Los cuatro motores de un avión cuatrimotor (dos en cada ala) fallan, cada uno con

probabilidad 0,04, en forma independiente, durante un trayecto de 20.000

kilómetros. El avión no entra en emergencia mientras funcionen sin fallar por lo
menos dos motores:

¿Cuál es la probabilidad de que el avión no entre en emergencia?

1. Para responder a la pregunta “¿Cuál es la probabilidad de que el avión no

entre en emergencia?”, vamos a definir una variable binomial.
2. X: número de motores que fallan de un total de cuatro motores
3. X∼Binomial (n=4,p=0,04)
4. X∼Binomial (n=4,p=0,04)
5. Que el avión no entre en emergencia es equivalente a que la cantidad de
motores que fallan sea menor o igual a dos.
6. P(no entre en emergencia)=P(X≤2)P(no entre en emergencia)=P(X≤2)
7. P(X≤2)=P(X=0)+P(X=1)+P(X=2)P(X≤2)=P(X=0)+P(X=1)+P(X=2)
8. Se pueden calcular las probabilidades puntuales usando la fórmula de
probabilidad puntual de una variable binomial:

𝑛!
𝑃(𝑥 ) = 𝑃 𝑥 𝑞 𝑛−𝑥
𝑥! (𝑛 − 𝑥 )!

Distribución binomial
X N P Q P(X)
0 4 0,04 0,96 0,8493466
1 4 0,04 0,96 0,1415578
2 4 0,04 0,96 0,0088474
0,9997517

La probabilidad de que el avión no entre en emergencia es del 99,98%.

Calculo de la media.

𝛍 = 𝐧𝐏 = 𝟒 ∗ 𝟎, 𝟎𝟒 = 𝟎, 𝟏𝟔
Calculo de la desviación estándar.

𝝈 = √(𝒏𝑷(𝟏 − 𝑷) ) = √(𝟒 ∗ 𝟎, 𝟎𝟒(𝟏 − 𝟎, 𝟎𝟒)

𝝈 = 𝟎, 𝟑𝟗

Distribución de Poisson

En un estructura metálica de alta resistencia diseñada por la NASA, hay 18

conexiones empernadas por cada columna presente en la construcción, cada una
de las conexiones posee 6 pernos titanio, suponiendo que la estructura tiene un
total de 4 columnas y cada perno posee una probabilidad de fallar del 20% (0,2)
por exceso de carga. Determine la probabilidad para que fallen al menos 12 de los
pernos presentes en la estructura.

n: número de pernos

𝑛 = 18 ∗ 4 ∗ 6 = 432 𝑃𝑒𝑟𝑛𝑜𝑠

P: Probabilidad de cada perno a fallar.

P=0,002

X: número de pernos que fallan.

𝑥 = 12 𝑝𝑒𝑟𝑛𝑜𝑠

𝜆𝑥 ∗ 𝑒 −𝜆
𝑃(𝑥) =
𝑥!
𝜆 = 𝑛 ∗ 𝑃 = 12 ∗ 0,2 = 2,4
 2,412 ∗ 𝑒 −2,4
𝑃(𝑥 ) = = 0,00000692
12!
La probabilidad de que fallen 12 pernos en toda la estructura por efectos de
exceso de carga es del 0,000692% , resulta bastante beneficioso este cálculo y a
la vez lógico , ya que el titanio es un material altamente costoso e invertir en
fabricar pernos de titanio debe garantizar una seguridad sumamente alta en
cuanto a resistencia estructural. También es posible concluir que la cantidad de
pernos que se evalúan en la falla es sumamente pequeña con respecto a la de los
pernos totales presentes en la estructura , incluso 12 pernos no representan ni si
quiera el 3% de los pernos totales

La media es:

𝜇 = 𝜆 = 2,4 𝑃𝑒𝑟𝑛𝑜𝑠

La desviación estándar es de:

𝜎 = √𝜆 = √2,4 = 1,55 𝑃𝑒𝑟𝑛𝑜𝑠

Distribución Geométrica

El departamento de Ingeniería Mecánica de la Universidad de Oriente en el Núcleo

de Anzoátegui ha hecho un análisis en los últimos semestres en donde ha
concluido que solo el 10% de los nuevos ingresos en la carrera logran aprobar sus
tres primeros semestres en el tiempo estimado. Determine la probabilidad de que
en la tercera sección de estudiantes sea donde esté el primer bachiller en aprobar
sus tres semestres en el tiempo previsto idealmente.

𝑃(𝑥 ) = 𝑃(1 − 𝑃)𝑥−1

𝑃(𝑥 ) = 0,1 ∗ (1 − 0,1)3−1 = 0,081

La probabilidades para que en la tercera sección de nuevo ingreso en la carrera
ingeniería mecánica sea donde esté el primer bachiller en completar sus tres
semestres en el tiempo ideal requerido es del 8,1%.

La media se calcula:

1 1
𝜇= = = 10
𝑃 0,1

La desviación estándar es:

1−𝑃 0,9
𝜎=√ =√ =3
𝑃 0,1

Distribución normal

La medida de zapatos usados los equipos de futbol que participan en el mundial

se distribuye normalmente con una media de 9 US y una desviación tipica de 0,8
US. De un total de 736 jugadores cuantos usaran un talla de botines entre 7,5 y
9,5 US.

𝜇 = 𝑚𝑒𝑑𝑖𝑎 = 9 𝑈𝑆

𝜎 = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 = 0,8 𝑈𝑆

𝑋−𝜇
𝑍=
𝜎

𝑎<𝑧<𝑏

7,5 − 9 9,5 − 9
𝑃(7,5 ≤ 𝑧 ≤ 9,5) = 𝑃 ( )≤𝑧≤( )
0,8 0,8
𝑃(−1,875 ≤ 𝑧 ≤ 0,625) = 𝑃(0,625(≤
𝑃(𝑧) = 𝑃(𝑏) − 𝑃(𝑎)
 Introducción

De acuerdo al estudio de la estadística entre sus objetivos implica conocer de

manera cuantitativa determinada parte de la realidad, por esto se hace necesario
construir un modelo particular del objeto de estudio; en este sentido la probabilidad
se caracteriza en la forma medible de diferentes valores donde se asigna a cada
posible resultado de un experimento aleatorio determinada probabilidad. Las
distribuciones de probabilidad están relacionadas con la distribución de
frecuencias; debido a que la distribuciones tratan sobre expectativas de que algo
suceda, resultan ser modelos útiles para hacer inferencias y tomar decisiones de
incertidumbre una distribución; por ello la distribución de frecuencias teórica es
una distribución de probabilidades que describe la forma en que se espera que
varíen los resultados.

Cuando nos planteamos estudiar estas distribuciones de probabilidad, lo hacemos

partiendo de la base que su estudio nos permitirá simplificar el tratamiento
estadístico de muchos fenómenos reales. De esta manera, si nosotros nos
encontramos con un fenómeno real tal y como puede ser realizar una inversión o
no. Este es un fenómeno que tiene dos posibles valores, invertir, no invertir. Bien,
veremos que este tipo de fenómenos los podemos estudiar como una variable o
distribución de Bernoulli. Si nosotros hemos estudiado esta variable tendremos
perfectamente identificados tanto la media como la varianza como su función de
cuantía, etc... Es decir, conocemos el comportamiento probabilístico de este
fenómeno. Si nos ponemos a pensar en fenómenos económicos reales, veremos
que existen muchos que se pueden ajustar a un comportamiento de este tipo.
Todos ellos están estudiados simultáneamente mediante la distribución de
Bernoulli o la generalización binomial. Por tanto, cuando estudiamos la distribución
binomial, estamos estudiando miles de posibles distribuciones. Lo mismo pasará
con el resto de distribuciones que analizaremos.

Una distribución de probabilidad es una representación de todos los resultados

posibles de algún experimento y de la probabilidad relacionada con cada uno.
Una distribución de probabilidad es discreta cuando los resultados posibles del
experimento son obtenidos de variables aleatorias discretas, es decir, de variables
que sólo puede tomar ciertos valores, con frecuencia números enteros, y que
resultan principalmente del proceso de conteo.

Una distribución de probabilidad es continua, es decir, de variables cuantitativas

que pueden tomar cualquier valor, y que resultan principalmente del proceso de
medición. Continuas se refiere cuando los resultados posibles del experimento son
obtenidos de variables aleatorias puede asumir un número infinito de valores, que
son resultado de una medición. Por ejemplo, el valor de la temperatura media del
aire en intervalos dados de tiempo. Por supuesto que las variables aleatorias
continuas dependen de la exactitud del instrumento de medición en este caso del
termómetro. Usos: La distribución continua de probabilidad más importante en
todo el campo de la estadística es la distribución normal, describe
aproximadamente muchos fenómenos que ocurren en la naturaleza, la industria y
la investigación. Las mediciones físicas en áreas como los experimentos
meteorológicos, estudios de la lluvia y mediciones de partes fabricadas a menudo
se explican más adecuadamente con la distribución normal. Además, los errores
en las mediciones científicas se aproximan extremadamente bien mediante una
distribución normal.