Capı́tulo 5

Distribuciones de probabilidad II

”Hay una pizca de descubrimiento

en la solución de cualquier problema.”
George Pólya

Distribuciones de probabilidad discretas:

• Binomial

• Binomial negativa

• Geométrica

• de Poisson

Distribuciones de probabilidad continuas:

• Uniforme

• Exponencial

• Normal (o de Gauss)

Aproximaciones por la distribución Normal.

Ejercicios.

1
2 5. Distribuciones de probabilidad II

5.1. Distribuciones de probabilidad discretas.

Sea (Ω, A, P ) el espacio de probabilidad asociado a un experimento aleatorio.
Sea A un suceso de dicho experimento con probabilidad p (0 < p < 1) en una
sola prueba. La ocurrencia de A se llama ”éxito” y su no ocurrencia ”fracaso”, de
probabilidad 1 − p.
Si realizamos ensayos o pruebas idénticas de dicho experimento, en el sentido de
que el resultado de uno no afecta al resultado de los demás, entonces la probabilidad
p permanece sin cambio de una prueba a otra.

Distribución binomial.
Es la de la v.a. X que describe el número de éxitos que pueden obtenerse en n
pruebas del experimento aleatorio. Dicha variable es discreta porque

SX = {0, 1, 2, . . . , n}

y su función masa viene dada por

 
n k
pX (k) = P [X = k] = p (1 − p)n−k k = 0, 1, 2, . . . , n (5.1)
k
Dado que la función masa queda determinada por n y p, éstos son los parámetros
de la distribución binomial y se dice que X ∼ B(n, p). Su media y desviación tı́pica
son:
p
µ = np y σ= n p (1 − p) (5.2)

Debido a las muchas aplicaciones de esta distribución, se han compilado tablas de

su función de distribución F para valores escogidos de n y p.

Ejemplo 5.1.1. Un jugador de baloncesto encesta desde cierta posición de la cancha

con una probabilidad del 40 %. ¿Cuál es la probabilidad de que logre 3 canastas en
10 lanzamientos desde dicha posición?
Sol. Si X es la v.a. que describe el número de canastas (éxitos) en 10 lanza-
mientos (pruebas), entonces X ∼ B(10, 0, 4), con lo cual, la probabilidad de que

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
5.1. Distribuciones de probabilidad discretas 3

logre 3 canastas es
 
10
P [X = 3] = 0, 43 × 0, 67 = 0, 2150 ⇒ 21, 5 %
3

Distribución binomial negativa.

Es la de la v.a. X que describe el número de fracasos hasta obtener n éxitos en
sucesivas pruebas del experimento aleatorio. En consecuencia, es una v.a. discreta
cuyo soporte es
SX = {0, 1, 2, . . . }

y su función masa viene dada por

n+k−1 n
 
pX (k) = P [X = k] = p (1 − p)k k = 0, 1, 2, . . . (5.3)
k
Nuevamente la función masa queda determinada por n y p, que serán los parámetros
de la distribución binomial negativa y se expresa por X ∼ BN (n, p). Su media y
desviación tı́pica son:
r
1−p 1−p
µ=n y σ= n 2 (5.4)
p p
Ejemplo 5.1.2. Un jugador de baloncesto encesta desde cierta posición de la cancha
con una probabilidad del 40 %. ¿Cuál es la probabilidad de que falle 10 lanzamientos
hasta lograr 3 canastas?
Sol. Si X es la v.a. que describe el número de fallos (fracasos) hasta obtener 3
canastas (éxitos), entonces X ∼ BN (3, 0, 4), con lo cual, la probabilidad de que falle
10 lanzamientos es
3 + 10 − 1
   
3 10 12
P [X = 10] = 0, 4 ×0, 6 = 0, 43×0, 610 = 0, 0255 ⇒ 2, 55 %
10 10

Distribución geométrica.
Es la de la v.a. X que describe el número de pruebas hasta obtener el primer
éxito en sucesivas pruebas del experimento aleatorio. En consecuencia, es una v.a.
discreta cuyo soporte es
SX = {1, 2, 3, . . . }

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
4 5. Distribuciones de probabilidad II

y su función masa viene dada por

pX (k) = P [X = k] = (1 − p)k−1 p k = 1, 2, 3, . . . (5.5)

Puesto que la función masa queda determinada por p, éste es el parámetro de la

distribución geométrica y se expresa por X ∼ G(p). Su media y desviación tı́pica
son: r
1 1−p
µ= y σ= (5.6)
p p2
Ejemplo 5.1.3. Un jugador de baloncesto encesta desde cierta posición de la cancha
con una probabilidad del 40 %. ¿Cuál es la probabilidad de que haga 10 lanzamientos
hasta obtener la primera canasta?
Sol. Si X es la v.a. que describe el número de lanzamientos (pruebas) hasta
obtener la primera canasta (éxito), entonces X ∼ G(0, 4), con lo cual, la probabilidad
de que haga 10 lanzamientos hasta obtener la primera canasta es

P [X = 10] = 0, 69 × 0, 4 = 0, 004 ⇒ 0, 4 %

Distribución de Poisson.
Surge de la observación de un suceso A (”éxito”) en un ”intervalo” continuo de
tiempo, longitud, espacio, .... Se usa el término intervalo aunque no es un intervalo en
el sentido matemático usual porque, por ejemplo, podrı́a tratarse de la observación
del número de temblores que ocurren anualmente en cierta localidad, con lo cual,
el intervalo continuo es el año; o podrı́a tratarse de la observación del número de
glóbulos blancos en un gota de sangre y ası́, el intervalo continuo es la gota de sangre.
Si X describe el número de éxitos que pueden ocurrir en un intervalo de magnitud
u, entonces X es una variable aleatoria discreta con

SX = {0, 1, 2, 3, . . . }

Si λ > 0 es la tasa de ocurrencia del éxito en un intervalo unidad (para u = 1), es

decir, el número promedio de éxitos por unidad de medición, su función masa viene

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
5.2. Distribuciones de probabilidad continuas 5

dada por

(λ u)k
pX (k) = P [X = k] = e−λ u k = 0, 1, 2, . . . (5.7)
k!

Puesto que la función masa queda determinada por λ u, éste es el parámetro de esta
distribución, que se expresa por X ∼ P(λ u). Su función de distribución está tabu-
lada. Su media y desviación tı́pica son:

√
µ=λu y σ= λu (5.8)

Ejemplo 5.1.4. Para estudiar las ágatas de una región, se divide ésta en 10000
cuadrados de la misma área. Si, por término medio, se encuentran 3 piezas de ágata
musgosa en un cuadrado y podemos considerar que la v.a. que describe el número
de ágatas musgosas en un cuadrado sigue una distribución de Poisson, a) ¿cuál
es la probabilidad de no encontrar ninguna en un cuadrado?, ¿cuál es el número
de cuadrados en los que probablemente no se encuentre ninguna?, b) ¿cuál es la
probabilidad de encontrar al menos cuatro en un cuadrado?, c) ¿cuál es el número
medio de ágatas musgosas en cuatro cuadrados?, d) ¿cuál es la probabilidad de
encontrar nueve ágatas en cuatro cuadrados?
Sol. Si X es la v.a. que describe el número de ágatas musgosas en un cuadrado,
entonces X ∼ P(3) y
0
a) P [X = 0] = e−3 30! = e−3 ≈ 0, 0498 y el número de cuadrados en los que
probablemente no se encuentre ninguna es 10000P [X = 0] ≈ 498.
b) P [X ≥ 4] = 1 − P [X < 4] = 1 − F (3) = 1 − 0, 647 = 0, 353
c) Si λu es el número medio de ágatas en ”u” cuadrados, siendo λ = 3 el número
medio en 1 cuadrado, entonces 12 es el número medio en 4 cuadrados.
d) La v.a. que describe el número de ágatas en 4 cuadrados es Y ∼ P(12) y la
9
probabilidad de encontrar nueve ágatas en cuatro cuadrados es P [Y = 9] = e−12 129! =
0, 087

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
6 5. Distribuciones de probabilidad II

5.2. Distribuciones de probabilidad continuas.

Distribución uniforme.
Una v.a. X se dice que es uniforme en un intervalo finito, cuando su función de
densidad es constante en dicho intervalo. Formalmente, X ∼ U(a, b) con densidad
de probabilidad
1
f (x) = a<x<b (5.9)
b−a
Su función de distribución viene dada por

 0 x<a


F (x) = x−a (5.10)
b−a
a≤x<b


 1 x≥b
mientras que su media y desviación tı́pica son:
r
a+b (b − a)2
µ= y σ= (5.11)
2 12

Distribución exponencial.
Se dice que una v.a. X tiene distribución exponencial de parámetro λ > 0, si su
densidad de probabilidad viene dada por

f (x) = λ e−λ x x>0 (5.12)

Se trata de una familia de distribuciones que notamos por X ∼ E(λ). Su función de

distribución es (
0 x<0
F (x) = (5.13)
1 − e−λ x x ≥ 0
en cuyo caso su media y desviación tı́pica coinciden y vienen dadas por
1 1
µ= y σ= (5.14)
λ λ
El hecho de que la v.a. exponencial sea positiva, la liga a magnitudes como el tiempo.
De hecho, sus aplicaciones más importantes están relacionadas con los fenómenos
de espera. Ası́,

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
5.2. Distribuciones de probabilidad continuas 7

• Teorı́a de Colas: La distribución exponencial se utiliza para describir el tiempo

que transcurre entre dos sucesos consecutivos de Poisson. En efecto, siempre que el
número de sucesos que ocurren en un intervalo de tiempo (0, t] siga una distribución
de Poisson de parámetro λt, siendo λ el número esperado de sucesos que ocurren en
un intervalo de tiempo unidad, entonces el tiempo que transcurre entre dos sucesos
sucesivos sigue una distribución exponencial de parámetro λ.
• en Análisis de supervivencia: La distribución exponencial X describe el tiempo
que transcurre hasta la muerte de un organismo biológico.
• en Teorı́a de la fiabilidad: La distribución exponencial X describe el tiempo de
vida o duración de las componentes de un sistema.
En estos dos últimos contextos, tiene especial importancia la función de super-
vivencia o de fiabilidad, según el caso, definida por

R(t) = P [X > t] = 1 − F (t) = e−λ t (5.15)

y que representa, en supervivencia, la probabilidad de que el organismo no fallezca

antes del instante t o, equivalentemente, la probabilidad de que sobreviva un tiempo
t; en fiabilidad, la probabilidad de que la componente no falle antes del instante t,
esto es, la probabilidad de que funcione un tiempo t.
En este caso, la aplicación de la distribución exponencial es idónea cuando las
componentes o dispositivos electrónicos de un sistema no se desgastan y ello es
debido a la siguiente

Propiedad 5.2.1. La distribución exponencial carece de memoria. Formalmente,

P [X > τ + t|X > t] = P [X > τ ]

Ası́, si la componente lleva funcionando un tiempo t, entonces la probabilidad de

que siga funcionando otro tiempo más τ , no depende de t. Se deduce, por tanto, que
el dispositivo no tiene memoria, pues no recuerda el tiempo que lleva funcionando
y, puede decirse, que no se desgasta a lo largo de su vida útil.
La distribución exponencial es, de hecho, la única distribución continua que care-
ce de memoria. Como consecuencia, su tasa de fallo es constante. En caso contrario,
la distribución de probabilidad apropiada es la de Weibull.

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
8 5. Distribuciones de probabilidad II

Ejemplo 5.2.5. Si el número de llamadas al 112 sigue una distribución de Pois-

son cuyo promedio son 10 llamadas por hora, a) ¿cuál es la probabilidad de que
ocurran 14 llamadas entre las 10 y las 12 de la mañana?, b) ¿cuál es el número
medio de llamadas entre las 17 y 21 horas?, c) ¿cuál es el tiempo medio entre dos
llamadas sucesivas?, d) ¿cuál es la probabilidad de que el tiempo entre dos llamadas
consecutivas esté entre 1 y 3 minutos?
Sol. a) Si X describe el número de llamadas en un intervalo de t horas, entonces
X ∼ P(10 t). Por tanto, para el intervalo [10,12] de 2 horas, X ∼ P(20) y la
probabilidad es
14
−20 20
P [X = 14] = e = 0, 0387
14!
b) En este caso, X ∼ P(40) y E[X] = 40 llamadas.
c) Si T es el tiempo entre dos llamadas sucesivas, entonces T ∼ E(10) y, puesto
1
que E[T ] = 10
= 0, 1 horas, el tiempo medio entre dos llamadas sucesivas es de 6
minutos (= 0,1 horas).
d) Para la v.a. T ∼ E(10) se trata de calcular la probabilidad
     
1 3 3 1
P ≤T ≤ = FT − FT = e−1/6 − e−1/2 = 0, 24
60 60 60 60

Distribución normal.
Se dice que una v.a. X tiene distribución gaussiana o normal, si su densidad
está dada por
( 2 )
1 x−a

1
f (x) = √ exp − −∞<x<∞ (5.16)
b 2π 2 b

donde ”a” es un número real y ”b” es un número real positivo. Puesto que la
densidad (5.16) queda determinada por ”a” y ”b”, éstos son los parámetros de
dicha distribución y se dice que X ∼ N (a, b). La curva de la densidad presenta las
caracterı́sticas siguientes:

Su dominio es R.

La recta y = 0 es una ası́ntota horizontal.

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
5.2. Distribuciones de probabilidad continuas 9

El valor máximo lo alcanza en el punto (a, √1 ), de tal forma que la curva

b 2π
crece para x < a y decrece para x > a.

La curva tiene dos puntos de inflexión en x = a±b, de tal forma que es cóncava
para a − b < x < a + b, y convexa, en caso contrario.

La curva tiene, en definitiva, forma de campana y por ello se la conoce como campana
de Gauss.

Su media y desviación tı́pica son:

µ = E[X] = a y σ=b (5.17)

lo que significa que µ y σ son los parámetros que la caracterizan y escribiremos

X ∼ N (µ, σ). Su densidad de probabilidad
( 2 )
1 x−µ

1
f (x) = √ exp − −∞<x<∞ (5.18)
σ 2π 2 σ
es simétrica respecto a la recta x = µ (⇒ γ1 = 0) y puesto que µ4 = 3σ 4 (⇒ γ2 = 0),
la distribución normal es mesocúrtica.
Hay multitud de v.a. normales, según los posibles valores de µ y σ. Ası́, fijado σ,
la campana se desplaza a derecha o izquierda según el valor de µ. Por el contrario,
fijado µ, la campana es más apuntada o más aplastada según el valor de σ, esto es,
cuanto mayor sea σ, más aplastada es la campana.

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
10 5. Distribuciones de probabilidad II

La importancia de esta distribución y la complejidad1 del cálculo de las probabili-

dades relativas a ella, han dado lugar a la compilación de la tabla para la f.d.p. de
la llamada distribución normal ”tipificada”, que es la distribución normal de media
cero (µ = 0), y desviación tı́pica uno (σ = 1), que representamos por Z ∼ N (0, 1).
Para cualquier otra v.a. normal X ∼ N (µ, σ), podemos calcular probabilidades
relativas a X ”tipificándola”. En efecto, puesto que ley normal tiene la propiedad de
que cualquier transformación lineal de una v.a. normal, es también una v.a. normal,
entonces

X −µ
X ∼ N (µ, σ) =⇒ Z= ∼ N (0, 1) (5.19)
σ

y ası́,
X −µ x−µ x−µ
   
FX (x) = P [X ≤ x] = P ≤ = FZ
σ σ σ

5.3. Aproximaciones por la distribución Normal.

Aunque actualmente la tecnologı́a disponible hace posible determinar probabili-

dades binomiales (5.1) exactas para cualquier par de valores del número n de pruebas
del experimento y probabilidad p del éxito, en el pasado éste no era el caso y por
ello, se planteó el problema de buscar aproximaciones satisfactorias de las probabili-
dades binomiales. El problema fue resuelto por DeMoivre y Laplace que observaron
que, fijado p, y para valores crecientes de n, el diagrama de barras de la distribución
binomial B(n, p) va adoptando forma de campana.

1
Su f.d.p. FX (x) no tiene una expresión explı́cita, ha de calcularse por integración numérica.

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
5.3. Aproximaciones por la distribución Normal 11

B(10, p) B(25, p) B(100, p)

La solución formal se enuncia en el siguiente

Teorema ”Aproximación de la binomial por la Normal”: Si X ∼ B(n, p)

donde p no es muy pequeño ni muy grande, es decir, ni muy próximo a 0 ni a 1, y
el parámetro n es suficientemente grande, entonces X ∼ B(n, p) X ′ ∼ N (µ, σ)
con
p
µ=np y σ= n p (1 − p) (5.20)

y ası́,
P [a ≤ X ≤ b] ≈ P [a ≤ X ′ ≤ b]

En la práctica la aproximación es buena cuando

n ≥ 30 np ≥ 5 y n(1 − p) ≥ 5 (5.21)

En el caso de que p sea muy pequeño, n tendrá que ser extraordinariamente

grande para que np ≥ 5 y, por tanto, cuando éste no es el caso, las probabilidades
binomiales no deben aproximarse por la normal, sino por la distribución de Poisson.
Teorema ”Aproximación de la binomial por la Poisson”: Sea X ∼ B(n, p)
de tal manera que para p → 0, n es lo suficientemente grande como para que el
producto np se mantenga constante, esto es, np ≈ λ > 0, entonces X P(λ).
En la práctica la aproximación es buena cuando np ≤ 5, siendo n ≥ 50.

Ejemplo 5.3.6. Sabiendo que la probabilidad de que una jeringuilla fabricada por
cierto laboratorio sea defectuosa es de una entre mil, ¿cuál es la probabilidad de que
entre las 8000 que se reciben en un hospital el número de defectuosas sea inferior a
la docena?

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
12 5. Distribuciones de probabilidad II

Sol. Si X describe el número de jeringuillas defectuosas entre las adquiridas por

el hospital, entonces X ∼ B(8000; 0, 001) P(8) y la probabilidad de que el número
de defectuosas adquiridas sea inferior a 12 es P [X < 12] = P [X ≤ 11] = F (11) ≈
0, 888.

Teorema ”Aproximación de la Poisson por la Normal”: Sea X ∼ P(λ)

√
de tal manera que λ → ∞, entonces X N (λ, λ).
En la práctica la aproximación es buena cuando λ > 16.

Corrección por continuidad.

No obstante, puesto que al aplicar la aproximación estamos pasando de una
variable discreta (binomial, Poisson) X a una variable continua (normal) Z, debemos
utilizar la corrección por continuidad de Yates según la cual, el suceso [X = a] en
una distribución discreta equivale al de un pequeño intervalo de longitud unidad
alrededor del punto a,

[X = a] −→ [a − 0,5 ≤ X ′ ≤ a + 0,5]

Por tanto, si X N (µ, σ), entonces

a − 0,5 − µ a + 0,5 − µ
 
′
P [X = a] ≈ P [a − 0,5 ≤ X ≤ a + 0,5] = P ≤Z≤
σ σ
(5.22)
Análogamente,

P [X ≤ a] ≈ P [X ′ ≤ a + 0,5] P [X ≥ a] ≈ P [X ′ ≥ a − 0,5]
P [X < a] ≈ P [X ′ ≤ a − 0,5] P [X > a] ≈ P [X ′ ≥ a + 0,5]

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
5.4. Ejercicios 13

con lo cual,
P [a < X ≤ b] ≈ P [a + 0,5 ≤ X ′ ≤ b + 0,5]

P [a ≤ X ≤ b] ≈ P [a − 0,5 ≤ X ′ ≤ b + 0,5]

P [a ≤ X < b] ≈ P [a − 0,5 ≤ X ′ ≤ b − 0,5]

P [a < X < b] ≈ P [a + 0,5 ≤ X ′ ≤ b − 0,5]

Ejemplo 5.3.7. Si el 40 % de los menores de 25 años están en paro y tomamos

una muestra de 200 de ellos, ¿cuál es la probabilidad de que el número de parados
coincida con la media?
Sol. Si X describe el número de parados menores de 25 años, entonces X ∼
B(200, 0, 4), pero dado que np = 80 > 5 y n(1 − p) = 120 > 5, podemos aplicar la
√
aproximación por la normal, X ∼ B(200, 0, 4) X ′ ∼ N (80, 48) y ası́,

P [X = 80] ≈ P [80 − 0, 5 ≤ X ′ ≤ 80 + 0, 5]
 
80 − 0, 5 − 80 80 + 0, 5 − 80
= P √ ≤Z≤ √
48 48
= P [−0, 072 ≤ Z ≤ 0, 072]
= FZ (0, 072) − FZ (−0, 072)
= 0, 0558

5.4. Ejercicios.
93. Un mensajero reparte correspondencia en una ciudad de modo que su des-
plazamiento es superior a 500 metros en el 20 % de los envı́os. Un dı́a tiene 10
encargos por distribuir a su destino. Determina: a) la probabilidad de que tenga
2 desplazamientos superiores a 500 m, b) número medio y desviación tı́pica de los
desplazamientos de más de 500 m, c) la probabilidad de que tenga 2 desplaza-
mientos inferiores o iguales a 500 m , d) número medio y desviación tı́pica de los
desplazamientos inferiores o iguales a 500 m.

95. La fiabilidad estadı́stica de una componente se define como la probabilidad

p (0 < p ≤ 1) de que la componente funcione o realice su cometido. a) Si un sistema

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
14 5. Distribuciones de probabilidad II

tiene n componentes dispuestas en serie (todas las componentes deben funcionar

para que funcione el sistema), ¿cuál es la fiabilidad del sistema?, b) Si un sistema
tiene n componentes dispuestas en paralelo (en cuyo caso el sistema funciona cuando,
por ejemplo, al menos k componentes lo hacen), ¿cuál es la fiabilidad del sistema?.

96. a) Si en la estructura en paralelo del sistema 1, una componente, al menos,

debe funcionar para que lo haga el sistema, y las fiabilidades de las componentes
son las indicadas, ¿cuál es la fiabilidad del sistema?, b) ¿Cuál es la fiabilidad del
sistema 2?.

p2 p1
p1 p2
b p2 b p1
p1
p2 p3 p3

Sistema 1 Sistema 2

105. En un lote hay tarjetas de memoria, cada una de las cuales contiene 20
circuitos integrados. Si la probabilidad de que falle uno de los circuitos es del 15 %,
a) ¿Cuál es la probabilidad de que en una tarjeta fallen menos de los que se esperan?,
b) Si seleccionamos 4 tarjetas al azar, ¿cuál es la probabilidad de que fallen más de
una docena de circuitos pero menos de 18?.

122. Si la probabilidad de que un conductor se salte un semáforo en rojo es

del 10 %, ¿Cuál es la probabilidad de que el décimo conductor que pasa por cierto
semáforo sea el tercero que se lo salta en rojo?, ¿Cuál es la probabilidad de que
pasen 9 conductores por dicho semáforo hasta observar al primer conductor que se
lo salta en rojo?.

123. Si la probabilidad de que, al llamar a un programa de radio muy popular,

la lı́nea está desocupada es del 5 % y las llamadas ocurren independientemente unas

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
5.4. Ejercicios 15

de otras, ¿Cuál es la probabilidad de hacer 7 llamadas hasta conseguir lı́nea?, ¿Cuál

es la probabilidad de que la séptima persona que llama sea la tercera en conseguir
lı́nea?.

126. Si la probabilidad de encontrar aparcamiento delante del Aulario-I cual-

quier dı́a de lunes a viernes durante el curso académico es de 0,25, a) ¿cuál es la
probabilidad de que en una semana cualquiera encuentre aparcamiento el lunes y
el martes?, ¿cuál es la probabilidad de que en una semana cualquiera encuentre
aparcamiento solamente el lunes y el martes? b) ¿cuál es la probabilidad de que en
una semana cualquiera encuentre aparcamiento tres dı́as al menos?, c) Si el curso
académico consta de 30 semanas, ¿cuántos dias cabe esperar encuentre aparcamien-
to en esa zona?, d) ¿cuál es la probabilidad de que encuentre aparcamiento por
primera vez el tercer dı́a de curso?.

127. En la fabricación de cierto tipo de láminas de yeso, su espesor (en cm) es

una variable aleatoria con densidad de probabilidad

x
 2 0≤x≤1


f (x) = 4−x
6
1<x≤4


 0 otro caso

a) ¿Cuál es el espesor medio de una lámina?, b) ¿Cuál es el espesor máximo del 60 %

de estas láminas?, c) Si una lámina se considera fina cuando su espesor es inferior
a 1cm, ¿cuál es la probabilidad de que tengamos que seleccionar cinco láminas para
encontrar una que sea fina?, d) ¿Cuál es la probabilidad de que tengamos que
seleccionar seis láminas para encontrar dos que sean finas?.

142. El número de avisos a un servicio de grúas es un proceso de Poisson con

una tasa de 4 avisos por hora. a) Determina la probabilidad de que se reciban 10
avisos durante dos horas, b) ¿Cuál es el tiempo medio entre dos avisos sucesivos?,
c) Si los operadores de las grúas descansan 30 minutos para desayunar, ¿cuál es
la probabilidad de que no se pierda ninguna llamada de asistencia?, d) ¿Cuántos
avisos deberı́an esperarse durante el descanso?.

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
16 5. Distribuciones de probabilidad II

146. Si el número de aviones que llegan a un gran aeropuerto sigue una distri-
bución de Poisson con una media de 6 aviones por hora, ¿cuál es la probabilidad de
que lleguen 4 aviones en una hora?, ¿cuál es la probabilidad de que lleguen menos
de 10 aviones en dos horas?. Si el probabilidad de un colapso de entrada en un dı́a
laboral (12 horas) es del 3 %, ¿cuál es el número mı́nimo de aviones que podrı́an
llegar?.

149. La duración (en años) de un tipo de célula fotovoltaica sigue una distribu-
ción exponencial con una media de 5 años, a) Si la célula lleva funcionando 3 años,
¿cuál es la probabilidad de que funcione al menos 7 años más?, b) ¿Cuál es la du-
ración mı́nima del 25 % de las células más duraderas?, c) Si lás células fotovoltaicas
se empaquetan en cajas de 10 unidades, ¿cuál es la probabilidad de que más de 3
duren más de 7 años?, d) Si el número de reparaciones a lo largo de la vida útil
de estas células sigue una distribución de Poisson con una media de 2 reparaciones,
¿cuál es la probabilidad de que una célula supere cuatro reparaciones?.

151. En la centralita de un servicio de ITV hay cuatro operadores que atienden

llamadas solicitando cita para la inspección. Cada uno de ellos y de forma indepen-
diente uno del otro, recibe un número de llamadas según una distribución de Poisson
con una media de 2 llamadas por minuto. a) ¿Cuál es la probabilidad de que el pri-
mer operador reciba seis llamadas durante 5 minutos?, b) Si la linea de un operador
se colapsa cuando recibe más de 2 llamadas/minuto, ¿cuál es la probabilidad de
que la centralita se colapse durante un minuto?, c) ¿Cuál es la probabilidad de que
durante un minuto haya exactamente tres operadores que no reciban llamadas?.

164. La distribución de la resistencia para resistores de cierto tipo es normal, el

10 % de todos los resistores tienen una resistencia que excede los 10,256 ohms y el
5 % tienen una resistencia menor de 9,671 ohms. ¿Cuáles son los valores de la media
y de la desviación tı́pica de la distribución de la resistencia ?.

167. El circuito siguiente tiene 3 componentes que funcionan de forma indepen-

diente, y dispuestas como muestra la figura. Si la probabilidad de fallo antes de las

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
5.4. Ejercicios 17

11 horas de cada una de las componentes C1 y C2 es del 10 % y, además, la compo-

nente C3 tiene un tiempo de funcionamiento que se distribuye según una exponencial
con una media 12 horas. a) Determina la probabilidad de que la componente C3 ,
que lleva funcionando 8 horas, no llegue a funcionar 3 horas más, b) ¿Cuál es la
probabilidad de que el circuito funcione más de 11 horas?.

C1

b
C3

C2

173. Dos máquinas A y B fabrican remaches cuyas resistencias (en psi) a la rotura
se distribuyen normalmente. La máquina A produce remaches con una resistencia
media de 8500 psi y desviación tı́pica de 600 psi, mientras que los de la máquina B
tienen una resistencia media de 7500 psi con una desviación tı́pica de 200 psi. a) Si un
fabricante de maquinaria pesada considera aceptables remaches que resistan más de
6900 psi, ¿qué máquina le proporcionará el menor número de remaches defectuosos?,
b) Si se cataloga como ”resistentes” al 5 % superior de los remaches de la máquina
B, ¿cuál es la resistencia mı́nima de tales remaches?, c) Si la resistencia que indica
cuándo un remache de la máquina B es ”resistente” es, a su vez, la que indica cuándo
un remache de la máquina A es ”no resistente”, ¿cuál es el porcentaje de remaches
de la máquina A catalogados como ”no resistentes”?. En un lote de 50 remaches de
A, ¿cuántos cabe esperar sean ”no resistentes”?.

181. Una fábrica dispone de dos máquinas para cortar piezas. La máquina A
corta sus piezas con un diámetro (en cm) que es una variable aleatoria con densidad
de probabilidad f (x) = (x − 1)/2 para 1 < x < 3, mientras que el diámetro de
las piezas cortadas con la máquina B se distribuyen normalmente con una media
de 1,85cm y desviación tı́pica de 0,24cm, a) ¿Cuál es el diámetro medio de las

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
18 5. Distribuciones de probabilidad II

piezas que corta la máquina A?, b) Sabiendo que la máquina A corta el 70 % de las
piezas, ¿cuál es la probabilidad de que al seleccionar al azar una pieza cuyo diámetro
está comprendido entre 1,9 y 2,2 cm, dicha pieza haya sido cortada con la máquina
A?, c) Si un cliente hace un pedido de 2000 piezas pero exige que todas procedan
de la misma máquina y que sus diámetros difieran menos de 0,5cm de su media,
¿cuántas piezas de la máquina A serı́an aceptables? ¿y de la máquina B?.

193. Si la duración (en miles de horas) de una baterı́a sigue una distribución
exponencial con una media de 5000horas, a) ¿Cuál es la duración mı́nima del 50 %
de las baterı́as más duraderas?, b) ¿Cuál es la duración máxima del 40 % de las
baterı́as menos duraderas?, c) En un lote de 50 baterı́as, ¿cuál es la probabilidad de
que, a lo sumo, 21 duren más de 3000h?, d) La fábrica quiere analizar la calidad de
las baterı́as y ha decidido que cambiar el proceso de fabricación si, al seleccionar 40
baterı́as al azar y observar su duración, hay más de una docena que duran menos
de 2000 horas. ¿Cuál es la probabilidad de que cambie el proceso de fabricación?.

197. La longitud (en cm) de los tornillos fabricados por cierta máquina automáti-
ca, tiene una densidad de probabilidad dada por
(
k(x − 1)(4 − x) 1 ≤ x ≤ 4
f (x) =
0 otro caso

a) ¿Cuál es la longitud media de un tornillo?, b) ¿Cuál es la probabilidad de que

un tornillo tenga una longitud comprendida entre 2 y 3 cms?, c) Si sólo tengo 5
tornillos, ¿cuál es la probabilidad de que, al menos, 4 tornillos tengan una longitud
comprendida entre 2 y 3 cms?, d) En una caja con 50 tornillos, ¿cuál es el número
medio de tornillos con una longitud comprendida entre 2 y 3 cms?, ¿cuál es la
probabilidad de que al menos 35 tengan una longitud comprendida entre 2 y 3 cms?,
e) Si un tornillo mide más de 2 cms, ¿cuál es la probabilidad de que su longitud no
supere los 3 cms?, f) Si un tornillo es válido cuando su longitud está, como mucho,
a una desviación tı́pica de la longitud promedio, ¿cuál es la probabilidad de que
un tornillo sea útil?, g) Si tengo 50 tornillos, ¿cuál es el número medio de tornillos
útiles?, ¿cuál es la probabilidad de que al menos 35 sean útiles?.

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
5.4. Ejercicios 19

207. Un horno dispone de 4 reguladores térmicos y se desconecta cuando, al me-

nos, tres de los reguladores superan los 210o C. Cada regulador indica la temperatura
del horno, independientemente de los demás y la temperatura que proporciona cada
regulador es una variable aleatoria normal con una media 200o C y una desviación
tı́pica de 10o C. ¿Cuál es la probabilidad de que se desconecte?.

215. La duración (en miles de horas) de ciertos componentes electrónicos puede

describirse mediante una distribución exponencial con una media de 8000 horas. a)
¿Cuál es la duración mı́nima de un componente con una probabilidad del 90 %?, b)
Si el departamento de control de calidad rechaza los componentes que duren menos
de 3000horas, ¿cuál es la probabilidad de que un componente aceptable dure más
de 12000 horas?, c) Si la fábrica ha decidido cambiar el proceso de fabricación si,
al seleccionar 40 componentes al azar y observar su duración, hay más de 10 que
duran menos de 3000 horas, ¿cuál es la probabilidad de que cambie el proceso de
fabricación?.

216. Un fabricante de papel de aluminio vende rollos de 30 metros. La longitud

de cada rollo de papel de aluminio sigue una distribución normal con una media
de 29,5 metros. Si el 34,5 % de los rollos miden más de 30 metros, a) ¿cuál es la
probabilidad de que un rollo mida más de 31 metros?. b) En un lote de 25 rollos,
¿cuál es la probabilidad de que más de dos midan más de 31 metros?.

218. Se envı́a un aviso a todos los propietarios de cierto tipo de automóvil,

solicitándoles llevarlo al distribuidor para comprobar la presencia de cierto defecto
de fabricación. Si sólo el 0,05 % de tales automóviles tienen el defecto y hay 10000
unidades en circulación, a) ¿Cuántos de dichos vehı́culos es de esperar que tengan
el defecto?, b) ¿Cuál es la probabilidad de que por lo menos 10 automóviles de
la muestra tengan el defecto? c) ¿Cuál es la probabilidad de que ninguno de los
automóviles de la muestra tengan el defecto?.

225. El número de errores al ejecutar un procedimiento implementado en un

ordenador se distribuye según una Poisson con una media de 2 errores por minuto.

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20
20 5. Distribuciones de probabilidad II

a) ¿Cuál es la probabilidad de que en un intervalo de tres minutos, ocurran cuatro

errores?, ¿cuál es la probabilidad de que en un intervalo de cinco minutos, ocurran
ocho errores?, b) Determina la probabilidad de que en 2 horas se produzcan: más de
230 errores y, como mucho, 238 errores; entre 233 y 243 errores, c) ¿Cuál es el tiempo
medio entre dos errores consecutivos?, ¿cuál es la probabilidad de que transcurran
más de 45 segundos entre dos errores consecutivos?.

255. Un sistema tiene n componentes idénticas, conectadas en serie y que fun-

cionan independientemente unas de otras, de forma que el sistema falla tan pronto
como una de las componentes falla. Si la duración (en horas) de cada una de ellas si-
gue una distribución exponencial con una media de µ horas, ¿cuál es la probabilidad
de que el sistema no falle antes de t horas?, ¿cuál es la vida media del sistema?.

257. Un sistema tiene n componentes idénticas, conectadas en paralelo y que

funcionan independientemente unas de otras, de forma que el sistema falla cuando
alguna de las componentes falla. Si la duración (en horas) de cada una de ellas sigue
una distribución exponencial con una media de µ horas, ¿cuál es la probabilidad de
que el sistema no falle antes de t horas?.

Alicia M. Juan González

Ing. Industrial, Grupos A-B, Curso 2019/20