UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE CIENCIAS MÉDICAS

ESCUELA ACADÉMICO-PROFESIONAL DE MEDICINA HUMANA

PRÁCTICA N.° 3

CURSO: BIOESTADÍSTICA

DOCENTES:
MSC. AUGUSTO CHAFLOQUE CHAFLOQUE
MSC. CARLOS RISCO DÁVILA

ALUMNOS:

ALCANTARA GUTTI MANUEL ENRIQUE

BAUER PONTE PAUL ALEJANDRO
CASTILLO BENITES CARLOS MIGUEL
CHAMAN ALVARADO JOSE ARMANDO RAFAEL
IDROGO ALFARO SAMUEL ISRAEL

GRUPO: A

AÑO: 1.°

PROMOCIÓN XLVIII

TRUJILLO, 8 DE FEBRERO DEL 2010

 Introducción a las Distribuciones de Probabilidad

1.- Tabla NO01: Empleados profesionales y técnicos de un grupo de hospitales

Clasificados por edad y categoría de trabajo.

Categoría de trabajo Edad
A1 A2 A3 A4 TOTAL
≤25 26-30 31-35 >35
B1: Médicos 0 5 25 75 105
B2: Serv. De Lab. Clínico 20 30 35 35 120
B3: Servicio de dieta 3 6 6 10 25
B4: Serv. De registros médicos 7 15 8 12 42
B5: Serv. De enfermería 200 375 442 203 1220
B6: Farmacia 1 12 8 3 24
B7: Tecnología radiolog. 4 10 19 12 45
B8: Serv. Terapéuticos 5 25 15 10 25
B9: Otros servicios profesionales y 20 35 50 25 130
Técnicos

TOTAL 260 513 608 385 1766

Preguntas:

A) ¿Cuál es la probabilidad de que esta persona tenga entre 31 y 35 años de edad?

P(31-35/E)=608/1766=0.344

B) Calcular la probabilidad de que un empleado seleccionado al azar sea medico

P(M/E)=105/1766=0.059

C) ¿Cuál es la probabilidad de que un empleado sea medico dado que se elige al azar
del conjunto de empleados que tienen más de 35 años?

P(M/ A4>35)=75/385=0.194

D) ¿Cuál es la probabilidad de que un empleado elegido al azar de entre todos los

empleados tenga más de 35 años de edad?

2
 P(A4>35/E)=385/1766=0.218
E) Calcúlese la probabilidad de que un empleado elegido al azar sea medico, tenga
más de 35 años de edad o ambas cosas

P(M U A4>35 )=105/1766 + 385/1766 – (85/1766)=0.235

2.- Sean A, B y C tres eventos asociados con un experimento. Expresar las siguientes
proposiciones verbales en notación de conjuntos.

a. Al menos uno de los eventos ocurre.

A∪B∪C

𝐼 = {𝐴𝐵′𝐶′, 𝐴′𝐵𝐶′, 𝐴′𝐵′𝐶, 𝐴𝐵𝐶′, 𝐴𝐵′𝐶, 𝐴′𝐵𝐶, 𝐴𝐵𝐶}

b. Exactamente uno de los eventos ocurre.

A ∪ B ∪ C − [(𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐶) ∪ (𝐵 ∩ 𝐶)]

𝐽 = {𝐴𝐵′𝐶′, 𝐴′𝐵𝐶′, 𝐴′𝐵′𝐶}

c. Exactamente dos de los eventos ocurren.

(𝐴 ∩ 𝐵) ∪ (𝐴 ∩ 𝐶) ∪ (𝐵 ∩ 𝐶) − (𝐴 ∩ 𝐵 ∩ 𝐶)

𝐾 = { 𝐴𝐵𝐶′, 𝐴𝐵′𝐶, 𝐴′𝐵𝐶}

d. Ocurrencia simultánea de los tres eventos.

𝐴∩𝐵∩𝐶

𝐿 = { 𝐴𝐵𝐶}

3.- Sean A y B dos sucesos aleatorios con: P(A)=3/8, P (B)=1/2, P(A∩B)

Hallar:

3
 a) P(AUB)= 0,125+0,25+0,25= 0,625

b) P(A´)=0,25+0,375=0,625

c) P(B´)=0,125+0,375=0,5

d) P(A´∩B´)= 0,375

e) P(A´UB´)=0,125+0,25+0,375=0,75

f) P(A∩B´)=0,125

g) P(A´∩B)=0,25

4.- La probabilidad de que un estudiante de Medicina apruebe el curso de Bioestadística es

2/3 y la probabilidad de apruebe el curso de Morfología es 4/9. Si la probabilidad de aprobar
al menos uno de estos cursos es 4/5. ¿Cuál es la probabilidad de que apruebe ambos cursos?

Solución

Sea B el evento aleatorio de que un estudiante de Medicina apruebe Bioestadística y M el

evento aleatorio de que apruebe Morfología.

2
𝑃(𝐵) =
3
4
𝑃(𝑀) =
9
4
𝑃(𝐵 ∨ 𝑀) =
5

𝑃(𝐵 ∧ 𝑀) = ?

Sabemos que 𝑃(𝐵 ∨ 𝑀) = 𝑃(𝐵) + 𝑃(𝑀) − 𝑃(𝐵 ∧ 𝑀)

⇒ Reemplazando y despejando:

𝑃(𝐵 ∧ 𝑀) = 𝑃(𝐵) + 𝑃(𝑀) − 𝑃(𝐵 ∨ 𝑀)

2 4 4
𝑃(𝐵 ∧ 𝑀) = + −
3 9 5
14
𝑃(𝐵 ∧ 𝑀) =
45

Rpta. La probabilidad de que un estudiante de Medicina apruebe ambos cursos es 14⁄45.

4
5.- La probabilidad que un visitador médico venda dentro de un mes, un lote de
medicamentos del Laboratorio A es 1/5 y la probabilidad de vender un lote de
medicamentos del Laboratorio B dentro de un mes es un ¼. Hallar la probabilidad de que:

Solución

a) Venda los 2 lotes de medicamentos dentro de un mes.

P AxPB

 1  1  1
   
 5  4  20

b) Venda al menos uno de los lotes dentro de un mes.

1  P A  B 
C

 4  3  2
1     
 5  4  5

c) No venda ninguno de los lotes dentro de un mes.

= P A  B 
C


=P A B
C C

   
C
= P A .P B
C

= 1  P A.1  PB

 4  3  3
   
 5  4  5

d) Solamente venda el lote de medicamentos del laboratorio A dentro de un mes.


P A  BC 
 1  3  3
   
 5  4  20

6.- Una urna contiene 3 bolas rojas y x blancas. Se saca una bola de la urna y se reemplaza
por una de otro color, se saca de la urna una segunda bola. Sabiendo que la probabilidad de
que la segunda bola sea roja es 17/50. ¿Cuál será el número de bolas blancas?

5
 Solución 1º 2º

R R
X+1 Blancas
B
2 Rojas
X Blancas
3 Rojas

X-1 Blancas R
Total = X+3 B
4 Rojas
B

P (Roja) = P (R1).P(R2/R1) + P(B1).P(R2/B1)

17 3 2 𝑋 4
= ( )+ ( )
50 𝑋 + 3 𝑋 + 3 𝑋+3 𝑋+3

X=7

7.- La probabilidad de que un paciente fallezca por cáncer es de 0.10 de que fallezca por
infarto es de 0.05, de que fallezca por cáncer e infarto es 0.03. Cuál es la probabilidad de que
fallezca:

a) Por cáncer o por infarto.

b) Por cáncer, dado que puede fallecer por infarto.
c) Por infarto, dado que puede fallecer por cáncer.

Solución

a) PC  I   PC   PI   PC  I 

PC  I   0.10  0.05  0.03

PC  I   0.12

6
  C  PC  I 
b) P 
I P I 
 C  0.03
P  
 I  0.05

C  3
P     0 .6
I 5

 I  P I  C 
c) P  
C  PC 
 I  0.03
P  
 C  0.10

I 3
P    0.3
 C  10

8.- En una cierta región del país se sabe por experiencia pasada que la probabilidad de
seleccionar a un adulto mayor de 40 años de edad con cáncer es de 0.02. si la probabilidad
de que un médico le diagnostique correctamente a una persona con cáncer que tiene la
enfermedad es de 0.78 y la de que se equivoque, 0.06 ¿Cual es la probabilidad de que a una
persona se le diagnostique cáncer?

Solución

Datos:

C: Con cáncer.
C’: Sin cáncer.
D: Diagnostico de cáncer.

Entonces:

PD  PDC   PDC '

7
 D D
PD   PC .P   PC '.P 
C  C' 

PD  0.020.78  0.980.06

PD  0.0156  0.0588

PD  0.0744

Interpretación:

La probabilidad de que a una persona se le diagnostique cáncer es 0.0744.

9.- Un médico posee dos automóviles, un modelo compacto y uno estándar.

Aproximadamente utiliza el vehículo compacto para trasladarse a su trabajo las tres cuartas
partes a del tiempo y el restante usa el carro mas grande. Cuando emplea el carro compacto
llega a su casa a las 5:30 el 75 % de las veces; si utiliza el carro de tamaño estándar llega a la
misma hora el 60 % de las veces (pero disfruta del aire acondicionado del carro más grande).
Si llega a su casa después de las 5:30, ¿Cuál es la probabilidad de que haya usado el carro
compacto?

Solución

Si el médico ha llegado a su casa después de las 5.30, entonces la probabilidad de que

haya usado el carro compacto es:
 C 
P 
  5.30 
Entonces:

 C  PC .P 5.30 C 

P =
  5.30  P 5.30
3 40.25
= ………….(1)
P  5.30 

8
 Para esto debemos calcular: P 5.30
  5.30    5.30 
P 5.30 = PC .P   PE .P 
 C   E 
3 1
=  0.25   0.4 
4 4

23
=
80

Por lo tanto, reemplazando en (1):

 C  3 4 0.25
P =
  5.30  P  5.30 
3 40.25
=
23 80
= 0.6522

10.- La probabilidad de que un accidente de aviación sea correctamente previsto debido a

fallas mecánicas es 0,85 y fallas no mecánicas 0,35. Encontrar la probabilidad que un
accidente de aviación sea por fallas mecánicas, dado que fue previsto correctamente, si el
30% de accidentes de aviación es debido a fallas mecánicas.

Solución
+
Sea 𝑃 (𝐶 ⁄𝐹𝑀) la probabilidad de que un accidente de avión sea correctamente previsto
−
debido a fallas mecánicas y 𝑃 (𝐶 ⁄̅̅̅̅̅) de que sea correctamente previsto debido a fallas no
𝐹𝑀
+
𝐶
mecánicas.𝑃 ( ⁄𝐹𝑀) = 0,85

− +
𝑃 (𝐶 ⁄̅̅̅̅̅) = 0,35 → 𝑃 (𝐶 ⁄̅̅̅̅̅) = 0,65
𝐹𝑀 𝐹𝑀
̅̅̅̅̅) = 70%
𝑃(𝐹𝑀) = 30% → 𝑃(𝐹𝑀

𝑃 (𝐹𝑀⁄𝐶 + )

⇒ Por el teorema de Bayes:

+
𝑃 (𝐶 ⁄𝐹𝑀) . 𝑃(𝐹𝑀)
𝑃 (𝐹𝑀⁄𝐶 + ) = + +
𝑃 (𝐶 ⁄𝐹𝑀) . 𝑃(𝐹𝑀) + 𝑃 (𝐶 ⁄̅̅̅̅̅) . 𝑃(𝐹𝑀
̅̅̅̅̅)
𝐹𝑀
(0,85)(0,3)
=
(0,85)(0,3) + (0,35)(0,7)

9
 𝑃 (𝐹𝑀⁄𝐶 + ) = 0,51

Rpta. La probabilidad de que un accidente sea por fallas mecánicas, dado que fue previsto
correctamente es 0,51

11. Una compañía de seguros clasifica a las personas en dos grupos: aquellos que son propensos a
accidentes y aquellos que no lo son. Las estadísticas muestran que una persona propensa a accidentes
tendrá un accidente en algún momento en un período de un año con probabilidad 0.4, mientras que la
probabilidad del mismo evento para una persona no propensa a accidentes es 0.2. Se asume que el 30%
de la población es propensa a accidentes.

P: Propenso a accidente A: Accidente

P’: No propenso a accidente A’: No accidente

a) Calcule la probabilidad de que un nuevo asegurado tenga un accidente en el año

siguiente a la compra de la póliza

3 4 7 2 26
( )( ) + ( )( ) = = 𝟐𝟔%
10 10 10 10 100

b) Suponga que un nuevo asegurado tiene un accidente en el año siguiente a la compra

de la póliza. Calcule la probabilidad de que el asegurado sea propenso a accidentes.

𝑃(𝑃). 𝑃(𝐴/𝑃)
𝑃(𝑃/𝐴) =
𝑃(𝑃). 𝑃(𝐴/𝑃) + 𝑃(𝑃′). 𝑃(𝐴/𝑃′)
3 4
(10) (10)
𝑃(𝑃/𝐴) = 3 4 7 2
= 𝟎. 𝟒𝟔𝟏𝟓 = 𝟒𝟔. 𝟏𝟓%
(10) (10) + (10) (10)

12.- Para controlar una cierta enfermedad en una población donde la proporción de
enfermos es 1/30 se usa un determinado examen médico para detectar enfermos. Se sabe
que la probabilidad de que al aplicar el examen a un enfermo lo muestre como tal es de 0,9,
y que la probabilidad de que al aplicarlo a una persona sana la muestre como enferma es de
0.01. Calcule la probabilidad de que una persona esté realmente enferma si el examen la
muestra como tal.

E: Enfermo E’: Sano T+: Test acertado T-: Test fallido

10
 𝑃(𝐸). 𝑃(𝑇 + /𝐸)
𝑃(𝐸/𝑇 + ) =
𝑃(𝐸). 𝑃(𝑇 + /𝐸) + 𝑃(𝐸 ′ ). 𝑃(𝑇 + /𝐸′)
1 9
( )( )
+) 30 10
𝑃(𝐸/𝑇 = 1 9 29 1
= 𝟎. 𝟕𝟔
(30) (10) + (30) (100)

Interpretación: La probabilidad de que una persona esté realmente enferma si el examen la

muestra es del 76%.

13.- La prevalencia de la diabetes es del 4%. La glucemia basal diagnostica correctamente el

95% de los diabéticos, pero da un 2% de falsos positivos. Diagnosticada una persona ¿Cuál es
la probabilidad de que realmente sea diabética?

D: Diabético D’: Sano T+: Test acertado T-: Test fallido

𝑃(𝐷)𝑃(𝑇 + /𝐷)
𝑃(𝐷/𝑇 + ) =
𝑃(𝐷)𝑃(𝑇 + /𝐷) + 𝑃(𝐷 ′ )𝑃(𝑇 + /𝐷′)

(0.04)(0.95)
𝑃(𝐷/𝑇 + ) = = 𝟎. 𝟔𝟔𝟒𝟑
(0.04)(0.95) + (0.96)(0.02)

Interpretación: La probabilidad de que una persona sea diabética si el examen la muestra

como tal es del 66.43%

Variables aleatorias y distribuciones de probabilidad

1.- Si X denota el número de horas que Ud. estudia durante un día seleccionado al azar.
Suponga que la función de cuantía de X tiene la forma siguiente, donde k es algún número:

0.1; 𝑠𝑖𝑥 = 0
𝑘𝑥; 𝑠𝑖𝑥 = 1 ó 2
𝑓(𝑥) {
𝑘(5 − 𝑥); 𝑠𝑖𝑥 = 3 ó 4
0; 𝑒𝑛𝑜𝑡𝑟𝑜𝑙𝑢𝑔𝑎𝑟

Analizando:

 La probabilidad que estudie 0 horas es:0.1 (P1)

 La probabilidad que estudie 1 hora es: k (P2)
 La probabilidad que estudie 2 horas es: 2k (P3)
 La probabilidad que estudie 3 horas es: 2k (P4)
 La probabilidad que estudie 4 horas es: k (P5)
Si la suma de estas probabilidades debe dar uno, entonces:

0.1 + 𝑘 + 2𝑘 + 2𝑘 + 𝑘 = 1

11
 → 𝑘 = 0.15

a) ¿Cuál es la probabilidad de que Ud. estudie por lo menos dos horas?

La probabilidad de estudiar por lo menos dos horas sería:

𝑃3 + 𝑃4 + 𝑃5 = 0.3 + 0.3 + 0.15 = 0.75

b) Menos de tres horas, exactamente dos horas.

La probabilidad de que estudie menos de tres horas: P1+P2+P3=0.55

La probabilidad de que estudie exactamente dos horas es: 0.3

c) Determine y grafique la Función de Distribución de X.

𝑥𝑖 0 1 2 3 4
𝐹(𝑥𝑖 ) 0,1 0,25 0,55 0,85 1

GRÁFICA: FUNCIÓN DE DISTRIBUCIÓN F(X)

d) Calcule e interprete la media y la desviación estándar

X P(x) XP(x) X-𝜇 (𝑋 − 𝜇)2 (𝑋 − 𝜇)2 . 𝑃(𝑥)

0 0.1 0 -2.25 5.0625 0.50625
1 0.15 0.15 -1.25 1.5625 0.234375
2 0.3 0.6 -0.25 0.0625 0.01875
3 0.3 0.9 0.75 0.5625 0.16875
4 0.15 0.6 1.75 3.0625 0.459375
Total 𝜇=2.25 1.3875
 La media teórica o esperanza matemática es :

12
 𝜇 = 𝐸(𝑥) = 2.25

El número esperado de horas que usted estudia por día es aproximadamente 2 horas.

 La desviación estándar es :

𝜎=√∑𝑖(𝑥𝑖 − 𝜇)2 . 𝑃(𝑥𝑖 )

𝜎 2 = 1.3875

𝜎=1.178

El promedio de variación del nº de horas que estudia por día respecto a su valor
esperado es aproximadamente 1 hora.

2.- La variable aleatoria X tiene la siguiente Función de Distribución:

0 𝑠𝑖𝑥 < 10
1/4 𝑠𝑖 10 ≤ 𝑥 < 15
𝐹(𝑥) {
3/4 𝑠𝑖 15 ≤ 𝑥 < 20
0 𝑠𝑖𝑥 ≥ 20

a) Calcular: P(X ≤ 10.5) + P(X ≥ 15.5)

P(X ≤ 10.5)=1/4
P(X ≥ 15.5)=3/4
→ P(X ≤ 10.5) + P(X ≥ 15.5)=1/4+3/4=1

b) Calcular: P(10.2 ≤ X ≤ 15.5)

P(x ≤ 15.5)-P(x ≤ 10.2)=3/4-1/4=1/2

c) Calcular la función de probabilidad de la variable aleatoria

0 𝑠𝑖𝑥 = 10
1/4 𝑠𝑖𝑥 = 10
𝐹(𝑥) {
2/4 𝑠𝑖𝑥 = 15
1/4 𝑠𝑖𝑥 = 20

d) Calcular la media y la desviación estándar.

13
 x f(x) xf(x) x 2 f(x)

0 0 0 0

10 1/4 5/2 25

15 2/4 15/2 225/2

20 1/4 5 100

Total 15 237.5

 La media teórica o esperanza matemática es : 𝜇 = 𝐸(𝑥) = 15

 La desviación estándar es: 𝜎 = √237.5 − (15)2 = 3.5

3.- Sea X una variable aleatoria continua con Función de Distribución:

0 𝑠𝑖𝑥 ≤ 0
𝐹(𝑥) = {𝑥/2𝜋𝑠𝑖 0 < 𝑥 ≤ 2𝜋
1 𝑠𝑖𝑥 ≥ 2𝜋

Si 𝐸(𝑥) = 𝜇 y 𝑉(𝑥) = 𝜎 2
Hallar: 𝑃(𝜇 − 𝜎 < 𝑥 < 𝜇 + 𝜎/2)

𝑥
Sabemos que: 𝐹(𝑥) = 𝑃[𝑋 ≤ 𝑥] = ∫−∞ 𝑓(𝑡)𝑑𝑡
Entonces en 0 < 𝑥 ≤ 2𝜋
𝑥
𝑥
= 𝐹(0) + ∫ 𝑓(𝑡)𝑑𝑡
2𝜋
0
𝑥
𝑥
= 0 + ∫ 𝑓(𝑡)𝑑𝑡
2𝜋
0
𝑥 ′
( ) = 𝑓(𝑡)
2𝜋
1
𝑓(𝑡) =
2𝜋
1
𝑓(𝑥) =
2𝜋

Hallamos la esperanza matemática: E(x)=𝜇

2𝜋 2𝜋 2𝜋
𝑥 𝑥2 4(𝜋)2
𝐸(𝑥) = ∫ 𝑥. 𝑓(𝑥)𝑑𝑥 = ∫ 𝑑𝑥 = [ ] = −0=𝜋
2𝜋 4𝜋 0 4𝜋
0 0

14
 𝑬(𝒙) = 𝝁 = 𝝅

Hallamos la varianza: V(x)=𝜎 2

De la fórmula: 𝜎 2 =E(x2)- 𝜇2

2𝜋 2𝜋 2𝜋
2) 2
𝑥2 𝑥3 8𝜋 3 4𝜋 2
𝐸(𝑥 = ∫ 𝑥 . 𝑓(𝑥)𝑑𝑥 = ∫ 𝑑𝑥 = [ ] = −0=
2𝜋 6𝜋 0 6𝜋 3
0 0

𝜎 2 =E(x2)- 𝜇2
4𝜋2
𝜎 2=3
- 𝜋2
2
2 𝜋
𝜎 =3

√𝟑𝜋
𝜎= 𝟑

𝜎
Luego: 𝑃 (𝜇 − 𝜎 < 𝑥 < 𝜇 + 2 )
√3
𝜋+ 𝜋
6
√3 √3
𝑃 (𝜋 − 𝜋<𝑥 <𝜋+ 𝜋) = ∫ 𝑓(𝑥)𝑑𝑥
3 6
√3
𝜋− 𝜋
3
√3
𝜋+ 𝜋
6 √3 √3 √3
1 𝑥 𝜋+ 6 𝜋 𝜋 + 6 𝜋 𝜋 − 3 𝜋 √𝟑
∫ 𝑑𝑥 = [ ] √3 = − =
2𝜋 2𝜋 𝜋− 𝜋 2𝜋 2𝜋 𝟒
√3 3
𝜋− 𝜋
3

𝝈 √𝟑
→ 𝑷 (𝝁 − 𝝈 < 𝑥 < 𝜇 + ) =
𝟐 𝟒

4.- Por experiencias realizadas se comprobó que la función de densidad de un fenómeno

aleatorio fue la siguiente:

3
(1 − 𝑥)2 𝑠𝑖 0 < 𝑥 < 2
𝐹(𝑥) = {2
0 𝑒𝑛𝑜𝑡𝑟𝑜𝑙𝑢𝑔𝑎𝑟

Calcular:

a) La expectativa y varianza de x

2 3
 𝜇 = 𝐸(𝑥) = ∫0 𝑥 2 (1 − 𝑥)2 𝑑𝑥
2
3𝑥 2 3
𝜇 = 𝐸(𝑥) = [ − 𝑥3 + 𝑥4]
4 8 0

15
 𝐸(𝑥) = 1

 𝜎 2 = 𝐸(𝑥 2 ) − 𝜇2

2
3
𝜎 = ∫ 𝑥 2 (1 − 𝑥)2 𝑑𝑥 − 𝜇2
2
2
0

2
𝑥3 3 3
𝜎 = [ − 𝑥 4 + 𝑥 5 ] − 12
2
2 4 10 0

𝜎 2 = 1.6 − 1

𝜎 2 = 0.6

b) La probabilidad que un valor este comprendido entre 1/2 y 3/2

𝑭(𝟏. 𝟓) − 𝑭(𝟎. 𝟓)
1.5
1.5 3 3 3 𝑥3
 𝐹(1.5) = ∫0 2
(1 − 𝑥)2 𝑑𝑥 = [2 𝑥 − 2 𝑥 2 + 2 0
]
𝐹(1.5) = 9/16
0.5
0.5 3 3 3 𝑥3
 𝐹(0.5) = ∫0 2
(1 − 𝑥)2 𝑑𝑥 = [2 𝑥 − 2 𝑥 2 + 2 0
]
𝐹(0.5) = 7/16
9 7 2
Por lo tanto: 𝐹(1.5) − 𝐹(0.5) = 16 − 16 = 16 = 0.125

La probabilidad que un valor este comprendido entre 1/2 y 3/2 es de 12.5%

5.- El daltonismo afecta al 1% de una población grande. Suponga que se escogen personas
aleatoriamente de esta población.

a) ¿Cuál es la probabilidad de que ninguna de las n personas sean daltonianos?

P=0.01 x=0, 1, 2,3…n

n=?

Hallando:
𝑛
𝑃(𝑥 = 0) = 𝑓(𝑥 = 0) = ( ) (0.01)0 (0.99)𝑛−0 = (𝟎. 𝟗𝟗)𝒏
0

b) ¿Qué tamaño debe tener n para que esta probabilidad sea mayor que el 10%?

16
 (0.99)𝑛 = 0.1

log10 0.1
n = log 0.99 0.1 = = 229.1
log10 0.99

Para que haya más del 10% de probabilidad que la probabilidad que la muestra no
presente casos de daltonismo se debería tomar como mínimo 229 personas de la
población.

6.- Supóngase que la tasa de mortalidad para cierta enfermedad es de 0.10 y que la contraen
10 personas de la comunidad. ¿Cuál es la probabilidad de que:

p=0.10

q=0.9

n=10

a) Ninguna sobreviva?
10
𝑃(𝑥 = 0) = 𝑓(𝑥 = 0) = ( ) (0.1)0 (0.9)10 = (0.9)10 = 0.3487
0
b) El 50 por ciento muera?

10
𝑃(𝑥 = 0) = 𝑓(𝑥 = 5) = ( ) (0.1)5 (0.9)5 = 252. (0.1)5 (0.9)5 = 0.0015
5

c) Al menos 3 mueran?

𝑃(𝑥 ≥ 3) = 𝑓(𝑥 ≥ 3) = 1 − 𝑃(𝑥 ≤ 2)

𝑃(𝑥 ≤ 2) = 𝑓(2) + 𝑓(3) + 𝑓(0)

10
𝑃(𝑥 = 1) = 𝑓(𝑥 = 1) = ( ) (0.1)1 (0.9)9 = 0.3874
1

10
𝑃(𝑥 = 2) = 𝑓(𝑥 = 2) = ( ) (0.1)2 (0.9)8 = 0.1937
2

Por lo tanto:

1 − 𝑃(𝑥 ≤ 2) = 1 − (0.3487 + 0.3874 + 0.1937) = 0.0702

d) Exactamente 3 mueran?

17
 10
𝑃(𝑥 = 3) = 𝑓(𝑥 = 3) = ( ) (0.1)3 (0.9)7 = 0.0574
3

7.- Dada una variable aleatoria binomial con una media de 20 y una varianza de 16,
encuentre n y p.

𝜇 = 𝐸(𝑥) = 20 = 𝑛𝑝

𝜎 2 = 16 = 𝑛𝑝𝑞

Dividiendo:

𝑛𝑝 20
=
𝑛𝑝𝑞 16

𝒒 = 𝟎. 𝟖

Por lo tanto:

𝑝 = 1 − 0.8 = 𝟎. 𝟐

Hallando “n”:

20 = 𝑛(0.2)

𝒏 = 𝟏𝟎𝟎

8.- Supóngase que durante un periodo de varios años el número promedio de muertes
debidas a cierta enfermedad no contagiosa ha sido de 10. ¿Cual es la probabilidad que
durante el año que transcurre:

a.)Mueran exactamente 7 personas debido a la enfermedad?

  10
e 1010 7
P ( x  7 )  f (7 )   0.09
7!

b.) Mueran 10 o mas personas debido a la enfermedad?

  10
P( x  10)  1  P( x  9)  1  0.458  0.542

c.) Nadie muera debido a la enfermedad?

18
   10
e 10 10 0
P( x  0)  f (0)   0.000454
0!

9.- El número de fallas de un instrumento de fallas debidas a las partículas contaminantes de

un producto es una variable aleatoria poisson con media 0.02 fallas por hora.

a. ¿Cuál es la probabilidad de que el instrumento no falle en una jornada de ocho

horas?
b. ¿Cuál es la probabilidad de que se presente al menos una falla en un periodo de 24
horas?

Solución:

a. Tenemos:

Para este caso:

𝑝 = 1 − 0.02
(Se toma el complemento porque se refiere a que SI falle)
𝑝 = 0.98
Entonces:
𝜆 = (0.98)(8) = 7.84

→ 𝑃[𝑥 = 0] = 𝟎. 𝟎𝟎𝟎𝟑𝟗𝟑𝟕

→ 0.0003937 × 100 = 𝟎. 𝟎𝟑𝟗%

La probabilidad de que dicho instrumento NO falle en una jornada de ocho horas es de

0.039%.

b. Tenemos:

p = 0.02 por 1 hora  λ en 24 horas = n*p = 0.48

19
  Por la fórmula de Variable de Poisson:

e  x
F(x) =
x!

 Aplicando la fórmula a nuestro problema:

Como nos pide que presente al menos alguna falla entonces tomamos P(x  1 ):

Luego: P (x  1 )= 1 - P (x  0)

e 0, 48 0,48 0
 Entonces hallando P (x  0) =
0!

 P (x  0) = 0,619

 Luego P (x  1 )= 1 - P (x  0)

 P (x  1 )= 1- 0,619 = 0.381

 La probabilidad de que presente al menos una falla es 38,1 %.

10. En promedio, cinco fumadores pasan por la esquina de cierta calle cada diez minutos.
¿Cuál es la probabilidad?

a. De que durante un periodo de 10 minutos el número de fumadores que pasan por la

esquina sea de seis o menos?
b. De que durante un periodo de 5 minutos el número de fumadores que pasan por la
esquina sea de siete o más?
c. De que durante un periodo de 20 minutos el número de fumadores que pasan por la
esquina sea exactamente ocho?

Solución:

a. No piden hallar la probabilidad de que pasen 6 o menos fumadores

 F (6) = P(x  6) y tenemos  = 5 en 10 minutos.

20
 Debemos hallar P(x=0), P(x=1), P(x=2), P(x=3), P(x=4), P(x=5), P(x=6) y luego obtener
la sumatoria.

* Hallando P(x=0):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 5 5 0
 P(x=0) = = 0,007
0!

* Hallando P(x=1):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 5 51
 P(x=1) = = 0,034
1!

* Hallando P(x=2):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 5 5 2
 P(x=2) = = 0,084
2!

* Hallando P(x=3):

21
 Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 5 5 3
 P(x=3) = = 0,140
3!

* Hallando P(x=4):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 5 5 4
 P(x=4) = = 0,175
4!

* Hallando P(x=5):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 5 5 5
 P(x=5) = = 0,175
5!

22
 * Hallando P(x=6):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 5 5 6
 P(x=6) = = 0,146
6!

 F (6) = 0,761

 La probabilidad que pasen 6 o menos fumadores en la esquina en 10 minutos es de

76,1 %.

b. Nos pide hallar la probabilidad que pasen 7 o más fumadores en la esquina durante 5
minutos  F (7) = P (x  7) y tenemos que  = 5 en 10 minutos, entonces  = 2,5 en 5
minutos.

Debemos hallar P (x  7), que es igual a: 1- P (x  6)

 Debemos hallar P(x=0), P(x=1), P(x=2), P(x=3), P(x=4), P(x=5), P(x=6) y luego obtener
la sumatoria.

* Hallando P(x=0):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 2,5 2,5 0
 P(x=0) = = 0,082
0!

* Hallando P(x=1):

23
 Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 2,5 2,51
 P(x=1) = = 0,205
1!

* Hallando P(x=2):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 2,5 2,5 2
 P(x=2) = = 0,257
2!

* Hallando P(x=3):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 2,5 2,5 3
 P(x=3) = = 0,214
3!

* Hallando P(x=4):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 2,5 2,5 4
 P(x=4) = = 0,134
4!

* Hallando P(x=5):

Por fórmula de Variable de Poisson:

24
 e  x
P(x) =
x!

e 2,5 2,5 5
 P(x=5) = = 0,067
5!

* Hallando P(x=6):

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 2,5 2,5 6
 P(x=6) = = 0,028
6!

 P (x  6) = 0,987

Y como P(x  7) = 1 - P (x  6) = 1 – 0,987 = 0,013

 La probabilidad de que pasen 7 o más fumadores en la esquina en 5 minutos es 1,3

%.

c. Nos pide hallar la probabilidad de que pasen exactamente 8 fumadores en la esquina

durante 20 minutos  P (x=8) y tenemos que  = 5 en 10 minutos   = 10 en 20
minutos.

Por fórmula de Variable de Poisson:

e  x
P(x) =
x!

e 10 10 8
 P(x=8) = = 0,113
8!

 La probabilidad de que pasen exactamente 8 fumadores en la esquina durante 20

minutos es 11,3 %.

25
11. Supóngase que una variable X muestra una distribución normal con una varianza de 100.
Dado que 0,0985 de los valores de x son mayores de 70 ¿Cuál es el valor medio de X?

Solución:

Tenemos:

V = 100  σ = V = 100 = 10

Como 0.0985 de los valores de x son mayores de 70

 P (x >70) = 0,0985 es lo mismo que P (x  70) = 0,9015

70  
Luego: P (x  70) = P (z  ) = 0,9015
10

Pero según tabla para P (z) = 0,9015, z = 1,29

70  
 = 1,29
10

Despejando tenemos que:

70 - µ = 12,9

 µ = 57,1.

12. Las calificaciones obtenidas en cierta prueba de aptitudes por estudiantes de medicina
están distribuidas en forma aproximadamente normal con una media de 500 y una varianza
de 10000.

a. ¿Qué proporción de calificaciones están por debajo de 200?

b. Un estudiante está a punto de hacer la prueba: ¿Cuál es la probabilidad de que
obtenga una calificación de 650 o más?
c. ¿Qué proporción de calificaciones está entre 350 y 675?

Solución:

26
a. Tenemos:

µ = 500

V = 10000  σ = V = 10000 = 100

Luego, como las calificaciones están debajo de 200, tenemos que:

200  500
P (x<200) = P (z< ) = P (z<-3)
100

 P (z<-3) = 1 - P (z<3)

Según tabla:

P (z<-3) = 1 – 0,9987

 P (z<-3) = 0,0013

 La proporción que está debajo de 200 es 0,13 %.

b. Tenemos:

µ = 500

V = 10000  σ = V = 10000 = 100

Luego, no pide hallar la probabilidad de que la calificación sea de 650 o más:

 P (x  650) = a  P (x  650) = 1-a

Hallando P (x  650):

650  500
P (x  650) = P (z< ) = P (z  1,5)
100

Según tabla P (z  1,5) = 0,932

27
  1 – a = 0,932

 a = 0,0668

 La probabilidad de que un estudiante obtenga una calificación de 650 o más es de

6,68%.

c. Tenemos:

µ = 500

V = 10000  σ = V = 10000 = 100

Luego, nos piden hallar a proporción de calificaciones que están entre 350 y 675

 P (350<x<675) = P (x<675) – P (x<350)

Lo que es igual a:

675  500 350  500

P (z< ) - P (z< )
100 100

P (z<1,75) – P (z<-1,5)

Según tabla:

0,9599 – [1 - P (z<1,5)]

0,9599 – [1 - 0,9332]

0,9599 – 0,0668 = 0,8931

 La proporción de calificaciones que están entre 350 y 675 es 89,31 %.

13. Si las concentraciones de colesterol total para cierta población están distribuidas en
forma aproximadamente normal con una media de 200mg/100ml y una desviación estándar
de 20mg/100ml, encuentre la probabilidad de que un individuo seleccionado al azar de dicha
población tenga una concentración de colesterol:

a. Entre 180 y 200mg/100ml

28
 b. Mayor de 225mg/100ml
c. Menor de 150mg/100ml.

Solución:

a. Tenemos:

µ = 2mg/ml

σ = 0,2mg/ml

Nos pide hallar la probabilidad de que el colesterol de un individuo esté entre

1,8mg/ml y 2mg/ml.

 P (1,8<x<2) = P (x<2) – P(x<1,8)

Luego:

22 1,8  2
P (z< ) – P (z< )
0,2 0,2

P (z<0) – P (z<-0,1)

Por tabla:

0,5 – [1 – P (z<0,1)]

0,5 – [1 – 0,5388)

0,5 – 0,4612 = 0,0388

 La probabilidad de que el colesterol esté entre 180mg/100ml y 200mg/100ml es de

3,88%.

b. Tenemos:

µ = 2mg/ml

29
 σ = 0,2mg/ml

Nos pide hallar la probabilidad de que el colesterol de un individuo sea mayor de

2,25mg/ml

 P (x>2,25) = a  P (x<2,25) = 1- a

Luego hallando P (x<2,25):

2,25  2
P (z< ) = P (z<1,25)
0,2

Según tabla:

P (z<1,25) = 0,8941 = 1- a  a = 0,1059

 La probabilidad de que el colesterol de un individuo sea mayor de 225mg/100ml es

de 10,59 %.

c. Tenemos:

µ = 2mg/ml

σ = 0,2mg/ml

Nos pide hallar que la probabilidad del colesterol de un individuo sea menor de
1,5mg/ml.

1,5  2
 P (x<1,5) = P (z< )
0,2

Luego:

P (z<-2,5)

Según Tabla:

1 – [P (z<2,5)]

1 – 0,9938 = 0,0062

30
  La probabilidad de que el colesterol de un individuo sea menor de 150mg/100ml es
de 0,62 %.

14. Los registros de pérdida de peso por evaporación de cierto producto empacado muestran
una pérdida de 6,45 gramos con una desviación estándar de 1,30. Asumiendo una
distribución normal. ¿Cuál es la probabilidad de que si se extraen dos paquetes al azar de un
lote ambas muestran una pérdida de más de 8 gramos?

Solución:

Tenemos

Media = µ = 6,45

Desviación Estándar = σ = 1,30

Hallamos la probabilidad de que 1 paquete muestre una pérdida de 8 gramos.

 P (x>8), luego desarrollando:

P (x>8) = a  P(x  8)= 1 – a

 Hallando P(x  8):

8  6,45
P(x  8) = P (z  )
1,30

P (z  1,20)

Según Tabla:

P (z  1,20) = 1 – a = 0,8849

 a = 0,1151

 La probabilidad de que un paquete elegido al azar muestre una pérdida de más de 8

gramos es de 0,1151

Pero nos piden hallar que al extraer 2 paquetes ambos muestren una pérdida de más
de 8 gramos.

31
  Por fórmula:

 n  x n x
  p q
 x

Tenemos que:

n=2

x=2

p = 0,1151

q = 0,8849

Aplicando:

 2
 0,11512 0,8849 0 = 0,013248
 2

 La probabilidad que al sacar 2 paquetes ambos muestren una pérdida de más de 8

gramos es 1,3248 %.

15. En el problema anterior. ¿Cuál es la probabilidad de seleccionar 5 paquetes que, por lo

menos, uno de ellos muestre pérdida de más de 8 gramos?

Solución:

 Según datos:

n=5

x=1

p = 0,117

32
 q = 0,883

 Como nos piden hallar por lo menos 1

 P (x  1) = 1- P (x  0)

 Hallando P (x  0):

Según datos:

n=5

x=0

p = 0,117

q = 0,883

 Aplicando la fórmula:

5
 0,117 0 0,8835 = 0,5368
 0

 Obteniendo P (x  1):

P (x  1) = 1- P (x  0)

= 1 – 0,5368

= 0,4632

 La probabilidad de seleccionar 5 paquetes que, por lo menos, uno de ellos muestre

pérdida de más de 8 gramos es 46.32 %.

 Por fórmula:

33
  n  x n x
  p q
 x

Tenemos que:

n=2

x=2

p = 0,1151

q = 0,8849

Aplicando:

 2
 0,11512 0,8849 0 = 0,013248
 2

 La probabilidad que al sacar 2 paquetes ambos muestren una pérdida de más de 8

gramos es 1,3248 %.

16.-Una variable aleatoria x se distribuye normalmente. Si E(x2)=68 y P(x<10)=0,8413,

determinar  y  .
2

x  n 2
2

 2
 i

n
x
2
x 2  i
 2
z
E ( x )  68
2
 n
p( x  10)  0,8413 10   (10   ) 2  E ( x 2 )   2
1
p( x  z0 )  0,8413  100  20   2  68   2
p( x  1)  0,8413   10    2  10  16  0
(   2)(   8)  0
  2    8;  2  64
  8    2;  2  4

Rpta. Si la media es 2, la varianza es 64. Si la media es 8, la varianza es 4.

34
17.- El administrador de un hospital piensa que el tiempo promedio que utilizan lo
odontólogos para efectuar una profilaxis es de 12,4 minutos. Si el 18% de los odontólogos
demoraran en efectuar una profilaxis en más de 15 minuto. Suponiendo que los tiempos en
realizar una profilaxis se distribuyen normalmente ¿Cual es la desviación estándar?

 x   15   
P ( x  15)  P  
   
 15  12,4 
 P z    0,18
  
 P ( z  zo )  0,18
 zo  0,92
15  12,4
 0,92

15  12,4

0,92
  2,286
Rpta. La desviación estándar es 2,286

18.- En un gran grupo de paciente coronarios se observa que sus niveles de colesterol en el
suero se aproxima a una distribución normal: se observó que el 10% del grupo presenta
niveles de colesterol inferiores a 182.3mg/100ml. Mientras que el 5% tenían valores por
encima de 359mg/100ml. ¿Cuál es la media y la desviación estándar de la distribución?

Px  182.3  0.10.......I u?

Datos: hallar:
Px  359  0.05.........II  ?

Resolvemos:

De I Tenemos:

Px  182.3  0.10

 182.3  u 
P z    0.10
  

182.3  u
  1.282


 1.282  u  182.3

De II, tenemos:

35
 P x  359   0.05
 359  u 
P z    0.95
  
359  u
  1.645

1.645  u  359

 Igualando de:

 1.282  u  182.3 y 1.65  u  359

Tenemos que:

182.3 + 1.282σ = 359 – 1.645σ

2.927σ = 176.7

σ = 60.36

 µ = 259.68152

 µ = 259.68152 y σ = 60.36

19.- En una cierta población se ha observado un número medio anual de muertes por
cáncer de pulmón de 12; si el número de muertes causadas por la enfermedad sigue una
distribución de Poisson, ¿Cuál es la probabilidad de que durante el año en curso?:

a. Haya 10 muertes por cáncer de pulmón

𝜆𝑥
𝑓(𝑥) = 𝑒 −𝜆 .
𝑥!

1210
𝑓(𝑥) = 𝑒 −12 .
10!

𝑓(𝑥) = 0.774

b. 15 o más personas mueran por causa del cáncer de pulmón:

𝑓(𝑥 ≥ 15) = 1 − 𝑓(𝑥 ≤ 14)

∑𝑥1 𝑒 −12 . 12𝑥

𝑓(𝑥 ≤ 14) =
𝑥!

𝑓(𝑥 ≤ 14) = 0.772

𝑓(𝑥 ≥ 15) = 1 − 0.772 = 0.228

c. 10 o menos mueran por cáncer de pulmón

36
 ∑𝑥1 𝑒 −12 . 12𝑥
𝑓(𝑥 ≤ 10) =
𝑥!

𝑓(𝑥 ≤ 10) = 0.3472

20.- Dañando los cromosomas del óvulo o del espermatozoide, pueden causarse mutaciones
que conducen a abortos, defectos del nacimiento, u otras deficiencias genéticas. La
probabilidad de que tal mutación se produzca por radiación es del 10%. De las siguientes 150
mutaciones causadas por cromosomas dañados.

De los datos, tenemos: p = 0,1 n=150

a) ¿Cuántas se esperarían que se debiesen a radiaciones?

Valor esperado o esperanza matemática: 𝑬(𝒙) = 𝜆 = 𝑛𝑝 = (0,1)(150) = 15

∴ 𝑆𝑒𝑒𝑠𝑝𝑒𝑟𝑎𝑟í𝑎𝑞𝑢𝑒 15 𝑚𝑢𝑡𝑎𝑐𝑖𝑜𝑛𝑒𝑠𝑝𝑜𝑟𝑐𝑟𝑜𝑚𝑜𝑠𝑜𝑚𝑎𝑠𝑑𝑎ñ𝑎𝑑𝑜𝑠𝑠𝑒𝑎𝑛𝑐𝑜𝑛𝑠𝑒𝑐𝑢𝑒𝑛𝑐𝑖𝑎𝑑𝑒𝑟𝑎𝑑𝑖𝑎𝑐𝑖𝑜𝑛𝑒𝑠.

b) ¿Cuál es la probabilidad de que solamente 10 se debiesen a radiaciones?

𝑒 −15 . 1510
𝑝(𝑥 = 10) = = 0,0486 ≅ 0,05
10!

∴ 𝐿𝑎𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑𝑑𝑒𝑞𝑢𝑒𝑠𝑜𝑙𝑜 10 𝑚𝑢𝑡𝑎𝑐𝑖𝑜𝑛𝑒𝑠𝑠𝑒𝑑𝑒𝑏𝑎𝑛𝑎𝑟𝑎𝑑𝑖𝑎𝑐𝑖ó𝑛𝑒𝑠𝑎𝑝𝑟𝑜𝑥𝑖𝑎𝑚𝑑𝑎𝑚𝑒𝑛𝑡𝑒 0,05

21.- entre los diabéticos, el nivel de glucosa en sangre X, en ayunas, puede suponerse de una
distribución normal, con media de 106 mg/100 ml y desviación típica de 8mg/100ml es
decir: 𝒙~𝑵(µ = 𝟏𝟎𝟔, 𝝈𝟐 = 𝟔𝟒)

a. Hallar:
𝑷[𝒙 ≤ 𝟏𝟐𝟎]
120 − 106
𝑧= = 1.75
8

𝑃[𝑧 ≤ 1.75 ] = 0.9599

b. Que porcentajes de diabéticos tienen niveles comprendidos entre 90 y 120

𝑃( 90 ≤ 𝑥 ≤ 120 ) = 𝑃(𝑥 ≤ 120 ) − 𝑃(𝑥 ≤ 90 )

120 − 106
𝑍1 = = 1.75
8

37
 90 − 106
𝑍2 = = −2
8

𝑃( 90 ≤ 𝑥 ≤ 120 ) = 𝑃(𝑥 ≤ 120 ) − 𝑃(𝑥 ≤ 90 )

𝑃(𝑍1 ≤ 1.75) − 𝑃(𝑍2 ≤ −2)

0.9599 − (1 − 𝑃(𝑍2 ≤ 2))

0.9599 + 0.9772 − 1 = 0.9371

c. Hallar:𝑷[𝟏𝟎𝟔 ≤ 𝒙 ≤ 𝟏𝟏𝟎] = 𝑃(𝑥 ≤ 110 )– 𝑃(𝑥 ≤ 106 )

110 − 106
𝑍1 = = 0.5
8

106 − 106
𝑍2 = =0
8

𝑃(𝑥 ≤ 0.5 ) = 0.6915

d. Hallar: 𝑷[𝑿 ≤ 𝟏𝟐𝟏]

121 − 106
𝑧= = 1.87
8

𝑃(𝑥 ≤ 1.87) = 0.9693

e. Hallar el punto x caracterizado por la propiedad de que el 25% de todos los

diabéticos tiene un nivel de glucosa en ayunas inferior o igual a x:

𝑃[𝑋 ≤ 𝑥] = 0.25

𝑥 − 106
𝑍= = 0.25
8

𝑥 = 100.69

22. Una prueba de laboratorio para detectar heroína en sangre tiene un 92% de presición. Si
se analizan 72 muestras en un mes, ¿Cuál es la probabilidad de que:

a) 60 o menos estén correctamente evaluadas?

b) Menos de 60 estén correctamente evaluadas?
c) Exactamente 60 estén correctamente evaluadas?

38
n  72
P(heroína en sangre )  0.92
X  n º de muestras para det ectar heroína en sangre en un mes.

 0.92 0.08
60
a ) P( x  60)    0.01148
72 0 72
0
0

 0.92 0.08
59
b) P( x  60)  P( x  59)    0.004391
72 0 72
0
0

c) P( x  60)   0.92 0.08

72
60
60 12
 0.007093

23. El 10% de las personas tiene algún tipo de alergia. Se seleccionan aleatoriamente 100
individuos y se les entrevista. Hallar la probabilidad de que, al menos, 12 tengan algún tipo
de alergia. Hallar la probabilidad de que, como máximo, 8 sean alérgicos a algo.

a. Hallar la probabilidad de que, al menos, 12 tengan algún tipo de alergia.

𝑃( 𝑥 ≥ 12 ) = 1 − 𝑃 (𝑥 ≤ 11)

∑𝑥1 𝑒 −10 . 10𝑥

𝑃 (𝑥 ≤ 11) = = 0.697
𝑥!

𝑃 (𝑥 ≥ 12) = 1 − 0.697 = 0.303

b. Hallar la probabilidad de que, como máximo, 8 sean alérgicos a algo.

∑𝑥1 𝑒 −10 . 10𝑥
𝑃(𝑥 ≤8)= = 0.3327
𝑥!

24.- La probabilidad de muerte resultante del uso de píldoras anticonceptivas es de

3/100.000. De 1.000.000 de mujeres que utilizan este medio de control de natalidad:

P = 0.00003 (muy pequeño)

n = 1000000

ƛ = p.n = 30

1. ¿Cuántas muertes debido a esta causa se esperan?

= n.p = 30
Interpretación: Las muertes esperadas debido al uso de píldoras anticonceptivas es de
30

39
 2. ¿Cuál es la probabilidad de que haya, como máximo, 25 de estas muertes?

𝑥
25 −30 30
P (x≤25) = ∑𝑥=0( 𝑒 . )
𝑥!

= 𝟎, 𝟐𝟎𝟖𝟒

Respuesta: La probabilidad de que haya como máximo 25 de estas muertes es de 0,2084.

3. ¿Cuál es la probabilidad de que el número de muertes debidas a esta causa esté entre
25 y 35, inclusive?

P (25 ≤ x ≤ 35) = P (x ≤ 35) – P (x ≤ 24)

35 30𝑥 30𝑥
= ∑𝑥=0( 𝑒 −30 . ) - ∑24
𝑥=0( 𝑒
−30
. )
𝑥! 𝑥!

0,8426 − 0,1572 = 𝟎, 𝟔𝟖𝟓𝟒

Respuesta: La probabilidad de que el número de muertes esté entre 25 y 35 es de 0,6854.

25. La probabilidad de presentar una característica genética es de 1/20.

1. Tomando una muestra de 8 individuos, calcular la probabilidad de que 3 individuos

presenten la característica.

p= 1/20 =0.05

8!
P(x=3) = 3!.5! . (0.05)3 . (0.95)5

= 0.00542

Interpretación: La probabilidad de que 3 individuos presenten la característica es del 0.542 %

2. Tomando una muestra de 80 personas, ¿cuál será la probabilidad de que aparezcan más de
5 individuos con la característica?

P (x>5) = 1 – P (X≤5)

40
 80!
P(X≤5) = ∑5𝑥=0( (0.05)𝑥 . (0.95)80−𝑥 )
𝑥!.(80−𝑥)!

80!
P (x>5) = 1 – ∑5𝑥=0( (0.05)𝑥 . (0.95)80−𝑥 )
𝑥!.(80−𝑥)!

= 1 − [0,0165 + 0,0695 + 0,1445 + 0,1978 + 0,2004 + 0,1603] = 𝟎, 𝟐𝟏𝟏

Respuesta: La probabilidad de que aparezcan más de 5 individuos con la característica

tomando una muestra de 80 personas es de 0,211.

26.- Se supone que en una cierta población humana el índice cefálicoi, (cociente entre el
diámetro transversal y el longitudinal expresado en tanto por ciento), se distribuye según
una Normal. El 58% de los habitantes son dolicocéfalos (i 75), el 38% son mesocéfalos (75

< i 80) y el 4% son braquicéfalos (i > 80). Hállese la media y la desviación típica del índice
cefálico en esa población.

75− 𝜇
P (z ≤ ) = 0.58
𝜎

 por la tabla z=0.21

75− 𝜇
𝜎
= 0.21……. (i)

P(x>80) = 1- P (x≤80) = 0.04

P (x≤80) = 0.96

 por la tabla z=1.76

80− 𝜇
𝜎
= 1.76……… (ii)

Igualando (i) y (ii)

75− 𝜇 80− 𝜇
0.21
= 1.76

𝜇 = 74.3

𝜎 = 3.2386

41
27. Se supone que la glucemia basal en individuos sanos, Xs sigue una distribución

mientras que en los diabéticos Xd, sigue una distribución

Si se conviene en clasificar como sanos al 2% de los diabéticos:

1. ¿Por debajo de qué valor se considera sano a un individuo? ¿Cuántos sanos serán
clasificados como diabéticos?

2. Se sabe que en la población en general el 10% de los individuos son diabéticos ¿cuál es la
probabilidad de que un individuo elegido al azar y diagnosticado como diabético, realmente lo
sea?

1. ¿Por debajo de qué valor se considera sano a un individuo?

P (x < a) = 0.02
𝑎−80
P (x < 10
) = 0.02 = P (Z < -2.05)

𝑎−80
10
= -2.05 →a = 80 – 2.05 x 10 = 80 – 20.5 = 59.5

¿Cuántos sanos serán clasificados como diabéticos?

P (x > b) = 0.98 = 1 – P (x < b)

P (x < b) = 0.02
𝑏−160
P (x < ) = 0.02 = P (Z < -2.05)
31.4

𝑏−160
31.4
= -2.05 → a = 160 – 2.05 x 31.4 = 91.63

2. Se sabe que en la población en general el 10% de los individuos son diabéticos ¿Cuál es la
probabilidad de que un individuo elegido al azar y diagnosticado diabético realmente lo sea?

𝑃(𝐷) = 0.10

42
 𝑃(𝑆⁄𝐷) = 0.02 𝑅𝑝𝑡𝑎 = (0.10) × (0.98) = 0.098

𝑃(𝑆´⁄𝐷) = 0.98

𝑃(𝐷´) = 0.90

28.- Supóngase que se van a utilizar 20 ratas en un estudio de agentes coagulantes de la

sangre. Como primera experiencia, se dio un anticoagulante a 10 de ellos, pero por
inadvertencia se pusieron todas sin marcas en el mismo recinto. Se necesitaron 12 ratas para
la segunda fase del estudio y se les tomó al azar sin reemplazamiento. ¿Cuál es la
probabilidad de que de las 12 elegidas 6 tengan la droga y 6 no la tengan?

n = 20

p (acierto) = 0.5

20!
P(x=6) = 6!.14! . (0.5)6 . (0.5)14

P(x=6) = 0.03696

Interpretación:

La probabilidad de que de las 12 elegidas 6 tengan la droga y 6 no la tengan es del 3.696%

43