PROBABILIDADES

EXPERIMENTO ALEATORIO

Es aquel en el cual no se puede determinar con anterioridad el resultado, solo podemos afirmar
que el resultado pertenece a un conjunto dado.

Por ejemplo: sí tiramos un dado que tiene 6 caras numeras del 1 al 6 sólo podemos afirmar que el
resultado pertenece al conjunto S= (1,2,3,4,5,6)

ESPACIO MUESTRAL

Es el subconjunto de todos los resultados posibles de un experimento aleatorio, generalmente se

representa con la letra S

Por ejemplo: Sí una empresa que produce bombillos está interesada en hacer un estudio de
control estadístico de calidad de los bombillos que producen, con el fin de poder exportar a otros
países, Bolivia y Perú.

Representar es espacio muestral de este ejemplo.

S = (t/t≥0)
t: Número de otras de vida de un bombillo

SUCESO O EVENTO

Es un subconjunto del espacio muestral, generalmente se representan por letras mayúsculas: A, B,

C

Por ejemplo:

A= (1, 3, 5)

TIPOS DE SUCESOS

 SUCESO SEGURO O SERIO: Al espacio muestral se le llama suceso seguro o cierto, porque
la probabilidad de S es igual a 1. P(S)= 1 o 100%
 SUCESO IMPOSIBLE: Se representa por el conjunto vacío Ø, se llama así porque la
probabilidad del conjunto vacío es igual a 0. P(Ø)

NOTA: La probabilidad de un suceso mínimo vale 0 y máximo vale 1, es decir, una probabilidad no
puede ser negativa ni mayor que 1

 SUCESO CONTRARIO: A todo suceso A se le asocia un suceso A1 que consiste en la no

presentación del suceso A.

Por ejemplo: A= (1, 3, 5) A1= (2, 4, 6)

DEFINICIÓN CLÁSICA DE PROBABILIDAD

P=(A)= Al número de casos favorables al suceso A/ el número de casos posibles del suceso A

¿Cuál es la probabilidad de que al tirar un dado salga un número par?

P (salir número par)= 3/6 = ½ = 0.5

EJERCICIO:

En almacenes éxito de Envigado se les realizó una encuesta a 500 clientes, la encuesta tiene 20
preguntas, una de las preguntas es: ¿Está usted satisfecho con la compra de ropa en este
almacén? De los 250 hombres, 136 respondieron que SI, y de las 250 mujeres, 224 respondieron
que SI.

1. Construir una tabla de frecuencias que relacione la satisfacción del cliente con el género
del cliente, y analice e interprete el dato más importante para almacenes éxito de esta
tabla, y preséntele un informe al gerente de compras, de ventas, de mercadeo, y al
gerente de almacenes éxito Envigado.
2. De un ejemplo de un suceso simple.
3. De un ejemplo de un suceso compuesto.

1.
GENERO DEL CLIENTE
SATISFACCIÓN DEL CLIENTE HOMBRE MUJER TOTAL
NO 114 26 140
SI 136 224 360
TOTAL 250 250 500
 RELACIÓN ENTRE LA SATISFACCIÓN Y
GENERO DEL CLIENTE
250 224
NÚMERO DE CLIENTES

200
150 136 HOMBRE
114
MUJER
100
50 26

0
NO SI
SATISFACCIÓN CLIENTE

En el estudio de la sección de ropa de almacenes éxito de Envigado se encontró que de los 250
hombres entrevistados, 114 respondieron NO estar satisfechos con la compra de ropa en este
almacén, que corresponde al 45.6% de los hombres. Es decir, sí no se hacen correcciones, en la
sección de ropa para hombres, aproximadamente el 46% de los hombres no volverían a
comprar.

2. Es el que se refiere a una sola variable.

Por ejemplo: Que el cliente sea un hombre, que el cliente no quede satisfecho con la compra

3. Es el que se refiere a dos variables.

Por ejemplo: Que el cliente sea una mujer y quede contenta con la compra de ropa en
este almacén
 Dos sucesos son NO EXCLUYENTES O COMPATIBLES cuando se pueden presentar
simultáneamente, sí no se pueden presentar simultáneamente se dice que son
EXCLUYENTES O INCOMPATIBLES

A1 ∩A2

A 1∪ A 2=A 1+ A 2−A 1∩ A 2
P ( A 1 ∪ A 2 )=P ( A 1 )+ P ( A 2 )−P ( A 1∩ A 2 ) ①
Esta igualdad es llamada la regla de la suma de probabilidades para el caso de dos sucesos no
excluyentes o compatibles, cuando los sucesos son excluyentes o incompatibles se cumple.

P(A1∪A2)=P(A1)+P(A2)
Porque A 1∩ A 2=ᶲ la probabilidad del ᶲ (Vacío) que en probabilidades es el suceso imposible
vale 0.

4. ¿Cuál es la probabilidad de que sí elegimos aleatoriamente o al azar uno de los

entrevistados de los 500 clientes sea una mujer?

A2 = suceso de que un cliente sea una mujer

P(A 2)= CF/CP = 250/500 = 0.5

5. De un ejemplo del suceso contrario de que un cliente quede satisfecho con la compra de
ropa en el almacén éxito de Envigado = suceso A.

El suceso contrario es A’ que no quede satisfecho.

6. Calcular la probabilidad de que un cliente elegido al azar sea mujer o quede conforme
con la compra de ropa en este almacén.
M: Es el suceso de que un cliente sea mujer.
C: Es el suceso de que un cliente quede conforme o satisfecho con la compra de ropa en
este almacén.
O= U = +  O: SUMA DE LA PROBABILIDAD DE DOS O MÁS SUCESOS.
 Y= ∩= X  Y: PRODUCTO DE LA PROBABILIDAD DE DOS O MÁS SUCESOS.

En este ejemplo es la suma de probabilidades por incluir la palabra O en el enunciado. Pero para
aplicar la suma necesitamos saber sí los sucesos son compatibles o incompatibles.

En este ejemplo los sucesos son compatibles porque se pueden presentar simultáneamente, es
decir, aplicamos la regla de la suma para sucesos compatibles.

P(MUC)=P(M)+ P(C) – P(M∩C) = (250/500)+(360/500)-(224/500)=0.772

BAJA MEDIANA ALTA

0 0.30 0 .50 0.70 1.0

Hay una alta probabilidad de que un cliente que sea una mujer, al comprar ropa en el almacén
éxito de Envigado quede conforme o contenta con la compra de ese producto, es decir, que la
sección de ropa para damas está bien en cuanto las marcas, los precios, la atención al cliente.

PROBABILIDAD CONDICIONAL

 Sirve para calcular la probabilidad de que se presente un suceso A 1 cuando ha ocurrido un

suceso A2 :

P (A1/A2) = P (A1∩A2) ①
P (A2)

 Sirve para calcular la probabilidad de que se presente un suceso A 2 cuando ha ocurrido un

suceso A1:

P(A2/A1)= P(A1∩ A2) ②

P(A1)

EJEMPLO:

En la facultad de ciencias estratégicas el 25% de los estudiantes del primer semestre pierden
Principios de economía, el 15% de los estudiantes pierden microeconomía y el 10% ambas.

1. Sí seleccionamos un estudiante de forma aleatoria, calcular la probabilidad de que sí

perdió microeconomía haya perdido también principios de economía.

A1= Es el suceso de que un estudiante pierda principios de economía.

A2= Es el suceso de que un estudiante pierda microeconomía.

A1∩A2 = Es el suceso de que un estudiante pierda ambas materias

P(A1/A2)= P(A1∩ A2)
P(A1)

P= 0.10/0.15 = 0.66

Se espera que el 66% de los estudiantes que pierde microeconomía, también perdieron principios
de economía, es decir, hay una alta mortalidad en estas dos materias.

Se recomienda investigar el porqué de la tasa de mortalidad para poder tomar acciones

correctivas.

P(A2/A1)= P(A1∩ A2)

P(A1)

P(A1∩ A2) = P (A1)* P(A2/A1) ③

La igualdad ③ sirve para calcular la probabilidad del producto de dos sucesos, cuando los sucesos
son DEPENDIENTES.

Dos sucesos son DEPENDIENTES, cuando el hecho de presentarse uno, afecta la probabilidad del
otro, sí NO la afecta se dice que los dos sucesos son INDEPENDIENTES.

Cuando dos sucesos son independientes se cumple:

P(A2/A1)= P (A2)

P(A1∩ A2) = P (A1) * P (A2) ④

La igualdad ④ sirve para calcular la probabilidad del producto de dos sucesos independientes

EJEMPLO:

Un operario atiende dos máquinas A1 y A2, se sabe que la probabilidad de que la primera máquina
no reclame la atención del operario en el transcurso de 1 hora, es 0.90 y que la segunda máquina
no reclame la atención del operario en una hora es de 0.80. Estas probabilidades vienen dadas por
el fabricante de las máquinas en la ficha técnica de cada máquina.

1. Calcular e interpretar la probabilidad de que en una hora ninguna de las maquinas reclame
la atención del operario.

A1: es el suceso de que la primera máquina no reclame atención del operario en el transcurso de
una hora

A2: es el suceso de que la segunda máquina no necesite atención del operario en el transcurso de
una hora

P(A1)=0.90

P(A2)=0.80
Vamos a calcular la probabilidad del producto de dos sucesos

P(A1∩ A2) = P (A1)* P(A2)

Vamos a aplicar la probabilidad del producto de dos sucesos bajo el supuesto de que las dos
máquinas trabajan independientemente, es decir que los dos sucesos son independientes

P(A1∩ A2) = 0.90*0.80 = 0.72

El 72% del tiempo este operario permanece inactivo o no hace nada.

EJEMPLO 2

Calcular e interpretar la probabilidad de que la primera máquina o la segunda o ambas no

necesiten la atención del operario en el transcurso de una hora.

NOTA: En probabilidades cuando vamos a calcular la probabilidad de que se presente el primer

suceso, el segundo, o ambos utilizamos la probabilidad para suma o la unión de dos sucesos, pero
para poderla utilizar debemos saber, si los sucesos son compatibles o incompatibles.

En este caso los dos sucesos son compatibles porque las dos máquinas pueden trabajar sin
necesitar al operario durante una hora, es decir que utilizamos la siguiente formula

P ( A 1 ∪ A 2 )=P ( A 1 )+ P ( A 2 )−P ( A 1∩ A 2 )
P(A1∪A2) = 0.90 + 0.80 -0.72 = 0.98

=98%

CONCLUSION:

Esto nos indica que hay una alta probabilidad de que en esta empresa no se va a paralizar la
producción porque tiene una maquinaria muy eficiente o con tecnología de punta.

TEMA 2

VARIABLE ALEATORIA

Las variables aleatorias se representan con letras mayúsculas X, Y, Z y se designan los valores
individuales que toman las variables aleatorias con las correspondientes letras minúsculas x, y, z.
Las variables aleatorias son: de tipo discreto o de tipo continuo.

Tipo discreto: Son aquellas que toman valores que se pueden contar.

Ejemplo: Número de computadores, número de sillas, número de estudiantes, que tiene la

universidad.

f(x) = P(X=x) ①
Esta función① sirve para calcular la probabilidad exactamente en el punto x, y se llama LA
FUNCIÓN DE PROBABILIDAD.

F(x)= P(X ≤ x) ②

Esta función② sirve para calcular la probabilidad acumulada, es decir, calcula la probabilidad para
un valor menor o igual que x, y se llama LA FUNCIÓN DE DISTRIBUCIÓN DE UNA VARIABLE
ALEATORIA.

EJEMPLO:

f(x) = P(X=x) = x/21 x=1, 2, 3, 4, 5, 6

=0 para otros valores de x

x= 1, 2, 3, 4, 5, 6 es el rango de la variable aleatoria X

Si X representa el número de artículos producidos de mala calidad, en un lote de 6 artículos,

calcular e interpretar

1. De que en el lote producido se presenten exactamente 3 artículos de mala calidad.

f(3) = P(X=3) = 3/21 = 0.14

Hay una baja probabilidad en esta empresa de que al producir un lote de 6 artículos se presenten
exactamente 3 de mala calidad.

2. Calcular e interpretar la probabilidad de que un lote producido de 6 artículos se

presenten 3 o menos artículos de mala calidad.

F(3)= P(X ≤ 3)= P(x=0) + P(x=1) + P(x=2) + P(x=3)

= 0/21 + 1/21 + 2/21 + 3/21 = 6/21= 0.28

Hay una baja probabilidad en esta empresa de que al producir un lote de 6 artículos se produzcan
3 o menos de mala calidad.

Una variable aleatoria es de TIPO CONTINUA cuando es medible.

Ejemplo: el peso, la estatura de una persona, la duración en horas de vida de una llanta, de una
batería, de un vehículo.
NOTA: Cuando una variable aleatoria toma valores que se pueden contar, la variable es DISCRETA.
Cuando toma valores que no se pueden contar sí no que son medibles, la variable es CONTINUA.

DISTRIBUCIONES DE PROBABILIADES

1. La distribución binomial se utiliza principalmente en control estadístico de

procesos.

Para poder utilizar este modelo necesitamos definir que es una combinación ncx.

ncx sirve para calcular cuantas combinaciones o grupos distintos puedo formar de
tamaño x con n elementos.

Ejemplo: Sí tengo 3 elementos A1 A2 A3 ¿Cuántos grupos o combinaciones distintas de tamaño 2

puedo formar con estos 3 elementos?

A1 A2 A3

A1 A2

A1 A3

A2 A3

R/ 3

¿Cuántas combinaciones o grupos distintos de tamaño 3 puedo formar con 10 elementos?

R/ 120

La función de probabilidad del modelo binomial es la siguiente:

f(x) = P(X=x) = ncxPx (1-P)n-x x= 0, 1, 2, 3,…., n

=0 para otros valores de x

P: Es la probabilidad de éxito

1-P: Es la probabilidad de fracaso

n: Es el número de pruebas
Ejemplo: Coca-Cola produce botellas de agua Manantial, y el porcentaje de botellas que produce,
de mala calidad, es del 2%. Las botellas las vende a los distribuidores, en paquetes de 30 botellas,
cada 15 minutos se selecciona aleatoriamente un paquete de 30 botellas, y un inspector de
calidad (un obrero capacitado) examina las 30 botellas.

Una botella de agua producida de mala calidad (que no tenga fecha de vencimiento, que tenga
mala la tapa, que tenga sucia la etiqueta, etc.)

Sí seleccionamos aleatoriamente un paquete de 30 botellas, calcular e interpretar la probabilidad.

1. Que salgan exactamente 2 botellas de mala calidad.

2. Que salgan 2 o menos botellas de mala calidad.

X: número de botellas de agua producidas de mala calidad.

P: probabilidad de que una botella salga de mala calidad. P= 0.02

n: número de botellas examinadas. n= 30

La probabilidad de que en un paquete de 30 botellas se presenten exactamente 2 botellas de mala

calidad es de 0,10. Es poco probable de que un paquete de 30 botellas de agua manantial,
producidas por Coca-Cola, salga exactamente 2 de mala calidad.

Hay una alta probabilidad de que en un paquete de 30 botellas salgan 2 o menos botellas de mala
calidad.

3. Calcular e interpretar la probabilidad de que el paquete de 30 botellas sea de exportación.

La probabilidad de que un paquete sea de exportación es 0,55

NOTA: Cuando vamos a calcular una probabilidad, por ejemplo: P (x=2), en el acumulado
colocamos FALSO. Y cuando vamos a calcular una probabilidad acumulada, por ejemplo: P (X≤2)
en el acumulado colocamos VERDADERO
EJERCICIO TIPO PARCIAL

Una empresa nueva en el mercado produce el 10% de los artículos de mala calidad, y el 90% de la
producción de buena calidad. Los artículos se venden en el mercado en cajas de 15 artículos. Sí
seleccionamos aleatoriamente una de las cajas producidas en los últimos 15 minutos, y
examinamos todos los 15 artículos, calcular e interpretar las siguientes probabilidades.

1. Que la caja contenga exactamente 3 artículos de mala calidad.

2. Que la caja contenta 3 o menos artículos de mala calidad.
3. Que la caja sea de exportación.
4. Que la caja tenga más de 4 artículos de mala calidad.
5. Que la caja contenga entre 2 y 4 artículos de mala calidad.

X: Representa el número de artículos producidos de mala calidad.

P: Probabilidad de que un articulo producido sea de mala calidad

n: Número de artículos examinados

P= 10% = 0,10

n= 15

INTERPRETACIONES:

1. Se espera que de cada 100 clientes que nos compren este producto, 13 no nos vuelvan a
comprar porque en cada caja salieron exactamente 3 artículos de mala calidad, es decir, sí
no mejoro la calidad del producto la empresa tiende a la quiebra.
2. Cuando es verdadero (que sea acumulada) no se hace interpretación.
3. La calidad de esta empresa es muy deficiente porque solamente puede exportar o vender
a nivel nacional en los almacenes de los centros comerciales el 21% de la producción.

NOTA: Excel no calcula probabilidades para valores mayores o iguales ni probabilidades para
valores mayores. En este caso para poder hallar estas probabilidades por Excel, utilizamos el
teorema de la probabilidad del suceso contrario

4. El 6% de las cajas producidas tienen 4 o más artículos de mala calidad, es decir, la

producción de esta empresa es de muy mala calidad.
5. Para este caso P (X<5) = P (X≤4)
P (X>5) = 1- P (X≤5)
 EJERCICIO TIPO PARCIAL 2
En una empresa después de hacer un control estadístico del 100% de los artículos
fabricados por la empresa, se encontró que de 14.760 artículos producidos 738 eran de
mala calidad, calcular e interpretar las siguientes probabilidades de que en una caja de 60
artículos seleccionada aleatoriamente se presenten el siguiente número de artículos de
mala calidad.

1. Exactamente 7 de mala calidad.

2. Que la caja sea de importación.
3. Que se presenten más de 10 artículos.
4. Que se presenten entre 2 y 4 artículos de mala calidad.

Definimos la variable aleatoria (X):

X= Representa el número de artículos producidos de mala calidad.

P= Probabilidad de que un artículo producido sea de mala calidad.

P= Número de casos favorables al suceso sobre el número de casos posibles del suceso

CF 738
P= = = 0.05  5%
CP 14760
N= 60  N° de cajas

1. P (X=7) = 0.02  Hay una baja probabilidad de que en una caja de 60 artículos producidos
en una empresa se presenten exactamente 7 de mala calidad.
2. Importación. P (X=0) = 0.05  Tenemos una probabilidad del 95% (alta) de que las cajas
sean de exportación, es decir, se espera que de cada 100 cajas producidas, 95 sean de
exportación.
3. P (X>10) = 1 – P (X≤10)
= 1 – 0.99
= 0.0002
Es muy poco probable, casi imposible que una caja de las producidas por esta empresa,
me salgan más de 10 artículos malos.

4. Se puede hallar de dos maneras:

Primera manera:
 P (2≤ X ≤ 4) = P (X=2) + P (X=3) + P (X=4)
 P (2≤ X ≤ 4) = P (X=0) + P (X=1) + P (X=2) + P (X=3) + P (X=4) - P (X=0)- P (X=1)
Segunda manera:
 P (2≤ X ≤ 4) = P (X≤4) - P (X≤1)

Otro ejemplo (de la segunda manera):

 P (8≤X≤20) =P (X≤20) – P (X≤7)  Al límite superior le resto el límite inferior y se le rebaja
1 al límite inferior
INTERPRETACIÓN: Se espera que el 63% de las cajas producidas tengan entre 2 y 4
artículos de mala calidad.

LA DISTRIBUCIÓN DE POISSON

Esta distribución de probabilidades se utiliza para calcular sucesos que estén en un

intervalo de tiempo o de espacio.

Ejemplo:

Para calcular la probabilidad:

1. De que en 3 minutos lleguen 8 personas a la fila del cajero de Bancolombia.

2. De que en 4 minutos lleguen 10 personas a la fila de una caja registradora de
almacenes éxito.
3. De que una camisa tenga 3 imperfectos.

La función de probabilidad de la distribución de Poisson es la siguiente:

f(x)= P(X=x)= μx ℓ-μ

χ!

X= 0,1,2,3….

=0 para otros valores de x

μ es una letra del alfabeto griego y representa en esta distribución la media aritmética de la
población, es decir, el promedio de éxitos en un intervalo de tiempo y espacio.

ℓ es la base del logaritmo natural ℓ= 2,7183

Números factoriales

0!= 1 1!=1 10!= 10*9*8*7!....

EJEMPLO: La empresa de confecciones Gef va a lanzar al mercado una nueva camiseta para
hombre seleccionada cada 2 horas una de las camisetas producidas y le hace una inspección
contando el número de imperfectos que tiene la camiseta (un imperfecto puede ser: el resorte del
cuello malo, uno de los resortes del hombro malo, una mancha de aceite, una cortada de tejido…)
Se ha establecido por medio de las devoluciones que le hacen al departamento del servicio al
cliente los almacenes propios que tiene la empresa Gef. El número promedio de imperfectos por
camiseta es de 2.

Calcular e interpretar la probabilidad de que la camiseta seleccionada en las últimas 2 horas:

1. Tenga exactamente 3 imperfectos.

2. Tenga 3 o más imperfectos.
3. Sea de exportación.

X: representa el número de imperfectos que tiene una camiseta producida

μ : Representa el número promedio de imperfectos de una camiseta producida
μ=2
P(x=3) =0.18 (fx – poisson.dist – 3 -2 – FALSO)
INTERPRETACION:
El 18% de las camisas producidas tienen exactamente 3 imperfectos es decir, esta nueva camiseta
no la debemos vender en el mercado nacional ni mucho menos exportado hasta que no se diseñe
una camiseta de mejor calidad
Ejemplo: el número promedio de clientes que fueron a la fila del cajero de Bancolombia de la
Universidad por minuto en la horas de mayor congestión es de 3. Calcular e interpretar las
siguientes probabilidades
a) Que lleguen por lo menos 5 clientes en un minuto
b) Que lleguen menos de 7 clientes en 2 minutos
c) Que lleguen a la fila entre 8 y 13 clientes inclusive en 4 minutos

X = representa el número de clientes que llegan a la fila del cajero de Bancolombia

µ = representa el promedio de clientes que llegan a la fila del cajero de Bancolombia en un
minuto

a) P(X ≥ 5) = 1- P(X ≤ 5) = 1 – P(X ≤ 4) = 0.18

Hay una baja probabilidad de que en un minuto lleguen por lo menos 5 o mas clientes
a la fila del cajero de Bancolombia de la Universidad

b) P(X ≤ 7) = P(X ≤ 6)
µ=6 En promedio llegan a la fila del cajero de Bancolombia 6 personas cada 2
minutos
Hay una mediana probabilidad de que en 2 minutos lleguen a la fila del cajero de
Bancolombia 6 o menos clientes
c) P(8 ≤ X ≤ 13) = P(X ≤ 13) – P(X ≤ 7)
µ = 12 (SI EN UN MINUTOS LLEGABAN 3 , EN 4 MINUTOS CUANTOS LLEGARAN (3*4))
Hay una mediana probabilidad de que en 4 minutos lleguen a la fila del cajero de
Bancolombia entre 8 y 13

NOTA: Cuando conocemos la probabilidad de éxito P y el número de pruebas n

utilizamos la distribución binomial
Cuando conocemos el promedio µ y necesitamos hallar una probabilidad para un
intervalo de tiempo o de espacio utilizamos la distribución de Poisson.

LA DISTRIBUCIÓN NORMAL

De todas las distribuciones de probabilidades esta es la más importante porque se

aplica en muchos campos de la ciencia, en ventas, en costos, en investigación de
mercados, en control estadístico de calidad, etc.

La distribución normal depende de 2 parámetros, de la media aritmética de la

población que se representa por la letra griega µ y por la desviación estándar de la
población estadística que se representa por la letra Ơ.

El área que hay entre µ más o menos Ơ corresponde al 68% aproximadamente de los
datos. El área que hay entre la media y más o menos dos veces la desviación estándar
corresponde al 95% de los datos, y el área que hay entre la media y más o menos la
desviación estándar corresponde al 99,74% de los datos.

PROPIEDADES

CURVA DE LA DISTRIBUCIÓN NORMAL: Es simétrica con respecto al eje Y, es decir, a

distancias iguales del eje Y, corresponden a probabilidades o áreas iguales.

MEDIA DE LA DISTRIBUCIÓN NORMAL: Queda situada en la mitad de la campana de

Gauss.
Ejemplo:

Sí las matriculas de la universidad se distribuyen en forma normal y la matrícula promedio por

semestre y por estudiante es de $4.800.00 y la desviación estándar es de $100.000, y actualmente
en la sede Laureles, tiene matriculados en pregrado 13.200 estudiantes. Calcular e interpretar
cuantos estudiantes paga una matrícula mayor a $6.000.000

X= El costo de la matricula por estudiante y por semestre

µ= La matrícula promedio por estudiante es $4.800.000.
La desviación estándar es Ơ= $1.000.000
1. Hallar la probabilidad P( X ≥ 6.000.000) = 1- P (X ≤ 6.000.000)
NOTA: Cuando estamos trabajando con variables aleatorias continuas, como en el caso de la
distribución normal, la P (X≤4) = P (X≤4)
La probabilidad en un punto por ejemplo P(X=4) = 0 porque la integral en un punto vale 0
La probabilidad de que un estudiante pague una matrícula de $6.000.000 o más es de 0.115070
Multiplicamos este valor por el número total de estudiantes y aproximo.

Se espera que 1.519 estudiantes paguen una matrícula de 6.000.000 o más.