1.Juan vende automóviles nuevos en Motocosta.

Por lo general, Juanvende el mayor número

de automóviles el sábado.Desarrolló la siguiente distribución de probabilidad de la cantidad
de automóviles que espera vender un sábado determinado.

Cantidad de autos ProbabIlldad, P(x)

vendidos, X
0 0.10
1 0.20
2 0.30
3 0.30
4 0.10
Total 1.00

 De qué tipo de distribución se trata?

Se trata de una distribución de probabilidad discreta para la variable aleatoria denominada

número de automóviles vendidos. Observe que Juan sólo espera vender cierto margen de
automóviles; no espera vender 5 automóviles ni 50. Además no puede vender medio
automóvil. Sólo puede vender 0, 1, 2, 3 o 4 automóviles. Asimismo, los resultados son
mutuamente excluyentes: no puede vender un total de 3 y 4 el mismo sábado.

 Cuantos automóviles espera vender Juan un sábado normal?

La media de la cantidad de automóviles vendidos se calcula de multiplicar el número de

automóviles vendidos por la probabilidad de vender dicho número, y sumar los productos de
acuerdo con:

𝝁 = ∑[𝑿(𝑷)𝑿] = = 0(0.10) + 1(.20) + 2(.30) + 3(.30) + 4(.10) = 2.1

Este valor indica que, a lo largo de una gran cantidad de sábados, Juan espera vender un
promedio de 2.1 automóviles por día. Por supuesto no es posible vender exactamente 2.1
automóviles un sábado en particular. Sin embargo, el valor esperado se utiliza para predecir la
media aritmética de la cantidad de automóviles a la larga. Por ejemplo si Juan trabaja 50
sábados en un año, puede esperar vender (50)(2.1) o 105 automóviles sólo los sábados. Por
consiguiente, a veces la media recibe el nombre de valor esperado
  cuál es la varianza de la distribución?

Cantidad de autos Probabilidad, P(x) (x-𝜇) (𝑥 − 𝜇)2 (𝑥 − 𝜇)2 *P(X)

vendidos, X

0 0.10 0-2,1 4,41 0,441

1 0.20 1-2,1 1,21 0,242

2 0.30 2-2,1 O,O1 0,003

3 0.30 3-2,1 0,81 0,243

4 0.10 4-2,1 3,61 0,361

𝜎 2= 1,290

La varianza de la distribución es de 1,290

la desviación estándar, es la raíz cuadrada positiva de la varianza

𝜇 = √1,290=1.136

2.Expreso Brasilia tiene cinco viajes diarios de Cartagena a Montería. Suponga que la
probabilidad de que cualquier viaje llegue tarde sea de 0.20. ¿Cual es la probabilidad de que
ninguno de los viajes llegue tarde hoy? Cual es la probabilidad de que exactamente uno de
los viajes llegue tarde hoy?

la probabilidad de que un viaje llegue tarde es 0,20 así 𝜋 = 0,20, ℎay cinco viajes por lo que
n=5 y x es la variable aleatoria, se refiere al número de éxitos en este caso un éxito consiste en
que un viaje llegue tarde como no ay demora en las llegadas x=0

P(0)=𝑛𝐶𝑋 (𝜋)𝑥 (1 − 𝜋)𝑛−𝑥

P(0)=5𝐶0(0,20)0 (1 − 0,20)5−0=(1)(1)(0,3277)=0,3277

la probabilidad de que ninguno de los viajes llegue tarde hoy es del 32,77%
La probabilidad de que exactamente uno de los cinco viajes llegue tarde es

P(1)=5𝐶1(0,20)1 (1 − 0,20)5−1=(5)(0,20)(0,4096)= 0,4096

probabilidad de que exactamente uno de los cinco viajes llegue tarde es de 40,96%

3.Seguros Bolívar asegura propiedades frente a la playa a lo largo de Cartagena, Santa Marta y
San Andres;el cálculo aproximado es que, cualquier año la probabilidad de que un huracán de
categoría III o más intenso azote una región de la costa es de 0.05. Si un dueño de casa obtiene
un crédito hipotecario de 30 años por una propiedad recién comprada en Cartagena ,cuales
son las posibilidades de que experimente por lo menos un huracán durante el periodo de
crédito?

Para aplicar la distribución de Poisson, se comienza por determinar la media o número

esperado de tormentas que se ajustan al criterio y que azotan la zona donde está la casa
durante un periodo de 30 años, es decir

𝜇 = 𝑛𝜋 = 30(0,05) = 1,5

Para determinar la probabilidad de que por lo menos una tormenta azote la zona, primero
se calcula la probabilidad de que ninguna tormenta azote la costa y reste dicho valor de 1.

𝑃(𝑋 ≥ 1) =1- 𝑃(𝑋 = 0)=1-( 𝜇0 𝑒 −1,50 /0!)=1-0,2231=0,7769

Así se concluye que las posibilidadesde que un huracán de este tipo azote la propiedad, durant
e elperiodo de 30 años, mientras el crédito se encuentra vigente, son de 0.7769. En otras
palabras, la probabilidad es de un poco más de 75%.

En el caso anterior se utilizó la distribución de Poisson como aproximación binomial.

También el cálculo se puede realizar por medio de la Binomial

𝑃(𝑋 ≥ 1) =1- 𝑃(𝑋 = 0)=1 − [(30𝐶0)(0,5)(0,95)=1-[(1)(1)(0,2146)]=0,7854

78,54%

Y los resultados son muy cercanos.