Distribuciones Binomial, Poisson y normal

Camila Andrea Gamboa pulido

Jeniffer Tatiana Lozano Chavita
Yamile Murcia Parra

ID: 100096302

Docente: Cristian Camilo Beltrán

Corporación Universitaria Iberoamericana

Facultad de Ciencias Humanas y Sociales

Programa de Psicología Virtual

Estadística Inferencial

Bogotá D.C
Junio , 2021
 Estadística Inferencial
Actividad 4
Taller Distribuciones Binomial, Poisson y normal
Competencia:
Identificar la distribución de probabilidad más confiable, aplicando la a los casos o
problemas de forma asertiva y óptima para reducir la incertidumbre en los procesos de toma
de decisiones más acertada.
Lea con atención los siguientes problemas relacionados con distribuciones de probabilidad
discretas y continuas, a saber, distribución binomial, distribución Poisson y distribución
normal.
Luego, revise la instrucción y resuelva cada uno de los ejercicios.
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.
p: el pozo sea productivo
q: que el pozo no sea productivo
p = 0,32
q = 0,68n = 8 pozos
La probabilidad de que:
a. Todos sean productivos:
P(x= 8) = C8,8 (0,32)⁸ (0,68)⁰C8,8 =1P(x= 8) =0,0001
La probabilidad de que todos los pozos sean productivos es de 0,0001
b. Exactamente 3 no sean productivos.
P(8,5) = C8,5 (0,32)⁸ (0,68)³ P(8,5) = 56*0,0001*0,314432P(8,5) = 0,0018
P(3 no sea productivos) = 1 - 0,0018 = 0,9982
c. Por lo menos dos no sean productivos
P(x≤2) = P(x=0) +P(x=1) + P(x= 2) P(x≤2) =0,0000009 + 0,00005 + 0,0003
P(x≤2) = 0,0008
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) b) todas las veces.
c) c) más de 6 veces.
Estamos en presencia de una Probabilidad binomial:
p: probabilidad de encestar
q: probabilidad de no encestar
p = 0,34
q= 0,66

a. La probabilidad de que al tirar 9 veces enceste 4 veces es:

n=9 lanzamientos
k=4 encestas
P(x=k) = Cn,k p∧k*q∧(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%
b. La probabilidad de que al tirar 9 veces enceste todas las veces es:
n=9 lanzamientos
k=9 encestas
P(x=k) = Cn,k p∧k*q∧(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%
c. 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,k p∧k*q∧(n-k)
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,k p∧k*q∧(n-k)
P (x=8) = C9,8 (0,34)⁸(0,66)
C9,8=9!/(8!1!)=9
P (x=8)=(9)(0.0002)(0.66)
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 n 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+0,3728
P(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.
Sea que x denote el número de partículas en el área de un disco bajo estudio. Puesto que
el número promedio de partículas es 0.1 partículas por cm2.

E(x)=100 cm2 x 0.1 partículas/cm2 = 10 partículas

𝑒 −10 1012
(a) P(x=12) = = 0.095
12!
(b) La probabilidad de que ocurran cero partículas en el área del disco bajo estudio es
P(x = 0) = e-10 =4.54x10-5
(c) Determine la probabilidad de que 12 o menos partículas ocurran en el área del disco bajo estudio.
La probabilidad es
−10 10𝑖
12 𝑒
P(X ≤ 12 )=P(x=0)+P(x=1)+…..+P(x=12) = ∑𝑖=0
𝑖!
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?

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)∧0 (2,71828)∧-10,2 /0! =0,00037

P(x=1) = (10,2)∧1 (2,71828)∧-10,2 /1!= 0,00355

P(x=2) = (10,2)∧2 (2,71828)∧-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)∧0 (2,71828)∧-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= 68 kg
• σ= 7 kg
• n= 1500
• Z = (x-μ)/σ

La probabilidad de que un soldado elegido al azar pese:

a. Más de 61 kg.

Z = (61-68)/7 = -1 (valor que obtenemos de la tabla de distribución normal)

P (x≤61) = 0,15866
P ( x≥61) = 1- 0,15866 = 0,84134

b. Entre 63 y 69 kg.

Z1 = 63-68/7 = -0,71 (valor que obtenemos de la tabla de distribución normal)

P (x≤63) = 0,23885
Z2 = 69-68/7 = 0,14 (valor que obtenemos de la tabla de distribución normal)
P (x≤69) = 0,55567
P ( 63≤x≤69) = (1-0,23885) -0,55567 = 0,20548

c. Menos de 70 kg.

Z = 70-68/7 = 0,29
P (x≤70) = 0,61409

d. Más de 75 kg.

Z = 75-68/7 = 1
P (x≤75) = 0,84134
P (x≥75) = 1-0,84134 = 0,15866

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.
Explicación:
μ= 19,7 °C
σ= 5°C
x = 20°C

Probabilidad de distribución Normal

Probabilidad de que la temperatura durante septiembre esté por debajo de 20ºC.
Z = x-μ/σ
Z = 20-19,7/5= 0,06
P(x≤20°C ) = 0,52392

La probabilidad que la temperatura este entre 19°C y 21°C.

Z1 = 0,14
P (x≤19) = 0,55567
Z2 = 0,26
P (x≤21) = 0,60257
P (19≤x≤21) = 0,15927

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).
Una propiedad de la distribución normal:

Si X ∼ N(µ, σ), entonces:

P (µ − σ < X < µ < σ) ≈ 0.683

P (µ − 2σ < X < µ < 2σ) ≈ 0.955

P (µ − 3σ < X < µ < 3σ) ≈ 0.997

La regla de Chebyshev dice que para cualquiera variable X

P(µ < kσ < X < µ + kσ) ≥ 1 − 1 / k2.

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.
a. Mayor que 4.
b. Entre 4 y 6
c. Igual a 7

Datos:
μ= 8 productos no conformes
σ= 2,5

La probabilidad que la cantidad de productos no conformes sea.

a. Mayor que 4.
P(x≥4) =?
Z = (4-8)/2,5 =1,6
P(x≤4) =0,9452
P(x≥4) = 1-0,9452 = 0,0584

b. Entre 4 y 6
Z = (6-8)/2,5 = 0,8 (Valor que ubicamos en la tabla de distribución normal)
P(x≤6) = 0,78814
P(4≤x6) = 0,78814 -(1-0,9452) = 0,73334

c. Igual a 7 La probabilidad normal estudia rangos