Variables aleatorias y distribución de probabilidad

Prof. Gamaliel Puentes Vivallos

Definición: Sea S un espacio muestral (e.m) sobre el que se encuentra

definida una función de probabilidad. Sea x una función de valor real
definida en S, de modo que transforme todos los resultados de S en
puntos sobre la recta real. Entonces se dice que x es una variable
aleatoria (v.a.)

Variable aleatoria discreta. Se dice que una v.a. es discreta si el

número de valores que puede tomar es contable y estos pueden
ordenarse en una secuencia (finita o infinita) que corresponde a los
enteros positivos.

Variable aleatoria continua. Se dice que una v.a. es continua si sus

valores consisten en uno o más intervalos de la recta real.

Definición: Sea x una v.a. discreta. Se llamará a p ( x ) =P(X =x), función

de probabilidad o función de masa de la v.a. X, si satisface las siguientes
propiedades:

1. p ( x ) ≥ 0 ,para todos los valores x de X

❑
2. ∑ p ( x )=1
x

Ejemplo: La v.a. X =¿ Número de caras al lanzar tres veces una

moneda, toma los siguientes valores: 0,1,2,3

El espacio muestral E={ ccc , ccs , csc , scc , ssc , scs , css , sss }

Notamos que la v.a. X

 Toma el valor 0, cuando ocurre el suceso { sss }

 Toma el valor 1, cuando ocurre el suceso { ssc , scs ,css }
 Toma el valor 2, cuando ocurre el suceso { ccs , csc , scc }
 Toma el valor 3, cuando ocurre el suceso { ccc }

La función de probabilidad podemos representarla como:

xi 0 1 2 3
P( x i) 1 3 3 1
P ( x i=0 ) = P ( x i=1 )= P ( x i=2 )= P ( x i=3 ) =
8 8 8 8
O bien:

xi 0 1 2 3
P( x i) P ( 0 )=0,125 P ( 1 )=0,375 P ( 2 )=0,375 P ( 3 )=0,125

Notemos que P( x i)≥ 0 y además se tiene que:

∑ P(¿ x i )=0,125+0,375+ 0,375+0,125=1 ¿, por lo que se verifican las

xi

condiciones para ser función de probabilidad.

Algunas preguntas que podemos contestar:

1. ¿Cuál es la probabilidad de que salgan al menos dos caras?

P ( x i ≥ 2 )=P ( x=2 ) + P ( x=3 )=0,375+ 0,125=0,5

2. ¿Cuál es la probabilidad de que salgan a lo más dos caras?

P ( x ≤ 2 )=P ( x=0 ) + P ( x=1 ) + P ( x=2 )=0,125+0,375+0,375=0,875

3. ¿Cuál es la probabilidad de que el número de caras esté entre 1 y

2?
P ( 1≤ x ≤ 2 )=P ( x=1 ) + P ( x=2 )=0,375+0,375=0,75

4. ¿Cuál es la probabilidad de que salgan menos de tres caras?

P ( x<3 )=P ( x=0 ) + P ( x=1 )+ P ( x=2 )=0,125+0,375+0,375=0,875

Definición: La probabilidad de que una v.a. tome un valor entre dos

cantidades a y b está dada por:

P ( a ≤ x ≤b )=P ( x=a ) + P ( x=a+ 1 )+ …+ P ( x =b−1 )+ P ( x=b )

Definición: Se llama función de distribución acumulativa de la v.a.

X a la probabilidad que X sea menor o igual a un valor específico de x y
está dada por: F ( x )=P ( X ≤ x ) =∑
x ≤x
p(x i )
i

Ejemplo. En la v.a. X =¿ Número de caras al lanzar tres veces una

moneda, se tiene:

F ( 0 )=P ( x ≤ 0 )=P ( x=0 ) =0,125

F ( 1 )=P ( x ≤ 1 )=P ( x=0 )+ P ( x=1 )=0,125+0,375=0,5

F ( 2 )=P ( x ≤2 )=P ( x=0 )+ P ( x=1 ) + P ( x=2 )=0,125+ 0,375+0,375=0,875

F ( 3 ) =P ( x ≤3 )=P ( x =0 ) + P ( x =1 )+ P ( x=2 ) + P ( x=3 ) =0,125+…+¿ 1

Definición: Se llama esperanza, valor esperado o media de una v.a. X y

se denota por E ( X ) =μ, a E ( X ) =∑ x i ∙ P (xi )
i

Ejemplo. La esperanza E( X) para la v.a. con función de probabilidad:

xi 0 1 2 3
P( x i) P ( 0 )=0,125 P ( 1 )=0,375 P ( 2 )=0,375 P ( 3 )=0,125

Es: E ( X ) =∑ x i ∙ P ( xi )=0 P ( 0 ) +1 P ( 1 ) +2 P ( 2 )+ 3 P ( 3 )=0,375+2 ( 0,375 )+ 3 ( 0,125 )=1,5

i

Definición: La varianza de una v.a. X está dada por:

Var ( X )=σ 2=∑ (xi −E ( X ) )2 P( x i)

i

Observación: Una forma alternativa para el cálculo de la varianza es:

2
σ 2=E ( x 2) −[ E( x ) ]
2
Observación: La desviación estándar σ = E ( x2 ) −[ E(x ) ] √

Ejercicio 1. Sea X la v.a. que nos representa el resultado del

lanzamiento de un dado.

1. Exprese la función de probabilidad de X

2. Muestre que es una función de probabilidad
3. Calcule la esperanza de X
4. Calcule la varianza y desviación estándar de la v.a. X

Desarrollo.

1. La función de probabilidad de esta v.a. es:

x 1 2 3 4 5 6
P( x ) 1 1 1 1 1 1
6 6 6 6 6 6
 2. Es evidente que P(x )≥ 0 para todo x, y además se tiene que:
1 1 1 1 1 1 6
∑ P( x)= 6 + 6 + 6 + 6 + 6 + 6 = 6 =1, luego se trata de una función de
x

probabilidad.
3. La esperanza de X es:
1 1 1 1 1 1 7
E ( X ) =∑ x P( x )=1
x 6 () () () () () ()
+2
6
+3
6
+4
6
+5
6
+6 = =3,5
6 2
4. La varianza la calculamos como:
2
σ 2=E ( x 2) −[ E(x ) ]

La esperanza de x 2 es

1 1 1 1 1 1 91
E ( x 2 )=∑ x 2 P ( x)=12 +22 +3 2 + 4 2 + 52 +62 =
x 6 6 6 6 6 6 6

Luego la varianza es:

2 91 7 2 35
()
σ 2=E ( x 2) −[ E ( x ) ] = −
6 2
=
12
y la desviación estándar es:

35
σ=
√ 12
=1,707

Ejercicio 2. Una aerolínea ha vendido 205 pasajes, para un avión de

200 asientos.

Sea X la v.a. que expresa el número de pasajeros que va al aeropuerto

para viajar en este avión. Su distribución o función de probabilidad es:

x 198 199 200 201 202 203 204 205

P( x ) 0,05 0,09 0,15 0,20 0,23 0,17 0,09 0,02

1. Verificar que se trata de una función de probabilidad.

2. Hallar la probabilidad de que todos los viajeros que van a
aeropuerto logren un asiento.
3. Hallar la probabilidad que se quede sin asiento alguno de los
pasajeros que va al aeropuerto.
4. Hallar la esperanza o valor esperado de viajeros que acude al
aeropuerto.
5. ¿Cuál es la probabilidad de que la primera persona de la lista de
espera tenga un lugar en el vuelo?
6. Hallar la desviación estándar del número de viajeros que acude al
aeropuerto.
Desarrollo:

1. Claramente P( x )≥ 0 y ∑ P ( X )=0,05+…+ 0,02=1, por lo tanto se

x

trata de una función de probabilidad.

2. P ( X ≤200 )=P ( x =198 )+ P ( x=199 )+ P ( x=200 ) =0,05+0,09+0,15=0,29

3.
P ( X ≥201 ) =P ( X> 200 )=P ( x=201 ) + P ( x =202 )+ P ( x=203 )+ P ( x=204 ) + P ( x=205 )=0,2+0,23+ 0,17+

4.
E ( X ) =∑ xP(x )=198 ( 0,05 ) +199 ( 0,09 )+ 200 ( 0,15 )+ 201 ( 0,2 ) +202 ( 0,23 ) +203 ( 0,17 ) +204 ( 0,09 )+ 205 ( 0
x

5. P ( X ≤199 ) =P ( x=198 )+ P ( x=199 ) =0,05+0,09=0,14

2
6. σ 2=E ( x 2) −[ E( x ) ]

E ( x 2 )=∑ x 2 P ( x )=(198)2 0,05+(199)2 0,09+( 200)2 0,15+(201)2 0,2+(202)2 0,23+(203)2 0,17+(204

x
2 2 2 2
σ =E ( x ) −[ E ( x ) ] =40580,88− ( 201,44 ) =2,8064
σ =1,675

Ejercicio 3. Sea X una v.a. que expresa el número de personas que

habitan en una vivienda elegida al azar. La función de probabilidad de
X es:

x 1 2 3 4 5 6 7 8 ó más
P( x ) 0,23 0,322 0.177 0,15 0,067 0,024 0,01 0,010
0 5 5

1. Comprobar que se trata de una función de probabilidad.

2. Hallar la probabilidad de que el número de personas que vivan en
un hogar sea a lo más cuatro.
3. Calcular la probabilidad de que al menos dos personas vivan en
una vivienda.
4. Obtener la esperanza o n° medio de personas que habitan una
vivienda.
5. Determine la desviación estándar del n° de personas que habitan
una vivienda.
6. Determine el coeficiente de variación del n° de personas que
habitan una vivienda.
 Desarrollo.
1. P ( x ) ≥ 0 y ∑ P ( x )=0,230+ 0,322+ …+0,010=1, luego se trata de una
función de probabilidad.
2. P ( x ≤ 4 )=P ( x=1 )+ P ( x=2 )+ P ( x=3 ) + P ( x=4 )=0,884

Nota: P ( x ≥ A )=1−P (x< A)

3. P ( x ≥ 2 )=P ( x=2 ) + P ( x=3 )+ P ( x=4 )+ …+ P(x=8 ó más)

O bien, usando la nota reciente:
P ( x ≥ A )=1−P ( x <2 )=1−[ P ( x <1 ) ] =1−0,230=0,77

4. E ( x )=∑ x ∙ P ( x )=1∙ 0,230+2 ∙ 0,322+ …+8 ∙ 0,010=2,689 2,7

2
5. σ 2=E ( x 2) −[ E( x ) ]
E ( x 2 )=∑ x 2 ∙ P ( x )=12 ∙ 0,230+22 ∙0,322+…+ 82 ∙ 0,010=9,505
2 2
σ 2=E ( x 2) −[ E ( x ) ] =9,505−( 2,7 ) =2,215 de aquí tenemos que
σ =√ 2,215=1,49

σ 1,49
6. C . V = ∙100= ∙100=55,2%
x́ 2,7

Ejercicio 4. Se lanza dos veces una moneda. Sea X la v.a. que expresa
el número de sellos en los dos lanzamientos.

1. Exprese la función de probabilidad para esta v.a.

2. ¿
 Algunas distribuciones discretas de probabilidad.

La distribución binomial

La distribución binomial de probabilidad es una de las más útiles y sus

áreas de aplicación incluyen la inspección de calidad, ventas, etc.

Consideremos un experimento en el que el resultado es la ocurrencia o

no ocurrencia de un evento. Llamemos Éxito a la ocurrencia y Fracaso
a la no ocurrencia del evento. Sea p la probabilidad de éxito cada vez
que el experimento se lleva a cabo, y sea 1− p la probabilidad de fracaso.
Supongamos además que el experimento se realiza n veces y cada
ensayo es independiente de los demás y sea X la v.a. que representa el
número de éxitos en los n ensayos.

Nuestro interés está en determinar la probabilidad de obtener

exactamente x éxitos, en n ensayos.

Importante. Las dos suposiciones clave para tener una distribución

binomial son: Primero, la probabilidad de éxito p permanece constante
para cada ensayo y segundo: Los n ensayos son independientes entre sí.

Definición. Sea X una v,a. una variable aleatoria que representa el

número de éxitos en n ensayos y sea p la probabilidad de éxito en
cualquiera de estos ensayos. Se dice entonces que X tiene una
distribución binomial, con función de probabilidad:

n p x (1− p)n−x , si x=0,1,2 , … ,n

{( )
P ( x ; n , p )= x
0 , en cualquier otro caso
0 ≤ p ≤ 1 ,n un entero

Observaciones:

1. Los parámetros de la distribución binomial son n y p

2. La esperanza E ( X ) =μ=n ∙ p
3. La varianza Var ( X )=σ 2=np (1− p)
4. La desviación estándar σ =√ np(1−p)

Ejemplo para ilustrar el cálculo

P ( x ; n , p )= n p x (1− p)n− x , si x=0,1,2 , … , n

() x

Sea n=5 , p=0,4 hallar P( x ;5 ,0.4) para x=0,1,2,3

5 0 5
()
Para x=0 , tenemos P ( x=0 ; 5 , 0.4 )= ( 0.4 ) (0.6) =0.0778
0
 5 1 4
()
Para x=1 , tenemos P ( x=1; 5 , 0.4 )= ( 0.4 ) (0.6) =0.2592
1

5 2 3
()
Para x=2, tenemos P ( x=2; 5 , 0.4 )= ( 0.4 ) (0.6) =0.3456
2

5 3 2
()
Para x=3, tenemos P ( x=3 ; 5 ,0.4 )= ( 0.4 ) (0.6) =0.2304
3

Primer ejemplo de aplicación.

Todos los días se seleccionan, de manera aleatoria, 15 unidades de un

proceso de fabricación, con el fin de verificar el porcentaje de unidades
defectuosas en la producción. Los informes históricos del proceso,
indican que la probabilidad de tener una unidad defectuosa es de 0.05.
La gerencia ha decidido detener la producción cada vez que una
muestra de 15 unidades tenga dos o más unidades defectuosas. ¿Cuál
es la probabilidad que, en cualquier día, la producción se detenga?

Desarrollo: Sea X, la v.a. que representa el número de unidades

defectuosas que se encuentran entre las 15 de la muestra. Tenemos
n=15 , p=0.05. La probabilidad que un día cualquiera se detenga el
proceso de fabricación, de acuerdo con el criterio de la gerencia, se
calcula como P ( X ≥2 ) =1−P ( X <2 )=1−[ P ( x=0 ) + P(x=1) ]

P ( X ≥2 ) =P ( X=2 ) + P ( X=3 )+ …+ P ( X=15 ) … … mucha peg a …

P ( X ≥2 ) =1−[ P ( x=0 ) + P ( x=1 ) ] =1− 15 0.050 0.9515+ 15 0.051 0.9514 =0.1709 ⟶17.1 %
[( ) 0 ( ) 1 ]
Segundo ejemplo de aplicación.

Un grupo folclórico comienza una campaña telefónica con el fin de

aumentar su número de miembros. Basados en experiencia previa se
sabe que una de cada 20 personas que reciba el llamado se unirá al
grupo. Si cierto día 25 personas reciben la llamada:

a. ¿Cuál es la probabilidad de que por lo menos dos de ellas se unan

al grupo folclórico?
b. ¿Cuál es el número esperado de personas que se unirán al grupo
folclórico?
c. ¿Cuál es la varianza de la v.a.?
d. ¿Cuál es el coeficiente de variación?

1
Desarrollo: n=25 , p= =0.05
20
a. Sea X la v.a. que representa en n° de personas que se une al
grupo.
P ( X ≥2 ) =1−P ( X <2 )=1−[ P ( X=0 )+ P (X=1) ]
P ( X ≥2 ) =1−[ P ( X=0 ) + P ( X=1 ) ]=¿

¿ 1− 25 0.050 0.9525+ 25 0.051 0.9524 =0,3576

[( )
0 1 ( ) ]
b. E ( x )=μ=n∙ p=25∙ 0.05=1.25
c. Var X=σ 2=n ∙ p ∙ ( 1− p ) =25 ( 0.05 )( 0.95 )=1.1875 , σ=1.089
σ 1.089
d. CV = ∙ 100= ∙ 100=87.12%
μ 1.25

EJERCICIOS DE DISTRIBUCIÓN BINOMIAL

1. Una empresa comercializadora por correos envía

mensualmente una encuesta a clientes potenciales y
solamente el 10% de las personas responde a dicha encuesta.
Suponga que responder o no las entrevistas son ensayos
independientes. Se envían doce encuestas.

a. ¿Cuál es la probabilidad de que exactamente cuatro personas la

respondan?
b. ¿Cuál es la probabilidad de que al menos dos personas la
respondan?
c. ¿Cuál es la probabilidad de que a lo más tres personas la
respondan?
d. Calcule el valor esperado (media) y la desviación estándar de la
repuesta a la encuesta.

2. De acuerdo a datos históricos el 30% de los automóviles

nuevos de una determinada marca requieren cierto tipo de
reparación durante el periodo de garantía. Suponga que el
requerimiento de reparación de los autos es independiente.

a. ¿Cuál es la probabilidad de que de diez autos vendidos

exactamente tres requieran reparación?

b. ¿Cuál es la probabilidad de que de diez autos vendidos al menos

tres requieran reparación?

c. ¿Cuál es la probabilidad de que de seis autos vendidos esta

semana como máximo tres requieran reparación?
3. Una Trabajadora Social que se desempeña en una oficina de
asesoría jurídica, inspecciona una muestra al azar de tres
carpetas de un kardex. Si se sabe que el 15% de las carpetas del
kardex están incompletas. ¿Cuál es la probabilidad de que en la
muestra:

a. Por lo menos dos carpetas estén incompletas?

b. A lo más tres carpetas estén incompletas?
c. Exactamente una carpeta esté incompleta?
d. Calcule la media y la desviación estándar

4. Un estudio de un profesor le indica que el 10% de los

alumnos están preparados para una evaluación dos días
antes. Suponga que el examen es el día jueves a las 08:00
hras. Calcular la probabilidad de que de 20 alumnos
consultados el día martes en la mañana de la semana del
examen:

a. Por lo menos dos estén preparados

b. Exactamente cuatro estén preparados
c. A lo más tres estén preparados

5. En un estudio sociológico, se encontró que 30% de los

consumidores de completos callejeros se enferman del
estómago. Se seleccionan al azar 8 adictos a estos completos,
encuentre la probabilidad de que:

a. Por lo menos dos estén enfermos.

b. A lo más tres estén enfermos
c. El número de adictos que estén enfermos
 LA DISTRIBUCIÓN DE POISSON.

En esta distribución la v.a. representa el número de eventos

independientes que ocurren con rapidez constante. Por ejemplo, el
número de clientes que llega a un banco, en un periodo de tiempo
determinado.

Definición. Sea X una v.a. que representa el número de eventos

independientes que ocurren con rapidez constante, en el tiempo o el
espacio. Se dice que la v.a. X tiene una distribución de Poisson, con
función de probabilidad:

e−μ ∙ μ x
{
P ( x ; μ )= x ! , x=0,1,2 , … ; μ >0
0 , en cualquier otro caso

El parámetro de la distribución de Poisson es μ y es el promedio o valor

esperado de ocurrencia del evento aleatorio por unidad de tiempo.

e− μ ∙ μ x
Ejemplos de cálculo: Fórmula P ( x ; μ )=
x!

e−1,2 ∙1,20
a. Calcular P ( x=0 ; μ=1,2 ) =P ( 0 ; 1,2 )= =0,3012
0!
e−1,2 ∙ 1,23
b. Calcular P ( x=3 ; μ=1,2 )=P ( 3 ; 1,2 )= =0,0867
3!

Observaciones:

1. Las probabilidades individuales son más y más pequeñas a

medida que la v.a. toma valores cada vez más grandes. Veamos
con algunos cálculos más en el ejemplo que dimos:

1,26 e−1,2 1,27

−1,2
e
P ( 6 ; 1,2 )= =0,0012 ; P 7 ; 1,2 =
( ) =0,0002
6! 7!

2. La probabilidad de que una v.a. de Poisson X, sea menor o igual a

un valor x se determina por la función de distribución
acumulativa:
x
e− μ μi
P ( X ≤ x )=F ( x ; μ )=∑
i=0 i!
Nota: Estos valores están tabulados
 3. P ( x ; μ )=F ( x ; μ )−F ( x−1 ; μ)

Ejemplo 1. Un investigador observa que el número de clientes que llega

a un banco, lo hace con una rapidez promedio de 4 clientes por
minuto. De acuerdo con esta afirmación:

a. ¿Cuál es la probabilidad que en un minuto no lleguen clientes al

banco?
b. ¿Cuál es la probabilidad que en un minuto lleguen menos de tres
clientes?
c. ¿Cuál es la probabilidad que en un minuto lleguen exactamente
tres clientes?
d. ¿Cuál es la probabilidad que en un minuto lleguen más de dos
clientes?
e. ¿Cuál es la probabilidad que en dos minutos lleguen exactamente 7
clientes?

Desarrollo. Sea X la v.a. que representa el número de clientes que llega

al banco, en un tiempo definido. Se trata de una v.a. de Poisson, con
e− μ ∙ μ x
μ=4 clientes por minuto. La fórmula a usar es: P ( x ; μ )=
x!

e−4 40
a. P ( x=0 ; μ=4 ) =P ( 0 ; 4 ) = =0,0183
0!

b. P ( x<3 )=P ( x=0 ) + P ( x=1 )+ P ( x=2 )=P ( 0; 4 )+ P ( 1 ; 4 )+ P ( 2 ; 4 )

e−4 ∙ 40 e−4 ∙ 41 e−4 ∙ 4 2
¿ + + =0,2381
0! 1! 2!

e−4 4 3
c. P ( x=3 )=P ( 3 ; 4 )= =0,1954
3!

d. P ( x>2 )=1−P ( x ≤ 2 )=¿

¿ 1−[ P ( x=0 ) + P ( x=1 ) + P ( x =2 ) ] =1−0,2381=0,7619

e. Como ahora el tiempo de observación cambia a 2 minutos, entonces

cambia también la rapidez promedio a μ=8clientes por minuto. Por lo
tanto el cálculo queda como:
e−8 ∙ 87
P ( x=7 ; μ=8 )=P ( 7 ; 8 )= =0,1396
7!
Ejemplo 2. El número promedio de llamadas que recibe una operadora
es de 5 llamadas por minuto.

a. ¿Cuál es la probabilidad de que en un minuto reciba exactamente

4 llamadas?
b. ¿Cuál es la probabilidad de que en un minuto reciba más de 4
llamadas?
c. ¿Cuál es la probabilidad de que en un minuto reciba a lo más 4
llamadas?
d. ¿Cuál es la probabilidad de que en un minuto reciba entre 4 y 7
llamadas?
e. ¿Cuál es la probabilidad de que en tres minutos reciba una
llamada?
f. ¿Cuál es la probabilidad de que en dos minutos reciba
exactamente 9 llamadas?
g. Nota: E ( x )=μ=Var (x). Calcular la desviación estándar y el
coeficiente de variación del número de llamadas.

Desarrollo. Se trata de una v.a. de Poisson, con μ=5 llamadas por

e− μ ∙ μ x
minuto. La fórmula a usar es: P ( x ; μ )=
x!

e−5 ∙ 54
a. P ( x=4 )=P ( 4 ; 5 )= =0,1755
4!

b. P ( x> 4 )=1−P ( x ≤ 4 )
¿ 1−[ P ( x=0 ) + P ( x=1 ) + P ( x =2 )+ P ( x=3 )+ P (x=4 ) ]
e−5 ∙5 0 e−5 ∙ 51 e−5 ∙52 e−5 ∙ 53 e−5 ∙ 5 4
¿ 1− [ 0!
+
1!
+
2!
+
3!
+
4!
=0,5595 ]
c. P ( x ≤ 4 )=P ( x=0 ) + P ( x=1 ) + P ( x=2 )+ P ( x=3 ) + P ( x=4 )=0,4405

d. P ( 4 ≤ x ≤ 7 ) =P ( x=4 ) + P ( x=5 ) + P ( x=6 ) + P ( x=7 ) =0,6016

e−15 ∙ 15 1
e. P ( x=1; μ=15 )= =0,0000046=4,6 ∙10
−6
1!

e−10 ∙ 109
f. P ( x=9 ; 10 )= =0,1251
9!

σ 2,2361
g. σ =√ 5=2,2361 ; CV = ∙ 100= 100=44,72 %
μ 5
 EJERCICIOS DE DISTRIBUCIÓN DE POISSON

1. El número de llamadas que llega a una central de consultas se

modela como una variable aleatoria de Poisson. Suponga que,
en promedio, se reciben 10 llamadas por hora.

a. Cuál es la probabilidad de que lleguen exactamente cinco

llamadas en una hora?
b. Cuál es la probabilidad de que se reciban tres o menos llamadas
en una hora?
c. Cuál es la probabilidad de que lleguen exactamente 15 llamadas
en dos horas?

Desarrollo.
Sea X el número de llamadas que se reciben por hora.

∙ 105
−10
e
a. P ( x=5 ; μ=10 ) =P ( 5 ; 10 )= =0,0378
5!

b. P ( x ≤ 3 )=P ( x=0 ) + P ( x=1 ) + P ( x =2 )+ P ( x=3 )=¿

e−10 ∙ 100 e−10 ∙ 101 e−10 ∙ 102 e−10 ∙103
¿ + + + =0,0103
0! 1! 2! 3!

e−20 ∙2015
c. P ( x=15 ; μ=20 ) =P ( 15 ; 20 ) = =0,0516
15!

2. El cajero automático ubicado dentro de una tienda por

departamentos, en promedio es utilizado por seis personas en
una hora.

a. ¿Cuál es la probabilidad de que dos o cuatro personas utilicen el

cajero durante una hora?
b. ¿Cuál es la probabilidad de que nadie utilice el cajero durante
veinte minutos?
c. ¿Cuál es la probabilidad de que en dos horas el número de
personas que utilicen el cajero sea mayor o igual a tres y menor
seis?
 Desarrollo.

Sea X el número de personas que utiliza el cajero durante una

hora.
e−6 ∙ 62 e−6 ∙ 64
a. P ( x=2 ) + P ( x=4 )= + =0,1785
2! 4!
e−2 ∙20
b. P ( x=0 ; μ=2 ) = =0,1353
0!
c. P ( 3≤ x <6 ; μ=12 ) =P ( x=3 )+ P ( x=4 ) + P( x =5)
e−12 ∙123 e−12 ∙124 e−12 ∙ 125
¿ + + =0,0198
3! 4! 5!

3. En un estacionamiento en la central de abastecimientos

llegan en promedio 4 vehículos cada hora. Calcular la
probabilidad de que:

a. Lleguen como máximo tres automóviles en dos horas.

b. Lleguen por lo menos cuatro automóviles en cuatro horas.
c. Lleguen cuatro o cinco automóviles en una hora.

Desarrollo: Sea X la v.a. que representa el número de vehículos

que llegan al estacionamiento.

a. P ( x ≤ 3 , μ=8 )=P ( x=0 )+ P ( x=1 ) + P ( x=2 ) + P ( x=3 )=¿

e−8 ∙ 80 e−8 ∙ 81 e−8 ∙8 2 e−8 ∙ 83
¿ + + + =0,042
0! 1! 2! 3!

b. P ( x ≥ 4 ; μ=16 )=1−P( x <4 ; μ=16)

¿ 1−[ P ( x=0 ) + P ( x=1 ) + P ( x =2 )+ P ( x=3 ) ]
e−16 ∙16 0 e−16 ∙ 161 e−16 ∙162 e−16 ∙16 3
¿ 1− [ 0!
+
1!
+
2!
+
3! ]
¿ 1−0,0000887=0,999911
e−4 ∙ 4 4 e−4 ∙ 4 5
c. P ( x=4 ; μ=4 ) + P ( x =5 ; μ=4 )= + =0,3516
4! 5!

4. En una consulta médica llegan en promedio 3 pacientes cada

hora. Calcular la probabilidad de que:

a. Lleguen como máximo dos pacientes en dos horas.

b. Lleguen por lo menos cuatro pacientes en tres horas.
c. Lleguen cinco o siete pacientes en dos horas.
d. Calcule el coeficiente de variación.

Desarrollo: Sea X la v.a. que representa el número de pacientes

que llega a la consulta.
 e−6 ∙6 0 e−6 ∙6 1 e−6 ∙ 62
a. P ( x ≤ 2; μ=6 )=P ( x=0 )+ P ( x=1 ) + P ( x=2 )= + + =0,0619
0! 1! 2!

b. P ( x ≥ 4 ; μ=9 ) =1−P ( x < 4 ) =1−[ P ( x=0 ) + P ( x=1 ) + P ( x=2 )+ P( x=3) ]

e−9 ∙ 90 e−9 ∙ 91 e−9 ∙ 92 e−9 ∙ 93

¿ 1− [ 0!
+
1!
+
2!
+
3! ]
¿ 1−0,0212=09788

e−6 ∙6 5 e−6 ∙6 7
c. P ( x=5 ; μ=6 )+ P ( x=7 ; μ=6 )= + =0,2983
5! 7!
σ √ μ ∙ 100= √ 3 ∙ 100=57,7 %
d. CV = ∙ 100=
μ μ 3

DISTRIBUCIÓN HIPERGEOMÉTRICA

Definición: Sea N el número total de objetos de una población finita, de

manera tal que k de estos son de un tipo y N−k de otro. Si se selecciona
una muestra aleatoria de la población constituida por n objetos de la
población, entonces la probabilidad de x sea de un tipo y n−x de otro,
está dada por la función de probabilidad hipergeométrica:

(kx)( Nn−x
−k
) , x=0,1,2 , … , n ; x ≤ k ; n−x ≤ N −k
P ( x ; N , n , k )=
{ ( Nn )
0 , para otro valor

Los parámetros de la distribución hipergeométrica son: N , n , k

Ejemplo: Supongamos que se tienen 50 representantes de cierta región,

a una convención política nacional, de los cuales 30 apoyan al
candidato A y 20 al candidato B. Si se seleccionan aleatoriamente cinco
representante ¿Cuál es la probabilidad de que, entre los cinco, por lo
menos dos apoyen al candidato A

Desarrollo: Sea X la v.a. que representa el número de representantes,

en la muestra, que apoyan al candidato A. Para N=50 ,n=5 , k=30
 k N−k
P ( x ; N , n , k )=
( x )( n−x )

( Nn )
P ( x ≥ 2 )=1−P ( x <2 )

¿ 1−¿

30 20 30 20
¿ 1−
[
( )(
0 5 ) +
(
(505) (505 )
1 )( 4 )

]
¿ 1−[ 0,007317+0,068597]

¿ 0,9241

Observación:La media y la varianza para una distribución

hipergeométrica son, respectivamente:

nk nk ( N −k )( N−n)
E ( x )=μ= Var ( x )=σ 2=
N N 2 (N−1)

EJERCICIOS DE DISTRIBUCIÓN HIPERGEOMÉTRICA

1. En un archivador hay 32 carpetas con informes socioeconómicos

de un grupo de familias vulnerables, de las cuales 21 carpetas
contienen toda la información requerida, es decir están
completas. Si se seleccionan aleatoriamente 6 de estas carpetas.
Cuál es la probabilidad de que:

a. ¿Tres de ellas no estén completas?

b. ¿Por lo menos 4 carpetas estén completas?
c. ¿ninguna esté completa?
d. Calcule la esperanza de la variable.

k N−k
Desarrollo: P ( x ; N , n , k )=
( x )( n−x )

( Nn )
 a. N=32, n=6 , k=11
11 21
P ( x=3 ; 32,6,11 )=
( )( )
3 3
=0,2422
32
( )
6

b. N=32, n=6 , k=21

P ( x ≥ 4 )=1−P ( x <4 )
¿ 1−[ P ( x=0 ) + P ( x=1 ) + P ( x =2 )+ P ( x=3) ]
21 1 1 21 11 21 11 21 11
¿ 1−
[( 0 )( 6 ) ( 1 )( 5 ) ( 2 )( 4 ) ( 3 )( 3 )
32
+
32
(6) (6) (6) (6)
+
32
+
32
]
=0,6701

c.

2. De acuerdo a la tabla de seguros, la probabilidad de que un

hombre de esta edad esté vivo dentro de treinta años es de 0.72.
Un vendedor de seguros vende pólizas a diez hombres, todos de la
misma edad e idénticas condiciones de salud. Suponga que los
años que vive cada hombre son ensayos independientes.

a. Encuentre la probabilidad de que dentro de 30 años estén

vivos exactamente 5 hombres.
b. Encuentre la probabilidad de que dentro de treinta años por lo
menos estén vivos dos hombres.

3. El número promedio de mensajes que se envían a un boletín

electrónico es de cinco mensajes por hora.

a. ¿Cuál es la probabilidad de que el boletín reciba cuatro o seis

mensajes durante una hora?
b. ¿Cuál es la probabilidad de que el boletín no reciba mensajes
durante doce minutos?

4. De un grupo de 24 profesionales, que postulan a un proyecto, 10

son egresados de la Universidad Tecnológica de Chile INACAP. Si
se seleccionan, al azar, 5 de estos profesionales. Cuál es la
probabilidad de que:

a. ¿dos de ellos sean egresados de INACAP?

b. ¿a lo más tres no sean egresados de INACAP?
c. ¿Ninguno sea egresado de INACAP?
d. Calcule la Esperanza y la desviación estándar de la variable.
 DISTRIBUCIÓN NORMAL
Definición:

Ejercicios de distribución normal.

1. Usando la Tabla Normal determine:

a. P ( z< 0,83 )
b. P ( z←1,27 )
c. P ( z> 0,83 )
d. P ( z>−1,27 )
e. P(0,47< z<1,08)

2. Una variable aleatoria X, se distribuye normalmente, con μ=800 y

σ =40. Hallar:
a. P ( x<750 )
b. P ( x ≥ 880 )
c. P(750< x <840)

3. Dada la variable aleatoria X, distribuida normalmente con media

100 y varianza 100, hallar:
a. P ( x< 90 )
b. P( x ≥110)
c. P(80 ≤ x ≤ 120)

4. Dada la variable aleatoria X, distribuida normalmente con media

18 y desviación estándar 2,5; encuentre:
a. P ( x<15 )
b. P ( x>17 )
c. P ( 17< x <21 )
d. x 1 sabiendo que P ( x< x1 ) =0,2236
e. x 1 sabiendo que P ( x> x1 ) =0,1814

5. Sea X una v.a. Normal con media 40 y desviación estándar 6,

hallar “y” de modo que:
a. P ( x ≤ y )=0.3520
b. P( x > y )=0.1210

6. La edad promedio de un curso de 30 alumnos es de 12 años, con

una desviación estándar de 2 años. Considerando normalidad de
la variable, Cuál es la probabilidad de que un estudiante elegido
al azar:
a. ¿tenga menos de 11 años?
b. ¿tenga más de 14 años?
c. ¿tenga entre 10 y 13 años?
 d. La probabilidad de un alumno tenga menos de cierta edad “y”
es de 0.62 ¿Cuál es esa edad?

7. En un curso de Estadística, que tiene 20 alumnos, seis tienen

nota sobre cinco y cuatro tienen nota bajo tres.
a. Encuentre el promedio del curso en Estadística, con su
respectiva desviación estándar.
b. ¿Cuál es la probabilidad de que un alumno elegido al azar,
tenga nota igual o superior a 4?

8. Suponga que un consultor toma una muestra de 30 personas

para que respondan una encuesta, con el fin de utilizar esta
información en la aplicación masiva de la encuesta en una
ciudad. Los resultados arrojaron que el tiempo promedio que
demoraron las personas (en responder la encuesta) de la muestra
fue de 75 minutos, con una desviación estándar de 6 minutos y
un comportamiento normal de la variable. Se selecciona una
persona aleatoriamente de la muestra.
a. ¿Cuál es la probabilidad de que haya demorado menos de 73
minutos?
b. ¿Cuál es la probabilidad de que haya demorado más de 77
minutos?
c. ¿Cuál es la probabilidad de que haya demorado entre 69 y 81
minutos?

9. El tiempo de reacción de cierto experimento psicológico está

distribuido normalmente con media 20 segundos y varianza 16.
a. ¿Cuál es la probabilidad de que una persona tenga un tiempo
de reacción entre 14 y 30 segundos?
b. ¿Qué porcentaje de personas reacciona en menos de 24
segundos?
c. ¿Qué porcentaje de personas tiene un tiempo de reacción de
más de 14 segundos?

10. Una máquina despachadora de bebidas está ajustada para

servir un promedio de 200 milílitros por vaso. Si la cantidad de
bebida se distribuye normalmente con una desviación estándar
de 15 milílitros.
a. ¿Cuál es la probabilidad de que un vaso cualquiera contenga
menos de 210 ml?
b. ¿Qué % de los vasos contiene entre 191 y 209 ml?
c. ¿Qué % de los vasos contiene más de 215 ml?

11. Si la estatura de los jugadores de un equipo profesional

tiene una distribución normal, con media 175 cm y desviación
típica 5 cm.
 a. ¿Cuál es la probabilidad de que un jugador escogido al azar
mida menos de 168 cm?
b. ¿Cuál es la probabilidad de que un jugador mida más de 165
cm y menos de 185 cm?
c. El 15% de los jugadores están bajo cierta estatura. ¿Cuál es
esa estatura?

12. En una pregunta de una encuesta sobre la edad hasta la

que consideran convenientes los padres controlar los programas y
el tiempo de televisión de los hijos, la media fue de 15,4 años y la
desviación típica de 2,11. Teniendo en cuenta que las respuestas
se distribuyen aproximadamente como la curva normal calcular:
a. ¿Qué % respondió que la edad debe ser hasta los 13  años?
b. ¿Qué % dijo que debe estar entre 14 y 17 años?
c. ¿Cuál es la probabilidad de que una de las personas
encuestadas haya respondido que debe estar por encima de los
19 años?

13. El consumo de combustible de una flota de 1.000 camiones

sigue una distribución normal con una media de 12 millas por
galón y una desviación estándar de 2 millas por galón.

a. ¿Cuántos camiones tendrán un consumo de 11 millas o más

por galón?
b. ¿Cuántos camiones tendrán un consumo de menos de 10
millas por galón?
c. ¿Cuántos camiones tendrán un consumo entre 9,5 y 14 millas
por galón?
d. Averigüe la probabilidad de que un camión elegido al azar
tenga un promedio de 13,5 millas por galón o más.

14. La vida promedio de cierto equipo es de 10 años con una

desviación estándar de 2 años. El fabricante repone sin cargo
todos los equipos que fallen dentro del periodo de garantía. Si
está dispuesto a reponer sólo el 3% de los motores que fallan
¿Qué tan larga debe ser la garantía que otorgue? Suponga que la
vida de los equipos tiene un comportamiento normal.