Trabajo de estadística

Funciones de distribución de probabilidad

Presentado a :
Nelson Barranza

Presentado por:
Erick Zayas
Rosa Mendoza
Eduard Vásquez
Juan Camilo Polo

Universidad Libre
Seccional Barranquilla

Contaduría Publica
Quinto semestre
2019
Tabla de Contenido.
1. Introducción

2. Objetivo General.

3. Objetivos específicos

4. Justificación.

5. Propósito.

6. Distribución binomial.
6.1 Propiedades de la distribución Binomial
6.2 Condiciones de la distribución Binomial.
6.3 Formula de la distribución Binomial.
6.4 Ejercicio de la distribución Binomial.

7. Distribución de Poisson.
7.1 Características de la distribución de Poisson.
7.2 Propiedades de la distribución de Poisson.
7.3 Distribución de Poisson como una aproximación a la Distribución Binomial.
7.4 Ejercicios de la distribución de Poisson.

8. Distribución hipergeométrica.
8.1 Característica de la distribución hipergeométrica.
8.2 La diferencia entre las distribuciones hipergeométrica y binomial.
8.3 Ejercicios de la distribución Hipergeométrica.

9. Conclusión.

10. Bibliografía
1. Introducción

En este trabajo se realiza la aplicación de tres distribuciones de probabilidad que son:

la distribución Binomial, distribución de Poisson y distribución Hipergeométrica, la
cuales indican toda la gama de valores que pueden representarse como resultado de
un experimento. Se encontrara en este trabajo los diversos tipos de distribución
probabilística, sus características, sus propiedades, distribuciones y ejercicios
prácticos que nos ayudaran a entender mas a fondo el tema.
La distribución binomial es una distribución de probabilidad discreta que describe el
número de éxitos al realizar n experimentos independientes entre sí, acerca de una
variable aleatoria. La distribución binomial cuenta con una serie de pruebas o ensayos
en la que solo podemos tener 2 resultados (éxito o fracaso), siendo el éxito nuestra
variable aleatoria. Luego encontramos, La distribución de poisson que al igual que la
binomial es una distribución de probabilidad discreta pero que se aplica a las
ocurrencias de algún suceso durante un intervalo determinado ya sea de tiempo y
espacio, los éxitos en la distribución de Poisson son expresados en área, tiempo, pieza,
etc. Para concluir, la distribución hipergeométrica es una distribución discreta que
modela el número de eventos en una muestra de tamaño fijo cuando usted conoce el
número total de elementos en la población de la cual proviene la muestra, la diferencia
con las demás distribuciones es que en cada ensayo la probabilidad ira cambiando
porque no hay reemplazo.

A partir de estos conocimientos, podemos ir mas a fondo con cada una de las
distribuciones y poner en práctica su aplicación en los diferentes problemas que
encontraremos a los largo del trabajo.
2. Objetivo general

Aplicar los diferentes de conceptos sobre las funciones de distribución de la

probabilidad en la resolución de problemas estadísticos, obteniendo probabilidad de
éxito o fracaso.
3. Objetivos específicos

 Identificar las diferentes distribuciones de la probabilidad

 Manejo y uso adecuado de las distribuciones discretas, binomial, poisson,
hipergeométrica.
 Aplicar de forma práctica con ejemplos las diferentes distribuciones.
 Utilizar las diferentes distribuciones para solucionar problemas e identificar
probabilidades de éxito o fracaso.
 4. Justificación.

Esta investigación tiene como objetivo principal conocer, identificar y aplicar las diferentes
probabilidades de distribución, nos proponemos entonces a la investigación para conocer la
exactitud de la probabilidad de ocurrencia de un evento o fenómeno que pasa en la vida
cotidiana, así mismo, identificar cual distribución es apropiaba para cada fenómeno,
analizando la problemática y entrando en el contexto para así ponerla en práctica. Esto es útil
porque ayuda a resolver problemas estadísticos y así ajustar de la manera más exacta posible
aquellos fenómenos de azar en los más variados campos tanto de la ciencia como de la vida
cotidiana.
 5. Propósito

El propósito de este trabajo es conocer e identificar las diferentes distribuciones, saber en qué
momento utilizarlas y cual utilizar.

El propósito de la distribución binomial es por medio de diferentes ensayos, encontrar la

probabilidad de éxito o de fracaso. La distribución de poisson, busca representar el número
de eventos independientes que ocurren a una velocidad constante en un periodo de tiempo y
espacio y la distribución hipergeométrica es usada cuando se conoce el numero de la
población o de la muestra en donde cada ensayo la probabilidad ira cambiando.
 6. Distribución binomial

Una distribución binomial es una distribución de probabilidad discreta que describe el

número de éxitos al realizar n experimentos independientes entre sí, acerca de una variable
aleatoria. Es una de las distribuciones de probabilidad más útiles que se emplea en control de
calidad, producción, investigaciones, etc.

La Distribución Binomial está relacionada con la distribución de Bernoulli que es una

distribución de variable aleatoria X que toma solamente valores de cero y uno (éxito y
fracaso), cuando se realiza un solo experimento.

La distribución binomial se aplica cuando se realizan un número "n" de veces el experimento

de Bernouilli, siendo cada ensayo independiente del anterior. La variable puede tomar valores
entre 0 (si todos los experimentos han sido fracaso) y n (si todos los experimentos han sido
éxitos).

6.1 Propiedades de la distribución Binomial

Para que una variable aleatoria se considere que sigue una distribución binomial, tiene que
cumplir las siguientes propiedades:

 En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o
fracaso).
 La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra p.
La probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es constante
dado que la moneda no cambia en cada experimento y las probabilidades de sacar
cara es constate.
 La probabilidad de fracaso ha de ser también constate. Esta se representa mediante la
letra q = 1-p. Es importante fijarse que mediante esa ecuación, sabiendo p o sabiendo
q, podemos obtener la que nos falte.
 El resultado obtenido en cada experimento es independiente del anterior. Por lo tanto
lo que ocurra en cada experimento no afecta a los siguientes.
 Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar una moneda
salga cara y cruz al mismo tiempo.
 Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha de
ocurrir. Si no se es hombre, se es mujer y si se lanza una moneda, si no sale cara ha
de salir cruz.
  La variable aleatoria que sigue una distribución binomial se suele representar como
X~(n,p). n representa el número de ensayos o experimentos y p la probabilidad de
éxito.

6.2 Condiciones de la distribución Binomial.

La distribución binomial es una distribución de probabilidades que surge al cumplirse las

siguientes condiciones:
 El número de ensayos o repeticiones del experimento (n) es constante.
 En cada ensayo hay sólo dos posibles resultados (éxito o fracaso, defectuoso o noi
defectuoso).
 La probabilidad de cada resultado posible en cualquier ensayo permanece constante.
 En cada ensayo, los dos resultados posibles son mutuamente excluyentes.
 Los resultados de cada ensayo son independientes entre sí.

6.3 Formula de la distribución Binomial.

La fórmula para calcular la distribución normal es:

Donde:
n = número de ensayos/experimentos
x = número de éxitos
p = probabilidad de éxito
q = probabilidad de fracaso (1-p)

6.4 Ejercicios de la distribución binomial

1. Un profesor de Estadística, realizo un examen de 15 preguntas, las preguntas son de

Falso y Verdadero. Determina
a. Probabilidad de obtener 7 aciertos
b. Probabilidad de Obtener algún acierto
Solución:

Suceso A éxito: 𝑝 = 𝑝 (𝑎) = 0,7

̅̅̅̅ = 0,7
Suceso 𝐴̅ = no acertar la pregunta 𝑞 = 𝑝 (𝐴)
x= 7
n= 15
p= 0,7
q= 0,7
15
𝑝 ( 𝑥 = 7) = ( ) . (0,7)7 . (0,7)8
7
𝑝 (𝑥 = 7) = (6435). (0,0823). (0,0576)

𝑝 (𝑥 = 7) = 30,5049

𝑝 (𝑥 = 7 ) ≈ 3,050
La probabilidad de que los estudiantes obtengan 7 aciertos es de 3,050%
b.

x= 0
n= 15
p= 0,7
q= 0,7

𝑝 (𝑥 ≥ 1) = 1 − 𝑝 (𝑥 = 0)
15
𝑃 ( 𝑥 = 0 ) = ( ) . (0,7)0 . (0,7)15 = 0,004747
0
𝑝 ( 𝑥 ≥ 1) = 1 − 𝑝 ( 𝑥 = 0) + 𝑝 ( 𝑥 ≥ 1) = 1 − 0,004747 = 0,995253

𝑝 (𝑥 ≥ 1) = 1 − 𝑝 (𝑥 = 0) ≈ 99,5253
La probabilidad de que los estudiantes obtengan algún acierto es de 99.5353%.

2. Una fábrica elabora lapiceros, se determino que al año unos 30% de lapiceros de color
negro salen defectuosos, calcular:
a. La probabilidad de que los tres salgan defectuosos
b. Probabilidad de que solamente 1 sea defectuosos
x: 3
n:3
p: 0,3
q: 1- 0,3 = 0,7
 a.
3
𝑝 (𝑥 = 3) = ( ) . (0,3)3 . (0,7)0
3

𝑝 ( 𝑥 = 3) = (1). (0,027). (1)

𝑝( 𝑥 = 3) = 0,027 ≈ 2,7%

La probabilidad de que en una fábrica de lapiceros, salgan 3 lapiceros de color negro

defectuosos es de 2,7%
x: 1
n:3
p: 0,3
q: 1- 0,3 = 0,7
b.
3
𝑝 ( 𝑥 = 1) ( ) . (0,3)1 . (0,7)2
1
𝑝 ( 𝑥 = 1) (3). (0,3). (0,29)

𝑝(𝑥 = 1) = 0,261 ≈ 26,1

La probabilidad de que en una fabrica de lapiceros, salga solamente 1 defectuoso es de 26,1%

3. Un jugador de basketball encesta el 85% en un juego. Si lanza 8 veces, cual es la

probabilidad de

a. Marque mas de 6
b. Marque al menos 6
a.
N: 8
X= 6
P: 0,85
Q: 1- 0,85 = 0,15

𝑝 ( 𝑥 > 6) = 𝑝 (𝑥 = 7) + 𝑝 ( 𝑥 = 8) = 0,3847 + 0,2725 = 0,6572 ≈ 65,73%

 8
𝑝 (𝑥 = 7) = (7) . (0,85)7 . (0,15)1 = 0,3847

8
𝑝 (𝑥 = 8) = ( ) . (0,85)8 . (0,15)0 = 0,2725
8
La probabilidad de que un jugador de basketball enceste mas de 6 veces es del 65,73%
b.
N: 8
X:6
P: 0,85
Q: 1-0,85= 0,15%

𝑝( 𝑥 ≥ 6) = 𝑝 ( 𝑥 = 6) + 𝑝 ( 𝑥 = 7) + 𝑝 ( 𝑥 = 8) = 0,2376 + 0,3847 + 0,2725

= 0,8948 ≈ 89,48
8
𝑝( 𝑥 = 6) = ( ) . (0,85)6 . (0,15)2 = 0,2376
6
La probabilidad de que un jugador de basketball enceste al menos 6 veces es del 0,2376

4. En un colegio el 40% de los alumnos cuentan con útiles escolares completos. Para
realizar una encuesta, el colegio selección 10 estudiantes al azar. Se pide:
a. Probabilidad de que la mitad de estudiantes tengan los útiles escolares
b. Probabilidad de que alguno tenga los útiles
c. Probabilidad de que como máximo tres no tengan los útiles

a.
N: 10 estudiantes
X: 5 porque es la mitad
P: 0,4
Q: 1- 0,4 = 0,6

10
𝑃(𝑋 = 5) = ( ) ( 0,4)⁵ ∙ (0,6)⁵ = (252) ∙ (0,4)⁵ ∙ (0,6)⁵ = 0,200658
5
𝑝 (𝑥 = 5) = 0,200658 ≈ 20,0658
La probabilidad de que la mitad de los estudiantes de un colegio tomando una muestra de 10
es de 20,0658.
b.

𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 < 1) = 1 − 𝑃(𝑋 = 0)

𝑝 ( 𝑥 ≥ 1)1 – 0,00605 = 0,99395 ≈ 99,395

La probabilidad de que alguno de los alumnos tengan sus útiles escolares tomando una
muestra de 10 es de 99, 395.

c.
P(X ≥ 7) = P (X = 7) + P(X = 8) + P(X = 9) + P(X = 10)

P(X = 7) = ( 10 7 ) 0,4⁷ ∙ 0,6³ = 120 ∙ 0,4⁷ ∙ 0,6³ = 0,0425

P(X = 8) = ( 10 8 ) 0,4⁸ ∙ 0,6² = 45 ∙ 0,48 ∙ 0,6² = 0,0106

P(X = 9) = ( 10 9 ) 0,49 ∙ 0,6 = 10 ∙ 0,49 ∙ 0,6 = 0,0016

P(X = 10) = ( 10 10) 0,410 ∙ 0,60 = 1 ∙ 0,410 ∙ 1 = 0,000105

P(X ≥ 7) = 0,0425 + 0,0106 + 0,0016 + 0,000105 = 0,054805 ≈ 5,4805

La probabilidad de que como máximo tres tengan sus útiles escolares tomando una muestra
de 10 es de 5,4805%

5. En un almacen se vende jeans de contado y a crédito, el 30% de las ventas son a

contado, maría compra 6 jeans, determinar la probabilidad de que
a. Dos unidades o mas hayan sido de contado
b. Dos unidades o menos hayan sido pagado a crédito

a.
X: numero de unidades pagadas a contado
N: 6 unidades
P: 0,3
q. 1- 0,3= 0,7
 𝑃(𝑋 ≥ 2) = 1 − 𝑃(𝑋 < 2) = 1 − 𝑃(𝑋 = 0) − 𝑃( 𝑋 = 1)
P(X = 1) = ( 6 1)0,3¹ ∙ 0,75 = 6 ∙ 0,3 ∙ 0,75 = 0,302526

P(X = 0) = ( 6 0)0,30 ∙ 0,7⁶ = 1 ∙ 1 ∙ 0,7⁶ = 0,117649

𝑝 ( 𝑥 ≥ 2 ) = 1 − 0,302526 − 0,117649 = 0,5798 ≈ 5,798

La probabilidad de que dos unidades o mas hayan sido cancelados a contado es de 5,798

b.
P(X ≥ 4) = P(X = 4) + P(X = 5) + P(X = 6)

P(X = 4) = ( 6 4) 0,3 ∙ 0,7² ⁴ = 15 ∙ 0,3 ∙ 0,7² ⁴ = 0,059535

P(X = 5) = ( 6 5) 0,3 ∙ 0,7¹ ⁵ = 6 ∙ 0,3 ∙ 0,7 ⁵ = 0,010206

P(X = 6) = ( 6 6)0,3 ∙ 0,7 ⁶ ⁰ = 1 ∙ 0,3 ∙ 1 ⁶ = 0,000729

𝑝( 𝑥 ≥ 4) = 0,059535 + 0,010206 + 0,000729 = 0,07047 ≈ 7,047

La probabilidad de que dos o menos hayan sido cancelados a crédito es de 7,047%

7. Distribución de Poisson
La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las
ocurrencias de algún suceso durante un intervalo determinado. Nuestra variable aleatoria x
representará el número de ocurrencias de un suceso en un intervalo determinado, el cual
podrá ser tiempo, distancia, área, volumen o alguna otra unidad similar o derivada de éstas.
La Distribución de Poisson se llama así en honor a Simeón Dennis Poisson (1781-1840),
francés que desarrolló esta distribución basándose en estudios efectuados en la última parte
de su vida.

7.1 Características de la distribución de Poisson.

El número de vehículos que pasan por una caseta de cobro en las horas de mayor tráfico sirve
como ejemplo para mostrar las características de una distribución de probabilidad de Poisson.
El promedio (media) de los arribos de vehículos por hora de gran tráfico puede estimarse a
partir de los datos anteriores del tráfico.
Si dividimos las horas de gran tráfico en periodos (intervalos) de un segundo cada uno,
encontraremos que los siguientes enunciados son verdaderos:
1. La probabilidad de que exactamente un vehículo llegue por segundo a una caseta
individual es un número muy pequeño y es constante para que cada intervalo de un
segundo.
2. La probabilidad de que dos o más vehículos lleguen en un intervalo de un segundo
es tan reducida que podemos asignarle un valor cero.
3. El número de vehículos que llegan en determinado intervalo de un segundo es
independiente del momento en que el intervalo de un segundo ocurre durante la hora
de gran tráfico.
4. El número de llegadas en cualquier intervalo de un segundo no depende del número
de arribos de cualquier otro intervalo de un segundo.

Ahora bien, podemos generalizar partiendo de las cuatro condiciones que hemos descrito
en este ejemplo, si estas condiciones se cumplen nos apoyaremos en una distribución de
probabilidad de Poisson para describirlos.

7.2 Propiedades de la distribución de Poisson

1) Esperanza: E(X) = λ.
2) Varianza: V(X) = λ.

En esta distribución la esperanza y la varianza coinciden.

3) La suma de dos variables aleatorias independientes con distribución de Poisson resulta en

una nueva variable aleatoria, también con distribución de Poisson, de parámetro igual a la
suma de parámetros:

X1 ~ P(λ = λ1) y X2 ~ P(λ = λ2)

y definimos Z = X1 + X2, entonces,

Z ~ P(λ = λ1 + λ2)
Este resultado se extiende inmediatamente al caso de n variables aleatorias independientes
con distribución de Poisson. En este caso, la variable suma de todas ellas sigue una
distribución de Poisson de parámetro igual a la suma de los parámetros.

7.3 Distribución de Poisson como una aproximación a la Distribución Binomial

La distribución de Poisson se usa en ocasiones para aproximar la distribución binomial.
Existe un consenso en poder realizar esta aproximación cuando se satisfagan las siguientes
condiciones:

1.
2.

En caso de que hagamos la aproximación porque se cumplan ambas condiciones vamos a

necesitar el valor de \mu que lo calcularemos mediante la siguiente expresión :

También suele usarse a menudo una aproximación de la distribución de Poisson a una

distribución Gaussiana, aunque esta última es una distribución de probabilidad continua. Este
último apunte lo trataremos en otro momento.

7.4 Ejercicios de la distribución de Poisson

1. La producción de aires de la marca TRANE trae una posibilidad de un 2%, si se toma

una muestra de 85 aires acondicionados, ¿ cual es la probabilidad de que existan 4
aires defectuosos?
N: 85
P: 0,02
X= 4
Lambda: 1.7
(𝑒 −1,7 ) ( 1,74 )
𝑝 ( 𝑥 = 5) = = 0,0635746 ≅ 0,635746%
4!
La probabilidad de que 4 aires salgan defectuosos de la producción de la marca Trane es de
0,635746.

2. se conoce que solo el 3% de los estudiantes de ingeniería mecánica entienden a la

perfección los demás de cálculo, calcular la probabilidad de que si tomamos 100
estudiantes al azar 5 de ellos entienden a la perfección los temas.

N: 100
P: 0,3
Lambda: 100* 0,03 = 3
X=5
e: 2,718281828
 (35 )
𝑝 ( 𝑥 = 5) = (𝑒 −3 ) = 0,10081 ≈ 10,081
5!

La probabilidad de que 5 estudiantes entiendan bien el tema de cálculo, tomados de

una muestra al azar de 100 estudiantes es de 10,081%

3. Supongamos que hay 300 errores de impresión a los largo de 500 hojas para
publicidad. Cual es la probabilidad de que una hoja contenga 2 errores.

N: 300 errores
P: 1/ 500
X: 2
Lambda: 300. 1/500
Lambda: 0,6

0,62 . 𝑒 −0,6
𝑝(2):
2!

(0,36)(0,549)
𝑝 (2) =
2.1

𝑝(2) = 0,0988 ≈ 9,88

La probabilidad de que una hoja de impresión contenga 2 errores es de 9,88%

4. En una panaderia llegan un cliente cada minuto, cual es la probabilidad que lleguen
3 en los próximos 5 minutos.

Lambda 5
X: 3

53 𝑒 −5
𝑝 (5) = = 0,1404 ≈ 14,04%
3!

La probabilidad de que lleguen 3 en los próximos 5 minutos es de 14,04%

5. En una inspección de pocillos de barro se identifica 0,2 imperfecciones por minuto,

determinar cuál es la probabilidad de encontrar una imperfección en 3 minutos

Lambda: 0,2x3= 0,6

 0,61 2,718−0,6
𝑝( 𝑥 = 1) =
1!
(0.6)(0,548845)
𝑝 ( 𝑥 = 1) = 0,329307 ≈ 32,93
1

8. Distribución hipergeométrica.

La distribución hipergeométrica es una distribución discreta que modela el número de

eventos en una muestra de tamaño fijo cuando usted conoce el número total de elementos en
la población de la cual proviene la muestra. Cada elemento de la muestra tiene dos resultados
posibles (es un evento o un no evento). Las muestras no tienen reemplazo, por lo que cada
elemento de la muestra es diferente. Cuando se elige un elemento de la población, no se
puede volver a elegir. Por lo tanto, la probabilidad de que un elemento sea seleccionado
aumenta con cada ensayo, presuponiendo que aún no haya sido seleccionado.
La distribución hipergeométrica se define por 3 parámetros: tamaño de la población, conteo
de eventos en la población y tamaño de la muestra.

8.1 Característica de la distribución hipergeométrica

Los experimentos que tienen este tipo de distribución tienen las siguientes características:

a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos de

resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repetición del experimento no es independiente de los demás.
d) El número de repeticiones del experimento (n) es constante.

8.2 La diferencia entre las distribuciones hipergeométrica y binomial.

Tanto la distribución hipergeométrica como la distribución binomial describen el número de

veces que un evento ocurre en un número fijo de ensayos. Para la distribución binomial, la
probabilidad es igual para cada ensayo. Para la distribución hipergeométrica, cada ensayo
cambia la probabilidad de cada ensayo subsiguiente porque no hay reemplazo.

Utilice la distribución binomial con poblaciones tan grandes que el resultado de una prueba
prácticamente no tiene efecto sobre la probabilidad de que el próximo resultado sea un evento
o un no evento.
Utilice la distribución hipergeométrica con poblaciones que sean tan pequeñas que el
resultado de un ensayo tiene un gran efecto en la probabilidad de que el próximo resultado
sea un evento o un no evento.

8.3 Ejercicios de la distribución Hipergeométrica

1. Se debe seleccionar 2 estudiantes de un colegio entre 5, para que asistan a un

conversatorio. Suponga que los estudiantes están formados por 3 mujeres y dos
hombres. Determine la probabilidad de seleccionar 2 mujeres al azar.
N:5
n: 2
m=3
k=2
𝑚 𝑁−𝑚
( )( )
𝑝(𝑥 = 𝑘) 𝑘 𝑛−𝑘
𝑁
(𝑛 )

3 5−3
(2) (2 − 2)
𝑝 (𝑥 = 2)
5
(2)

3 2
(2) (0)
𝑝(𝑥 = 2)
5
2
3𝐶2.2𝐶0
𝑝 (𝑥 = 2)
5𝐶2
3! 2!
.
2! (3 − 2)! 0! (2 − 0)!
𝑃(𝑋 = 2)
5!
2! (5 − 2)!

3! 2!
.
2! (1)! 0! (2)!
𝑃(𝑋 = 2)
5!
3! (2)!
 3
𝑃(𝑋 = 2)
10
𝑃(𝑋 = 2) = 𝑂, 3 ≈ 30%
La probabilidad de seleccionar 2 mujeres al azar de una muestra de 5 es del 30%

2. 5 empresas producen camisetas cuya calidad varia. Si se elige 3 empresas al azar,

hallar la probabilidad de que la selección contenga 2 de las 3 mejores.
N:5
M=3
n=3
k¿?
3 5−3 3 2
(2) (3 − 2) (2) (1)
𝑝(𝑥 = 2) = = 0,6 ≈ 60%
5 5
(3) (3)

La probabilidad de escoger dos de las tres mejores empresas es de 60%

3. En una tienda hay 20 variedades de jabón, de las cuales 8 son de Rexona, Que
probabilidad hay de que al extraer una muestra al azar de 12 flores, se incluyen 3 de
Rexona

N:20
n: 12
m=8
k:3

8 20 − 8
(3) (12 − 3)
𝑝(𝑥 = 3)
20
(12)
8 12
(3) ( 9 )
𝑝(𝑥 = 3)
20
(12)

9𝐶3.12𝐶9
𝑝(𝑥 = 3)
20𝐶12
𝑃(𝑋 = 3)0,0978 ≈ 9,78
 La probabilidad de extraer doce jabones en los que se incluyen 3 de la marca de Rexona
es del 9,78%

4. En un parqueadero hay 10 carros, se seleccionan 4 al azar, si los 3 carros no

funcionan, cual es la probabilidad de que los 4 no funcionen.
N:10
M: 7
n:4
k:4
7 10 − 7
(4) ( 4 − 4 )
𝑝( = 4) = 0,167 ≈ 16,7
10
(4)

La probabilidad de que los 4 autos funcionen tomados de una muestra de 10 es de 16,7

5. Si se extraen 8 manzanas de una frutera que contiene 9 manzanas verdes y 8 rojas .

Encontrar la probabilidad de que haya 6 manzanas verdes dentro de las 8 que
extrajeron.

N:12
n=8
m=9
k=6
8 20 − 8
(4) ( 6 − 4 )
𝑝(𝑥 = 4)
20
(6)

8𝐶6. 12𝑐6
𝑝(𝑥 = 4)
20𝑐6
𝑝(𝑥 = 4) = 0,04767 ≈ 4,767

La probabilidad de que se encuentran 6 manzanas verdes dentro de una muestra de 8 es de

4,767.
 9. Conclusión

Después de haber indagado y practicado con ejercicios sobre la distribución binomial,

distribución de poisson y distribución hipergeometrica resalta la importante de saber
conocerlas e identificarlas para poder ponerlas en practicas en las diferentes problemáticas,
para calcular las probabilidades de diferentes situaciones y de valores o información que son
muy elevados.
 10. Bibliografía.

https://economipedia.com/definiciones/distribucion-binomial.html

https://www.ecured.cu/Distribuci%C3%B3n_binomial

https://www.gestiopolis.com/que-es-la-distribucion-de-poisson/

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t6.htm

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-
random-data/supporting-topics/distributions/hypergeometric-distribution/

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/03Ddistr%20Hipergeo
metrica.htm

https://www-ebooks7-24-com.sibulgem.unilibre.edu.co/stage.aspx?il=&pg=&ed=83