ACTIVIDAD #4

DISTRIBUCIONES BINOMIAL,
POISSON Y NORMAL

ESTADISTICA INFERENCIAL

PRESENTADO POR:
MAGALY ELIZABETH ANRANGO QUITIAQUEZ

DOCENTE:
PABLO CUBIDES

CORPORACION UNIVERSITARIA IBEROAMERICANA

FACULTAD DE CIENCIAS HUMANAS Y SOCIALES
PSICOLOGÍA
2021
P.J. No. 0428 del 28 de Enero 1982 - MEN I VIGILADA MINEDUCACIÓN
 Ingeniería Industrial Estadística Inferencial

Actividad
4
Taller Distribuciones Binomial, Poisson y
normal

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 la 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. Probabilidad de
distribución Binomial:

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

P (X=x)= Cn,x * p𝖠x

*q𝖠n-x n = 8 pozos
x=3

¿Cuál es la 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%
R/ la probabilidad de que no sean productivos es de 26,6798%

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

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.

Si un jugador de baloncesto tiene una probabilidad de 0,34 de anotar tiros

desde la zona de 3 puntos, entonces la probabilidad de que al tirar 9
veces enceste 4 es 16%, de que enceste todas las veces es de 0.006% y
de que enceste más de 6 veces es de 0.91%

Estamos en presencia de una Probabilidad

binomial: p: probabilidad de encestar
q: probabilidad de no
encestar p = 0,3 4
q= 0,66

-La probabilidad de que al tirar 9 veces enceste 4

veces es: n=9 lanzamientos
k=4 encestas
P(x=k) = Cn,k p𝖠k*q𝖠(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%
 Así que la probabilidad de que al tirar 9 veces enceste 4 veces es de 16%

-La probabilidad de que al tirar 9 veces enceste todas las

veces es: n=9 lanzamientos
k=9 encestas
P(x=k) = Cn,k p𝖠k*q𝖠(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%

Así que la probabilidad de que al tirar 9 veces enceste 9 veces es de

0.006%

-La probabilidad de que al tirar 9 veces enceste más de 6 veces:

Como los eventos son independientes, entonces la probabilidad 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)
Hallemos
P(x=7) n=9
lanzamientos
k=7 encestas
P(x=k)=Cn,kp𝖠k*q𝖠(nk)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%
 Hallemos
P(x=8) n=9
lanzamientos
k=8 encestas
P(x=k)=Cn,kp𝖠k*q𝖠(nk)
P(x=8)=C9,8(0,34)⁸(0,6
C9,8=9!/(8!1!)=9
P(x=8)=(9)(0.0002)(0.)
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.
La probabilidad de que encuentre como mucho un huevo podrido es 0.822394519

Una distribución binomial es una distribución de probabilidad discreta que

conociendo la probabilidad de éxito de un evento se quiere determinar que en un
experimento tengamos x éxitos, la función de probabilidad es:
P(X = x) = n!/((n-x)!*x!)*pˣ*(1-p)ⁿ⁻ˣ

Entonces en este caso p = 0.13, n = 6 y se desea saber 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?

La probabilidad de que al menos uno esté fundido debido a la operación de

transporte es de 28,29%.
Desarrollo:
Empleamos la distribución binomial:
X≈Bin(n;p)

Datos:
n= 35
p= 0,03
b) P(x≥1)
P(x≥1)= 1-
P(x<1)
P(x<1)= P(x= 0)+P(x=1)

Sustituyendo
tenemos:
P(X=0)=0,3443
P(X=1)=0,3728
P(x<1)=
P(x=0)+P(x=1)
P(x<1)=0,3443+0,37
28P(x<1)= 0,7171

P(x≥1)= 1- P(x<1)
P(x≥1)= 1-0,7171
P(x≥1)= 0,2829
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 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.

Solucionando el planteamiento tenemos que:

a. Probabilidad de que ocurran 12 partículas en el área del
disco bajo estudio: 10,44%.
b. Probabilidad de que ocurran cero partículas en el área del
disco bajo estudio: 0,005%
c. Probabilidad de que 12 o menos partículas ocurran en el área
del disco bajo estudio: 78,52%.

Desarrollo:
Para solucionar este problema aplicamos la fórmula de
Distribución de Poisson:
X≈Poiss(λ=x)
 Donde:
Media= λ
Variable= x

a. Probabilidad de que ocurran 12 partículas en el área del

disco bajo estudio.

Datos
λ=0,1 * 100= 10
X≈Poiss(λ=10)

Dado que λ≥10 aproximamos la Distribución Poisson a la Normal:

λ= 10
σ= √λ= √10 = 3,16

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?
b. ¿Cuál es la probabilidad de que ninguna persona haya sido robada
en una semana?
La probabilidad que por lo menos dos personas hayan sido
robadas en un periodo de 2 semanas es de 0,00585. La
probabilidad de que ninguna persona haya sido robada en una
semana es de 0,006
Explicación:

Probabilidad de Poisson:
Cuando no indican un promedio estadístico como dato,
utilizamos esta probabilidad:
P(x=k) = μΛke-μ/k!

Datos:
e = 2,71828
μ= 20,4 robos al mes
Si hay 20,4 robos al mes, y el mes tiene 4
semanas Hay μ robos en una semana
μ= 5,1

a. ¿Cuál es la probabilidad que por lo menos dos personas

hayan sido robadas en un periodo de 2 semanas?
P(x≤2) = P(x=0) + P(x=1) + P(x=2)
P(x=0 ) = (10,2)𝖠0 (2,71828)𝖠-10,2 /0!
=0,00037 P(x=1) = (10,2)1 (2,71828)𝖠-
10,2 /1!= 0,00355 P(x=2) = (10,2)𝖠2
(2,71828)𝖠-10,2 /2! = 0,00193
P(x≤2)=0,00585

b. ¿Cuál es la probabilidad de que ninguna persona haya sido

robada en una semana?
P(x=0 ) = (5,1)𝖠0 (2,71828)𝖠-5,1 /0! =0,006
 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.

Datos:
μ = 70 kg
σ = 12,5
kg

Distribución
normal Z = X-μ/σ

¿Cuál es la probabilidad de que una persona elegida al azar de

este grupo pese menos de 80 kg?

P ( X≤80 kg) = ?
Z = 80-70/12,5 = 0,8 Valor que ubicamos en la tabla de distribución
normal
P ( X≤80 kg) = 0,78814 = 78,814%

¿Cuál es la probabilidad de que una persona elegida al azar de

este grupo pese entre 50 kg y 85 kg?
P (50≤X85) = ? P(50≤X ) = 0,0548 P(85≤X ) =0,88493
P (50≤X85) = P(50≤X ) -(1-P(85≤X )) P (50≤X85) =0,06
R/ La probabilidad de que una persona elija al azar es de 0,06
 ¿Cuál es el peso que es superado solo por el 93% de las personas del
grupo?

1,-0,93= 0,07 esta probabilista la ubicamos en la tabla de distribución

normal para determinar Z

Z = -1,48
-1,48 = X-70/12,5
-18,5 +70 = X
X = 51,50 kilos

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

21°C es de: 67,72%

Explicación paso a paso:

μ= 18,7
°C σ=
5°C
x = 21°C
 Probabilidad de distribución Normal
Calcule la probabilidad de que la temperatura durante septiembre esté por
debajo de 21ºC.
P(x≤21°C ) = ?
Z = x-μ/σ
Z = 21-18,7/5
Z= 0,46 Valor que ubicamos en la tabla de distribución normal

Por lo que la probabilidad de que en septiembre la temperatura este por

debajo a 21°C es de:
P(x≤21°C ) = 0,67724 = 67,72%

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).

Variable aleatoria de una distribución normal.

μ=10
σ=5
P (12≥X≤15) =?

Tipificamos la variable aleatoria:

X≈ N (10,5 ) ⇒ Z N( 0,1)
Z1 = X1- μ /σ
Z1 = 12-10 /5
Z1 = 0,4 buscamos el valor de la probabilidad en la Tabla Normal
P (X ≤12 ) = 0,65542 =65,54%
P (X≥12) = 1-0,65542 = 0,34458 = 34,46%

Z2 = X2 -
μ /σ Z2 =
15-10 /5 Z2
=1

P (X≤15) = 0,84134 = 84,13%

P (12≥X≤15) = 84,13% - 34,46% = 49,67%

10. La cantidad de productos no conformes de una compañía está distribuida

normalmente con media 8 y desviación standard 2.5. Calcule la
probabilidad que la cantidad de productos no conformes sea.
d. Mayor que 4.
e. Entre 4 y 6
f. Igual a 7

La probabilidad de que en septiembre la temperatura este por debajo a

21°C es de: 67,72%

Explicación paso a paso:

μ= 18,7
°C σ=
5°C
x = 21°C

Probabilidad de distribución Normal

 Calcule la probabilidad de que la temperatura durante septiembre esté por
debajo de 21ºC.
P(x≤21°C ) = ?
Z = x-μ/σ
Z = 21-18,7/5
Z= 0,46 Valor que ubicamos en la tabla de distribución normal

Por lo que la probabilidad de que en septiembre la temperatura este por

debajo a 21°C es de
P(x≤21°C ) = 0,67724 = 67,72%
R/ la probabilidad que en septiembre la temperatura este por debajo de 21ºC es de
67,72%
 BIBLIOGRAFIA
 https://es.khanacademy.org/math/probability/probability-geometry

 Gutiérrez González, E. y Vladimirovna Panteleeva, O. (2016). Estadística

inferencial 1 para ingeniería y ciencias. Grupo Editorial Patria. 
Recuperado de la base de datos E-libro. Para consultarlo, revise la carpeta
"Herramientas de apoyo"  (Manual bibliotecas virtuales)

 Martínez Bencardino, C. (2018). Estadística y muestreo (13a. ed.). Ecoe

Ediciones. 

 Llinás Solano, H. (2017). Estadística Inferencial. Universidad del Norte. 

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