industriales TECSUP PFR

Solucin

Sustituyendo x 2 , n 100 y p 0,05 en la frmula de la distribucin

binomial, obtenemos:

10 2 98
b(2;10 .0.05) (0. 5)0 (0. 5)9 0.081
2
Sustituyendo x 2 y 100(0.05 ) 5 en la frmula de la distribucin de
Poisson, obtenemos:
5 2 e 5
f (2;5) 0.084
2!

Es interesante hacer notar que la diferencia entre los dos valores que obtuvimos
(el error que cometeramos empleando la aproximacin de Poisson) es de apenas
0.003.

EJEMPLO 2

Un fabricante de maquinaria pesada tiene instalados en el campo 3840

generadores de gran tamao con garanta. Si la probabilidad de que cualquiera
de ellos falle durante el ao dado es de 1/1200, determine las probabilidades de
que 0, 1, 2, 3, 4. de los generadores fallen durante el ao en cuestin.

Solucin

La distribucin binomial podra usarse, sin embargo el nmero esperado es

pequeo, en tanto que el nmero de generadores es grande, de modo que la
aproximacin de Poisson resulta vlida. Luego tomamos:
1
3.840 3 .2
1.200

En la Tabla 2, y la identidad f ( x; ) F( x 1; ) ofrece los resultados que

aparecen en la histograma de probabilidad de la figura 3

138
TECSUP PFR Clculo Aplicado a los Procesos Industriales

DISTRIBUCIN DE PROBABILIDADES 3,2

0.25

0.2
PROBABILIDADES

0.15

0.1

0.05

0
0 1 2 3 4 5 6 7 8 9 10
VARIABLE ALEATORIA

Figura 4. Histograma de probabilidades de la distribucin de Poisson con 3,2 .

2.1. MEDIA Y VARIANZA DE LA DISTRIBUCIN DE POISSON

La media de una distribucin de Poisson:

La varianza de la distribucin de Poisson: 2

La desviacin tpica de la distribucin de Poisson:

El primero de estos resultados era de esperar, porque en nuestra

justificacin de la aproximacin de Poisson a la distribucin binomial
concedimos que np . Para la varianza podemos formular que
2 np(1 p) (1 p), lo que aproxima a como p 0.

EJEMPLO 3

En un perodo de 10 minutos, un aparato contador registra un promedio

de 1,3 partculas gama por milisegundo procedentes de una sustancia
radiactiva. Para una buena aproximacin, la distribucin de la cuenta X
, de partculas gama durante el siguiente milisegundo es de Poisson.

Determine:

.
La probabilidad de una o ms partculas gama.
La varianza.

139
Clculo Aplicado a los Procesos Industriales TECSUP PFR

Solucin

La media de la distribucin de Poisson es , de manera que

aproximamos que 1.3 para coincidir con el promedio a largo
plazo.
1 P( X 0) 1 e 13 0.727
Para la distribucin de Poisson, la varianza tambin es igual a , de
manera que
2 1.3

EJEMPLO 4

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

Una imperfeccin en 3 minutos;

Al menos dos imperfecciones en 5 minutos;
Cuando ms una imperfeccin en 15 minutos.

Solucin

Remitindonos en cada caso a la tabla 2:

Con (0,2) 3 0,6 obtenemos:

F(1;0,6) F(0;0,6) 0,878 0,549
0,329

Con (0,2) 5 1,0 obtenemos:

1 F(1;1,0) 1 0,736
0,264

Con (0,2) 15 3,0 obtenemos:

F(1;3,0) 0,199

La distribucin de Poisson tiene muchas aplicaciones importantes en

problemas de formacin en cola , por ejemplo, el nmero de clientes que
arriban por servicios a una cafetera, el nmero de embarcaciones o
camiones que llegan para ser descargados en un muelle de recepcin, el
nmero de aviones que arriban a un aeropuerto, etc. As, si en promedio
0,3 clientes llegan por minuto a una cafetera, entonces la probabilidad de
que exactamente 3 clientes lleguen durante un perodo de 5 minutos es

140
TECSUP PFR Clculo Aplicado a los Procesos Industriales

F(3;1,5) F( 2;1,5) 0,934 0,809 0,125

Y si en promedio llegan 3 camiones por hora para ser descargados en una

bodega, entonces la probabilidad de que cuando ms 20 arriben durante
un da de 8 horas es:

F( 20;24 ) 0,243

Asimismo, si en promedio llegan 14,5 aviones por da a un aeropuerto

privado, entonces la probabilidad de que el nmero de arribos en un da
cualquiera se halle en cualquier punto entre 12 y 15, inclusive, es:

F(15;14.5) F(11;14.5) 0.619 0220 0.399

PROBLEMAS PROPUESTOS 5.2

1. Si 0.8% de los fusibles entregados a un arsenal son defectuosos, use

la aproximacin de Poisson para determinar la probabilidad de que 4
fusibles sean defectuosos en una muestra aleatoria de 400.
Sol:

2. En una caja bancaria llegan clientes a una tasa promedio de 1,5 por
minuto. Determine las probabilidades de que:
Cuando mas cuatro clientes lleguen en un minuto dado.
Al menos tres clientes lleguen durante un intervalo de 2 minutos.
Cuando mas 15 clientes lleguen durante el intervalo de 6 minutos.
Sol:

3. Un tirador experto da en el blanco es el 95% de las veces. Cul es la

probabilidad de que falle por primera vez en el decimoquinto disparo?
Sol:

141
Clculo Aplicado a los Procesos Industriales TECSUP PFR

3. DISTRIBUCIN HIPERGEOMTRICA

Supongamos que nos interesa el nmero de unidades defectuosas en una

muestra de n unidades extrada de un lote que contiene N unidades, de las
cuales a son defectuosas. Si la muestra se extrae de tal forma que en cada
extraccin sucesiva las unidades restantes en el lote tienen la misma oportunidad
de ser seleccionadas, la probabilidad de que la primera extraccin resulte en una
a a 1
unidad defectuosa es , pero para la segunda extraccin es o
N N 1
a
dependiendo de si la primera unidad extrada fue defectuosa o no.
N 1

As los ensayos no son independientes. Se aplicara la distribucin binomial si

hiciramos una muestra con reemplazo; es decir, si cada unidad seleccionada
para la muestra fuera reemplazada (vuelta a colocar en su sitio) antes de extraer
la siguiente.
Muestra n
(sin reemplazo)
N
unidades N-a
Elementos con
a fracaso
Elementos con
xito

Figura 5.

La frmula que se aplica se denomina distribucin HIPERGEOMETRICA:

142
TECSUP PFR Clculo Aplicado a los Procesos Industriales

aNa

xn x
h(x;n,a,N) para x 0,1......., min(n, a)

N

n
Donde (n x ) no puede exceder de N a .

EJEMPLO

Un embarque de 20 grabadoras contiene 5 defectuosas. Si 10 de ellas se eligen

al azar para su inspeccin, Cul es la probabilidad de que 2 de las 10 sean
defectuosas?

Solucin

Sustituyendo:
N 20 a5
n 10 x2 en la frmula de la distribucin hipergeomtrica obtenemos.

143
Clculo Aplicado a los Procesos Industriales TECSUP PFR

51 5! 15! 5.43 15.413.21.09

( )( ) ( )( )
h(2;10,52) 28 2!(52)! 8(158)! 3.21 7.654.321
20 20! 20.19 8.17 6.15 4.13 2.1

10 10!(2 10)! 10.987.654.321
10 * 6435 64350
h(2;10,5,20 ) 0,348
184756 184756

En el ejemplo anterior, n era grande en comparacin con N .

Sin embargo, cuando n es pequeo en comparacin con N , la composicin

del lote no se ve seriamente afectada por la extraccin de la muestra, de modo
a
que la distribucin binomial con los parmetros n y p ofrecern una
N
buena aproximacin.

EJEMPLO

Repitamos el ejemplo precedente para un lote de 100 grabadoras, 25 de las

cuales son defectuosas, empleando

La frmula de la distribucin hipergeomtrica;

La frmula de la distribucin binomial como una aproximacin

144
TECSUP PFR Clculo Aplicado a los Procesos Industriales

Solucin

Sustituyendo x 2 , n 10 , a 25 y N 100 en la frmula de la

distribucin hipergeomtrica, obtenemos

2575

2 8
h(2;10, 5,2 10 ) 0.292
10

10
Sustituyendo x 2, n 10 y p 25 / 100 0.25 en la frmula de la
distribucin binomial, obtenemos

1 0 2 10 2
b(2;10, . 5)2 (0. 5)2 (10. 5)2 0,282
2

145
Clculo Aplicado a los Procesos Industriales TECSUP PFR

La diferencia entre los dos valores es de slo 0.010. En general, es posible

a
demostrar que h( x; n, a, N) se aproxima a b( x; n, p) con p cuando
N
N , de modo que por regla general puede usarse la distribucin binomial
N
como una aproximacin a la distribucin hipergeomtrica si: n .
10

Aunque hemos introducido la distribucin hipergeomtrica en relacin con un

problema de inspeccin de muestreo, tiene muchas otras aplicaciones. Por
ejemplo, se puede emplear para determinar la probabilidad de que 3 de 12 amas
de casa prefieran el detergente marca A a la marca B , si se seleccionan de
entre 200 amas de casa, 40 de las cuales prefieren la marca A a la marca B .

3.1. MEDIA Y VARIANZA DE LA DISTRIBUCIN HIPERGEOMTRICA

La media y la varianza de la variable aleatoria hipergeomtrica esta dada

por:
a
E( X) n( )
N
a a Nn
2 Var ( X) n( )(1 )( )
N N N 1

PROBLEMAS PROPUESTOS 5.3

1. En cierta clnica hay 20 enfermos de los cuales se sabe que el 30%

tienen cncer, se extrae aleatoriamente 4 pacientes para el despistaje
del cncer.
Cul es la probabilidad que al menos uno tenga cncer?
Cul es el nmero esperado de pacientes con cncer?
Sol:

146
TECSUP PFR Clculo Aplicado a los Procesos Industriales

614

p(X) x4x , para x= 1,2,3,4

20

p(X)= 0,7934
4
6
4. 1,2
20

2. Una caja contiene 10 focos, de los cuales 8 estan en buen estado. Si

se escogen al azar 5 focos.
Cul es la funcin de probabilidad para los focos buenos?
Cul es la funcin de probabilidad para los focos malos?
Sol:

147
Clculo Aplicado a los Procesos Industriales TECSUP PFR

82


p(X) x5x , para x= 0, 1, 2, 3, 4, 5

10

5

148
TECSUP PFR Clculo Aplicado a los Procesos Industriales

28


p(X) x5x , para x= 0, 1, 2

10

5
3. Una empresa manufacturera recibe un lote que contiene 100 artculos
de los cuales 5 son defectuosos. La compaa revisa constantemente
los lotes que recibe para establecer la calidad del material. Si la
calidad de un lote recibido es baja, regresa al proveedor el lote
completo. Suponga que la compaa recibe el lote y lo acepta si hay
slo 1 o menos piezas defectuosas en una muestra de tamao 6.
Cul es la probabilidad de que se acepte un lote de 100 artculos
que contenga 5 defectuosos?
Sol:
p(X=0,1)=0,9720

4. Un ingeniero de control de calidad inspecciona una muestra una

muestra aleatoria de 3 bateras de cada lote de 24 bateras para
automvil listo para ser embarcado. Si uno de estos lotes contiene 6
bateras con ligeros defectos. Qu probabilidades hay de que la
muestra del inspector contenga:
Ninguna batera con defectos.
Slo una batera con defectos.
Al menos dos bateras con defectos.

149
Clculo Aplicado a los Procesos Industriales TECSUP PFR

Sol:

5. Un estudio demuestra que una empresa de computadoras responde

el 70% de las consultas que se le hacen en un trmino de 6 das.
Determine las probabilidades de que la empresa responda 0,1,2,
.., o 10 de 10 consultas en 6 das y trace un histograma de
probabilidad de esta distribucin de probabilidad.
Sol:

6. Entre los 12 colectores solares en exhibicin en una feria comercial, 9

son de placas planas y los dems de concentracin. Si una persona
de visita en la feria seleccionara aleatoriamente cuatro de los
recolectores solares para su examen, Cul sera la probabilidad de
que 3 de ellos fueran de placas planas?
Sol:

7. Un ingeniero de control de calidad inspecciona una muestra aleatoria

de 3 bateras de cada lote de 24 bateras para automvil listo para
ser embarcado. Si uno de eso lotes contiene seis bateras con ligeros
defectos, qu probabilidades hay de que la muestra del inspector
contenga
Ninguna batera con defectos;
Slo una batera con defectos;
Al menos dos bateras con defectos?
Sol:
h(0;3,6,24 ) 0,4032
h(1;3,6,24 ) 0,4535
h( x 2;3,6,24 ) h( 2;3,6,24 ) h(3;3,6,24 ) 0,14328

8. Un embarque de 120 alarmas contra robo contiene 5 defectuosas. Si

tres de estas alarmas se seleccionan aleatoriamente y se le envan a
un cliente, determine la probabilidad de que el cliente reciba una en
mal estado empleando:
La frmula de la distribucin hipegeomtrica;
La frmula de la distribucin binomial como una aproximacin.
Sol:

150
TECSUP PFR Clculo Aplicado a los Procesos Industriales

9. Entre los 300 empleados de una compaa, 240 son miembros del
sindicato, mientras que los dems no. Si se elige por sorteo a ocho
de los empleados para participar en la comisin que administra el
fondo de pensiones, determine la probabilidad de que cinco de ellos
sean miembros del sindicato mientras que los otros no, utilizando:
La frmula de la distribucin hipergeomtrica;
La frmula de la distribucin binomial como una aproximacin.
Sol:

151
Clculo Aplicado a los Procesos Industriales TECSUP PFR

aNa 2406

xnx 5 3

h(x;n,aN) 0,147
N 30

n 8
152
TECSUP PFR Clculo Aplicado a los Procesos Industriales

n x nx 8 35
b)
b(x;n,p) p(1p) 0,8.0,2 0,1468
x 5

153