Levine, D., Krehbiel, T., Berenson, M. (2014). Distribuciones de probabilidad discreta.

En Estadística
para administración ( pp.176 - 199 ) ( 624p. ) ( 6a ed ) . México, DF : Pearson Educación. (C46910)

Distribuciones
de probabilidad discreta

USO DE LA ESTADÍSTICA en 5.2 Distribución binomial Revisión del USO DE LA

Saxon Home lmprovement
5.3
5.1 Distribución de
probabilidad para una
variable aleatoria discreta
Valor esperado de una
variable aleatoria discreta
Varianza y desviación
estándar de una variable
aleatoria discreta
ESTADÍSTICA en Saxon Home
Distribución Poisson lmprovement
GUiA DEL CAPÍTULO 5 PARA
EXCEL
GUÍA DEL CAPÍTULO 5 PARA
MINITAB

Objetivos de aprendizaje
En este capítulo usted aprenderá:

• Las propiedades de una distribución de probabilidad.

• A calcular el valor esperado y la varianza de una distribución
de probabilidad.
• Cómo calcular probabilidades a partir de las distribuciones binomial
y de Poisson.
• Cómo se utilizan las distribuciones binomial y de Poisson para
resolver problemas de negocios.
 En Saxon Home lmprovement

sted trabaja como contador en Saxon Borne Improvement Company, una empresa que

U
administra sus operaciones contables y financieras utilizando un sistema muy moderno
de información para contabilidad.
Los sistemas de información contable reúnen, procesan, almacenan, transforman y
distribuyen información financiera a los individuos que toman decisiones tanto en el
interior como en el exterior de una organización empresarial (véase la referencia 4). Estos sistemas
auditan de manera continua información contable, buscando errores o información incompleta o
improbable. Por ejemplo, cuando los clientes de Saxon Home Improvement Company envían pedidos
en línea, el sistema de información contable de la empresa revisa los formatos de pedido para encontrar
posibles errores. Cualquier factura cuestionable se marca e incluye en un informe diario
de excepciones. Datos recientes recolectados por la empresa indican que la probabilidad de
que un formato de pedido esté marcado es de 0.1O. A Saxon le gustaría
determinar la probabilidad de encontrar cierto número de
formatos marcados en una muestra de un tamaño específico.
Por ejemplo, ¿cuál es la probabilidad de que, en una muestra
de cuatro formatos de pedido, ninguno esté marcado? ¿Y la de
que uno de los formatos de pedido esté marcado?

~rt!!f/7#\ Subtotel. $104 .!04

1\ce Qt,¡ E~~ R~mt:Ne

$ 14 .91 i.'

Sebasti an Kauli tzki/Shuttcrstock.com

177
17 8 CAPÍTULO 5 Distribuciones de probabilidad discreta

e De qué manera podría Saxon Home Improvement Company determinar la solución para este
) tipo de problema de probabilidad? Una forma consiste en utilizar un modelo, o una represen-
U tación a pequeña escala, que se aproxime al proceso. Utilizando una aproximación de este
tipo, los gerentes de Saxon podrían hacer inferencias acerca del proceso actual de los pedidos. En
este caso los directivos podrían utilizar distribuciones de probabilidad, es decir, modelos matemá-
ticos adecuados para resolver el tipo de problemas de probabilidad que los gerentes enfrentan.
En este capítulo se presenta el concepto y las características de las distribuciones de probabili-
dad. Además, se estudia la manera en que se aplican las distribuciones binomial y de Poisson para
resolver problemas de negocios.

5.1 Distribución de probabilidad para una variable aleatoria discreta

En la sección 1.3 se definió una variable numérica como una variable que produce respuestas nu-
méricas, por ejemplo, el número de revistas a las que está suscrito o la estatura de un individuo.
Las variables numéricas son discretas o continuas. Las variables numéricas continuas producen
resultados que provienen de un proceso de medición, por ejemplo, la estatura de una persona. Las
variables numéricas discretas producen resultados que provienen de un proceso de conteo, por
ejemplo, el número de revistas a las que usted está suscrito. En este capítulo se estudian las distri-
buciones de probabilidad que representan variables numéricas discretas.

DISTRIBUCIÓN DE PROBABILIDAD PARA UNA VARIABLE ALEATORIA DISCRETA

Una distribución de probabilidad para una variable aleatoria discreta es una lista de
todos los resultados numéricos posibles y mutuamente excluyentes, que indica, además,
la probabilidad de ocurrencia de cada resultado.

Por ejemplo, en la tabla 5.1 se presenta la distribución del número de interrupciones por día en
una gran red de computadoras. La lista de la tabla 5.1 es exhaustiva debido a que todos los resulta-
dos posibles están incluidos. Por consiguiente, las probabilidades suman l . La figura 5.1 es una
representación gráfica de la tabla 5.1.

TABLA 5.1
Interrupciones por día Probabilidad
Distribución de
probabilidad o 0.35
del número de 0.25
interrupciones 2 0.20
por día 3 0.10
4 0.05
5 0.05

FIGURA 5.1 P(X)

.4
Distribución de
probabilidad .3

del número de .2
interrupciones
por día .1

O 2 3 4 5 X
Interrupciones por dia

Valor esperado de una variable aleatoria discreta

La media, ¡;,, de una distribución de probabilidad es el valor esperado de su variable aleatoria.
Para calcular el valor esperado, se multiplica cada resultado posible, x, por su probabilidad corres-
pondiente, P(X = x) y luego se suman esos productos.
 5.1 Distribución de probabilidad para una variable aleatoria discreta 179

VALOR ESPERADO, J.L, DE UNA VARIABLE ALEATORIA DISCRETA

N
J.L = E(X) = ~x¡P(X = x¡) (5.1)
i=l

donde:
X¡= el i-ésimo resultado de la variable aleatoria discreta X
P(X = x) = probabilidad de ocurrencia del i-ésimo resultado de X

Para la distribución de probabilidad del número de interrupciones por día en una gran red de
computadoras (tabla 5.1), el valor esperado se calcula de la siguiente manera, utilizando la ecua-
ción (5.1), lo cual también se muestra en la tabla 5.2.

N
J.L = E(X) = ~x¡P(X = x¡)
i= l

= (0)(0.35) + (1)(0.25) + (2)(0.20) + (3)(0.10) + (4)(0.05) + (5)(0.05)

= o + 0.25 + 0.40 + 0.30 + 0.20 + 0.25
= 1.40

TABLA 5.2
Interrupciones por
Cálculo del valor día (x;) P(X =X¡) x¡P(X =X¡)
esperado para
el número de o 0.35 (0)(0.35) = 0.00
interrupciones 1 0.25 ( 1)(0.25) = 0.25
por día 2 0.20 (2)(0.20) = 0.40
3 0.10 (3)(0.10) = 0.30
4 0.05 (4)(0.05) = 0.20
5 0.05 {5}( 0.05} = 0.25
1.00 J.L = E(X) = 1.40

El valor esperado es 1.40. El valor esperado de 1.4 para el número de interrupciones por día no
es un resultado posible, ya que el número real de interrupciones en un día determinado debe ser un
valor entero. El valor esperado representa el número medio de interrupciones en un día determinado.

Varianza y desviación estándar de una variable aleatoria discreta

La varianza de una distribución de probabilidad se calcula multiplicando cada diferencia posible
elevada al cuadrado [x¡- E(X)F por su probabilidad correspondiente, P(X = x), y luego se su-
man los productos resultantes. La ecuación (5 .2) define la varianza de una variable aleatoria
discreta.

VARIANZA DE UNA VARIABLE ALEATORIA DISCRETA

N
cr2 = ~ [x¡ - E(X)] 2 P(X = x;) (5.2)
i= l
donde:
x¡ =el i-ésimo resultado de la variable aleatoria discreta X
P(X = x¡) = probabilidad de ocurrencia del i-ésimo resultado de X
180 CAPÍTULO 5 Distribuciones de probabi lidad discreta

La ecuación (5 . 13) define la desviación estándar de una variable aleatoria discreta.

DESVIACIÓN ESTÁNDAR DE UNA VARIABLE ALEATORIA DISCRETA

u= W = ~ ~[x¡- E(X)f P(X = x¡) (5.3)

La varianza y la desviación estándar del número de interrupciones por día se calculan como se
muestran en la tabla 5.3, utilizando las ecuaciones (5 .2) y (5 .3).
N
u2 = 2)x; - E(X) ] 2 P(X = x¡)
i= l

=(O- 1.4) 2 (0.35) + (1 - 1.4) 2 (0.25) + (2- 1.4) 2 (0.20) + (3 - 1.4 ) 2 (0.10)
+ (4- 1.4) 2 (0.05) + (5- 1.4) 2 (0.05)
= 0.686 + 0.040 + 0.072 + 0.256 + 0.338 + 0.648
= 2.04
TAB LA 5.3
Interrupciones
Cálculo de la
por día (x;) P(X = X¡) X;P(X =X¡) [x¡ - E(X)] 2 P(X = x;)
varianza y la
desviación estándar o 0.35 (0)(0.35) = 0.00 (O- 1.4) 2 (0.35) = 0.686
para el número 1 0.25
de interrupciones
( 1) ( 0.25)= 0.25 ( 1 - 1.4 ) 2 ( 0.25) = 0.040
por día 2 0.20 (2)(0.20) = 0.40 (2- 1.4 ) 2 (0.20) = 0.072
3 0.10 (3)(0.10) = 0.30 (3- 1.4) 2 (0.10) = 0.256
4 0.05 (4)(0.05) = 0.20 ( 4 - 1.4 ?(0.05) = 0.338
5 0.05 (5¿(0.05} = 0.25 (5- 1.4} 2 (0.05} = 0.648
1.00 J.L = E(X) = 1.40 2
u = 2.04

y
(T = w = v2.04 = 1.4283
De esta manera, el número medio de interrupciones por día es 1.4, la varianza es 2.04, y la desvia-
ción estándar es aproximadamente 1.43 interrupciones por día.

1Problemas para la sección 5.1

APRENDIZAJE DE LOS FUNDAMENTOS APLICACIÓN DE CONCEPTOS

5.1 Dadas las siguientes distribuciones de probabilidad: AUTO 5.2 La siguiente tabla incluye la distribución de
· · • probabilidad para el número de accidentes de trán-
sito diarios en una pequeña ciudad.
Distribución A Distribución B
X P(X =X¡) X P(X =X¡) Número de accidentes diarios (X) P(X = x;)
o 0.50 o 0.05 o 0.10
0.20 0.10 0.20
2 0.15 2 0.15 2 0.45
3 0.10 3 0.20 3 0.15
4 0.05 4 0.50 4 0.05
5 0.05
a) Calcule el valor esperado para cada distribución.
b) Calcule la desviación estándar para cada distribución. a) Calcule el número medio de accidentes por día.
e) Compare los resultados de las distribuciones A y B. b) Calcule la desviaci ón estándar.
 5.1 Distribución de probabilidad para una variable aleatoria discreta 181

5.3 Recientemente, un concesionario regional de automóvi- a) Calcule el número esperado de llegadas por minuto.
les envió folletos publicitarios a clientes potenciales, indicán- b) Calcule la desviación estándar.
doles que habían ganado uno de tres premios diferentes: un
5.6 El gerente del departamento de crédito comercial de un
Kia Optima valuado en $15 ,000, una tarjeta para gasolina de
banco grande ha reunido datos durante los últimos dos años
$500 y una tarjeta para comprar en Walmart con un valor
con respecto al número de hipotecas comerciales aprobadas
de $5. Para reclamar el premio, el prospecto de cliente necesi-
por semana. Los resultados de esos dos años (104 semanas)
taba presentar el folleto publicitario en la sala de exhibición
del concesionario. En la parte trasera del folleto, con letras indicaron lo siguiente:
pequeñas, estaban impresas las probabilidades de ganar. Las
probabilidades de ganar el automóvil eran de 1 en 31,4 78; Número de hipotecas
las probabilidades de ganar la tarjeta para gasolina eran de 1 comerciales aprobadas Frecuencia
en 31 ,478, y las probabilidades de ganar la tarjeta de Walmart o 13
eran de 31 ,476 en 31 ,478. 25
a) ¿Cuántos folletos publicitarios piensa usted que envió el
2 32
concesionario de automóviles?
3 17
b) Con su respuesta al inciso a) y las probabilidades descri-
4 9
tas en el folleto, ¿cuál es el valor esperado del premio
ganado por un cliente potencial que recibe un folleto? 5 6
e) Considerando su respuesta al inciso a) y las probabilida- 6
des descritas en el folleto , ¿cuál es la desviación estándar 7
del valor del premio ganado por un cliente potencial que
recibe un folleto ? a) Calcule el número de hipotecas comerciales aprobadas
d) ¿Cree que la promoción sea eficaz? Explique su respuesta. por semana.
b) Calcule la desviación estándar.
5.4 En el juego de feria Under or Over Seven se lanza un
par de dados legales (no trucados) y la suma resultante de- 5.7 Usted está tratando de desarrollar una estrategia para
termina si el jugador gana o pierde su apuesta. Por ejemplo, invertir en dos acciones diferentes . El rendimiento anual an-
el jugador puede apostar $1 a que la suma será menor que 7, es ticipado para una inversión de $1,000 en cada acción, en
decir, 2, 3, 4, 5 o 6. En esta apuesta, el jugador gana $1 si el cuatro condiciones económicas diferentes, tiene la siguiente
resultado es menor que 7 y pierde $1 si el resultado es igual distribución de probabilidad:
o mayor que 7. De manera similar, el jugador puede apostar
Rendimientos
$ 1 a que la suma será mayor que 7, es decir, 8, 9, 10, 11 o 12.
En este caso, el jugador gana $1 si el resultado es mayor que 7, Probabilidad Condición económica Acción X Acción Y
pero pierde $1 si el resultado es 7 o menos. Un tercer método 0.1 Recesión -50 -100
de juego consiste en apostar $1 al resultado de 7. En esta
0.3 Crecimiento lento 20 50
apuesta, el jugador gana $4 si el resultado del lanzamiento es
0.4 Crecimiento moderado 100 130
7 y pierde $1 con cualquier otro resultado.
a) Construya la distribución de probabilidad que represente
0.2 Crecimiento rápido 150 200
los diferentes resultados posibles para una apuesta de $1 Calcule:
a un número menor que 7. a) El rendimiento esperado para la acción X y para la acción Y.
b) Construya la distribución de probabilidad que represente b) La desviación estándar para la acción X y para la acción Y.
los diferentes resultados posibles para una apuesta de $1 e) ¿Invertiría en la acción X o en la acción Y? Explique su
para un número mayor que 7. respuesta.
e) Construya la distribución de probabilidad que represente
los diferentes resultados posibles para una apuesta de $1 5.8 Usted planea invertir $1 ,000 en un fondo de bonos cor-
al número 7. porativos o en un fondo de acciones comunes. Se dispone de
d) Demuestre que, sin importar cuál método de juego utilice, la siguiente información acerca del rendimiento anual (por
las ganancias (o pérdidas) del jugador esperadas a largo cada $1 ,000) de cada una de esas inversiones en diferentes
plazo son las mismas. condiciones económicas, así como acerca de la probabilidad
5.5 Se registró el número de llegadas por minuto a un de ocurrencia de cada una de esas condiciones económicas.
banco localizado en el distrito de negocios de una gran ciu-
dad durante un periodo de 200 minutos. Los resultados fue- Condición Fondo de bonos Fondo de
Probabilidad económica corporativos acciones comunes
ron los siguientes:
0.01 Recesión extrema - 200 - 999
Llegadas Frecuencia Llegadas Frecuencia 0.09 Recesión - 70 - 300
o 14 5 21 0.15 Estancamiento 30 - lOO
1 31 6 10 0.35 Crecimiento lento 80 100
2 47 7 5 0.30 Crecimiento moderado 100 150
3 41 8 2
4 29 0.10 Crecimiento rápido 120 350
182 CAPÍTULO 5 Distribuciones de probabilidad discreta

Calcule: e) ¿Invertiría usted en el fondo de bonos corporativos o en

a) El rendimiento esperado para el fondo de bonos corpora- el fondo de acciones comunes? Explique su respuesta.
tivos y para el fondo de acciones comunes. d) Si en el inciso e) decidió invertir en el fondo de acciones co-
b) La desviación estándar para el fondo de bonos corporati- munes, ¿qué piensa acerca de la posibilidad de perder $999
vos y para el fondo de acciones comunes. por cada $1,000 invertidos si hubiera una recesión extrema?

5.2 Distribución binomial

Las siguientes dos secciones utilizan modelos matemáticos para resolver problemas de negocios.

MODELO MATEMÁTICO
Un modelo matemático es una expresión matemática que representa una variable de interés.

Cuando se dispone de una expresión matemática, es posible calcular la probabilidad exacta de

la ocurrencia de cualquier resultado específico de la variable.
La distribución binomial es uno de los modelos matemáticos más útiles. Se utiliza cuando la
variable aleatoria discreta es el número de eventos de interés en una muestra de n observaciones.
La distribución binomial tiene cuatro propiedades básicas:
• La muestra consta de un número fijo de observaciones, n.
• Cada observación está clasificada en alguna de dos categorías mutuamente excluyentes y
colectivamente exhaustivas.
• La probabilidad de que una observación sea clasificada como el evento de interés, 7T , es cons-
tante de una observación a otra. Por consiguiente, la probabilidad de que una observación
no sea el evento de interés, 1 - 7T, es constante a lo largo de todas las observaciones.
• El resultado de cualquier observación es independiente del resultado de cualquier otra obser-
vación.
Regresemos a la sección sobre el sistema de información contable de Saxon Home Improve-
ment Company, presentada en la página 177, y supongamos que el evento de interés se define
como un formato de pedido marcado. Usted está interesado en el número de formatos de pedido
marcados en una muestra determinada de estos.
¿Qué resultados pueden ocurrir? Si la muestra contiene cuatro pedidos, uno podría ser que
ningún pedido aparezca marcado, o que uno, dos, tres o cuatro formatos de pedido estén marca-
dos. No podría ocurrir ningún otro valor, ya que el número de formatos de pedido marcados no
puede exceder al tamaño muestra!, n, y no puede ser menor que cero. Por lo tanto, el rango de la
variable aleatoria binomial va de O a n.
Suponga que observa el siguiente resultado en una muestra de cuatro pedidos.

Primer pedido Segundo pedido Tercer pedido Cuarto pedido

Marcado Marcado No marcado Marcado

¿Cuál es la probabilidad de que haya tres formatos de pedido marcados en una muestra de
cuatro pedidos en esta secuencia en particular? Como la probabilidad histórica de un pedido mar-
cado es 0.10, la probabilidad de que cada pedido ocurra en la secuencia es:

Primer pedido Segundo pedido Tercer pedido Cuarto pedido

1T = 0.10 1T = 0.10 1- 1T = 0.90 1T = 0.10


1
En mu chas calculadoras
científicas, existe un botón
con la función nc,, la cual le
permite calcular el número de
combinaciones. En esas calcu-
ladoras, el símbolo r se utiliza
en lugar de x .
5.2 Distribución binomial 183
Cada resultado es independiente de los otros, ya que los formatos de pedido se seleccionaron
de una población muy grande o casi infinita, y cada formato de pedido solo puede seleccionarse
una vez. Por lo tanto, la probabilidad de que ocurra esta secuencia en particular es:
7T7T(l - 7T)7T = 7T3(1- 7T)l
= (0.10) 3 (0.90) 1
= (0.1 o) (0.1 o) ( 0.10) ( 0.90)
= 0.0009
Este resultado indica solo la probabilidad de tres formatos de pedido marcados (eventos de
interés) de una muestra de cuatro formatos de pedido en una secuencia especifica. Para calcular el
número de maneras de seleccionar x objetos a partir de n objetos, independientemente de la se-
cuencia, se utiliza la regla de las combinaciones dada en la ecuación (5.4), la cual se definió
previamente en la ecuación (4.14) de la página 166.
COMBINACIONES
El número de combinaciones al seleccionar x objetos 1 a partir den objetos está dado por:
(5.4)
donde:
n! = (n) ( n - 1) · · · ( 1 ) se denomina n factorial. Por definición, O! l.
Con n = 4 y x = 3, existen
n! 4! 4 X3 X2 X 1
ncx = - --- - -- - -- = 4
x!(n - x)! 3!(4- 3)! (3 X 2 X 1)(1)
secuencias de este tipo. Las cuatro secuencias posibles son:
Secuencia 1 = marcado, marcado, marcado, no marcado, con probabilidad
Secuencia 2 = marcado, marcado, no marcado, marcado, con probabilidad
Secuencia 3 = marcado, no marcado, marcado, marcado, con probabilidad
Secuencia 4 = no marcado, marcado, marcado, marcado, con probabilidad
Por lo tanto, la probabilidad de tres formatos de pedido marcados es igual a
(Número de secuencias posibles) X (Probabilidad de una secuencia particular)
= (4) X (0.0009) = 0.0036
Usted podrá obtener intuitivamente los otros resultados posibles de la variable aleatoria (cero,
uno, dos y cuatro formatos de pedido marcados). Sin embargo, a medida que aumentan, el tamaño
de la muestra, los cálculos que se tienen que hacer al utilizar este método intuitivo requieren
más tiempo. La ecuación (5.5) es el modelo matemático que proporciona una fórmula general para
calcular cualquier probabilidad a partir de la distribución binomial con el número de eventos de
interés, x, dados n y 7T.
184 CAPÍTULO 5 Distribuciones de probabilidad discreta

DISTRIBUCIÓN BINOMIAL

P(X = x 1n, 1T) n! 7r'(1 - 1Tt - x (5.5)

x!(n - x)!

donde:
P(X = x 1 n, 1T) = probabilidad de que X = x eventos de interés, dados n y 1T .

n = número de observaciones
1T = probabilidad de un evento de interés
1- 1T = probabilidad de no tener un evento de interés
x = número de eventos de interés en la muestra (X = O, 1, 2, ... , n)
n!
- - - - = el número de combinaciones de x eventos de interés de entre n
x! ( n - x)! observaciones

La ecuación (5.5) replantea lo que antes se dedujo de manera intuitiva. La variable binomial X
puede tomar cualquier valor entero x desde O hasta n. En la ecuación (5 .5), el producto

representa la probabilidad de exactamente x eventos de interés a partir de n observaciones en una

secuencia particular.
El término
n!
x !(n - x )!

es el número de combinaciones de los x eventos de interés a partir de n observaciones posibles.

Por lo tanto, dado el número de observaciones, n, y la probabilidad de un evento de interés, 1T , la
probabilidad de x eventos de interés es :

P(X = x 1 n, 1T) = (Número de combinaciones) X (Probabilidad de una combinación

en particular)

n! 7r'( 1 - 1T )
n- x
x!(n - x )!

El ejemplo 5.1 ilustra el uso de la ecuación (5 .5).

·----·------------
EJEMPlO 5.1 Si la probabilidad de un formato de pedido marcado es 0.1, ¿cuál es la probabilidad de que haya
tres formatos de pedido marcados en una muestra de cuatro?
Determinación
de P(X = 3), dados SOLUCIÓN Utilizando la ecuación (5 .5), la probabilidad de que haya tres formatos de pedido
n = 4 y 1T = 0.1 marcados en una muestra de cuatro es:
4'
· ----(0.1) 3 (1 - 0.1) 4 -
P(X = 31 n = 4, 1r = 0.1) ________ 3
3!(4- 3)!
41
= _ (. _) (0. 1) 3 (0.9) 1
3! 1 !
= 4(0.1)(0.1)(0.1)(0.9) = 0.0036
 5.2 Distribución binomial 185

Los ejemplos 5.2 y 5.3 muestran los cálculos para otros valores de X.

~------------ -----------------------
Si la probabilidad de un formato de pedido marcado es de 0.1, ¿cuál es la probabilidad de que haya
EJEMPLO 5.2
tres o más, es decir, al menos 3, formatos de pedido marcados en la muestra de cuatro?
Determinación
de P(X ~ 3}, dados SOLUCIÓN En el ejemplo 5.1 encontramos que la probabilidad de que haya exactamente tres
n = 4 y 1r = 0.1 formatos de pedido marcados de una muestra de cuatro es 0.0036. Para calcular la probabilidad de
encontrar al menos tres formatos de pedido marcados, necesitamos sumar la probabilidad de tres
formatos de pedido marcados a la probabilidad de cuatro formatos de pedido marcados. La proba-
bilidad de que haya cuatro formatos de pedido marcados es:

4!
P(X= 4ln = 4 1r = 0.1) = (0.1) 4 (1- 0.1) 4 - 4
' 4!(4- 4)!
41
= - " - (0.1) 4 (0.9) 0
4!(0)!
= 1(0.1)(0.1)(0.1)(0.1)(1) = 0.0001

Así, la probabilidad de que haya al menos tres formatos de pedido marcados es:

P(X;::: 3) = P(X = 3) + P(X = 4)

= 0.0036 + 0.0001
= 0.0037
Hay una probabilidad de 0.37% de que haya al menos tres formatos de pedido marcados en una
muestra de cuatro.

· - - - - --- - - ·
EJEMPLO 5.3 Si la probabilidad de un formato de pedido marcado es 0.1, ¿cuál es la probabilidad de que haya
menos de tres formatos de pedido marcados en la muestra de cuatro?
Determinación
de P(X < 3), dados SOLUCIÓN La probabilidad de que haya menos de tres formatos de pedido marcados es:
n = 4 y 1r = 0.1
P(X< 3) = P(X= O)+ P(X= 1) + P(X= 2)

Utilizando la ecuación (5 .5) de la página 184, esas probabilidades son:

4!
P(X= Oln = 4 1r = 0.1) = (0.1) 0 (1- 0.1) 4 - 0
= 0.6561
' 0!(4- O)!
41
P(X = 11 n = 4, 1r = 0.1) = . (0.1) 1(1 - 0.1) 4 - 1
= 0.2916
1!(4- 1)!
4!
P(X= 2ln = 4 1r = 0.1) = (0.1) 2 (1- 0. 1) 4 - 2
= 0.0486
' 2!(4- 2)!

Por lo tanto, P(X < 3) = 0.6561 + 0.2916 + 0.0486 = 0.9963. P(X < 3) también se podría calcu-
lar a partir de su complemento, P(X;::: 3), como sigue:
P(X < 3) = 1 - P(X;::: 3)
= 1 - 0.0037 = 0.9963
·---·--·---·-·---

A medida que n aumenta, el cálculo de las probabilidades binomiales se vuelve tedioso. En la

figura 5.2 se observa cómo se calculan probabilidades binomiales por medio de Excel (izquierda)
y Minitab (derecha). Las probabilidades binomiales también se pueden localizar en una tabla de
probabilidades, como se analiza en el tema Binomial, disponible en línea en la página de descar-
gas de este libro. (Véase el apéndice C para saber cómo descargar este archivo).
186 CAPÍTULO 5 Distribuciones de probabilidad discreta

FIGURA 5.2
Hoja de cálculo de Excel y resultados de Minitab para el cálculo de probabilidades binomiales con
n = 4 y 1T = 0.1

""~,--------·------- --__A___ ------------------- -- E~ ----

1 )Binomial Probabilities

2 ~--------~~---------,
3 '---,--,------'D :::al::::a____- , - ----j
4 :sample size
5 :Probability of an event of interest

6 ·~-----------:-~--------,
7 ~------'--S~ta~ ti~
st~
ics'----,---~
8 ·Mean 1 0.4 =84 • 85
9 ·Variance 1 0.36 =88. (1 - 85) Binomi a l with .n 4 a nd p 0 .1
10 :Standard deviation 1 0.6 =SQRT{89)
11
12 i8inomial Prob abilities Table
X P ·( X = X }
13' X P(X) o 0 . 6 561
14 o 0.6561 =81NOMDI ST( A l4, $8 $4, $8 $5, FALSE) 1 o ..2916
i~'
1 0.2916 =81N OMDIST(Al5 , $8 $4, $8 $5, FAlSE)
2 0.0 4 8 6
2 0.0486 =BINOMDIST(Al 6, $8 $4, $B$5, FALSE)
3 0.0036 =81N OMDIST(A17, $8 $4, $8 $5, FALSE) 3 0.0036
18 4 0.0001 =BIN OMOIST(A l8, $8 $4, $8$5, FAlSE) 4 0.0001

La forma de una distribución de probabilidad binomial depende de los valores den y 1T . Siempre
que 1T = 0.5, la distribución binomial es simétrica, sin importar qué tan grande o pequeño sea el valor
den. Cuando 1T #- 0.5 , la distribución es asimétrica. Cuanto más se aproxima 1T a 0.5 y mayor es el
número de observaciones, n, menos asimétrica se vuelve la distribución. Por ejemplo, la distribu-
ción del número de formatos de pedido marcados tiene un gran sesgo hacia la derecha debido a
que 1T = 0.1 y n = 4 (véase la figura 5.3).

FIGURA 5.3 Histograma de la probabilidad binomial

0 .7
Histograma de
la distribución
de probabilidad 0 .6
binomial con n = 4
y 1T = 0.1
0.5

0.4

~
cr
0.3

0.2

O.l

o
o 4

Observe en la figura 5.3 que, a diferencia del histograma para variables continuas de la sec-
ción 2.6, las barras para los valores son muy delgadas y existe un gran traslape entre cada par de
valores. Esto se debe a que el histograma representa una variable discreta. (Teóricamente, las ba-
rras no deberían ser anchas, sino líneas verticales).
La media (o el valor esperado) de la distribución binomial es igual al producto de n y 1T. En
lugar de utilizar la ecuación (5.1) de la página 179 para calcular la media de la distribución de pro-
babilidad, podemos utilizar la ecuación (5.6) para calcular la media de variables que tienen una
distribución binomial .
 5.2 Distribución binomial 187

MEDIA DE lA DISTRIBUCIÓN BINOMIAL

La media, ¡;.,, de la distribución binomial es igual al tamañO" muestra!, n, multiplicado por la
probabilidad de un evento de interés, 'TT".

¡;., = E(X) = n'TT" (5.6)

En promedio, a largo plazo, teóricamente se esperan¡;., = E(X) = n'TT" = ( 4) (0.1) = 0.4 formatos
de pedido marcados en una muestra de cuatro pedidos.
La desviación estándar de la distribución binomial se calcula utilizando la ecuación (5.7).

DESVIACIÓN ESTÁNDAR DE lA DISTRIBUCIÓN BINOMIAL

cr = W = YVar(X) = Yn7r(l - 7r) (5.7)

La desviación estándar del número de formatos de pedido marcados es:

cr = Y4(0.1)(0.9) = 0.60
Se obtiene el mismo resultado si se utiliza la ecuación (5.3) de la página 180.
En el ejemplo 5.4 se aplica la distribución binomial al servicio de un restaurante de comida
rápida.

EJEMPLO 5.4 Para las cadenas de comida rápida es muy importante tomar pedidos precisos en la ventanilla de
servicio al automóvil. De manera periódica, QSR Magazine (http://www.qsrmagazine.com/) pu-
Cálculo de
blica los resultados de sus encuestas. La precisión se mide como el porcentaje de pedidos que se
probabilidades
entregan de manera correcta. Recientemente, el porcentaje de pedidos entregados de manera co-
binomiales
rrecta en Wendy's fue de aproximadamente 89%. Suponga que usted va a la ventanilla de servicio
al automóvil de Wendy's y hace un pedido. Al mismo tiempo, y de manera independiente, dos
amigos suyos hacen pedidos en la ventanilla de servicio al automóvil de la misma tienda. ¿Cuáles
son las probabilidades de que los tres, ninguno de los tres y al menos dos de los tres pedidos se
entreguen de manera correcta? ¿Cuáles son la media y la desviación estándar de la distribución
binomial para el número de pedidos entregados de manera correcta?
SOLUCIÓN Como hay tres pedidos y la probabilidad de un pedido correcto es 0.89, n = 3y
0.89. Utilizando las ecuaciones (5.6) y (5 .7),
7T" =

¡;., = E(X) = n7r = 3(0.89) = 2.67

cr = y;;¡ = y'Va;(X) = v --
n'TT"
- ( 1- - 'TT"- )

Y3(o.89)(o.11)
vü.2937 = 0.5419
Utilizando la ecuación (5.5) de la página 184,

3'
P(X = 3\ n = 3 7r = 0.89) = . (0.89) 3 (1 - 0.89) 3 - 3
' 3!(3 - 3)!

3! ( )3( )o
3!(3- 3)! 0.89 0.11

= 1(0.89)(0.89)(0.89)(1) = 0.7050
188 CAPÍTULO 5 Distribuciones de probabilidad discreta

31
P(X = O 1n = 3, 1r = 0.89) __ ·- (0.89) 0 ( 1 - 0.89) 3 - 0
0!(3 - O)!

3! ( )o( )3
0!( 3 _ O)! 0.89 0.11

1(1)(0.11)(0.11)(0.11) = 0.0013
31
P(X = 21 n = 3, 7T = 0.89) . (0.89) 2 (1 - 0.89) 3 - 2
2!(3 - 2)!

3! 2 1
2!(3- 2)! (0.89) (0.11)

= 3(0.89)(0.89)(0.11) = 0.2614
P(X"?:. 2) = P(X= 2) + P(X= 3)
= 0.2614 + 0.7050
= 0.9664
El número medio de pedidos entregados correctamente en una muestra de tres pedidos es 2.67
y la desviación estándar es 0.5419. La probabilidad de que los tres pedidos sean entregados de
manera correcta es de 0.7050 o 70.50%. La probabilidad de que ninguno de los pedidos se entre-
gue de manera correcta es de 0.0013 o 13%. La probabilidad de que al menos dos pedidos se en-
treguen correctamente es de 0.9664 o 96.64%.

En esta sección se introdujo la distribución binomial, la cual es un modelo matemático impor-

tante en muchas situaciones de negocios.

1Problemas para la sección 5.2

APRENDIZAJE DE LOS FUNDAMENTOS e) al menos cuatro vuelos lleguen a tiempo?
d) ¿Cuáles son la media y la desviación estándar del número
S. 9 Determine lo siguiente: de llegadas a tiempo?
a) P(X= 0), paran= 4 y 7T = 0.12.
e) ¿Qué suposiciones necesita hacer en los incisos a) al e)?
b) P(X= 9), paran= 10 y 7T = 0.40.
e) P(X= 8), paran= 10 y 7T = 0.50. 5.13 Un estudiante está reso lviendo un examen de opción
d )P(X= 5), paran= 6 y 7T = 0.83 . múltiple en el que cada pregunta tiene cuatro opciones. Su-
ponga que el estudiante ignora la respuesta correcta de todas
5.1 O Si n = 5 y 7T = 0.40, ¿cuál es la probabilidad de que las preguntas y que decidió utilizar una estrategia que con-
a) X = 4?
siste en colocar cuatro pelotas en una caja (marcadas con las
b) X~3 ? letras A, B, C y D). De manera aleatoria selecciona una pe-
e) X < 2? lota para cada pregunta y la regresa a la caja. La marca en la
d)X > 1? pelota determinará su respuesta a la pregunta. El examen
APLICACIÓN DE CONCEPTOS consta de cinco preguntas de opción múltiple. ¿Cuál es la
probabilidad de que obtenga
5.11 Se supone que el aumento o la reducción del precio de a) cinco respuestas correctas?
una acción entre el inicio y el final de un día comercial es un b) al menos cuatro respuestas correctas?
evento aleatorio que tiene las mismas probabilidades de ocu- e) ninguna respuesta correcta?
rrir. ¿Cuál es la probabilidad de que una acción registre un in- d) no más de dos respuestas correctas?
cremento en su precio de cierre durante cinco días consecutivos?
5.14 Los consejeros de inversiones coinciden en que los
5.12 El Departamento de Transporte de Estados Unidos re- futuros jubi lados, que son aquellos individuos entre 55 y 65
portó que en 2009 Southwest superó a todas las aerolíneas de años de edad, deben tener carteras equilibradas. La mayoría
ese país en las llegadas a tiempo para vuelos nacionales, con de los consejeros sugieren que estos individuos no tengan
una tasa de 0.825 . Utilizando la distribución binomial, ¿cuál es más de 50% de sus inversiones en acciones. Sin embargo,
la probabilidad de que en los siguientes seis vuelos durante la gran caída que sufrió el mercado de acciones en
a) cuatro vuelos lleguen a tiempo? 2008, 22% de los futuros jubilados tenían 90% o más de su
b) los seis vuelos lleguen a tiempo? dinero invertido en acciones. (P. Regnier, "What 1 Learned
 5.3 Distribución Poisson 189

from the Crash", Money, mayo de 2009, p. 114). Suponga
que obtiene una muestra aleatoria de 1O personas a las que
en 2008 se les consideró futuros jubilados. ¿Cuál es la pro-
babilidad de que durante 2008
a) ninguno tuviera 90% o más de su dinero invertido en ac-
ciones?
b) exactamente uno tuviera 90% o más de su dinero inver-
tido en acciones?
e) dos o menos tuvieran 90% o más de su dinero invertido
en acciones?
d) tres o más tuvieran 90% o más de su dinero invertido en
acciones?
5.15 Cuando un cliente hace un pedido en Rudy's On-Line
Office Supplies, un sistema de información contable com-
putarizado (AIS, por las siglas de Accounting Information
System) de la empresa verifica de manera automática si el
cliente ha excedido su límite de crédito. Registros anteriores
indican que la probabilidad de que los clientes excedan su
límite de crédito es de 0.05. Suponga que, en un día deter-
minado, 20 clientes realizan pedidos. Suponga que el nú-
mero de clientes que el AIS detecta que exceden su límite de
crédito se distribuye como una variable aleatoria binomial.
a) ¿Cuáles son la media y la desviación estándar del número
de clientes que exceden su límite de crédito?
b) ¿Cuál es la probabilidad de que ningún cliente exceda su
límite?
e) ¿Cuál es la probabilidad de que un cliente exceda su
límite?
d) ¿Cuál es la probabilidad de que dos o más clientes exce-
dan sus límites?
í/AUrOI 5.16 En el ejemplo 5.4, de la página 187, usted y
.:111111 dos amigos decidieron ir a Wendy's. Ahora suponga
que deciden ir a Popeye's, una cadena que el mes pasado
entregó aproximadamente 84.8% de los pedidos de manera
correcta. ¿Cuál es la probabilidad de que
a) los tres pedidos se entreguen de manera correcta?
b) ninguno de los pedidos se entregue de manera correcta?
e) al menos dos de los tres pedidos se entreguen correctamente?
d) ¿Cuáles son la media y la desviación estándar de la distri-
bución binomial utilizada en los incisos a) al e)? Interprete
esos valores.
5.17 En el ejemplo 5.4, de la página 187, usted y dos ami-
gos decidieron ir a Wendy's. Ahora suponga que deciden ir
a McDonald's, una cadena que el mes pasado entregó
aproximadamente 90.1% de los pedidos de manera correcta.
¿Cuál es la probabilidad de que
a) los tres pedidos se entreguen de manera correcta?
b) ninguno de los pedidos se entregue de manera correcta?
e) al menos dos de los tres pedidos se entreguen correctamente?
d) ¿Cuáles son la media y la desviación estándar de la distri-
bución binomial utilizada en los incisos a) al e)? Interprete
esos valores.
e) Compare los resultados de los incisos a) al d) con los de
Popeye's en el problema 5.16 y los de Wendy's en el
ejemplo 5.4 de la página 187.

5.3 Distribución Poisson

Muchos estudios se basan en conteos de las veces en que ocurre un evento en particular en cierta área
de oportunidad. Un área de oportunidad es una unidad continua o un intervalo de tiempo, volumen
o cualquier área fisica donde pueda haber más de una ocurrencia de un evento. Ejemplos de variables
que siguen la distribución Poisson son Jos defectos en la superficie de un nuevo refrigerador, el nú-
mero de veces que falla una red en un día, el número de personas que llegan a un banco y el número de
pulgas que viven en el cuerpo de un perro. Podemos utilizar la distribución Poisson para calcular
probabilidades en situaciones como estas, siempre que se cumplan las siguientes propiedades:
• Usted está interesado en contar el número de veces que ocurre un evento en particular en un
área de oportunidad dada. El área de oportunidad se define como tiempo, longitud, área de
superficie, etcétera.
• La probabilidad de que un evento ocurra en un área de oportunidad dada es la misma para
todas las áreas de oportunidad.
• El número de eventos que ocurren en un área de oportunidad es independiente del número
de eventos que ocurren en cualquier otra área de oportunidad.
• La probabilidad de que dos o más eventos ocurran en un área de oportunidad se aproxima a
cero a medida que esta se vuelve más pequeña.
Considere el número de clientes que llegan durante el almuerzo a un banco localizado en el
distrito central de negocios en una gran ciudad. A usted le interesa conocer el número de clientes
que llegan cada minuto. ¿Esta situación cumple con las cuatro propiedades de la distribución Pois-
son descritas anteriormente? En primer lugar, el evento de interés es la llegada de un cliente, y el
área de oportunidad dada se define como un intervalo de un minuto. ¿Llegarán cero clientes, un
cliente, dos clientes, etcétera? En segundo lugar, es razonable suponer que la probabilidad de que
un cliente llegue durante un intervalo específico de un minuto, es la misma que para todos los otros
intervalos de un minuto. En tercer lugar, la llegada de un cliente en cualquier intervalo de un mi-
nuto no tiene efecto alguno, es decir, es independiente de la llegada de cualquier otro cliente en
190 CAPÍTULO 5 Distribuciones de probabilidad discreta

cualquier otro intervalo de un minuto. Por último, la probabilidad de que lleguen dos o más clien-
tes en un periodo dado se aproxima a cero a medida que el intervalo de tiempo se vuelve más pe-
queño. Por ejemplo, la probabilidad de que dos clientes lleguen en un intervalo de 0.01 segundos
es prácticamente de cero. Por lo tanto, podemos utilizar la distribución Poisson para determinar
probabilidades que involucran el número de clientes que llegan al banco en un intervalo de un mi-
nuto durante la hora del almuerzo.
La distribución Poisson tiene una característica, llamada A (la letra griega minúscula lambda),
que es la media o el número esperado de eventos por unidad. La varianza de una distribución Poisson
también es igual a A, y la desviación estándar es igual a A . El número de eventos, X, de la variable
aleatoria Poisson oscila de O a infinito (oo).
La ecuación (5.8) es la expresión matemática para la distribución Poisson que permite calcular
la probabilidad de X = x eventos, dado que se esperan A eventos.

DISTRIBUCIÓN POISSON

P(X=x!A) (5.8)

donde:
P(x = x 1 A) =la probabilidad de X= x eventos en un área de oportunidad dada A
A = número esperado de eventos
e =constante matemática aproximada por 2.71828
x =número de eventos (x =O, 1, 2, .. . , oo).

Para ilustrar una aplicación de la distribución Poisson, suponga que el número medio de clien-
tes que llegan por minuto al banco entre el mediodía y la 1 p.m. es igual a 3.0. ¿Cuál es la probabi-
lidad de que en un minuto dado lleguen exactamente dos clientes? ¿Y cuál es la probabilidad de
que lleguen más de dos clientes en un minuto dado?
Utilizando la ecuación (5.8) y A= 3, la probabilidad de que en un minuto dado lleguen exacta-
mente dos clientes es:
e- 3.0( 3.0 )2 9
P(X= 2IA = 3) = - - - = 0.2240
2! (2.71828) 3 (2)
Para determinar la probabilidad de que lleguen más de dos clientes en cualquier minuto dado,
P(X> 2) = P(X= 3) + P(X= 4) + ·· · + P(X= oo)
Como en una distribución de probabilidad todas estas deben sumar 1, los términos ubicados del
lado derecho de la ecuación P(X > 2) también representan el complemento de la probabilidad de
que X sea menor que o igual a 2, es decir, 1 - P(X :s: 2). Por lo tanto,
P(X > 2) = 1- P(X:s: 2) = 1- [P(X= O)+ P(X= 1) + P(X= 2)]
Ahora, si usamos la ecuación (5.8),

e- 3o(3.0)o e- 3.o(3.0)I e- 3.0(3 .0)21

P(X>2)=1- [ O! + 1! + 2! J
1 - [0.0498 + 0.1494 + 0.2240]
1 - 0.4232 = 0.5768
De esta manera, existe una probabilidad de 57.68% de que lleguen más de dos clientes en el mismo
minuto.
El cálculo de probabilidades Poisson tal vez sea tedioso. En la figura 5.4 se muestra la manera
en que se calculan probabilidades Poisson por medio de Excel (izquierda) y Minitab (derecha).
Este tipo de probabilidades también se pueden buscar en una tabla, como se analiza en el apartado
Poisson, disponible en línea en la página de descargas de este libro.
 Problemas para la sección 5.3 191

FIGURA 5 . 4
Hoja de cálculo de
Excel y resultados
de Minitab para el
cálculo de probabili-
dades Poisson con Probabilities Table
A=3 P(X)
o 0.0498 =POISSON(A8, $E$4, FALSE)
1 0.1494 =POISSON(A9, $E$4, FALSE)
2 0.2240 =POISSON(AlO, $E$4, FALSE)
3 0.2240 =POISSON(All, $E$4, FALSE)
Po i sscm wi th mean = 3
4 0.1680 =POISSON(AU, $E$4, FALSE)
X P( X= X )
5 0.1008 =POISSON(AB, $E$4, FAlSE)
o 0.049787
6 0.0504 =POISSON(A14, $E$4, FALSE)
1 0.149361
7 0.0216 =POISSON(A15, SE$4, FALSE)
2 o .22404.2
8 0.0081 =POISSON(A16, $E$4, FALSE)
3 0.224042
9 0.0027 =POIS SON(A17, SE$4, FAlSE)
4 0.168031
10 0.0008 =POISSON(Al8, $E$4, FAlSE) 5 0.100819
11 0.0002 =POISSON(Al9, $E$4, FAlSE) 6 0.050409
u 0.0001 =POISSON(A20, $E$4, FAlSE) 7 0.021604
13 0.0000 =POISSON(A21, $E$4, FALSE) 8 0.008102
14 0.0000 =POISSON(All, $E$4, FAlSE) 9 0.002701
15 0.0000 =POISSON(A23, SE$4, FAlSE) 10 0.000810
16 0.0000 =POISSON(A24, $E$4, FALSE) 11 o. 000.2 21
17 0.0000 =POISSON(A25, $E$4, FALSE) 12 0.00005 5
18 0.0000 =POIS SO N(A26, SE$4, FALSE) 13 0.000013
19 0.0000 =POISSON(A27, SE$4, FALSE) 14 0 .000003
20 0.0000 =POISSON (A28, $E$4, FALSE) 15 0.000001

EJEMPLO 5.5 Se sabe que el número de lesiones de trabajo mensuales en una planta de manufactura sigue una distri-
bución Poisson, con una media de 2.5 lesiones de trabajo mensuales. ¿Cuál es la probabilidad de que en
Cálculo de
un mes determinado no ocurran lesiones de trabajo? ¿Y de que ocurra al menos una lesión de trabajo?
probabilidades
Poisson SOLUCIÓN Utilizando la ecuación (5.8) de la página 190, con A= 2.5 (o Excel, Minitab o una
tabla de Poisson), la probabilidad de que en un mes dado no ocurran lesiones de trabajo es:

e- 2 ·5 (2.5) 0 1
P(X =O 1 A= 2.5) = O! = ( _ ) · ( ) = 0.0821
2 71828 2 5 1
La probabilidad de que no ocurran lesiones de trabajo en un mes dado es 0.0821 u 8.21 %. Por lo tanto,
P(X '2 1) - P(X= O)
1 - 0.0821
= 0.9179
La probabilidad de que ocurra al menos una lesión de trabajo es 0.9179 o 91.79%.

1Problemas para la sección 5.3

APRENDIZAJE DE LOS FUNDAMENTOS 5.19 Suponga una distribución Poisson.
a) SiA = 2.0, calcule P(X '2 2).
5.18 Suponga una distribución Poisson. b) SiA = 8.0, calcule P(X '2 3).
a)Si A = 2.5, calcule P(X = 2).
e) Si A = 0.5, calcule P(X:::::: 1 ).
b)Si A = 8.0, calcule P(X = 8). d)SiA = 4.0, calcule P(X'2 1) .
e)Si A = 0.5, calcule P(X = 1 ).
e) SiA = 5.0, calcule P(X:::::: 3).
d)Si A = 3.7, calcule P(X = 0).
192 CAPÍTULO 5 Distribuciones de probabilidad discreta
5.20 Suponga una distribución Poisson con A= 5.0. ¿Cuál
es la probabilidad de que
a) X= 1?
b) X< 1?
e) X> 1?
d)X::::; 1?
APLICACIÓN DE CONCEPTOS
5.21 Suponga que el número de errores de red experimen-
tados en un día en una red de área local (LAN) se distribuye
como una variable aleatoria de Poisson. El número medio
de errores de red experimentados en un día es de 2.4. ¿Cuál
es la probabilidad de que en cualquier día dado
a) ocurran cero errores de red?
b) ocurra exactamente un error de red?
e) ocurran dos o más errores de red?
d) ocurran menos de tres errores de red?
I/AUTOl 5.22 El gerente de control de calidad de Marilyn's
lli'.IJII Cookies está inspeccionando un lote de galletas con
chispas de chocolate que acaba de homearse. Si el proceso de
producción está bajo control, el número medio de partes
de chocolate por galleta es de 6.0. ¿Cuál es la probabilidad de
que en cualquier galleta en particular inspeccionada
a) se encuentren menos de cinco partes de chocolate?
b) se encuentren exactamente cinco partes de chocolate?
e) se encuentren cinco o más partes de chocolate?
d) se encuentren cuatro o cinco partes de chocolate?
5.23 Remítase al problema 5.22. ¿Cuántas galletas en un
lote de 100 debe esperar el gerente que sean descartadas si las
políticas de la empresa exigen que todas las galletas con chis-
pas de chocolate tengan al menos cuatro partes de chocolate?
5.24 El Departamento de Transporte de Estados Unidos re-
gistra datos estadísticos del maltrato de maletas por cada
1,000 pasajeros de aerolínea. Durante los primeros nueve
meses de 201 O, Delta maltrató 3.52 maletas por cada 1,000
pasajeros. ¿Cuál es la probabilidad de que, para los siguien-
tes 1,000 pasajeros, Delta
a) no maltrate maletas?
b) maltrate al menos una maleta?
e) maltrate al menos dos maletas?
5.25 El Departamento de Transporte de Estados Unidos re-
gistra datos estadísticos de las quejas de los consumidores
por cada 100,000 pasajeros de aerolínea. Durante los prime-
ros nueve meses de 2009, las quejas de los consumidores
fueron 0.99 por cada 100,000 pasajeros. ¿Cuál es la proba-
bilidad de que entre los siguientes 100,000 pasajeros
a) no haya quejas?
b) haya al menos una queja?
e) haya al menos dos quejas?
5.26 Con base en experiencia previa, se supone que el número
de defectos por pie en rollos de papel grado 2 sigue una distri-
bución Poisson con una media de 1 defecto por cada 5 pies de
papel (0.2 defectos por pie). ¿Cuál es la probabilidad de que
a) en un rollo de un pie haya al menos dos defectos?
b) en un rollo de 12 pies haya al menos un defecto?
e) en un rollo de 50 pies haya 5 o más defectos y 15 o me-
nos defectos?
5.27 J. D. Power and Associates calcula y publica diversas
estadísticas sobre la calidad de automóviles. La calificación
de la calidad inicial mide el número de problemas en cada
automóvil nuevo vendido. Para los automóviles modelo
2009, Ford tuvo 1.02 problemas en cada automóvil, en tanto
que Dodge tuvo 1.34 problemas en cada automóvil (datos
extraídos de S. Carty, "U.S. Autos Power Forward with
Gains in Quality Survey", USA Today, 23 de junio de 2009,
p. 3B). Suponga que la variable aleatoria X es igual al nú-
mero de problemas en un Ford 2009 recién adquirido.
a) ¿Qué suposiciones se deben hacer para que X se distri-
buya como una variable aleatoria de Poisson?
Con las mismas suposiciones que se hicieron en el inciso a),
si usted comprara un Ford 2009, ¿cuál es la probabilidad de
que el automóvil nuevo tenga
b) cero problemas?
e) dos o menos problemas?
d) Proporcione una definición operacional del problema.
¿Por qué la definición operacional es importante para in-
terpretar la calificación de la calidad inicial?
5.28 Remítase al problema 5.27. Si usted comprara un Dodge
2009, ¿cuál sería la probabilidad de que el automóvil nuevo
tuviera
a) cero problemas?
b) dos o menos problemas?
e) Compare sus respuestas a los incisos a) y b) con sus res-
puestas a los incisos b) y e) del problema 5.27 del Ford.
5.29 Remítase al problema 5.27. Otro artículo reportó que en
2008 Ford tuvo 1.12 problemas en cada automóvil y que Dodge
tuvo 1.41 problemas por automóvil (datos extraídos de S.
Carty, "Ford Moves Up in Quality Survey", USA Today, 5 de
junio de 2008, p. 3B). Si usted comprara un Ford 2008, ¿cuál
sería la probabilidad de que el automóvil nuevo tuviera
a) cero problemas?
b) dos o menos problemas?
e) Compare sus respuestas a los incisos a) y b) con sus respues-
tas a los incisos b) y e) del problema 5.27 del Ford 2009.
5.30 Remítase al problema 5.29. Si usted comprara un Dodge
2008, ¿cuál sería la probabilidad de que el automóvil nuevo
tuviera
a) cero problemas?
b) dos o menos problemas?
e) Compare sus respuestas a los incisos a) y b) con sus respues-
tas a los incisos a) y b) del problema 5.28 del Dodge 2009.
5.31 Sus clientes disponen de un número telefónico gratuito
de las 9 a.m. a las 9 p.m., para registrar sus quejas acerca de
un producto adquirido en su empresa. El historial indica que
se recibe un promedio de 0.8 llamadas por minuto.
a) ¿Qué propiedades deben ser verdaderas acerca de la si-
tuación aquí descrita para poder utilizar la distribución
Poisson con la finalidad de calcular probabilidades con
respecto al número de llamadas telefónicas recibidas en
un periodo de un minuto?
 Ecuaciones clave 193

Suponiendo que esta situación cumple con las propiedades e) se reciban tres o más llamadas telefónicas?
descritas en el inciso a), ¿cuál es la probabilidad de que du- d) ¿Cuál es el número máximo de llamadas telefónicas que se
rante un minuto recibirán en un periodo de un minuto el 99.99% del tiempo?
b) se reciban cero llamadas telefónicas?

En Saxon Home Improvement, Revisión

E
n la sección sobre Saxon Home Improvement, al inicio de este
capítulo, supusimos que usted trabajaba como contador para la
empresa. El sistema de información contable de la empresa revisa
de manera automática los posibles errores en los formatos de pe-
dido de los clientes en línea. Cualquier factura cuestionable se marca y se in-
Monkey Business lmages/Shunerstock.com cluye en un informe diario de excepciones. Sabiendo de antemano que existían
0.1 Ode probabilidades de que un pedido sería marcado, utilizó la distribución
binomial para determinar la probabilidad de calcular cierto número de formatos marcados en un ta-
maño de muestra de cuatro. Encontró una probabilidad de 65.6% de que ninguno de los formatos
estuviera marcado, una probabilidad de 29.2% de que uno estuviera marcado y una probabilidad de
5.2% de que dos o más estuvieran marcados. También determinó que, en promedio, se espera que 0.4
formatos estén marcados y que la desviación estándar del número de formatos de pedido marcados
sea 0.6. Ahora que aprendió a utilizar la distribución binomial para una probabilidad conocida de
· 0. 1Oy un tamaño de muestra de cuatro, será capaz de aplicar el mismo método a cualquier probabili-
dad y tamaño de muestra dados. Por consiguiente, podrá hacer inferencias acerca del proceso de pe-
didos en línea y, más importante, evaluar cualquier cambio o propuesta de cambio para el proceso.

RESUMEN
En este capítulo estudiamos la esperanza matemática (el va-
lor esperado) y dos importantes distribuciones de probabili-
dad discreta: las distribuciones binomial y Poisson. En el
siguiente capítulo se estudiará la distribución continua más
importante, la distribución normal.
Para determinar qué distribución de probabilidad se debe
utilizar en una situación específica, necesita plantear las si-
guientes preguntas:
• ¿Hay un número fijo de observaciones, n, cada una de
las cuales se clasifica como un evento que es de interés
o uno que no es de interés? ¿O existe alguna área de
oportunidad?
• Si hay un número fijo de observaciones, n, cada una de
las cuales se clasifica como un evento que es de interés
o uno que no es de interés, se utiliza la distribución bi-
nomial. Si existe un área de oportunidad, se utiliza la
distribución Poisson.

ECUACIONES CLAVE
Valor esperado, J.L, de una variable aleatoria discreta Distribución binomial
N n! n- x
J.L = E(X) = 2:x¡P(X = x¡) (5.1) P(X= xln,'TT) = ( ) ~(1 -11' ) (5.5)
i= l x! n- x!
Varianza de una variable aleatoria discreta Media de la distribución binomial
N
a- 2 = 2:[x¡ - E(X)fP(X = x¡) (5.2) ¡..t = E(X) = n'TT (5.6)
i= l
Desviación estándar de la distribución binomial
Desviación estándar de una variable aleatoria discreta
a-= yf;;.2 = ~ = Vn7T(l - 11') (5.7)
a-= \17? = ~ f[x¡ - E(X)fP(X = x¡) (5.3)
Distribución Poisson
i= l

Combinaciones e- AÁx
n! P(X=xiA.)= - (5.8)
x!
ncx = ( (5.4)
x!n-x)!
194 CAPÍTULO 5 Distribuciones de probabilidad discreta
TÉRMINOS CLAVE
área de oportunidad 198 distribución Poisson 189
desviación estándar de una variable modelo matemático 182
aleatoria discreta 180 regla de combinaciones 183
distribución binomial 182 valor esperado l 78
distribución de probabilidad para una
variable aleatoria discreta 178
PROBLEMAS DE REPASO DEL CAPÍTULO
VERIFIQUE SU COMPRENSIÓN
5.32 ¿Cuál es el significado del valor esperado de una dis-
tribución de probabilidad?
5.33 ¿Cuáles son las cuatro propiedades que deben estar
presentes para utilizar la distribución binomial?
5.34 ¿Cuáles son las cuatro propiedades que deben estar
presentes para utilizar la distribución Poisson?
APLICACIÓN DE CONCEPTOS
5.35 Darwin Head, de 35 años de edad y quien trabaja en un
aserradero, ganó un millón de dólares y un Chevrolet Malibu
Hybrid al anotar 15 goles en 24 segundos en el juego Van-
couver Canucks National Hockey League (B. Ziemer, "Darwin
Evolves into an Instant Millionaire", Vancouver Sun, 28 de fe-
brero de 2008, p. 1). Head dijo que usaría el dinero para pagar
su hipoteca y dar manutención a sus hijos, y que no tenía pla-
nes de renunciar a su trabajo. El concurso era parte del Chevro-
let Malibu Million Dollar Shootout, patrocinado por General
Motors Canadian Division. ¿La GM de Canadá arriesgó el
millón de dólares? ¡No! GM de Canadá adquirió un seguro
para eventos con una empresa especializada en promociones en
eventos deportivos, como un tiro desde media cancha de bás-
quetbol o un regalo por un hoyo en uno en el torneo de golflo-
cal de caridad. La empresa de seguros para eventos estima la
probabilidad de que un participante gane el concurso y, por un
cobro modesto, asegura el evento. Los promotores pagan la
prima del seguro, pero no asumen ningún riesgo adicional, ya
que la empresa de seguros pagará la cantidad mayor en el caso
improbable de que un participante gane. Para ver cómo fun-
ciona esto, suponga que la empresa de seguros estima que la
probabilidad de que un participante gane un tiro de un millón de
dólares es de 0.001 y que la empresa de seguros cobra $4,000.
a) Calcule el valor esperado de las ganancias de la empresa
de seguros.
b) Muchos consideran que este tipo de situación es una
oportunidad de ganar-ganar para la empresa de seguros y
el promotor. ¿Está de acuerdo? Explique su respuesta.
5.36 Entre 1896, el año en que se creó el índice Dow Jones, y
2009, el índice aumentó en 64% de los años (datos extraídos de
M. Hulbert, "What the Past Can't Tell Investors", The New
York Times, 3 de enero de 2010, p. BU2). Con base en esta in-
formación y suponiendo una distribución binomial, ¿cuál cree
que es la probabilidad de que el mercado bursátil aumente
valor esperado, J.L, de una variable
aleatoria discreta 179
varianza de una variable aleatoria
discreta 179
a) el siguiente año?
b) el año posterior al siguiente?
e) en cuatro de los siguientes cinco años?
d) en ninguno de los siguientes cinco años?
e) Para esta situación, ¿qué supuesto de la distribución bi-
nomial podría no ser válido?
5.37 A fmales de 2007 se reportó que 79% de los adultos esta-
dounidenses tenían un teléfono celular (datos extraídos de E. C.
Baig, "Tips Help Navigate Tech-Buying Maze", USA Today,
28 de noviembre de 2007, p. 5B). Suponga que a finales de
201 O ese porcentaje fue de 85%. Si se selecciona una muestra
de 1O adultos estadounidenses, ¿cuál es la probabilidad de que
a) ocho tengan un teléfono celular?
b) al menos ocho tengan un teléfono celular?
e) los 10 tengan un teléfono celular?
d) Si usted seleccionara la muestra en una zona geográfica en
particular y encontrara que ninguno de los 1O participantes
tenía teléfono celular, ¿qué diría acerca de que el porcentaje
de dueños de teléfonos celulares en esta área era de 85%?
5.38 Una teoría respecto del Índice Dow Jones Industrial
plantea que es probable que este aumente durante los años de
elecciones presidenciales en Estados Unidos. De 1964 a 2008
el Índice Dow Jones Industrial aumentó en 9 de los 12 años
de elecciones presidenciales en Estados Unidos. Suponiendo
que este indicador es un evento aleatorio sin valor predictivo,
se esperaría que el indicador fuera correcto 50% de las veces.
a) ¿Cuál es la probabilidad de que el Índice Dow Jones au-
mente en 9 o más de los 12 años de elecciones presidencia-
les en Estados Unidos, si la probabilidad de un incremento
en el Índice Dow Jones es de 0.50?
b) ¿Cuál es la probabilidad de que el Índice Dow Jones au-
mente en 9 o más de los 12 años de elecciones presidencia-
les en Estados Unidos, si la probabilidad de un incremento
en el Índice Dow Jones en cualquier año es de 0.75?
5.39 Los errores en el proceso de facturación a menudo pro-
vocan insatisfacción en los clientes y, en último término, afec-
tan las ganancias generales. Un artículo publicado en Quality
Progress (L. Tatikonda, "A Less Costly Billing Process", Qua-
lity Progress, enero de 2008, pp. 30-38) se refirió a una em-
presa donde 40% de las facturas emitidas contenían errores. Si
se procesan 1O facturas, ¿cuál es la probabilidad de que
a) cero facturas contengan errores?
b) exactamente una factura contenga un error?
e) dos o más facturas contengan errores?

d) ¿Cuáles son la media y la desviación estándar de la distri-
bución de probabilidad?
5.40 Remítase al problema 5.39. Suponga que una inicia-
tiva para mejorar la calidad ha reducido el porcentaje de
facturas que contienen errores a 20%. Si se procesan 1O fac-
turas, ¿cuál es la probabilidad de que
a) cero facturas contengan errores?
b) exactamente una factura contenga un error?
e) dos o más facturas contengan errores?
d) ¿Cuáles son la media y la desviación estándar de la distri-
bución de probabilidad?
e) Compare los resultados de los incisos a) a e) con las res-
puestas de los incisos a) a e) del problema 5.39.
5.41 El inicio de sesión en una red social implica recomendar
o compartir un artículo que se haya leído en línea. En el primer
trimestre de 2011 ("T. Wayne. One Log-In Catches on for Many
Sites", Drilling Down, The New York Times, 2 de mayo de
2011, p. B2), según Janrain, 35% de los usuarios iniciaron se-
sión por medio de Facebook y 31% por medio de Google.
Si se selecciona una muestra de 1O inicios de sesión en la
red social, ¿cuál es la probabilidad de que
a) más de cuatro inicien sesión utilizando Facebook?
b) más de cuatro inicien sesión utilizando Google?
e) ninguno inicie sesión utilizando Facebook?
d) ¿Qué suposición debe hacer para responder a los incisos
a) a e)?
5.42 Una de las mayores frustraciones para la industria de los
aparatos electrónicos es que los clientes están acostumbra-
dos a devolver los productos por cualquier razón (C.
Lawton, "The War on Retums", The Wall Street Journal, 8
de mayo de 2008, pp. Dl, D6). Recientemente se reportó que
en 68% de las devoluciones "no se encontró un problema".
Considere una muestra de 20 clientes que devolvieron los
productos electrónicos que adquirieron. Utilice el modelo bino-
mial para responder las siguientes preguntas:
a) ¿Cuál es el valor esperado o la media de la distribución
binomial?
b) ¿Cuál es la desviación estándar de la distribución binomial?
e) ¿Cuál es la probabilidad de que 15 de los 20 clientes devuel-
van un aparato en el que "no se encontró un problema"?
d) ¿Cuál es la probabilidad de que no más de 10 de los
clientes devuelvan un aparato en el que "no se encontró
un problema"?
e) ¿Cuál es la probabilidad de que 1O o más de los clientes de-
vuelvan un aparato en el que "no se encontró un problema"?
5.43 Remítase al problema 5.42. Durante el mismo pe-
riodo, 27% de las devoluciones se debieron a "arrepenti-
miento del comprador".
a) ¿Cuál es el valor esperado o la media de la distribución
binomial?
b) ¿Cuál es la desviación estándar de la distribución binomial?
e) ¿Cuál es la probabilidad de que ninguno de los 20 clien-
tes devuelva un aparato "porque se arrepintió"?
d) ¿Cuál es la probabilidad de que no más de 2 de los clien-
tes hagan una devolución "porque se arrepintieron"?
e) ¿Cuál es la probabilidad de que 3 o más de los clientes
hagan una devolución "porque se arrepintieron"?
Problemas de repaso del capítulo 195
5.44 Una teoría respecto del Índice S&P 500 plantea que si
este aumenta durante Jos primeros cinco días comerciales del
año, es probable que aumente durante el año completo. De
1950 a 201 O, el Índice S&P 500 tuvo estas tempranas ganan-
cias en 39 años. En 34 de esos 39 años el índice aumentó du-
rante todo el año. Suponiendo que este indicador es un evento
aleatorio sin valor predictivo, se esperaría que el indicador
fuera correcto 50% de las veces. ¿Cuál es la probabilidad de
que el Índice S&P 500 aumente en 34 o más años si la proba-
bilidad verdadera de un incremento en el índice es de
a) 0.50?
b) 0.70?
e) 0.90?
d) Con base en los resultados de los incisos a) a e), ¿cuál
cree que sea la probabilidad de que el Índice S&P 500
aumente si existe una ganancia temprana en los primeros
días comerciales del año? Explique su respuesta.
5.45 Una correlación espuria se refiere a la relación aparente
entre variables que no tienen una verdadera relación o que
están relacionadas con otras variables que no se han medido. Un
índice del mercado de valores muy conocido en Estados
Unidos, que es ejemplo de una correlación espuria, es la rela-
ción entre el ganador del Super Bowl de la National Football
League (NFL) y el desempeño del Índice Dow Jones durante
ese año. El "indicador" establece que el año en que un equipo
que existía antes de que la National Football League se fusio-
nara con la American Football League gana el Super Bowl, el
Índice Dow Jones aumentará. (Desde luego, cualquier corre-
lación entre esto es espuria, ¡ya que un asunto no tiene abso-
lutamente nada que ver con el otra!). Desde que se realizó el
primer Super Bowl en 1967 hasta 201 O, el indicador ha estado
en lo correcto en 35 de 44 veces (datos extraídos de W. Power,
"The Bulls Want Jets Grounded", The Wall Street Journal, 22
de enero de 2011, p. B2). Suponiendo que este indicador es
un evento aleatorio sin valor predictivo, se esperaría que el
indicador estuviera en lo correcto 50% de las veces.
a) ¿Cuál es la probabilidad de que el indicador esté en lo
correcto 35 o más veces en 44 años?
b) ¿Qué le indica esto acerca de la utilidad de este indicador?
5.46 En 2009 se perdieron aproximadamente 300 millones
de pelotas de golf en Estados Unidos. Suponga que el nú-
mero de pelotas de golf perdidas en un partido de 18 hoyos
se distribuye como una variable aleatoria de Poisson con
una media de 5 pelotas.
a) ¿Qué supuesto se necesita hacer para que el número de
pelotas de golf perdidas en un partido de 18 hoyos se dis-
tribuya como una variable aleatoria de Poisson?
Si se hacen las suposiciones del inciso a), ¿cuál es la proba-
bilidad de que
b) se pierdan Opelotas en un partido de 18 hoyos?
e) se pierdan 5 o menos pelotas en un partido de 18 hoyos?
d) se pierdan 6 o más pelotas en un partido de 18 hoyos?
5.47 Según una encuesta de Virginia Tech, los estudiantes uni-
versitarios realizan un promedio de 11 llamadas por teléfono
celular cada día. Además, 80% de los estudiantes encuestados
indicaron que sus padres pagan los gastos de su teléfono celular
196 CAPÍTULO 5 Distribuciones de probabilidad discreta
(J. Elliot, "Professor Researches Cell Phone Usage Among
Students", www.physorg.com, 26 de febrero de 2007).
a) ¿Qué distribución podría utilizar para modelar el número
de llamadas que un estudiante realiza en un día?
b) Si selecciona un estudiante al azar, ¿cuál es la probabili-
dad de que realice más de 10 llamadas en un día? ¿Más
de 15? ¿Más de 20?
ADMINISTRACIÓN DE ASHLAND MULTICOMM SERVICES
El departamento de marketing de Ashland MultiComrn Serví-
ces (AMS) desea aumentar las suscripciones para su servicio
combinado de teléfono, cable e Internet 3-For-All. El departa-
mento de marketing de AMS puso en marcha una campaña
agresiva de marketing directo que incluye correos postales y
electrónicos, así como solicitudes telefónicas. Retroalimenta-
ción de esos esfuerzos indica que la inclusión de canales de alta
calidad en este servicio combinado es un factor muy impor-
tante para los suscriptores actuales y los posibles suscriptores.
Después de varias sesiones de lluvia de ideas, el departamento
de marketing decidió agregar canales de cable de alta calidad
como un beneficio sin costo al suscribirse al servicio 3-For-All.
Mona Fields, directora de investigación, está planeando
realizar una encuesta entre clientes potenciales para determi-
nar cuántos canales de alta calidad deben añadirse al servicio
3-For-Al/ para generar una suscripción al mismo. Con base
en campañas anteriores y en datos de la industria, estima lo
siguiente:
Número de canales Probabilidad de
de alta calidad gratuitos suscripciones
o 0.02
0.04
2 0.06
3 0.07
4 0.08
5 0.085
l. Si se selecciona una muestra de 50 clientes potenciales y
no se agregan canales de alta calidad a la oferta del servi-
cio 3-For-Al/, dados los resultados anteriores, ¿cuál es la
probabilidad de que
a) menos de tres clientes se suscriban al servicio 3-For-All?
b) cero clientes o un cliente se suscriban al servicio
3-For-All?
e) más de cuatro clientes se suscriban al servicio 3-For-All?
REFERENCIAS
l . Levine, D . M ., P. Ramsey y R. Smidt, Applied Statistics
for Engineers and Scientists Using Microsoft Excel and
Minitab (Upper Saddle River, NJ: Prentice Hall, 2001 ).
2. Microsoft Exce/2010 (Redmond, WA: Microsoft Corp.,
2010).
e) Si selecciona una muestra aleatoria de 1Oestudiantes, ¿qué
distribución podría utilizar para modelar la proporción de
estudiantes cuyos padres que pagan sus gastos de telefonía
celular?
d) Utilizando la distribución seleccionada en e), ¿cuál es la
probabilidad de que los 1O tengan padres que pagan sus
gastos de telefonía celular? ¿A l menos 9? ¿Al menos 8?
Suponga que luego la encuesta real de 50 clientes potencia-
les, cuatro se suscriben al servicio 3-For-All.
d) ¿Qué indica esto acerca de la estimación anterior de la
proporción de clientes que se s uscribirían al servic io
3-For-All?
2. En lugar de evitar ofrecer canales de alta calidad gratuitos,
como en el problema 1, suponga que se incluyen dos cana-
les de alta calidad gratuitos en el servicio 3-For-All. Dados
los resultados anteriores, ¿cuál es la probabilidad de que
a) menos de 3 c lientes se suscriban al servicio 3-For-All?
b) cero clientes o un cliente se s uscriban a l servicio
3-For-All?
e) más de cuatro clientes se suscriban al servicio 3-For-All?
d) Compare los resultados de los incisos a) a e) con los del l.
Suponga que luego de la encuesta real de 50 clientes
potenciales, 6 se suscriben al servicio 3-For-All.
e) ¿Qué indica esto acerca de la estimación anterior de la
proporción de c li entes que se suscribirían al servicio
3-For-All?
f) ¿Qué indica el resultado del inciso e) acerca del efecto de
ofrecer canales de alta calidad gratuitos sobre la probabi-
lidad de obtener suscripciones al servicio 3-For-All?
3. Suponga que se apli caron otras encuestas a 50 clientes po-
tenciales en las que se varió el número de cana les de alta
calidad gratuitos y que los resultados fueron los siguientes:
Número de canales Número de
de alta calidad gratuitos suscripciones
1 5
3 6
4 6
5 7
¿Cuántos canales de alta calidad gratuitos debe recomendar
la directora de investigac ión que se in cluyan en e l servic io
3-For-All? Explique su respuesta.
3. Minitab Release 16 (State College, PA: Minitab, Inc .,
2010).
4. Moscove, S. A., M. G. Simkin y N. A . Bagranoff, Core
Concepts of Accounting !nformation Systems, 11 a ed.
(Nueva York: Wiley, 2010).
 Guía del capítulo 5 para Excel 197

GE5.1 DISTRIBUCIÓN DE PROBABILIDAD Binomial. En el cuadro de diálogo del procedimiento (que

PARA UNA VARIABLE ALEATORIA se muestra en la siguiente columna):
DISCRETA l. Ingrese 4 como Sample Size.
Excel en profundidad Utilice la hoja de cálculo COMPUTE 2. Ingrese 0.1 como Prob. of an Event of Interest.
del libro Discrete Random Variable (que se muestra abajo) 3. Ingrese O como valor de Outcomes From y escriba 4
como plantilla para calcular el valor esperado, la varianza y como valor de (Outcomes) To.
la desviación estándar de una variable aleatoria discreta. La 4. Escriba un título en Title, marque Histogram y haga
hoja de cálculo contiene los datos del ejemplo de la sección clic en OK.
5.1, incluido en la página 178, acerca del número de inte-
rrupciones por día en una gran red de cómputo. Para otros
problemas, escriba sobre los valores X y P(X) en las colum- Binomial Probability Distribution
nas A y B, respectivamente. Si un problema tiene más o me-
nos seis resultados, seleccione el rango de celdas AS:ES. Si Darn ---------------------------.
el problema tiene más de seis resultados: Sampie Size: 14
l. Haga clic con el botón derecho y luego haga clic en Insert Prob. ofan Eventofinterest: ~
del menú rápido . OUtmmesFrom:. ~ To· ~
2. Si aparece un cuadro de diálogo, haga clic en Shift cells
down y luego haga clic en OK. OUtput Op.tions - - -- - - - - - - - ----,
3. Repita los pasos 1 y 2 las veces que sea necesario. n tle:
'
4. Seleccione las fórmulas en el rango de celdas C4:E4 y
cópielas en los nuevos renglones de la tabla.
r Oumulative Rrobabilities lj

5. Ingrese los nuevos valores X y P(X) en las columnas 1.7 Histogram

Ay B.
Si el problema tiene menos de seis resultados, haga clic con
el botón derecho y seleccione Delete del menú rápido. Si
aparece un cuadro de diálogo, haga clic en Shift cells up y
luego en OK. Repita este procedimiento las veces que sea
Para agregar columnas a la tabla de probabilidades binomiales
necesario y luego ingrese los nuevos valores X y P(X) en las
para P( < =X), P( < X), P(> X) y P(?:_ X), marque Cumula-
columnas A y B.
tive Probabilities antes de hacer clic en OK en el paso 4.

it!~AI1fJ~:~:(:-~I:~JL=~1:~-~~=~I~=~=~~II,1~-~~=~--~.:Q~~:~~-="~::r:.:_~.B.:::J Excel en profundidad Utilice la función BINOMDIST

~-1~_¡ oiscrete_Random Variable Probability Distribution
12 : Stati.stics
de la hoja de cálculo para determinar probabilidades bino-
,--i ~ X P(Xl X'P(X) (X- E(XIJA2 (X- E(X))'Z"P(X) Expected value 1 1.4 =SUM( C:C) miales. Ingrese la función como BINOMDIST (X, tamaño
-4 ! o 0.35 o 1.96 0.686 vartance 2.04 =SUM(E:E)
f5"' 1 0.25- 0.25 0.16 0.04 Standard deviation 1
1
1.43 =SQRT(H4)
muestra/, 7T, acumulada}, donde X es el número de eventos
r s-1 2 0.20 0.4 0.36 0.072 de interés, 7T es la probabilidad de un evento de interés y
~T1 3 0.10 o.3 2.56 0.256 X' P(X) (X-E(K)IA2 (X- E(XJIA2' P(X) acumulada es un valor Verdadero o Falso. (Cuando acu-
16 ) 4 0.05 0.2 6.76 0.338 =114 • 84 =(A 4 - $H$3 )'2 =D4 ' B4
tü 5 0.05 . 0.25 U.96 0.648 =AS ., 85 =(AS- $H$3) ' 2 =DS' B5 mulada es Verdadero, la función calcula la probabilidad de
=A6 ' B6 =(A6 - $H$3)'2 =D6 ' B6 X o menos eventos de interés; cuando acumulada es Falso,
=A7' 87 =(A 7 - $H$3)'2 =D7' B7
=AS' B8 =(A8 -$H$3)'2 =D8 • B8 la función calcula la probabilidad de exactamente X eventos
=A9 • B9 =(A9- $H$3)'2 =D9' B9
de interés).
Utilice la hoja de cálculo COMPUTE del libro Bi-
nomial, que se muestra en la figura 5.2 de la página 186,
como plantilla para calcular probabilidades binomiales. La
GE5.2 DISTRIBUCIÓN BINOMIAL
hoja de cálculo contiene los datos para el ejemplo de los
PHStat Utilice Binomial para calcular probabilidades bi- pedidos marcados de la sección 5.2. Escriba sobre esos va-
nomiales. Por ejemplo, para crear una tabla de probabilida- lores y ajuste la tabla de probabilidades para otros proble-
des binomiales y un histograma para el ejemplo 5.3, incluido mas . Para crear un histograma de la distribución de
en la página 185, similares a los de las figuras 5.2 y 5.3 , se- probabilidad, utilice las instrucciones de la sección F.5 en
leccione PHStat -+ Probability & Prob. Distributions -+ los apéndices.
 198 CAPÍTULO 5 Distribuciones de probabilidad discreta

GE5.3 DISTRIBUCIÓN POISSON Para agregar columnas a la tabla de probabilidades Poisson

PHStat Utilice Poisson para calcular probabilidades Poisson.
Por ejemplo, para crear una tabla de probabilidades Poisson si-
milar a la de la figura 5.4, incluida en la página 191 , selec-
cione PHStat -+ Probability & Prob. Distributions -+
Poisson. En el cuadro de diálogo del procedimiento (que se
muestra abajo):
l. Ingrese 3 como Mean/Expected No. of Events of
Interest.
2. Escriba un título en Title y haga clic en OK.
¡ Data
1 _Nurriber of Outromes:.
r-- Output Opt:ions - - - - - - - - - - - ,
ntle: 1 cálculo contiene los datos para el problema sobre la llegada
P Portfulio Management .Analysis
Help Cancel
en P( < =X), P( < X) , P(> X) y P(3 X), marque Cumulative
Probabilities antes de hacer clic en OK en el paso 2. Para
crear un histograma de las distribuciones de probabilidad en
una hoja gráfica separada, marque Histogram antes de ha-
cer clic en OK en el paso 2.
Excel en profundidad Utilice la función POISSON de la
hoja de cálculo para calcular probabilidades Poisson. Ingrese
la función como POISSON(X, lambda, acumulada), donde
X es el número de eventos de interés, lambda es el promedio
o el número esperado de eventos de interés y acumulada es
un valor Verdadero o Falso. (Cuando acumulada es Verda-
dero, la función calcula la probabilidad de X o menos eventos
de interés; cuando acumulada es Falso, la función calcula la
probabilidad de exactamente X eventos de interés).
Utilice la hoja de cálculo COMPUTE del libro Pois-
son, que se muestra en la figura 5.4 de la página 191 , como
plantilla para calcular probabilidades Poisson. La hoja de
de los clientes del banco en la sección 5.3. Para adaptar esta
hoja de cálculo a otros problemas, cambie Mean/Expected
Number of Events of lnterest en la celda E4. Para crear un
histograma de la distribución de probabilidad, utilice las
instrucciones de la sección F.5 en los apéndices.

-
GUÍA
--
DEL CAPÍTULO
-
S PARA MINITAB

GM5.1 DISTRIBUCIÓN DE PROBABILIDAD Calrulator

PARA UNA VARIABLE ALEATORIA
¡¡¡Cgl~~x~·- - · S!ore resultin variable: j C3
DISCRETA Jll! Expression:

Valor esperado de una variable 1'X' *'P(X)'

aleatoria discreta
FunctiOns:
Utilice Calculator para calcular el valor esperado de una
variable aleatoria discreta. Por ejemplo, para calcular el va-
lor esperado en el ejemplo de la sección 5.1, incluido en la
página 178, acerca del número de interrupciones por día en
una gran red de computadoras, abra la hoja de cálculo Ta-
ble_S.l. Seleccione Cale -+ Calculator. En el cuadro de Se!ect

diálogo Calculator (que se observa a la derecha):

rv Assign as a formula
l. Ingrese C3 en el cuadro Store result in variable y
Help
luego presione Tab. (C3 es la primera columna vacía en
la hoja de cálculo) .
2. Haga doble clic en Cl X en la lista de variables para
agregar X al cuadro Expression. 7. Ingrese X*P(X) como nombre de la columna C3.
3. Haga clic en * en el teclado simulado para agregar * al 8. Seleccione nuevamente Cale -+ Calculator.
cuadro Expression .
En el cuadro de diálogo Calculator:
4. Haga doble clic en C2 P(X) en la lista de variables para
formar la expresión X * 'P(X)' en el cuadro Expression. 9. Ingrese C4 en el cuadro Store result in variable y
5. Marque Assign as a formula. luego presione Tab. (C4 es la primera columna vacía en
6. Haga clic en OK. la hoja de cálculo).
 Guía del capítulo 5 para Minitab 199

10. Escriba SUM(C3) en el cuadro Expressions. Omita el paso 9 para crear los resultados que se muestran en
11. Si es necesario, quite la marca en Assign as formula. la figura 5.2 de la página 186.
12. Haga clic en OK.

GM5.3 DISTRIBUCIÓN POISSON

GM5.2 DISTRIBUCIÓN BINOMIAL
Utilice Binomial para calcular probabilidades binomiales.
Por ejemplo, para calcular estas probabilidades en el ejem-
plo de los pedidos marcados de la sección 5.2, incluido en la
página 182, abra una nueva hoja de cálculo y:
l. Ingrese X como nombre de la columna C1 .
2. Ingrese O, 1, 2, 3 y 4 en los renglones 1 a 5 de la
columna Cl.
3. Ingrese P(X) como nombre de la columna C2.
4. Seleccione Cale -+ Probability Distributions -+
Binomial.
En el cuadro de diálogo Binomial Distribution (que se
muestra abajo):
5. Haga clic en Probability (para calcular las probabili-
dades de exactamente X eventos de interés para todos
los valores de X) .
6. Ingrese 4 (el tamaño muestra!) en el cuadro Number of
trials.
7. Escriba 0.1 en el cuadro Event Probability.
8. Haga clic en Input eolumn e ingrese C1 en su cuadro.
9. Escriba C2 en el primer cuadro Optional storage.
10. Haga clic en OK.
Binomial Distribution
Utilice Poisson para calcular probabilidades Poisson. Por
ejemplo, para calcular estas probabilidades en el ejemplo de
la llegada de los clientes bancarios en la sección 5.3 de la
página 190, abra una hoja de cálculo nueva y:
l. Ingrese X como nombre de la columna C1.
2. Ingrese valores del O al15 en los renglones 1 a 16 de la
columna Cl.
3. Ingrese P(X) como nombre de la columna C2.
4. Seleccione Cale -+ Probability Distributions -+
Poisson.
En el cuadro de diálogo Poisson Distribution (que se mues-
tra abajo):
5. Haga clic en Probability (para calcular las probabili-
dades de exactamente X eventos de interés para todos
los valores de X).
6. Ingrese 3 (el tamaño muestra!) en el cuadro Mean.
7. Haga clic en Input eolumn e ingrese C1 en su cuadro.
8. Escriba C2 en el primer cuadro Optional storage.
9. Haga clic en OK.
Poisson Oistribution
(0', Probabilitv
; (' Cumulative probabilitv
(' Inverse cumulativeprobabilitv

(.: Pr®abilitv
(' Cumulalive probabiitv
Mean: 13
(' Inverse cumulative probabilitv

Number of trials: j4 r. InputcoAimn: 1C:l ...

Event.probabilitv: r-¡o-
.1-----, Optional storage: ¡rc-2
- _ _ __

(' rnput ronstant: 1

r. Input column: 1e 1 ' s~~~~t ,, 1 Optional storage: ,,...._- -_..;:--::
Optional storage: r¡C2
:.:- .-. - - -

(' Input constant: 1

Se!ect Optional storage: ,..,- - - -

Help lc::::::i:JiS:::::::::JJ Omita el paso 8 para crear los resultados que se muestran en
la figura 5.4 de la página 191.