II UNIDAD: PROBABILIDADES Y DISTRIBUCIONES DE PROBABILIDAD.

OBJETIVOS DE LA UNIDAD.

1. Interpretar el concepto de probabilidad.

2. Describir los enfoques de probabilidad clásica a priori, clásica empírica y
probabilidad subjetiva.
3. Calcular probabilidades aplicando reglas de adición, multiplicación y teorema de
Bayes.
4. Construir la distribución de probabilidad y la función de distribución acumulada de
una variable aleatoria discreta.
5. Calcular el valor esperado y la varianza de una variable aleatoria discreta.
6. Explicar las características de la distribución binomial, poisson y normal.
7. Calcular probabilidades mediante la distribución: binomial, poisson y normal
8. Aplicar las distribuciones anteriores en la resolución de problemas.

CONTENIDO:

1 Introducción. Conceptos básicos de probabilidad

2 Enfoques de probabilidad
3 Reglas de probabilidad (Probabilidad en condiciones de independencia y
dependencia estadística
4 Distribución de probabilidad
5 La media y la varianza de una distribución de probabilidad
6 Técnicas de conteo.
7 Distribución de probabiliadad Binomial
8 Distribución de probabilidad Poisson
9 Distribución de probabilidad Normal.

2.1.1 Introducción:

Históricamente, la teoría de la probabilidad se originó en las investigaciones que llevaron a

Blaise Pascal y a Pierre de Fermat a mediados del siglo XVII, los primeros trabajos, en los
que tuvieron origen los conceptos fundamentales de la teoría de probabilidades, se
redujeron a las tentativas de crear la teoría de juegos de azar (Cardano, Huygens, Pascal,
Fermat y otros en los siglos XVI – XVII), y con el tiempo se aplicó a otros problemas
socioeconómicos, la industria, la ingeniería, meteorología, cálculo actuarial,
administración, economía, ciencias experimentales y de seguros, que nació en el siglo XIX,
requería un conocimiento exacto del riesgo de perder, pues de lo contrario no se podían
calcular las pólizas.

La etapa siguiente de desarrollo de la teoría de probabilidades está vinculada con el nombre

de Jacobo Bernoulli (1654 – 1705). El teorema por él demostrado que ulteriormente tomará
el nombre de “Ley de los grandes números”, fue la primera base teórica de los hechos
acumulados antes.
Los progresos ulteriores de la teoría de probabilidades se deben a Moivre, Laplace, Gauss,
Poisson, etc.
1
El nuevo período el más fructífero, está relacionado con los nombres de P.L. Chebishev
(1821 – 1894) y sus alumnos A. A. Markov (1856 – 1922) y A. M. Liapunov (1857 –
1918). En este período la teoría de las probabilidades se convierte en una ciencia
matemática ordenada. Su desarrollo posterior se debe, en primer término a los matemáticos
rusos y soviéticos ( S. N. Bernshtein, V.I.Romanovski, A. N. Kolmogorov, A. Ya, Jinchin,
B.V. Gnedenko, N. V. Smirnov, etc.)

Los métodos de la teoría de probabilidad se utilizan ampliamente en las distintas ramas de

las ciencias naturales y de la técnica; en la teoría de fiabilidad, la teoría de servicio de
masas, en física teórica, geodesia, astronomía, teoría del tiro, teoría de errores de
observaciones, teoría del mando automático, teoría general de las comunicaciones y en
muchas otras ciencias teóricas y aplicadas. La teoría de las probabilidades sirve también
como base de la estadística matemática y aplicada, la que, a su vez, se emplea en la
planificación y organización de la producción, al analizar procesos tecnológicos, el control
preventivo y de recepción de la calidad de la producción y para muchos otros fines.

En la actualidad, la teoría matemática de la probabilidad constituye el fundamento de las

aplicaciones estadísticas, tanto en la investigación social como en la toma de decisiones.

2.1.2 Conceptos básicos de probabilidad

En el estudio de la teoría de la probabilidad es preciso saber utilizar con exactitud la

comunicación. El lenguaje exacto que en general se emplea para enunciar y resolver
problemas de probabilidades es la teoría de conjuntos; en base a ella pueden realizarse
operaciones relacionadas con la probabilidad.

1.1.1 Experimento Aleatorio (E): Es aquel que al repetirse bajo condiciones

aproximadamente idénticas el resultado no es necesariamente el mismo.

EJEMPLO 1: E1: Lanzar una moneda al aire

E2: Lanzar un dado
E3: El encargado de control de calidad revisa 10 camisas producidas,
luego cuenta el No. de camisas con algún defecto.
E4: De un alista tomada de todas las cuentas de ahorro en un banco
seleccionar al azar una y luego anotar su vida actual (vida máxima 15 años).

1.1.2 Espacio Muestral (S): Es el conjunto de todos los resultados posibles de un

experimento aleatorio. Cada elemento de este conjunto se denomina un punto
muestral.

EJEMPLO 2: S1 = {Lado A, lado B}= {cara, sol}

S2 = {1,2,3,4,5,6}
S3 = {0,1,2,3,4,5,6,7,8,9,10}
S4 = (0,15]

2
EJEMPLO 3: Determinar los espacios muéstrales asociados con los siguientes
experimentos:

a) Sea E: lanzar dos dados y observar los números de las caras superiores.

Solución: Hay 36 pares ordenados de la forma

S = {(1,1), )1,2),...(1,6), (2,1), (2,2),...(2,6),...(6,6)}

b) Sea E: Lanzar tres monedas y contar el número de caras

Solución: S = {0,1,2,3}

c) Sea E: Lanzar dos dados y contar los números de las caras superiores.
Solución: S = {2,3,4,5,6,7,8,9,10,11,12}

d) Sea E: de una urna que contiene 7 bolas blancas y 3 negras se sacan 2 bolas en forma
consecutiva y sin reposición y se observan. Hacer diagrama de árbol.
Solución: S = {BB, BN, NB, NN}

e) Sea E: De un lote que contiene 3 artículos malos y 17 buenos sacar uno por uno y sin
reposición hasta sacar todos los malos
Solución: S = {3,4,5,6,7,.........,20}

1.1.3 Un evento o suceso: Conjunto de uno o más resultados de un experimento. Son

subconjuntos del espacio muestral. Los eventos serán simbolizados con letras
mayúsculas, A, B, C……

EJEMPLO 4: Si lanzamos una moneda, el hecho que salga el lado B sol será un evento
y conseguir que salga el lado A cara será otro evento.

EJEMPLO 5: Si estamos extrayendo naipes de una baraja, seleccionar un as de corazones

constituirá un evento.

EJEMPLO 6: Si lanzamos un dado, un evento será obtener un número impar, es decir, A

={1,3,5}.

2.2.4 Tipos de eventos

1) Evento imposible (Ø): es aquel que nunca ocurre. Cumple con la característica de
ser un subconjunto del espacio muestral. Por ejemplo si nos interesa el evento de que
aparezca un as verde en la baraja común. Es claro que esto nunca sucederá porque ninguna
carta de la baraja cumple con esas características. Este conjunto es Ø.

2) Evento seguro (S): es aquel que siempre ocurre. Es un subconjunto del mismo. Por
ejemplo el evento que un número par o impar de puntos aparezca al tirar un dado es el
conjunto S = {1,2,3,4,5,6}.

3
3) Evento simple: es el describe solamente una característica. Por ejemplo el evento
simple será obtener un número impar, es decir, A ={1,3,5}.

4) Evento conjunto: describe dos o más características. Por ejemplo: el número de

camisas defectuosas menor de 5 y es impar. (Hay dos eventos).

5) Unión de dos eventos: El evento unión de A y B denotado por AUB (A o B) es aquel

que ocurre si A ocurre o B ocurre o si ocurren ambos. Por ejemplo, el No. de camisas
defectuosas es ninguna o menor que 3. A = {0}; B={0,1,2}; → AUB = {0,1,2,}.

6) Evento complementario de A (A´ ): es aquel que ocurre cuando A no ocurre.

7) Eventos mutuamente excluyentes:

Se dice que dos sucesos A y B son mutuamente excluyentes si no pueden ocurrir juntos
(simultáneamente), es decir, la ocurrencia de A excluye automáticamente la ocurrencia de
B, esto es A∩B = Ø Por ejemplo, en el lanzamiento de la moneda, hay dos resultados
posibles: lado A y lado B. En cualquier lanzamiento, ambos lados pueden salir, pero no los
dos simultáneamente.

8) Eventos colectivamente exhaustivos: si por lo menos uno de ellos debe ocurrir durante
el experimento. Estos eventos al ser unidos forman el espacio muestral. Los eventos A1, A2,
A3,…….. An son exhaustivos si A1U A2U A3U……..U An= S. por ejemplo al lanzar un dado y
sea los eventos A caiga No. par y B caiga No. impar, A= {2,4,6,} y B= {1,3,5,}; AUB = S=
{1,2,3,4,5,6,}, A y B son exhaustivos.

2.2.5 Definición de probabilidad

Con cada suceso o evento A asociamos un número real designado por p(A), y lo
llamamos probabilidad de que A ocurra. La probabilidad simple se refiere a la
probabilidad de ocurrencia de un evento simple, a ésta probabilidad se le llama
probabilidad marginal. La probabilidad de ocurrencia de A, la definimos por

𝒙 𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔 𝒇𝒂𝒗𝒐𝒓𝒂𝒃𝒍𝒆𝒔 𝒅𝒆 𝑨

𝑷(𝑨) = =
𝒏 𝑵ú𝒎𝒆𝒓𝒐 𝒕𝒐𝒕𝒂𝒍 𝒅𝒆 𝒄𝒂𝒔𝒐𝒔

La probabilidad es la posibilidad de que ocurra algo. Las probabilidades se expresan como

fracciones ( 1/6, ½, 8/9) o como decimales (.167, .500, .889) o como porcentaje 16.7%,
50%, 88.9%. Asignar una probabilidad de 0 significa que algo nunca ocurrirá; una
probabilidad de 1 significa que algo ocurrirá siempre. En resumen, de que algo ocurra,
jamás será mayor que 1 ni menor que 0.

Utilizando este lenguaje formal, podríamos formular la siguiente pregunta: “En un

experimento consistente en lanzar una moneda, cuál es la probabilidad del evento lado A?.
Si es una moneda legal con igual probabilidad de que salga uno u otro lado, contestaremos
½, o sea 0.5”.
4
EJEMPLO 7: Determinar la probabilidad de obtener un número par cuando se lanza un
dado.

Solución: S = {1,2,3,4,5,6} ; A = {2,4,6}

3 1
Luego p(A) = 6 = 2 = 0.5

EJEMPLO 8: Determinar la probabilidad de obtener al menos una cara en dos

lanzamientos de una moneda.

Solución: Como S = {CC, CS, SC, SS}, sólo los 3 primeros casos son favorables al suceso,
es decir:
A = {CC, CS, SC}, luego p(A) = ¾ = 0.75

EJEMPLO 9: Hallar la probabilidad de obtener la suma 7 cuando se lanzan dos dados.

Solución: Cada una de las caras de un dado puede estar asociada con las 6 caras del otro
dado, de manera que el número total de casos que puede surgir, todos igualmente probables
es 6x6 = 36 : S = {(1,1), (2,1), (3,1),...(6,6)}.

Hay 6 maneras de obtener la suma 7, denotadas por

{(1,6), (2,5), (3,4), (4,3), (5,2), (6,1), } ; luego p = 6/36 = 1/6.

EJEMPLO 10: En una hacienda ganadera con 500 cabezas de ganado, 30 de ellas están
afectadas con ANTRAX. Si se selecciona aleatoriamente una de ellas, cuál es la
probabilidad de que tenga ANTRAX?

Solución: p = 30/500 = 3/50 = 0.06

En la figura 1. Se ilustran algunos ejemplos Espacios Muestrales. En la figura 2 se presenta

de Diagramas de Venn. En la figura 3. se presenta el uso de diagramas de Venn para
ilustrar el complemento, eventos que son mutuamente excluyentes y que no lo son, así
como eventos que son mutuamente excluyentes a la vez que colectivamente exhaustivos.

5
Figura 1. Espacios muestrales.

Figura 2. Ejemplos de diagrama de Venn

Figura 3. Ejemplos de diagramas de Venn

6
 1.2 Enfoque de probabilidad

1.2.1 Probabilidad Clásica a priori: Todos los resultados de un experimento

son igualmente probables => Resultados favorables entre resultados
posibles. El experimento no se ha realizado.
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒𝑐𝑒𝑠 𝑞𝑢𝑒 𝑝𝑢𝑒𝑑𝑒 𝑜𝑐𝑢𝑟𝑟𝑖𝑟 𝐴 𝑥
p(𝐴) = =
𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑑𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠 𝑑𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜 𝑛

EJEMPLO 1: Determinar la probabilidad de que ocurra el evento A: El naipe es

rojo
𝟐𝟔 𝟏
P(𝑨) = 𝟓𝟐 = 𝟐 = 𝟎. 𝟓

1.2.2 Concepto Empírico a posteriori: Basado en las frecuencias relativas. La

probabilidad de que un evento ocurra a largo plazo se determina
observando en qué fracción de tiempo ocurrieron eventos semejantes en
el pasado. Ya se realizó el experimento.

Número de veces que el evento ocurrió en el pasado entre el número de

observaciones :
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒗𝒆𝒄𝒆𝒔 𝒒𝒖𝒆 𝒐𝒄𝒖𝒓𝒓𝒊ó 𝑨 𝒙
P(𝑨) = =
𝑵ú𝒎𝒆𝒓𝒐 𝒅𝒆 𝒗𝒆𝒄𝒆𝒔 𝒒𝒖𝒆 𝒔𝒆 𝒓𝒆𝒑𝒊𝒕𝒊ó 𝒆𝒍 𝒆𝒙𝒑𝒆𝒓𝒊𝒎𝒆𝒏𝒕𝒐 𝒏

EJEMPLO 2: Antes de incluir la cobertura para ciertos tipos de problemas

dentales en pólizas de seguros médicos para adultos con empleo. Una compañía
de seguros desea determinar la probabilidad de ocurrencia de esa clase de
problemas, para que pueda fijarse la prima de seguros de acuerdo con esas
cifras. Por ello, se recopila datos para 10,000 adultos que se encuentran en las
categorías de edad apropiadas y encuentra que 100 de ellos han experimentado
el problema dental específico durante el año anterior.
𝟏𝟎𝟎
La probabilidad de ocurrencia es: P(𝑨) = 𝟏𝟎,𝟎𝟎𝟎 = 𝟎. 𝟎𝟏

1.2.3 Probabilidad Subjetiva: Posibilidad de que suceda un evento

específico, asignado por una persona en base a cualquier información de
que se disponga: Experiencia, Opinión personal, Análisis de la situación
particular.

EJEMPLO 3. Debido a los impuestos y a los posibles usos alternativos de sus fondos,
un inversionista ha determinado que la compra de terreno vale la pena sólo si existe
un aprobabilidad de cuando menos 0.90 de que el terreno obtenga plusvalía por 50%
o más en los en los próximos 4 años. Al evaluar un determinado terreno, el
inversionista estudia los cambios de los precios en el área en años recientes, considera
los niveles corrientes de precios, estudia el estado corriente y futuro probable de los
proyectos de desarrollo inmobiliarios y revisa las estadísticas referentes al desarrollo
económico del área geográfica. Con base en esta revisión, concluye que existe una

7
probabilidad de aproximadamente 0.75 de que se dé la plusvalía que requiere. Como
esta probabilidad es menor que la mínima que requiere (0.90), no debe llevarse a cabo
la inversión.

2.4. Reglas básicas de probabilidad

1) P( A)  0

2) P( S )  1

3) P( )  0

4) P( A)  P( A`)  1

5) P( A`)  1  P( A) donde A΄ se lee: complemento de A.

1.4.1 Regla de la Adición : si dos eventos A y B son mutuamente excluyentes,

entonces :

 P;( AóB)  P( A)  P( B)  P( A  B)  P( A)  P( B); P(AyB )  

 Si no lo son, entonces
P( AóB)  P( A)  P( B)  p( AyB )  P( A  B)  P( A)  P( B)  P( A  B)
(Pr. De que ocurra A o B o ambos)

2.4.2 Probabilidad condicional

p( AyB ) P( A  B)
P( A / B)   P( A / B) 
p ( B) P( B)
P(𝐴 ∩ 𝐵) = 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑐𝑜𝑛𝑗𝑢𝑛𝑡𝑎 𝑑𝑒 𝐴 𝑦 𝐵
P(𝐵) = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑚𝑎𝑟𝑔𝑖𝑛𝑎𝑙 𝑑𝑒 𝐵

Y al suceso B se le llama suceso condicionante, se utiliza esta fórmula cuando los

sucesos son dependientes y P(A/B) se lee la Pr. De que ocurra A dado que ya ocurrió B.

2.4.3 𝑃(𝐴´ ∩ 𝐵) = 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

𝑃(𝐴´ ∩ 𝐵) = 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

2.4.4 𝑃(𝐴 ∩ 𝐵´) = 𝑃(𝐴) − 𝑃(𝐴 ∩ 𝐵)

2.4.5 𝑃(𝐴´ ∩ 𝐵)𝑈(𝐴 ∩ 𝐵´) = 𝑃(𝐴) + 𝑃(𝐵) − 2𝑃(𝐴 ∩ 𝐵) ( la Pr. De que ocurra
A o B pero no ambos a la vez)

8
 1.4.6 Regla de la Multiplicación

 Cuando los sucesos son dependientes:

𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) × 𝑃(𝐵/𝐴) (Sin Sustitución)

2.4.7 Independencia estadística

1) P( A / B)  P( A)
2) p( AyB )  P( A  B)  p( A)  p( B)

Tabla de clasificación cruzada

Con frecuencia es deseable examinar en forma simultánea las respuestas categóricas a dos
variables cualitativas. Por ejemplo, se podría estar interesado en examinar si existe relación
entre el sexo y la preferencia de los consumidores por productos importados o nacionales.
En la Tabla 1 se ilustra esta información para el ejemplo 1. A estas tablas de clasificación
cruzada en dos sentidos se les conoce también como tablas de contingencia. Para elaborar
la tabla 1, se clasifican las respuestas conjuntas para los 500 entrevistados con respecto al
sexo y a las preferencias de los consumidores, en una de 4 posibles celdas de la tabla. Así,
el número de hombres que prefieren productos nacionales se ubica en la primera celda (Fila
1, Columna 1) , el número de mujeres que prefieren productos importados se coloca en la
cuarta celda (Fila 2, Columna 2), el resto de respuestas se ubican de manera similar, los
totales se encuentran en los márgenes de la tabla.

EJEMPLO 1.

En una ciudad se seleccionó una muestra de 500 personas para determinar diversas
informaciones relacionadas con el comportamiento del consumidor. Entre las preguntas
hechas, se encontraba "¿Prefiere comprar productos nacionales o importados?"
De 240 hombres, 136 contestaron que preferían productos importados, de 260 mujeres 36
contestaron que preferían productos nacionales.
a) Elabore una tabla de contingencia en donde las variables cualitativas son
sexo y preferencia por productos.

Los eventos se pueden definir de la siguiente forma:

A : El entrevistado es hombre B = El entrevistado prefiere comprar productos
nacionales.
A´: El entrevistado es mujer B´= El entrevistado prefiere comprar productos
importados.

9
 a) Determinar la probabilidad de que el entrevistado seleccionado en forma
aleatoria sea hombre:

𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 ℎ𝑜𝑚𝑏𝑟𝑒𝑠 𝑒𝑛𝑡𝑟𝑒𝑣𝑖𝑠𝑡𝑎𝑑𝑜𝑠 240

𝑃(𝐴) = = = 0.48
𝑁ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑛𝑡𝑟𝑒𝑣𝑖𝑠𝑡𝑎𝑑𝑜𝑠 500
260
b) Sea mujer: 𝑃(𝐴´) = = 0.52
500

c) Prefiera comprar productos importados:

360
𝑃(𝐵´) = = 0.72
500

d) Prefiera productos nacionales:

140
𝑃(𝐵) = = 0.28
500

Note que: P(A) + P(A´) = 0.48 + 0.52 = 1.00

𝑃(𝐵) + 𝑃(𝐵´) = 0.72 + 0.28 = 1.00

e) ¿Cuál es la probabilidad de que un entrevistado seleccionado aleatoriamente sea

hombre y prefiere comprar productos importados? Represente la situación en un
diagrama de Venn.

𝑁𝑜. 𝑑𝑒 ℎ𝑜𝑚𝑏𝑟𝑒𝑠 𝑞𝑢𝑒 𝑝𝑟𝑒𝑓𝑖𝑒𝑟𝑒𝑛 𝑐𝑜𝑚𝑝𝑟𝑎𝑟 𝑝𝑟𝑜𝑑𝑢𝑐𝑡𝑜𝑠 𝑖𝑚𝑝𝑜𝑟𝑡𝑎𝑑𝑜𝑠 136

𝑃(𝐴 ∩ 𝐵´) = =
𝑁𝑜. 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑛𝑡𝑟𝑒𝑣𝑖𝑠𝑡𝑎𝑑𝑜𝑠. 500
= 0.272

136
10
 f) Sea mujer y prefiera comprar productos nacionales?

36
𝑃(𝐴´ ∩ 𝐵) = = 0.072
500

g) Cuál es la probabilidad de que un entrevistado seleccionado sea mujer o prefiera

productos importados?
𝑃(𝐴´𝑈𝐵´) = 𝑃(𝐴´ 𝑜 𝐵´) = 𝑃(𝐴´) + 𝑃(𝐵´) − 𝑃(𝐴´ ∩ 𝐵´)
260 360 224
𝑃(𝐴´𝑈𝐵´) = 𝑃(𝐴´) + 𝑃(𝐵´) − 𝑃(𝐴´ ∩ 𝐵´) = 500
+ 500 − 500 = 0.792

h) Sea hombre o prefiera productos nacionales?

240 140 104 276
𝑃(𝐴𝑈𝐵)= 500 + 500 − 500 = 500 = 0.552

i) Sea hombre o mujer?

Como A y A´ son eventos mutuamente excluyentes y colectivamente
exhaustivos se tiene que, 𝑃(𝐴 ∩ 𝐴´) = 𝑃(∅) = 0
240 260 500
𝑃(𝐴𝑈𝐴´) = 𝑃(𝐴) + 𝑃(𝐴´) = + = =1
500 500 500

j) Supóngase que el entrevistado seleccionado sea mujer, ¿cuál es la probabilidad

de que prefiera comprar productos nacionales.

A´: el entrevistado es una mujer

B´: el entrevistado prefiere comprar productos nacionales.

Por tanto la probabilidad de que el entrevistado prefiera comprar productos nacionales,

36
(𝐵∩𝐴´) 36 500
dado que es una mujer es: 𝑃(𝐵⁄ ) = = 500
= × = 0.138
𝐴´ 𝑃(𝐴´) 260
500
500 260

11
 k) Suponga que el entrevistado seleccionado prefiere comprar productos
importados, ¿cuál es la probabilidad de que sea hombre?

136
𝑃(𝐴 ∩ 𝐵´) 136 500
𝑃(𝐴⁄𝐵´) = = 500 = × = 0.378
𝑃(𝐵´) 360 500 360
500

l) Determine si la preferencia por productos importados es estadísticamente

independiente del sexo.
𝑷(𝑨 ∩ 𝑩) = 𝑷(𝑨) × 𝑷(𝑩)
P(A) = 0.48 y P(𝐵) = 0.28; 0.21 = 𝟎. 𝟒𝟖 × 𝟎. 𝟐𝟖
104
P(𝐴 ∩ 𝐵) = 500 = 0.21 0.21 ≠ 0.13 por tanto la
preferencia por productos importados y el sexo no son estadísticamente
independientes, se concluye son dependientes.

EJEMPLO 2:

Diagrama de árbol
Una forma alternativa de análisis de las probabilidades en cuatro celdas es mediante el uso
de un árbol de decisión.
104
P(𝐴𝑦𝐵) =
500

240
𝑃(𝐴) =
500 136
P(𝐴𝑦𝐵´) = 500

Grupo de 36
Entrevistados P(𝐴´𝑦𝐵) = 500
260
𝑃(𝐴´) =
500
224
P(𝐴´𝑦𝐵´) = 500

12
EJEMPLO 3.

Si A es el evento de que el precio de cierta acción se mantenga sin cambios en cierto

día de negociaciones y B es el evento de que suba su precio, P(A) = 0.64 y P(B) = 0.21,
determine:

b) 𝑷(𝑨′) = 𝟏 − 𝑷(𝑨) = 𝟏 − 𝟎. 𝟔𝟒 = 𝟎. 𝟑𝟔

c) 𝑷(𝑨𝑼𝑩); como A y B son mutuamente excluyentes,

𝑷(𝑨𝑼𝑩) = 𝑷(𝑨) + 𝑷(𝑩) = 𝟎. 𝟔𝟒 + 𝟎. 𝟐𝟏 = 𝟎. 𝟖𝟓

d) 𝑷(𝑨 ∩ 𝑩); como A Y B son mutuamente excluyentes, 𝑨 ∩ 𝑩 = ∅ y se

deduce que 𝑷(𝑨 ∩ 𝑩) = 𝑷(∅) = 𝟎

2.5 Teorema de Bayes

La probabilidad condicional toma en cuenta información sobre la ocurrencia de un evento

para predecir la probabilidad de otro. Este concepto se puede ampliar para "revisar" las
probabilidades en base a nueva información y determinar la probabilidad de que un efecto
en particular se deba a una causa especifica.

El procedimiento para revisar estas probabilidades se conoce como teorema de Bayes

desarrollado por el Reverendo Thomas Bayes (1702-1761).

El teorema de Bayes se puede desarrollar a partir de las definiciones de la probabilidad

condicional y marginal en la forma siguiente:

Teorema de la probabilidad total.

Supongamos un experimento aleatorio con su correspondiente espacio muestral, S, decimos

que los eventos 𝐴1 , 𝐴2 , … … . . , 𝐴𝑛 forman una partición del espacio muestral S, si se cumple
que:

i) 𝐴𝑖 ∩ 𝐴𝑗 = ∅ para todo i≠ 𝑗 (Excluyentes)

ii) 𝐴1 ∪ 𝐴2 ∪ … … . .∪ 𝐴𝑛 = 𝑆 (Exhaustivos)

Y que B es otro evento respecto a S, entonces:

𝑃(𝐵) = 𝑃(𝐴1 )𝑃 (𝐵⁄𝐴 ) + 𝑃(𝐴2 )𝑃 (𝐵⁄𝐴 ) + … … . + 𝑃(𝐴𝑛 )𝑃 (𝐵⁄𝐴 )
1 2 𝑛
𝑛

= ∑ 𝑃(𝐴𝑖 )𝑃 (𝐵⁄𝐴 )
𝑖
𝑖=1
S

13
Teorema de Bayes

Queremos saber ahora, cuál es la probabilidad de que 𝐴𝑖 sea la causa de la ocurrencia de B.

La P(𝐵) 𝑠𝑒 𝑑𝑒𝑓𝑖𝑛𝑒 𝑐𝑜𝑚𝑜:

𝑃(𝐵) = 𝑃(𝐴1 )𝑃 (𝐵⁄𝐴 ) + 𝑃(𝐴2 )𝑃 (𝐵⁄𝐴 ) + … … . + 𝑃(𝐴𝑛 )𝑃 (𝐵⁄𝐴 ) por lo que el
1 2 𝑛
teorema de Bayes está dado por la expresión :

𝐴 𝑃(𝐴𝑖 )𝑃(𝐵⁄𝐴 ) 𝑃(𝐴𝑖 )𝑃(𝐵⁄𝐴 )

𝑃 ( 𝑖⁄𝐵) = 𝑖
= 𝐵
𝑖
𝑃(𝐵) ∑𝑛
𝑖=1 𝑃(𝐴𝑖 )𝑃( ⁄𝐴 ) 𝑖

Donde 𝐴𝑖 es el evento número i de n eventos mutuamente excluyentes.

EJEMPLO 1
A un consultor en Administración se le pide su opinión acerca de la razón por la cual la
secretaria de un ejecutivo, insatisfecha, renunció a su trabajo. Sin poder obtener ninguna
información directa acerca de la secretaria, toma los siguientes datos de un estudio de
motivación corporativos a gran escala: entre todas las secretarias insatisfechas, el 20% lo
están porque les desagrada su trabajo, el 50% porque sienten que están mal pagadas y el
30% porque les desagrada su jefe. Además, las probabilidades correspondientes dé que
renuncien son 0.60, 0.40 y 0.90. Con base en estas cifras, ¿cuáles son las probabilidades de
que la secretaria haya renunciado debido al trabajo, al sueldo o al jefe?

0.60 B
𝐴1
0.20 0.40 𝑩′ A1= Le desagrada su trabajo = 0.20
0.40 B A2= Está mal pagada = 0.50
0.50 𝐴2 A3= Le desagrada el jefe = 0.30
0.60 𝑩′ Sea B= Renuncia al trabajo
0.30 0.90 B
𝐴3
0.10
𝑩′

Diagrama de árbol del ejemplo de las secretarias

Las probabilidades asociadas con las tres ramas del árbol son:
(0.20) (0.60) = 0.12
(0.50) (0.40) = 0.20 y
(0.30) (0.90) = 0.27 y su suma: 𝑃(𝐵) = 0.12 + 0.20 + 0.27 = 0.59 (Probabilidad total)

En consecuencia, las probabilidades de que la secretaria insatisfecha haya renunciado

debido al trabajo es:

14
 𝐴 𝑃(𝐴1 )𝑃(𝐵⁄𝐴 ) (0.20)(0.60) 0.12
𝑃 ( 1⁄𝐵 ) = 1
= (0.20)(0.60)+(0.50)(0.40)+(0.30)(0.90) = = 0.20,
𝑃(𝐵) 0.59

Debido al sueldo es:

𝑃(𝐴2 )𝑃 (𝐵⁄𝐴 ) (0.50)(0.40) 0.20
𝐴2⁄ 2
𝑃 ( 𝐵) = = =
𝑃(𝐵) (0.20)(0.60) + (0.50)(0.40) + (0.30)(0.90) 0.59
= 0.34

𝐴 𝑃(𝐴3 )𝑃(𝐵⁄𝐴 )
Debido al desagrado por su jefe : 𝑃 ( 3⁄𝐵 ) = 3
=
𝑃(𝐵)
(0.30)(0.90) 0.27
(0.20)(0.60)+(0.50)(0.40)+(0.30)(0.90)
= = 0.46
0.59

Guía de auto aprendizaje No. 3

15
1.) Suponga que existen 8 aspirantes a ocupar un empleo y hacemos que a, b, c, d, e, f,
g y h representen los eventos de que el empleo se ofrezca a Arturo, Beatriz, Clara, David,
Enrique, Franco, Jorge o Hilda. Si
A = {b, d, f, h}, B = {c, g, h}, C = {a, b, d}, cite los elementos del espacio muestral que
comprenden cada uno de los siguientes eventos y expréselos con palabras:
a) 𝐶 ′
b) B U C
c) C A
d) B' C

2.) Para construir espacios muéstrales de experimentos en los cuales trabajamos con datos
categóricos, a menudo codificamos las diversas alternativas asignándoles números. Por
ejemplo, un contador podría codificar los elementos relacionados con el activo fijo de una
empresa como: 1, 2, 3, 4 o 5 según si el elemento se debe adjudicar a efectivo, bienes
comerciales, cuentas por cobrar, inventario o gastos pagados por adelantado. Exprese cada
uno de los eventos en palabras.
a) K = {1, 5}
b) L = {3, 5}
c) M = {1, 2, 3}

3.) Para cada una de las situaciones siguientes señale cuál sería el enfoque más apropiado
(clásico a priori, de frecuencia relativa o subjetivo) para determinar la probabilidad que
requiere
a) La probabilidad de que aparezca un "uno" o un "seis" en un solo lanzamiento de un
dado de seis lados.
b) La probabilidad de que haya recesión el próximo año.
c) La probabilidad de que, de un envío de 20 repuestos que se sabe contiene uno
defectuoso, uno elegido al azar resulte defectuoso.
d) La probabilidad de que una persona elegida al azar de las que entran a una tienda
grande realice una compra.
e) La probabilidad de que los bonos a indemnizados se cotizen a 50 centavos de córdobas
en los próximos seis meses.

4.) Determine el valor de probabilidad en cada una de las situaciones siguientes:

a) La probabilidad de lesiones industriales en una industria específica, en términos
anuales. Una muestra aleatoria de empresas que tiene en total 8000 empleados reportó
400 lesiones de trabajo en un período reciente de 12 meses.
b) La probabilidad de apostar a un número ganador en el juego de la ruleta. Los números
de la ruleta incluyen un "O", "00" y de "1 hasta 36".
c) La probabilidad de elegir al azar una cuenta por cobrar morosa, dado que el 5% de las
cuentas son morosas.

5.) De 600 empleados, 300 participan en un plan de reparto de utilidades de la

compañía, 400 tienen una cobertura gastos médicos y 200 empleados participan en ambos
programas. Presente estos datos en una tabla de contingencia.

16
 a. De un ejemplo de un evento simple.
b. De un ejemplo de un evento conjunto.
c. ¿Cuál es el complemento del suceso: “Empleado participa en cobertura de
gastos médicos”?
d. ¿Cuál es la probabilidad de que un empleado elegido al azar:
 Participe por lo menos en uno de los programas?
 No participe en ninguno de los programas?
 Participe en el plan de reparto de utilidades considerando que tiene
seguro de gastos médicos?
 Determine si los dos eventos son independientes o dependientes?

6.) A los 500 clientes de crédito de Crédito, S.A. están categorizados según el número
de años que han tenido cuenta de crédito con Crédito S.A. y por su promedio de saldo de
crédito. De estos clientes 210 han tenido saldo menores de $100; otros 260 han tenido
cuenta de crédito cuando menos 5 años y otros 80 han tenido saldos mayores de $100 y
han tenido cuenta de crédito por menos de 5 años. Si se selecciona al azar un cliente de
crédito, ¿Cuál es la probabilidad de que:

a) Tenga un saldo de crédito mayor de $100?

b) Tenga un saldo de crédito menor de $100 o haya tenido una cuenta de crédito
cuando menos de 5 años?
c) Tenga un saldo de crédito menor de $100 y haya tenido cuentas de crédito por
menos de 5 años?
d) Suponga que sabe que un cliente ha tenido cuentas de crédito cuando menos 5
años ¿cual es la probabilidad de que tenga un saldo inferior a $100?
e) Muestre si tener un saldo de crédito superior a $100 y poseer cuenta de crédito
cuando menos 5 años, son estadísticamente independientes.
Sugerencia: Elabore un tabla de clasificación cruzada para evaluar probabilidades.

7.) Una compañía ha puesto a disposición a sus empleados (sin costo) amplias instalaciones
de un club deportivo que pueden usarse antes del trabajo, durante la hora de almuerzo,
después del trabajo y durante los fines de semana. Los registros del último año indican
que de 250 empleados, 110 usaron instalaciones en algún momento. De los 170
hombres empleados por la compañía, 65 usaron las instalaciones. Presente estos datos en
una tabla de contingencia.

a) Dé un ejemplo de evento simple.

b) Dé un ejemplo de un evento conjunto.
c) ¿Cuál es el complemento del suceso “ usar las instalaciones del club deportivo?
Y cuál es la probabilidad?
d) ¿Cuál es la probabilidad de que un empleado elegido al azar sea mujer o haya
utilizado las instalaciones del club. Represente en un diagrama de Venn.
e) Suponga que elegimos a un empleado de la compañía ¿Cuál es la probabilidad que
no haya utilizado las instalaciones del club?

17
f) Suponga que elegimos a una empleada de la compañía ¿Cuál es la probabilidad que
haya utilizado las instalaciones del club?
g) Determine si los dos eventos ¿el género del individuo y el uso de las instalaciones
del club son estadísticamente independientes? Explique.

8.) Se ha recibido un cargamento de toronjas, con las siguientes características, 20 son

rosadas sin semillas, 40 son blancas sin semillas, 15 son rosadas con semillas y 25
son blancas con semillas. Presente estos datos en una tabla de contingencia.
Se selecciona una toronja del cargamento en forma aleatoria. ¿Cuál es la Probabilidad
de que sea:

a) Sin semilla.
b) Blanca con semilla.
c) Con semilla dado que es blanco.
d) Rosada o sin semilla.
e) Determine si los dos eventos son estadísticamente independientes. Explique.

9.) Se estima que la probabilidad de que un nuevo método de comercialización tenga éxito
es 0.65. La probabilidad de que los gastos para el desarrollo del método puedan
mantenerse dentro del presupuesto original es 0.45. Se estima que la probabilidad de
alcanzar ambos objetivos es de 0.30. Presente estos datos en un diagrama de Venn y
en una tabla de contingencia.
a. ¿Cuál es la probabilidad de que se logre cuando menos uno de los objetivos?
b. ¿Cuál es la probabilidad de que el nuevo método de comercialización tenga
éxito, dado que el costo de su desarrollo se ha mantenido dentro del presupuesto
original?

10.) Una fábrica que produce varillas, debe sacar radiografías de cada varilla e
inspeccionarla antes de embarcarla. Uno de los inspectores, ha notado que por cada
1000 varillas que revisa 10 tienen fallas en el interior, 8 presentan fallas en la envoltura
y 5 tienen ambos tipos de defectos. En su informe trimestral, debe incluir la
probabilidad de fallas de las varillas ¿cuál será esa probabilidad?
11.) El gerente de una tienda de ropa para dama desea determinar la relación entre el tipo
de cliente y la forma de pago. Ha recopilado la información siguiente:

Cliente Pago Total

Crédito Contado
Habituales 70 50
No habituales 40 40

a) Dé un ejemplo de evento simple.

b) Dé un ejemplo de evento conjunto.
c) ¿Por qué es un evento conjunto el "cliente habitual que paga de contado "?
d) Dibuje el diagrama de Venn.
e) Si el cliente es seleccionado en forma aleatoria, ¿cuál es la probabilidad de que :

18
 e.l. sea un consumidor habitual ?
e. 2. pague a crédito ?
e.3. pague de contado?
e.4. no sea un consumidor habitual ?
e.5. sea un consumidor habitual y compre a crédito?
e,6. sea un consumidor habitual y pague de contado ?
e.7. no sea un consumidor habitual y pague de contado ?
e.8. sea consumidor habitual o pague de contado ?
e.9. no sea consumidor habitual o pague crédito ?
f) Suponga que se conoce que el cliente ha pagado de contado, ¿cuál es la probabilidad de
que sea un cliente habitual?
g) ¿Son estadísticamente independientes los dos eventos, ser un cliente habitual y pagar a
crédito? Explique.

12.) Dos divisiones de productos distintos de una empresa grande son productos marinos
(M) y artefactos eléctricos (E). Se estima que la probabilidad de que los productos
marinos tengan un margen de utilidad de cuando menos 10% en este año fiscal es de
0.30, la probabilidad de que la división de artefactos eléctricos tenga un margen de
utilidad de cuando menos 10% es 0.20 y la probabilidad de que ambos tengan un
margen de utilidad de cuando menos 10% es 0.06.

a) Determine la probabilidad de que la división de artefactos eléctricos tengan un

margen de utilidad de cuando menos 10%, dado que la división de productos
marinos alcanza ese criterio de utilidad.

a) Aplique una prueba apropiada para determinar si el logro de la meta de utilidades

de las dos divisiones es estadísticamente independientes.

13.) Durante una semana determinada se estima que la probabilidad de que el precio de
una acción específica aumente (A), permanezca sin cambio (C) o se reduzca (R) es de
0.35, 0.20 y 0.45 respectivamente.
a. ¿Cuál es la probabilidad de que el precio de la acción aumente o permanezca
sin cambio?
b. ¿Cuál es la probabilidad de que el precio de la acción cambie durante la
semana?
c. ¿Cómo son los sucesos A, C y R?

14.) Se estima que la probabilidad de que aumenten las ventas de automóviles en el

siguiente mes de 0.40. Se estima que la probabilidad de que aumenten las ventas de
refacciones es de 0.50. Se estima que la probabilidad de que ambas industrias
experimenten un aumento en ventas es de 0.10. ¿Cuál es la probabilidad de que:
a. Hayan aumentado las ventas de automóviles durante el mes, dado que existe
información de que han aumentado las ventas de refacciones?
b. Hayan aumentado las ventas de refacciones, dado que existe información de
que aumentaron las ventas de automóviles durante este mes?

19
15.) Durante un período determinado, aumentó el valor de mercado de las acciones
comunes en una industria, que incluye solamente 12 acciones. Si un inversionista
escoge dos de esas acciones al azar. ¿Cuál es la probabilidad de que ambos hayan
experimentado un aumento en su valor de mercado durante ese período, si se sabe que
8 aumentaron su valor?

16.) La proporción general de artículos defectuosos en un proceso continuo de producción

es de 0.08. ¿Cuál es la probabilidad de que
a. Dos artículos elegidos al azar ninguno tenga defecto?
b. Dos artículos escogidos al azar tengan defecto?

17.) La siguiente tabla de contingencia representa la clasificación de 150 compañías

muestreadas de acuerdo con cuatro grupos industriales, y respecto a si su rendimiento
sobre la inversión está por encima o por debajo del rendimiento promedio.

Categoría Rendimiento sobre el capital

Industrial Superior al promedio Inferior al promedio Total
(S) (I)
A 20 40
B 10 10
C 20 10
D 25 15
Total

a. Construya una tabla de probabilidad conjunta en base a estos datos muéstrales.

b. Determine las siguientes probabilidades:
P(A y S) P(I)
P(C/I) P(S)
P(D) P(C)
P(S/B) P(B/S)
P(B o I) P(D y S)

18.) La probabilidad de que haya escasez de cemento es 0.28 y la probabilidad de que no

habrá escasez y que una obra de construcción se termine a tiempo es 0.64. ¿Cuál es la
probabilidad de que la obra se termine a tiempo dado que no habrá escasez de
cemento?

19.) En una fábrica de zapatos, se sabe por experiencia que la probabilidad es 0.82 de que
un trabajador que ha asistido a un programa de capacitación de la fábrica cumplirá
con la cuota de producción y que la probabilidad correspondiente es 0.53 para un
trabajador que no asistió al programa de capacitación. Si el 60% de los trabajadores
asisten al programa de capacitación de la fábrica. Si se selecciona a un trabajador y se
sabe que ha cumplido con la cuota de producción, ¿Cuál es la probabilidad de que
haya asistido al curso?

20
20.) Tres máquinas M1, M2 y M3 producen respectivamente 50%, 30% y 20% del total de
artículos de una fábrica. Las máquinas producen artículos defectuosos en un
porcentaje de 7%, 6% y 4% respectivamente. Al colocar la producción de las tres
máquinas en fila y escoger un artículo. Si el artículo escogido es defectuoso. ¿Cuál es
la probabilidad que haya sido producido en cualquiera de las tres máquinas? Tome
como decisión el elemento mayor probabilidad de producir artículos defectuosos.

21.) En cierta empresa el 6% de los empleados varones y el 4% de los empleados mujeres

tienen salarios mayores de C$ 3000. Además el 60% de los empleados son hombres.
Se despide a un empleado al azar que gana más de C$ 3000.
a. ¿Cuál es la probabilidad que sea varón?
b. ¿Cuál es la probabilidad que sea mujer?

22.) Un comerciante de parte para automóviles tiene 4 empleados K, L, M y N, que

cometen errores al llenar un pedido una vez en cien, cuatro veces en cien, dos veces
en cien y seis veces en cien respectivamente. De todos los pedidos llenados, K, L, M
y N llenan respectivamente el 20, 40.30 y 10%. Si se encuentra un error en un pedido
¿Cuál es la probabilidad de que fue llenado por K, L, M o N? ¿Cuál de los empleados
tiene mayor probabilidad de cometer errores?

23.) El gerente de crédito de una empresa, sabe que la compañía emplea (3) métodos para
alentar el cobro de cuentas atrasadas. Al consultar los archivos de la cobranza,
descubre que el 70% de las cuentas se cobran en forma personal (P), el 20% se cobran
por teléfono (T), y el 10% se les envía cartas de cobro; La probabilidad de cobrar una
cuenta vencida con los (3) métodos es de 0.75, 0.6 y 0.65, respectivamente. El
gerente recibe el pago de una cuenta vencida; ¿Cuál es la probabilidad de que a ese
cliente lo hayan llamado por teléfono.

24.) El gerente de comercialización de una compañía fabricante de juguetes está

planeando introducir un nuevo juguete en el mercado. En el pasado, 40% de los
juguetes introducidos por la compañía han tenido éxito y 60% no lo han tenido. Antes
de que se comercialice el juguete, se lleva a cabo un estudio de mercado y se compila
un informe, ya sea favorable o desfavorable. Anteriormente, 80% de los juguetes
exitosos recibieron favorables y 30% de los juguetes no exitosos también recibieron
informes favorables. Suponga que el estudio de mercado da un informe favorable
sobre un nuevo juguete. ¿Cuál es la probabilidad de que el nuevo juguete tenga éxito?

25.) Un comprador de ropa femenina de una gran tienda departamental compra

anualmente 20% de los vestidos a un fabricante A, 30% a un segundo fabricante B, y
el 50% restante a un fabricante C. De los vestidos comprados a A se vende el 80%;
75% de los de B y 90% de los de C. ¿Cuál es la probabilidad de que un vestido que se
vendió al final de la temporada, provenga del fabricante C?

21
2.5 Distribuciones de probabilidad de variables aleatorias

2.5.1 Variable aleatoria: Sea S el espacio muestral asociado a un experimento aleatorio.

Una función X que asigna a cada uno de los elementos de S un número real x, se llama
variable aleatoria.

Definición 1
Una variable aleatoria discreta es aquella que toma, a lo más una cantidad numerable de
valores distintos. Por ejemplo:
1) El número de unidades vendidas por una tienda determinada en un mes.
2) El número de clientes esperando servicio en la caja de un supermercado.
3) El número de accidentes ocurridos en una determinada semana en una planta
manufacturera.etc.

Definición 2
Una variable aleatoria continua es aquella que puede tomar cualquier valor de entre todos
los contenidos de un intervalo de una recta. Por ejemplo:
1) El tiempo para completar el ensamblaje de un artículo de una planta.
2) La cantidad de petróleo bombeado cada hora en un pozo.
3) La cantidda de energía eléctrica producida en un día. etc.

Distribución probabilística
Enumeración de todos los resultados de un experimento junto con la probabilidad asociada
a cada uno.

MEDIA O VALOR ESPERADO:   E ( X )    X  P( X ) 


VARIANZA:     X    P( X )
2 2

DESVIACION ESTANDAR:   2

EJEMPLO 1.
Una empresa recibe un lote de 100 discos de clutch. El historial de la empresa muestra que
el 10% de discos recibidos es defectuosa . Saquemos al azar 2 discos uno a uno de dicho
lote ( sin reposición) y anotamos el número de discos defectuosos.
a) Construya la distribución de probabilidad de X.
b) Obtenga la esperanza y la varianza (comente el resultado).

Solución:
Sea X : Número de discos defectuosos, 0,1 y 2
D : Defectuoso
𝐷′ : No defectuoso.

S = {𝐷1 𝐷2 , 𝐷1 𝐷2′ , 𝐷′1 𝐷2 , 𝐷′1 𝐷′2 }

22
 9 10 9 90
P(𝐷2 ) = 99 100
×
99
=
9900
= 0.0091

10
𝑃(𝐷1 ) =
100 90
P(𝐷2 ´) = 99 10
×
90
=
900
= 0.091
100 99 9900

10 90 10 900
P(𝐷2 ) = 99 100
×
99
=
9900
= 0.091
90
𝑃(𝐷1 ′ ) =
100
90 89 8010
89 × = = 0.8091
P(𝐷2 ´) = 99 100 99 9900

X P(X) 𝑋[𝑃(𝑋)] (X-µ)2 (X-µ)2P(X)

0 0.8091 0 0.04 0.032364
1 0.182 0.182 0.64 0.11648
2 0.0091 0.0182 3.24 0.029484
µ=𝐸(𝑋)=∑𝑋[𝑃(𝑋)] = 0.2002 ∑= 0.1783

E(X)= 0.200 ≅ 0

 
 2    X   2 P( X ) =0.1783, σ = √𝟎. 𝟏𝟕𝟖𝟑 = 𝟎. 𝟒𝟐𝟐𝟏
𝐸(𝑋) ± 𝜎 = 0.200 +0.4221= 0.6221 Límite superior
0.200-0.4221= -0.2221 límite inferior; (0,1)

En proceso repetido se espera que ninguno, salga defectuoso, pero el resultado puede
variar entre 0 y 1, lo más probable es 0.

2.6 Técnicas de Conteo

Al estudiar los resultados de experimentos, frecuentemente se encuentran dos
conceptos adicionales que son las permutaciones y combinaciones.
2.6.1 Regla de la multiplicación.
Si una operación se puede llevar a cabo n1 formas y si para cada una de éstas se puede
realizar una segunda operación en n2 formas, entonces las dos operaciones se pueden
ejecutar juntas de n1n2 formas.
EJEMPLO 1.
¿Cuántos puntos muestrales hay en el espacio muestral cuando se lanza una vez un
par de dados?
Solución:

23
1º dado cae de 6 maneras n1 = 6, para cada una de esas 6 maneras el 2do dado también puede
caer en n2 =6 maneras por tanto el par de dados puede caer en n1n2= (6)(6) =
36 𝑓𝑜𝑟𝑚𝑎𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠.

EJEMPLO 2.
Un cliente desea instalar un teléfono Trinline y puede elegir entre n1=10 colores
decorativos que supondremos disponibles en cualesquiera de n2=3 longitudes opcionales
de cordón con n3=2 tipos de marcado, a saber, de disco o por tonos. Estas 3
clasificaciones tienen como resultado n1 n2 n3= (𝟏𝟎)(𝟑)(𝟐) = 𝟔𝟎 diferentes formas
para que un cliente ordene uno de estos teléfonos n1 n2 n3……………. nk formas.

EJEMPLO 3.
¿Cuántos almuerzos que asisten en una sopa, emparedados, postre y una bebida son
posibles si podemos seleccionar 4 sopas, 3 tipos de emparedados, 5 postres y 4 bebidas.
Solución: n1 n2 n3……………. nk formas. = (4)(3)(5)(4) = 240 𝑚𝑎𝑛𝑒𝑟𝑎𝑠 para elegir un
almuerzo.

2.6.2 Permutación
Una permutación es un arreglo de un conjunto de objetos en el cual se tiene en cuenta el
orden. Diferentes ordenaciones determinan diferentes permutaciones.
El número de permutaciones de n objetos distintos es n
n! = 𝑛(𝑛 − 1)(𝑛 − 2)(𝑛 − 3) … … … .1

EJEMPLO 4.
¿Cuántas permutaciones (arreglos) pueden darse en las letras A, B y C.

3! = 3 × 2 × 1 = 6 𝑎𝑟𝑟𝑒𝑔𝑙𝑜𝑠 𝑑𝑖𝑠𝑡𝑖𝑛𝑡𝑜𝑠.

B C = ABC 1
A

C B= ACB 2

A C= BAC 3
B

C A = BCA 4
A B = CAB 5

C
B A= CBA 6
3 x 2 x 1=6

En general, n objetos distintos tomados r a la vez se pueden arreglar en

𝑛(𝑛 − 1)(𝑛 − 2) … … . (𝑛 − 𝑟 + 1)

24
 𝑛!
𝑛𝑃𝑟 = 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑒𝑟𝑚𝑢𝑡𝑎𝑐𝑖𝑜𝑛𝑒𝑠.
(𝑛 − 𝑟)!
EJEMPLO 5.
Se sacan dos billetes de lotería de 20 para un primer y un segundo premio. Encuentre
el número de puntos muestrales en el espacio S.
𝟐𝟎! 𝟐𝟎! 𝟐𝟎×𝟏𝟗×𝟏𝟖!
20P2 = (𝟐𝟎−𝟐)! = = = 𝟐𝟎 × 𝟏𝟗 =
𝟏𝟖! 𝟏𝟖!
𝟑𝟖𝟎 𝒑𝒖𝒏𝒕𝒐𝒔 𝒎𝒖𝒆𝒔𝒕𝒓𝒂𝒍𝒆𝒔 𝒆𝒏 𝒆𝒍 𝒆𝒔𝒑𝒂𝒄𝒊𝒐 𝑺

Ejercicio propuesto.

De cuántas formas puede una organización de relaciones, programar a tres conferencistas

para 3 reuniones diferentes si todos están disponibles en cualquiera de cinco fechas
posibles. R/60

2.6.3 Combinación
Una combinación de objetos es un conjunto diferente de objetos en el cual no se considera
el orden. Cuando de n objetos se escogen n, no hay sino una combinación. Si entre n
objetos se selecciona uno existen n combinaciones. El problema consiste en determinar
una expresión general para el número de combinaciones cuando se seleccionan r objetos a
la vez entre n objetos.

𝑛 𝑛!
( )= ,
𝑟 𝑟! (𝑛 − 𝑟)!
𝑛
𝑑𝑜𝑛𝑑𝑒 ( ) denota el <número de combinaciones de r objetos tomados de n objetos
𝑟
totales.>
EJEMPLO 6

Considérense cuatro entidades, A, B C y D. ¿Cuántas combinaciones pueden hacerse en

este conjunto seleccionando dos letras a la vez? Seis. AB, AC, AD, BC, BD y CD.

4 4! 4! 4 × 3 × 2!
( )= = = = 6 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖𝑜𝑛𝑒𝑠.
2 2! (4 − 2)! 2! 2! 2! × 2 × 1
1! = 1
0! = 1 por definición.

B AB
A C AC

25
 D AD

B C BC
D BD
C D CD

D
Ejercicio propuesto

Hay 10 candidatos para un comité que no puede estar integrado sino por siete miembros.
¿Cuántos comités diferentes pueden formarse con estos diez candidatos?

2.7 Modelos de probabilidad

2.7.1 Distribución de Probabilidad Binomial

La distribución binomial es una distribución de probabilidad de una variable aleatoria

discreta que será aplicable cuando estemos en un proceso de Bernoulli.

Proceso de Bernoulli
Es un proceso de muestreo, esto es una muestra de tamaño n que resulta de repetir un
mismo experimento aleatorio (que llamaremos ensayo) n veces y que cumple las siguientes
condiciones:

1) Los resultados posibles de cada ensayo se clasifica en una de dos categorías

mutuamente excluyentes y exhaustivos que llamaremos: éxito o fracaso
2) La probabilidad de éxito y fracaso permanece igual en todos los ensayos.
3) Cualquier serie de eventos éxitos y fracaso obtenidos en los n ensayos constituyen
eventos independientes.

Modelo Binomial
Supongamos que estamos en un proceso de Bernoulli con n ensayos donde uno de los dos
eventos será éxito y la probabilidad de que exista un éxito se representará por p, y un
fracaso por q=1-p.
Sea X: el número de éxitos en la muestra, donde el objetivo principal será una expresión
matemática que defina a la distribución de probabilidad de X.
n!
P( X  x)  p x q n x Probabilidad de éxito
x!(n  x)!
El valor esperado µ = E(X) = np y la Varianza σ2= npq.

EJEMPLO 1:
En un archivo hay 5 documentos de la empresa A y 15 documentos de la empresa B.
Seleccionar al azar y con reposición 4 documentos anotando la empresa de cada uno.
26
 a) Determine la probabilidad de que 3 documentos sean de la empresa B.
b) Menos de 3 documentos sean de B
c) La esperanza de x
d) La varianza de x

Solución:
Empresa A = 5 n= 4 ensayos
15
Empresa B= 15 x= No. de documentos de B; 𝑃(𝑥) = 20 = 0.75;
20 q = 1-p =1-0.75=0.25 No. de documentos de A
n!
P( X  x)  p x q n x
x!(n  x)!
4 4!
a) 𝑃(𝑥 = 3) = ( ) (0.75)3 (0.25)4−3 = 3!(4−3)! (0.421875)(0.25) =
3
4(0.10546875) = 0.4219. Es la probabilidad que al sacar 4 documentos 3 sean
de la empresa B.
b) Menos de 3 documentos sean de B
𝑃(𝑥 < 3) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) =

4
𝑃(𝑥 = 0) = ( ) (0.75)0 (0.25)4 = 0.0039
0
4
𝑃(𝑥 = 1) = ( ) (0.75)1 (0.25)3 = 0.0469
1
4 (0.75)2 (0.25)2
𝑃(𝑥 = 2) = ( ) = 0.2109.
2

𝑃(𝑥 < 3) = 0.0039 + 0.0469 + 0.2109 = 0.2617

c) La esperanza de de x es lo mismo que el valor esperado:

µ = E(X) = np = (4)(0.75) = 3 se espera que en promedio 3 documentos sean de
B.

d) σ2=: npq= (𝟒)(𝟎. 𝟕𝟓)(𝟎. 𝟐𝟓) = 𝟎. 𝟕𝟓 la varianza

σ= √𝟎. 𝟕𝟓 = 𝟎. 𝟖𝟔𝟔𝟎 la desviación estándar.
E(𝑥) ± 𝜎 = 3 ± 0.8660
1) 3 + 0.8660 = 3.8660
2) 3 − 0.8660 = 2.1340 ; (2,4) quiere decir que al sacar los cuatros documentos,
3 sean de B aunque este valor puede variar entre 2 y 4.

2.7.2 Distribución Probabilística de Poisson

La forma límite de la distribución binomial cuando la probabilidad de

éxito es muy pequeña y n es grande se denomina distribución
probabilística de Poisson.

27
Propiedades fundamentales de una distribución de Poisson.

Se da un proceso de Poisson si se pueden observar eventos discretos en un intervalo

continuo (de tiempo, de duración, de área) en forma tal que si se acorta el intervalo lo
suficiente:

1) La probabilidad de observar dos o más éxitos en un intervalo es 0.

2) La probabilidad de observar exactamente un éxito en un intervalo es estable.
3) La ocurrencia de un éxito en cualquier intervalo es estadísticamente independiente
de que suceda en cualquier otro intervalo.

Modelo matemático

 xe 
P( x)  Probabilidad de éxito
x!
µ= np el parámetro µ se refiere al número promedio o esperado de éxitos por unidad.
e= constante matemática, e= 2.71825
x = el número de éxitos por unidad.

Características

1) Forma:
Cada vez que se especifica el parámetro µ se puede producir una distribución de
Poisson particular. La distribución de Poisson estará sesgada hacia la derecha
cuando µ es pequeña y se acercará a la simetría (con su punto más alto en el centro)
según aumenta µ.

2) La media y la desviación estándar:

Una propiedad importante de la distribución de Poisson es la µ y la varianza.
µ = E(x) ; varianza σ2= µ y la desviación estándar es: 𝜎 = √𝜇

EJEMPLO 1:
Supóngase que en un momento cualquiera del día, el número promedio de llamadas
telefónicas recibidas por minuto en una central es de 5. Sea X el número de llamadas
recibidas en un minuto dado.
a) Hallar la probabilidad de que se reciban exactamente 3 llamadas en un minuto
dado.
b) Hallar la probabilidad de que se reciban más de 3 llamadas en un minuto dado.
c) Hallar la probabilidad de que se reciban menos de 3 llamadas en un minuto
dado.

Solución:
28
X= el número de llamadas recibidas en un minuto dado.
µ = 5 llamadas por minuto en promedio.
 xe 
P( x)  53 𝑒 −5
a) P(X=3) = x! = 𝑃(𝑋 = 3) = 3! = 0.14042

b) 𝑃(𝑋 > 3) = 1 − 𝑃(𝑋 ≤ 3) = 1 − 𝑃[(𝑋 = 0) + (𝑋 = 1) + (𝑋 = 2) + (𝑋 = 3)] =

50 𝑒 −5 51 𝑒 −5 52 𝑒 −5 53 𝑒 −5
1 − [ 0! + 1! + 2! + 3! ] =
1 −[0.00674+0.0337+0.08425+0.14042]=

1 −0.26511=0.7349= 73.49% es la probabilidad de recibir 3 o más llamadas.

b) 𝑃(𝑋 < 3) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) = 0.00674 + 0.0337 +

0.08425 = 0.1247 = 12.47% la probabilidad de recibir menos de tres llamadas en
un minuto dado.

EJEMPLO 2.

Una fábrica de cerillos sabe que 0.1% de su producción tiene algún defecto. Encuentre la
probabilidad de que en un paquete de 50 cerillos, ninguno de ellos tenga defecto.

Solución: n= 50 , p = 0.1% =0.001 ; X = No. de cerillos defectuosos.

 xe 
µ= np = (50)(0.001) = 0.05 P( x) 
x!

P( x  0) 
 x e 

0.050 e 0.05  10.9512  0.9512  95.12%
x! 0! 1

2.7.3 Distribución Normal de Probabilidad.

Es una distribución continua de probabilidad que tiene las siguientes características

 Tiene forma de campana y la media la moda y la mediana coinciden.

 Es simétrica.
 Es asintótica con respecto al eje x
 Está completamente descrita por su media y su desviación estándar
 No existe una, sino una familia de distribuciones normales. Cada vez que
la media o la desviación estándar cambia se crea una nueva distribución.

29
CURVA SIMETRICA DE CAMPANA QUE MUESTRA LAS RELACIONES ENTRE
DESVIACION ESTANDAR Y MEDIA

30
FAMILIAS DE DISTRIBUCIONES NORMALES.

Modelo Normal
Decimos que la variable aleatoria X, tiene una distribución normal con parámetro µ y σ2, lo
cual denotamos por X~N(𝜇, 𝜎 2 ), si la función de densidad de probabilidad de x está
definida por:

1 𝑥−𝜇 2
𝑓(𝑥) = 𝑒 (−1/2) ( ) ; −∞ ≤ 𝑥 ≤ +∞ ; e= 2.71828
𝜎√2𝜋 𝜎

Distribución Normal estándar

Es una distribución normal particular de probabilidad que tiene las siguientes

características:
 Su media es 0 y su desviación estándar es 1.
 Cualquier distribución normal puede ser convertida a normal
x
estándar por la fórmula z 

 Al estandarizar una distribución normal, la distancia desde la
media está expresada en unidades de la desviación estándar.

31
EJEMPLO 1:

Una fabrica usa una máquina para llenar cajas con polvo facial. En un informe de parte del
control estadístico de la calidad se afirma que los pesos netos de las cajas están distribuidos
uniformemente con una media igual a 15 onzas y desviación estándar 0.8 onzas.
Se selecciona una caja al azar:
a) ¿cuál es la probabilidad de que tenga peso neto mayor de 14.5 onzas?
b) De que tenga entre 12.8 y 16.5 onzas
c) Que tenga peso neto menor de 15.8 onzas
d) Si cierto día máquina llena 1500 cajas ¿cuántas cajas tendrán pesos netos menores
que 14.5 onzas?

Solución:

µ= 15 onzas
σ=0.8 onzas
14.5−15
𝑎)𝑃(𝑋 > 14.5) = 1 − 𝐹 ( 0.8 ) = 1 − 𝐹(−0.63) = 1 − 0.2643 = 0.7357 =
73.57%

X=14.5 µ=15
Z
0.63 0

12.8−15 16.5−15
b)𝑃(12.8 ≤ 𝑋 ≤ 16.5) = 𝑃 ( ≤𝑍 ) = 𝐹(1.88) − 𝐹(−2.75) = 0.9700 −
0.8 0.8
0.0030 = 0.9670 = 96.70%

X= 12.8 µ = 15 𝑋 = 16.5
Z
-2.75 0 1.88

12.8 − 15
𝑐) 𝑃(𝑋 < 12.8) = 𝑃 (𝑍 < ) = 𝐹(−2.75) = 0.0030 = 0.30%
0.8

32
 x=12.8 µ= 15 Z
-2.75
14.5 − 15
𝑑) 𝑃(𝑥 < 14.5) = 𝑃 (𝑍 < ) = 𝐹(−0.63) = 0.2643
0.8

Total de cajas = 0.2643× 1500 = 396.45 = 𝟑𝟗𝟔 cajas.

EJEMPLO 2.
El gasto promedio mensual por alimentos para familias de cuatro personas en una gran
ciudad es de C$1420, con una desviación estándar de C$180. Suponiendo que los gastos
mensuales por alimentos estén distribuidos en forma normal,

a) ¿Qué porcentaje de estos gastos son inferiores a C$1350?

µ= 1420 ; σ= 180

1350−1420
𝑃(𝑋 < 1350) = 𝑃 (𝑋 < ) = 𝐹(−0.39) = 0.3483 = 34.83%
180

El 34.83% de los gastos son inferiores a C$1350

b) ¿Qué porcentaje de esos gastos se encuentran entre C$1280 y C$1350

1250 − 1420 1350 − 1420

𝑃(1250 < 𝑋 < 1350) = 𝑃 ( <𝑍< )
180 180
= 𝐹(−0.39) − 𝐹(−0.94) =

0.3483 − 0.1736 = 0.1747 = 17.47%

c) ¿Qué porcentaje de estos gastos son mayores que C$1500?

1500 − 1420
𝑃(𝑋 > 1500) = 1 − 𝑃(𝑋 ≤ 1500) = 1 − 𝑃 (𝑧 ≤ ) = 1 − 𝐹(0.44)
180
= 1 − 0.6700 = 0.33 = 33%.
𝑒𝑙 33% 𝑑𝑒 𝑙𝑜𝑠 𝑔𝑎𝑠𝑡𝑜𝑠 𝑠𝑜𝑛 𝑚𝑎𝑦𝑜𝑟𝑒𝑠 𝑞𝑢𝑒 𝐶$1500.

33
EJEMPLO 3:

Algunos estudios muestran que el rendimiento de gasolina de los autos compactos

vendidos por Japón se distribuyen normalmente con una media de 45 km por galón
y una desviación estándar de 8 km por galón. Si un fabricante desea diseñar un auto
compacto más económico que el 95% de los autos compactos actuales, ¿cuál debe
ser el rendimiento del nuevo auto?
𝑋0 −𝜇 𝑋0 −45
Como primer paso se calcula: z0= =
𝜎 8

Y la probabilidad requerida correspondiente al área izquierda de z0 en la

distribución normal estándar. Por tanto, P(Z≤ 𝑧0 ) = 0.95 , este valor se encuentra
en el cuerpo de la tabla normal, buscamos la probabilidad de 0.9500, ésta
probabilidad no se encuentra pero si los valores cercanos: 0.9495 que corresponde a
z=1.64, también está 0.9505 cuya z=1.65. Note que el área de 0.95 está exactamente
1.64+1.65
a la mitad entre las áreas z=1.64 y z= 1.65, = 1.645, entonces z0= 1.645.
2
𝑥 −45
En segundo lugar se sustituye 𝑧0 en la fórmula: 1.645= 0 8 , despejando 𝑥0 se tiene
que:
𝑥0 = (1.645)(8) + 45 = 58.16
De lo anterior se deduce que el nuevo auto compacto debe tener un rendimiento de
58.16 km por galón para ser mejor que el 95% de los autos compactos que
actualmente vende Japón.

34
 Guía de Ejercicios N˚4

Modelos de Probabilidad
1) El número de barcos que llegan a un puerto en un día determinado es una variable
aleatoria representada por X. Su distribución de probabilidad es:

X 10 11 12 13 14
P(X) 0.4 0.2 0.2 0.1 0.1

a. Encuentre la probabilidad de que en un día cualquiera:

 Lleguen al menos 12 barcos.
 Lleguen cuando mucho 11 barcos.

b. En promedio, ¿Cuántos barcos se espera que lleguen?

2) Una escuela primaria ha programado cuatro fechas de reunión al año con los padres de
familia. Los registros de la escuela indican que la probabilidad de que los padres de un
niño (uno o ambos) asistan desde 0 hasta 4 de las reuniones son las indicadas en el cuadro
siguiente:

Número de reuniones
a las que asisten 0 1 2 3 4
Probabilidad 0.13 0.37 0.29 0.14 0.08

a. ¿Cuál es la probabilidad de que los padres de un niño en particular asistan al

menos a una de esas reuniones?
b. ¿En promedio a cuántas reuniones asiste un padre de familia y con que variabilidad lo
hace?

3) Un inspector encargado del control de calidad de los camiones de juguete producidos

por una fábrica ha observado que cierto defecto en las llantas se presenta en el 5% de los
vehículos. En cada uno se colocan seis llantas. ¿Cuál es la probabilidad de que en un
conjunto de seis llantas seleccionadas aleatoriamente no se presente el defecto?

4) Una organización especializada en encuestas afirma que el 90% de los votantes

registrados nunca ha escuchado acerca de Carmelo García, quien fue candidato a un
puesto público. Si esto es correcto, ¿Cuál es la probabilidad de que en una muestra de 15
votantes seleccionada aleatoriamente, 2 o menos de ellos hayan escuchado algo acerca de
éste señor?

35
 5) Un banco en promedio recibe 6 cheques sin fondos por día. ¿Cuál es la probabilidad de
que reciba cuatro cheques sin fondo en un día dado?

6) Los registros muestran que la probabilidad es 0.0012 de que una persona ingiera
comida envenenada al pasar un día en cierta feria agropecuaria. Obtenga la probabilidad
de que en 1000 personas que asisten a la feria, cuando mucho dos ingieran comida
envenenada, ¿Y por lo menos dos?

7) Una fábrica de cerillos sabe que 0.1% de su producción tiene algún defecto. Encuentre
la probabilidad de que en un paquete de 50 cerillos, ninguno de ellos tenga defecto.

8) El 0.5% de las piezas producidas por una máquina son defectuosas. La máquina se
lleva a reparación si al tomar una muestra aleatoria de 10 piezas se encuentra dos o más
defectuosa. Obtenga la probabilidad de que la máquina sea cometida a reparación con este
esquema de muestreo.

9) Las observaciones durante un largo período muestran que un vendedor determinado

puede concluir una venta en una sola entrevista con una probabilidad de 0.30. Suponga
que el vendedor entrevista a 6 prospectos (o compradores prospectivos).
a) ¿Cuál es la probabilidad que exactamente dos prospectos compren el producto?
b) ¿Cuál es la probabilidad de que todos los prospectos compren el producto?
c) ¿Cuál es la probabilidad que al menos dos prospectos compren el producto?
10) Una empresa compra determinado componente electrónico en grandes cantidades. La
decisión de aceptar el lote o de rechazarlo se basa en una muestra de 1000 productos. Si
alguno de los 1000 productos resulta defectuoso el lote se rechaza de otro modo se acepta,
suponga p = 0.0002
a) ¿Cuál es la probabilidad de aceptar el lote?
b) ¿Cuál es la probabilidad de rechazar el lote?

11) Periódicamente se suspende el servicio de una computadora para darle

mantenimiento, instalar nuevo equipo, etc. El tiempo que permanece inactiva una
computadora en particular, está distribuida normalmente con media igual a 1.5 horas y
desviación estándar de 0.4 horas ¿Cuál es el porcentaje de período de inactividad
a) mayores de 2 horas?
b) entre 1 y 2 horas?
c) menos de 1 hora?

12) Una compañía de transporte premia con un bono especial a aquellos empleados que
venden 300 o más boletos durante una jornada de 8 horas. El número de boletos vendidos
por empleado en dicha jornada está distribuido de manera aproximadamente normal, con
μ = 270 y σ = 16. ¿Cuál es la probabilidad que un vendedor seleccionado aleatoriamente
no reciba el premio?

13) El tiempo de espera en cierto banco está distribuido en forma normal,

aproximadamente, con media y desviación estándar iguales a 3.7 y 1.4 minutos,

36
 respectivamente. Encuentre la probabilidad de que un cliente seleccionado aleatoriamente
tenga que esperar:
a) Menos de 2 minutos.
b) Más de 2.5 minutos.
c) Entre 3 y 5 minutos.

14) Una máquina llenadora está ajustada para llenar botellas con una media de contenido
de 32 onzas y una varianza de 0.0016. Periódicamente se verifica la cantidad de cerveza
contenida en la botella. Suponiendo que la cantidad contenida está distribuida
normalmente ¿Cuál es la probabilidad que la próxima botella que se seleccione
aleatoriamente para ser inspeccionada, contenga más de 32.02 onzas?

15) La distribución de los salarios semanales de 10000 trabajadores del campo es normal
y tiene una media de C$ 110 y varianza de C$ 64 (en miles). ¿Cuántos trabajadores tienen
salarios
a) Iguales o inferiores a C$ 110?
b) Entre C$ 100 y C$ 125 inclusive?
c) Iguales o superiores a C$ 90?

16) El propietario de una panadería dijo que la producción semanal promedio de su

compañía fue de 11,398 panes con una varianza de 49,729. Si los datos usados para calcular
los resultados fueron recogidos durante 32 semanas, ¿en cuántas semanas estuvo el nivel de
producción por debajo de los 11,165?, ¿y por arriba de 11, 844?, grafique sus respuestas.
17) El número de días entra la facturación y el pago de las cuentas de crédito de un
almacén tiene una distribución aproximadamente normal con una media de 18 días y
desviación estándar de 4 días.
a) ¿Qué proporción de las cuentas serán pagadas
a.1 entre 12y 18 días?
a.2 entre 20 y 23 días?
a.3 en menos de 8 días?
a.4 en 12 días o más?
b) ¿dentro de cuántos días serán pagadas el 99.5% de las cuentas?

18) suponga que el tiempo necesario para que germine una variedad de semillas de una
planta está normalmente distribuido con una media de de 15 días y desviación
estándar de 4 días.
a) ¿Qué proporción de las semillas deben germinar
a.1 dentro de 19 días?
a.2 después de 23 días?
b) Después de cuántos días deben haber germinado las ¾ partes de las semillas?

19) El editor de una casa editorial calcula que transcurren en promedio 11 meses antes de
terminar el proceso de publicación, desde la elaboración del manuscrito hasta
terminar con el libro, con una desviación de 2.4 meses. Piensa que la distribución
normal describe bien los tiempos de publicación. De 19 libros que tendrá a su cargo
este año, ¿aproximadamente cuántos finalizarán el proceso de menos de un año?

37