pPráctica N˚ 1: Distribuciones de probabilidad

α/2

0.2667 0.4
β

0.5333
α/2 1
0.2

Distribuciones de probabilidad

OBJETIVOS

Definir que es una variable aleatoria

Definir y aplicar el concepto de Esperanza Matemática.
Definir y aplicar el concepto de varianza.
Aplicar las principales distribuciones de probabilidades a temas relacionados con
Ingeniería Industrial.

 TEMAS A TRATAR

Variables Aleatorias
Esperanza matemática y varianza.
Distribución binomial, poisson y normal.

 DURACIÓN DE LA PRÁCTICA

Una sesión (2 horas).

 MARCO TEÓRICO

1. Variable aleatoria
Son todas aquellas magnitudes donde cada uno de los valores que pueda tomar, en un
sistema de referencia o población, tiene asociada una cierta probabilidad de ocurrencia.
Definición: Se denomina variable aleatoria, a una variable estadística definida en un
espacio muestral Ω.

Una variable aleatoria X

es una función definida en
W tal que a cada elemento
ωi ∈ Ω le asocia el número
real x = X(ωi), ver en la
figura de la izquierda.

Ing. Ferly Urday Luna

 El dominio de la variable aleatoria X es el espacio muestral W y el rango es un
subconjunto de los números reales que se denotará por RX, siendo,
RX = {x ∈ ℜ / x = X(ω), ω∈Ω }

2. Variable aleatoria discreta

La función X es una variable aleatoria discreta, si el rango de X es contable (finito o
infinito numerable). Una V.A. discreta asume cada uno de sus valores con cierta
probabilidad que denotaremos por PX(Probabilidad inducida por X). En efecto si e rango
de la variable aleatoria X es el conjunto finito de números, RX = {1;2;...;Xn} y si B = {xi} es
un evento en RX, entonces:

P(xi) = P[X = xi] = P[ω ∈ Ω / X(ω) = xi]; ∀ i = 1;2;3;…..

Ejemplo 1
Sea Ω el espacio muestral de lanzar al aire una moneda tres veces consecutivas, esto
es,

Ω = {SSS, SSC, SCS, CSS, SCC, CSC, CCS, CCC}.

Si X se define en Ω como “el número de caras obtenidas”, entonces, X es una variable

aleatoria cuyo rango es el conjunto: RX = {0;1;2;3;4}. En efecto,

X = 0; corresponde al elemento elemental {SSS}.

X = 1; corresponde a los elementos elementales {SSC}, {SCS}, {CSS}.
X = 2; corresponde a los elementos elementales {SCC}, {CSC}, {CSS}.
X = 3; corresponde al elemento elemental {CCC}.

P[X = 0] = P({SSS}) = 1/8

P[X = 1] = P({SSC o SCS o CSS}) = 3/8
P[X = 2] = P({SCC o CSC o CSS}) = 3/8
P[X = 3] = P({CCC}) = 1/8

Ejemplo 2
Consideremos el experimento de lanzar dos dados y observar los números que
aparecen en las caras superiores. Encuentre la función de distribución de probabilidad
de la variable aleatoria y grafique para:
a) X: suma de los números que aparecen en las caras superiores de los dos dados.
b) X: diferencia de los números que aparecen en las caras superiores de los dos dados.
c) X: máximo de los dos números que aparecen en las caras superiores de los dos
dados.
d) Calcular para cada caso P[2 < X ≤ 5].

Solución: El espacio muestral asociado al experimento es:

(1-1) (1-2) (1-3) (1-4) (1-5) (1-6)

(2-1) (2-2) (2-3) (2-4) (2-5) (2-6)
Ω = (3-1) (3-2) (3-3) (3-4) (3-5) (3-6) ={(i;j) / i = 1; 2; 3; 4;5;6}
(4-1) (4-2) (4-3) (4-4) (4-5) (4-6) j = 1; 2; 3; 4;5;6
(5-1) (5-2) (5-3) (5-4) (5-5) (5-6)
(6-1) (6-2) (6-3) (6-4) (6-5) (6-6)
a) En este experimento los posibles valores de x(ω) = i + j, donde ω = {i;j} son 2; 3;
4;...;12.

Ing. Ferly Urday Luna

 Tenemos que x = 2 corresponde al evento (1-1) con probabilidad 1/36, esto es, P[x =
2] = P[(1-1)] = 1/36. Resolviendo por analogía para los demás casos, llegamos a la
siguiente distribución de probabilidad.

xi 2 3 4 5 6 7 8 9 10 11 12
pi ó f (xi) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36

Gráfica de la Distribución

x P(x)
2 1/36 Distribución de probabilidad
3 2/36
4 3/36 7/36
5 4/36 6/36
5/36
6 5/36 4/36 P(X)
7 6/36 3/36
8 5/36 2/36
1/36
9 4/36 0
10 3/36
1 2 3 4 5 6 7 8 9 10 11 12
11 2/36
12 1/36
La grafica de una distribución de probabilidades discreta se
denomina gráfica de bastones, que consiste en segmentos
verticales continuos o punteados de longitud proporcional a la
probabilidad respectiva en cada valor xi de la variable (Observar
el grafico de arriba)

Cálculo de P[2 < X ≤ 5]

Para encontrar esta probabilidad se debe hallar:
5
2 3 4 9 1
∑
x i =3
f ( x i ) = f (3) + f (4) + f (5) =
36
+
36
+
36
=
36
=
4
Realice Ud. los puntos (b); (c) y (d) del ejemplo 2.

Función de distribución acumulada de la variable aleatoria discreta.

F(x) = P[X ≤ x]
Ejemplo 3.- Hallar la función de distribución acumulada del punto (a) del ejemplo 2

0 x<2
1 6/36
1/36 2≤x<3
3/36 3≤x<4 1

6/36 4≤x<5 30/36

10/36 5≤x<6 24/36
15/36 6≤x<7
f (x) 18/36
21/36 7≤x<8
12/36
26/36 8≤x<9
30/36 9 ≤ x < 10 6/36

33/36 10 ≤ x < 11 0
35/36 11 ≤ x < 12 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14

36/36 x ≥ 12
Ejercicio.- Encontrar la función de distribución de probabilidad acumulada para los puntos
(b) y (c) del ejemplo 2.

Ing. Ferly Urday Luna

3. Esperanza matemática de una variable aleatoria discreta
La media de una v.a. X o media de la distribución de probabilidad de X es un número
real que se denota por µX o por µ. La media es denominada también, esperanza
matemática o valor esperado de X, se denota también por E(X)
La media de una variable aleatoria discreta X con función de probabilidad f (x) es la
expresión:
µ = E (X) = ∑ x f (x )
x i ∈R X
i i

Si el rango de X es un conjunto finito Si el rango de X es un conjunto infinito

RX = {x1; x2; ...; xn}, entonces: numerable RX = {x1; x2; ...}, entonces
n ∞
E(X) = ∑ x i f ( x i ) E(X) = ∑ x i f ( x i )
i =1 i =1

4. Varianza de una variable aleatoria discreta

Se denota por cualquiera de estas formas:
σ 2 ; σ X2 ; Var(X); v(X)
Sea X una v.a. con distribución de probabilidad f(x) y con media igual a m. La varianza
de X es la expresión:

σ X2 = E[( X − µ ) 2 ] = ∑ ( x − µ ) 2 f ( x i )
i

La desviación estándar es la raíz cuadrada de la varianza.

Ejemplo 4.- Hallar la media y la varianza del punto (a) del ejemplo 2.

Cálculo de la media o de la esperanza matemática.

µ = E(X) = ∑ x f (x )
x i ∈R X
i i

xi 2 3 4 5 6 7 8 9 10 11 12
pi ó f (xi) 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
Procedemos a multiplicar cada xi por f(xi) y luego sumamos. Obteniendo que µ = 7.
Conclusión: La esperanza matemática de la suma de dos dados que son lanzados es 7.
Cálculo de la varianza
Se procede a elevar al cuadrado cada suma de par de dados, multiplicar ese valor por su
probabilidad y hallar dicha suma, obteniéndose: 54,83. Luego
Var(X) = E(X2)-µ2 = 54,83 – (7)2 = 54,83 – 49 = 5,83
Var (X) = 5,83

5. DISTRIBUCION BINOMIAL
a) Las n pruebas son estadísticamente independientes
b) Los resultados de cada prueba son dos mutuamente excluyentes, éxito (E) y
fracaso(F).
c) La probabilidad de éxito en invariante en cada una de las pruebas.

n
f ( x ) = P[ X = k ] =   p k q n − k , con k = 0,1,2,3..., n
k 
0, si x < 0
 n  n 
F ( x ) = P[ X = x ] = ∑   p k q n − k , si x = 0,1,2,..., n − 1
 k =0  k 
1, si x ≥ n

Ing. Ferly Urday Luna

 Si X ~ B ( n, p ) , entonces:

µ = E ( X ) = np σ 2 = Var ( X ) = npq

6. DISTRIBUCIÓN DE POISON
Se aplica a problemas donde la variable aleatoria es el número de eventos
independientes que ocurren en un intervalo de tiempo, o en una región plana(con un
promedio dado), por ejemplo, entre otros:
a) Número de llamadas que recibe una central telefónica en el periodo de un minuto.
b) Número de accidentes de trabajo que ocurren en una fabrica durante una semana.
c) Número de fallas en la superficie de una cerámica rectangular.
d) Número de bacterias en un volumen de un m3 de agua.

e −λ λx
f ( x ) = P[ X = x ] = , Con x = 0,1,2.... e = 2,718282
x!
Si X ~ P (λ ) , entonces:

µ = E( X ) = λ σ 2 = Var ( X ) = λ

7. Extensión o reducción del intervalo unitario

La probabilidad de que ocurra k eventos de Poisson en un intervalo de tiempo o en
una región de tamaño t es: Donde λ es el número promedio de
ocurrencias por unidad de periodo o
e − λ .t ( λ t ) k
P[ X = k ] = ,Con k = 0 ,1, 2....,etc región (λt es el número promedio de
k! ocurrencias de eventos en el periodo o
región de tamaño t)

8. Aproximación de la distribución binomial a la de poisson.

Sea X ~ B( n , p ). Si cuando n  ∞, p  0 y λ = np permanece constante,
entonces la distribución binomial se aproxima a la distribución de Poisson con
parámetro λ.

Entonces esta aproximación nos permite resolver el problema de distribución

binomial aplicando la distribución de Poisson, básicamente cuando:

n ≥ 30 y p ≤ 0,05

9. La distribución normal

Se dice que una variable aleatoria continua, X, que toma los valores reales, -∞ < µ < ∞,
se distribuye normalmente ( o más brevemente es normal) con parámetros µ y σ y se
describe por X ~ N(µ, σ2), si su función de densidad es:
2
1  x−µ 
1 −  
2 σ 
f ( x) = e
σ 2π

Ing. Ferly Urday Luna

 Su gráfica de función de densidad es:
f(x)

0 µ X
Estandarización
Si la variable aleatoria X tiene una distribución normal, entonces, la variable aleatoria
estándar N(µ, σ2) Z, tiene una distribución normal N( 0 ; 1 ).

X −µ
z=
σ

ACTIVIDADES DE LA PRÁCTICA

1) Una muestra de aire, en la sección fundición de una empresa minera, tiene 10% de
posibilidades de contener una molécula rara muy particular. Suponga que las
muestras son independientes con respecto a la presencia de la molécula rara.
Encuentre:
a) La posibilidad de que en las siguientes 18 muestras, exactamente 2 contengan
la molécula rara.
b) La probabilidad de que al menos cuatro muestras contengan la molécula rara.
c) P[ 3 ≤ X < 7 ].

2) La variable aleatoria X tiene una distribución binomial con n = 10 y p = 0.5. Trace la

función de masa de probabilidad de X.
a) ¿Cuál es el valor de X más factible?
b) ¿Cuál(es) es(son) el(los) valor(es) menos factible(s) de X?

3) La variable aleatoria X tiene una distribución binomial con n - 10 y p = 0.5.

Determine las siguientes probabilidades:
a) P(X = 5)
b) P(X ≤ 2)
c) P(X ≥ 9)
d) (3 ≤ X < 5)

4) Trace la función de masa de probabilidad de una distribución binomial con n = 10 y

p = 0.01 y comente el sesgo de la distribución.
a) ¿Cuál es el valor más factible de X?
b) ¿Cuál es el valor menos factible de X?

5) La variable aleatoria X tiene una distribución binomial con n = 10 y p = 0.01.

Determine las siguientes probabilidades:
a) P(X = 5)
b) P(X ≤ 2)

Ing. Ferly Urday Luna

 c) P(X ≥ 9)
d) P(3 ≤ X < 5)

6) Determine la función de distribución acumulada de una variable aleatoria binomial

con n = 3 y p = 1/2.

7) Determine la función de distribución acumulada de una variable aleatoria binomial

con n = 3 y p =1/4.

8) Un producto electrónico contiene 40 circuitos integrados. La probabilidad de que

cualquiera de los circuitos integrados esté defectuoso es 0.01, y los circuitos
integrados son independientes. El producto solamente funciona si no hay circuitos
integrados defectuosos. ¿Cuál es la probabilidad de que el producto funcione?

9) Sea que X denote el número de bits recibidos con error en un canal de

comunicación digital, y suponga que X es una variable aleatoria binomial con p =
0.001. Si se transmiten 1 000 bits, determine lo siguiente:
a) P(X = 1)
b) P(X ≥ 1)
c) P(X ≤2)
d) La media y la varianza de X.

10) Las líneas telefónicas del sistema de reservaciones de una aerolínea están
ocupadas 40% del tiempo. Suponga que los eventos de que las líneas estén
ocupadas en llamadas sucesivas son independientes. Suponga que entran 10
llamadas a la aerolínea.
a) ¿Cuál es la probabilidad de que las líneas estén ocupadas para exactamente
tres llamadas?
b) ¿Cuál es la probabilidad de que las líneas no estén ocupadas para al menos
una llamada?
c) ¿Cuál es el número esperado de llamadas: en las que todas las líneas estén
ocupadas?

11) Se verifica si los lotes que constan de 50 resortes en espiral de un proceso de

producción cumplen con los requerimientos del cliente. El número promedio de
resortes en espiral de un lote que no cumplen con los requerimientos es 5. Suponga
que el número de resortes que no cumplen en un lote, denotado como X, es una
variable aleatoria binomial.
a) ¿Cuál es el valor de n y p?
b) ¿Cuál es P(X ≤ 2)?
c) ¿Cuál es P(X ≥ 45)?

12) Suponga que X tiene una distribución de Poisson con una media de 4. Determine
las siguientes probabilidades:
a) P(X = 0)
b) P(X ≤ 2)
c) P(X = 4)
d) P(X = 8)

13) Suponga que X tiene una distribución de Poisson con una media de 0.4. Determine
las siguientes probabilidades.
a) P(X = 0)

Ing. Ferly Urday Luna

 b) P(X ≤ 2)
c) P(X = 4)
d) P(X=8)

14) Suponga que el número de clientes que entran a un banco en una hora es una
variable aleatoria de Poisson y suponga que P(X = 0) = 0.05. Determine la media y
la varianza de X.

15) Con frecuencia se establece un modelo de Poisson para el número de llamadas

telefónicas que entran en una central telefónica. Suponga que hay en promedio 10
llamadas por hora.
a) ¿Cuál es la probabilidad de que haya exactamente 5 llamadas en una hora?
b) ¿Cuál es la probabilidad de que haya 3 o menos llamadas en una hora?
c) ¿Cuál es la probabilidad de que haya exactamente 15 llamadas en dos horas?
d) ¿Cuál es la probabilidad de que haya exactamente 5 llamadas en 30 minutos?

16) Se supone que el número de imperfecciones en los rollos de tela de una fábrica
textil tiene una distribución de Poisson con una media de 0.1 imperfecciones por
metro cuadrado.
a) ¿Cuál es la probabilidad de que haya dos imperfecciones en 1 metro cuadrado
de tela?
b) ¿Cuál es la probabilidad de que haya una imperfección en 10 metros
cuadrados de tela?
c) ¿Cuál es la probabilidad de que no haya imperfecciones en 20 metros
cuadrados de tela?
d) ¿Cuál es la probabilidad de que haya al menos dos imperfecciones en 10
metros cuadrados de tela?

17) Se supone que el número de grietas en un tramo de una carretera interestatal que
tienen la suficiente importancia para requerir reparación sigue una distribución de
Poisson con una media de dos grietas por milla.
a) ¿Cuál es la probabilidad de que no haya grietas que requieran reparación en 5
millas de carretera?
b) ¿Cuál es la probabilidad de que haya al menos una grieta que requiera
reparación: en media milla de carretera?

18) El número de imperfecciones superficiales en los tableros de plástico utilizados en

el interior de automóviles tiene una distribución de Poisson con una media de 0.05
imperfecciones; por pie cuadrado de tablero de plástico. Suponga que el interior de
un automóvil c tiene 10 pies cuadrados de tablero de plástico.
a) ¿Cuál es la probabilidad de que no haya imperfecciones superficiales en el
interior de un automóvil?
b) Si se venden 10 unidades a una compañía de renta, ¿cuál es la probabilidad de
que ninguno de los 10 autos tenga alguna imperfección superficial?
c) Si se venden 10 autos a una compañía de renta, ¿cuál es la probabilidad de
que a lo sumo uno de los autos tenga alguna imperfección superficial?

19) El número de fallas de un instrumento de prueba de partículas de contaminación en

un "producto es una variable aleatoria de Poisson” con una media de 0.02 fallas por
hora.

Ing. Ferly Urday Luna

 a) ¿Cuál es la probabilidad de que el instrumento no falle en una corrida de 8
horas?
b) ¿Cuál es la probabilidad de al menos una falla en un día de 24 horas?

20) Utilizando la tabla de probabilidades normal, hallar:

a) P[z ≤ 1,2]
b) P[0,81 ≤ Z ≤ 1,94]
c) P[Z ≤ -1,28]
d) P[-0,46 ≤ Z ≤ 2,21]
e) P[Z ≥ -0,68]
f) P[-2.04 ≤ Z ≤-1,98]
g) P[Z ≤ 1,676]

21) Use la tabla Z para determinar las siguientes probabilidades de la variable aleatoria
normal Z.
a) P(Z<1.32)
b) P(Z<3.0)
c) P(Z>1.45)
d) P(Z>-2.15)
e) P(-2.34<Z<1.76)

22) Use la tabla Z para determinar las siguientes probabilidades de la variable aleatoria
normal estándar Z.
a) P(-1<Z<1)
b) P(-2<Z<2)
c) P(-3<Z<3)
d) P(Z>3)
e) P(0<Z<1)

23) Suponga que Z tiene una distribución normal estándar. Use la tabla Z para
determinar el valor de z que resuelve cada una de las expresiones siguientes:
a) P(Z<z) = 0.9
b) P(Z<z) = 0.5
c) P(Z>z) = 0.1
d) P(Z>z) = 0.9
e) P(-1.24<Z<z) = 0.8

24) Suponga que Z tiene una distribución normal estándar. Use la tabla Z para
determinar el valor de z que resuelve cada una de las expresiones siguientes:
a) P(-z<Z<z) = 0.95
b) P(-z<Z<z) = 0.99
c) P(-z<Z<z) = 0.68
d) P(-z<Z<z) = 0.9973

25) Suponga que X tiene una distribución normal con media de 10 y una desviación
estándar de 2. Determine lo siguiente:
a) P(X<13)
b) P(X>9)
c) P(6<X<14)
d) P(2<X<4)
e) P(-2<X<8)

Ing. Ferly Urday Luna

 26) Suponga que X tiene una distribución normal con media de 10 y una desviación
estándar de 2. Determine el valor de x que resuelve cada una de las expresiones
siguientes:
a) P(X>x)=0.5
b) P(X>x)=0.95
c) P(x<X<10)=0.2
d) P(-x<X<10<x)=0.95
e) P(-x<X<-10<x)=0.99

27) Suponga que X tiene una distribución normal con media de 5 y una desviación
estándar de 4. Determine lo siguiente:
a) P(X<11)
b) P(X>0)
c) P(3<X<7)
d) P(-2<X<9)
e) P(2<X<8)

28) Suponga que X tiene una distribución normal con media de 5 y una desviación
estándar de 4. Determine eL valor de x que resuelve cada una de las expresiones
siguientes:
a) P(X>x)=0.5
b) P(X>x)=0.95
c) P(x<X<9)=0.2
d) P(3<X<x)=0.95
e) P(-x<X<x)=0.99

29) Una población normal tiene una media de 50.0 y una desviación estándar de 4.0.
a) Calcule la probabilidad de un valor entre 44.0 y 55.0.
b) Evalúe la probabilidad de uno mayor que 55.0.
c) Obtenga la probabilidad de uno entre 52.0 y 55.0.
d) Determine el valor de X abajo del cual ocurriera el 95% de los valores

30) Una población normal tiene una media de 80.0 y una desviación estándar de 14.0.
a) Calcule la probabilidad de un valor entre 75.0 y 90.0.
b) Halle la probabilidad de un valor entre 75.0 o menos.
c) Estime la probabilidad de un valor entre 55.0 y 70.0.
d) Determine el valor de X arriba del cual ocurrió el 80% de los valores.

31) Una maquina expendedora de refrescos se ajusta para servir 7.00 oz (onzas) de
liquido por vaso. La desviación estándar es de 0.10 oz. ¿Cuál es la probabilidad de
que la maquina sirva?
a) Entre 7.10 y 7.25 onzas de refresco?
b) 7.25 oz o más?
c) Entre 6.8 y 7.25 onzas?
d) ¿Cuánto refresco se sirve en el máximo 1% de las bebidas?

32) La gerencia de la empresa Gordon Electronics está considerando adoptar un

sistema de bonos o primas para incrementar la producción. Una opción consiste en
pagar un bono sobre el 5% más alto de la producción con base en la experiencia.
Los registros indican que, en promedio, durante una semana se elaboran 4 000
unidades de un pequeño ensamble. La distribución déla producción semanal es,
aproximadamente, normal con desviación estándar de 60 unidades. Si la prima se
paga sobre el 5% superior de la producción, ¿este bono se pagará con respecto a
cuántas unidades o más?

Ing. Ferly Urday Luna


EJERCICIOS
1) Para cada escenario que se describe a continuación, establezca si la distribución
binomial es o no un modelo razonable para la variable aleatoria y por qué. Enuncie
cualquier supuesto que se haga.
a) En un proceso de producción se fabrican miles de transductores de temperatura.
Sea que X denote el número de transductores que no cumplen con las
especificaciones en una muestra de tamaño 30 seleccionada al azar del proceso.
b) De un lote de 50 transductores de temperatura se selecciona una muestra de
tamaño 30 sin reemplazo. Sea que X denote el número de transductores de esta
muestra que no cumplen con las especificaciones.
c) Cuatro componentes electrónicos idénticos se conectan a un controlador que
puede hacer el cambio de un componente inoperante a uno de los repuestos
restantes. Sea que X denote el número de componentes que han presentado una
falla después de un periodo de operación especificado.
d) Sea que X denote el número de accidentes que ocurren en las carreteras
federales de Arizona durante un periodo de un mes.
e) Sea que X denote el número de respuestas correctas en un examen de opción
múltiple en el que un estudiante puede eliminar algunas de las opciones cuando
son incorrectas en algunas preguntas y todas las opciones incorrectas en otras
preguntas.
f) Los defectos en la superficie de un chip semiconductor ocurren aleatoriamente.
Sin embargo, sólo 80% de los defectos pueden detectarse mediante pruebas.
Una muestra de 40 chips con un defecto cada uno se prueban. Sea que X denote
el número de chips en los que la prueba detecta un defecto.
g) Reconsidere la situación del inciso f). Ahora, suponga que la muestra de 40 chips
se compone de chips con uno y con cero defectos.
h) En una operación de llenado se intenta llenar paquetes de detergente con el peso
publicitado. Sea que X denote el número de paquetes de detergente cuyo llenado
no es completo.
i) Los errores en un canal de comunicación digital ocurren repentinamente, de tal
manera que afectan a varios bits consecutivos. Sea que X denote el número de
bits con error en una transmisión de 100 000 bits.
j) Sea que X denote el número de imperfecciones superficiales en un serpentín
grande de acero galvanizado.

2) Si X ~ B(n,p) tal que E(X) = 3 y Var(X) = 2,4, calcular: P[X ≥ 3]. (considere p > 0)

3) Un estudiante contesta al azar un examen de 9 preguntas tipo IBM con 4 alternativas

cada pregunta. Solo una de las alternativas es la correcta. Determine la distribución
de probabilidades del número de preguntas contestadas correctamente. Si para
aprobar el examen debe contestar al menos 6 preguntas, ¿Cuál es la probabilidad de
aprobar el examen?.

4) En una empresa metal mecánica, la probabilidad de que una silla pase con éxito la
prueba de control de calidad es de 5/6. Se prueban 10 sillas. Si X es la variable
aleatoria que se define como el número de sillas que no pasan la prueba, ¿Cuál es
la probabilidad de que existan como máximo 2 defectuosas?

5) Se supone que la anchura de las rayas espectrales de una herramienta usada para
fabricar semiconductores tiene una distribución normal con una media de 0.5
micrones (milésimas de milímetro) y una desviación estándar de 0.05 micrones
(milésimas de milímetro).

Ing. Ferly Urday Luna

 a) ¿Cuál es la probabilidad de que la anchura de una raya espectral sea mayor que
0.62 micrones?
b) Cual es la probabilidad de que la anchura de una raya espectral este entre 0.47 y
0.63 micrones?
c) ¿Debajo de que valor esta el 90% de las rayas espectrales?

6) El volumen de llenado de una maquina automatizada usada para llenar latas de una
bebida carbonatada tiene una distribución normal con una media de 12.4 onzas
liquidas y una desviación estándar de 0.1 onzas liquidas.
a) ¿Cuál es la probabilidad de que un volumen de llenado sea menor que 12 onzas
liquidas?
b) Si se despachan todas las latas con menos de 12.1 onzas o con mas de 12.6
onzas, ¿Qué proporción de las latas se desecha?
c) Determine las especificaciones simétricas alrededor de la media que incluyan al
99% de las latas.

7) El tiempo de incapacidad por enfermedad de los empleados de una empresa en un

mes, tiene una distribución normal con una media de 100 horas y una desviación
estándar de 20 horas.
a) ¿Cuál es la probabilidad de que el tiempo de incapacidad del mes próximo este
entre 50 y 80 horas?
b) ¿Cuánto tiempo deberá proyectarse para incapacidades si esta cantidad deberá
ser excedida con una probabilidad de solo 10%?

8) La vida de un láser de semiconductores con una alimentación de energía constante

tiene una distribución normal con una media de 7000 horas y una desviación
estándar de 6000 horas.
a) ¿Cuál es la probabilidad de que un láser falle antes de 5000 horas?
b) ¿Cuál es la vida en horas que exceden el 95% del láser?
c) Si se usan tres láseres en un producto y se supone que fallan de manera
independiente, ¿Cuál es la probabilidad de que los 3 sigan funcionando después
de 7000 horas?

9) El diámetro de los puntos producidos por una impresora matricial tiene una
distribución normal con un diámetro promedio de 0.002 pulgadas y una desviación
estándar de 0.0004 pulgadas.
a) ¿Cuál es la probabilidad de que el diámetro de un punto exceda 0.00026
pulgadas?
b) ¿Cuál es la probabilidad de que el diámetro de un punto mida entre 0.0014 y
0.0026 pulgadas?
c) ¿Qué desviación estándar de los diámetros se necesita para que la probabilidad
del inciso b. sea 0.995?

10) El peso de un zapato especializado para correr tiene una distribución normal con una
media de 12 onzas y una desviación estándar de 0.5 onzas.
a) ¿Cuál es la probabilidad de que un zapato pese más de 13 onzas?
b) ¿Cuál debe ser la desviación estándar del peso para que el fabricante anuncie
que 99.9% de sus zapatos pesan menos de 13 onzas?

11) Suponga que la duración X de los focos que produce una compañía se distribuye
normalmente. Si el 18,41% de estos focos duran menos de 8,2 meses y el 6,68%
duran al menos 13 meses.
a) Calcular la media y la varianza de la duración de los focos.
b) Hallar el cuartil Q1 de la distribución.

Ing. Ferly Urday Luna


CUESTIONARIO
a) ¿Qué es una variable aleatoria?
b) ¿Cómo podría definir la esperanza matemática?
c) ¿Cuántos tipos de variables aleatorias existen?
d) ¿Enumere las principales formulas de trabajo de las distribuciones Binomial,
Poisson y Normal?
e) Explique mediante un ejemplo el uso de la tabla de distribución normal?
f) Explique detalladamente todas las funciones estadísticas relacionadas con las
distribuciones trabajadas en esta práctica e indique dos ejemplos por función?

REFERENCIAS BIBLIOGRÁFICAS

1) Montgomery, Douglas y Runger, George. 2004. Probabilidad y estadística aplicadas a la

Ingeniería. Ed. LIMUSA WILEY. Segunda Edición.

2) Córdova, Manuel. 2003. Estadística descriptiva e inferencial. Ed. MOSHERA SRL. Quinta
Edición.

3) Lind, Douglas; Marchal, William Y Mason, Robert. 2004. Estadística para administración
y economía. Editorial ALFAOMEGA. 11ava edición.

DOCUMENTOS ADJUNTOS

Ing. Ferly Urday Luna