“Año del Fortalecimiento de la Soberanía Nacional”

UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERÍA INDUSTRIAL Y SISTEMAS

ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL

ESTADÍSTICA APLICADA

“TAREA 2: Ejercicios Prácticos”

AUTORES:

• Angasi Cardenas, Aracely Brenda Esther

• Douglas Benito, Joselyn Alizon
• Herrera Fernandez, Juan Manuel
• Salas Inca, Jose Joel
• Trujillo Godoy, Diego Jared

Callao, 2022

Perú
 INDICE

DISTRIBUCIÓN HIPERGEOMÉTRICA .......................................................................................... 3

PROBLEMA 1 ................................................................................................................................................ 3
PROBLEMA 2 ................................................................................................................................................ 4
PROBLEMA 3 ................................................................................................................................................ 5
PROBLEMA 4 ............................................................................................................................................... 7
PROBLEMA 5 ............................................................................................................................................. 10

DISTRIBUCIÓN BINOMIAL .......................................................................................................... 12

PROBLEMA 1 ............................................................................................................................................. 12
PROBLEMA 2 ............................................................................................................................................. 14
PROBLEMA 3 ............................................................................................................................................. 15
PROBLEMA 4 ............................................................................................................................................. 16
PROBLEMA 5 ............................................................................................................................................. 18

DISTRIBUCIÓN POISSON ............................................................................................................. 20

PROBLEMA 1 ............................................................................................................................................. 20
PROBLEMA 2 ............................................................................................................................................. 21
PROBLEMA 3 ............................................................................................................................................. 23
PROBLEMA 4 ............................................................................................................................................. 26
PROBLEMA 5 ............................................................................................................................................. 28
DISTRIBUCIÓN HIPERGEOMÉTRICA
PROBLEMA 1
Un lote contiene 100 piezas de un proveedor de tubería local y 200 unidades de un
proveedor de tubería del estado vecino. Si se seleccionan 4 piezas al azar y sin
reemplazo

N= (200+100) =300 (Total de piezas de tubería)

n=4 (Tamaño de muestra)
a. ¿Cuál es la probabilidad de que todas sean del proveedor local?
x=4 (Toda la muestra sea local); K=100 (Total de piezas locales)
C N−C
( )( )
P(X) = X n − X
N
( )
n
200! 100!
300−100 100
C4−4 C4 ( )( )
(200 − 0)! 0! (100 − 4)! 4!
P(X=4) = =
C4300 300!
(300 − 4)! 4!
392122(1)
= = 0.0118
330791175
La probabilidad de que todas las tuberías provengan del proveedor local es de,
aproximadamente 0.0118

b. ¿Cuál es la probabilidad de que dos o más piezas de la muestra sean del

proveedor local?
X= (2,3,4); k=100
P(X ≥ 2) = P(X = 2) + P(X = 3) + P(X = 4)

300−100 100 300−100 100 300−100 100

C4−2 C2 C4−3 C3 C4−4 C4
P(X ≥ 2) = 300 + 300 + 300
C4 C4 C4
200! 100! 200! 100! 200! 100!
( )( ) ( )( ) ( )( )
(200 − 2)! 2! (100 − 2)! 2! (200 − 1)! 1! (100 − 3)! 3! (200 − 0)! 0! (100 − 4)! 4!
= + +
300! 300! 300!
(300 − 4)! 4! (300 − 4)! 4! (300 − 4)! 4!
200! 100! 200! 100! 200! 100!
( )( ) ( )( ) ( )( )
(188)! 2! (98)! 2! (199)! 1! (97)! 3! (200)! 0! (96)! 4!
= + +
300! 300! 300!
(296)! 4! (296)! 4! (296)! 4!

𝐏(𝐗 ≥ 𝟐) = 𝟎. 𝟒𝟎𝟖
Por lo tanto, la probabilidad de escoger más o igual a dos tuberías del proveedor
local es de, aproximadamente, 0.408.
c. ¿Cuál es la probabilidad de que al menos una pieza de la muestra sea del
proveedor local?

N = 300 | X = 100 | n = 4 | x = 1,2,3 ó 4

200! 100!
300−100 100
C4−0 C0 ( )( )
(196)! 2! (100)! 0!
P(X ≥ 1) = 1 − P(x = 0) = 1 − = 1 −
C4300 300!
(296)! 4!
P(X ≥ 1) = 1 − 0.1955 = 𝟎. 𝟖𝟎𝟒𝟓
Por lo tanto, la probabilidad de escoger más o igual a una tubería del proveedor
local es de, aproximadamente, 0.8045.

PROBLEMA 2
Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son
defectuosos, si se seleccionan 4 objetos al azar, ¿Cuál es la probabilidad de que 2
sean defectuosos?

N=10 (Número total de objetos)

K= 7 (Número de objetos)
n= 4 (Tamaño de la muestra)
x=2
𝐾 𝑁−𝐾
( )( )
𝑓(𝑥) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛
7 10 − 7
( )( )
𝑓(2) = 𝑃(𝑥 = 2) = 2 4 − 2
10
( )
4
𝑛 𝑛!
𝐶𝑛,𝑥 = ( ) =
𝑥 𝑥! (𝑛 − 𝑥)!

7! 3!
( ) (2!)
𝑃(𝑥 = 2) = 2! 5!
10!
(4! 6!)

𝑃(𝑥 = 2) = 0.3
La probabilidad de que 2 sean defectuosos es de 0.3
Haciendo uso de la calculadora:

PROBLEMA 3
Un producto industrial particular se envía en lotes de 20. Hacer pruebas para
determinar si un artículo es defectuoso o costoso; por tanto, el fabricante muestrea
la producción en lugar de usar un plan de inspección del 100%. Un plan de
muestreo construido para reducir al mínimo el número de piezas defectuosas,
enviadas a los clientes, exige muestrear cinco artículos de entre cada lote y
rechazar el lote si se observa más de una pieza defectuosa. (Si el lote es rechazado,
cada artículo del lote se prueba entonces.) Si un lote contiene cuatro defectuosos,
¿cuál es la probabilidad de que sea aceptado?

N=20 (Número de productos por lote)

K=4 (Números productos defectuosos)
n=5 (Tamaño de la muestra)
x=0,1
 (𝐾 )(𝑁−𝐾)
𝑋 𝑛−𝑋
𝑃(𝑋) =
(𝑁𝑛)

4! 16!
(40)(20−4 .
5−0 ) 4!0! 5!11!
𝑃(𝑥 = 0) = 20
(5)
= 20! =0.281733746
5!15!

4! 16!
(41)(20−4 .
5−1 ) 4!0! 4!12!
𝑃(𝑥 = 1) = 20
(5)
= 20! = 0.469556243
5!15!

Se rechaza el lote si se observa más de una pieza defectuosa, entonces la probabilidad para
que sea aceptado es de P(x≤1), por eso:
P(X)=P (0) +P (1)
P(X)= 0.281733746 + 0.469556243
P(X)= 0.751289989
es la probabilidad de que sea aceptado.

Haciendo uso de la calculadora

PROBLEMA 4

Suponga que la probabilidad de tener un hijo varón o mujer son iguales a 0,5.
Calcule la probabilidad que en una familia:

a. El cuarto hijo sea el primer varón.

Usamos la fórmula:
(𝐾 )(𝑁−𝐾)
𝑋 𝑛−𝑋
𝑃(𝑋) =
(𝑁𝑛)

N=(24)=16 (Número total de hijos)

n=1 (Tamaño de la muestra)
k=1 (Primer varón)
x=1 (Número de experimentos)
(𝟏𝟏)(𝟏𝟔−𝟏
𝟏−𝟏 )
𝑷(𝑿) = =0.0625
(𝟏𝟔
𝟏)

es la probabilidad que el cuarto hijo sea el primer varón

b. El tercer hijo sea la segunda mujer.
Usamos la fórmula:
(𝐾 )(𝑁−𝐾)
𝑋 𝑛−𝑋
𝑃(𝑋) =
(𝑁𝑛)

N= (23) =8 (Número total de hijos)

n=1 (Tamaño de la muestra)
k=2 (Segunda mujer)
x=1 (Número de experimentos)

(𝟐𝟏)(𝟖−𝟐
𝟏−𝟏)
𝑷(𝑿) = =0.25
(𝟖𝟏)

es la probabilidad de que el tercer hijo sea la segunda mujer.

c. El quinto hijo sea el tercer varón o sea la cuarta mujer.
Usamos la fórmula:
(𝐾 )(𝑁−𝐾)
𝑋 𝑛−𝑋
𝑃(𝑋) =
(𝑁𝑛)

N= (25) =32 (Número total de hijos)

n=1 (Tamaño de la muestra)
k=10 (6: quinto hijo será el tercer hombre y 4: el quinto hijo será la cuarta mujer)
x=1 (número de experimentos)
(𝟏𝟎 𝟑𝟐−𝟏𝟎
𝟏 )( 𝟏−𝟏 )
𝑷(𝑿) = =0.3125
(𝟑𝟐
𝟏)

es la probabilidad de que el quinto hijo sea el tercer varón o sea la cuarta mujer.
PROBLEMA 5
Un recipiente tiene 12 botellas de vinos, 3 de las cuales contienen vino que se ha
echado a perder. Una muestra de 4 botellas se selecciona al azar de entre la caja.

a. Encuentre la distribución de probabilidad para x, el número de botellas de vino

echado a perder de la muestra.

N=12 (Número de botellas de vino)

K=3 (Números de vinos que se echaron a perder)
n=4 (Tamaño de la muestra)
X: 0,1, 2, 3 (Cantidad de vinos que se echaron a perder de la muestra)

(𝑲)(𝑵−𝑲)
𝑿 𝒏−𝑿
𝒇(𝑿) =
(𝑵𝒏)

(30)(12−3
4−0
)
𝑃(𝑋 = 𝑂) = 𝑓(0) = = 0.2545
(12
4
)
 (31)(12−3
4−1
)
𝑃(𝑋 = 1) = 𝑓(1) = = 0.509
(12
4
)

(32)(12−3
4−2
)
𝑃(𝑋 = 2) = 𝑓(2) = = 0.2181
(12
4
)

(33)(12−3
4−3
)
𝑃(𝑋 = 3) = 𝑓(3) = = 0.0181
(12
4
)

b. ¿Cuáles son la media y la varianza de x?

𝐾
Media: µ = E⟦𝑋⟧ = 𝑛
𝑁

3
µ = 4( ) = 1
12

𝑛𝐾 𝐾 𝑁−𝑛
Varianza: 𝜎 2 = 𝑉⟦𝑋⟧ = (1 − 𝑁) ( 𝑁−1)
𝑁

3 3 12 − 4 1 3 8
𝜎 2 = 4 ( ) (1 − ) ( ) = 4 ( ) ( ) ( ) = 0.5455
12 12 12 − 1 4 4 11

Haciendo uso de la calculadora

DISTRIBUCIÓN BINOMIAL
PROBLEMA 1
Se lanza al aire ocho veces un dado. Determine la probabilidad de que no salgan
más de dos números seis.

Distribución binomial:
𝑛!
𝑝(𝑟, 𝑛) = 𝑝𝑟 𝑞 𝑛−𝑟
(𝑛 − 𝑟)! 𝑟!

n:8 (número de lanzamientos)

r: 0,1,2 (número de éxitos obtenidos)

Calculamos nuestra probabilidad de éxito, que sería la probabilidad de sacar 6 en el

1
lanzamiento de un dado: 𝑝 = 6

El q (probabilidad de fracaso) sería:

1 5
𝑞 = 1−𝑝 = 1− =
6 6
Nos piden la probabilidad de que no salgan más de dos números 6:
Tendríamos que hacer:

𝑃(𝑥) = 𝑝(0,8) + 𝑝(1,8) + 𝑝(2,8)

8! 1 0 5 8−0
𝑝(0,8) = ( ) ( ) = 0.2326
(8 − 0)! 0! 6 6

8! 1 1 5 8−1
𝑝(1,8) = ( ) ( ) = 0.3721
(8 − 1)! 1! 6 6

8! 1 2 5 8−2
𝑝(2,8) = ( ) ( ) = 0.2605
(8 − 2)! 2! 6 6

𝑷(𝒙) = 𝟎. 𝟐𝟑𝟐𝟔 + 𝟎. 𝟑𝟕𝟐𝟏 + 𝟎. 𝟐𝟔𝟎𝟓 = 𝟎. 𝟖𝟔𝟓𝟐

Haciendo uso de la calculadora

PROBLEMA 2
Un ingeniero que supervisa el control de calidad está probando la calibración de
una máquina que empaca helado en contenedores. En una muestra de 20 de éstos,
tres no están del todo llenos. Estime la probabilidad p de que la máquina no llene
bien un contenedor.
𝑛!
𝑝(𝑋 = 𝑥) = 𝑝 𝑥 𝑞 𝑛−𝑥
(𝑛 − 𝑥)! 𝑥!
n= 20 (Tamaño de la muestra de los helados en los contenedores)
x = 3 (Cantidad de helados no llenos)
Calculamos la probabilidad de helados no llenos:
𝑥 3
p=𝑛 =20=0.15 ; q=1-0.15=0.85

Reemplazando en:
20!
𝑝(𝑋 = 1) = 0.153 0.8520−3
(20 − 3)! 3!
p(X=1) =0.1368
es la probabilidad de que sea hallado.
Haciendo uso de la calculadora:
PROBLEMA 3
Una gran compañía industrial hace un descuento en cualquier factura que se pague
en un lapso de 30 días. De todas las facturas, 10% recibió el descuento. En una
auditoría de la compañía se seleccionó aleatoriamente 12 facturas. ¿Cuál es la
probabilidad de que menos de cuatro de las 12 facturas de la muestra tengan
descuento?
Esto se hace con distribución binomial, ya que tenemos pocos datos (<30) y solo hay 2
casos: recibió descuento, y no recibió descuento.
𝑛!
La fórmula de distribución binomial es 𝑝(𝑋 = 𝑥) = (𝑛−𝑥)!𝑟! 𝑝 𝑥 𝑞 𝑛−𝑥

Para este caso, las probabilidades se calcularán con base en si haber recibido el descuento.
La probabilidad fue de 10%, con un total de 12 facturas.

N=12, p=10%=0.1

P(X < 4) = P(X = 0) + P(X = 1) + P(X = 2) + P(X = 3)

12 12!
P(x = 0) = ( ) ∗ 0.10 ∗ (1 − 0.1)12−0 = ( ) ∗ 0.10 ∗ (1 − 0.1)12−0 = 0.2824
0 (12 − 0)! 0!

12 12!
P(x = 1) = ( ) ∗ 0.11 ∗ (1 − 0.1)12−1 = ( ) ∗ 0.11 ∗ (1 − 0.1)12−1 = 0.3766
1 (12 − 1)! 1!

12 12!
P(x = 2) = ( ) ∗ 0.11 ∗ (1 − 0.1)12−2 = ( ) ∗ 0.11 ∗ (1 − 0.1)12−2 = 0.2301
2 (12 − 2)! 2!

12 12!
P(x = 3) = ( ) ∗ 0.11 ∗ (1 − 0.1)12−3 = ( ) ∗ 0.11 ∗ (1 − 0.1)12−3 = 0.0852
3 (12 − 3)! 3!

𝐏(𝐗 < 𝟒) = 𝟎. 𝟐𝟖𝟐𝟒 + 𝟎. 𝟑𝟕𝟔𝟔 + 𝟎. 𝟐𝟑𝟎𝟏 + 𝟎. 𝟎𝟖𝟓𝟐 = 𝟎. 𝟗𝟕𝟒𝟑

La probabilidad de que menos de 4 de las 12 facturas tengan descuento es de

97.43%
Usando la calculadora

PROBLEMA 4
Un comisionado de seguridad en una gran ciudad quiere estimar la proporción de
edificios en la ciudad que viola los códigos de incendios. Se elige una muestra
aleatoria de 40 edificios para inspeccionarlos, y se descubre que cuatro no cumplen
el código de incendios. Estime la proporción de edificios en la ciudad que violan
éste y encuentre la incertidumbre en la estimación.

𝑛!
𝑝(𝑋 = 𝑥) = 𝑝 𝑥 𝑞 𝑛−𝑥
(𝑛 − 𝑥)! 𝑟!

n =40 (tamaño de muestra de edificios de la ciudad)

x = 4 (número de ediciones con violaciones a los códigos de incendios)

Calculamos nuestra probabilidad de edificios que violan la ley de incendios, que sería
la probabilidad de obtener 4 que no cumplen con el código de la muestra de 40:
𝑋 4 1
𝑝 = 𝑛 = 40 = 10 = 𝟎. 𝟏

La incertidumbre es la desviación estándar σ𝑝̂ :

σ𝑥 2 = 𝑛𝑝(1 − 𝑝)
Reemplazamos 𝑝̂ =x/n:
σ𝑥
σ𝑝̂ = σ𝑥 =
𝑛 𝑛

𝑛𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
σ𝑝̂ = √ = √
𝑛 𝑛

Reemplazamos con p=0.1 y n=40

0.1(1 − 0.1)
σ𝑝̂ = √
40

𝛔𝒑̂ = 𝟎. 𝟎𝟒𝟕𝟒𝟑𝟒𝟏𝟔𝟒𝟗

es la incertidumbre en la estimación
Haciendo uso de la calculadora

PROBLEMA 5
En una muestra de 100 llantas nuevas de automóvil, se descubrió que siete de éstas
tienen imperfecciones en el dibujo. Si se seleccionan aleatoriamente cuatro llantas
nuevas y se instalan en un automóvil, estime la probabilidad de que ninguna de
ellas tenga alguna imperfección, y determine la incertidumbre en la estimación.

n= 100 (tamaño de muestra de llantas nuevas de automóvil)

x = 7 (número de llantas con imperfecciones en el dibujo)

𝑛!
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑝 𝑥 𝑞 𝑛−𝑥
(𝑛 − 𝑥)! 𝑟!

Cálculo de la probabilidad de llantas que ninguna de ellas tenga alguna imperfección

𝑥 7
𝑝= = = 0.07
𝑛 100
La incertidumbre es la desviación estándar 𝜎𝑥 2 = 𝑛𝑝(1 − 𝑝)
Reemplazamos 𝑝̂ =x/n;
𝜎𝑥
𝜎𝑝̂ = 𝜎𝑥 =
𝑛 𝑛

𝑛𝑝(1 − 𝑝) 𝑝(1 − 𝑝)
𝜎𝑝̂ = √ =√
𝑛 𝑛

Reemplazamos con p= y n=

0.07(1 − 0.07)
𝜎𝑝̂ = √
100

𝝈𝒑̂ = 𝟎. 𝟎𝟐𝟓𝟓𝟏𝟒𝟕𝟎𝟏𝟔𝟒𝟒𝟑𝟒𝟔𝟏

es la incertidumbre de la estimación

Usando la calculadora
DISTRIBUCIÓN POISSON
PROBLEMA 1
El número promedio de accidentes de tránsito en cierto crucero de carretera es dos
por semana. Suponga que el número de accidentes sigue una distribución de
Poisson con µ = 2

a. Encuentre la probabilidad de que no haya accidentes en este crucero de

carretera durante un periodo de 1 semana.

Valor esperado de la media -> =

Función densidad:
𝑥
𝑓(𝑥) = 𝑝(𝑥, ) = ∗ 𝑒 −
𝑥!
Como la media es µ = 2, µ = 2= 
20
P (x = 0) =P (0,2) = ∗ 𝑒 −2
0!

P (0,2) =𝟎. 𝟏𝟑𝟓𝟑𝟑𝟓𝟐𝟖𝟑𝟐𝟑

b. Encuentre la probabilidad de que a lo sumo haya tres accidentes en esta

sección de carretera durante un periodo de 2 semanas.

Al ser 2 semanas hay una nueva probabilidad:

µ𝟐 =µ.2 = 2.2=4

P (x ≤3) =p (0) +p (1) +p (2) +p (3)

Como la media es µ = 4, µ = 4= 
40
P (0) =P (0,4) = ∗ 𝑒 −4 = 0.01831563888
0!

41
P (1) =P (1,4) = ∗ 𝑒 −4 = 0.07326255555
1!

42
P (2) =P (2,4) = ∗ 𝑒 −4 = 0.14652511111
2!
 43
P (3) =P (3,4) = ∗ 𝑒 −4 = 0.19536681481
3!

Reemplacemos:
P (x ≤3) =p (0) +p (1) +p (2) +p (3)

P (x ≤3) = 0.13533528323 +0.27067056647+0.54134113294+1.08268226589

P (x ≤3) = 0.43347012036671
Haciendo uso de la calculadora

PROBLEMA 2
Sea x una variable aleatoria de Poisson con media µ = 2. Calcule estas
probabilidades:

a. P (x = 0)
 𝑥
Usamos: 𝑝(𝑥, ) = ∗ 𝑒 −
𝑥!

Cómo la media es µ = 2, µ = 2= 
𝟐𝟎
Entonces: 𝒑(𝟎, 𝟐) = ∗ 𝒆−𝟐 = 𝟎. 𝟏𝟑𝟓𝟑
𝟎!

b. P (x = 1)
𝑥
Usamos: 𝑝(𝑥, ) = ∗ 𝑒 −
𝑥!

Cómo la media es µ = 2, µ = 2= 
𝟐𝟏
Entonces: 𝒑(𝟏, 𝟐) = ∗ 𝒆−𝟐 = 𝟎. 𝟐𝟕𝟎𝟔
𝟏!

c. P (x > 1)
𝑃(𝑥 > 1) = 1 − 𝑃(𝑥 = 0) − 𝑃(𝑥 = 1)
𝑃(𝑥 > 1) = 1 − 0.1353 − 0.2706
𝑷(𝒙 > 𝟏) = 𝟎. 𝟓𝟗𝟑𝟏

d. P (x = 5)
𝑥
Usamos: 𝑝(𝑥, ) = ∗ 𝑒 −
𝑥!

Cómo la media es µ = 2, µ = 2= 
𝟐𝟓
Entonces: 𝒑(𝟓, 𝟐) = ∗ 𝒆−𝟐 = 𝟎. 𝟎𝟑𝟔
𝟓!

Haciendo uso de la calculadora

PROBLEMA 3
Sea x una variable aleatoria de Poisson con media 𝝁 = 𝟐. 𝟓 . Calcular estas
probabilidades:

a. P (x ≥5)
𝑃 (𝑥 ≥ 5) = 1 − 𝑃 ( 𝑥 < 5)

𝑃 ( 𝑥 < 5) = 𝑃 (0) + 𝑃 (1) + 𝑃 (2) + 𝑃 (3) + 𝑃 (4)

Resolvemos y reemplazamos:
𝜆𝑥
𝑝(𝑥, 𝜆) = ∗ 𝑒 −𝜆 , µ = 2.5, µ=2.5=λ
𝑥!

𝑃 (0,2.5) = 0.082084998623899
𝑃 (1,2.5) = 0.20521249655975
𝑃 (2,2.5) = 0.25651562069968
𝑃 (3,2.5) = 0.21376301724974
𝑃 (4,2.5) = 0.13360188578109

Reemplazamos en la suma:
𝑃( 𝑥 < 5) = 0.89117801891415
𝑃 (𝑥 ≥ 5) = 1 − 𝑃 ( 𝑥 < 5)
𝑃 (𝑥 ≥ 5) = 1 − 0.89117801891415
𝑷 (𝒙 ≥ 𝟓) = 𝟎. 𝟏𝟎𝟖𝟖𝟐𝟏𝟗𝟖𝟏𝟎𝟖𝟓𝟖𝟓

b. P (x < 6)
𝑃 (𝑥 < 6) = 𝑃 (0) + 𝑃 (1) + 𝑃 (2) + 𝑃 (3) + 𝑃 (4) + 𝑃 (5)
Usamos y reemplazamos:
𝜆𝑥
𝑝(𝑥, ) = ∗ 𝑒 −𝜆 ; µ = 2.5, µ=2.5=λ
𝑥!

𝑃 (0,2.5) = 0.082084998623899
𝑃 (1,2.5) = 0.20521249655975
𝑃 (2,2.5) = 0.25651562069968
𝑃 (3,2.5) = 0.21376301724974
𝑃 (4,2.5) = 0.13360188578109
𝑃 (5,2.5) = 0.066800942890543
Reemplazamos en la suma:
𝑷 (𝒙 < 𝟔) = 𝟎. 𝟗𝟓𝟕𝟗𝟕𝟖𝟗𝟔𝟏𝟖𝟎𝟒𝟔𝟗

c. P (x = 2)
𝜆𝑥
Usamos: 𝑝(𝑥, ) = ∗ 𝑒 −𝜆
𝑥!

Cómo la medida es µ = 2.5, µ=2.5=λ

(2.5)2
Entonces: 𝑝(2; 2.5) = ∗ 𝑒 −2.5 = 𝟎. 𝟐𝟓𝟔𝟓𝟏𝟓𝟔𝟐𝟎𝟔𝟗𝟗𝟔𝟖
2!
d. P (1≤ x ≤ 4)
Usamos y reemplazamos:
𝜆𝑥
𝑝(𝑥, ) = ∗ 𝑒 −𝜆 ; µ = 2.5, µ=2.5=λ
𝑥!

𝑃 (1,2.5) = 0.20521249655975

𝑃 (2,2.5) = 0.25651562069968

𝑃 (3,2.5) = 0.21376301724974

𝑃 (4,2.5) = 0.13360188578109

𝑃 (1 ≤ 𝑥 ≤ 4) = 𝑃 (1) + 𝑃 (2) + 𝑃 (3) + 𝑃 (4)

𝑷 (𝟏 ≤ 𝒙 ≤ 𝟒) = 𝟎. 𝟖𝟎𝟗𝟎𝟗𝟑𝟎𝟐𝟎𝟐𝟗𝟎𝟐𝟔
Haciendo uso de la calculadora

PROBLEMA 4
Un cargamento grande de libros contiene 3% de ellos con encuadernación
defectuosa. Utilice la aproximación de Poisson para determinar la probabilidad
que, entre 400 libros seleccionados al azar del cargamento.

N=400 (Cantidad de libros)

Calculamos landa:
λ=3%.400=12
a. Exactamente 10 libros estén defectuosos
P(X=10)
𝜆𝑥
Usamos: p(x,λ)= 𝑥! !*e-λ

1210
P (10,12) = !*e-12 =0.10483725588366
10!
b. Al menos 10 tengan defectos.
Nos piden P (X ≤ 10)
𝜆𝑥
Usamos: p(x,λ)= 𝑥! !*e-λ

Reemplazamos:
120
P(X=0) p (0,12) = !*e-12 =0.00000614421
0!

121
P(X=1) p (1,12) = !*e-12 =0.00007373054
1!

122
P(X=2) p (2,12) = !*e-12 =0.00044238328
2!

…
1210
P(X=10) p (10,12) = !*e-12 =0.10483725588366
10!

P (X ≤ 10) =P(X=0) +P(X=1) +P(X=2) +P(X=3) +…+P(X=10)

P (X ≤ 10) =0.34722941755417
es la probabilidad de que sea hallado.

Haciendo uso de la calculadora:

PROBLEMA 5
Al analizar los impactos de las bombas V1 en la Segunda Guerra Mundial, el sur de
Londres se subdividió en 576 regiones, cada una con un área de 0.25 𝒌𝒎𝟐 . En total,
535 bombas estallaron en el área combinada de 576 regiones.

a. Si se selecciona una región aleatoriamente, calcule la probabilidad de

que fuese blanco de impactos exactamente en dos ocasiones.
Aplicamos la distribución de poisson, ya que estamos tratando con las ocurrencias
de un suceso (impacto de bombas) dentro de un intervalo (una región con un área
de 0.25 𝑘𝑚2 ) El número medio de impactos por región es:

𝜆x ∗ e−𝜆
P(X) =
x!

número de impactos de bombas 535

𝜇= = = 0.929
número de regiones 576
 ya que buscamos la probabilidad de exactamente dos impactos en una región, sea
x=2. Utilizaremos la fórmula de la siguiente manera:

𝝀𝐱 ∗ 𝐞−𝝀 𝟎. 𝟗𝟐𝟗𝟐 ∗ 𝟐. 𝟕𝟏𝟖𝟐𝟖−𝟎.𝟗𝟐𝟗 𝟎. 𝟖𝟔𝟑 ∗ 𝟎. 𝟑𝟗𝟓

𝐏(𝐱 = 𝟐) = = = = 𝟎. 𝟏𝟕𝟎
𝐱! 𝟐! 𝟐

b. Con base en la probabilidad que se calculó en el inciso a, ¿cuántas de las 576

regiones se espera que reciban impactos exactamente dos veces?

Debido a que hay una probabilidad de 0.170 de que una región reciba impactos de
bombas exactamente dos veces, esperamos que entre las 576 regiones el número
de las que reciben impactos exactamente dos veces sea de:

Numero de regiones 2 impactos = 576*0.170=97.92

Usando la calculadora