Alumno: Jonathan Jonás Guerrero Balcarcel

Matrícula: 135767

Grupo: NI29

Materia: Probabilidad y Estadística

Docente: Conrado Rodríguez Flores

Actividad 3. Ejercicios de Distribución de Probabilidades.

Aguascalientes, 23 de Abril de 2021

A partir de las reglas de distribución de probabilidades desarrolla de manera clara los
siguientes ejercicios:

a) Ejercicios de distribución binomial

1. La probabilidad de que una persona recién egresada de la universidad con buenas

calificaciones consiga trabajo en un mes es 0.9. ¿Cuál es la probabilidad de que cuatro de
cinco recién egresados con buenas calificaciones consigan trabajo en un mes?

p = 0.9

X = 4 estudiantes

N = 5 estudiantes

Se aplica la formula siguiente:

N!
p ( X )= × p x × q N− X
X ! ( N− X ) !

5!
p ( 4 )= ×(0.9)4 ×1− p 5−4
4 ! ( 5−4 ) !

p ( 4 )=5 ×(0.9)4 ×(1−0.9)1

p ( 4 )=0.32805

La probabilidad de que 4 de 5 egresados consigan trabajo en un mes es del 32.80%

2. La probabilidad de que una persona que entra a cierta tienda haga una compra es 0.6.
Encontrar las probabilidades de que de un grupo de nueve personas haga una compra.

p = 0.6

X = 1 compra

N = 9 personas

Usamos la fórmula de la distribución binominal:

 N!
p ( X )= × p x × q N− X
X ! ( N− X ) !

9!
p ( 1 )= ×(0.6)1 ×(1−0.6)9−1
1! ( 9−1 ) !

p ( 1 )=9 ×(0.6)1 ×(1−0.6)8

p ( X )=0.00353 9

La probabilidad de que un grupo de 9 personas haga una compra es del 0.35%

3. La probabilidad de que una persona que entra a cierta tienda haga una compra es 0.6.
Encontrar las probabilidades de que de un grupo de nueve personas haga tres, cuatro o
cinco compras.

Para X=3

p=0.6

N=9

Se aplica la fórmula de distribución binominal

N!
p ( X )= × p x × q N− X
X ! ( N− X ) !

9!
p ( 3 )= ×(0.6)3 ×(1−0.6)9−3
3 ! ( 9−3 ) !

p ( 3 )=84 ×( 0.6)3 ×(1−0.6)6

p ( x ) =0.0743

La probabilidad de que el grupo de 9 personas haga 3 compras es del 7.43%

Para X=4
p=0.6

N=9

N!
p ( X )= × p x × q N− X
X ! ( N− X ) !

9!
p ( 4 )= ×(0.6) 4 ×(1−0.6)9−4
4 ! ( 9−4 ) !

p ( 4 )=126 ×(0.6)4 ×(1−0.6)5

p ( X )=¿ 0.1672

La probabilidad de que el grupo de 9 personas haga 4 compras es del 16.72%

Para X=5

P=0.6

N=9

N!
p ( X )= × p x × q N− X
X ! ( N− X ) !

9!
p ( 5 )= ×(0.6)5 ×(1−0.6) 9−5
5 ! ( 9−5 ) !

p ( 5 )=126 ×(0.6)5 ×(1−0.6)4

p ( X )=0.2508

La probabilidad de que el grupo de 9 personas haga 5 compras es del 25.08%

4. Suponer que la probabilidad de que se recupere un automóvil en la ciudad de Puebla,

en la zona sur, es de 0.60. Encontrar la probabilidad de que se recuperen, por lo menos,
tres de 10 automóviles robados en la ciudad.

X=3
p=0.60

N=10

N!
p ( X )= × p x × q N− X
X ! ( N− X ) !

10 !
p ( 3 )= ×(0.60)3 ×(1−0.60)10−3
3 ! ( 10−3 ) !

p ( X )=¿0.042467328

La probabilidad de encontrar 3 autos es de 4.24%

5. Después de seguir un tratamiento para dejar de fumar, la probabilidad de volver a

fumar dentro del primer mes es de 0.4. Determinar la probabilidad de que máximo tres de
siete pacientes vuelvan a fumar antes de un mes.

Se calcula X de 0 hasta 3 pacientes

Para X = 0

p = 0.4

N=7

N!
p ( X )= × p x × q N− X
X ! ( N− X ) !

7!
p ( 0 )= ×(0.4)0 ×(1−0.4 )7 −0
0 ! ( 7−0 ) !

p ( X )=0.02799

Probabilidad 2.8%

Para X = 1
p = 0.4

N=7

7!
p ( 1 )= ×(0.4)1 ×(1−0.4)7−1
1! ( 7−1 ) !

p ( X )=0.1306

Probabilidad 13.06%

Para X = 2

p = 0.4

N=7

7!
p ( 2 )= ×(0.4)2 ×(1−0.4)7−2
2! ( 7−2 ) !

p ( X )=0.2613

Probabilidad 26.13%

Para X=3

p = 0.4

N=7

7!
p ( 3 )= ×(0.4)3 ×(1−0.4)7−3
3 ! ( 7−3 ) !

p ( X )=0.2903

Probabilidad 29.03%

Sumamos

P(X)= 2.8% + 13.06% + 26.13% + 29.03%= 71.02%

La probabilidad de que al menos 3 de 7 pacientes vuelva a fumar antes de un mes es de
71.02%

6. Una empresa aplica un esquema de muestreo para aceptar lotes de ciertos insumos.
Se examinan diez artículos y el lote será rechazado si se encuentran dos o más artículos
defectuosos. Calcular la probabilidad de rechazar un lote si contiene 5% de artículos
defectuosos.

Se debe calcular el complemento de la función, primero se hace el cálculo de 0 a 1

artículos defectuosos.

Para X = 0

p = 0.05

N = 10

10 !
p ( 0 )= ×(0.05)0 ×(1−0.05)10−0
0 ! ( 10−0 ) !

p ( X )=0.5987

Probabilidad 59.87%

Para X = 1

p= 0.05

N= 10

10 !
p ( 1 )= ×(0.05)1 ×(1−0.05)10−1
1! ( 10−1 ) !

p ( X )=0.3151
Probabilidad 31.51%

Calculamos la probabilidad total sumando ambos

Probabilidad Total=59.87%+31.51%= 91.38%

Ahora se calcula el complemento

=100%-91.38%=8.62%

Entonces la probabilidad de rechazar un lote si contiene 5% de artículos defectuosos es

del 8.62%

b) Ejercicios de distribución de Poisson

1. A menudo, el número de llamadas telefónicas que llegan a un conmutador se modela

como una variable aleatoria Poisson. Suponer que, en promedio se reciben 7 llamadas
por hora. ¿Cuál es la probabilidad de que lleguen exactamente cinco llamadas en una
hora?

Se aplica la fórmula de Poisson

λ x e−λ
p ( x , λ)=
x!

(p x , λ ) = probabilidad de que ocurran x éxitos, cuando el número promedio de ocurrencia

de ellos es  λ

λ  = media o promedio de éxitos por unidad de tiempo, área o producto

e = 2.718

x = variable que nos denota el número de éxitos que se desea que ocurra

Entonces:

7 5 e−7
p x, λ =
( )
5!

p ( x , λ ) =0.1277
La probabilidad de que lleguen 5 llamadas en 1 hora es de 12.77%

2. En un proceso de manufactura se registran, siguiendo la distribución de Poisson, en

promedio cuatro fallas en un turno de ocho horas. Calcular la probabilidad de que en un
turno cualquiera haya entre dos y cuatro fallas.

Se calcula la probabilidad de 2-4

𝜆 = 4 fallas x = 2 fallas

42 e−4
p ( x , λ)=
2!

p ( x , λ ) =0.1465

p ( x , λ ) =14.65 %

𝜆 = 4 fallas x = 3 fallas

43 e−4
p x, λ =
( )
3!

p ( x , λ ) =0.195 4

p ( x , λ ) =19.54 %

𝜆 = 4 fallas x = 4 fallas

4 4 e−4
p ( x , λ)=
4!
p ( x , λ ) =0.195 4

p ( x , λ ) =19.54 %

Probabilidad total= 14.65% + 19.54% + 19.54% = 53.73%

La probabilidad de que haya entre 2-4 fallas es de 53.73%

3. A un auto lavado llegan, siguiendo la distribución de Poisson, 8 autos por hora. Calcular
la probabilidad de que en una hora determinada llegue entre cuatro y siete autos.

Se calculan las probabilidades 4-7

𝜆=8
x=4

8 4 e−8
p ( x , λ)=
4!
p ( x , λ ) =0.0573=5.73 %

𝜆=8
x=5

8 5 e−8
p ( x , λ)=
5!
p ( x , λ ) =0.0916=9.16 %

𝜆=8
x=6

8 6 e−8
p x, λ =
( )
6!

p ( x , λ ) =0.1221=12.21 %

𝜆=8
x =7

8 7 e−8
p ( x , λ)=
7!
p ( x , λ ) =0.1396=13.96 %

Probabilidad total= 5.73 %+ 9.16 %+12.21 % +13.96 %=41.06 %

La probabilidad de que en una hora determinada llegue entre 4-7 autos es del 41.06%

c) Ejercicios de distribución normal

1. El tiempo que les toma a un grupo de obreros ensamblar una serie de microchips tiene
una distribución normal con media de 14.5 minutos y desviación estándar de 2.5 minutos.
¿Cuál es la probabilidad de que a uno de estos obreros le tome entre 11 y 16 minutos?

Se calcula la probabilidad de 11 y 16 minutos

Se aplica la fórmula de distribución normal

X−μ
Z=
σ
Z= Número de desviaciones estándar de x respecto a la media de esta distribución
X= Valor de la variable aleatoria que nos interesa

μ = Media de la distribución de esta variable aleatoria

σ = Desviación estándar de esta distribución

Entonces:
𝜇 = 14.5 minutos X = 11 minutos σ = 2.5 minutos
11−14.5
Z= =−1. 4
2.5
Entonces se observa en la tabla de Z que para -1.4 se obtiene 0.4192 para f(11)

𝜇 = 14.5 minutos X = 16 minutos σ = 2.5 minutos

16−14.5
Z= =0. 6
2.5

Entonces se observa en la tabla de Z que para 0.6 se obtiene 0.2257 para f(16)

Probabilidad Total= 0.4192-0.2257= 0.1935

La probabilidad de que a uno de los obreros le tome entre 11 y 16 min es de 19.35%

2. El tiempo que les toma a un grupo de obreros ensamblar una serie de microchips tiene
una distribución normal con media de 14.5 minutos y desviación estándar de 2.5 minutos.
¿Cuál es la probabilidad de que a uno de estos obreros le tome más de 18 minutos?

Se calcula Z a 18 minutos y se deberá obtener el complemento de este para tener el

tiempo superior a esos 18 minutos, siendo restado al valor de 0.5 que es el valor medio de
la distribución normal.

𝜇 = 14.5
X = 18
σ = 2.5

18−14.5
Z= =1.4
2.5

Entonces se observa en la tabla de Z que para 1.4 se obtiene 0.4192 para f(18)

Probabilidad total = 0.5 – 0.4192 = 0.0808 = 08.08%

La probabilidad de que a uno de los obreros le tome más de 18 min es de 08.08%

3. El tiempo que les toma a un grupo de obreros ensamblar una serie de microchips tiene
una distribución normal con media de 14.5 minutos y desviación estándar de 2.5 minutos.
¿Cuál es la probabilidad de que a uno de estos obreros le tome menos de 10 minutos?

Se calcula Z para 10 min

𝜇 = 14.5 minutos X = 10 minutos σ = 2.5 minutos

10−14.5
Z= =1. 8
2.5
Entonces se observa en la tabla de Z que para 1.8 se obtiene 0.4641 para f(10)

Probabilidad Total= 0.4641 + 0.5 = 0.9641 = 96.41%

La probabilidad de que a uno de los obreros le tome menos de 10min es de 96.41%
BIBLIOGRAFÍA

Estadística y probabilidad. Distribución normal. Recuperado de: proyectodescartes.org

Geogebra. Geogebra clásico, cálculo de probabilidad. Recuperado de geogebra.org

MathWorks. Distribución de Gauss. Recuperado de: es.mathworks.com

Mendenhall, W. 1981. Estadística para Administración y Economía. 3ra. edición. Grupo

Editorial Iberoamérica.

Stat Trek. Teach yourself Statistics. Poisson Distribution. Recuperado de: stattrek.com,

Triola, M. 2012. Elementary Statistics. 11th. Ed. Pearson Education.

Universidad de Vigo. Principales distribuciones continuas. Recuperado de:

anapg.webs.uvigo.es

Anderson, David R.; et al. (2001). “Muestreo y distribuciones muestrales” en

Estadística para administración y economía. México Cengage Learning Editores, pp.
273-280.pdf