Universidad de los Andes

Departamento de Ingeniería Industrial

Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Daniela Ortiz, Diana Lozano, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo semestre de 2022

COMPLEMENTARIA 6

EJERCICIOS SOBRE VARIABLES ALEATORIAS CON DISTRIBUCIONES

DISCRETAS DE MAYOR APLICACIÓN.

Punto 1.

Una firma fabricante de automóviles considera que sus últimos lotes de

producción de autos de referencia A presentan fallas en el sistema Airbag del
asiento delantero. Después de los primeros análisis la firma estimó que uno de
cada cuatro automóviles presenta fallas en los sensores de impacto del sistema
de Airbag.

El departamento de control de procesos de ensamblaje ha decidido seleccionar

20 autos al azar y enviarlos a la NCAP (European New Car Assessment
Programme) donde se realizarán pruebas de impacto de forma sucesiva e
independiente al lote de autos. Si por lo menos el 60% de los vehículos
presentan problemas en los sensores, la empresa deberá ordenar recoger todos
los automóviles de la referencia A del mercado. El departamento de control de
procesos debe presentar un informe a la junta directiva de la compañía, en el
cual responda de manera precisa las siguientes preguntas:

a. ¿Cuál es la probabilidad de que ningún auto, de los seleccionados para

examinar, presente fallas en el sistema de Airbag?

𝑋: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑢𝑡𝑜𝑚𝑜𝑣𝑖𝑙𝑒𝑠 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎𝑠 𝑒𝑛 20 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑒𝑠

𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(𝑁 = 20, 𝑝 = 0,25)

20
P(X = 0) = ( ) (0,25)0 (1 − 0.25)20−0 = 0,003
0

b. ¿Cuál es la probabilidad de que no haya necesidad de recoger los

automóviles del mercado?

Para que los autos sean recogidos se deben detectar defectos en los sensores
de por lo menos 12 automóviles de los 20 enviados a la NCAP, por lo tanto,
se debe calcular la probabilidad de que se seleccionen 11 o menos autos con
problemas para que el producto no sea mandado a recoger.

𝑋: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑢𝑡𝑜𝑚ó𝑣𝑖𝑙𝑒𝑠 𝑐𝑜𝑛 𝑓𝑎𝑙𝑙𝑎𝑠 𝑒𝑛 20 𝑎𝑢𝑡𝑜𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠

Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Daniela Ortiz, Diana Lozano, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo semestre de 2022

𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙(𝑁 = 20, 𝑝 = 0,25)

11
20
P(X ≤ 11) = ∑ ( ) (0,25)𝑥 (1 − 0,25)20−𝑥 = 0,999
𝑥
𝑥=0

c. Si se seleccionan autos para inspeccionar de manera sucesiva e

independiente, en promedio ¿cuántos autos se deberán inspeccionar hasta
encontrar el primer auto con problemas en los sensores de impacto?
Interprete el resultado.

𝑋: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑢𝑡𝑜𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 ℎ𝑎𝑠𝑡𝑎 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝑒𝑙 1𝑒𝑟 𝑐𝑜𝑛 𝑓𝑎𝑙𝑙𝑎𝑠

𝑋~𝐺𝑒𝑜𝑚é𝑡𝑟𝑖𝑐𝑎 (𝑝 = 0,25)

1 1
𝐸[𝑋] = = = 4 𝑎𝑢𝑡𝑜𝑠
𝑝 0,25

Se espera que en promedio se deban inspeccionar 4 autos para encontrar el

primero que tenga un defecto en los sensores de impacto.

d. Si se seleccionan autos para inspeccionar de manera sucesiva e

independiente, ¿cuál es la probabilidad de que el décimo automóvil
examinado sea el tercero que presenta problemas en los sensores de
impacto?

𝑋: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑢𝑡𝑜𝑠 𝑖𝑛𝑠𝑝𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 ℎ𝑎𝑠𝑡𝑎 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑒𝑙 𝑡𝑒𝑟𝑐𝑒𝑟𝑜 𝑐𝑜𝑛 𝑓𝑎𝑙𝑙𝑎𝑠

𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑁𝑒𝑔𝑎𝑡𝑖𝑣𝑎 (𝑘 = 3; 𝑝 = 0,25)

10 − 1
𝑃(𝑋 = 10) = ( ) (0,25)3 (1 − 0,25)10−3 = 0,0751
3−1

e. Si se seleccionan autos para inspeccionar de manera sucesiva e

independiente, en promedio ¿cuántos autos se deberán inspeccionar hasta
encontrar el cuarto con problemas en los sensores de impacto? Interprete el
resultado.

𝑋: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝐴𝑢𝑡𝑜𝑚ó𝑣𝑖𝑙𝑒𝑠 𝑠𝑒𝑙𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑎𝑠 ℎ𝑎𝑠𝑡𝑎 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑒𝑙 4𝑡𝑜 𝑐𝑜𝑛 𝑓𝑎𝑙𝑙𝑎𝑠

𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑁𝑒𝑔𝑎𝑡𝑖𝑣𝑎 (𝑘 = 4; 𝑝 = 0,25)

Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Daniela Ortiz, Diana Lozano, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo semestre de 2022

𝑘 4
𝐸[𝑋] = = = 16 𝐴𝑢𝑡𝑜𝑚ó𝑣𝑖𝑙𝑒𝑠
𝑝 0,25

Se espera que en promedio se deban inspeccionar 16 autos para encontrar el

cuarto que tenga un defecto en los sensores de impacto.

f. Si sabe que han inspeccionado 8 autos, de los cuales 4 presentan fallas,

¿cuál es la probabilidad de que el quinto auto con fallas en los sensores de
impacto sea el quinceavo seleccionado para inspeccionar?

𝑋: # 𝑑𝑒 𝑖𝑡𝑒𝑚𝑠 𝑠𝑒𝑙𝑒𝑐𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 ℎ𝑎𝑠𝑡𝑎 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑒𝑙 1𝑒𝑟𝑜 𝑞𝑢𝑒 𝑛𝑜 𝑠𝑒𝑎 𝑎𝑐𝑒𝑝𝑡𝑎𝑏𝑙𝑒

𝑋~𝐺𝑒𝑜𝑚é𝑡𝑟𝑖𝑐𝑎(𝑝 = 0,25)

𝑃(𝑋 = 7) = (0,25)(1 − 0,25)7−1 = 𝟎, 𝟎𝟒𝟒𝟓

g. Si se seleccionan autos para inspeccionar de manera sucesiva e

independiente, ¿cuál es la probabilidad de que el segundo y tercer automóvil
que presenten fallas sean el noveno y el décimo automóvil inspeccionado?

En este caso, vamos a calcular la probabilidad que el noveno automóvil sea el

segundo que presente problemas en los sensores de impacto. Esto se puede
calcular con una distribución binomial negativa

𝑋: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑢𝑡𝑜𝑚𝑜𝑣𝑖𝑙𝑒𝑠 𝑝𝑟𝑜𝑏𝑎𝑑𝑜𝑠 ℎ𝑎𝑠𝑡𝑎 𝑜𝑏𝑡𝑒𝑛𝑒𝑟 𝑒𝑙 𝑠𝑒𝑔𝑢𝑛𝑑o 𝑐𝑜𝑛 𝑝𝑟𝑜𝑏𝑙𝑒𝑚𝑎𝑠

𝑋~𝐵𝑖𝑛𝑜𝑚𝑖𝑎𝑙 𝑁𝑒𝑔𝑎𝑡𝑖𝑣𝑎 (𝑘 = 2; 𝑝 = 0,25)

9−1
𝑃(𝑋 = 9) = ( ) (0,25)2 (1 − 0,25)9−2 = 0,0667
2−1

Debido a que solo importa el automóvil inmediatamente después, y también

se quiere que ese automóvil presente fallas, se procede a calcular la
probabilidad con una distribución Bernoulli. Esto se realiza debido a que no
importa lo que sucedió antes gracias a la independencia que existe entre cada
prueba.

1 𝑠𝑖 𝑒𝑙 𝑎𝑢𝑡𝑜𝑚𝑜𝑣𝑖𝑙 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎 𝑓𝑎𝑙𝑙𝑎𝑠

𝑌={
0 𝑑𝑒 𝑙𝑜 𝑐𝑜𝑛𝑡𝑟𝑎𝑟𝑖𝑜

𝑌~𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖 (𝑝 = 0,25)
Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Daniela Ortiz, Diana Lozano, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo semestre de 2022

𝑃(𝑌 = 1) = 𝑝(1 − 𝑝)𝑦−1 = 0,251 (1 − 0,25)1−1 = 0,250

Finalmente, una vez encontradas ambas probabilidades por separado, se

procede a multiplicarlas para encontrar la probabilidad final:

𝑃(𝑋 = 9) ∙ 𝑃(𝑌 = 1) = 0,0667 ∙ 0,250 = 0,0167

Punto 2.

La Organización Mundial de la Salud (OMS) ha determinado que varios

problemas de salud se deben en gran medida a la contaminación atmosférica, y
uno de ellos es el aumento del riesgo de padecer EPOC (Enfermedad Pulmonar
Obstructiva Crónica). Debido a esto, un equipo de investigadores de la OMS
decidió realizar un estudio para conocer los efectos de la contaminación en
personas mayores de 60 años en dos ciudades con índices altos y bajos de
contaminación, tales como Bogotá y Manizales, respectivamente.

En su estudio, los investigadores analizaron el número de citas programadas,

por personas mayores de 60 años, para el control o tratamiento de EPOC en los
centros de salud Colombiamédica (Bogotá) y BienestarPlus (Manizales). Se
encontró que el número de citas programadas sigue una distribución Poisson con
tasa de 5 citas por día en Colombiamédica y de 2 citas por día en BienestarPlus.

a. ¿Cuál es la probabilidad de que se programen exactamente 11 citas

relacionadas con EPOC en Colombiamédica durante 3 días?

𝑋: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑖𝑡𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑑𝑎𝑠 𝑒𝑛 𝐶𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑚é𝑑𝑖𝑐𝑎 𝑒𝑛 3 𝑑í𝑎𝑠

𝑐𝑖𝑡𝑎𝑠
𝑋~𝑃𝑜𝑖𝑠𝑠𝑜𝑛 (𝜆 = 5 ; 𝑡 = 3 𝑑í𝑎𝑠)
𝑑í𝑎

𝑒 −𝜆𝑡 (𝜆𝑡)𝑥 𝑒 −(5∙3) (5 ∙ 3)11

𝑃(𝑋 = 11) = = = 0,066
𝑥! 11!

b. Si se sabe que en los últimos ocho días en BienestarPlus se agendaron 11

citas de control o tratamiento de EPOC, ¿cuál es la probabilidad que en
los últimos tres días se hayan programado exactamente 4 citas?
Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Daniela Ortiz, Diana Lozano, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo semestre de 2022

11 CITAS PROGRAMADAS

7 CITAS PROGRAMADAS 4 CITAS PROGRAMADAS

8 DÍAS 3 DÍAS HOY

ANTES ANTES

Ilustración 1. Ilustración de los intervalos de tiempo1

Se definen las siguientes variables aleatorias:

𝑋: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑖𝑡𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑑𝑎𝑠 𝑒𝑛 𝑙𝑜𝑠 ú𝑙𝑡𝑖𝑚𝑜𝑠 8 𝑑í𝑎𝑠 𝑒𝑛 𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠.

𝑋1 : 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑖𝑡𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑑𝑎𝑠 𝑒𝑛 𝑙𝑜𝑠 ú𝑙𝑡𝑖𝑚𝑜𝑠 3 𝑑í𝑎𝑠 𝑒𝑛 𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠.

𝑋2 : 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑖𝑡𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑑𝑎𝑠 𝑒𝑛𝑡𝑟𝑒 𝑒𝑙 𝑟𝑎𝑛𝑔𝑜 𝑑𝑒 𝑙𝑜𝑠 ú𝑙𝑡𝑖𝑚𝑜𝑠 8 𝑦 3 𝑑í𝑎𝑠 𝑒𝑛 𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠

En el ejercicio se agrega una variable aleatoria nueva, 𝑋2 , debido a que en

este caso si 4 citas fueron programadas en los últimos días, entre los últimos
tres y ocho días debieron haber sido programadas 7 citas para que en total
sean 11.

Si se calcula la probabilidad correspondiente a que en los últimos 3 días se

programen 4 citas, también se debe calcular la probabilidad de que entre los
últimos 3 y 8 días se agenden 7 citas ya que ambos sucesos deben suceder.

𝑐𝑖𝑡𝑎𝑠
𝑋~𝑃𝑜𝑖𝑠𝑠𝑜𝑛 (𝜆 = 2 ; 𝑡 = 8 𝑑í𝑎𝑠)
𝑑í𝑎
𝑐𝑖𝑡𝑎𝑠
𝑋1 ~𝑃𝑜𝑖𝑠𝑠𝑜𝑛 (𝜆 = 2 ; 𝑡 = 3 𝑑í𝑎𝑠)
𝑑í𝑎
𝑐𝑖𝑡𝑎𝑠
𝑋2 ~𝑃𝑜𝑖𝑠𝑠𝑜𝑛 (𝜆 = 2 ; 𝑡 = 5 𝑑í𝑎𝑠)
𝑑í𝑎

1
Ilustración realizada por Asistentes Graduados de P&E1. Segundo semestre de 2019.
Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Daniela Ortiz, Diana Lozano, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo semestre de 2022

𝑃(𝑋1 = 4)𝑃(𝑋2 = 7)
P(X1 = 4|X = 11) =
𝑃(𝑋 = 11)

(3 ∙ 2)4 ∙ 𝑒 −3∙2 (5 ∙ 2)7 ∙ 𝑒 −5∙2

4! ∙ 7!
P(X1 = 4|X = 11) =
(8 ∙ 2)11 ∙ 𝑒 −8∙2
11!
(0,090) ∙ (0,134)
P(X1 = 4|X = 11) = = 0,243
0,050

En la investigación también se quiso conocer los costos asociados a la

contaminación del aire en las ciudades de Bogotá y Manizales los cuales se basan
en los costos diarios del tratamiento y manejo EPOC. Gracias a esto, se
plantearon las siguientes dos ecuaciones de costo en función de las citas para
control o tratamiento de EPOC para cada centro de salud:

𝐶𝐶𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑚é𝑑𝑖𝑐𝑎 ( 𝑝𝑒𝑠𝑜𝑠) = 40.000 + 10.000 ∙ 𝑋 2

𝐶𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠 ( 𝑝𝑒𝑠𝑜𝑠) = 50.000 + 10.000 ∙ 𝑌 2

c. En promedio ¿cuáles son los costos asociados a la contaminación para

cada centro de salud?

𝑋: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑖𝑡𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑑𝑎𝑠 𝑒𝑛 𝐶𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑚é𝑑𝑖𝑐𝑎 𝑒𝑛 1 𝑑í𝑎

𝑌: 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑖𝑡𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑑𝑎𝑠 𝑒𝑛 𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠 𝑒𝑛 1 𝑑í𝑎

𝑐𝑖𝑡𝑎𝑠
𝑋~𝑃𝑜𝑖𝑠𝑠𝑜𝑛 (𝜆 = 5 ; 𝑡 = 1 𝑑í𝑎𝑠)
𝑑í𝑎
𝑐𝑖𝑡𝑎𝑠
𝑌~𝑃𝑜𝑖𝑠𝑠𝑜𝑛 (𝜆 = 2 ; 𝑡 = 1 𝑑í𝑎𝑠)
𝑑í𝑎

Se debe calcular el valor esperado asociado a cada una de las funciones.

El costo promedio esperado diario de Colombiamédica es:

𝐸(𝐶𝐶𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑚é𝑑𝑖𝑐𝑎 ) = 𝐸(40.000 + 10.000 ∙ 𝑋 2 )

𝐸(𝐶𝐶𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑚é𝑑𝑖𝑐𝑎 ) = 40.000 + 10.000 ∙ 𝐸(𝑋 2 )

Universidad de los Andes
Departamento de Ingeniería Industrial
Probabilidad y Estadística I (IIND2106)
Profesor Coordinador: Mario Castillo
Profesores: Mario Castillo, Gonzalo Torres, Daniela Ortiz, Diana Lozano, Natalia
Pacheco, Nicolás Mejía, Carlos Castellanos y Santiago Castro
Segundo semestre de 2022

Se debe tener en cuenta que 𝑉𝐴𝑅(𝑋) = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2 → 𝐸(𝑋 2 ) = 𝑉𝐴𝑅(𝑋) +

[𝐸(𝑋)]2 , adicionalmente se sabe:

citas
𝐸(𝑋) = 𝜆𝑡 = 5 ∙ (1 𝑑í𝑎) = 5 𝑐𝑖𝑡𝑎𝑠 𝑝𝑟𝑜𝑔𝑟𝑎𝑚𝑎𝑑𝑎𝑠 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 𝑑í𝑎
día

𝑉𝐴𝑅(𝑋) = 𝜆𝑡 = 5 ∙ 1 = 5

𝐸(𝐶𝐶𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑚é𝑑𝑖𝑐𝑎 ) = 40.000 + 10.000 ∙ (𝑉𝐴𝑅(𝑋) + [𝐸(𝑋)]2 )

𝐸(𝐶𝐶𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑚é𝑑𝑖𝑐𝑎 ) = 40.000 + 10.000 ∙ (5 + 52 )

𝐸(𝐶𝐶𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑚é𝑑𝑖𝑐𝑎 ) = 340.000 𝑝𝑒𝑠𝑜𝑠 𝑐𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑛𝑜𝑠 𝑑𝑖𝑎𝑟𝑖𝑜𝑠

El costo promedio esperado diario de Manizales es:

𝐸(𝐶𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠 ) = 𝐸(50.000 + 10.000 ∙ 𝑌 2 )

𝐸(𝐶𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠 ) = 50.000 + 10.000 ∙ 𝐸(𝑌 2 )

𝐸(𝐶𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠 ) = 50.000 + 10.000 ∙ (𝑉 (𝑌 ) + [𝐸(𝑌 )]2 )

Del enunciado se tiene:

citas
𝐸(𝑌) = 𝜆𝑡 = 2 ∙ (1 𝑑í𝑎) = 2 𝑐𝑖𝑡𝑎𝑠 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 𝑑í𝑎.
día

𝑉𝐴𝑅(𝑌) = 𝜆𝑡 = 2

Al reemplazar, se obtiene:

𝐸(𝐶𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠 ) = 50.000 + 10.000 ∙ (2 + 22 )

𝐸(𝐶𝐵𝑖𝑒𝑛𝑒𝑠𝑡𝑎𝑟𝑃𝑙𝑢𝑠 ) = 110.000 𝑝𝑒𝑠𝑜𝑠 𝑐𝑜𝑙𝑜𝑚𝑏𝑖𝑎𝑛𝑜𝑠

Se espera que el costo promedio diario de la contaminación sea de 340.000

pesos en Colombiamédica y 110.000 en BienestarPlus.