Notas de Estadística

Mag. Liliana Ghersi

UNIDAD Nº 3
DISTRIBUCIONES DISCRETAS DE PROBABILIDAD

DISTRIBUCION BINOMIAL: Se busca generalmente, determinar la probabilidad de que

un suceso ocurra un determinado número (n0) de veces en n repeticiones de pruebas
independientes; en cada una de las cuales la probabilidad de que ocurra dicho suceso es p.

Pz n  n0   Cnn0 * p n0 * 1  p 
nn0 
Si n2 y nN y 0  n0  n

E z n   n * p
Dispz n   n * p * 1  p 
1/ 2

mo z n   z o ; y; n * p  1  p   z o  n * p  p; y; z o  N

1- De la práctica 1 rescatemos el ejercicio nº 5 y realicemos sobre el mismo la

modificación pertinente para obtener el siguiente enunciado:- Para un empleo -publicitario-
se buscan personas que cumplan con una cierta cantidad de requisitos; se sabe que dentro de
la población el 60% cumple con la totalidad de los requisitos.
Si se eligen aleatoriamente a 4 personas; definir la variable aleatoria cantidad de personas
que cumplen con la totalidad de requisitos que se genera, su ley de probabilidad; calcular su
valor esperado y su dispersión utilizando las distintas fórmulas disponibles.

X P(X) X*P(X) X^2*P(X)

0 0.0256 0 0
1 0.1536 0.1536 0.1536
2 0.3456 0.6912 1.3824
3 0.3456 1.0368 3.1104
4 0.1296 0.5184 2.0736
1
E(X)= 2.4 6.72
VAR(X)= 0.96
DISP(X)= 0.9797959
E(X)=np 2.4
VAR(X)=npq 0.96

[Escriba texto] Página 68

Notas de Estadística
Mag. Liliana Ghersi

P(X)

0.4
0.3
0.2
0.1
0
0 1 2 3 4
Cantidad de personas que cumplen con
totalidad de requisitos

2 - En una empresa, se sabe que la probabilidad de que sus clientes abonen con retraso sus
deudas es de 0.25. Se toman aleatoriamente 5 facturas no aún no canceladas -
correspondientes a clientes distintos-. Defina la variable cantidad de facturas que se
cancelarán con retraso; su ley de probabilidad , su valor esperado, su dispersión y su valor
modal.
X P(X)
0 0.23730469
1 0.39550781
2 0.26367188
3 0.08789063
4 0.01464844
5 0.00097656
1

E(X) DISP(X) MODA

1.25 0.96824584 1

[Escriba texto] Página 69

Notas de Estadística
Mag. Liliana Ghersi

3 - Realice el mismo ejercicio, pero en el caso que se tomen 10 facturas y en el caso que se
tomen 100 facturas. Para el alumno: tome n=150 y n=200; compare!.
3.1- Se toman diez facturas, n=10

X P(X)
0 0.05631351
1 0.18771172
2 0.28156757
3 0.25028229
4 0.145998
5 0.0583992
6 0.016222
7 0.0030899
8 0.00038624
9 2.861E-05
10 9.5367E-07
1

E(X) DISP(X) MODA

2.5 1.36930639 2

Observe que 10 * 0.25  0.75  2  10 * 0.25  0.25 y que pertenece a los enteros.

[Escriba texto] Página 70

Notas de Estadística
Mag. Liliana Ghersi

3.2 –Se toman 100 facturas, n=100

X P(X)
0 3.2072E-13
1 1.0691E-11
2 1.764E-10
3 1.9208E-09
4 1.5526E-08
5 9.9367E-08
6 5.2444E-07
7 2.3475E-06
8 9.0965E-06
9 3.0995E-05
10 9.402E-05
11 0.00025642
12 0.00063392
13 0.00143038
14 0.00296294
15 0.00566251
16 0.01002735
17 0.01651564
18 0.02538515
19 0.03651899
20 0.04930064
21 0.06260399
22 0.07493508
23 0.08470922
24 0.0905918
25 0.09179969
26 0.08826893
27 0.08064075
28 0.07008066
29 0.05799778
30 0.04575381
31 0.03443835
32 0.02475256
33 0.01700176
34 0.01116782

[Escriba texto] Página 71

Notas de Estadística
Mag. Liliana Ghersi

35 0.00701977
36 0.00422486
37 0.00243596
38 0.00134619
39 0.00071336
40 0.00036263
41 0.00017689
42 8.283E-05
43 3.7241E-05
44 1.6082E-05
45 6.6708E-06
46 2.6587E-06
47 1.0182E-06
48 3.7476E-07
49 1.3257E-07
50 4.5073E-08
51 1.473E-08
52 4.6267E-09
53 1.3967E-09
54 4.0522E-10
55 1.1297E-10
56 3.026E-11
57 7.7862E-12
58 1.9242E-12
59 4.5659E-13
60 1.04E-13
61 2.2732E-14
62 4.7665E-15
63 9.5833E-16
64 1.8468E-16
65 3.4095E-17
66 6.0268E-18
67 1.0195E-18
68 1.6491E-19
69 2.5494E-20
70 3.7634E-21
71 5.3005E-22
72 7.1164E-23
73 9.0986E-24

[Escriba texto] Página 72

Notas de Estadística
Mag. Liliana Ghersi

74 1.1066E-24
75 1.2787E-25
76 1.4021E-26
77 1.4567E-27
78 1.4318E-28
79 1.3291E-29
80 1.163E-30
81 9.572E-32
82 7.393E-33
83 5.3443E-34
84 3.6053E-35
85 2.2621E-36
86 1.3152E-37
87 7.0547E-39
88 3.4739E-40
89 1.5613E-41
90 6.3609E-43
91 2.33E-44
92 7.5978E-46
93 2.1786E-47
94 5.4078E-49
95 1.1385E-50
96 1.9765E-52
97 2.7169E-54
98 2.7724E-56
99 1.8669E-58
100 6.223E-61
1
E(X) DISP(X) MODA
25 4.33012702 25

Nuevamente, observe que 100*(0.25) - 0.75  25  100*(0.25) + 0.25 y 25Z.

[Escriba texto] Página 73

Notas de Estadística
Mag. Liliana Ghersi

4 - En el ingreso de datos de un sistema, la probabilidad de que se cometa un error no

detectado por los procesos de validación es de 0.01.
Si se realiza 5 veces el proceso -para distintas oportunidades- hallar a probabilidad que el
suceso -que se cometa un error no detectado por los procesos de validación- ocurra no
menos de 3 veces. Obtenga el valor esperado y la dispersión para esta variable aleatoria,
explique qué indica el valor obtenido y qué indicaría en la práctica.

Solución: Definamos la variable aleatoria, su ley de probabilidad y su ley de probabilidad

acumulada:
X P(X) P(X<=x0)
0 0.95099005 0.95099005
1 0.0480298 0.99901985
2 0.0009703 0.999990149
3 9.801E-06 0.99999995
4 4.95E-08 1
5 1E-10 1
E(X) DISP(X) MODA
0.05 0.22248595 0

P x  3  P x  3  P x  4  P x  5 = 9.801E-06 + 4.95E-08 + 1E-10 =9.8506E-06

O sea el suceso tiene una posibilidad muy pequeña que se presente; situación totalmente
lógica, ya que al existir procesos de validación la información es controlada antes de

[Escriba texto] Página 74

Notas de Estadística
Mag. Liliana Ghersi

ingresar al sistema. Lo cual también se evidencia en el valor esperado de la variable

aleatoria.

5- En el ingreso de datos de un sistema, la probabilidad de que se cometa un error es de 0.1.

Si se realiza 5 veces el proceso -para distintas oportunidades- hallar a probabilidad que el
suceso -que se cometa un error - ocurra no menos de 3 veces. Obtenga el valor esperado y la
dispersión para esta variable aleatoria, explique qué indica el valor obtenido y qué indicaría
en la práctica.

Solución:
Vea ahora, que el valor de probabilidad asociado al suceso es mayor que en el del ejercicio
anterior. Si definimos la variable aleatoria , su ley de probabilidad y de distribución
obtenemos:

X P(X) P(X<=x0)
0 0.59049 0.59049
1 0.32805 0.91854
2 0.0729 0.99144
3 0.0081 0.99954
4 0.00045 0.99999
5 0.00001 1
1

P(X>=3)
0.00856
E(X) DISP(X) MODA
0.5 0.67082039 0

Observe que ahora los valores de probabilidad hallados son mayores, ya que el suceso
favorable - de que se cometa un error - tiene una probabilidad mayor de aparecer.

6 - La asignación de tareas -dentro de una sección- a un grupo de empleados se hace

diariamente en forma aleatoria. El grupo cuenta con 6 empleados y las tareas posibles a ser
realizadas periódicamente son 3; T1; T2 y T3.
Definir la variable aleatoria cantidad de veces que en una semana -de 5 días- le toque la T1;
al empleado con número de legajo menor.
Asimismo calcular las siguientes probabilidades:
6.1 - Que le toque a lo sumo 2 días.
6.2 - Que le toque por lo menos 3 días.
6.3 - Que le toque entre 2 y 4 días.

[Escriba texto] Página 75

Notas de Estadística
Mag. Liliana Ghersi

6.4 - Que le toque no más de 3 días

6.5 - Que le toque más de 5 días.
6.6 - Que le toque a lo sumo 2 días; si se sabe que le ha tocado menos de 4 días.
6.7 - Que le toque más de 4 días, si se sabe que le ha tocado menos de 4 días.

Solución:
Debemos hallar primeramente la probabilidad del suceso favorable; o sea la probabilidad
que la tarea 1 le sea asignada al empleado con numero de legajo menor; a la cual
denotaremos con p.

Para ellos debemos tener presente que:

los casos posibles son 6! ;
y los casos favorables son: 2*5!
Por lo tanto: p = (2 * 5!)/6! = 1/3
Y si tenemos presente que la probabilidad del suceso desfavorable -probabilidad de que al
empleado con legajo menor no se le asigne la tarea 1 - es 2/3 y que la denotaremos con q; y
que ambas probabilidades permanecen constante para cada asignación diaria, se tiene
entonces la siguiente variable:

X P(X)
0 0.13168724
1 0.32921811
2 0.32921811
3 0.16460905
4 0.04115226
5 0.00411523
1

6.1 - Que le toque a lo sumo 2 días.

P x  2  P x  0  P x  1  P x  2  0.13168724 + 0.32921811 + 0.32921811
= 0.79012346

6.2 - Que le toque por lo menos 3 días.

P x  3  P x  3  P x  4  P x  5  0.16460905 + 0.04115226 + 0.00411523
= 0.209876549 = 1 - 0.79012346.

Observe que ambos sucesos son incompatibles y que la unión de los mismos da el espacio
muestral.

6.3 - Que le toque entre 2 y 4 días.

[Escriba texto] Página 76

Notas de Estadística
Mag. Liliana Ghersi

P2  x  4  P x  2  P x  3  P x  4  0.32921811 + 0.16460905 + 0.04115226

= 0.53497942.

6.4 - Que le toque no más de 3 días

P x  3  P x  2  P x  3  0.79012346 + 0.16460905
= 0.13168724 + 0.32921811 + 0.32921811 + 0.16460905
= 0.954732528

6.5 - Que le toque más de 5 días.

P x  5  0
Debido a que estamos ante el suceso imposible.

6.6 - Que le toque a lo sumo 2 días; si se sabe que le ha tocado menos de 4 días.
Px  2 / x  4  Px  2 / Px  4 
P( x  0)  P( x  1)  P( x  2) 
P( x  3)  P( x  2)  P( x  3)
=0.79012346/0.954732528=0.8275861

6.7 - Que le toque más de 4 días, si se sabe que le ha tocado menos de 4 días
P x  4 / x 4  P x  4  x  4 / P x4 
 P())  0
 P(x  3
Observe que estamos esperando el suceso imposible.
Trate usted de interpretar todos los resultados dados.

7- Para realizar usted. Una máquina está compuesta por tres elementos que trabajan
independientemente. La probabilidad de que cada elemento falle en una operación es 0.03.
Determine la ley de distribución del número de elementos que fallan en una operación.

DISTRIBUCION HIPERGEOMETRICA:

Sea N el número total de elementos en una población finita, de manera tal, que k de estos
elementos presenta una cierta característica en la modalidad A y N-k presenta una cierta
característica en la modalidad no A; si se seleccionan de la población n elementos
aleastoriamente de manera tal que todos tengan la misma posibilidad de ser elegidos, la
probabilidad de que x presenten la característica en la modalidad A y n-x presenten la
característica en la modalidad noA es:

máx0; n  ( N  A)  X n  mínn; A

[Escriba texto] Página 77

Notas de Estadística
Mag. Liliana Ghersi

Ckx C Nn xk
P X n  x  
C Nn

EX n  
n*k
 n* p
N
N n
Disp X n   n * p * 1  p 
1/ 2
*
N 1
8- Una empresa tiene codificados a sus artículos en forma numérica del número 1 al
número 10. Se toman aleatoriamente y en condiciones de equiposibilidad 4 fichas técnicas
correspondientes a 4 de sus artículos; a los efectos de realizar un trabajo administrativo . Se
sabe que los artículos codificados del 1 a 6 insumen -para dicho trabajo -1 hora cada uno; y
el resto 2 horas. Definir la variable aleatoria: cantidad de fichas extraídas cuyo trabajo
administrativo insume 1 hora.
Solución:
Observe que la probabilidad del suceso favorable no permanece constante ; o sea no son
independientes los eventos que surgen en cada repetición del experimento.

Y por lo tanto:
EX n  
n*k
 n* p
N
N n
Disp X n   n * p * 1  p 
1/ 2
*
N 1

X P(X) X*P(X) X^2*P(X) (X-E(X))^2*P(X)

0 0.004761905 0 0 0.027428571
1 0.114285714 0.114285714 0.11428571 0.224
2 0.428571429 0.857142857 1.71428571 0.068571429
3 0.380952381 1.142857143 3.42857143 0.137142857
4 0.071428571 0.285714286 1.14285714 0.182857143
1 2.4 6.4 0.64
DISP(X)= 0.8 0.8

[Escriba texto] Página 78

Notas de Estadística
Mag. Liliana Ghersi

cantidad de artículos que insumen 1

hora en 4 extracciones

0.5
0.4
0.3
0.2
0.1
0
0 1 2 3 4

9 - Realice el mismo ejercicio, extrayendo 5 artículos; extrayendo 6 y extrayendo 7

artículos. Realice las comparaciones pertinentes y justifique sus resultados.

DISTRIBUCION DE POISSON:
Cuando la cantidad de veces que se repite el experimento es en forma independiente para
cada repetición, lo suficientemente grande, la probabilidad asociada al suceso favorable es
lo suficientemente pequeña; y la cantidad de veces de que se presente el suceso también es
pequeña, se utiliza esta distribución. También vale comentar que cuando el suceso definido
como favorable se presenta sobre un continuo y las repeticiones son estocásticamente
independiens con probabilidad constante, el modelo probabilístico es es modelo de Poisson.
Donde:

x * e 
P( X n  x) 
x!
E ( X n)  
Disp ( X n )   

10 -Una máquina produce 100000 artículos por hora; y la probabilidad que un artículo
resulte calificado de 2º es 0.0001. Hallar la probabilidad de que en la producción de una
hora se generen 4 artículos de 2º.
 = 100000*0.0001 = 10

10 4 * e 10
P100000(4)   0.0189
4!

[Escriba texto] Página 79

Notas de Estadística
Mag. Liliana Ghersi

11 - Una empresa en su depósito tiene una probabilidad de rotura para sus productos de
0.0002. Hay en depósito 1000000 de artículos. Hallar las siguientes probabilidades:
11.1 - Que se produzca la rotura en un artículo.
11.2 - Que se produzca la rotura en dos artículos.
11.3 - Que se produzca la rotura en 3 artículos.
11.4 - Que se produzca la rotura en no más de 3 artículos.
11.1 - Que se produzca la rotura en más de 3 artículos.

X P(X)
0 1.3839E-87
1 2.76779E-85
2 2.76779E-83
3 1.8452E-81
P(X<=3) 1.87315E-81
P(X>3) 1

12- Para que lo realice usted.

En una empresa, la cantidad de facturas es de 1000000 en un período t de tiempo; y la
probabilidad que las mismas sean por un monto mayor a 10000 u.m. es 0.00003. Hallar la
probabilidad que al tomar tres resulten por una monto mayor a 10000. Hallar la
probabilidad que no más de tres resulten por un monto no mayor a 10000

13 - El número de aviones que llegan por minuto a un aeropuerto tiene una distribución de
Poissson con =3.
Hay 4 operadores y cada uno atiene a un avión, si más de 4 aviones llegan en un minuto, el
exceso se desvía a otro aeropuerto.
A- En un minuto cuál es la probabilidad de tener que desviar aviones?
B- Cuál es el número esperado de aviones atendidos por minuto

 3
x p(x)
0 0.049787068
1 0.149361205
2 0.224041808
3 0.224041808
4 0.168031356
5 0.100818813
>5 0.083917942

[Escriba texto] Página 80

Notas de Estadística
Mag. Liliana Ghersi

A- P(x>4) = 0.1847 -aproximadamente este es el valor-

B - E(x)=  = 3 y Var(x)=  = 3 y Disp(x) =  = 1.73

14 - El 3% de las latas de arvejas no son presentables para su comercialización. Hallar la

probabilidad que en una muestra de 100 latas hayan:
a- ninguna no presentable
b- dos no presentables
c- más de tres no presentables.

Vamos a definir la ley de distribución de probabilidad de la variable; =3, pues n=100,

p=0.03

x p(x)
0 0.049787068
1 0.149361205
2 0.224041808
3 0.224041808
>3 0.352768111

a- La probabilidad de que ninguna sean no presentable es: P(x=0) = 0.049787068

b- La probabilidad de que dos sean no presentable es: P(x=2) = 0.22401808

c- La probabilidad de que más de tres sean no presentables es: P(x>3)= 0.35261

15 - Un fabricante sabe que el 5% de su producción es defectuosa. Se venden en cajas de

100, y garantiza que en cada una no hay más de 10 defectuosas. Hallar la probabilidad de
que una caja no cumpla lo garantizado.

P=0.05, n=100 =5

P( X 100 10)  1  P( X 100  10)  0.013695269

x p(x)
0 0.006737947

[Escriba texto] Página 81

Notas de Estadística
Mag. Liliana Ghersi

1 0.033689735
2 0.084224337
3 0.140373896
4 0.17546737
5 0.17546737
6 0.146222808
7 0.104444863
8 0.065278039
9 0.036265577
10 0.018132789
>10 0.013695269

[Escriba texto] Página 82

Notas de Estadística
Mag. Liliana Ghersi

16- La probabilidad de accidentes fatales en una mina de carbón es de 1/1400. Calcular la

probabilidad de que en una mina 350 obreros, haya por los menos una accidente fatal.

P(AF)= 1/1400
 = 350* 1/1400= 0.25
P( X 350  1)  1  e 0.25 * 0.250  0.221199217
Interprete todos los resultados.

LA VARIABLE MULTINOMIAL (n –dimensional)

Supongamos que al hacer una prueba se pueden presentar los sucesos A1, A2,.....Ak, que
forman un sistema exhaustivo de sucesos que se excluyen mutuamente, es decir:
 k  k
P  Ai   P A1  A2  .......  Ak   P A1   P A2   .......  P Ak    P Ai 
 i 1  i 1

Supongamos que P Ai   pi ; 1  i  k
y que cumple la condición de estacionariedad para cada pi.
Supongamos que al realizar n pruebas independientes deseemos calcular la probabilidad
que se presente:
n1 veces el suceso A1,
n2 veces el suceso A2,
...................................
.
.
.
................................... y por último
nk veces el suceso Ak,
k
siendo n
i 1
i  n1  n2  .....  nk  n (1)

Primeramente, una secuencia de resultados posibles será:

A11, A12,.....A1 n1; A21, A22 ,.....A2 n2;..........., Ak1, Ak 2,.....Ak nk
y donde Ai j indica la j-ésima presentación del suceso Ai .
La probabilidad de dicha secuencia, por ser independientes las realizaciones y permanecer
constante (estacionaria) cada una de las pi, será:
k

p
i 1
ni
i  pin1 . p 2n2 ..... p knk

por la regla de la multiplicación de probabilidades.

[Escriba texto] Página 83

Notas de Estadística
Mag. Liliana Ghersi

Si contamos todas las secuencias posibles de intercalaciones entre las Ai, podremos aplicar
la regla de la adición de las probabilidad, ya que cada una de estas secuencias es excluyente
respecto del resto.
Ahora bien, la cantidad de secuencias coincidirá con el número de permutaciones de n
elementos formado por grupos de los que ni son iguales para todo i, esto último, dicho de
otra manera, n1 son iguales, n2 son iguales,....., nk son iguales:
 n  n  n1   n  n1  n2  ......nk 2  n!
nPn1n2 ....nk    .......  
 n1  n2   nk 1  n1!n2 !.......nk !
Por lo tanto la probabilidad de obtener en cualquier orden n1 A1, n2 A2,..... nk Ak, será:
Px1  n1 ; x2  n2 ;....... xk  nk  
n!
p1n1 p 2n2 ....... p knk
n1!n2 !........nk !

Se comprueba que esta Ley llamada Multinomial verifica la ley de cierre, ya que:
p1n1 p 2n2 ..... p knk   p1  p 2  ....  p k   1n  1
n!

n

n1  n2 ..... nk  n n1! n2 !.......nk !

como consecuencia de la fórmula de Leibnitz para la potencia de un polinomio.

Ahora bien como:

k k 1

 xi  n  x k  n   xi
i 1 i 1
pone de manifiesto, que se trata de k-1 variables, y la ley de distribución puede escribirse:
n k 1
n  ni
Px1  n1 ; x 2  n2 ;....... x k 1  nk 1  
n!
p1n1 p 2n2 ....... p knk 11 q i 1

  nk 1
n1!n2 !........nk 1! n   ni !
 i 1 
Es oportuno puntualizar que todas las variables toman valores enteros, como mínimo al
valor cero y como máximo al valor n.
El valor esperado para cada una de las variables es:
 xi  Exi   npi ;1  i  k
Y si analizamos conjuntamente la situación, se tiene:
k
E x1 ; x2 ;.....; xk   np1 ; np 2 ;......; np k ; donde npi  n
i 1
El desvío esperado para cada una de las variables es:
 x   E xi  npi 2  npi 1  pi ;1  i  k
i

Y si analizamos conjuntamente la situación, se tiene:

[Escriba texto] Página 84

Notas de Estadística
Mag. Liliana Ghersi

k k
Var x1 ; x2 ;.....; xk   np1 1  p1 ; np2 1  p2 ;......; npk 1  pk ; donde npi 1  pi   Var xi 
i 1 i 1
La covarianza para dos cualesquiera distintas variables, por ejemplo xi y xj es:

i , j  Exi  npi x j  np j   npi p j ;1  i, j  k ;

y se deduce que es menor a cero, situación lógica que deviene de la condición citada en (1);
para que esta condición se mantenga es necesario que cuando una de las variables aumenta,
por ejemplo xi, la otra, en este caso xj, debe disminuir tanto como es el valor del aumento de
aquélla.
Cuando k = 2; tenemos la ley correspondiente a la Ley Binomial; o sea esta Distribución
que se ha presentado anteriormente es una particularidad de la Ley Multinomial.

EJEMPLO:

17º) Supongamos que en un proceso de producción se rechazan aquellas piezas que tienen
diámetro mayor a 5 mm., con una probabilidad 0.05 y las que tienen diámetro menor a 2.5
mm, con una probabilidad 0.04.
17º.1) Obtener la probabilidad que en 10 piezas haya 2 rechazables por diámetro grande y 3
rechazables por diámetro pequeño.
17º.2) Obtener las cantidades esperadas de cada una de las situaciones, sus desvíos
esperados y por último las covarianzas
17º.1)
q  1  0.05  0.04  0.91
n  10; n3  10  2  3  5

Px1  2; x 2  3 
10!
0.05 2 * 0.04 3 * 0.915  0.00025161
2!.3!.5!
17º.2)
E  x1   10 * 0.05  0.5
E  x 2   10 * 0.04  0.4
E  x3   10 * 0.91  9.1
E  x1   E x 2   E x3   10

Var x1   10 * 0.05 * 0.95  0.475

Var x 2   10 * 0.04 * 0.96  0.384
Var x3   10 * 0.91 * 0.09  0.819

[Escriba texto] Página 85

Notas de Estadística
Mag. Liliana Ghersi

Covx1 ; x 2   10 * 0.05 * 0.04  0.02

Var x1 ; x3   10 * 0.05 * 0.91  0.455
Var x 2 ; x3   10 * 0.91 * 0.04  0.364
18º) Supongamos que en los embarques que la empresa destina a Brasil, el 40% de los
containers tienen destino final San Pablo, el 50% tienen destino final Brasilia, y el resto su
destino final es Curitiba. Se auditan 5 containers de un embarque destinado a Brasil.
18º.1) Definir la ley de distribución y graficar
x1 x2 x3 p
0 0 5 0,00001
1 0 4 0,0002
0 1 4 0,00025
2 0 3 0,0016
0 2 3 0,0025
1 1 3 0,004
3 0 2 0,0064
5 0 0 0,01024
0 3 2 0,0125
4 0 1 0,0128
2 1 2 0,024
1 2 2 0,03
0 5 0 0,03125
0 4 1 0,03125
3 1 1 0,064
4 1 0 0,064
1 3 1 0,1
2 2 1 0,12
1 4 0 0,125
3 2 0 0,16
2 3 0 0,2
1

[Escriba texto] Página 86

Notas de Estadística
Mag. Liliana Ghersi

Distribución Multinomial p1=0.4 p2=0.5 p3=0.1 n=5

0,2
0,18
0,16
0,14
0,12
p(x1;x2;x3) 0,1
0,08
0,06
0,04
C5
0,02
0 C3 x2

0 1 C1
2 3
x1 4 5

0 1 2 3 4 5

Serie1 0,00001 0,0002 0,0016 0,0064 0,0128 0,01024

Serie2 0,00025 0,004 0,024 0,064 0,064 0

Serie3 0,0025 0,03 0,12 0,16 0 0

Serie4 0,0125 0,1 0,2 0 0 0

Serie5 0,03125 0,125 0 0 0 0

Serie6 0,03125 0 0 0 0 0

[Escriba texto] Página 87

Notas de Estadística
Mag. Liliana Ghersi

Distribución Multinomial p1=0.4 p2=0.5 p3=0.1 n=5

0,2

0,15
0
0,1 p(x1;x2;x3)

2 0,05
x1
0
4
C6
C5
C4
C3
C2 x2
C1

0 1 2 3 4 5

Serie1 0,00001 0,0002 0,0016 0,0064 0,0128 0,01024

Serie2 0,00025 0,004 0,024 0,064 0,064 0

Serie3 0,0025 0,03 0,12 0,16 0 0

Serie4 0,0125 0,1 0,2 0 0 0

Serie5 0,03125 0,125 0 0 0 0

Serie6 0,03125 0 0 0 0 0

18º.2) Cuál es la probabilidad que al menos un container tenga destino final San Pablo.
Px1  1  Px1  1  Px1  2  Px1  3  Px1  4  Px1  5  0.922

19º) Una empresa tiene cuatro modalidades de venta. La distribución correspondiente es la

que se detalla en el gráfico:

[Escriba texto] Página 88

Notas de Estadística
Mag. Liliana Ghersi

PARTICIPACION DE LA MODALIDAD DE VENTA

D A
20% 20%

B
25%
C
35%

19º.1) Calcular las probabilidades que surgen de tomar aleatoriamente tres facturas:
19º.1.1) Que las tres sean de la modalidad A
19º.1.2) Que dos sean de la modalidad A y la otra sea de la modalidad B o bien de la
modalidad D
19º.1.3) Que dos sean de la modalidad A y la otra sea de la modalidad B o bien de la
modalidad C
19º.1.4) Que dos sean de la modalidad A y la otra sea de la modalidad D o bien de la
modalidad C.
19º.1.5) Que todas sean de modalidades distintas
19º.1.6) Cuántas se esperan de cada modalidad y con qué desvío esperado?
19º.2) Calcular las probabilidades que surgen de tomar aleatoriamente cuatro facturas:
19º.2.1) Que tres sean de la modalidad A
19º 2.2) Que tres sean de la modalidad A y la restante de la modalidad B
19º.2.2) Que tres sean de la modalidad A y la restante de la modalidad B o C
19º 2.3) Que solo tres sean de la modalidad A y la restante no sea de la modalidad B ni de
la modalidad C
19º.2.4) Que al menos tres sean de la modalidad A y la restante no sea de la modalidad B ni
de la modalidad C
19º.2.5) Que dos sean de la modalidad A y las otras sean de la modalidad B o bien de la
modalidad D

20º) Una empresa posee 3 plantas de elaboración. En la primera realiza el 10% de los
productos, en la segunda el 20% y en la última el resto de la producción. Llamaremos Pi si
el origen es la planta iésima.
Si se eligen aleatoriamente 4 productos de la empresa y se analiza la planta de origen.

[Escriba texto] Página 89

Notas de Estadística
Mag. Liliana Ghersi

20º.1)Cuál es la probabilidad de que 2 de los productos provengan de la P1, 3 de la P2 y 1

de la P3?
20º.2) Cuál es la probabilidad de que 1 de los productos provengan de la P1, 1 de la P2 y 1
de la P3?
20º.3) Cuál es la probabilidad de que 2 de los productos provengan de la P1, 1 de la P2 y 1
de la P3?

[Escriba texto] Página 90