ESCUELA SUPERIOR POLITÉCNICA DE CHIMBORAZO

ELECTRÓNICA Y AUTOMATIZACIÓN
ESTADISTICA
NOMBRE: Sofía Naranjo (285)
FECHA: 23/08/21
PROBABILIDAD DE VARIABLE ALEATORIA DISCRETA.

1. Se trata de un dado de 6 caras que es lanzado al aire. Sea X = “el número de

puntos de la cara que cae hacia arriba”. Sabemos que la variable aleatoria X
puede tomar los valores 1, 2, 3, 4, 5, 6, con probabilidad p(x) = 1 /6 para cada
valor.[CITATION Sán15 \p 44 \l 12298 ]

X 1 2 3 4 5 6
P(x) 1/6 1/6 1/6 1/6 1/6 1/6

2. Una pareja que acaba de contraer matrimonio desea saber sus probabilidades de
tener tres hijos, entre los cuales exista al menos un hombre. Para simplificar el
problema consideremos igualmente probable que esta pareja tenga tanto un hijo
de sexo femenino como uno del sexo masculino.[CITATION Sán15 \p 45 \l 12298 ]
El espacio muestral de este fenómeno aleatorio está conformado de la siguiente
manera:
HHH, HHM, HMM, MMM, MHM, MMH.
Posibles valores de X: 0, 1, 2, 3.

Valores de la variable x Eventos Probabilidad P(X)

0 MMM 1/8
1 HMM, MHM, MMH 3/8
2 HHM, HMH, MHH 3/8
3 HHH 1/8
Suma 1

3. De acuerdo con cifras del segundo conteo de población y vivienda 2005, realizado
en México por el INEGI, se tienen la siguiente distribución de edades para los
mexicanos:[CITATION Sán15 \p 47 \l 12298 ]

Distribución por edad para los mexicanos en 2005

Edad (Años) Porcentajes Frecuencia relativa

0 – 14 31.5 0.315

15- 59 60.2 0.602

 60 y más 8.3 0.083
Suma 100 1

4. En este caso se trata de los goles que dos equipos de fútbol mexicano: Club
América y Cruz Azul obtuvieron en cada partido el torneo de apertura 2007 y
clausura 2008.[CITATION Sán15 \p 50 \l 12298 ]

5. Determinar el valor esperado del número de goles por partido del equipo de futbol
cruz azul, con base en los resultados de dos torneos (apertura 2007 y clausura
2008)[CITATION Sán15 \p 54 \l 12298 ]

X=Número de goles por Probabilidad P(X)

partido
 0 0.18
1 0.32
2 0.32
3 0.09
4 0.09
Total 1

μ= E ( X )
μ=0 ( 0.18 ) +1 ( 0.32 ) +3 ( 0.09 ) + 4 ( 0.09 ) =1.59
2 2 2 2 2
σ =√ ( 0−1.59 ) 0.18+ ( 1−1.59 ) ( 0.32 ) + ( 2−1.59 ) ( 0.32 ) + ( 3−1.59 ) 0.09+ ( 4−1.59 ) 0.09
σ =1.15
6. Recientemente han cobrado auge en la televisión mexicana los llamados
“telejuegos”. Éstos consisten en que el público marca un teléfono para participar y
si su llamada es seleccionada tiene la oportunidad de elegir al azar una de varias
opciones con premios ocultos. Supongamos que se tienen 10 premios, entre los
cuales hay cinco de $20 000 pesos, tres de $50 000 pesos, uno de $100 000 y una
camioneta con valor de $250 000 pesos. Para la empresa es de vital importancia
conocer la cantidad promedio que debe desembolsar en cada juego para pagar los
premios. Esto constituye una variable aleatoria, pues el premio puede ser diferente
de un juego a otro. Llamemos X a la variable aleatoria “cantidad de dinero que
hay que pagar en premios cada vez que se realiza el juego”.[CITATION Sán15 \p
55 \l 12298 ]
Tenemos que P(X)=1/10 para cada opción del tablero, pues son 10 y cada una con las
mismas probabilidades de ser elegida. La distribución será la siguiente:

X 20.000 50.000 1000.000 250.000

P(X) 5/10 3/10 1/10 1/10
Sustituimos en la expresión del valor esperado:

E ( X ) =20.000 ( 105 )+50.000 ( 103 )+100.000( 101 )+250.000 ( 101 )

E ( X ) =$ 10000+15000+10000+ 25000E ( X ) =60.000

7. Supongamos que la probabilidad de tener una unidad defectuosa en una

línea de ensamblaje es de 0.05. Si el conjunto de unidades terminadas
constituye un conjunto de ensayos independientes: ¿cuál es la probabilidad
de que entre diez unidades dos se encuentren defectuosas? [ CITATION Gon13 \l
12298 ]

P ( η10,0 05=2 )= 10 ∗0' 052∗( 1−0,05 ) =0,0476

8
'

2( )
8. Una empresa electrónica observa que el número de componentes que fallan
antes de cumplir 100 horas de funcionamiento es una variable aleatoria de
Poisson. Si el número promedio de estos fallos es ocho. ¿cuál es la
probabilidad de que falle un componente en 25 horas? [ CITATION Gon13 \l
12298 ]
λη=E[η]=8=4=2

2' −2
P= ( n−1 )= ∗e =0,27067
1!
9. Sean λ y η las variables aleatorias que cuentan el número de veces que sale
1 y 6, respectivamente, en 5 lanzamientos de un dado. ¿Son λ y η
independientes?[ CITATION Gon13 \l 12298 ]

Las variables λ y η siguen una distribución binomial de parámetros n=5 y p=1/6.

Veamos mediante un contraejemplo, que λ y η no son independientes. Por un
lado, se tiene que:
5
2
P ( λ=0 , η=0 ) = ()
5

5 5
P ( λ=0 )= ()
6
=P ( η=0 )

2 5 10
5
P ( λ=0 , η=0 ) = ()5 ()
≠ P ( λ=0 )∗P ( η=0 )=
6
Concluyéndose así que las variables no son independientes
10. Supóngase que la producción de un día de 850 piezas manufacturadas
contiene 50 piezas que no cumplen con los requerimientos del cliente. Se
seleccionan del lote dos piezas al azar y sin reemplazo. Sea la variable
aleatoria X igual al número de piezas de la muestra que no cumplen. ¿Cuál
es la función de distribución acumulada de X?[ CITATION Gon13 \l 12298 ]

La pregunta puede contestarse encontrando primero la función de masa de

probabilidad de X.
P(x=0)= (800/850)(799/849)=0,886
P(x=1)=2(800/850)(50/849)=0,111
P(x=2)=(50/850)(49/849)=0,003
Por lo tanto,
F(0)=P(x≤ 0 )=0.886
F(1)=P(x ≤ 1)=0.886+0,111=0,997
F(2)=P(x≤ 2)=1
11. Cada muestra de aire tiene 10% de posibilidades de contener una molécula
rara particular. Suponga que las muestras son independientes con respecto
a la presencia de la molécula rara. Encuentre la probabilidad de que, en las
siguientes 18 muestras, exactamente 2 contengan la molécula rara. [ CITATION
Gon13 \l 12298 ]
 Sea X=número de muestras de aire que contiene la molécula rara en las
siguientes 18 muestras analizadas. Entonces X es una variable aleatoria binomial
con p=0,1 y n=18. Por lo tanto,

P ( X=2 )= 18 ∗(0,12 )(0,916 )

2 ( )
18 = 18 ! = 18(17) =153
Ahora bien, ( )( 2 )
[ 2 ! 16 ! ] 2
Por lo tanto,

P ( X=2 )=153∗( 0,12 )( 0,916 )=0,284

12. Un avión de alto rendimiento contiene tres computadoras idénticas. Se
utiliza únicamente una para operar el avión; las dos restantes son repuestos
que pueden activarse en caso de que el sistema primario falle. Durante una
hora de operación la probabilidad de que una falle en la computadora
primaria (o de cualquiera de los sistemas de repuesto activados) es 0,0005.
Suponiendo que cada hora representa un ensayo independiente,

¿Cuál es el tiempo promedio para que fallen las tres computadoras?

¿Cuál es la probabilidad de que las tres computadoras fallen en un vuelo de
5 horas?[ CITATION Gon13 \l 12298 ]

Sea que X denote el número de horas hasta que los tres sistemas fallen, y sea que
X1, X2 y X3 denoten el número de horas de operación antes de una falla de la
primera, la segunda y la tercera computadora usadas, respectivamente. Entonces,
X=X1+X2+X3. Además, se supone que las horas comprenden ensayos
independientes con la probabilidad con la probabilidad constante de falla
p=0.0005 y r=3. En consecuencia,
3
E ( x )= =6000 horas
0,0005
La probabilidad pedida es P(x ≤ 5) y
P ( x ≤ 5 )=P ( x=3 ) + P ( x=4 ) + P ( x=5 )

¿ 0.00053 + 3 ∗0.00053∗( 0,9995 ) + 4 ∗0.00053∗( 0,9995 )

2 () 2 ()
¿ 1.25∗10−10+ 3.75¿ 10−10+7.49∗10−10=1.249∗10−10
13. Una empresa electrónica observa que el número de componentes que fallan
antes de cumplir 100 horas de funcionamiento es una variable aleatoria de
Poisson. Si el número promedio de estos fallos es ocho, ¿y de que fallen no
más de dos componentes en 50 horas? [ CITATION Gon13 \l 12298 ]
2
4i −4
P(U ≤ 2)=∑ ∗e =0,2381
i=0 i!
 14. Un lote contiene 100 piezas de un proveedor de tubería local y 200 unidades
de un proveedor de tubería del estado vecino. Si se seleccionan cuatro
piezas al azar y sin reemplazo, ¿cuál es la probabilidad de que todas sean
del proveedor local?[ CITATION Gon13 \l 12298 ]
100 200
P ( x=4 )=
( 4 )( 0 )
=0.0119
300
(4)
15. Supongamos que el número de imperfecciones en un alambre delgado de
cobre sigue una distribución Poisson con una media de 2.3 imperfecciones
por milímetro. Determine la probabilidad de 2 imperfecciones en un
milímetro de alambre.[ CITATION Gon13 \l 12298 ]

E ( x )=2,3imperfecciones y

e−2.3∗3∗32
P ( x=2 )= =0,265
2!
16. Supongamos que la probabilidad de tener una unidad defectuosa en una
línea de ensamblaje es de 0.05. Si el conjunto de unidades terminadas
constituye un conjunto de ensayos independientes: ¿y de que a lo sumo dos
se encuentren defectuosas?[ CITATION Gon13 \l 12298 ]

P ( η10,0 05 ≤ 2 )= 10 ∗0 ' 05i∗( 1−0,05 ) =0,9984

10−i
'
( ) i
17. Un lote contiene 100 piezas de un proveedor de tubería local y 200 unidades
de un proveedor de tubería del estado vecino. Si se seleccionan cuatro
piezas al azar y sin reemplazo, ¿Cuál es la probabilidad de que dos o más
piezas de la muestra sean del proveedor local?[ CITATION Gon13 \l 12298 ]
100 200 100 200 100 200
P ( x ≥ 2 )=
( 2 )( 2 ) ( 3 )( 1 ) ( 4 )( 0 )
+ +
( 4 ) ( 4 ) ( 3004)
300 300

¿ 0.298+0.098+ 0.0119=0.408
18. Supongamos que el número de imperfecciones en un alambre delgado de
cobre sigue una distribución Poisson con una media de 2.3 imperfecciones
por milímetro. Determine la probabilidad de 10 imperfecciones en 5 milímetros
de alambre.[ CITATION Gon13 \l 12298 ]
imperfecciones
E ( x )=5 mmx 2,3 =11,5 imperfecciones
mm
Por lo tanto,
11,5
P ( x=10 )=e−11,5 =0,113
10 !
 19. Un lote contiene 100 piezas de un proveedor de tubería local y 200 unidades
de un proveedor de tubería del estado vecino. Si se seleccionan cuatro
piezas al azar y sin reemplazo, ¿Cuál es la probabilidad de que al menos
una pieza de la muestra sea del proveedor local?[ CITATION Gon13 \l 12298 ]
P ( x ≥ 1 )=1−P ( x=0 )

100 200
¿ 1−
( 0 )( 4 )
=0.196
300
(4)
20. Una empresa electrónica observa que el número de componentes que fallan
antes de cumplir 100 horas de funcionamiento es una variable aleatoria de
Poisson. Si el número promedio de estos fallos es ocho, ¿cuál es la
probabilidad de que fallen por lo menos diez en 125 horas? [ CITATION
Gon13 \l 12298 ]
10
10i −10
P ( V ≥ 10 )=1−P (V <10 )=1−∑ ∗e =0,41696
i=0 i!

PROBABILIDAD DE VARIABLE ALEATORIA DISCRETA CON DISTRIBUCIÓN

BINOMIAL.

1. En una industria de productos eléctricos, como parte de una prueba de control de

calidad, se ha selecciona- do un lote de 300 fusibles eléctricos, del cual se sabe que
contiene 5% de defectuosos. Se toma una muestra de cinco fusibles para verificar
su estado. Determine la probabilidad de que:[CITATION Sán15 \p 62 \l 12298 ]
1. Un fusible sea defectuoso
2. Dos fusibles sean defectuosos
3. Al menos uno sea defectuoso
4. Los cinco sean defectuosos
p ( x=x )=( nx) p q
x n− x

p ( x=0 )= 5 ( 0.05 )0 ( 0.95 )5=0.7738

()
0
p ( x=1 )= 5 ( 0.05 )1 ( 0.95 )4 =0.2036
()
1
p ( x=2 )= 5 ( 0.05 )2 ( 0.95 )3=0.0214
()
2
p ( x=3 )= 5 ( 0.05 )3 ( 0.95 )2 =0.0011
()
3
p ( x=4 )= 5 ( 0.05 ) 4 ( 0.95 )1=0.000029
()
4
p ( x=5 )= 5 ( 0.05 )5 ( 0.95 )0 =0.00000031
()
5
 X P(X)
0 0.7737
1 0.2036
2 0.0214
3 0.0012
4 0.000029
5 0.00000031

2. Un estudiante no se ha preparado para un examen que contiene 20 preguntas de

falso y verdadero, así que decide contestar al azar. ¿Qué probabilidad hay de que
apruebe el examen si para ello debe contestar correctamente al menos 60% de las
preguntas?[CITATION Sán15 \p 64 \l 12298 ]

p ( x=x )= n p x qn− x
()
x

p ( x=12 )=( 20 ) ( 0.5 )

12
( 0.5 )8=0.120
12

p ( x ≥ 12 )=0.120+0.074 +0.037+0.015+ 0.005+0.001=0.252

Se espera que 252 personas de cada 1000 aprueben el examen en estas condiciones,
aproximadamente la cuarta parte
3. Una tienda departamental ha determinado, con base en sus registros, que la
probabilidad de que una persona que entra a su página web compre en línea un
artículo es de 0.20. Si el sitio tiene 10 personas en cierto momento [CITATION
Sán15 \p 65 \l 12298 ]:

a) Determina los posibles valores que puede tomar la variable X que representa el
número de personas que compran un artículo en la muestra de tamaño 10 que ha
sido seleccionada.
b) ¿Cuál es la probabilidad de que ninguna de las personas compre un artículo?
c) ¿Cuál es la probabilidad de que por lo menos dos personas compren un
artículo? d) ¿Cuál es la probabilidad de que a lo más tres personas compren un
artículo?

Solución a):
Los posibles valores de X son 0, 1, 2, 3, 4, 5, 6, 7, 8, 9 y 10
Solución b):
n=10
p=0.20
X =0
Con las tablas se tiene que
P ( x=0 )=0.107
Solución c)
n=10
p=0.20
X ≥2
Con las tablas se tiene
P ( X ≥2 ) =1−P ( x<2 )=1−0.107−0.268=0.624
 Solución d)

n=10
p=0.20
X ≤3
P ( X ≤3 )=0.107+0.268+ 0.302=0.897
4. En un estudio realizado en México en 2007 sobre la opinión que tienen los
mexicanos sobre el aborto y los anticonceptivos se encontró que 67% de las
mujeres aprueba el uso de la píldora del día siguiente como método anticonceptivo
(Fuente: www.consulta.com.mx). Supongamos que una asociación no
gubernamental considera que el porcentaje está sobrestimado. Para ello
proporciona como evidencia que en una muestra aleatoria de 20 mujeres al azar
sólo 10 están a favor. Si consideramos a X como la variable que representa el
número de mujeres en la muestra que están de acuerdo con la píldora del día
siguiente como método anticonceptivo [CITATION Sán15 \p 72 \l 12298 ]:
a) Determina el valor esperado de mujeres en una muestra de 20 que están de
acuerdo.
b) Determina la desviación estándar de X.
c) ¿Cuál es la probabilidad de que en una muestra de tamaño 20, 10 mujeres o
menos estén de acuerdo, considerando que 67% de la población de mujeres está a
favor del método anticonceptivo?

Solución a)
μ=np=20 ( 0.67 )=13.4
Se espera que, en una muestra de 20 mujeres, entre 13 y 14 estén de acuerdo con el
método anticonceptivo.

Solución b)

σ =√ np(1−p)
σ =√ 20 ( 0.67 ) ( 0.33 )
σ =2.10
Solución c)
n=20 p=0.67x ≤ 10

5. La probabilidad de que cierta clase de componente sobreviva a una prueba

de choque es de 3/4. Calcule la probabilidad de que sobrevivan exactamente
2 de los siguientes 4 componentes que se prueben. [CITATION Wal12 \p 145 \l
12298 ]

b ( x ; n , p ) = n ( p ) x ( q )n−x ; q=1− p
() x
3 3 2 1 2 4! 3 2 27
b 2; 4 , = 4
( ) ( )( ) ( ) ( = )( )=
4 2 4 4 2!∗2 ! 4 128

6. La probabilidad de que un paciente se recupere de una rara enfermedad

sanguínea es de0.4. Si se sabe que 15 personas contrajeron la enfermedad,
 ¿cuál es la probabilidad de que sobrevivan al menos 10. [CITATION Wal12 \p
146 \l 12298 ]
9
P ( X ≥10 )=1−P ( X <10 ) =1−∑ b ( x ; 15 , 0.4 ) =1−0.9662=0.0338
x=0
7. La probabilidad de que un paciente se recupere de una rara enfermedad
sanguínea es de 0.4. Si se sabe que 15 personas contrajeron la enfermedad,
¿cuál es la probabilidad de que sobrevivan de 3 a 8[ CITATION Wal12 \l 12298 ]
8 8 2
P ( 3≤ X ≤ 8 )=∑ b ( x ; 15 , 0.4 )=∑ b ( x ; 15 , 0.4 )−∑ b ( x ; 15 , 0.4 )=0.9050−0.0271=0.8779
x=3 x=0 x=0

8. La probabilidad de que un paciente se recupere de una rara enfermedad

sanguínea es de 0.4. Si se sabe que 15 personas contrajeron la enfermedad,
¿cuál es la probabilidad de que sobrevivan exactamente 5. [ CITATION Wal12 \l
12298 ]
5 4
P ( X=5 )=b ( 5 ; 15 , 0.4 )=∑ b ( x ; 15 , 0.4 )−∑ b ( x ; 15 , 0.4 )=0.4032−0.2713=0.1859
x=0 x=0

9. Una cadena grande de tiendas al detalle le compra cierto tipo de dispositivo

electrónico a un fabricante, el cual le indica que la tasa de dispositivos
defectuosos es de 3%. El inspector de la cadena elige 20 artículos al azar de
un cargamento. ¿Cuál es la probabilidad de que haya al menos un artículo
defectuoso entre estos 20?[ CITATION Wal12 \l 12298 ]

P( X ≥ 1)=1−P( X=0)=1−b( 0; 20 , 0.03)

¿ 1−( 0.03 )0 ( 1−0.03 )20−0=0.4562 .
10. Una cadena grande de tiendas al detalle le compra cierto tipo de dispositivo
electrónico a un fabricante, el cual le indica que la tasa de dispositivos
defectuosos es de 3%. Suponga que el detallista recibe 10 cargamentos en
un mes y que el inspector prueba aleatoriamente 20 dispositivos por
cargamento. ¿Cuál es la probabilidad de que haya exactamente tres
cargamentos que contengan al menos un dispositivo defectuoso de entre los
20 seleccionados y probados?[ CITATION Wal12 \l 12298 ]

En este caso cada cargamento puede o no contener al menos un artículo

defectuoso.
Por lo tanto, el hecho de probar el resultado de cada cargamento puede
considerarse como un experimento de Bernoulli con p = 0.4562 del inciso 6). Si
suponemos la independencia de un cargamento a otro, y si se denotamos con Y
el número de cargamentos que contienen al menos un artículo defectuoso, Y
sigue otra distribución binomial.
b ( y ; 10 , 0.4562)
Por lo tanto:
 P ( Y =3 ) = 10 0.45623 ( 1−0.4562 )7
( )3
¿ 0.1602 .
11. Se conjetura que hay impurezas en 30% del total de pozos de agua potable
de cierta comunidad rural. Para obtener información sobre la verdadera
magnitud del problema se determina que debe realizarse algún tipo de
prueba. Como es muy costoso probar todos los pozos del área, se eligen 10
al azar para someterlos a la prueba. Si se utiliza la distribución binomial,
¿cuál es la probabilidad de que exactamente 3 pozos tengan impurezas,
considerando que la conjetura es correcta?[ CITATION Wal12 \l 12298 ]

b ( 3 ; 10 , 0.3 )=¿ 0 b (x ; 10 , 0.3)−2 x=0 b( x ; 10 ,0.3)=0.6496−0.3828=0.2668 .

12. Se conjetura que hay impurezas en 30% del total de pozos de agua potable
de cierta comunidad rural. Para obtener información sobre la verdadera
magnitud del problema se determina que debe realizarse algún tipo de
prueba. Como es muy costoso probar todos los pozos del área, se eligen 10
al azar para someterlos a la prueba. ¿Cuál es la probabilidad de que más de
3 pozos tengan impurezas?[ CITATION Wal12 \l 12298 ]

En este caso
P( X > 3)=1 – 0.6496=0.3504
13. El departamento de control de calidad de la compañía Súper n ha calculado
que en la producción de un lote de 25 ud de la referencia AH21 hay una
probabilidad de 0.05 de encontrar una pieza defectuosa. El costo de
reproceso de 1 pieza es de $2 500, y el costo fijo asignado a control de
calidad es de $200 por lote. Si la producción en un día son 150 lotes de 25 ud
de esta referencia, calcule: El número de piezas por lote que se espera
reprocesar y la desviación estándar de este indicador. [ CITATION Oba19 \l
12298 ]

Se definen las variables aleatorias:

X→ numero de procesos por lote (25 ud)
Y→ Costo por reprocesos de un lote

X B (25 , 0.05)

{
→ f x ( x )= 25 ( 0.05 ) x ( 0.95 )25−x ; x=0,1,2 , …
( )
x
Y =2500 X +200

μ= ( 25 )( 0.05 )=1.25σ =√(25)(0.05)(1−0.05) ≈ 1.0897

El número esperado de unidades a reprocesar es 1.25 (entre 1 y 2 ud). La dispersión
media del número de unidades a reprocesar, con respecto a su valor esperado es,
aproximadamente, 1.0897 ud.
14. El departamento de control de calidad de la compañía Súper n ha
calculado que en la producción de un lote de 25 ud de la referencia AH21
hay una probabilidad de 0.05 de encontrar una pieza defectuosa. El costo de
reproceso de 1 pieza es de $2 500, y el costo fijo asignado a control de
calidad es de $200 por lote. Si la producción en un día son 150 lotes de 25 ud
de esta referencia, calcule: La probabilidad de que el número de piezas a
reprocesar por lote no se aleje más de una desviación estándar de su valor
esperado.[ CITATION Oba19 \l 12298 ]

Se definen las variables aleatorias:

X→ numero de procesos por lote (25 ud)
Y→ Costo por reprocesos de un lote

X B (25 , 0.05)

{
→ f x ( x )= 25 ( 0.05 ) ( 0.95 )
( )
x
x

Y =2500 X +200
25−x
; x=0,1,2 , …

La probabilidad enunciada se refiere a

P (|X −µx|≤ σx )=P ( µx −σx ≤ X ≤ µx +σx )≈ P ( 1.25−1.0897 ≤ X ≤1.25+1.0897 )

2
¿ P ( 0.1608≤ X ≤ 2.3397 )¿ P ( 1≤ X ≤2 ) =∑ 25 ( 0.05 ) ( 0.95 ) ≈ 0.5955
x 25− x

x=1 x
( )
La probabilidad de que el número de unidades defectuosas no se aleje más de
una desviación estándar de su valor esperado es, aproximada- mente, 0.5955.
15. Cinco dados son lanzados una vez a) ¿Cuál es la probabilidad de obtener al
menos un tres?[ CITATION Est12 \l 12298 ]
n=5X es lav . a que denota el número de 3 al lanzar cinco dadosX ={ 0 , 1, 2 , 3 , 4 , 5 }
1 5
P ( E )=P ( obtener un número 3 )= P ( F )=P ( no obtener un número tres )=
6 6
x 5 −x
5,1 1 5
X b f ( x )= 5
( ) ( )( ) ( ) x=0,1,2,3,4,5P ( x ≥ 1 )=1−P ( x=0 )
6 x 6 6
0 5−0 5 5
1 5 5 5
P ( x=0 )=( 5 ) ( ) ( ) =( ) P ( x ≥ 1 )=1−( ) =0.5981la probabilidad de
0 6 6 6 6
obtener al menos un tres es de 0.581
 16. Cinco dados son lanzados una vez a) ¿Cuál es la probabilidad de obtener al
menos dos tres?[ CITATION Est12 \l 12298 ]
5 1 1 5 5−1 5 4
P ( x ≥ 2 )=1−P ( x <2 )=1−P ( x=0 )−P ( x=1 ) P x=1 =
( )
1 6 6
=
6 ( )( ) ( ) ( )
P ( x ≥ 2 )=0.5981−0.4018=0.1 9
La probabilidad de obtener al menos dos tres es de 0.19

17. La probabilidad de que una cierta clase de componente pase con éxito una
determinada prueba de impacto es 3/4 . Encuentre la probabilidad de que
exactamente dos de los siguientes cuatro componentes que se prueben pasen
la prueba.[ CITATION Est12 \l 12298 ]
3 1
n=4 X pasar con exito la prueba de impacto X ={ 0 , 1, 2 , 3 , 4 , 5 } p= q=
4 4
x 4 −x 2
3 3 1 3 1 2 27
f ( x )= 4 4
X b 4,( ) 4 ( )( ) ( )
x 4 4
x=0,1,2,3,4,5P ( x=2 )= ( )( ) ( )
2 4 4
=
128
=0.2109

La probabilidad de que exactamente dos de las siguientes piezas cuatro

componentes que se prueben pasen la prueba es de 0.2109
18. La probabilidad de que un paciente se recupere de una cierta enfermedad a
la sangre es 0,4 . Si se sabe que 15 personas han contraído esta enfermedad.
a) ¿Cuál es la probabilidad de que al menos 10 sobrevivan? [ CITATION Est12 \l
12298 ]

X p ersonas que sobreviva a la enfermedad X ={ 0 , 1, 2 , 3 , … ,1 5 } p=0.4q=0.6

X b ( 15 ; 0.4 ) f ( x )= (15x ) ( 0.4) ( 0.6 )

x 15− x

P ( x ≥ 10 )=P ( x=10 ) + P ( x=11 ) + P ( x=12 )+ P ( x=1 3 ) + P ( x=1 4 )+ P ( x=1 5 )=0.0338

La probabilidad de que al menos 10 sobrevivan es de 0.0338
19. La probabilidad de que un paciente se recupere de una cierta enfermedad a
la sangre es 0,4 . Si se sabe que 15 personas han contraído esta enfermedad.
b) ¿Cuál es la probabilidad de que sobrevivan entre 3 y 8 personas?
[ CITATION Est12 \l 12298 ]
P ( 3≤ x ≤ 8 )=P ( x=3 )+ P ( x=4 )+ P ( x=5 ) + P ( x=6 )+ P ( x=7 )+ P ( x=8 )=0. 8779

20. La probabilidad de que un paciente se recupere de una cierta enfermedad a

la sangre es 0,4 . Si se sabe que 15 personas han contraído esta enfermedad.
c) ¿Cuál es la probabilidad de que sobrevivan 5 personas? [ CITATION Est12 \l
12298 ]

P ( x=5 )= 15 ( 0.4 )5 ( 0.6 )10 =0. 1859

( )
5
PROBABILIDAD DE VARIABLE ALEATORIA CONTINUA CON DISTRIBUCIÓN
NORMAL. 
1. Las estaturas de jóvenes mexicanos tienen una distribución aproximadamente
normal con μ=170 cm y σ =4 cm, convertirla a su forma estándar. Considérese
una estatura x=176 cm.[CITATION Sán15 \p 95 \l 12298 ]

x−μ
z=
σ
176−170
z= =1.5
4

2. Uno de los métodos más conocidos para medir el coeficiente de inteligencia (CI) de
las personas es la prueba Stanford-Binet. En ésta los puntajes obtenidos tienen una
distribución normal con media μ=100 y desviación estándar σ =16. Si se
selecciona al azar una persona que va a aplicar la prueba:
a) ¿Cuál será la probabilidad de que tenga un CI menor a 100?
b) ¿Cuál será la probabilidad de que obtenga un CI mayor a 110?[CITATION
Sán15 \p 97 \l 12298 ]
a)
x−μ
z=
σ
100−100
z= =0
16
P ( X <100 )=P ( Z< 0 )=0.5

b)
x−μ
z=
σ
110−100
z= =0.62
16
P ( X <110 )=P ( Z <0.62 )=0.732
 P ( Z >0.62 )=1−0.732−0.268

3. La siguiente gráfica muestra la distribución de los puntajes obtenidos por 331

estudiantes que presentaron el examen EXANI I del CENEVAL para ingresar a la
Facultad de Informática de la Universidad Autónoma de Sinaloa en el año 2007.
Los puntajes van desde 800 hasta 1 200 y tienen μ=972y σ =76

a) Determina si los datos anteriores tienen una distribución normal.[CITATION

Sán15 \p 102 \l 12298 ]

μ ± σ=68 %
μ ±2 σ =95 %
μ ±3 σ =99.7 %
μ ± σ=972 ± 76 lo que define elintervalo(896 ,1048)
μ ±2 σ =972 ±2 ( 76 ) loque define el intervalo(820 , 1124)
μ ±3 σ =972 ±3 ( 76 ) lo que define el intervalo ( 774 , 1200 )
b) ¿qué proporción de estudiantes se espera que tengan un puntaje entre 900 y 1
100 puntos?
 x−μ
z=
σ
900−972
z= =−0.95
76

1100−972
z= =1.68
76

Utilicemos las tablas de probabilidad

Primero calculamos el área acumulada para z=1.68, lo que equivale a calcular
P ( Z <1.68 )=0.953
Ahora calculamos el área acumulada para z=−0.95 , lo que equivale a calcular
P ( Z ←0.95 )=0.171
Ahora restamos las áreas y obtendremos el área solicitada, lo que equivale a calcular
P (−0.95< Z<1.68 )=0.953−0.171=0.782
Es decir, se espera que a nivel nacional 78% de los estudiantes obtengan un puntaje
entre 900 y 1100 en el EXANI 1 para ingresar a facultades de informática

4. Un examen consiste en 50 preguntas de selección múltiple. En cada

pregunta hay 4 opciones y solo una es la respuesta correcta. ¿Cuál es la
probabilidad de que un alumno, contestando al azar logre responder
correctamente a lo mas de 20 preguntas?[ CITATION Ote15 \l 12298 ]
P ( x ≥ 20 )=1−P ( x ≤19 )

P ( x ≤ 19 )=0.986

P ( x ≥ 20 )=1−0.986=0.014
 5. Se gira 50 veces una ruleta dividida en siete secciones iguales y numeradas.
Encuentra el valor esperado y la desviación estándar de la variable
aleatoria que cuenta el número de veces que se obtiene el 4.[ CITATION
Ote15 \l 12298 ]

1
p=
7
6
p' =1− p=
7
50
E ⌈ x ⌉=np= ≈ 7 ⋅ 143
7
1 6 300
V ar [ x ] =np ( 1− p )=50 ( )( )
7 7
=
49
≈ 6.122

300 10
σ=
√ 49
= √3 ≈ 2.47
7
6. El puntero de los segundos de un reloj mecánico puede parar en cualquier
instante por algún defecto técnico, indicaremos por X el ángulo que forma
este puntero con el eje imaginario que pasa por el centro del reloj y por el
número XII, como se muestra en el siguiente gráfico [CITATION Saa12 \p 156 \l
12298 ]

X 0° 6° 12° 18° … 348° 354°

Px(X) 1/60 1/60 1/60 1/60 1/60 1/60 1/60
1
P ( 0 ≤ X ≤ 90 ) =
4
Del mismo modo, la probabilidad de que el puntero se detenga entre los
números IV y V es igual a 1/12. Esto es,
1
P ( 120 ≤ X ≤15 0 )=
12
Por menor que sea el intervalo, siempre podemos hallar la probabilidad de que el
puntero se detenga en un punto cualquiera de ese intervalo. Es fácil verificar que
en este caso, dados dos números a y b tales que 0 ≤ a ≤ b < 360, la probabilidad
que X ∈ [a, b[ es
 b−a
P ( a ≤ X ≤ b )=
360
Ahora definimos la función
0 si x< 0
f ( x )=

Entonces:
{1
360
si0 ≤ x< 360
0 si x ≥360
}
b
b−a 1
P ( a ≤ X ≤ b )= =∫ dx
360 a 360
7. Sea f(x) = 2x, para 0 ≤ x < 1 , y cero fuera se ese intervalo. Luego, f(x) ≥ 0,
∞

para todo x ∈ R y ∫ f (t)dt = 1, es decir, f puede representar a una función

−∞
de densidad de alguna variable aleatoria X.[ CITATION Saa12 \l 12298 ]

1
∗1
1 2 1
(
P 0≤ X ≤ =
2 )
2
=
4

8. Sea X la variable aleatoria de [ CITATION Saa12 \l 12298 ]

1

{
f ( x )= 360
si0 ≤ t ≤ 360
0e.o.c
Si t<0
t t

∫ fx ( s ) ds= ∫ 0 ds=0
−∞ −∞
Por otra parte, si 0 ≤ t<360, entonces:
t t t
1 t
∫ fx ( s ) ds= ∫ 0 ds +¿∫ 360 ds=
360
¿
−∞ −∞ 0
Finalmente, si t ≥ 360
t t t t
1
∫ fx ( s ) ds= ∫ 0 ds +¿∫ 360
ds+ ∫ 0 ds=1 ¿
−∞ −∞ 0 360
Fx ( t )=P(x ≤t)
t
¿ ∫ fx( s)ds
−∞
 0 si t< 0
¿
{t
360
si 0 ≤ x <360
1 si x ≥ 360
}
9. P(z>1.84)[ CITATION Est12 \l 12298 ]

P ( z>1.84 )=1−P ( z ≤1.84 )¿ 1−0.9671¿ 0.0329

10. P(-1.97 <z<0.86)[ CITATION Est12 \l 12298 ]

P (−1.97< z >0.86 ) =P ( z ≤0.86 )−P ( z←1.97 )¿ 0.8051−0.0244¿ 0.7807

11. P(z>z0) = 0.7486[ CITATION Est12 \l 12298 ]

P ( z> z0 ) =0.74861−P ( z ≤ z 0 )=0.74861−0.7486=P ( z ≤ z 0 )

0.2514=P ( z ≤ z 0 ) → z 0=−0.67
12. Sea X una v.a normal con μ=40 y σ =6 determine[ CITATION Est12 \l 12298 ]:
a) P ( X ≤ x )=0.45

x−40 x−40
(
P z≤
6 ) =0.45
6
=−0.13 x=39.22

13. Sea X una v.a normal con μ=40 y σ =6 determine:[ CITATION Est12 \l 12298 ]
b) P ( X ≤ x )=0.14
 x−40
(
1−P z ≤
6 )
=0.14

x−40 x−40
(
P z≤
6 )
=0.86
6
=1.08 x=46.48

14. Cierto tipo de batería dura un promedio de tres años, con una desviación
estándar de 0,5 años. Suponiendo que las duraciones de las baterías son
normalmente distribuidas, encuentre la probabilidad de que una
determinada batería dure menos de 2,3 años.[ CITATION Est12 \l 12298 ]
2.3−3
(
X N ( 3 ; 0.25 ) X =duración de la bateria P ( x<2.3 )=P z <
0.5 )
¿ P ( z ←1.4 )
¿ 0.0808
La probabilidad de que una determinada batería dure menos de 2.3 años es de
0.808

15. Una compañía fabrica focos cuya duración es normalmente distribuida con
una media de 800 horas y una desviación estándar de 40 horas. Encuentre
la probabilidad de que un foco dure entre las 778 y 834 horas de uso.
[ CITATION Est12 \l 12298 ]
X N ( 800 ; 1600 )
X =duración de los focos P ( 778< x< 834 ) =P ( 778−800
40
< z<
834−800
40 )
¿ P (−0.55< z <0.85 )¿ P ( z <0.85 )−P ( z←0.55 )¿ 0.8023−0.2912¿ 0.5111.
La probabilidad de que un foco dure entre las 778 y 834 horas de uso es de un
0.5111

16. Una cierta máquina produce resistencias eléctricas que tienen un valor
medio de 40 ohm y una desviación estándar de 2 ohms. Suponiendo que los
valores de las resistencias siguen una distribución normal y que pueden
medirse con cualquier grado de precisión. ¿Qué porcentaje de las
resistencias tendrá un valor que exceda a 43 ohms?[ CITATION Est12 \l 12298 ]
X N ( 40 ; 4 )
43−40
P ( x> 43 )=1−P z ≤( 2 )
¿ 1−P ( z ≤ 1.5 )¿ 1−0.9332¿ 0.0668
El 0.0668 de las resistencias tendrá un valor que exceda a 43 ohms.

17. En una empresa las edades de los trabajadores se distribuyen normalmente

con media 50 años y desviación estándar es de 5 años.
a) ¿Qué porcentaje de los trabajadores tiene entre 50 y 52,5 años?
X N ( 40 ; 4 )
50−50 52.5−50
X =edad de los trabajadores P ( 50< x< 52.5 )=P ( 5
<z<
5 )
¿ P ( 0< z <0.5 )¿ P ( z <0.5 )−P ( z< 0 )¿ 0.6915−0.5¿ 0.1915
 El 19.15% de los trabajadores tiene entre 50 y 52.5 años

18. En una empresa las edades de los trabajadores se distribuyen normalmente

con media 50 años y desviación estándar es de 5 años.
a) ¿Cuál es la probabilidad que un trabajador cualquiera no sea mayor de
45 años?
45−50
(
P ( x ≤ 45 ) =P z<
5 )
¿ P ( z ←1 )¿ 0.1587
La probabilidad que un trabajador cualquier no sea mayor de 45 años es de
0.1587

19. En una empresa las edades de los trabajadores se distribuyen normalmente

con media 50 años y desviación estándar es de 5 años
a) ¿Cuál es la probabilidad que un trabajador tenga entre 41 y 58 años?
41−50 58−50
P ( 41< x <58 )=P (5
< z<
5 )
¿ P (−1.8< z< 1.6 )¿ P ( z <1.6 )−P ( z<−1.8 )

¿ 0. 9452−0. 0359¿ 0. 9093

La probabilidad que un trabajador tenga entre 41 y 58 años es de 0.9093

20. En una empresa las edades de los trabajadores se distribuyen normalmente

con media 50 años y desviación estándar es de 5 años.
a) El 20 % de los trabajadores están bajo cierta edad ¿Cuál es esa edad?

x−5 0 x−50
(
P ( x> x )=0.20 P z ≤
5 )
=0.20
5
=−0.85 x=45.75

El 20% de los trabajadores tiene una edad menor o igual a 45.75 años
Bibliografia
 Agosto, A. (2010). Probabilidad. Bayamón: Universidad de Puerto Rico en Bayamón.
 Ayers, J. (2016). Cálculo de Probabilidades y Estadística. Bogotá: Universidad Nacional
de Colombia.

 Estuardo Morales, G. A. (2012). Estadística y Probabilidades. Chile.

 Gonzáles Rodríguez, B. J., Hernández Abreu, D., Jiménez Paiz, M. M., Marreno
Rodríguez, I. M., & Sanabria García, A. (2013). Probabilidades y Variables Aleatoreas de
Matemática aplicada y Estadística. Madrid.

 González, A. L. (2018). Cálculo de Probabilidad. México: Instituto Tecnológico de

Monterrey.

Obando López, J., & Arango Londoño, N. (2019). Probabilidad y estadística . Fondo Editorial
EIA.

Oteyza, E., Lam, E., Hernández, C., & Carrillo, A. (2015). Probabilidad y Estadística (1era Edi.).
México: México: Pearson Education M{exico.

Rincon, L. (2007). Probabilidad y Estadística. Mexico: Ciudad Universitaria UNAM.

Rodríguez Ojeda, L. (2007). Probabilidad y Estadística para Ingenieros. Guayaquil: Escuela

Superior Politécnica del litoral.
Saavedra Gallardo, E. (2012). Cálculo de probabilidades. Santiago de Chile: Editorial universidad
de Santiago de Chile.

Sánchez, S. E. (2015). Probabilidad y estadística II. México: Grupo Editorial Patria.

Walpole, R. E. (2012). Probabilidad y Estadística para Ingenieria Y Ciencias (9na Edición).

Pearson Educacion.