DISTRIBUCIONES BINOMIAL, POISSON Y NORMAL

Competencia específica

Identificar la distribución de probabilidad más confiable, aplicándola a los casos o

problemas de forma asertiva y óptima para reducir la incertidumbre en los procesos de
toma de decisiones más acertada.

Técnica y/o herramienta didáctica

Tarea

Guía de la actividad

De manera individual, deberán presentar un taller que contiene 10 problemas relacionados

con distribuciones de probabilidad discretas y continuas, a saber, distribución binomial,
distribución poisson y distribución normal. Por favor, revisen las siguientes instrucciones
para que la actividad sea clara y la puedan completar con éxito:

1. Suponga que una empresa petrolera sostiene que en los procesos de exploración y
Explotación, la probabilidad de que un pozo sea productivo es del 32%. Se establece que se
va a iniciar explotación en 8 pozos. Cuál es la probabilidad de que:

a. Todos sean productivos.

b. Exactamente 3 no sean productivos.

c. Por lo menos dos no sean productivos.

R/TA

 Probabilidad de distribución Binomial:

p: pozos productivos : p = 32% = 0,32 q: pozos no productivos: q = 68% = 0,68

P (X=k)= Cn,k * p∧k *q∧n-k

n = 8 pozos

k=3

 Probabilidad de que exactamente 3 no sean productivos:

P(X = 3) = C8,3 * (0,32)³ * (0,68)⁵

P(X= 3) = 8*7*6*5*4 /5*4*3*2*1 (0,032768) (0,1453933)

P(X= 3) = 56*(0,032768) (0,1453933)

P(X = 3) = 0,266798= 26,6798%

2. Un jugador de baloncesto tiene una probabilidad de 0,34 de anotar tiros desde la zona de

3 puntos. Cuál es la probabilidad de que al tirar 9 veces enceste:

a) 4 veces.

b) todas las veces.

c) más de 6 veces.

R/TA

 Probabilidad binomial:  

p: probabilidad de encestar: p = 0,3  4

q: probabilidad de no encestar: q= 0,66

a) la probabilidad de que al tirar 9 veces enceste 4 veces es: 16%

n=9 lanzamientos

k=4 encestas

P(x=k) = Cn,k p∧k*q∧(n-k)  

P (x=4) = C9,4 (0,34)⁴(0,66)⁵

C9,5=9!/(4!5!)=9*2*7=126

P (x=4)=(126)(0.01)(0.13)

P (x=4)=0.16=16%

b) la probabilidad de que al tirar 9 veces enceste todas las veces es: 0.006%

n=9 lanzamientos

k=9 encestas

P(x=k) = Cn,k p∧k*q∧(n-k)  

P (x=9) = C9,9 (0,34)⁹(0,66)⁰

C9,9=9!/(9!0!)=1

P (x=4)=(1)(0.00006)

P (x=4)=0.00006=0.006%
c) la probabilidad de que al tirar 9 veces enceste más de 6 veces es de: 0.91%

Será la  suma de que enceste 7 veces más la probabilidad de que enceste 8 veces más de la
que enceste 9 veces.

P(x>6)=P(x=7)+P(x=8)+P(x=9)

Hallar: P(x=7)

n=9 lanzamientos
k=7 encestas

P(x=k) = Cn,k p∧k*q∧(n-k)  

P (x=7) = C9,7 (0,34)⁷(0,66)²

C9,7=9!/(7!2!)=9*4=36

P (x=7)=(36)(0.0005)(0.44)

P (x=7)=0.008=0.8%

Hallar P(x=8)

n=9 lanzamientos

k=8 encestas

P(x=k) = Cn,k p∧k*q∧(n-k)  

P (x=8) = C9,8 (0,34)⁸(0,66)

C9,8=9!/(8!1!)=9

P (x=8)=(9)(0.0002)(0.66)

P (x=8)=0.001=0.11%

Así que P(x>6)=0.8%+0.11%+0.006%=0.91%

3. El 13% de los huevos en una tienda están podridos. Halle la probabilidad de que un
cliente que compra media docena de huevos encuentre como mucho un huevo podrido.

R/TA

La probabilidad de que encuentre como mucho un huevo podrido es: 0.822394519

 Probabilidad discreta:

Conociendo la probabilidad de éxito de un evento se quiere determinar que en n

experimento tengamos x éxitos:

P(X = x) = n!/((n-x)!*x!)*pˣ*(1-p)ⁿ⁻ˣ

Entonces, p = 0.13, n = 6 y ¿? la probabilidad de X ≤ 1

P(X ≤ 1) = P(X= 0) + P(X=1)

P(X =0) = 6!/((6-0)!*0!)*0.13⁰*(1-0.13)⁶⁻⁰ = 6!/6!*1*0.87⁶ = 0.433626

P(X =1) = 6!/((6-1)!*1!)*0.13¹*(1-0.13)⁶⁻¹ = 6!/5!*0.13*0.87⁵ = 0.388768

P(X ≤ 1) =  0.433626  + 0.388768 = 0.822394519

4. La probabilidad de que se funda un bombillo en su transporte es del 3%. Si en un envío

hay 35 bombillos, ¿cuál es la probabilidad de que al menos uno esté fundido debido a la
operación de transporte?

Entonces X es una variable aleatoria binomial con p= 0.03 y n=35. Por lo tanto,

35
P(x=1)= (0,1)1 (0,35)34
1

Ahora bien, = (35!/ 1!34! )= 35(34)/1 = 1190. Por lo tanto,

P(x=1)= 1190(0,1)1 (0,35)34= 1.19

5. La contaminación constituye un problema en la fabricación de discos de almacenamiento
óptico. El número de partículas de contaminación que ocurre en un disco óptico tiene una

P.J. No. 0428 del 28 de Enero 1982 - MEN I VIGILADA MINEDUCACIÓN distribución
de Poisson y el número promedio de partículas por centímetro cuadrado de superficie del
disco es 0.1. El área de un disco bajo estudio es 100 centímetros cuadrados. Con estos
datos:

a. Encuentre la probabilidad de que ocurran 12 partículas en el área del disco bajo estudio.

b. Encuentre la probabilidad de que ocurran cero partículas en el área del disco bajo
estudio.

c. Determine la probabilidad de que 12 o menos partículas ocurran en el área del disco bajo
estudio.

R/TA:

a. la probabilidad de que ocurran 12 partículas en el área del disco bajo estudio es: P(x=12)
= 0.09478033.

Asi;

X el número de partículas en el área de un disco bajo estudio

n = 1cm2 el tamaño de la muestra

 El de un disco bajo estudio = 100cm2.

Se sabe que el número promedio de partículas es 0.1 partículas x cm2
 El promedio de defectos en la superficie total será:
1 cm2. ® 0.1 partículas/cm2
100cm2 ® l

Por lo tanto, el número medio de contaminación de partículas para 100cm2 es de:

Por lo e-10 * 1012 (4.54136*10-5) *(1*1012)

tanto P(x=12) = 12! = 479001600 = 0.09478033
l = (100 cm2·* 0.1 partículas/cm2)/1 cm2 = 10 partículas

Entonces La distribución de Poisson para la probabilidad de que ocurran 12 partículas en el

área de cada disco está dada por la fórmula:
b. la probabilidad de que ocurran cero partículas en el área del disco bajo estudio es:
P(x=0)= 0.0000453999

Así;

P(x=0) = e-10 * 100= (4.54136*10-5) *(1) =  0.0000453999

0! 0!

c. la probabilidad de que 12 o menos partículas ocurran en el área del disco bajo estudio es
aproximadamente, 0.791556

Así;

P(X ≤ 12) = P(X=0) + P(X=1) +···+ P(X=11) + P(X=12) = 0.791556

6. De acuerdo con las estadísticas, existen 20,4 robos en cada mes. Responda:

a. ¿Cuál es la probabilidad que por lo menos dos personas hayan sido robadas en un
periodo de 2 semanas?

R/TA: la probabilidad es: 0.5975

b. ¿Cuál es la probabilidad de que ninguna persona haya sido robada en una semana?

R/TA: la probabilidad es: 0.4686

7. Los pesos de 1500 soldados presentan una distribución normal de media 68 kg y

desviación típica 7 kg. Calcule la probabilidad de que un soldado elegido al azar pese:

a) Más de 61 kg.

b) Entre 63 y 69 kg.

c) Menos de 70 kg.

d) Más de 75 kg.
R/TA

a) Más de 61 kg.

La variable x, pesos de los soldados, sigue una distribución N (65; 8)

P(x > 61) = 1-P(x ≤ 61) = 1 – P (z ≤ - 0.5) =

= 1-P (z 0.5) = 1-1+P (z ≤ 0.5) = 0.6915

b) Entre 63 y 69 kg.

63-65 63-65
P(63 ≤ x ≤ 69) = P ( ≤ z ≤ ) = P ( - 0.25 ≤ z ≤ 0.5) =
8 8

=P (z ≤ 0.5) – 1 + P ( z ≤ 0.25) = 0,6915-1+0,5987 = 0,2902

c) Menos de 70 kg.

70-65
P(x ≤ 70) = P ( ) = P ( z ≤ 0.625) = 0.7357
8

d) Más de 75 kg.

70-65
P(x > 75) = 1P (x ≤ ) = 1- P (z < 1,25) = 1- 0.8944 = 0,1056
8

8. La temperatura durante septiembre está distribuida normalmente con media 19,7ºC y

desviación standard 5ºC. Calcule la probabilidad de que la temperatura durante septiembre
esté por debajo de 20ºC y la probabilidad que la temperatura este entre 19°C y 21°C.
 La probabilidad de que en septiembre la temperatura este por debajo a 20°C es de:
27.72%
Así;

μ= 19,7 °C

σ= 5°C

x = 20°C

Probabilidad de distribución Normal

 La probabilidad de que la temperatura durante septiembre esté por debajo de 20ºC.

P (x≤20°C) =?

Z = x-μ/σ

Z = 20-19,7/5

Z= 0,06 Valor que ubicamos en la tabla de distribución normal

Por lo que la probabilidad de que en septiembre la temperatura este por debajo a 20°C es
de:

P (x≤20°C ) = 0.27724=27.72%

9. Si X es una variable aleatoria de una distribución normal con media μ y desviación

estándar σ, calcule la probabilidad P(μ - 3σ < X < μ + 3σ).

(µ - 3ơ) - µ (µ - 3ơ) - µ
p (µ- 3ơ ≤ X ≤ µ + 3 ơ ) = p ≤z≤ =
ơ ơ

p(-3≤z≤3)=p(z≤3)–p(z≤-3)=

= p ( z ≤ 3 ) – ( 1 – p ( z ≤ 3)) =

= 0.9987 – 1 + 0.9987 = 0.9974

Es decir, que aproximadamente el 99.74% de los valores de X están a menos de tres

desviaciones típicas de la media

P.J. No. 0428 del 28 de Enero 1982 - MEN I VIGILADA MINEDUCACIÓN

Recursos de revisión básica

Gutiérrez, González, E. & Vladimirovna, Panteleeva, O. (2016). Estadística inferencial 1

para ingeniería y ciencias. Azcapotzalco, Ciudad de México: Grupo editorial Patria.
Recuperado de la base de datos E-libro. Para consultarlo, revise la carpeta "Herramientas de
apoyo" (Manual bibliotecas virtuales)

Bencardino, Martínez, C. (2013). Estadística y muestreo - SIL. Bogotá, Colombia: Ecoe

Ediciones.
Recuperado de la base de datos E-libro. Para consultarlo, revise la carpeta "Herramientas de
apoyo" (Manual bibliotecas virtuales)

Solano, Llinás, H. (2017). Estadística Inferencial. Barranquilla, Colombia: Universidad del

Norte.
Recuperado de la base de datos E-libro. Para consultarlo, revise la carpeta "Herramientas de
apoyo" (Manual bibliotecas virtuales)

Recursos complementarios o de apoyo

Sin autor (2014). Bayesian Estimation of the Mean of a Normal Distribution [Archivo de
vídeo].
Recuperado de la base de datos E-libro. Para consultarlo, revise la carpeta "Herramientas de
apoyo" (Manual bibliotecas virtuales)