P: 1, O: 5. Elabore un mapa mental donde se evidencien los aspectos relacionados con las distribuciones de Probabilidad.

Para ello, debe tomar en consideración lo siguiente:

a. Variables aleatorias.
b. Variables aleatorias discretas.
c. Variables aleatorias continuas.
d. Distribución de probabilidad.
Solución:
P: 2, O: 5. El número de vehículos vendidos por AUTOCOSMOS en los últimos dos años y medio, junto con la frecuencia de
cada nivel de ventas, aparece en las dos primeras columnas de la tabla siguiente:

La Gerencia de ventas, espera que estas cifras muestren un incremento en el número promedio de ventas, por encima del 18,5
que vendió en meses anteriores, y una reducción en la variabilidad de las ventas mensuales, que habían sido de 𝜎=9,2. De lo
contrario deberá invertir en una campaña publicitaria y promocional. ¿Deberá implementar la empresa AUTOCOSMOS una
campaña publicitaria y de promoción?

Solución:
 Nº de Auto P(𝑥𝑖 ) 𝑥𝑖 . 𝑃(𝑖) (𝑥𝑖 − 𝜇)2 . 𝑃(𝑖)
Meses s
3 12 3 12*(0.1)=1.2 12 − 21.94 2
∗ 0.1 = 9.880
30 = 0.1
6 22 6 22*(0.2)=4.4 (22 − 21.94)2 ∗ 0.2 = 0.001
30 = 0.2
4 14 4 14*(0.13)=1.02 (14 − 21.94)2 ∗ 0.13 = 8.196
30 = 0.13
7 26 7 26*(0.23)=5.98 (26 − 21.94)2 ∗ 0.23 = 3.791
30 = 0.23
8 32 8 32*(0.27)=8.64 (32 − 21.94)2 ∗ 0.27
30 = 0.27
= 27.325
2 10 2 10*(0.07)=0.7 (10 − 21.94)2 ∗ 0.07 = 9.979
30 =0.07
total 30 116 1 21.94=𝜇 59.172=𝜎 2

Es decir que el valor de𝜎 = 7.692

La Empresa AUTOCOSMOS no debe implementar la campaña publicitaria y de promoción, ya que según los datos se logro
incrementar el número promedio de ventas por encima de 18.5 logrando 21.94 y se redujo la variabilidad de las ventas
mensuales de 𝜎=9,2 a 𝜎 = 7.692.

P: 3, O: 6. Elabore una tabla de doble entrada o un cuadro comparativo, donde analice y sistematice los aspectos relacionados
con las distribuciones de probabilidad para variables discretas. Para ello, debe tomar en consideración lo siguiente:

a. La distribución Binomial.

b. La distribución Hipergeométrica.

c. La distribución de Poisson.
Solución:

Cuadro Comparativo

Distribución Características Ejemplo

Binomial Definición: Dado un experimento En una fábrica se asegura que el 30% de las áreas reducen el
binomial formado por n ensayos, la consumo de energía eléctrica, al realizar cambios en el sistema
variable aleatoria binomial X asociada de iluminación. Halle la probabilidad de que 2 de 5 áreas
con este experimento está definida reduzcan el consumo de energía eléctrica en las áreas.
como: Solución:
X= numero de S entre los n ensayos. Sea X el número de áreas que reducen el consumo de energía
eléctrica. El experimento cumple con los requerimientos de una
distribución Binomial, ya que, los ensayos son independientes
(la fábrica está dividida por áreas); la probabilidad permanece
constante p= 0,3; existen dos alternativas (se reduce o no se
Teorema: reduce el consumo de energía eléctrica).
𝒏 𝒙
𝒃 𝒙; 𝒏, 𝒑 = 𝒙
𝒑 (𝟏 − 𝒑)𝒏−𝒙 , 𝒔𝒊 𝒙 = 𝟎, 𝟏, 𝟐, 𝟑, … , 𝒏 De la definición se tiene:
𝟎 𝑫𝒆 𝒐𝒕𝒓𝒂 𝒎𝒂𝒏𝒆𝒓𝒂
 En particular b(2; 5; 0,3)=0,31 significa que la probabilidad de
que 2 de 5 áreas reduzcan su consumo eléctrico es de 0,31.
Igual interpretación se puede realizar para los otros valores.
La distribución de probabilidad está dada por:

Hipergeo- Definición: es el modelo exacto de Un envío de siete guayas para grúas contiene dos defectuosas.
metrica probabilidad para el número S en la Una compañía adquiere en forma aleatoria tres de estas
muestra. guayas. Si X es el número de guayas defectuosas adquiridas
por la compañía, elabore la distribución discreta de probabilidad.
Proposición: Si X es el numero de las Solución:
S de una muestra completamente Sea X la variable aleatoria cuyos valores x son los números
aleatoria de tamaño n de una posibles de guayas defectuosas adquiridas por una compañía.
población de probabilidad X, llamada Entonces x puede tener valores {0,1,2}.
distribución hipergeometrica, está Donde N = 7, r = 2,
dada por: Calculemos las probabilidades:
𝑴 𝑵−𝑴
𝒙 𝒏−𝒙
𝑷 𝑿 = 𝒙 = 𝒉 𝒙; 𝒏, 𝑴, 𝑵 = 𝑵
𝒏
 La distribución discreta de probabilidad vendría dada por:

Poisson Definición: se dice que una variable X En promedio, cada rollo de 400 metros de aluminio laminado
tiene una distribución de poisson si la tiene tres defectos ¿Cuál es la probabilidad de que un espacio
pmf de X es de 100 metros no tenga ningún defecto?
−𝝀 𝒙
𝒆 𝝀
𝒑 𝒙; 𝝀 =
𝒙!
, 𝒄𝒐𝒏 𝒙 = 𝟎, 𝟏, 𝟐, … 𝒚 𝒑𝒂𝒓𝒂 𝝀 > 𝟎. Solución:
Sea X el número de defectos que puede tener el laminado por
Proposición: Supongamos que en la espacio.
pmf binomial 𝑏 𝑥; 𝑛, 𝑝 hacemos Ya que el promedio por cada 400 metros es 3, entonces por 100
𝑛 ∞ 𝑦 𝑝 0, en tal forma que np se metros será
acerca al valor 𝝀 > 𝟎.
Entonces 𝑏 𝑥; 𝑛, 𝑝 𝑝 𝑥; 𝜆 .
Utilizado la definición, tenemos

P: 4, O: 6. En una ciudad determinada, se dice que los gastos médicos son la razón del 60% de todas las bancarrotas
personales ¿Cuál es la probabilidad de que en las próximas ocho bancarrotas que se registren en esa ciudad, se mencionen
los gastos médicos como motivo en:

a. Cinco de las bancarrotas.

b. Por lo menos cuatro de las bancarrotas.

c. A lo sumo a tres de las bancarrotas.

d. Entre 4 y 6 inclusive de las bancarrotas.

Solución:
Para resolver las incógnitas se debe utilizar la distribución binomial, siendo esta Probabilidad
𝑛!
𝑃 𝑥 = 𝑝𝑥 (1 − 𝑝)𝑛−𝑥
𝑥! 𝑛 − 𝑥 !
8! 40320 40320
a)𝑃 𝑥 = 5 = (0.279)5 (1 − 0.279)8−5 = (0.0017)(0.3748)= (0.0006)=0.0336.
5! 8−5 ! 120 (6) 720

b) 𝑃 𝑥 ≥ 4 = 1 − 𝑃 𝑥 ≤ 4 = 𝑃 𝑥 = 0 + 𝑃 𝑥 = 1 + 𝑃 𝑥 = 2 + 𝑃(𝑥 = 3)
Por su parte,
8! 40320
𝑃 𝑥=0 = (0.279)0 (1 − 0.279)8−0 = 1 0.0730 = 0.0730
0! 8 − 0 ! 1 40320

8! 40320
𝑃 𝑥=1 = (0.279)1 (1 − 0.279)8−1 = 0.279 0.1013 = 0.0022
1! 8 − 1 ! 5040

8! 40320
𝑃 𝑥=2 = (0.279)2 (1 − 0.279)8−2 = 0.0778 0.1405 = 0.3061
2! 8 − 2 ! 2(720)

8! 40320
𝑃 𝑥=3 = (0.279)3 (1 − 0.279)8−5 = 0.0217 0.3748 = 0.4555
3! 8 − 3 ! 6(120)

8! 40320
𝑃 𝑥=4 = (0.279)4 (1 − 0.279)8−4 = 0.0061 0.2702 = 0.0124
4! 8 − 4 ! 24 24
Asi,
𝑃 𝑥 ≥ 4 = 1 − 𝑃 𝑥 ≤ 4 = 1 − (𝑃 𝑥 = 0 + 𝑃 𝑥 = 1 + 𝑃 𝑥 = 2 + 𝑃 𝑥 = 3 + 𝑃 𝑥 = 4 )
= 1 − 0.0730 + 0.0022 + 0.3061 + 0.4555 + 0.0124 = 1 − 0.8492 = 0.1508

Por lo tanto,
𝑃 𝑥 ≥ 4 = 0.1508

c)
𝑃 0 ≤𝑥 ≤3 =𝑃 𝑥 =0 +𝑃 𝑥 =1 +𝑃 𝑥 =2 +𝑃 𝑥 =3
Por lo cálculos hechos en el ítem b) sustituimos las probabilidades
 𝑃 0≤𝑥≤3 = 0.0730 + 0.0022 + 0.3061 + 0.4555 = 0.8368
Por lo tanto,
𝑃 0 ≤ 𝑥 ≤ 3 = 0.8368

d)𝑃 4 ≤ 𝑥 ≤ 6 = 𝑃 𝑥 = 4 + 𝑃 𝑥 = 5 + 𝑃 𝑥 = 6

Sabiendo por el ítem b) 𝑃 𝑥 = 4 = 0.0124, calculemos 𝑃 𝑥 = 5 , 𝑃 𝑥 = 6

8! 40320
𝑃 𝑥=5 = (0.279)5 (1 − 0.279)8−5 = 0.0017 0.1948 = 0.0020
5! 8 − 5 ! 120 6

8! 40320
𝑃 𝑥=6 = (0.279)6 (1 − 0.279)8−6 = 0.00047 3.2041 = 0.0422
6! 8 − 6 ! 720 2
Asi,
𝑃 4 ≤ 𝑥 ≤ 6 = 𝑃 𝑥 = 4 + 𝑃 𝑥 = 5 + 𝑃 𝑥 = 6 = 0.0124 + 0.0020 + 0.0422 = 0.0566

Por lo tanto,
𝑃 4 ≤ 𝑥 ≤ 6 = 0.0566

P: 5, O: 6. Entre las 12 casas que hay en venta en una urbanización, nueve tienen aire acondicionado. Si se seleccionan cinco
de las casas para un artículo en una revista inmobiliaria:

a. ¿Cuál es la probabilidad de que cuatro de éstas tengan aire acondicionado?

b. ¿Cuál es la probabilidad de que por lo menos tres de éstas tengan aire acondicionado?
Solución:
Numero de casa (NC)= 12
Casa con Aire Acondicionado (CAA)=9
Casa (C)=5

Para calcular las probabilidades usemos la formula

𝑟 𝐶𝑟 ∗(𝑁−𝑟) 𝐶𝑛−𝑥
𝑃 𝑥 =
𝑁 𝐶𝑛
Donde, N=12, r=9, n=5, x=4
 a) Queremos ver cuál es 𝑃(4𝐶𝐴𝐴)=?
9 𝐶4
12 − 9 𝐶5−4 9 𝐶4 3 𝐶1 126 ∗ 3
𝑃 𝑥=4 = = = = 0.48
12 𝐶5 12 𝐶5 792
Existe la probabilidad de 48% que la selección de 4 casas tengas aire acondicionado.

b) Queremos ver cual 𝑃(𝑥 ≥ 3𝐶𝐴𝐴)=1- 𝑃 𝑥 ≤ 3

𝑃 𝑥 ≤3 =𝑃 𝑥 =1 +𝑃 𝑥 =2 +𝑃 𝑥 =3
Calculemos las probabilidades

9 𝐶1 12−9 𝐶5−2 9 𝐶1 3𝐶3

9
𝑃 𝑥=1 = = =
= 0.0114
12 𝐶5 12 𝐶5 792
9 𝐶2 12−9 𝐶5−2 9𝐶2 3𝐶3 36
𝑃 𝑥=2 = = = = 0.045
12𝐶 12 𝐶5 5 12 𝐶5 792
9 𝐶3 12−9 𝐶5−3 9𝐶3 3𝐶2 252
𝑃 𝑥=3 = = = = 0.318
12 𝐶5 12 𝐶5 792

Luego,

𝑃(𝑥 ≥ 3𝐶𝐴𝐴)=1- 𝑃 𝑥 ≤ 3 =1- 𝑥 = 1 + 𝑃 𝑥 = 2 + 𝑃 𝑥 = 3

= 1 − 0.0114 + 0.045 + 0.318 = 1 − 0.3744 = 0.6256

Por lo tanto,

𝑃 𝑥 ≥ 3𝐶𝐴𝐴 = 0.6256

P: 6, O: 6. El número de llamadas que una persona obtiene en respuesta a un anuncio en el periódico para la venta de un
piano es una variable aleatoria que tiene distribución de Poisson con 𝜇=4,4. ¿Cuál es la probabilidad de que en respuesta a
dicho anuncio una persona reciba:

a. sólo tres llamadas?

b. más de dos llamadas?

c. a lo sumo cuatro llamadas?

Solución:
Para calcular la probabilidad usemos la de distribución de poisson, el cual es:
𝒆−𝝁 𝝁𝒙
𝒑 𝒙; 𝝁 =
𝒙!
Donde 𝜇=4,4.
a) Calculemos la probabilidad 𝑃(𝑥 = 3)
𝟑
𝒆−𝟒.𝟒(𝟒. 𝟒)
𝑃 𝑥=3 = = 𝟎. 𝟏𝟕
𝟑!

b) Calculamos la probabilidad 𝑃 𝑥 > 2 = 1 − 𝑃(𝑥 ≤ 2)

𝑃 𝑥 > 2 = 1 − 𝑃 𝑥 ≤ 2 = 1 − (𝑃 𝑥 = 0 + 𝑃 𝑥 = 1 + 𝑃 𝑥 = 2 )

Veamos cual es la 𝑃 𝑥 = 0 , 𝑃 𝑥 = 1 𝑦 𝑃 𝑥 = 2
0
𝑒−4.4 (4.4)
𝑃 𝑥=0 = = 0.0123
0!
1
𝑒−4.4 (4.4)
𝑃 𝑥=1 = = 0.0540
1!
2
𝑒−4.4 (4.4)
𝑃 𝑥=2 = = 0.1188
2!
Así,
𝑃 𝑥 > 2 = 1 − 𝑃 𝑥 ≤ 2 = 1 − (𝑃 𝑥 = 0 + 𝑃 𝑥 = 1 + 𝑃 𝑥 = 2 )

= 1 − 0.0123 + 0.0540 + 0.1188 = 1 − 0.1851 = 0.8149

Por lo tanto,
𝑃 𝑥 > 2 = 0.8149
c) Calculemos la probabilidad 𝑃(𝑥 ≤ 4)
 𝑃 𝑥 ≤4 =𝑃 𝑥 =0 +𝑃 𝑥 =1 +𝑃 𝑥 =2 +𝑃 𝑥 =3 +𝑃 𝑥 =4

En los ítems a) y 9 ya se han calculado 𝑃 𝑥 = 0 , 𝑃 𝑥 = 1 , 𝑃 𝑥 = 2 , 𝑃 𝑥 = 3 𝑣𝑒𝑎𝑚𝑜𝑠 𝑙𝑎 𝑃 𝑥 = 4

4
𝑒−4.4(4.4)
𝑃 𝑥=3 = = 0.1917
4!
Así,
𝑃 𝑥 ≤4 =𝑃 𝑥 =0 +𝑃 𝑥 =1 +𝑃 𝑥 =2 +𝑃 𝑥 =3 +𝑃 𝑥 =4
= 0.0123 + 0.0540 + 0.1188+ 0.17 + 0.1917 =0.5468

Por lo tanto,
𝑃 𝑥 ≤ 4 =0.5468

P: 7, O: 7. Utilizando un mapa conceptual, analice y sistematice los aspectos relacionados con la Distribución Normal. Para
ello, debe tomar en consideración lo siguiente:

a. Distribución normal.

b. Ecuación matemática de la Distribución normal.

c. La regla empírica en la Distribución normal.

d. Características de la distribución normal.

e. La distribución normal estándar.

f. Cálculo de probabilidades con la desviación normal (Realizar un ejemplo).

g. Aproximación normal a la distribución binomial (Realizar un ejemplo)

Solución:
P: 8, O: 7. Si el tiempo de ensamblaje de un juguete “fácil de ensamblar” es una variable aleatoria con la distribución
normal, con 𝜇=15,4 minutos y 𝜎=4,4 minutos, ¿Cuál es la probabilidad de que esta clase de juguete se pueda ensamblar
en: (debe elaborar las representaciones gráficas para cada ítem).

a. 12 minutos;

b. menos de 14 minutos;

c. cualquier cantidad de tiempo de 13 a 17 minutos.

d. cualquier cantidad de tiempo de 16 a 18 minutos.

e. más de 18 minutos.

Solución:
Usando la formula de la distribución normal encontremos

1 2 2(4.4)2
a)𝑃(𝑥 = 12)= 𝑒 −(12−15.4) =(0.0907).𝑒 −0.2324 =0.0719
(4.4) 2𝜋

b)𝑃 𝑥 < 14 = 𝑃 𝑍 < 14 =Φ(−0.318)=0.3783

14 − 15.4
𝑝𝑎𝑟𝑎 𝑥 = 14, 𝑍 = = −0.318
4.4
c)𝑃 13 ≤ 𝑥 ≤ 17

13−15.4 17−15.4
Para x=13, 𝑍 = = −0.5454. Para x=17 𝑍 = = 0.3636
4.4 4.4
Luego,
𝑃 13 ≤ 𝑥 ≤ 17 = 𝑃 −0.5454 ≤ 𝑍 ≤ 0.3636 = Φ 0.3636 − Φ −0.5454 =0.6406-0.2946=0.3946
d)𝑃 16 ≤ 𝑥 ≤ 18
16−15.4
para x=16, 𝑍 = = 0.1363
4.4
18−15.4
, para x=18, 𝑍 = =0.5909
4.4
𝑃 16 ≤ 𝑥 ≤ 18 = 𝑃 0.1363 ≤ 𝑍 ≤ 0.5909 = Φ 0.5909 − Φ −0.1363 =0.7224-0.4483=0.2741

e)𝑃(𝑥 ≥ 18)= 1- 𝑃(𝑍 ≤ 18)=1-Φ(0.5909)=1-0.7224=0.2776

P: 9, O: 8. Utilizando un cuadro sinóptico, analice y sistematice los aspectos relacionados con la Distribución Exponencial
y la distribución uniforme. Para ello, debe tomar en consideración lo siguiente:

a. Distribución Exponencial (definición con gráfica, características, ejemplo).

b. Distribución Uniforme (definición con gráfica, características, ejemplo).

Solución:

Distribución Definición, Características Ejemplo

Exponencial Sea X una variable aleatoria Una refinadora de azúcar tiene cinco plantas de proceso, y todas
continua. La función de densidad reciben azúcar blanca a granel. La cantidad de azúcar que puede
Exponencial está procesar una planta en un día se puede representar mediante una
dada por: función de densidad exponencial con promedio de 3 (medidas en
toneladas), para cada una de las cinco plantas. Si las plantas
trabajan en forma independiente, calcular la probabilidad de que
sean exactamente dos de las cinco plantas las que procesen más
de 4 toneladas en un día determinado.
Solución:
X: La cantidad de azúcar que puede procesar una planta en un día
determinado.
La media y la desviación estándar La función de densidad Exponencial con el parámetro β=3
viene dada por

Uniforme Si una variable aleatoria X puede
tomar k valores distintos con iguales
probabilidades, la distribución es
uniforme y viene dada por:
(promedio) viene dada por
Si se supone que las cinco plantas trabajan en forma independiente,
se debe encontrar la probabilidad de dos éxitos en cinco ensayos,
donde 0,26 es la probabilidad de éxito.
Utilizando la Distribución Binomial, se tiene que:
El número X de casas que una compañía de bomberos puede
atender depende de la distancia x que un camión de bomberos
puede cubrir en un periodo específico. Supóngase que para P( X £
20) = P( X ³ 27) = 0 ; se desea establecer una distribución de
probabilidad para x ={21, 22, 23, 24, 25, 26}. Una manera un tanto
riesgosa es asignarle a cada valor de la variable la misma
probabilidad; y por tanto sería una distribución uniforme. Quedando
definida por
P: 10, O: 8. El tiempo de vida de cierto componente electrónico es una variable aleatoria que tiene una distribución
exponencial con media 𝜇=2000 horas. ¿Cuál es la probabilidad de que dicho componente dure:

a. a lo sumo 2400 horas;

b. por lo menos 1600 horas;

c. entre 1800 y 2200 horas?

Solución:
Sea 𝜇=2000 horas y Usando la formula de la distribución exponencial

a) 𝑃 𝑥 ≤ 2400 = 1 − 𝑒 −2400 2000 =0.6988

b) 𝑃 𝑥 ≥ 1600 = 1 − 𝑃 𝑥 ≤ 1600 = 1 − (1 − 𝑒 −1600 2000 )=1-0.5507=0.4493
c) 𝑃 1800 ≤ 𝑥 ≤ 2200 = 𝑃 𝑥 ≤ 2200 − 𝑃 𝑥 ≤ 1800 = 1 − 𝑒 −2200 2000 − (1 − 𝑒 −1800 2000
)=0.6671-0.5934=0.0737.

P: 11, O: 8. Las latas de alimento para perros Dog Chow tienen un promedio de 18 onzas, con un rango de 4,6 onzas. Si
usted selecciona una lata al azar ¿Cuál es la probabilidad de que pese entre 16,8 y 19,2 onzas? Realice la
representación gráfica correspondiente.
Solución:

Si las latas tienen un promedio de 18 onzas sobre un rango de 4.6 onzas, entonces la mitad de ese rango es 2.3 onzas,
debe estar por debajo de 18 onzas, y la otra mitad por encima de 18 onzas. Por consiguiente, el peso mínimo será 18-
2.3= 15.7 y el peso máximo es 18+2.3=20.3 onzas. Luego la probabilidad de seleccionar una sola lata que contenga entre
16.8 y 19.2 onzas es

19.2 − 16.8
𝑃 16.8 < 𝑥 < 19.2 = = 0.5217
4.6