CAPÍTULO 9

DISTRIBUCIONES TEÓRICAS DE PROBABILIDAD

1. INTRODUCCIÓN

Las distribuciones de probabilidad que se han determinado en el capítulo 4, se conocen como

funciones empíricas. Las funciones teóricas de probabilidad corresponden a modelos que
permiten expresar teorías sobre el comportamiento ideal de una variable en la realidad.

Una distribución teórica se utiliza para:

• Expresar lo que puede esperarse de un universo, cuando se comporta como deseamos que
lo haga.
• Como fuente de referencia, a fin de comparar con distribuciones observadas.
• Cuando las distribuciones observadas son difíciles de formalizar, se la utiliza para resolver
problemas y efectuar operaciones.
• Sirve para realizar inferencias y elaborar predicciones sobre el comportamiento de una
variable cuando se dispone de información limitada.

Las funciones teóricas de probabilidad correspondientes a variables discretas son:

• Binomial
• Hipergeométrica
• Poisson.
• Multinomial.
• Binomial negativa.

Existen muchas otras más, como la distribución uniforme y la geométrica, pero para el
propósito de este texto solo se incluyen las más importantes.

Si la variable aleatoria es continua y se utiliza el análisis a grandes muestras, su función es:

• La Normal.

En casos de muestras pequeñas se usa:

• t de Student
• Chi-cuadrada
• F de Fisher.

Existen otras funciones continuas de probabilidad, como la uniforme, log-normal, gamma,

Erlang y Weibull, que tienen aplicación en la simulación y las ciencias físicas.

En este capítulo se estudiarán todas las funciones teóricas discretas de probabilidad y solo la
distribución continua Normal, puesto que se requieren nociones de inferencia estadística y
muestreo para estudiar las otras distribuciones mencionadas.
150
2. DISTRIBUCIONES TEÓRICAS DISCRETAS DE PROBABILIDAD

2.1. Introducción

En general, la determinación de un modelo teórico discreto de probabilidades para aplicarlo a

un caso observado, se realiza tomando en cuenta las siguientes características:

• La naturaleza del número de pruebas del experimento (fijo o variable).

• La naturaleza de los resultados del experimento (dicotómico o no).

• El carácter de la probabilidad en cada prueba (constante o variable).

• La determinación del carácter del experimento (Sucesos dependientes o independientes).

2.2. Distribución binomial

Es una distribución de probabilidad discreta, pues los datos recopilados son resultado de
conteos. Se la utiliza como modelo cuando:

• El número de pruebas o ensayos del experimento es fijo: “n”.

• El resultado solo puede tomar una de dos formas, comúnmente denominadas como éxito y
fracaso. Cada resultado es mutuamente excluyente.

• La probabilidad de éxito, “p”, permanece constante de un ensayo a otro y lo mismo sucede

con la de fracaso, “q”; tal que: p + q = 1.

• Los ensayos son independientes, lo cual significa que el resultado de un ensayo no afecta al
resultado de algún otro. Esta condición puede asegurarse mediante un muestreo con
reposición en poblaciones finitas o el muestreo de poblaciones infinitas o muy grandes.

La distribución probabilística binomial se puede describir utilizando la fórmula:

n
P(x) =   p x q n − x
x
Donde:

n, es el número de ensayos
x, es la variable aleatoria discreta del número de éxitos
p, es la probabilidad de éxito en cada ensayo
q, es la probabilidad de fracaso en cada ensayo, q = 1 - p
n n!
 = es la combinatoria de ‘n’ en ‘x’
 x  x!(n − x)!

La media esperada es: µ = E(x) = np

151
La varianza esperada es: σ 2 = V(x) = n p q

El modelo se representa por el símbolo b(n, p, x) donde n y p, son parámetros conocidos.

Nota: La binomial en una distribución sesgada, pero para valores de p cercanos a 0.5 y n>20,
se vuelve prácticamente simétrica.

Los valores de probabilidad de un modelo binomial están tabulados y se presentan en forma de

una distribución acumulada de probabilidades. Estos valores se designan con el signo B(n, p, x)
dispuestas en tablas con el siguiente formato (Ver anexo de tablas al final del texto):

p
n x 0.1 0.2 0.3 ... 0.5
3 0
1 Valores de probabilidad
acumulada
2

Ejemplo

En una clínica se han producido tres partos.

a) Calcular la probabilidad de que haya nacido una niña.

b) Calcular la probabilidad de que al menos hayan nacido dos niños.

Resolución:

Primero se verifica si las condiciones del problema que muestran una distribución de
probabilidad, se pueden ajustar al modelo binomial:

• Se efectúa un número de pruebas igual a 3, FIJO.

• Los resultados se clasifican en: "nacer niña, éxito" y "nacer niño, fracaso".
• La probabilidad de éxito en cada prueba es 0.5, constante.
• Las pruebas son independientes, porque habiendo nacido niña en una prueba no quiere
decir que en la anterior y la siguiente prueba nazca también niña.

El experimento, por características anteriores, se puede decir que sigue un modelo

probabilístico binomial. Sus probabilidades se resuelven usando la expresión del modelo
binomial:

n=3
P(x) = 0.5
q(x) = 0.5

a) En este caso la variable "x" representa el número de niñas. Se desea resolver la

probabilidad de que x=1.

152
Entonces:
1 3−1
 3  1   1   1  1 
P(x = 1) =       = 3    = 0.375
1  2   2   2  4 

Respuesta: Hay una probabilidad de 37.5% de que en tres partos haya nacido una niña.

b) En este caso la variable "x" representa el número de niños. Probabilidad de nacer 2 o más
niños:

P (x ≥ 2 ) = P (x = 2 ) + P (x = 3 )

2 3− 2 3
 3 1   1  3* 2  1 
P(x = 2) =       =   = 0.375
 2 2   2  1* 2  2 

3 0 3
 3   1   1  3* 2*1  1 
P(x = 3) =      =   = 0.125
 3   2   2  1* 2*3  2 

Luego: P(x ≥ 2) = 0.5

Respuesta: Hay una probabilidad del 50% de que en tres partos hayan nacido 2 o más niños.

Los resultados anteriores pueden determinarse directamente leyendo en una tabla B(x, n, p)
(tabla binomial de frecuencia acumulada), donde n es el número de pruebas y p, la probabilidad
de elementos.

p
n x 0.1 0.2 0.3 ... 0.5
3 0 0.1250
1 0.5000
2 0.8750
3 1.0000

a) P(x = 1) = P(x ≤ 1) − P(x = 0) = 0.5000 − 0.1250 = 0.3750

b) P(x ≥ 2) = 1 − P(x ≤ 1) = 1 − 0.5000 = 0.5000

Se concluye que la tabla acumulada es muy útil en la resolución de problemas, porque

simplifica los cálculos.

2.3. Distribución hipergeométrica

Es una distribución de probabilidad discreta al igual que la binomial, se utiliza cuando el tamaño
de la muestra es superior al 5% de la población y tiene las siguientes características:

153
• El número de pruebas o ensayos es fijo, “n”.

• El resultado solo puede tomar una de dos formas, comunmente denominadas como éxito y
fracaso. Cada resultado es mutuamente excluyente.

• La probabilidad de éxito no permanece constante de un ensayo a otro, es variable.

• Los ensayos deben ser dependientes. Esto ocurre cuando los ensayos son sin reposición y
en poblaciones finitas o pequeñas.

La fórmula para la distribución probabilística hipergeométrica es:

 N1   N − N1 
 x  n − x 
P(x) =    
N
 
n
Donde:

N, es el tamaño de la población
N1, es el número total de elementos de la categoría éxito en la población
n, es el número de ensayos o tamaño de la muestra
x, es el valor de la variable aleatoria discreta del número de éxitos

La esperanza matemática es: E(x) = np

 N−n N1
La varianza esperada es: V(x) = np(1 − p)   , donde: p =
 N −1  N

Ejemplo

En una canasta existen 7 cítricos: 4 naranjas y 3 limas. Un niño elige 3 cítricos.

a) Qué probabilidad hay de que sean 2 naranjas?

b) Cuál es la probabilidad de que hayan al menos 2 limas?

Resolución.

El problema proporciona la siguiente información:

• El número de pruebas n=3, es fijo.

• El resultado de la prueba se clasifica en:
Éxito es que sean naranjas.
Fracaso es que sean limas.
• La probabilidad de obtener naranjas es diferente en cada prueba, por tanto también es
diferente la probabilidad de obtener limas.
• Las pruebas son dependientes, este resultado se ve afectado por la prueba anterior y afecta
al siguiente.

154
Por lo tanto, la distribución empírica del problema se puede ajustar a un modelo
hipergeométrico.

a) Obtener 2 naranjas.
 4  7 − 4  4 * 3
  
 2  3 − 2  1 * 2 * 3 108
P (x = 2 ) = = = = 0.51
7 7 * 6 * 5 210
  1* 2 * 3
 3

Respuesta: En el 51% de los casos el niño podrá obtener 2 naranjas.

b) Sacar al menos 2 limas.

P (x ≥ 2 ) = P (x = 2 ) + P (x = 3 )

 3  4   3   4  3* 2
       *4
2 1 3 0
P(x ≥ 2) =    +     = 1* 2 1*1 78
+ = = 0.37
7 7 7 *6*5 7 * 6*5 210
    1* 2*3 1* 2*3
 3  3

Respuesta: En el 37% de los casos es posible que el niño haya obtenido al menos 2 limas.

2.4. Distribución de Poisson

También denominada ley de eventos improbables. Se aplica a problemas que cumplen las
características de una distribución binomial con probabilidad de éxito, “p”, pequeña (p<0.05) y
tamaño de muestra, “n”, grande (n>25).

Tiene muchas aplicaciones. Se utiliza como modelo para describir fenómenos como la
distribución de errores en captura de datos, número de imperfecciones en piezas recientemente
pintadas, número de clientes que hacen cola en un banco, número de llamadas telefónicas, etc.

Matemáticamente puede escribirse utilizando la siguiente fórmula:

µ x e −µ
P(x, µ) =
x!
Donde:

µ es la media (esperanza matemática) del número de ocurrencias (éxitos) en un intervalo de

tiempo dado. En situaciones binomiales µ = np y σ 2 = np , puesto que q ≅ 1.
X es la variable aleatoria discreta del número de éxitos.
e = 2,71828 (la base del logaritmo neperiano).

155
Ejemplo

Un estudiante de Administración de Empresas, cuando presenta sus informes de contabilidad,

afirma que comete por término medio 5 errores por página. ¿Cuál es la probabilidad de que
cometa al menos 4 errores por página?

Resolución.

Del problema se obtiene la siguiente fórmula:

Número promedio de errores = tamaño de muestra * probabilidad = n * p

• Se supone que el tamaño de la muestra es bastante grande; n = 10000

• El resultado de la prueba es éxito: "error por página" y fracaso: "no tener error por página".
• La probabilidad de éxito es constante en cada prueba y además pequeña.
• Las pruebas son independientes por que cometer un error no influye en que se cometa otro.

Cuando un experimento aleatorio cumple con las características anteriormente señaladas, su

probabilidad se resuelve aplicando la siguiente expresión:

Se pide: P(x ≥ 4, µ = 5)

Para resolver el problema afortunadamente existen tablas de probabilidad acumulada de

Poisson (Ver anexo de tablas al final del texto):

P(x ≥ 4, µ = 5) = 1 − P(x ≤ 3, µ = 5) = 1 − 0.265 = 0.735

Respuesta: El estudiante tiene la probabilidad de 73.5% de cometer al menos 4 errores por

página.

Nota: se usa indistintamente para la media de ocurrencias en un intervalo de tiempo dado,

tanto λ como µ .

2.5. Distribución multinomial

Un experimento aleatorio se comporta como una distribución multinomial cuando observa las
siguientes características:

• El número de pruebas del experimento es fijo.

• Los resultados del experimento se clasifican en categorías (K).

C1 , C2 , . . . . , CK

• La probabilidad de éxito para cada categoría permanece constante en cada prueba y se

expresa como:
P1 , P2 , . . . . , PK

• Las pruebas son independientes, es decir el resultado de una prueba no afecta ni es

156
 afectado por el resultado de la prueba anterior o la siguiente, respectivamente.

La probabilidad del experimento con estas características se calcula mediante la siguiente

expresión:

n!
f ( x 1, x 2,..., x K ) = * P ( x1) x1 * P ( x 2) x 2 *...* P ( x K ) x K
x1!* x 2!*...* x K!
n
n!
f ( x 1, x 2,..., x K ) = n
* Π P ( x i ) xi
i=1
Π x!
i=1
i

Ejemplo

En una bolsa de mercado existen 7 cítricos: 3 naranjas, 2 limas y 2 toronjas. Un niño elige 3
cítricos con reposición. Determinar la probabilidad de que sean 2 toronjas y una naranja.

Resolución.

El problema proporciona la siguiente información, que indica que la distribución planteada sigue
un modelo multinomial:

• El número de pruebas es 3 y es fijo.

• Los resultados de la prueba se clasifican en 3 categorías:
C1 = toronjas
C2 = naranjas
C3 = limas
• La probabilidad de cada categoría es constante en cada prueba y sus valores son:
P1 = 2/7
P2 = 3/7
P3 = 2/7
• Las pruebas son independientes por que si en la prueba sale 1 toronja y 2 naranjas, esto no
quiere decir que la siguiente o la anterior prueba sea de la misma naturaleza.

Con los datos anteriores, la probabilidad solicitada es:

2 1 0
3! 2 3 2
f ( x1 = 2 , x 2 = 1 , x 3 = 0 ) =      
2!* 1!* 0!  7   7   7 

3 * 2 * 1  4  9  72
=    = = 0.105
2 * 1  49  49  680

Respuesta: Entonces esta combinación formada por 2 toronjas y 1 naranja, se dará en 10.5 de
100 casos.

157
2.6. Distribución binomial negativa

Un experimento aleatorio se comporta como una DBN cuando:

• El número de pruebas “n”, es variable.

• Los resultados se clasifican en 2 categorías (éxito o fracaso).

• La probabilidad de éxito es constante en cada prueba.

• Las pruebas son independientes.

La probabilidad de los eventos se calcula usando la siguiente expresión.

*  n -1 c n −c
b (n, c, P ) =   P q
 c -1 

donde: n = número de pruebas

c = número de éxitos
P = probabilidad de éxito

Por razones prácticas, la expresión anterior debe transformarse en probabilidad de valores

acumulados y además en función de probabilidades acumuladas de la binomial positiva:

 n -1 c n − c
B (n, c, p ) = ∑ 
*
p q
 c -1 
 n  x n−x
B (n, c, p ) = 1 - ∑   p q
*

x

B* (n, c, p ) = 1 - B (x -1, n, p )

Ejemplo

Los productores de durazno en Cochabamba han detectado que el 10% de los duraznos están
afectados por la mosca. Supongamos que un grupo de estudiantes van a un huerto de
duraznos con el permiso del propietario y están deseosos de que, eligiendo al azar los
duraznos, puedan comer 20 duraznos buenos. ¿Cuál es la probabilidad de que tengan que
probar 25 o más duraznos (los afectados se descartan).

Resolución.

El problema contiene la siguiente información:

• El número de pruebas es n>25, por tanto es variable.

• Los resultados de la prueba se clasifican en éxito: durazno que no está afectado por la
158
 mosca de la fruta; fracaso: durazno afectado.

• Probabilidad de éxito 90% constante en cada prueba.

• Las pruebas son independientes porque si en cualquier prueba un durazno no está afectado
no quiere decir que en la selección anterior o la siguiente tampoco esté afectado.

Por los datos presentados, el experimento corresponde a una binomial negativa.

donde; c = x = número de éxitos = 20

n = mayor que 25 (variable)
P = 0.90 probabilidad de éxito.

b* (25, 20, 0.9) = 1 − (1 − B(19, 25, 0.9)) = 0.967

Respuesta: Hay una probabilidad de 96.7% de que si quieren comer 20 duraznos buenos,
tengan que probar 25 o más duraznos.

3. FUNCIONES TEÓRICAS CONTINUAS DE PROBABILIDAD

3.1. Distribución Normal

a) Generalidades

Una distribución teórica probabilística continua muy importante es la normal.

Las distribuciones probabilísticas de la duración de algunos productos, como acumuladores o

baterías, neumáticos, bombillas o lámparas, tienden a seguir un patrón normal. Lo mismo
sucede con los pesos de los envases de un cereal, la longitud de rollos de papel tapiz y otras
variables que se miden en una escala continua.

Se dice que la función normal es la piedra fundamental de la Estadística. Su función de

densidad está dada por la siguiente expresión:

− (x −µ )2
1 2 σ2
y= e −∞ ≤ x ≤ ∞
2πσ

b) Características de una distribución normal

1. La curva tiene perfil de campana, y presenta un solo pico en el centro exacto de la

distribución. La media (aritmética), la mediana y la moda de la distribución son iguales y
están en el punto central, de esta forma la mitad del área bajo la curva se encuentra a la
izquierda y la otra mitad a la derecha de la media.

2. La distribución probabilística normal es simétrica con respecto a su media. Si se corta la

curva normal por la mitad verticalmente, las dos mitades serán como imágenes reflejadas en
un espejo.
159
3. La curva normal decrece uniformemente en ambas direcciones a partir del valor central. Es
asintótica.

4. A una distancia de la media aritmética correspondiente a la desviación estándar, se

encuentran sus puntos de inflexión.

50% 50%
Punto de
Punto de
inflexión
σ σ inflexión

-∞ +∞
Me=Mo=µ

c) Familia de distribuciones normales.

Existen tres familias:

a) Distribuciones que presentan la misma media pero distinta desviación

b) Distribuciones que presentan la misma desviación pero distinta media
c) Distribuciones que presentan distinta media y distinta desviación.

d) Áreas bajo la curva normal

Las posiciones indicadas en la escala de x son los límites de los porcentajes indicados en cada
caso:

1. µ ± 1σ => 68.27%
2. µ ± 2σ => 95.45%
3. µ ± 3σ => 99.73%

El área total es obviamente 100% o 1.0.

e) Distribución Normal Estándar

Resultaría imposible proporcionar una tabla de valores de probabilidad normal para cada
distribución, por lo que se recurre a una variable estandarizada o tipificada “z”:

X−µ
z=
σ

donde : X es el valor de cualquier observación específica

µ es la media de la distribución
σ es la desviación estándar de la distribución

El valor de z mide la distancia entre un valor específico X y la media, en unidades de

desviación estándar. La media de la distribución normal estándar es 0 y su desviación estándar
1 (se realizó esta comprobación en el capítulo de estadígrafos de comparación).
160
Una distribución normal se simboliza como:N(x, µ, σ)

Una distribución normal estándar, como: N(z, 0, 1)

Ejemplo

Se ha determinado que los jóvenes que asisten a la fiesta de San Juan, beben 25 tazas de
ponche en promedio, con una varianza de 64 tazas2. Si dicha variable se comporta como una
normal:

a) ¿Cuál es la probabilidad de que tomen a lo más, 19 tazas de ponche?.

b) Determine la proporción de estudiantes que toman más de 41 tazas de ponche.
c) Determine la proporción de estudiantes que consumen entre 19 y 31 tazas de ponche.
d) Determine el mínimo y máximo de tazas de ponche que bebería el 80% central de los
estudiantes.

Resolución.

• Se trata de una distribución normal: N(x, µ=25, σ=8).

a) Se debe resolver: P(x ≤ 19)

Gráficamente:

σ=8

19 µ = 25 x

• Se estandariza la variable.

x − µ 19 − 25
P( ≤ ) = P (z ≤ − 0.75 )
σ 8

Gráficamente:

σ=1

- 0.75 µ=0 z

• Se lee el resultado en la tabla de distribución normal de cola superior (Ver anexo de tablas al
final del texto):
P(z ≤ −0.75) = 0.2266
161
Respuesta: La probabilidad de tomarse 19 o menos tazas de ponche es del 23%.

b) Se trata de resolver: P(x ≥ 41)

Gráficamente:

σ=8

µ = 25 41 x

• Se estandariza la variable.

x − µ 41 − 25
P( ≥ ) = P (z ≥ 2 )
σ 8

Gráficamente:

σ=1

µ=0 2 z

• Se lee el resultado en tabla de distribución normal acumulada.

P(z ≥ 2) = 1 − P(z ≤ 2) = 1 − 0.9772 = 0.0228

Resultado: 2% de los invitados toman más de 41 tazas de ponche.

c) Se trata de resolver: P(19 ≤ x ≤ 31)

Gráficamente:

σ=8

19 µ = 25 31 x

• Se estandariza la variable.

19 − 25 x − µ 31 − 25
P( ≤ ≤ ) = P (−0.75 ≤ z ≤ 0.75 )
8 σ 8
162
Gráficamente:

σ=1

-0.75 µ = 0 0.75 z

• Se lee el resultado en tabla de distribución normal.

P(−0.75 ≤ z ≤ 0.75) = P(z ≤ 0.75) − P(z ≤ −0.75) = 0.7734 − 0.2266 = 0.5468

Resultado: El 55% de los invitados a la fiesta de San Juan consumen entre 19 y 31 tazas de
ponche.

d) Se quiere calcular los límites del 80% central: P(x1 ≤ x ≤ x 2 ) = 0.80

Gráficamente:

80% σ=8

X1 µ = 25 X2 x

• Se estandariza la variable.

x 1 − 25 x − µ x 2 − 25
P( ≤ ≤ ) = 0.80
8 σ 8

P (z1 < z < z 2 ) = 0.80

Gráficamente:
80%
σ=1

z1 µ=0 z2 z

• Leyendo en tablas de distribución normal, se determinan los límites de z.

z0,10 = -1.28 z0,90 = 1.28

Sustituyendo en la variable estandarizada, se pueden hallar los límites:

163
 x1 − 25
−1.28 = x1 = 25 − (1.28) (8) = 14.76
8

x 2 − 25
1.28 = x 2 = 25 + (1.28) (8) = 35.24
8

Respuesta: El 80% central de asistentes a la fiesta, tomarán entre 15 a 35 tazas de ponche.

4. APROXIMACIÓN NORMAL A LA BINOMIAL

Se utiliza cuando np y nq son mayores a 5. Esto quiere decir que el número de ensayos es
mayor a 20 (y por lo tanto ya no se puede usar la tabla de valores acumulados) y la
probabilidad de éxito es cercana a 0.5. En estas condiciones, la distribución binomial se acerca
mucho a la forma de la distribución normal, y es mejor y más fácil calcular las distintas
probabilidades con esta aproximación.

Factor de corrección por continuidad

Debido a que se está aproximando una distribución discreta a una continua, es necesario un
factor de corrección.

El factor de corrección por continuidad es el valor 0.5 que se resta o se suma, dependiendo del
problema, a un valor seleccionado cuando una distribución probabilística binomial se está
aproximando por medio de una distribución de probabilidad continua.

La variable estandarizada, en este caso se encuentra por medio de la siguiente ecuación, en la

que se usa la media y la desviación estándar de la distribución binomial:

(x ± 0.5) − np
Z=
npq

Ejemplo

La gerencia de la cadena de pizzerías CAPRI reveló que el 70% de sus nuevos clientes
vuelven en otra ocasión. En una semana en la que 80 nuevos clientes (de primera vez) cenaron
en uno de sus establecimientos, ¿cuál es la probabilidad que:

a) 60 o más regresen en otra ocasión?

b) menos de 40 regresen en otra ocasión?

Resolución.

En primer lugar se debe verificar si el modelo que se ajusta al problema es el binomial.

• El número de pruebas es fijo. n=80.

• El resultado es dicotómico. éxito=los clientes vuelven, fracaso=no vuelven.
• Probabilidad de éxito constante. p=0.7
• Los sucesos son independientes. Que una persona vuelva, no está relacionada a la
164
 decisión de otras personas.

Luego, para observar la conveniencia de utilizar la aproximación, se tratará de resolver el inciso

a) del problema con la fórmula binomial.

a) Se pide: P(x ≥ 60)

Esto se podría tratar de resolver de dos maneras:

Primera: P(x ≥ 60) = P(x = 60) + P(x = 61) + K + P(x = 80)

Segunda: P(x ≥ 60) = 1 − P(x ≤ 59) = 1 − [ P(x = 59) + P(x = 58) + K + P(x = 0)]

En cada caso, se debe resolver 20 ó 60 veces la fórmula binomial, para hallar el resultado. Se
concluye que es mejor realizar la aproximación.

Para realizar la aproximación, primero se debe verificar si se cumple con las dos condiciones:
np y nq sean mayores a 5.

np = 80(0.7) = 56 nq = 80(0.3) = 24

Luego se hallan los valores de la media y la desviación estándar:

µ = np = 80(0.7) = 56 σ = npq = 80(0.7)(0.3) = 4.1

a) Se pide: P(x ≥ 60)

Gráficamente:
σ = 4.1

µ =56 60 x

Se estandariza la variable:

 (x ± 0.5) − µ (60 − 0.5) − 56 

P ≥  = P (z ≥ 0.85 )
 σ 4.1 
En este caso se resta 60 – 0.5, para hallar la variable estándar, ya que siempre se tratará de
cubrir un poco más de área, para realizar la corrección por continuidad.

Gráficamente:
σ=1

µ =1 0.85 z
165
La probabilidad se determina mediante la tabla de normal estándar de cola superior del anexo.
P(x ≥ 60) = 0.1977

Respuesta: Hay una probabilidad de 19.77% de que de 80 personas que vinieron la primera
vez a la pizzería CAPRI, 60 o más regresen.

b) Se pide: P(x < 40)

Estandarizando:
 (x ± 0.5) − µ (40 + 0.5) − 56 
P ≥  = P (z ≥ −3.78 )
 σ 4.1 

Gráficamente:

40 µ = 56 x
-3.78 µ=1 z

En este caso, para cubrir un poco más del área, se tuvo que sumar 40 + 0.5, para realizar la
corrección por continuidad.

Usando la tabla normal estándar, se halla la probabilidad pedida:

P(x < 40) = 0.00008

Respuesta: La probabilidad de que menos de 40 regresen a CAPRI es del 0.008%.

5. ÁRBOL DE DECISIÓN PARA ELEGIR LA DISTRIBUCIÓN TEÓRICA ADECUADA

EN LA RESOLUCIÓN DE PROBLEMAS

Se muestra un árbol de decisión para ajustar una distribución empírica a un modelo

probabilístico.

166
 ÁRBOL DE DECISIÓN PARA ELEGIR LA DISTRIBUCIÓN ADECUADA

PARA LA RESOLUCIÓN DE PROBLEMAS

n>25
p<0.05 Poisson µ x e−µ
P(x, µ) =
independiente x!
Binomial
dicotómico (x ± 0.5) − np
n np>5 Aproximación Z =
P(x) =   p x q n − x nq>5 a la normal npq
x
fijo dependiente  N1  N − N1 
Hipergeométrica   
n−x 
P(x) =  
x
categoría  N
 
discreta n
n
variable independiente Multinomial n!
f (x1, x2,..., xK ) = n
*Π P (xi )xi
Π x!
i=1
i
i=1

continua dicotómico Binomial *

independiente negativa B (n, c, p ) = 1 - B (x -1, n, p )

¿Tipo de
variable?
− (x −µ )2
¿Número de 1 X −µ
Normal y= e 2 σ2
−∞ ≤ x ≤ ∞ z=
ensayos? σ
¿Resultados 2πσ
¿Naturaleza
posibles?
de las
pruebas?

167
 EJERCICIOS DE CLASE

Binomial.

1. En un día veraniego muy caluroso, 10% de los trabajadores de producción de una empresa
están ausentes del trabajo. Se van a seleccionar al azar 10 obreros para un estudio especial
a profundidad sobre el ausentismo.

a. ¿Cuál es la variable aleatoria en este problema ?

b. ¿Tal variable es discreta o continua? ¿Por qué?
c. ¿Cuál es la probabilidad de seleccionar al azar 10 nombres de trabajadores y descubrir
que ninguno está ausente?
d. Calcule la media y varianza.
e. Represente la distribución mediante una gráfica.
f. Encuentre la probabilidad acumulada y represéntela en un diagrama.

2. El departamento de mercadeo de una compañía planea realizar una encuesta nacional para
determinar si los consumidores de cereales en hojuelas pueden distinguir uno de sus
productos favoritos, de los otros del mismo tipo. Para probar el cuestionario y el
procedimiento que se van a emplear, se pidió a ocho personas que cooperaran en un
experimento. Se colocan frente a la persona 5 tazones pequeños marcados A, B, C, D y E
con cereal y se le informó que solo uno tenía su producto favorito. Suponga que la persona
no pudo identificar el cereal y sólo conjeturó que estaba en el tazón C.

a. ¿Cuál es la probabilidad de que haya adivinado correctamente?

b. ¿Cuál es la probabilidad de que ninguna de las ocho adivine en forma correcta?
c. Suponga que siete de la ocho identificaron el cereal que más les gustaba. ¿Es razonable
pensar que solo estaban adivinando? Justifique su respuesta.

Hipergeométrica.

3. En Alke se acaba de recibir un embarque de 10 aparatos de TV. Poco después de recibirlos,

el fabricante llamó para informar que por descuido habían enviado tres aparatos
defectuosos. Se decidió probar dos de éstos. ¿Cuál es la probabilidad de que ninguno de los
dos esté defectuoso?.

4. Un profesor tiene un conjunto de 15 preguntas de opción múltiple referente a distribuciones

probabilísticas. Cuatro de estas preguntas se relacionan con la distribución hipergeométrica.
¿Cuál es la probabilidad que al menos una de estas preguntas sobre la distribución
hipergeométrica aparezca en el examen de cinco preguntas del próximo lunes?

Poisson.

5. Un productor de semillas híbridas tiene problemas con gusanos barrenadores del maíz. Una
verificación aleatoria de 5.000 mazorcas reveló estos datos: muchas mazorcas no tenían
gusanos. Algunas tenían uno, otras tenían dos, etc. La distribución del número de
barrenadores se aproximó a una Poisson. El productor contó 3.500 gusanos en las 5.000

168
 mazorcas. ¿Cuál es la probabilidad que una mazorca seleccionada al azar no contenga
gusanos?

6. Los automovilistas llegan a una salida de una carretera a razón de dos por minuto. La
distribución de llegadas se aproxima a una distribución de Poisson.

a) ¿Cuál es la probabilidad que en un minuto específico no lleguen automóviles?

b) ¿Cuál es la probabilidad que al menos un automóvil llegue durante un minuto específico?

Multinomial.

7. En una ciudad muy grande, la televisión nacional tiene el 40% de los televidentes el viernes
por la noche, un canal local tiene 20%, la televisión por cable tiene 30% y 10% ve
videograbaciones. ¿Cuál es la probabilidad de que entre siete televidentes seleccionados al
azar en esa ciudad en una noche de viernes, dos estén viendo la televisión nacional, uno
esté viendo el canal local, tres estén viendo televisión por cable y uno esté viendo una
videograbación?

8. Si un dado se tira 5 veces. ¿Cuál es la probabilidad de que los resultados sean un 1, un 2, y

otros tres números?

Binomial negativa.

9. Un estudiante contesta oralmente un test de elección múltiple con cinco respuestas.

Contesta preguntas hasta que responde correctamente cinco. ¿Cuál es la probabilidad de
que las responda en 25 preguntas o menos, si responde a cada pregunta sin pensar?

10. Se estima que el 90% de un cosecha de papas es buena, estando podridas por dentro las
restantes, pero no puede descubrirse a menos que las papas se corten por la mitad.

a) ¿Cuál es la probabilidad de obtener 20 o menos papas buenas en un saco de 25?

b) Supóngase que el cocinero necesita 20 papas buenas para una comida, para lo que
elige papas al azar, las corta por la mitad y tira las malas. ¿Cuál es la probabilidad de
que tenga que partir más de 25 papas?

Normal.

11. A los empleados de una empresa les otorgan puntuaciones por eficiencia. La distribución
de estas sigue aproximadamente una distribución normal. La media es 400, y la desviación
estándar, 50.

a) ¿Cuánto vale el área bajo la curva normal entre 400 y 482?

b) ¿Cuáles son los límites del 80% de la distribución? (de los valores centrales).

12. Supóngase que un fabricante de neumáticos desea fijar una garantía de millas recorridas
para su nuevo neumático MX100. Las pruebas de duración revelaron que la media de
millas recorridas es de 47.900 , y la desviación estándar es de 2.050 millas. El fabricante
desea fijar la garantía de manera que no tenga que reemplazar mas del 5% de los
neumáticos.

169
 a) ¿Cuál es este valor en millas?
b) ¿Cuál es la probabilidad de que los neumáticos duren mas de 50.000 mi.?

Aproximación normal a la binomial.

13. Se estima que 0.5% de las llamadas telefónicas a la Boliviana de Seguros reciben señal de
ocupado. ¿Cuál es la probabilidad que de las 1.200 llamadas telefónicas del día de hoy, al
menos 5 hayan recibido la señal de ocupado?

14. Un estudio realizado por una compañía aseguradora reveló que los propietarios no
recuperaron los bienes robados en 80% de los robos informados a la aseguradora.

a) Durante un cierto período ocurrieron 200 robos. ¿Cuál es la probabilidad de que no se

recuperen los bienes en 170 o más de los asaltos?
b) ¿Cuál es la probabilidad de que ninguno de los bienes robados se recobre en 150 o
más de los asaltos?

170
 EJERCICIOS PROPUESTOS

1. Un director de control de calidad de una compañía de automóviles, se encuentra realizando

su revisión mensual de transmisiones automáticas. En el procedimiento, se retiran 10
transmisiones de la pila de componentes y se les revisa en busca de defectos de
fabricación. A lo largo del tiempo, solo el 2% de las transmisiones tiene defectos (suponga
que los defectos se presentan de manera independiente en diferentes transmisiones).

a) ¿Cuál es la probabilidad de que la muestra del director contenga más de dos

transmisiones con defectos de fábrica?
b) ¿Cuál es la probabilidad de que ninguna de las transmisiones elegidas tenga defectos de
fábrica?

2. Usted está a cargo de la sección de electrónica de una gran tienda departamental. Se ha

dado cuenta de que la probabilidad de que un cliente que solamente se encuentre
curioseando compre algo es de 0.3. Suponga que 15 clientes visitan la sección de
electrónica cada hora.

a) ¿Cuál es la probabilidad de que al menos una de las personas que curiosea compre algo
durante una hora dada?
b) ¿Cuál es la probabilidad de que al menos 4 personas que curiosean compren algo en una
hora dada?
c) ¿Cuál es la probabilidad de que ninguna de las personas que curiosean compren algo en
una hora dada?
d) ¿Cuál es la probabilidad de que no más de 4 personas que curiosean compren algo en
una hora dada?

3. Un supervisor de producción de una planta de una compañía, está preocupado por la

habilidad de un empleado ya mayor para mantener el menor ritmo de trabajo. Además de los
descansos diarios obligatorios, este empleado deja de trabajar durante períodos cortos un
promedio de 4.1 veces por hora. El período de descanso que se toma es de tres minutos
cada vez. El supervisor ha decidido que si la probabilidad de que el descanso adicional, 12
minutos o más por hora, del empleado (es decir, además del obligatorio), es mayor que 0.5,
entonces lo cambiará a una tarea diferente. ¿Deberá hacer esto?

4. Un ingeniero de control de calidad quiere comprobar (de acuerdo con las especificaciones)
si el 95% de los componentes electrónicos embarcados por su compañía están en perfectas
condiciones de funcionamiento. Para tal efecto se seleccionan aleatoriamente 15
componentes de cada lote listo para ser embarcado y se aprueba su salida si todos están en
perfectas condiciones de funcionamiento; de lo contrario, todos los componentes del lote son
revisados. Encuéntrese las probabilidades de que el ingeniero de control de calidad cometa
el error de

a) mantener un lote para revisión adicional a pesar de que el 95% de los componentes están
en perfectas condiciones de funcionamiento;
b) aprobar la salida de un lote completo sin revisión adicional a pesar de que solamente el
90% de los componentes están en perfectas condiciones de funcionamiento;

171
 c) aprobar la salida de un lote completo sin revisión adicional a pesar de que solamente el
80% de los componentes están en perfectas condiciones de funcionamiento.

5. Un ingeniero de control de calidad inspecciona una muestra aleatoria de 3 acumuladores de

cada lote de 20 que están listos para ser embarcados. Si un lote contiene 6 acumuladores
con pequeños defectos, ¿cuáles son las probabilidades de que la muestra del inspector
contenga

a) ninguna de las baterías con defectos;

b) solamente una de las baterías defectuosas;
c) al menos dos de las baterías con defectos leves?

6. Las probabilidades de que conduciendo cierto sedán de dos puertas en la ciudad se obtenga
un rendimiento promedio de menos de 20 millas por galón de combustible, de 20 a 25 millas
por galón o más de 25 millas por galón con 0.3, 0.6 y 0.1, respectivamente. Obtenga la
probabilidad de que entre 6 automóviles de ese tipo sometidos a prueba, dos promedien
como mínimo 20 millas por galón, tres promedien de 20 a 25 millas por galón y uno
promedie más de 25 millas por galón.

7. En una gran universidad se ha determinado que el 20% vive en residencias, el 30% en la

universidad y el 50% en casas particulares. Si se elige un comité de 5 estudiantes,
eligiéndose cada uno independientemente de los demás

a) ¿Cuál es la probabilidad de que el comité esté formado por un estudiante que viva en la
universidad, por uno que viva en una casa particular y por tres que vivan en residencias?
b) ¿Cuál es la probabilidad de que esté formado por tres o más estudiantes que vivan en
residencias?

8. Un fabricante de proyectiles dirigidos sostiene que sus proyectiles son eficaces en un 90%.
La fuerza aérea comprueba las existencias realizando disparos, siendo necesarias 11
pruebas para obtener cuatro éxitos. ¿Cuál es la probabilidad de que se necesiten 11 o más
pruebas si p = 0.9 . ¿Qué conclusión es razonable sacar?

9. Un conocido jugador de béisbol tiene un tiempo medio de bateo de 0.3. Necesita 32 éxitos
más para aumentar su tiempo medio a 3.0. ¿Cuál es la probabilidad de que necesite batear
100 o menos veces para conseguir su propósito?

10. Una compañía ha recibido un gran pedido para producir motores eléctricos para una
compañía manufacturera. Con el fin de que ajuste en su soporte, el rotor del motor debe
tener un diámetro de 5.1 ± 0.05 (pulgadas). El encargado de compras de la compañía se
da cuenta de que hay en existencia una gran cantidad de varillas de acero con un diámetro
medio de 5.07 plg., y con una desviación estándar de 0.07 pulg. ¿Cuál es la probabilidad
de que una varilla de acero del inventario se ajuste en el soporte?

11. Ciertos bastoncillos de plástico moldeados por inyección son cortados automáticamente en
longitudes nominales de 6 pulgadas. Las longitudes reales están distribuidas normalmente
alrededor de la media de 6 pulgadas y sus desviaciones estándar son 0.06 pulgadas.

172
 a) ¿Qué proporción de los bastoncillos rebasan los límites de tolerancia, que son de 5.9 a
6.1 pulgadas?
b) ¿A qué valor es necesario reducir la desviación estándar si 99% de los bastoncillos debe
estar dentro de los límites de tolerancia?

12. La compañía Quickie Sales acaba de recibir dos estimaciones de ventas que se consideran
conflictivas para el trimestre que se avecina. La estimación I dice que las ventas (en
millones de dólares) están normalmente distribuidas con µ = 325 y σ = 60. La estimación II
dice que las ventas estarán normalmente distribuidas con µ = 300 y σ = 50. La junta de
directores encuentra que cada estimación parece, a priori, ser igualmente fidedigna. Con el
fin de determinar cuál estimación deberá utilizarse para hacer predicciones, la junta de
directores ha decidido reunirse de nuevo al final del trimestre y utilizar información
actualizada sobre las ventas para tomar una determinación sobre la credibilidad de cada
estimación.

a) Suponiendo que la estimación I es precisa, ¿cuál es la probabilidad de que la compañía

tenga ventas trimestrales mayores a 350000000 $?
b) Rehaga el inciso anterior suponiendo que la estimación II es la correcta.
c) Al final del trimestre, la junta de directores encuentra que la compañía tiene ventas
mayores a 350000000 $. Dada esta información actualizada, ¿cuál es la probabilidad de
que originalmente la estimación I haya sido la correcta? (Sugerencia: recuerde el
teorema de Bayes).

13. Un estudio realizado por una compañía aseguradora reveló que los propietarios no
recuperaron los bienes robados en 80% de los robos informados a la aseguradora.

a) Durante un cierto período ocurrieron 200 robos. ¿Cuál es la probabilidad de que no se

recuperen los bienes en 170 o más de los asaltos?

b) ¿Cuál es la probabilidad de que ninguno de los bienes robados se recobre en 150 o

más de los asaltos?

14. La probabilidad de que un componente electrónico falle en menos de 1000 horas de uso
continuo es 0.25. Utilícese la aproximación normal para encontrar la probabilidad de que
entre 200 de tales componentes menos de 45 fallen en menos de 1000 horas de uso
continuo.

15. El estadio Félix Capriles tiene cuatro torres de luz con 25 reflectores de alta intensidad
montados en cada una de ellas. En ocasiones, una torre completa se queda a oscuras.
Daniel Torres, jefe de mantenimiento del estadio, se pregunta qué distribución tendrán los
fallos en las torres de luz. El sabe que cualquier torre individual tiene una probabilidad de
0.11 de fallar durante un juego de fútbol dado y que las torres son independientes entre si.

Construya una gráfica, que muestre las probabilidades de que exactamente 1, 2, 3 0 4

torres se queden a oscuras durante el mismo juego.

16. Daniel Torres sabe que la probabilidad de que cualquiera de los 25 reflectores de una torre
de luz falle durante un juego dado de fútbol es de 0.05. Los sistemas eléctricos de la torre
han sido modificados de modo que ya no es posible que falle una torre completa.

173
 a) Utilizando las aproximaciones Binomial y de Poisson, determine la probabilidad de que
siete reflectores de una torre dada fallen durante el mismo juego.
b) Utilizando ambos métodos, determine la probabilidad de que dos reflectores fallen.

17. Se estima que el 90% de un cosecha de papas es buena, estando podridas por dentro las
restantes, pero no puede descubrirse a menos que las papas se corten por la mitad.

a) ¿Cuál es la probabilidad de obtener 20 o menos papas buenas en un saco de 25?

b) Supóngase que el cocinero necesita 20 papas buenas para una comida, para lo que
elige papas al azar, las corta por la mitad y tira las malas. ¿Cuál es la probabilidad de
que tenga que partir más de 25 papas?

18. Un embarque de 200 alarmas contra robo, contiene dos piezas defectuosas. Se
seleccionan al azar 5 alarmas contra robo para enviarlas a un cliente.

a) Halle la probabilidad de que el cliente reciba exactamente una alarma contra robo
defectuosa.
b) Halle la probabilidad de que el cliente reciba exactamente una alarma contra robo
defectuosa, si se supone que el embarque es lo suficientemente grande como para
considerarla una población infinita.

19. Una florería necesita 12 helechos exóticos plantados para una exposición floral que se
celebrará en seis meses. Sabe que la probabilidad de que un helecho plantado ahora sea
ideal para la exposición dentro de seis meses es de 0.7. Está interesado en conocer el
número mínimo de helechos que debería plantar, si quiere que la probabilidad de tener 12
helechos apropiados en seis meses sea por lo menos 0.9.

a) ¿Serán suficientes 15? Obtenga la probabilidad de que si planta 15 helechos, tenga

como mínimo 12 plantas ideales.
b) ¿Serán suficientes 20? Obtenga la probabilidad de que si planta 20 helechos, tenga
como mínimo 12 plantas ideales.
c) ¿Serán suficientes 30? Obtenga la probabilidad de que si planta 20 helechos, tenga
como mínimo 12 plantas ideales.

20. En una ciudad determinada, 4% de los conductores con licencia se verán involucrados por
lo menos en un accidente automovilístico en cualquier año de referencia. Determinar la
probabilidad de que entre 150 conductores con licencia seleccionados al azar en esta
ciudad,

a) Sólo 5 se vean involucrados por lo menos en un accidente, en cualquier año de

referencia.
b) como máximo tres se vean involucrados por lo menos en un accidente en cualquier año
de referencia.

21. Una máquina troqueladora produce tapas de latas cuyos diámetros tienen una desviación
de 0.01 pulgadas. ¿En qué diámetro nominal promedio debe ajustarse la máquina, de tal
manera que no más del 5% de las tapas producidas tengan diámetros que excedan las 3
pulgadas?

174
22. La experiencia de una empresa química al aplicar una prueba a universitarios recién
egresados que han solicitado trabajos, reveló que la puntuación media de prueba fue de
500, y una desviación estándar de 50.

Con base en esta experiencia, la dirección está considerando aceptar a una persona cuya
puntuación sea 6% superior de la distribución y contratarla directamente para un puesto de
responsabilidad.

a) ¿Cuál es la puntuación más baja que debe tener un egresado universitario para calificar
para un puesto de responsabilidad?
b) Con base en el desempeño anterior, el director de personal planea no tomar en cuenta
a las personas que tengan puntaciones de 400 o menos en la prueba.
Aproximadamente, ¿qué porcentaje de los solicitantes no se tomará en cuenta?
c) Debido al número limitado de vacantes este año, los solicitantes con puntuaciones entre
400 y 485 se pondrán en espera o reserva. ¿Qué porcentaje de los solicitantes quedará
en espera? Si solicitaron trabajo en la empresa un total de 500 estudiantes, ¿cuántos
quedarán en la clasificación de espera?

175
 EJERCICIOS PARA EXAMEN

DECISIONES EN LA GERENCIA DE RECURSOS HUMANOS

DE UN BANCO

Usted es el nuevo gerente de Recursos Humanos de un banco. Cada día tiene que resolver
múltiples problemas y realizar muchas decisiones que afectan a la empresa. Para ello el banco
ha montado un departamento de Estadística, ya que anteriormente se hacían decisiones que
no estaban basadas en métodos técnicos, sino en la experiencia del anterior gerente.

1. El primer problema es decidir una contratación en el área de recursos humanos. Existen 13

candidatos que pasaron la selección de curriculums para el puesto de analista financiero.
Luego de esta primera ronda, se someterá a los candidatos a 5 exámenes: test psicológico,
de coeficiente intelectual, de aptitudes, de conocimientos sobre finanzas y un test de cómo
resolver situaciones conflictivas. Sólo pasarán a la tercera ronda, los profesionales que
aprueben los 5 exámenes. El departamento de estadística manifiesta que existe una
probabilidad del 32% que una persona apruebe los 5 exámenes. Si la probabilidad de que a
lo más 4 de los 13, aprueben los 5 exámenes es menor a 50%, entonces se tendrá que
planificar una metodología para la selección en la tercera ronda, la cual será realizada por el
gerente de recursos humanos, pero si no, se elegirá en base al criterio que usted tenga de
los candidatos luego de una entrevista informal.

a) ¿El gerente de recursos humanos tendrá que planificar una metodología para la tercera
ronda para la contratación?
b) Una vez que alguno de los postulantes sea elegido, éste tendrá que pasar por un periodo
de prueba, que generalmente dura tres meses, donde deberá resolver varios problemas
financieros de la empresa que sucedieron en años anteriores. Así que usted configuró
varios casos históricos para evaluarlo. El nuevo analista financiero resolvió
satisfactoriamente 3 casos en este periodo. La probabilidad de que resuelva
satisfactoriamente un caso (en base a su currículum y a los exámenes aplicados) era del
80%. ¿Cuál es la probabilidad de que haya resuelto los tres casos satisfactoriamente, en
5 casos o menos que usted le otorgó? Si esta probabilidad es mayor a 70%, el analista
quedará contratado definitivamente. ¿Será contratado o no?

2. El segundo problema es con respecto al tiempo de espera de los clientes, cuando tienen que
realizar alguna transacción en las cajas del banco. Usted oye cada día un promedio de 5
quejas, que dicen que los clientes esperan para ser atendidos más de media hora. Usted,
debe tomar la determinación de contratar a un nuevo cajero que aminore este tiempo de
espera y abrir una caja más en el banco. Si la probabilidad de que en un día específico 5 o
más personas se quejen es mayor a 40%, entonces se procederá a realizar un proceso de
selección para el puesto de cajero.

a) ¿Qué deberá hacer?

b) Según datos de la empresa, del total de clientes que vienen a realizar alguna transacción,
el 10% cobran cheques, el 30% realiza un depósito, 40% retira dinero y 20% realiza
movimientos a otras cuentas. El día lunes, de 8:00 a 8:30, vinieron 15 personas a la caja
n° 1 del banco, especializada en depósitos y retiro de dinero, de las cuales 1 cobró un
cheque, 3 retiraron dinero de sus cuentas, 10 realizaron un depósito y otro hizo un
176
 movimiento a otra cuenta. Si la probabilidad de esta mezcla es del 0.5% o mayor, la caja
seguirá manteniendo su especialización, caso contrario se quitará el letrero de
especialización. ¿Cuál es su decisión?

3. El tercer problema es el siguiente: Se cree que el promedio de cuentas en el banco ha

disminuido considerablemente. Datos estadísticos manifiestan que en el último año, la
probabilidad de que una persona cierre su cuenta es del 40%. Usted seleccionó 200 cuentas
al azar, para ver cuáles habían sido cerradas o no este mes. Si la probabilidad de que halle
entre 60 a 70 cuentas cerradas es del 20%, usted aprobará una campaña de publicidad
agresiva que será realizada por el departamento de marketing del banco. Caso contrario,
esta disminución se atribuirá a una situación manejable, que no debe preocupar y por lo
tanto se desecha la hipótesis anterior.

a) ¿Se realizará una campaña de publicidad?

b) ¿Cuál es la probabilidad de que de 20 personas que vengan al banco, más de 7 cierren
sus cuentas?

4. Cuarto problema: También se cree que el promedio de dinero en las cuentas disminuyó
considerablemente. Para comprobar esta hipótesis, usted pidió al departamento de
estadística que haga dos análisis: uno pesimista y el otro optimista. El primero tiene una
probabilidad de ajustarse a la realidad de 40%. Tomando el análisis pesimista, se calculó un
promedio de cuenta de 5000 $us., con una desviación de 230 $us. Bajo el otro análisis, el
promedio de cuenta fue de 6500 $us., con una desviación de 420 $us.

a) ¿Cuál es la probabilidad de que tomando un análisis pesimista, el grupo de clientes del

próximo mes en promedio, abran sus cuentas con más de 5500 $us. cada una?
b) ¿Cuál es la probabilidad de que tomando un análisis optimista, el grupo de clientes del
próximo mes en promedio, abran sus cuentas con más de 5500 $us. cada una?
c) El mes pasó y se constató que el grupo de clientes abrieron sus cuentas con menos de
5500 $us. en promedio cada uno. ¿Cuál es la probabilidad de que el análisis pesimista
haya sido el que se ajustó más a la realidad?
d) Si el análisis pesimista se ajustó mejor a la realidad, entonces usted promoverá a través
del departamento de marketing y finanzas, planes de incentivo a los clientes que tienen
más de 5500 $us. en sus cuentas. ¿Cuál es su decisión?

177
 CASO DE ESTUDIO

SPRINGVILLE HERALD

FASE 6

El departamento de mercadotecnia del periódico ha intentado aplicar una iniciativa estratégica

para incrementar las ventas por entrega a domicilio mediante una agresiva campaña de
comercialización directa que incluye propaganda por correo, cupones de descuento y llamadas
telefónicas. Un aspecto surgido por las llamadas telefónicas a nuevos clientes, se relaciona con
la hora de entrega del periódico en la mañana. Los clientes potenciales, al igual que los
existentes están muy interesados en recibir el periódico temprano por la mañana, sobre todo en
días hábiles, por dos razones principales. En primer lugar, a muchos clientes les gusta llevarse
el periódico para leerlo en el recorrido al trabajo. En segundo lugar, y de modo más crítico,
muchos clientes no quieren un periódico en sus puertas cuando no están en casa durante el
día, porque piensan que un periódico no recogido es una señal para los ladrones de que no hay
nadie en casa.

Después de varias sesiones de lluvia de ideas, un equipo formado por gerentes y

representantes de ventas de departamento de mercadotecnia decidió que debían desarrollar
una política para garantizar la entrega a una hora específica. Después de recopilar datos entre
un grupo focal de clientes, el equipo decidió que debían garantizar la entrega antes de las 7
a.m. y que el cliente no pagaría el día o los días que no llegara el periódico a esa hora.

Antes de instituir esta política, el equipo necesitaba determinar qué porcentaje de clientes con
entrega a domicilio recibiría un periódico gratis si esta política se aplicara al proceso de entrega
actual. Al Leslie, el director de investigaciones, sugirió que los datos que se registraban por
rutina podían usarse para estimar las horas de entrega actuales. En una reunión posterior,
informó al grupo que basado en los datos recopilados entre todos los clientes con entrega
domicilio la semana anterior, 76% no recibió la entrega antes de las 7 a.m.

Ejercicios

a) Suponga que el grupo pretendía un estudio más profundo del proceso antes de instituir
cualquier cambio. Si se selecciona una muestra de 5 clientes en un día dado, hallar la
distribución de probabilidad para el número de personas que no recibieron la entrega antes
de las 7 a.m. ¿Cuál es la probabilidad de que:

a.1. Menos de tres clientes reciban un periódico gratis?

a.2. Entre dos y cuatro clientes reciban un periódico gratis?

a.3. Más de dos clientes reciban un periódico gratis?

b) Si pudiera mejorarse el proceso de entrega de periódicos de manera que sólo 5% de los

clientes no recibiera el periódico antes de las 7 a.m., ¿cuál sería la probabilidad de que en
una muestra de 5 clientes

178
 b.1. Menos de tres clientes reciban un periódico gratis?

b.2. Entre dos y cuatro clientes reciban un periódico gratis?

a.3. Más de dos clientes reciban un periódico gratis?

Nota: No siga adelante hasta terminar los ejercicios de la fase 6.

179