 LA DISTRIBUCIÓN BINOMIAL

La distribución binomial.

1) Una familia tiene 10 hijos. La distribución por sexos es igualmente probable. Hallar la
probabilidad de que haya:
a) Como mucho tres niñas.
b) Al menos una niña.
c) Al menos ocho niños.
d) Al menos una niña y un niño.

Tenemos una distribución binomial en la que p = 1 = 0,5 puesto que la probabilidad

de que haya una niña o un niño es igual. La variable X hará mención a las niñas y la
variable Y a los niños.

2) Si el 20 % de las tartas elaboradas en una fábrica tienen trazas de nueces, ¿cuál es

la probabilidad de que, entre cuatro tartas elegidas al azar, a lo sumo dos contengan
trazas de nueces?

X = número de tartas con trazas de nueces

p = probabilidad de tarta con trazas de nueces = 0,2
n = número de tartas seleccionadas = 4
Tenemos por tanto una distribución binomial B ( 4 ; 0,2 ).
 3) Un agente de seguros vende pólizas a cinco personas de la misma edad y que
disfrutan de buena salud. Según las tablas actuariales, la probabilidad de que una
persona en estas condiciones viva 30 años o más es 2 / 3. Hállese la probabilidad
de que, transcurridos 30 años, vivan:
a) Las cinco personas.
b) Al menos tres personas.
c) Exactamente dos personas.

 ALGUNAS PROPIEDADES DE LA DISTRIBUCIÓN BINOMIAL

Propiedades de la distribución binomial
Ejercicio 1:
La probabilidad de que un artículo producido por una fábrica sea defectuoso es 0.02. Se envió
un cargamento de 10.000 artículos a unos almacenes. Hallar el número esperado de artículos
defectuosos, la varianza y la desviación típica.

𝜇=𝑛𝑝 𝜎 = √𝑛 𝑝 𝑞
 𝜇 = (10,000)(0.02)
𝜇 = 200

𝜎 2 = (10,000)(0.02)(0.98)
𝜎 2 = 196

𝜎 = √196
𝜎 = 14

Ejercicio 2:
La probabilidad de que Juan de en el blanco es 1/5, tira 100 veces. Hallar el número esperado
de veces que dará en el blanco y la desviación típica.
1 4
𝑝=5 𝑛 = 100 𝑞=5

𝜇=𝑛𝑝 𝜎 = √𝑛 𝑝 𝑞

1 1 4
𝜇 = (100)(5) 𝜎 = √(100)(5)(5)

𝜇 = 20 𝜎=4

Ejercicio 3:

Una máquina empaquetadora que produce 20% de paquetes defectuosos. Si se extrae una
muestra aleatoria de 10 paquetes, podremos calcular la media y la desviación estándar de la
distribución binomial de ese proceso en la forma que sigue:

𝜇=𝑛𝑝 𝜎 = √𝑛 𝑝 𝑞

𝜇 = (10)(0.2) 𝜎 = √(10)(0.2)(0.8)

𝜇 = 20 𝜎 = √1.6

𝜎 = 1.26

Distribución binomial
1. Calcule la probabilidad de obtener a) 2 o más caras b) menos de 4 caras en un
lanzamiento de cuatro monedas legales.
 𝑛 𝑥 𝑛−𝑥 𝑛!
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = ( )𝑝 𝑞 = 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥 𝑥! (𝑛 − 𝑥)!
a) P(6!/2!4!)(1/2)2(1/2)4=15/24=23.44%
b) P(6!/2!4!)(1/2)4(1/2)2+(6!/2!4!)(1/2)5(1/2)1+(6!/2!4!)(1/2)6=11/32=34.37%

2. Determinar la probabilidad de que en cinco lanzamientos de un dado no cargado se

obtenga un 3 dos veces.
1
Probabilidad de obtener 3 en un solo lanzamiento 𝑝 = 6
5
Probabilidad de no obtener 3 en un solo lanzamiento 𝑞 = 1 − 𝑝 = 6
5 1
2
5 3 5! 125 125 625
𝑃(𝑋 = 2) = ( ) ( ) ( ) = ( )( ) = (10) ( )=
2 6 6 2! 3! 7776 7776 3888

3. Encontrar la probabilidad de que en una familia con 4 hijos haya por lo menos 1 niño.
1
4 1 1 3 4! 1 1 1
𝑃(𝑋 = 1 𝑛𝑖ñ𝑜) = ( ) ( ) ( ) = ( )( )( ) = 4( ) =
1 2 2 1! 3! 2 8 16
4. Si 15% de los tornillos que produce una maquina están defectuosos, determinar la
probabilidad que de 6 tornillos elegidos al azar 2 estén defectuosos.

Probabilidad de que un tornillo esté defectuoso es 𝑝 = 0.15

De que no esté defectuoso 𝑞 = 1 − 𝑝 = 0.85
6!
(𝑋 = 2) = (6) (0.15)2 (0.85)4 = ( ) (0.0225)(0.7225) = 15(0.01625) = 0.2437
2 2! 4!
 LEY DE LOS GRANDES NÚMEROS PARA ENSAYOS DE BERNOULLI
Ley de los grandes números para ensayos de Bernoulli.

1. Demostrar el teorema de los grandes números para ensayos de Bernoulli.

De acuerdo con la desigualdad de Chebyshev, si X es una variable aleatoria cualquiera,

con media μ y varianza σ2 finitas, entonces
1
𝑃(|𝑋 − 𝜇| ≥ 𝑘𝜎) ≤ 2
𝑘
Si X es una distribución de Bernoulli, entonces 𝜇 = 𝑛𝑝, 𝜎 = √𝑛𝑝𝑞 y se transforma en
1
𝑃(|𝑋 − 𝑛𝑝| ≥ 𝑘√𝑛𝑝𝑞) ≤ 2
𝑘
o bien
𝑋 𝑝𝑞 1
𝑃 (| − 𝑝| ≥ 𝑘√ ) ≤ 2
𝑛 𝑛 𝑘
 𝑝𝑞
Si 𝜖 = 𝑘√ , se transforma en
𝑛
𝑋 1
𝑃 (| − 𝑝| ≥ 𝜖) ≤ 2
𝑛 𝑘

y tomando el límite cuando 𝑛 → ∞, como deseábamos,

𝑋
lim 𝑃 (| − 𝑝| ≥ 𝜖) = 0
𝑛→∞ 𝑛

2. Si nos planteamos que la probabilidad sea inferior a 0,10 , para el hecho de que , al
lanzar una moneda con el ánimo de conseguir caras , la diferencia entre las que han
salido y las que debieran haber salido (la mitad) sea superior al 2% ,¿Cuántas veces
debemos de lanzar la moneda?

Nos planteamos conocer n (número de lanzamientos) , despejamos

1 1
𝑛< = = 6250
𝑋 2 (4)(0.1)(0.24)
4𝑃 (| 𝑛 − 𝑝| ≥ 𝜖) ∗∈
6250 veces lanzaremos para que la diferencia entre el número de caras que han de salir
(3125) y las que verdaderamente saldrán , sea mayor del 2% (mas, menos 125 caras)
,con una probabilidad inferior a 0,1.

3. Dar una interpretacion de la ley de los grandes números (en forma débil) por la aparición
de un 3 en lanzamientos sucesivos de un dado honrado.

La ley de los grandes números establece en este caso que la probabilidad de la

1
proporción de los 3 en 𝑛 lanzamientos diferiendo de 6 por más que cualquier valor ∈ > 0
tiende a cero a medida que 𝑛 → ∞

 DISTRIBUCIÓN NORMAL

Distribución Normal
4.72 En un examen de estadística la media fue 78 y la desviación estándar 10. a) Determine
las puntuaciones estándar de dos estudiantes cuyas calificaciones fueron 93 y 62,
respectivamente. b) Determine las calificaciones de dos estudiantes cuyas puntuaciones
estándar fueron -0.6 y 1.2, respectivamente.
Solución:
𝑥−𝜇
𝑍= Donde: 𝜇 = 𝑚𝑒𝑑𝑖𝑎 y 𝜎 = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟
𝜎
 93−78
a) 𝑍 = = 1.5
10
62−78
𝑍= = −1.6
10
𝑥−𝜇
b) 𝑍 =  𝑥 = (𝑧 ∗ 𝜎) + 𝜇
𝜎
𝑥 = (−0.6 ∗ 10) + 78 = 72
𝑥 = (1.2 ∗ 10) + 78 = 90

4.78 Determine t1 si 𝑃(𝑍 ≥ 𝑡1 ) = 0.84, donde 𝑍 esta distribuida normalmente con media 0 y
varianza 1
Solución:
𝑡1 −𝜇
𝑃(𝑍 ≥ 𝑡1 )  𝑃 (𝑍 ≥ )  𝑃[(𝑧 ∗ 𝜎) + 𝜇 ≥ 𝑡1 ]
𝜎

𝑃[(0.84 ∗ 1) + 0 ≥ 𝑡1 ] = 𝑃(0.84 ≥ 𝑡1 ) = −0.995

4.79 Si 𝑋 esta distribuida normalmente con media 5 y desviación estándar 2, encuentre

𝑃(𝑋 > 8)
Solución:
𝑥−𝜇
𝑃(𝑥 > 8)  𝑃 (𝑧 > )
𝜎

8−5
𝑃 (𝑧 > ) = 𝑃(𝑧 > 1.5) = 0.0668
2

DISTRIBUCIÓN NORMAL
4.73 Varios test de inteligencia dieron una puntuación que sigue una ley normal con media
100 y desviación típica 15. Determinar el porcentaje de población que obtendría un
coeficiente entre 95 y 110.

95−100 110−100
P (95 < x < 1110) = p ( <z< )
15 15

P (0.33 < z < 0.67) = p (z < 0.67) – [1 – p (z < 0.33) =

0.7486 – (1 – 0.6293) = 0.3779 o 37.79 %

4.74 Encuentre el área bajo la curva normal entre a) z= -1.20 y z= 2.40, b) z= 1.23 y z= 1.87,
c) z= -2.35 y z= -0.05.
a) P [-1.20 < Z < 2.40] = 1 - P [Z > 2.40] - P [Z > 1.20] = 1-0.0082 - 0.1151 = 0.8767
{0.8767328}
b) P [1.23 < Z < 1.83] = P [Z < 1.83] - P[Z < 1.23] = 1 - P [Z > 1.83] -1 + P[Z > 1.23] =
P[Z > 1.23] - P[Z > 1.83] = 0.1093 - 0.0336 = 0.0757 {0.1093486 - 0.03362497 =
{0.07572358}

c) P [-2.35 < Z < -0.5] = P [Z < -0.5] - P [Z < -2.35] = P [Z > 0.5] - P [Z > 2.35]= 0.3085 -
0.0094 = 0.2991 {0.3085375 - 0.009386706=0.2991508}

4.80 Si las estaturas de 300 estudiantes están distribuidas normalmente con media 68
pulgadas y desviación estándar 3 pulgadas, ¿cuántos estudiantes tienen una estatura: a)
mayor a 72 pulgadas, b) menor o igual a 64 pulgadas, c) entre 65 y 71 pulgadas inclusive, d)
igual a 68 pulgadas? Suponga que las estaturas se han medido a la pulgada más cercana.
a)
Z = 72.5 – 68.0 Z = 1.5 Tabla = 0.4332 3.0
Z = 0.5000 Z = 4.5 - 0.4332 3.0 0.0668 x 300 Z = 1.5 20.04 =
20
b)
Z = 64.5 – 68.0 Z = -1.17 Tabla = 0.3790 3.0
Z = 0.5000 Z = 3.5 - 0.3790 3.0 0.121 x 300 Z = -1.17 36.3 =
36
c)
Z = 64.5 – 68.0 Z = 68 – 71.5 1.17 0.3790 3.0 3.0 Z = - 3.5 1.17 0.3790
Z = 3.5 3.0 0.7580 3.0 Z = - 1.17 Z = -1.17 P (65 < X < 71) = 0.7580 = 75%
N. de estudiantes = 300 (0.7580) = 227 %
d)
Z = 67.5 – 68.0 Z = 68 – 68 0.17 0.0675 3.0 3.0 Z = 0.5 0.17
0.0675
Z = - 0.5 3.0 0.1350 3.0 Z = 0.17 Z = -1.17 P (x = 68) = 0.1350 = 13.5
N. de estudiantes = 300 (0.1350) = 40.5

DISTRIBUCIÓN NORMAL

4.73. Encuentre a) la media y b) la desviación estándar en un examen en que las

calificaciones 70 y 88 correspondieron a las puntuaciones estándar -0.6 y 1.4
respectivamente.
DATOS
X1= 70 Z1= -0.6 X2= 88 Z2= 1.4
Formula:
µ = 𝑿 − 𝒁𝝈
b) Sustitución:
µ = 𝑿𝟏 − 𝒁𝝈
µ = 𝟕𝟎 − (−𝟎. 𝟔)𝝈
µ = 𝟕𝟎 + 𝟎. 𝟔𝝈

µ = 𝑿𝟐 − 𝒁𝟐 𝝈
µ = 𝟖𝟖 − 𝟏. 𝟒𝝈

𝟕𝟎 + 𝟎. 𝟔𝝈 = 𝟖𝟖 − 𝟏. 𝟒𝝈
𝟎. 𝟔𝝈 + 𝟏. 𝟒𝝈 = 𝟖𝟖 − 𝟕𝟎
𝟐𝝈 = 𝟏𝟖
𝝈=𝟗
a)
µ = 𝑿𝟏 − 𝒁𝟏 𝝈
µ = 𝟕𝟎 − (−𝟎. 𝟔)(𝟗)
µ = 𝟕𝟎 + 𝟓. 𝟒
µ = 𝟕𝟓. 𝟒
µ = 𝑿𝟐 − 𝒁𝟐 𝝈
µ = 𝟖𝟖 − 𝟏. 𝟒(𝟗)
µ = 𝟖𝟖 − 𝟏𝟐. 𝟔
µ = 𝟕𝟓. 𝟒

4.80. Si la estatura de 300 estudiantes están distribuidas normalmente con media 68.0
pulgadas y desviación estándar 3.0 pulgadas, ¿Cuántos estudiantes tienen una estatura a)
mayor de 72 pulgadas b) menor o igual a 64 pulgadas c) entre 65 y 71 pulgadas inclusive, d)
igual a 68 pulgadas? Suponga que se han medido a la pulgada más cercana.
 Formula:
𝑋−µ
𝑍=
𝜎

a) Mayor a 72 pulgadas.
Sustitución
72.5 − 68.0
𝑍=
3.0
4.5
𝑍=
3.0
𝑍 = 1.5
Con base en las tablas Áreas bajo la curva normal estándar de 0 a Z se obtiene que:
𝑍 = 0.4332
𝑍 = 0.5000 − 0.4332 = 0.0668
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = (0.0668)(300)
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = 20.04 = 20

a) Menor o igual a 64 pulgadas.

Sustitución
64.5 − 68.0
𝑍=
3.0
−3.5
𝑍=
3.0
𝑍 = −1.17
Con base en las tablas Áreas bajo la curva normal estándar de 0 a Z se obtiene que:
𝑍 = 0.3790
𝑍 = 0.5000 − 0.3790 = 0.121
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = (0.121)(300)
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = 36.3 = 36
b) Mayor a 72 pulgadas.
Sustitución
 72.5 − 68.0
𝑍=
3.0
4.5
𝑍=
3.0
𝑍 = 1.5
Con base en las tablas Áreas bajo la curva normal estándar de 0 a Z se obtiene que:
𝑍 = 0.4332
𝑍 = 0.5000 − 0.4332 = 0.0668
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = (0.0668)(300)
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = 20.04 = 20
c) Entre 65 y 71 pulgadas.
Sustitución
64.5 − 68.0
𝑍=
3.0
−3.5
𝑍=
3.0
𝑍 = −1.17

68.0 − 71.5
𝑍=
3.0
−3.5
𝑍=
3.0
𝑍 = −1.17
Con base en las tablas Áreas bajo la curva normal estándar de 0 a Z se obtiene que:
𝑍 = 0.3790 y 𝑍 = 0.3790
𝑍 = 0.3790 + 0.3790 = 0.7580
𝑃(65 ≤ 𝑋 ≤ 71) = 0.7580 = 75%
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = (0.7580)(300)
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = 227
d) Igual a 68 pulgadas
Sustitución
 67.5 − 68.0
𝑍=
3.0
−0.5
𝑍=
3.0
𝑍 = −0.16

68.0 − 68.5
𝑍=
3.0
−0.5
𝑍=
3.0
𝑍 = −0.16
Con base en las tablas Áreas bajo la curva normal estándar de 0 a Z se obtiene que:
𝑍 = 0.0675 y 𝑍 = 0.0675
𝑍 = 0.0675 + 0.0675 = 0.1359
𝑃(𝑋 = 68) = 0.1350 = 13.5%
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = (0.1350)(300)
𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 = 40.5 = 40

4.82. La calificación media en un examen final fue 72 y la desviación estándar fue 9. A los
estudiantes cuyas calificaciones pertenecen al 10% superior se les dará una A ¿Cuál
calificación mínima deberá tener un estudiante para ser acreedor a una A?
DATOS:
M = 72 Q=9 Z1= 1.28 (Valor obtenido de las tablas)
Formula:
𝑋 = 𝑍1 . 𝑄 + 𝑀
Sustitución:
𝑋 = 1.28(9) + 72
𝑋 = 11.52 + 72
𝑋 = 83.52
𝑋 = 84
  ALGUNAS PROPIEDADES DE LA DISTRIBUCIÓN NORMAL
Distribución Normal

1. A partir de un conjunto de datos sobre las variables X y Y se ha calculado la regresión

de Y sobre X, obteniéndose los siguientes resultados.

Y=10+0.45x r2= 0.9 ẋ=20

Calcular Parámetros de regresión de X sobre Y
Solución. a = 10 r2=byx*bxy
0.9
Y=10+0.45 byx= 0.45 r2=0.9=0.45bxy bxy=0.45 = 2

De otra parte, y=a+(byx * x) ẏ=10 + (0.45*20) =19

Análogamente, x=a’+(bxy*y) a´= ẋ-bxy* ẏ = a´=20-(2*19)=-18
La recta de regresión de X/Y: Y=2X-18

2. En una distribución bidimensional se conoce:

R=7 Sx= 1.2 ẏ=4 X/Y: X= 0.6+444Y
Obtener la media de X y la recta de regresión de Y/X
Solución.
ẋ= 0.6+0.44
a) Recta de regresión de X sobre Y: X= 0.6+0.44Y ẋ=0.6+(0.44*4)= 2.36

b) La recta de regresión de Y/X:

a= 0.6
Siendo X= 0.6+0.44Y bxy= 0.44

0.72
R2= byx*bxy 0.72 = bxy*0.44 byx= 0.44= 1.114

Con lo cual, la recta de la regresión de Y sobre X será: y-4= 1.114 (x-2.36)

Y= 1.370+1.114x
 3. Justifique las razones por las cuales debe aceptarse o rechazarse que las dos rectas
siguientes sean, respectivamente, las líneas de regresión mínimo - cuadráticas de Y
sobre X y de X sobre Y de una serie de observaciones.

Y/X: Y=2X+1 X/Y: X=10-5Y

Solución:

Y=1+2X byx= 2>0

X= 10-5Y bxy= -5<0

Los coeficientes de regresión deben tener el mismo signo, al depender ambos de la misma
covarianza, con lo cual no pueden ser rectas de regresión.

 RELACIÓN ENTRE LAS DISTRIBUCIONES BINOMIAL Y NORMAL

4.86 Determine la probabilidad de que en 200 lanzamientos de una moneda se obtenga:
a. Entre 80 y 120.
b. Menos de 90 caras.
c. Menos de 85 o más de 115.
d. Exactamente 100 caras.

SOLUCION:
Paso 1: Describir el proceso aleatorio
𝑅 = 𝐿𝑎𝑛𝑧𝑎𝑟 𝑢𝑛𝑎 𝑚𝑜𝑛𝑒𝑑𝑎 200 𝑣𝑒𝑐𝑒𝑠
Paso 2: Construir el espacio muestral
𝑅 = 𝑛𝑄𝑅𝑟 = 𝑛𝑟
𝑛𝑄𝑅𝑟 = 1.6 × 1060
Paso 3: Definir la variable aleatoria.
𝑋 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑟𝑎𝑠
Paso 4: Construir el espectro de la variable aleatoria.
𝑅 = 𝑆𝑥 = {0,1,2,3,4 … .1.6 × 1060 . )
Paso 5: construir el modelo o distribución de probabilidad del experimento.
 𝑁!
𝑃(𝑥) = ((𝑃 𝑋 )(𝑞𝑁−𝑥 ))
(𝑥!)(𝑁 − 𝑥)!
1
𝑃=2
1 1
𝑞 =1−𝑝 = 1−2 = 2

𝑁 = 200
a) Solución:
200! 1 90 1 200−90
𝑃(90) = ((( ) ) (( ) ))
(90!)(200 − 90)! 2 2

𝑃(90) = 0.9962
b) Solución:
200! 1 120 1 200−120
𝑃(120) = ((( ) ) (( ) ))
(120!)(200 − 120)! 2 2

𝑃(120) = 0.687
c) Solución:

200! 1 125 1 200−115

𝑃(115) = ((( ) ) (( ) ))
(115!)(200 − 125)! 2 2

𝑃(115) = 0.0286
d) Solución:
200! 1 100 1 200−100
𝑃(100) = ((( ) ) (( ) ))
(100!)(200 − 100)! 2 2

𝑃(100) = 0.0558

4.87 Calcule la probabilidad de que un estudiante pueda acertar las respuestas de:
I. 12 o más de 20
 II. 24 de 40
Las preguntas se responden con un verdadero o falso.

SOLUCIÓN:
Paso 1: Describir el proceso aleatorio
𝑅 = 𝐴𝑐𝑒𝑟𝑡𝑎𝑟 𝑒𝑛 𝑙𝑎 𝑟𝑒𝑠𝑝𝑢𝑒𝑠𝑡𝑎

Paso 2: Construir el espacio muestral

𝑅 = 𝑛𝑄𝑅𝑟 = 𝑛𝑟
𝑛𝑄𝑅𝑟 = 4
Paso 3: Definir la variable aleatoria.
𝑋 = 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑐𝑖𝑒𝑟𝑡𝑜𝑠
Paso 4: Construir el espectro de la variable aleatoria.
𝑅 = 𝑆𝑥 = {0,1,2,3,4. )

Paso 5: construir el modelo o distribución de probabilidad del experimento.

𝑁!
𝑃(𝑥) = ((𝑃 𝑋 )(𝑞𝑁−𝑥 ))
(𝑥!)(𝑁 − 𝑥)!
a) Solución:

20! 1 1 20−18
𝑃(𝑥) = ((( )12 ) (( ) ))
(12!)(20 − 12)! 2 2

𝑃(𝑥) = 0.2511
b) Solución:

40! 1 24 1 40−24
𝑃(𝑥) = ((( ) ) (( ) ))
(24!)(40 − 24)! 2 2

𝑃(𝑥) = 0.1342
4.89 Determine la probabilidad de obtener más de “25” sietes en 100 lanzamiento de un par
de dados no cargados.
SOLUCIÓN:
Paso 1: Describir el proceso aleatorio
𝑅 = 𝑂𝑏𝑡𝑒𝑛𝑒𝑟 "25 "𝑠𝑖𝑒𝑡𝑒𝑠
Paso 2: Construir el espacio muestral
𝑅 = 𝑛𝑄𝑅𝑟 = 𝑛𝑟
𝑛𝑄𝑅𝑟 = 2.84 × 1019
Paso 3: Definir la variable aleatoria.
𝑋 = 𝑇𝑒𝑛𝑒𝑟" 25 "𝑠𝑖𝑒𝑡𝑒𝑠

Paso 4: Construir el espectro de la variable aleatoria.

𝑅 = 𝑆𝑥 = {0,1,2,3,4 … . . . 2.84 × 1019 )
Paso 5: construir el modelo o distribución de probabilidad del experimento.

𝑁!
𝑃(𝑥) = ((𝑃 𝑋 )(𝑞𝑁−𝑥 ))
(𝑥!)(𝑁 − 𝑥)!
Solución:
1
𝑃=2
1
𝑞 =1−𝑃 =2

𝑁 = 100

100! 1 1 100−25
𝑃(𝑥) = ((( )25 ) (( ) ))
(25!)(100 − 25)! 2 2

𝑃(𝑥) = 0.0089
 DISTRIBUCIÓN DE POISSON
DISTRUBUCIÓN DE POISSON
𝜆𝑥 𝑒 −𝜆
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) =
𝑥!
1. Si 3% de las bombillas eléctricas fabricadas por una empresa tienen algún defecto,
encuentre la probabilidad de que en una muestra de 100 bombillas a) 1, b) 3, c) 5
bombillas tengan algún defecto.

𝜆𝑥 𝑒 −𝜆
a) 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = Donde 𝜆 = 𝑛𝑝 = (100)(0.03) = 3
𝑥!
Entonces:
31 𝑒 −3 (3)(0.04978)
𝑃(𝑋 = 1) = = = 0.1494
1! 1

𝜆𝑥 𝑒 −𝜆
b) 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = Donde 𝜆 = 𝑛𝑝 = (100)(0.03) = 3
𝑥!
Entonces:
33 𝑒 −3 (27)(0.04978)
𝑃(𝑋 = 3) = = = 0.2240
3! 3∙2∙1
𝜆𝑥 𝑒 −𝜆
c) 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = Donde 𝜆 = 𝑛𝑝 = (100)(0.03) = 3
𝑥!
Entonces:
35 𝑒 −3 (243)(0.04978)
𝑃(𝑋 = 5) = = = 0.1008
5! 5∙4∙3∙2∙1

2. En el problema anterior encuentre la probabilidad de que a) más de 5, b) 2 o menos

bombillas tengan algún defecto.

𝜆𝑥 𝑒 −𝜆
a) 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑥! Donde 𝜆 = 𝑛𝑝 = (100)(0.03) = 3
Entonces:
𝑃(𝑋 > 5) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)
+ 𝑃(𝑋 = 5)]
30 𝑒 −3 31 𝑒 −3 32 𝑒 −3 33 𝑒 −3 34 𝑒 −3 35 𝑒 −3
𝑃(𝑋 > 5) = 1 − [ + + + + + ]
0! 1! 2! 3! 4! 5!
1 ∙ 0.04978 3 ∙ 0.04978 9 ∙ 0.04978 27 ∙ 0.04978
𝑃(𝑋 > 5) = 1 − [ + + +
1 1 2∙1 3∙2∙1
81 ∙ 0.04978 243 ∙ 0.04978
+ + ]
4∙3∙2∙1 5∙4∙3∙2∙1
𝑃(𝑋 > 5) = 1 − [0.04978 + 0.14934 + 0.22401 + 0.22401 + 0.1680 + 0.1008]
𝑃(𝑋 > 5) = 0.0840

𝜆𝑥 𝑒 −𝜆
b) 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = Donde 𝜆 = 𝑛𝑝 = (100)(0.03) = 3
𝑥!
Entonces:
𝑃(𝑋 ≤ 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)
30 𝑒 −3 31 𝑒 −3 32 𝑒 −3
𝑃(𝑋 ≤ 2) = + +
0! 1! 2!
1 ∙ 0.04978 3 ∙ 0.04978 9 ∙ 0.04978
𝑃(𝑋 ≤ 2) = + +
1 1 2∙1
𝑃(𝑋 ≤ 2) = 0.04978 + 0.14934 + 0.22401
𝑃(𝑋 ≤ 2) = 0.4231
 3. De acuerdo con la Oficina Nacional de Estadística del Departamento de Salud de
Estados Unidos, la cantidad promedio de ahogados por accidente por año en este país,
es de 3 por cada 100,000 habitantes. Calcule la probabilidad de que en una ciudad de
200,000 habitantes haya a) 0, b) 6, c) 8 ahogados por accidente por año.

𝜆𝑥 𝑒 −𝜆
a) 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = Donde 𝜆 = 𝑛𝑝 = (200,000)(0.00003) = 6
𝑥!
Entonces:
60 𝑒 −6 (1)(0.00248)
𝑃(𝑋 = 0) = = = 0.00248
0! 5∙4∙3∙2∙1

𝜆𝑥 𝑒 −𝜆
c) 𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = Donde 𝜆 = 𝑛𝑝 = (200,000)(0.00003) = 6
𝑥!
Entonces:
66 𝑒 −6 (46,656)(0.04978)
𝑃(𝑋 = 6) = = = 0.1606
6! 6∙5∙4∙3∙2∙1

 ALGUNAS PROPIEDADES DE LA DISTRIBUCIÓN DE POISSON

1.- Si la probabilidad de que un individuo sufra una reacción por una inyección de un
determinado suero es 0.001, determinar la probabilidad de que de un total de 2000 individuos:
a) Exactamente 3 tengan reacción.
b) Más de 2 individuos tengan reacción.
Realizamos una recopilación de datos del enunciado del problema:

· X ≡ 'Nº de individuos que sufren una reacción por inyección de un determinado suero'.
· La variable aleatoria X sigue una distribución Binomial: X ~ B(2000, 0.001).
Las características del tamaño de la muestra y la probabilidad relativamente baja que tiene,
comprobaremos si podemos adaptar la distribución binomial a la de Poisson.
Para ello, debe cumplirse:
· n grande: n = 2000 OK.
· n·p = 2000·0.001 = 2 ≤ 7 OK.
Por lo tanto, se puede adaptar la variable aleatoria a la distribución de Poisson: X ~ P (2).
Apartado a)
Debemos obtener la siguiente probabilidad:
Por lo tanto, la probabilidad de que a tres individuos les haga reacción la inyección de un
determinado suero es de, aproximadamente 0.180447.

Apartado b)

La probabilidad que debemos obtener es la siguiente:

𝑷(𝑿 > 𝟐) = 𝟏 − 𝑷(𝑿 ≤ 𝟐) = 𝟏 − [𝑷(𝑿 = 𝟎) + 𝑷(𝑿 = 𝟏) + 𝑷(𝑿 = 𝟐)]

Al tener que calcularse el valor de varios elementos para obtener la solución se sustituye en
la distribución de poisson, la probabilidad de que a dos o más individuos les haga reacción la
inyección de un determinado suero es de aproximadamente 0.323324
2.- Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las probabilidades
de que reciba, a) cuatro cheques sin fondo en un día dado, b) 10 cheques sin fondos en
cualquiera de dos días consecutivos?

Solución:
a) x = variable que nos define el número de cheques sin fondo que llegan al banco en un
día cualquiera = 0, 1, 2, 3, ....., etc, etc.
l = 6 cheques sin fondo por día
e = 2.718

b)
x= variable que nos define el número de cheques sin fondo que llegan al banco en dos días
consecutivos = 0, 1, 2, 3, ......, etc., etc.
l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos días consecutivos
Nota: l siempre debe de estar en función de x siempre o dicho de otra forma, debe “hablar” de
lo mismo que x.
3.- Una distribución de poisson está dada por:
(𝟎.𝟕𝟐)𝒙 𝒆−𝟎.𝟕𝟐
𝒑(𝒙) = 𝑿!

Calcule a) p (0), b) (1), c) p (2) y d) p (3)

Solución:
(𝟎.𝟕𝟐)𝟎 −𝒆𝟎.𝟕𝟐 (𝟏)𝒆−𝟎.𝟕𝟐
a) 𝒑(𝟎) = = = 𝒆−𝟎.𝟕𝟐 = 𝟎. 𝟒𝟖𝟔𝟖
𝟎! 𝟏

(𝟎.𝟕𝟐)𝟏 𝒆−𝟎.𝟕𝟐
b) 𝒑(𝟏) = = (𝟎. 𝟕𝟐)𝒆−𝟎.𝟕𝟐 = (𝟎. 𝟕𝟐)(𝟎. 𝟒𝟖𝟔𝟖) = 𝟎. 𝟑𝟓𝟎𝟓
𝟏!

(𝟎.𝟕𝟐)𝟐 𝒆−𝟎.𝟕𝟐 (𝟎.𝟓𝟏𝟖𝟒)𝒆−𝟎.𝟕𝟐

c) 𝒑(𝟐) = = = (𝟎. 𝟐𝟓𝟗𝟐)(𝟎. 𝟒𝟖𝟔𝟖) = 𝟎. 𝟏𝟐𝟔𝟐
𝟐! 𝟐

𝟎.𝟕𝟐
d) 𝒑(𝟐) = 𝒑(𝟏) = (𝟎. 𝟑𝟔)(𝟎. 𝟑𝟓𝟎𝟓) = 𝟎. 𝟏𝟐𝟔𝟐
𝟐

(𝟎.𝟕𝟐)𝟑 𝒆−𝟎.𝟕𝟐 𝟎.𝟕𝟐

𝒑(𝟑) = = 𝒑(𝟐) = (𝟎. 𝟐𝟒)(𝟎. 𝟏𝟐𝟔𝟐) = 𝟎. 𝟎𝟑𝟎𝟑
𝟑! 𝟑

 RELACIÓN ENTRE LAS DISTRIBUCIONES DE BINOMIAL Y DE POISSON

DISTRIBUCIÓN DE POISSON CON BINOMIAL
4.90 si 3% de las bombillas eléctricas fabricadas por una empresa tienen algún defecto,
encuentre la probabilidad de que en una muestra de 100 bombillas a) 0 b) 1 c)2 d)3 e) 4, f) 5
bombillas tengan algún defecto.
Solución:
100 bombillas
3% de bombillas=3
A partir de la siguiente fórmula

𝑒 −3 (30 )
a) 𝑝(𝑥 = 0) = (0,3) = = 0.04978
0!
 𝑒 −3 (31 )
b) 𝑝(𝑥 = 1) = (1,3) = = 0.1490
1!
𝑒 −3 (32 )
c) 𝑝(𝑥 = 2) = (2,3) = = 0.2240
2!
𝑒 −3 (33 )
d) 𝑝(𝑥 = 3) = (3,3) = = 0.2240
3!
𝑒 −3 (34 )
e) 𝑝(𝑥 = 4) = (4,3) = = 0.1680
4!
𝑒 −3 (35 )
f) 𝑝(𝑥 = 5) = (6,3) = = 0.1008
5!

4.91 En el problema anterior encuentre la probabilidad de que a) más de 5, b) entre 1 y 3, c) 2

o menos bombillas tengan algún defecto.
Solución:
100 bombillas
3% de bombillas=3

𝑒 −3 (3𝑖 )
a) 𝑝(𝑥 = 0) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3) + ⋯ 𝑝(𝑥 = 𝑛) = ∑3𝑖=0 = 0.0838
𝑖!
𝑒 −3 (3𝑖 )
b) 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3) = ∑3𝑖=1 = 0.5974
𝑖!
𝑒 −3 (3𝑖 )
c) 𝑝(𝑥 = 0) + 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) = ∑3𝑖=0 = 0.4231
𝑖!

4.93 de acuerdo a la Oficina Nacional De Estadística De Los Estados Unidos, la cantidad

promedio de ahogados por accidente por año en ese país es de 3.0 por cada 100 000
habitantes. Calcule la probabilidad de que en la ciudad de 200 000 habitantes haya a) 0 b) 2
c) 6 d) 8 e) entre 4 y 8, f) menos de 3 ahogados por accidente por año.
Cantidad de habitantes ahogados en la ciudad= 6
A partir de la siguiente fórmula

𝑒 −6 (60 )
a) 𝑝(𝑥 = 0) = (0,6) = = 0.002478
0!
𝑒 −6 (62 )
b) 𝑝(𝑥 = 2) = (2,6) = = 0.04461
2!
𝑒 −6 (66 )
c) 𝑝(𝑥 = 6) = (6,6) = = 0.1606
6!
𝑒 −6 (86 )
d) 𝑝(𝑥 = 8) = (8,6) = 8!
= 0.1033
𝑒 −6 (6𝑖 )
e) 𝑝(𝑥 = 4) + 𝑝(𝑥 = 5) + 𝑝(𝑥 = 6) + ⋯ 𝑝(𝑥 = 8) = ∑6𝑖=4 = 6964
𝑖!
 𝑒 −6 (6𝑖 )
f) 𝑝(𝑥 = 0) + 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3) = ∑6𝑖=0 = 0.0620
𝑖!

 RELACIÓN ENTRE LAS DISTRIBUCIONES DE POISSON Y LA NORMAL

DISTRIBUCIÓN NORMAL CON POISSON

4.73 Encuentre la a) la media y b) la desviación estándar en un examen en el que las

calificaciones 70 y 88 correspondieron a las puntuaciones estándar -0.6 y 1.4,
respectivamente.

Datos: Fórmula:
X1 = 70 μ= X - Z
Z1=-0.6
X2 = 88
Z2 =1.4

Solución:
Primero obtendremos el valor de la desviación estándar
Para después sustituir en cualquiera de las ecuaciones y hallar la media.

Sustituimos para X1 Sustituimos para X2

μ= X1 – Z1 μ= X2 – Z2
μ=70- (-0.6) μ=88-1.4
μ=70 + 0.6

Ahora igualamos ambas ecuaciones para poder obtener  (Desviación estándar)

70 + 0.6 = 88-1.4
0.6 + 1.4 = 88 – 70
 2 = 18
 = 18/2
=9

μ= X - Z

Sustituyendo para X1: sustituyendo para X 2:

μ= X1 – Z1 μ= X2 – Z2
μ=70 + 0.6 (9) μ=88-1.4 (9)
μ= 70 + 5.4 μ=88-12.6
μ=75.4 μ= 75.4

RESPUESTAS:

a) μ=75.4
b) =9

4.74 Encuentre el área bajo la curva normal entre a) z= -1.20 y z= 2.40, b) z=1.23 y
z=1.87, c) z=-2.35 y z= -0.5.

a) Con base en la tabla del apéndice C:

De 0 a +1.20 (por simetría a -1.20)

El resultado es:

1 0 2 /2
P(-1.20≤ Z ≤0)= √2𝜋 ∫−1.20 𝑒 −𝑢 𝑑𝑢 = 0.3849

De 0 a 2.40

El resultado es:
 1 2.40 2 /2
P(-1.20≤ Z ≤ 2.40)= √2𝜋 ∫−1.20 𝑒 −𝑢 𝑑𝑢 = 0.4918

Área que buscamos= (área entre z=-1.20 y z=0) + (área entre z=0 y z= 2.40)
Área que buscamos= 0.3849 + 0.4918
Respuesta:

Área que buscamos= 0.8767

b) Con base en la tabla del apéndice C:

De 0 a +1.87

El resultado es:

1 1.87 −𝑢2 /2
P(0≤ Z ≤1.87)= √2𝜋 ∫0 𝑒 𝑑𝑢 = 0.4693

De 0 a 1.23

El resultado es: 0.3907

Área que buscamos= (área entre z=0 y z=1.87) - (área entre z=0 y z= 1.23)

Área que buscamos= 0.4693 – 0.3907

Respuesta:

Área que buscamos=0.0786

c) Con base en la tabla del apéndice C:

De 0 a + 2.35 por simetría

El resultado es: 0.4906

De 0 a -0.5
El resultado es: 0.1915

Área que buscamos= (área entre z=0 y z=2.35) - (área entre z=0 y z= 0.5)
Área que buscamos=0.4906 – 0.1915
Respuesta:

Área que buscamos=0.2991

4.82 La calificación media en un examen final fue 72 y la desviación estándar fue 9. A los
estudiantes cuyas calificaciones pertenecen el 10% superior se les dará una A. ¿Cuál es la
calificación mínima que deberá tener un estudiante para ser acreedor a una A?
DE ATRÁS HACIA DELANTE:

Datos:
M= 72
Q= 9 X = Z1 Q + M
Z1= 1.28
Tabla %= ?

SUSTITUCIÓN:
X = 1.28 (9) + 72
X = 11.52 + 72
X = 83.52
X= 84

AHORA DE ADELANTE HACIA ATRÁS:

FÓRMULA:

𝑋− 𝜇
𝑍=


SUSTITUCIÓN:

83.52 − 72
𝑍=
9

11.52
𝑍=
9

𝑍 = 1.28
Para Z= 1.28 De a cuerdo al apéndice C = 0.3997

0.5000 – 0.3997 = 0.1003

En porcentaje : 0.1003 * 100 = 10.03%

RESPUESTA:
La calificaión que tendrán que obtener es 84
10%

 TEOREMA DEL LÍMITE CENTRAL

Teorema del límite central

1.-Se lanza una moneda al aire 100 veces, si sale cara le damos el valor 1 y si sale cruz el
valor 0. Cada lanzamiento es una variable independiente que se distribuye según el modelo
de Bernouilli, con media 0,5 y varianza 0,25. Calcular la probabilidad de que en estos 100
lanzamientos salgan más de 60 caras.

Media = 100 * 0,5 = 50

Varianza = 100 * 0,25 = 25

Para ver la probabilidad de que salgan más de 60 caras calculamos la variable normal tipificada
equivalente:

(*) 5 es la raíz cuadrada de 25

Por lo tanto:

P (X > 60) = P (Y > 2,0) = 1- P (Y < 2,0) = 1 - 0,9772 = 0,0228

2.-Calcular la probabilidad de que una caja 100 de bolsas pese más de 51 kg.
N(500*100 , 35√100)

N(50 000,35)

51000−50000
P(∑ 𝑥 > 51000)=p(z> )=p(z> 2.86) =
350

=1-p (Z ≤ 2.86)= 0.0021

3.-Calcular la probabilidad de que la media de los pesos de las bolsas de un

paquete sea menor que 495 g.

35
N(500, √100)

N(500, 3.5)

395−500
P(x< 495)=p(z< )=p(z< −1.43)=p(> 1.43)=
3.5

1-p(z≤ 1.43)=0.0764

 DISTRIBUCIÓN MULTINOMIAL
DISTRIBUCIÓN MULTINOMIAL
4.95 Se lanza 6 veces un dado no cargado. Encuentre la probabilidad de que:
a) Se obtenga un “1”, dos “2” y tres “3”
n = número de lanzamientos = 6
1
P1 = P2 = P3 = probabilidad que caiga un núm. en específico en 1 lanzamiento = 6
n1 = 1
n2 = 2
n3 = 3
𝑛!
𝑃= (𝑃1 𝑛1 )(𝑃2 𝑛2 )(𝑃3 𝑛3 )
𝑛1 ! 𝑛2 ! 𝑛3 !
 6! 1 1 1
𝑃= ( )(( )2 )(( )3 )
1! 2! 2! 6 6 6

5
𝑃=
3888

b) Se obtenga un “1”, dos “2” y tres “3”

n=6
1
P 1 = P 2 = P 3 = P 4 = P5 = P 6 = 6
n 1 = n 2 = n 3 = n4 = n 5 = n6 = 1

1 1 1 1 1 1
𝑃 = 6! ( )( )( )( )( )( )
6 6 6 6 6 6

5
𝑃=
324

4.96 En una caja hay una gran cantidad de canicas rojas, blancas, azules y amarillas en
proporción [Link]. Calcule la probabilidad de que en 10 extracciones:

a) 4 sean rojas, 3 blancas, 2 azules, 1 amarilla

n = 10
2
Pr = 5
3
Pb = 10
1
Paz = 5
1
Pam = 10
nr = 4
nb = 3
naz = 2
nam = 1
10! 2 4 3 3 1 2 1
𝑃= (( ) )(( ) )(( ) )( )
4! 3! 2! 1! 5 10 5 6

𝑃 = 0.034836

b) 8 sean rojas y 2 amarillas

n = 10
 2
Pr = 5
1
Pam = 10
nr = 8
nam = 2

10! 2 8 1 2
𝑃= (( ) )(( ) )
8! 2! 5 10

𝑃 = 2. 9491𝑥10−4

4.97 Determine la probabilidad de que en 4 lanzamientos de un dado no cargado no se

obtenga ni un “1”, ni un “2” ni un “3”

1 2 3 4 5 6
1 2 3 4 5 6 Casos totales = 64 = 1296
1 2 3 4 5 6
Casos favorables = 34 = 81
1 2 3 4 5 6

81 1
𝑃= =
1296 16

 DISTRIBUCIÓN HIPERGEOMÉTRICA

DISTRIBUCION HIPERGEOMÉTRICA.
4.27 Una caja contiene 6 canicas azules y 4 rojas. Se realiza un experimento en el que se toma
una canica en forma aleatoria y se observa de qué color es, pero la que se extrae no se
devuelve la caja. Calcular la probabilidad de que, después de cinco ensayos de este
experimento, se hayan tomado 3 canicas azules.
Método 1
6
El número de maneras diferentes de tomar 3 canicas azules de 6 canicas de ese color es ( ).
3
4
El número de maneras distintas de tomar las 2 canicas restantes de las 4 rojas es ( ). Por
2
6 4
tanto, el número de muestras diferentes que contiene 3 canicas azules y 2 rojas es ( ) ( ).
3 2
Ahora, el número total de maneras diferentes de tomar 5 de las 10 canicas (6 + 4) de la caja
10
es ( ). Por tanto, la probabilidad que buscamos está dada por
5
6 4
( ) ( ) 10
3 2 = = 0.4761 = 47.61 %
10 21
( )
5
Método 2 (empleando la fórmula)
𝑏 𝑟
( )( )
𝑋 𝑛−𝑥
𝑃(𝑋 = 𝑥) =
𝑏+𝑟
( )
𝑛
Tenemos 𝑏 = 6, 𝑟 = 4, 𝑛 = 5, 𝑥 = 3. Entonces, la probabilidad que buscamos es
6 4
( ) ( ) 10
𝑃(𝑋 = 3) = 3 2 = = 0.4761 = 47.61 %
10 21
( )
5
4.98 Una caja contiene 5 canicas rojas y 10 blancas. Si se toman 8 de ellas en forma aleatoria
(sin reemplazo), determine la probabilidad de que a) 4 sean rojas, b) todas sean blancas, c)
por lo menos 1 sea roja.
a) Tenemos 𝑏 = 5, 𝑟 = 10, 𝑛 = 8, 𝑥 = 4.

𝑏 𝑟
( )( )
𝑛 − 𝑥
𝑃(𝑋 = 𝑥) = 𝑋
𝑏+𝑟
( )
𝑛
5 10
( )( ) 70
𝑃(𝑋 = 4) = 4 4 = = 0.1631 = 16.31%
15 429
( )
8
b) Tenemos 𝑏 = 5, 𝑟 = 10, 𝑛 = 8, 𝑥 = 0.
𝑏 𝑟
( )( )
𝑋 𝑛−𝑥
𝑃(𝑋 = 𝑥) =
𝑏+𝑟
( )
𝑛
5 10
( )( ) 1
𝑃(𝑋 = 0) = 0 8 = = 0.00699 = 0.699%
15 143
( )
8
c) Tenemos 𝑏 = 5, 𝑟 = 10, 𝑛 = 8, 𝑥 = 0.
 5 10
( )( ) 1
𝑃(𝑋 = 0) = 0 8 =
15 143
( )
8
Al menos una sea roja
1 142
1− = = 0.9930 = 99.300%
143 143

4.99 Si de una baraja con 52 cartas se extraen 13 cartas en forma aleatoria (sin devolución),
encuentre la probabilidad de que a) 6 sean cartas de figura, b) ninguna sea carta de figura.
a) Tenemos 𝑏 = 13, 𝑟 = 39, 𝑛 = 13, 𝑥 = 6.
𝑏 𝑟
( )( )
𝑋 𝑛−𝑥
𝑃(𝑋 = 𝑥) =
𝑏+𝑟
( )
𝑛
13 39
( )( )
𝑃(𝑋 = 6) = 6 7 = 0.04156 = 4.156%
52
( )
13
b) Tenemos 𝑏 = 13, 𝑟 = 39, 𝑛 = 13, 𝑥 = 0.
13 39
(
)( )
𝑃(𝑋 = 0) = 0 13 = 0.0127 = 1.27 %
52
( )
13
DISTRIBUCIÓN HIPERGEOMÉTRICA
4.98 Una caja contiene 5 canicas rojas y 10 blancas. Si se toman 8 de ellas en forma
aleatoria (sin reemplazo), determine la probabilidad de que a) 6 sean rojas, b) todas
sean blancas c) por lo menos 1 sea roja.

a) La forma de tomas 8 canicas y 4 sean rojas es (54) y (10

4
) y ya que (5 + 10= 15), entonces
(15
8
)
5! 10!
(54)(10 ) ( )( ) 1050 70
4 4! (5 − 4)! 4! (10 − 4)!
→ = =
(15
8
) (
15!
) 6435 429
8! (15 − 8)!

b)
 5! 10!
(50)(10 ) ( )( ) 45 1
8 (5
0! − 0)! 8! (10 − 8)!
→ = =
(15
8
) (
15!
) 6435 143
8! (15 − 8)!

c) De acuerdo al inciso anterior y relacionando la información, descontaremos esa única

canica
1 142
1− =
143 143
4.99 Si de una baraja normal con 52 cartas se extraen 13 cartas en forma aleatoria (sin
devolución), encuentre la probabilidad de que a) 6 sean cartas de figura, b) ninguna
sea carta de figura

Ya que se sacarán 13 cartas de las 52 existentes, esto se expresará (52

13
)
13
a) Ya que son 13 cartas de figura y se sacarán 6 de ellas( 6 ) , entonces para las cartas
sin figura (52 - 13= 39) y ( 13-6 =7)

(13
6
)(39
7
)
(52
13
)
39
b) En este caso las 13 cartas se tomarán de las 39 sin figuras, entonces (13), entonces

(13
0
39
)(13 )
(52
13
)

4. 100 De 60 estudiantes que solicitan inscripción a una universidad, 40 son del este. Si
se toman en forma aleatoria 20 estudiantes que solicitan su inscripción, determine la
probabilidad de que a) 10 b) no más de 2, sean del este.

Si son 60 estudiantes en total y se tomarán 20, entonces la relación se expresará (60

20
)

a) Si 40 son del este y hay probabilidad de sacar 10, entonces se expresa (40
10
) y para los
que no sean del este (60 – 40= 20) y (20 - 10 =10)

(40)(20)
10 10
𝑃( 𝑋 = 10) =
(60
20
)

b) Para este inciso es necesario realizar las diferentes probabilidades existentes, es

decir:
Para ninguna probabilidad: (40C0) (20C20)
Para una probabilidad: (40C1) (20C19)
Para dos probabilidades: (40C2) (20C18)
Y expresando la relación del total: (60C20)
Entonces de acuerdo a esto:
 [(40C0) (20C20) + (40C1) (20C19) + (40C2) (20C18)] / (60C20)

DISTRIBUCIÓN HIPERGEOMÉTRICA
4.98 Una caja contiene 5 canicas rojas y 10 blancas. Si se toman 8 de ellas en forma
aleatoria (sin remplazo), determine la probabilidad de que:+
Canicas totales: 15

N: 8 canicas que se toman (15

8
)

R: 5 canicas rojas
B: 10 canicas blancas

a) 4 sean rojas: (54)(10

4
)
₅𝐶4 · ₁₀𝐶4 70
=
₁₅𝐶8 429

b) todas sean blancas (50)(10

8
)
₁₀𝐶8 · ₅𝐶0 45 1
= =
₁₅𝐶8 6435 143
c) por lo menos 1 sea roja
₁₀𝐶 ·₅𝐶
1 − 8 0 = 0.993
₁₅𝐶8

4.99 Si de una baraja normal con 52 cartas se extraen 13 cartas en forma aleatoria (sin
devolución), encuentre la probabilidad de que
Cartas de figura: 13
Cartas sobrantes:39

13 cartas de 52: (52

13
)

a) 6 sean cartas de figura

₁₃𝐶6 · ₃₉𝐶7
= 0.041563
₅₂𝐶13
b) ninguna sea de figura
₁₃𝐶0 · ₃₉𝐶13
= 0.01279
₅₂𝐶13
De 60 estudiantes que solicitan inscripción a una universidad, 40 son del este. Si se toma en
forma aleatoria 20 estudiantes que solicitan su inscripción, determine la probabilidad de que
Total de estudiantes: 60
Se toman: 20
Estudiantes este: 40
a) 10
₄₀𝐶10 ·₂₀𝐶10
= 0.03736
₆₀𝐶20

b) No más de 2, sean del este

Tenemos 3 casos:
1. Ninguno sea del este
2. Uno sea del este
3. Los dos sean del este

[(₄₀C₀) (₂₀C₂₀) + (₄₀C₁) (₂₀C₁₉) + (₄₀C₂) (₂₀C₁₈)]

= 3.554501𝑥10−11
₆₀𝐶20

 DISTRIBUCIÓN UNIFORME

DISTRIBUCIÓN UNIFORME

1) Una variable aleatoria en distribución uniforme continua X, que toma valores sólo entre
0.2, 0 < 𝑋 < 5
0 y 5, tiene una función de probabilidad dada por 𝑝(𝑥) = { }. La grafica se
0, 𝑠𝑖 𝑛𝑜 𝑒𝑠 𝑎𝑠𝑖
muestra en la siguiente figura.
a. Verificar que es una función de densidad.
b. Encontrar y graficar Pr{2.5 < 𝑋 < 4.0}.

Solución.
a) La función p(X) es siempre ≥ 0 y el área total bajo la gráfica de p(X) es 5 × 0.2 = 1, ya
que tiene forma rectangular con 0.2 de ancho y 5 de largo.
b) La probabilidad Pr {2.5 < X < 4.0} se muestra en la siguiente figura.
 2) Un reloj de manecillas se detuvo en un punto que no sabemos. Determine la
probabilidad de que se haya detenido en los primeros 25 minutos luego de señalar la
hora en punto.
Solución.
El intervalo será de {0 − 60}.
Por lo tanto.
1 1
𝐹(𝑥) = =
60 − 0 60
Dando el resultado de.
25
1 5
𝑝(𝑥) = 𝑝(0 ≤ 𝑥 ≤ 25) = ∫ 𝑑𝑥 =
0 60 12
3) El precio del litro de gasolina durante el próximo año se estima que puede oscilar entre
140 y 160 ptas.
a. Hallar la función de distribución.
b. Hallar el precio medio esperado de la gasolina para el siguiente año.
Solución.
1
a) 𝐹(𝑋) = 160−140 = 0.05

140+160
b) 𝐸(𝑋) = = 150 𝑝𝑡𝑎𝑠.
2

DISTRIBUCION UNIFORME
4.101 Sea X distribuida uniformemente en −𝟐 ≤ 𝒙 ≤ 𝟐. Calcule:
a) 𝑷(|𝑿 − 𝟏|)
 0 𝑥<𝑎
𝑥−𝑎 𝑥−𝑎
Si x=1 con 𝐹(𝑥) = 𝑃(𝑋 ≤ 𝑥) = {(𝑏−𝑎) 𝑎 ≤ 𝑥 < 𝑏} entonces: 𝐹𝑥 (𝑥) = 𝑏−𝑎 𝑠𝑖 𝑥 ∈
1 𝑥≥𝑏
(𝑎, 𝑏)
1 − (−2) 𝟑
𝐹𝑥 (𝑥) = =
2 − (−2) 𝟒
𝟏
b)𝑷 (|𝑿 − 𝟏| ≥ 𝟐)
1
Donde por definición 𝐹(𝑥) = 𝑥 ≥ 𝑏 = 1 entonces 𝐹(𝑥) = |𝑋 − 1| ≥ 2 = 1

𝑥 − 𝑎 1 − (−2) 𝟑
𝐹𝑥 (𝑥) = = =
𝑏 − 𝑎 2 − (−2) 𝟒
4.102 Determine:
a) el tercer
Siendo 𝑀𝑥 = 𝔼(𝑋 𝑛 ) = 𝑀𝑥 𝑛 = 𝐸(𝑥) y esto a su vez es igual a:
𝑏
𝑥 𝑑𝑥 𝑥2 𝑏
𝐸(𝑥) = ∫ = |
𝑎 𝑏−𝑎 2(𝑏 − 𝑎) 𝑎

𝑏 2 − 𝑎2 𝑎+𝑏 −2 + 2
= = = =𝟎
2(𝑏 − 𝑎) 2 2
b) el cuarto momento alrededor de la media de distribución uniforme.
𝑏
2
𝑥 2 𝑑𝑥 𝑥3 𝑏
𝐸(𝑥) = ∫ = |
𝑎 𝑏−𝑎 3(𝑏 − 𝑎) 𝑎

𝑏 2 + 𝑎𝑏 + 𝑎2 𝑎 + 𝑏 2 2(𝑏 − 𝑎)4
𝜎 2 = 𝐸(𝑋 − 𝜇)2 = ( ) =
3 2 10(𝑏 − 𝑎)
(𝑏 − 𝑎)4 (𝟐 + 𝟐)𝟒
=
5(𝑏 − 𝑎)2 𝟓(𝟐 + 𝟐)𝟐

4.103 Determine el coeficiente:

2
a) de sesgo 1
0
2+1+0−1−2 (0−2)2 + (0−1)2 +(0−0)2 + (0+1)2 +(0+2)2
Con 𝑥̅ = = 0, 𝑀𝑒𝑑 = 0 y 𝑆 = √ - 1.58
5 4
1
(𝑥̅ − 𝑀𝑑) (0 − 0) -
𝐶𝑎 = 3 = 3 =𝟎
𝑆 1.58 2
 b) de cuartosis de una distribución uniforme
1
∑(𝑥𝑖 − 𝑥̅ )4 ∗ 𝑛𝑖
𝑔2 = 𝑛
2
1 2
(𝑛 ∑(𝑥𝑖 − 𝑥̅ ) ∗ 𝑛𝑖 )

𝑔2
1
(((2 − 0)4 ∗ 1) + ((1 − 0)4 ∗ 2) + ((0 − 0)4 ∗ 3) + ((−1 − 0)4 ∗ 4) + ((−2 − 0)4 ∗ 5))
= 5
2
1
( (((2 − 0)2 ∗ 1) + ((1 − 0)2 ∗ 2) + ((0 − 0)2 ∗ 3) + ((−1 − 0)2 ∗ 4) + ((−2 − 0)2 ∗ 5)))
5
𝟗
=
𝟓

4.104 Si X y Y son independientes y ambas están distribuidas de modo uniforme en

𝟏
el intervalo de 0 a 2, encuentre 𝐏 (|𝐗 − 𝐘| ≥ 𝟐)
1
Sabiendo que: 0 ≥ 𝑥 ≤ 2. Con 𝑃 (|𝑋 − 𝑌| ≥ 2) y esto a su vez
1 1
𝐹(𝑥) = |𝑋 − 1| ≥ 2 = 1 𝑦 𝐹(𝑦) = |𝑌 − 1| ≥ 2 = 1 Entonces:

𝑥 − 𝑎 1 − (0) 𝟏
𝐹𝑥 (𝑥) = = =
𝑏 − 𝑎 2 − (0) 𝟐
𝑥 − 𝑎 1 − (0) 𝟏
𝐹𝑦 (𝑦) = = =
𝑏 − 𝑎 2 − (0) 𝟐
1 1 𝟏
𝐹𝑥 (𝑥) ∗ 𝐹𝑦 (𝑦) = ∗ =
2 2 𝟒

 DISTRIBUCIÓN DE CAUCHY
1. Calcule P(X3) si X tiene una distribución de Cauchy y a=1.
Función de distribución:
1 1 𝑥−𝜃
𝐹(𝑥) = + arctan ( )
2 𝜋 𝑎
Donde  es la media.
Sustituimos en la fórmula a=1 y x=3.
:
1 1 1 1
𝐹(𝑥) = + arctan(3) = + ∗ 1.249 = 0.8975
2 𝜋 2 𝜋
Lo que obtuvimos es P(X3), por lo que restamos lo obtenido a 1:
1 − 𝐹(𝑥) = 0.1024
2. X tiene una distribución con la regla de Cauchy. Calcule P(x0) si a=3. Muestre de manera
gráfica el resultado.
Sustituimos los valores a=3 y x=0 en la función de distribución.
1 1 0 1
𝐹(𝑥) = + arctan ( ) = = 0.5
2 𝜋 3 2

3.

Suponga que X está distribuida de acuerdo con la

regla de Cauchy, con a=2. Calcule a) P(X<2) b) P(𝑋 2 12).
a) Sustituimos a=2 y x=2 y obtenemos:
1 1 2 1 1 𝜋 1 1
𝐹(𝑥) = + arctan ( ) = + ∗ = + = 0.75
2 𝜋 2 2 𝜋 4 2 4
b) Los valores de X que cumplen la desigualdad son: √12 ≤ 𝑋 ≤ −√12

Por lo que sacamos el valor de la función de distribución cuando 𝑋 = √12 y 𝑥 = −√12 y los
sumamos.

1 1 −√12 1 1 −𝜋 1 1 1
𝐹(𝑥) = + arctan ( )= + ∗ = − =
2 𝜋 2 2 𝜋 3 2 3 6
1 1 √12 1 1 𝜋 1 1 5
𝐹(𝑥) = + arctan ( )= + ∗ = + =
2 𝜋 2 2 𝜋 3 2 3 6
1
Lo anterior es P(X≤ √12), por lo que restamos el resultado a 1 y tendremos 6.
 1
Sumando las probabilidades tenemos que P(𝑋 2 12)= 3.

 DISTRIBUCIÓN GAMMA
Distribución Gamma.
1. (4.108) Una variable aleatoria X tiene la distribución gamma con 𝛼 = 3 y 𝛽 = 2.
Encuentre a) P(X≤1), b) P(1 ≤ 𝑋 ≤ 2).

Su densidad de probabilidad es:

1 𝑥
𝛼−1 −𝛽
𝐹(𝑋) = 𝑥 𝑒
𝛽 𝛼 (𝛼)
1 𝑥
3−1 −2
𝐹(𝑋) = 𝑥 𝑒
23 (3)
1 2 −𝑥
𝐹(𝑋) = 𝑥 𝑒 2
16
𝑥
1 1
a) P(X≤1) = 1 − 𝑃(𝑋 ≤ 1) = 1 − 16 ∫0 𝑥 2 𝑒 −2 𝑑𝑥 = 1 − 0.0143 = 0.9856
𝑥
1 2
b) P(1 ≤ 𝑋 ≤ 2)= 1 − P(1 ≤ 𝑋 ≤ 2) = 1 − 16 ∫1 𝑥 2 𝑒 −2 𝑑𝑥 = 1 − 0.0659 = 0.9340

2. Sea X= el tiempo entre dos llegadas sucesivas a la ventanilla de autopago de un banco

local. Si X tiene una distribución exponencial con 𝜆= 1 (que es idéntica a una distribución
gamma estándar con 𝛼= 1), calcule lo siguiente: a) El tiempo esperado entre dos
llegadas sucesivas
b) La desviación estándar del tiempo entre llegadas sucesivas.
c) P(X ≤ 4)
d) P(2 ≤ X ≤ 5)

a) Su función de densidad es:

𝐹(𝑋) = 𝑒 −𝑥
𝛼
b) 𝜎 2 = =1
𝜆2
4
c) P(X≤4) = ∫0 𝑒 −𝑥 = 0.9816
5
d) P(2 ≤ X ≤ 5)= ∫2 𝑒 −𝑥 = 0.1285

3. En cierta ciudad el consumo diario de energía eléctrica, en millones de kilovatios por

hora, puede considerarse como una variable aleatoria con distribución gamma de
parámetros 𝛼 = 3 y λ=0.5. La planta de energía e esta ciudad tiene una capacidad diaria
de 10 millones de KW/hora.
 ¿Cuál es la probabilidad de que este abastecimiento sea:
a) Insuficiente en un día cualquiera.
b) Se consuman entre 3 y 8 millones de KW/h.
c) Encuentre la esperanza y la desviación estándar.

1 10
a) 𝑃(𝑋 > 10) = 1 − 𝑃(𝑋 ≤ 10) = 1 − (3) ∫0 (0.5)3 𝑥 2 𝑒 −0.5𝑥 𝑑𝑥 = 0.1246
(0.5)3 8
b) 𝑃(3 ≤ 𝑋 ≤ 8) = (3)
∫3 𝑥 2 𝑒 −0.5𝑥 𝑑𝑥 = 0.571
𝛼 3 𝛼 3
c) 𝐸(𝑋) = = 0.5 = 6 y 𝜎 2 = 𝜆2 = 0.52 = 12 → 𝜎 = 3.46
𝜆

 DISTRIBUCIÓN BETA

DISTRIBUCIÓN BETA

Ejercicio 1

Sea X una variable con distribución β(4,2), el cálculo de E[X], V[X] Y P(0 < X ≤ 0.7) es:

4 2 8
E[X] = 6 = 3 y V[X] = 62 (7) .

0.5 1
Además, P(0 < X ≤ 0.7) = ∫0 (𝑥 3 − 𝑥 4 )𝑑𝑥
20

1 𝑥4 𝑥5
= 20 ( 4 − )| 0.5
0
5

= 0.00132

Ejercicio 2

Un consultor de la industria de servicios públicos predice un recorte en la industria canadiense

de servicios públicos durante 2010-2015 por un porcentaje especificado por una distribución β
= 0 25. Calcule la probabilidad de que Ontario Hydro reduzca entre un 10% y un 30% durante
el período de cinco años.

Dado que β = 0 25 entonces:

𝑓(𝑥) = (𝛽 + 1)(𝛽 + 2)𝑥 𝛽 (1 − 𝑥)

= 2.8125𝑥 0.25 (1 − 𝑥)

= 2.8125(𝑥 0.25 − 𝑥1.25 )

Ahora:
 0.30
P(0.10 ≤ X ≤ 0.30) = ∫0.10 2.8125 (𝑥 0.25 − 𝑥1.25 )𝑑𝑥

𝑥 1.25 𝑥 2.25
= 2.8125( 1.25 − )| 0.30
0.10
2.25

= 0.2968.

Por lo tanto, hay aproximadamente un 30% de probabilidad de que Ontario Hydro reducirá
entre un 10% y un 30%.

Ejercicio 3

Suponga que la variable aleatoria X tiene una distribución beta con α=1 y β=3.
a) Determine la media de x.
b) Determine la varianza de x.

A. 1 1
µ=3+1 =4.

1(3) 3
B. 𝜎 2 = [(1+3)2 (1+3+1)] = 8.

 DISTRIBUCIÓN JI CUADRADA

DISTRIBUCION JI-CUADRADA (X2)

Ejercicio 1

Los siguientes son los pesos, en decagramos, de 10 paquetes de semillas de pasto distribuidas
por cierta compañía: 46.4, 46.1, 45.8, 47.0, 46.1, 45.9, 45.8, 46.9, 45.2 y 46. Encuentre un
intervalo de confianza de 95% para la varianza de todos los paquetes de semillas de pasto que
distribuye esta compañía, suponga una población normal.

R= Primero se calcula la desviación estándar de la muestra:

al

elevar este resultado al cuadrado se obtiene la varianza de la muestra s 2= 0.286. Para obtener
un intervalo de confianza de 95% se elige un = 0.05. Después con el uso de la tabla con
9 grados de libertad se obtienen los valores de X2.
Se puede observar en la gráfica anterior que el valor de X2 corre en forma normal, esto es de
izquierda a derecha.

Por lo tanto, el intervalo de confianza de 95% para la varianza es:

Graficamente:

Se observa que la varianza corre en sentido contrario, pero esto es sólo en la gráfica.
Con un nivel de confianza del 95% se sabe que la varianza de la población de los pesos
de los paquetes de semillas de pasto esta entre 0.135 y 0.935 decagramos al cuadrado.

Ejercicio 2:

En trabajo de laboratorio se desea llevar a cabo comprobaciones cuidadosas de la variabilidad

de los resultados que producen muestras estándar. En un estudio de la cantidad de calcio en
el agua potable, el cual se efectúa como parte del control de calidad, se analizó seis veces la
misma muestra en el laboratorio en intervalos aleatorios. Los seis resultados en partes por
millón fueron 9.54, 9.61, 9.32, 9.48, 9.70 y 9.26. Estimar la varianza de los resultados de la
población para este estándar, usando un nivel de confianza del 90%.
R= Al calcular la varianza de la muestra se obtiene un valor de s 2= 0.0285.

Se busca en la tabla los valores correspondientes con 5 grados de libertad, obteniéndose dos
resultados. Para X2(0.95,5)= 1.145 y para X2(0.0,5)= 11.07.

Entonces el intervalo de confianza esta dado por:

Ejercicio 3:
El espesor de un semiconductor se controla mediante la variación estándar no mayor a s=0.60
mm. Para mantener controlado el proceso se toman muestras aleatoriamente de tamaño de
20 unidades, y se considera que el sistema está fuera de control cuando la probabilidad de
que s2 tome valor mayor o igual al valor de la muestra observado es que es 0.01. Que se
puede concluir si s=0.84mm?

R= Existe fuera de control si (n  1)s 2 /  2 con n=20 y s=0.60, excede  02.01,19  36.191

(n  1)s 2 19 * 0.84 2
Entonces,   37.24
2 0.60 2
Por tanto, el sistema está fuera de control
Usando las siguiente tabla
4.109 Para una distribución ji cuadrada con 12 grados de libertad, encuentre el valor de 𝑋𝐶2
tal que:
a) el área a la derecha de 𝑋𝐶2 es 0.05
2
Por ser del lado derecho se resta 1-0.05= 0.95 representando el percentil 𝑋0.95 y se
localiza en la tabla para 12 grados de libertad.
R=21.0
b) el área a la izquierda de 𝑋𝐶2 es 0.99
Por ser del lado izquierdo no es necesario restar, por lo tanto será representada por el
2
percentil 𝑋0.99 y se localiza en la tabla para 12 grados de libertad.
R=26.2
c) el área a la derecha de 𝑋𝐶2 es 0.025
2
Por ser del lado derecho se resta 1-0.025= 0.975 representando el percentil 𝑋0.975 y se
localiza en la tabla para 12 grados de libertad.
R=23.3
4.110 determine los valores de 𝑋𝐶2 para los que el área de la cola de la derecha de la
distribución de X2 es 0.05, si el número de grados de libertad es igual a:
a) 8
2
Por ser del lado derecho se resta 1-0.05= 0.95 representando el percentil 𝑋0.95 y se
localiza en la tabla para 8 grados de libertad.
R=15.5
b) 19
2
Representando el percentil 𝑋0.95 y se localiza en la tabla para 19 grados de libertad.
R=30.1
c) 28
2
Representando el percentil 𝑋0.95 y se localiza en la tabla para 28 grados de libertad.
R=41.3
d) 40
2
Representando el percentil 𝑋0.95 y se localiza en la tabla para 40 grados de libertad.
R=55.8
4.11 Resuelva otra vez el problema 4.110 si el área de la cola de la derecha es 0.01.
a) 8
2
Por ser del lado derecho se resta 1-0.01= 0.99 representando el percentil 𝑋0.99 y se
localiza en la tabla para 8 grados de libertad.
R=20.1
 b) 19
2
Representando el percentil 𝑋0.99 y se localiza en la tabla para 19 grados de libertad.
R=36.2
c) 28
2
Representando el percentil 𝑋0.99 y se localiza en la tabla para 28 grados de libertad.
R=48.3
d) 40
2
Representando el percentil 𝑋0.99 y se localiza en la tabla para 40 grados de libertad.
R=63.7

 DISTRIBUCIÓN T DE STUDENT
Para los ejercicios propuestos de Distribución t de Student ocuparemos la siguiente tabla:
TABLA DE LA DISTRIBUCION t - Student
La tabla da áreas 1 - a , para valores menores o iguales a t y n g.l, se construyó con Excel.
1-a
n 0.75 0.80 0.85 0.90 0.95 0.975 0.99 0.995
1 1.000 1.376 1.963 3.078 6.314 12.706 31.821 63.657
2 0.816 1.061 1.386 1.886 2.920 4.303 6.965 9.925
3 0.765 0.978 1.250 1.638 2.353 3.182 4.541 5.841
4 0.741 0.941 1.190 1.533 2.132 2.776 3.747 4.604
5 0.727 0.920 1.156 1.476 2.015 2.571 3.365 4.032

6 0.718 0.906 1.134 1.440 1.943 2.447 3.143 3.707

7 0.711 0.896 1.119 1.415 1.895 2.365 2.998 3.499
8 0.706 0.889 1.108 1.397 1.860 2.306 2.896 3.355
9 0.703 0.883 1.100 1.383 1.833 2.262 2.821 3.250
10 0.700 0.879 1.093 1.372 1.812 2.228 2.764 3.169

11 0.697 0.876 1.088 1.363 1.796 2.201 2.718 3.106

12 0.695 0.873 1.083 1.356 1.782 2.179 2.681 3.055
13 0.694 0.870 1.079 1.350 1.771 2.160 2.650 3.012
14 0.692 0.868 1.076 1.345 1.761 2.145 2.624 2.977
15 0.691 0.866 1.074 1.341 1.753 2.131 2.602 2.947
16 0.690 0.865 1.071 1.337 1.746 2.120 2.583 2.921
17 0.689 0.863 1.069 1.333 1.740 2.110 2.567 2.898
18 0.688 0.862 1.067 1.330 1.734 2.101 2.552 2.878
19 0.688 0.861 1.066 1.328 1.729 2.093 2.539 2.861
20 0.687 0.860 1.064 1.325 1.725 2.086 2.528 2.845

21 0.686 0.859 1.063 1.323 1.721 2.080 2.518 2.831

22 0.686 0.858 1.061 1.321 1.717 2.074 2.508 2.819
23 0.685 0.858 1.060 1.319 1.714 2.069 2.500 2.807
24 0.685 0.857 1.059 1.318 1.711 2.064 2.492 2.797
25 0.684 0.856 1.058 1.316 1.708 2.060 2.485 2.787

26 0.684 0.856 1.058 1.315 1.706 2.056 2.479 2.779

27 0.684 0.855 1.057 1.314 1.703 2.052 2.473 2.771
28 0.683 0.855 1.056 1.313 1.701 2.048 2.467 2.763
29 0.683 0.854 1.055 1.311 1.699 2.045 2.462 2.756
30 0.683 0.854 1.055 1.310 1.697 2.042 2.457 2.750

40 0.681 0.851 1.050 1.303 1.684 2.021 2.423 2.704

60 0.679 0.848 1.046 1.296 1.671 2.000 2.390 2.660
120 0.677 0.845 1.041 1.289 1.658 1.980 2.358 2.617
¥ 0.674 0.842 1.036 1.282 1.645 1.960 2.326 2.576

1. Las puntuaciones de un test que mide la variable creatividad siguen, en la población

general de adolescentes, una distribución Normal de media 11.5. En un centro escolar
que ha implantado un programa de estimulación de creatividad una muestra de 30
alumnos ha proporcionado las siguiente puntuaciones: 11, 9, 12, 17, 8, 11, 9, 4, 5, 9,
14, 9, 17, 24, 19, 10, 17, 17, 8, 23, 8, 6, 14, 16, 6, 7, 15, 20, 14, 15.

A un nivel de confianza del 95% ¿Puede afirmarse que el programa es efectivo?

H0 µ = 11.5 H1 µ > 11.5

Fórmula:
Media muestral: 12.47 Desviación típica 5.22

Sustituyendo:
Según las tablas, con 29 grados de libertad: 1.699, al ser menor que el valor crítico la
conclusión es que el programa no es efectivo.
2. Las notas obtenidas en análisis de datos de 5 individuos elegidos al azar del grupo T1
y de 6 individuos, elegidos también al azar, del grupo T2 son las siguientes:

T1 10 6 4 5 4
T2 4 8 6 6 2 3

¿Puede concluirse a un nivel de confianza del 95% que las puntuaciones medias de
ambos grupos son iguales? O por el contrario que hay diferencia entre ambas.
H0 µ1 = µ2 H1 µ1 ≠ µ2

Fórmula:
T1: Media= 5.8 Varianza 4.96
T2: Media= 4.83 Varianza: 4.14

Sustituyendo:
Según las tablas en 9 grados de libertad y 0.975, resulta 2.262, el valor es menor que el
valor crítico por lo que no hay diferencia significativa entre ambos grupos.
3. Para comprobar la utilidad de una tecnica de enriquecimiento motivacional un
investigador pasa una prueba de rendimiento academico a una muestra de 16 sujetos.
Despues aplica su tecnica de enriquecimiento y tras ello, vuelve a pasar la prueba de
rendimiento. Los resultados fueron los siguientes:

1° 2° 3° 4° 5° 6° 7° 8° 9° 10° 11° 12° 13° 14° 15° 16°

8 12 14 11 16 6 11 9 10 10 19 12 17 8 13 12
9 16 23 21 17 10 14 8 11 12 19 16 16 13 17 11

A un nivel de confianza del 95% ¿Podemos rechazar que los rendimientos académicos
son iguales antes que después frente a la alternativa de que se produce una mejora?
 Teniendo en cuenta que los sujetos son los mismos en ambas muestras se trata de un
contraste de igualdad de medias con datos emparejados, por consiguiente:
H0 µԀ = 0 H1 µԀ > 0

Fórmula:
Calcular las diferencias muestrales:
Pre 8 12 14 11 16 6 11 9 10 10 19 12 17 8 13 12
Pos 9 16 23 21 17 10 14 8 11 12 19 16 16 13 17 11
Dif. 1 4 9 10 1 4 3 -1 1 2 0 4 -1 5 4 -1

La media de las diferencias es de 2.81 y la desviación típica de 3.19, sustituyendo:

Según la tabla, con 16 grados de libertar y 0.95 de probabilidad resulta ser 1.753, es
mayor que el valor crítico lo que quiere decir que el programa es efectivo e incrementa el
rendimiento académico.
 DISTRIBUCIÓN F
Distribución F
4.120. Evalúe cada una de los incisos siguientes:
a) 𝐹0.95,15,12

Los valores percentiles de la distribución F para v1 y v2 grados de libertad se denota 𝐹𝑝,𝑣1,𝑣2 o

simplemente 𝐹𝑝 cuando v1 y v2 se sobrentienden. Se anexan las tablas para los valores
p=0.95.
De manera que ubicando en el numerador a 15 y en el denominador a 12, tenemos que:
𝐹0.95,15,12 = 2.617

b) 𝐹0.99,120,60
Se anexan las tablas para los valores p=0.99.

De manera que ubicando en el numerador a 120 y en el denominador a 60, tenemos que:

𝐹0.99,120,60 = 1.73

c) 𝐹0.99,60,24

Utilizando las tablas para los valores p=0.99, ubicando en el numerador a 60 y en el

denominador a 24, tenemos que:
𝐹0.99,60,24 = 2.403

d) 𝐹0.01,30,12

Se anexan las tablas para los valores p=0.01

De manera que ubicando en el numerador a 30 y en el denominador a 12, tenemos que:
𝐹0.01,30,12 = 0.352

e) 𝐹0.05,9,20

Se anexan las tablas para los valores p=0.05

De manera que ubicando en el numerador a 9 y en el denominador a 20, tenemos que:
𝐹0.05,9,20 = 0.340

Otros ejercicios:
1. Encuentre el valor de F, si el área a la izquierda de F, es de 0.10 con v1=24 y v2=24.

Se busca directamente el área de 0.10, con sus respectivos grados de libertad.

2. Encuentre el valor de F, si el área a la derecha de F, es de 0.25 con v1=4 y v2=9.

Como el área que da la tabla es de cero a Fisher, se tiene que localizar primero los
grados de libertas dos que son 9, luego un área de 0.75 con 4 grados de libertad uno.