Probabilidad y Estadística

Mtra. Myriam V. Morales G.

Serie Tercer Parcial

Para entregar en equipos de tres personas, en un archivo en PDF, únicamente por el canal de entrega de TEAMS

I. VARIABLES ALEATORIAS

1. Clasifica las siguientes variables aleatorias:

a) Cantidad de caras al tirar dos monedas.
Variable discreta.
b) Concentración de cloro en las líneas de agua potable de Hermosillo.
Variable continua.
c) Salario de los trabajadores de la empresa TELMEX.
Variable discreta.
d) Defectos de los libros publicados por cierta editorial.
Variable discreta
e) Número de llamadas telefónicas realizadas en un mes.
Variable discreta.
f) Precio de las llamadas telefónicas.
Variable discreta.
g) Alumnos inscritos en la materia de probabilidad y estadística.
Variable discreta.
h) Duración de las llamadas telefónicas.
Variable continua.
i) Litros de gasolina vendidos a lo largo de una semana en una estación de servicios.
Variable continua.
j) La presión de un neumático en psi.
Variable continua.
k) El diámetro de una oblea de silicio para producir microchips.
Variable continua.
l) Número de burbujas por envase de vidrio que son generadas en un proceso dado.
Variable discreta.
m) Productos defectuosos en una línea de producción.
Variable discreta.

2. Dada la distribución de probabilidad para la variable aleatoria X:

X 0 1 2 3 4
P(X) 1/9 2/9 3/9 2/9 1/9
Calcule las siguientes probabilidades:
a) P(X≤2)
1 2 1
𝑃(𝑥 ≤ 2) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) = + =
9 9 3
b) P(X>1)
3 2 1 2
𝑃(𝑥 > 1) = 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) = + + =
9 9 9 3
c) P(1≤X≤3)
2 3 2 7
𝑃(1 ≤ X ≤ 3) = + + =
9 9 9 9
d) Determina la media y la desviación estándar
1 2 3 2 1
Media 𝜇 = (0 ∗ ) + (1 ∗ ) + (2 ∗ ) + (3 ∗ ) + (4 ∗ ) = 2
9 9 9 9 9
1 2 3 2 1 4 1 2
Varianza 𝜎 = (0 − 2)2 ( ) + (1 − 2)2 ( ) + (2 − 2)2 ( ) + (3 − 2)2 ( ) + (4 − 2)2 ( ) = − + + + 2.1111 +
2
9 9 9 9 9 9 9 3
3.5555 = 5.9999
Desviación estándar 𝜎 = √5.9999 = 2.4494
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

II. DISTRIBUCIONES DE PROBABILIDAD DISCRETAS

3. Al probar una cierta clase de neumático para camión en un terreno escabroso, se encontró que
25% de loscamiones terminaban la prueba con los neumáticos dañados. De los siguientes 15
camiones probados encuentre la probabilidad de que:
𝑥 = 0, 1, 2, 3, … 13, 14, 15
Éxitos neumáticos dañados 𝑝 = 0.25
Fracasos neumáticos no dañados. 𝑞 = 1 − 0.25 = 0.75
Los parámetros de esta binomial son: 𝑛 = 15 𝑦 𝑝 = 0.25
𝑃(𝑋 = 𝑥) = 𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥
𝑀𝑜𝑑𝑒𝑙𝑜 𝑏𝑖𝑛𝑜𝑚𝑖𝑎𝑙: 𝑝(𝑋 = 𝑥) = 𝐶𝑥15 (0.25) 𝑥 (0.75)15−𝑥

a) De 3 a 6 tengan ponchaduras.
𝑝(3 ≤ 𝑥 ≤ 6) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6)
15 3 12 15 4 11 15 5 10 15 6 9
𝑃(3 ≤ 𝑥 ≤ 6) = 𝐶3 (0.25) (0.75) + 𝐶4 (0.25) (0.75) + 𝐶5 (0.25) (0.75) + 𝐶6 (0.25) (0.75)
= 0.2251 + 0.2251 + 0.1651 + 0.0917 = 0.7070
b) Menos de 4 tengan ponchaduras.
𝑃(𝑥 < 4) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3)
15 0 15 15 1 14 15 2 13 15 3 12
𝑃(𝑥 < 4) = 𝐶0 (0.25) (0.75) + 𝐶1 (0.25) (0.75) + 𝐶2 (0.25) (0.75) 𝐶3 (0.25) (0.75)
𝑃(𝑥 < 4) = 0.1336 + 0.0668 + 0.1559 + 0.2251 = 0.5814
c) Más de 5 tengan ponchaduras.
15 0 15 1 14 2 13 153 12
𝑃(𝑥 > 5) = 𝐶0 (0.25) (0.75) + 𝐶15 15
1 (0.25) (0.75) + 𝐶2 (0.25) (0.75) 𝐶3 (0.25) (0.75)
15 4 11 15 5 10
+ 𝐶4 (0.25) (0.75) + 𝐶5 (0.25) (0.75)
𝑃(𝑥 > 5) = 0.1336 + 0.0668 + 0.1559 + 0.2251 + 0.2251 + 0.1651 = 0.9716

4. En un sistema bancario el 10% de las veces se excede el tiempo promedio de atención a cliente.
Para los siguientes 10 clientes encuentra:
𝑥 = 0, 1, 2, 3, … 8,9,10
Éxitos se excede el tiempo de atención 𝑝 = 0.10
Fracasos no se excede el tiempo de atención. 𝑞 = 1 − 0.10 = 0.90
Los parámetros de esta binomial son: 𝑛 = 10 𝑦 𝑝 = 0.10
𝑃(𝑋 = 𝑥) = 𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥
𝑀𝑜𝑑𝑒𝑙𝑜 𝑏𝑖𝑛𝑜𝑚𝑖𝑎𝑙: 𝑝(𝑋 = 𝑥) = 𝐶𝑥10 (0.10) 𝑥 (0.90)10−𝑥

a) La probabilidad de que al menos 7 excedan el tiempo promedio de atención.

𝑃(𝑥 ≥ 7) = 1 − 𝑃(7 < 𝑥 ≤ 10)
10 8 2 10 9 1 10 10 0
𝑃(7 < 𝑥 ≤ 10) = 𝐶8 (0.10) (0.90) + 𝐶9 (0.10) (0.90) + 𝐶10 (0.10) (0.90)
𝑃(7 < 𝑥 ≤ 10) = 0.00000036 + 0.000000009 + 0.0000000001 = 0.0000003691
𝑃(𝑥 ≥ 7) = 1 − 0.0000003691 = 0.9999
b) Más de dos y menos de 5 excedan el tiempo promedio de atención.

𝑃(2 < 𝑥 < 5) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)

3 7 4 6
𝑃(2 < 𝑥 < 5) = 𝐶10
3 (0.10) (0.90)
10
+ 𝐶4 (0.10) (0.90) = 0.0573 + 0.0111 = 0.0684
c) La media y la varianza.
μ = 𝑛𝑝 = 10 ∗ 0.10 = 1
𝜎2 = 𝑛𝑝𝑞 = 10 ∗ 0.10 ∗ 0.90 = 0.9

5. Un fabricante de calzado produce 2% de defectuosos. Si un cliente hace un pedido y analiza el

pedidotomando una muestra de 12 pares, encuentra la probabilidad de qué en la muestra obtenga:
𝑥 = 0, 1, 2, 3, … 10,11,12
Éxitos el calzado producido sea defectuoso 𝑝 = 0.02
Fracasos el calzado producido no sea defectuoso. 𝑞 = 1 − 0.02 = 0.98
Los parámetros de esta binomial son: 𝑛 = 12 𝑦 𝑝 = 0.02
𝑃(𝑋 = 𝑥) = 𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥
𝑀𝑜𝑑𝑒𝑙𝑜 𝑏𝑖𝑛𝑜𝑚𝑖𝑎𝑙: 𝑝(𝑋 = 𝑥) = 𝐶𝑥12 (0.02) 𝑥 (0.98)12−𝑥
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

a) Exactamente tres pares defectuosos.

3 9
𝑃(𝑥 = 3) = 𝐶12
3 (0.02) (0.98) = 0.001467
b) Al menos dos pares defectuosos.
𝑃(𝑥 ≥ 2) = 1 − 𝑃(0 ≤ 𝑥 < 2)
𝑃(0 ≤ 𝑥 < 2) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1)
12 12
𝑃(0 ≤ 𝑥 < 2) = 𝐶0 (0.02)0 (0.98)12 + 𝐶1 (0.02)1 (0.98)11 = 0.7847 + 0.1921 = 0.9768
𝑃(𝑥 ≥ 2) = 1 − 𝑃(0 ≤ 𝑥 < 2) = 1 − 0.9768 = 0.0232

c) A lo más un par defectuoso.

𝑃(𝑥 ≤ 1) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1)
𝑃(𝑥 ≤ 1) = 𝐶12 0
0 (0.02) (0.98)
12 12
+ 𝐶1 (0.02)1 (0.98)11 = 0.7847 + 0.1921 = 0.9768

6. Suponga que, en un embarque muy grande de chips de circuitos integrados, la probabilidad de falla
para cualquier chip es de 0.1 Determina la probabilidad de que a lo más tres chips fallen en una muestra
aleatoria de20.
𝑥 = 0, 1, 2, 3, … 18, 19, 20
Éxitos falle cualquier chip 𝑝 = 0.10
Fracasos no falle cualquier chip 𝑞 = 1 − 0.10 = 0.90
Los parámetros de esta binomial son: 𝑛 = 20 𝑦 𝑝 = 0.10
𝑃(𝑋 = 𝑥) = 𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥
𝑀𝑜𝑑𝑒𝑙𝑜 𝑏𝑖𝑛𝑜𝑚𝑖𝑎𝑙: 𝑝(𝑋 = 𝑥) = 𝐶𝑥20 (0.10) 𝑥 (0.90)20−𝑥
𝑃(𝑥 ≤ 3) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3)
𝑃(𝑥 ≤ 3) = 𝐶020 (0.10)0 (0.90)20 + 𝐶120 (0.10)1 (0.90)19 + 𝐶220 (0.10)2 (0.90)18 + 𝐶320 (0.10)3 (0.90)17
𝑃(𝑥 ≤ 3) = 0.1215 + 0.2701 + 0.2851 + 0.1901 = 0.8668

7. 35% de los jóvenes que asisten a un restaurante fuman. Si se escogen al azar cinco, determina la
probabilidadde qué:
Éxitos jóvenes que fuman 𝑝 = 0.35
Fracasos jóvenes que no fuman 𝑞 = 1 − 0.35 = 0.65
Los parámetros de esta binomial son: 𝑛 = 5 𝑦 𝑝 = 0.35
𝑃(𝑋 = 𝑥) = 𝐶𝑥𝑛 𝑝 𝑥 𝑞 𝑛−𝑥
𝑀𝑜𝑑𝑒𝑙𝑜 𝑏𝑖𝑛𝑜𝑚𝑖𝑎𝑙: 𝑝(𝑋 = 𝑥) = 𝐶𝑥5 (0.35) 𝑥 (0.65)5−𝑥
a) Ninguno fume.
𝑃(𝑥 = 0) = 𝐶05 (0.35)0 (0.65)5 = 0.1160
b) Más de tres fumen.
𝑃(𝑥 > 3) = 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5)
𝑃(𝑥 > 3) = 𝐶45 (0.35)4 (0.65)1 + 𝐶55 (0.35)5 (0.65)0 = 0.0487 + 0.0052 = 0.0539
c) Cuando mucho dos fumen.
𝑃(𝑥 ≤ 2) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)
𝑃(𝑥 ≤ 2) = 𝐶05 (0.35)0 (0.65)5 + 𝐶15 (0.35)1 (0.65)4 + 𝐶25 (0.35)2 (0.65)3 = 0.1160 + 0.3123 + 0.3364 = 0.7647
d) Todos fumen.
𝑃(𝑥 = 5) = 𝐶55 (0.35)5 (0.65)0 = 0.0052
e) Encuentra el valor esperado y la varianza del número de jóvenes fumadores.

μ = 𝑛𝑝 = 5 ∗ 0.35 = 1.75
𝜎 2 = 𝑛𝑝𝑞 = 5 ∗ 0.35 ∗ 0.65 = 1.1375
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

8. Suponga que una población consta de 15 artículos, 8 de los cuales están defectuosos. Se
selecciona unamuestra de 5. ¿Cuál es la probabilidad de que exactamente 3 tengan defectos?
N: Total de artículos: 15
R: Defectuosos: 8
n: Tamaño de muestra: 5
𝑥 = 1, 2, 3, 4, 5
𝐶𝑥𝑅 ∗ 𝐶𝑛−𝑥𝑁−𝑅
𝑃(𝑋 = 𝑥) =
𝐶𝑛𝑁
8 15−8
𝐶3 ∗ 𝐶5−3
𝑃(𝑋 = 3) = = 0.3916
𝐶515

9. De 40 edificios en un parque industrial, 7 no cumplen el código eléctrico . Si se seleccionan

aleatoriamente 5 edificios para inspeccionarlos, ¿cuál es la probabilidad de que exactamente tres de los
cinco no cumplan con el código?
N: Total de edificios: 40
R: No cumplen el código eléctrico: 7
n: Tamaño de muestra: 5
𝑥 = 1, 2, 3, 4, 5
𝐶𝑥𝑅 ∗ 𝐶𝑛−𝑥
𝑁−𝑅
𝑃(𝑋 = 𝑥) =
𝐶𝑛𝑁
40−7
𝐶37 ∗ 𝐶5−3
𝑃(𝑋 = 3) = = 0.0280
𝐶540

10. Una caja contiene 24 artículos de las cuales se sabe que 8 tienen algún defecto, si en una inspección de
calidad el inspector selecciona al azar 6 piezas, hallar la probabilidad de que:
N: Total de artículos: 24
R: Defectuoso: 8
n: Tamaño de muestra: 6
𝑥 = 1, 2, 3, 4, 5, 6
𝐶𝑥𝑅 ∗ 𝐶𝑛−𝑥
𝑁−𝑅
𝑃(𝑋 = 𝑥) =
𝐶𝑛𝑁
a) No se encuentren defectuosos.
𝐶08 ∗ 𝐶6−0
24−8
𝑃(𝑋 = 0) = 24 = 0.0595
𝐶6

b) La caja sea rechazada (esto sucede si se encuentran dos o más artículos defectuosos en la muestra).
𝑃(𝑋 ≥ 2) = 1 − 𝑃(𝑥 ≤ 1)
𝑃(𝑥 ≤ 1) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1)
𝐶08 ∗ 𝐶6−0
24−8
𝐶18 ∗ 𝐶6−1
24−8
𝑃(𝑥 ≤ 1) = + = 0.0595 + 0.2596 = 0.1391
𝐶624 𝐶624

c) La media y la desviación estándar.

𝑅 8
Media 𝜇 = 𝑛 ( ) = 6 ( ) = 2
𝑁 24
𝑅 𝑅 𝑁−𝑛 8 8 24 − 6
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝜎2 = 𝑛 ( ) (1 − ) ( ) = 6 ( ) (1 − ) ( ) = 1.7391
𝑁 𝑁 𝑁−1 24 24 24 − 1
𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 √ 𝜎2 = √1.7391 = 1.3187

11. En una urna hay 7 bolas blancas y 5 negras. Se sacan 4 bolas, sin reemplazo ¿Cuál es la probabilidad
de que3 sean blancas?
N: Total de bolas: 12
R: blancas: 7
n: Tamaño de muestra: 4
𝑥 = 1, 2, 3, 4
𝐶𝑥𝑅 ∗ 𝐶𝑛−𝑥
𝑁−𝑅
𝐶37 ∗ 𝐶4−3
12−7
𝑃(𝑋 = 𝑥) = 𝑁
= 𝑃(𝑋 = 3) = 12 = 0.3535
𝐶𝑛 𝐶4
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

12. Un lote contiene 100 piezas de un proveedor de tubería local y 200 unidades de un proveedor de
tubería delestado vecino. Si se seleccionan cuatro piezas al azar y sin reemplazo.
N: Total de piezas: 300
R: Piezas del proveedor local: 100
n: Tamaño de muestra: 4
𝑥 = 1, 2, 3, 4
𝐶𝑥𝑅 ∗ 𝐶𝑛−𝑥
𝑁−𝑅
𝑃(𝑋 = 𝑥) = =
𝐶𝑛𝑁
a) ¿Cuál es la probabilidad de que todas sean del proveedor local?
𝐶4100 ∗ 𝐶4−4
300−100
(𝑋 = 4) = = 0.0118
𝐶4300
b) ¿Cuál es la probabilidad de que dos o más piezas de la muestra sean del proveedor local?
𝐶2100 ∗ 𝐶4−2
300−100
𝐶3100 ∗ 𝐶4−3
300−100
𝐶4100 ∗ 𝐶4−4
300−100
𝑃(𝑥 ≥ 2) = + + = 0.2977 + 0.0977 + 0.0118 = 0.4072
𝐶4300 𝐶4300 𝐶4300
b) ¿Cuál es la probabilidad de que al menos una pieza de la muestra sea del proveedor local?
𝑃(𝑥 ≤ 1) = 1 − 𝑃(𝑥 ≥ 2) = 1 − 0.4072 = 0.5928

13. En un cierto proceso de manufactura se sabe que, en promedio, 1 de cada 100 piezas está defectuosa
¿Cuál es la probabilidad de que la quinta pieza inspeccionada sea la primera defectuosa?
𝑝(𝑥) = (𝑞)𝑥−1 (𝑝)
𝑥 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑖𝑒𝑧𝑎𝑠 ℎ𝑎𝑠𝑡𝑎 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝑙𝑎 𝑝𝑟𝑖𝑚𝑒𝑟𝑎 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎.
𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑠𝑎𝑙𝑔𝑎 𝑢𝑛𝑎 𝑝𝑖𝑒𝑧𝑎 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎 → 𝑝 = 1/100
𝑞 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑛𝑜 𝑠𝑎𝑙𝑔𝑎 𝑢𝑛𝑎 𝑝𝑖𝑒𝑧𝑎 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎 → 𝑞 = 1 − 1/100 = 99/100

99 4 1
𝑝(5) = ( ) ( ) = 9.9𝑥10−9 = 0.0000000099
100 100

14. Del salón el 60% de los alumnos son hombres, calcular probabilidad de extraer el 1er hombre a la
cuartaocasión que extraemos un alumno.
𝑝(𝑥) = (𝑞) 𝑥−1 (𝑝)
𝑥 = 𝑁ú𝑚𝑒𝑟𝑜 𝑎𝑙𝑢𝑚𝑛𝑜𝑠 ℎ𝑎𝑠𝑡𝑎 𝑒𝑛𝑐𝑜𝑛𝑡𝑟𝑎 𝑒𝑙 𝑝𝑟𝑖𝑚𝑒𝑟 ℎ𝑜𝑚𝑏𝑟𝑒.
𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑠𝑎𝑙𝑔𝑎 𝑢𝑛 ℎ𝑜𝑚𝑏𝑟𝑒 → 𝑝 = 0.6
𝑞 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑛𝑜 𝑠𝑎𝑙𝑔𝑎 𝑢𝑛 ℎ𝑜𝑚𝑏𝑟𝑒 → 𝑞 = 1 − 0.6 = 0.4

𝑝(4) = (0.4)3 (0.6) = 0.0384

15. El número de mensajes recibidos por el tablero computado de anuncios es una variable
aleatoria dePoisson con una razón media de ocho mensajes por hora.

a) ¿Cuál es la probabilidad de que se reciban cinco mensajes en una hora?

𝑥
𝑋=5
𝜆𝒙 𝑒 −𝜆 8𝟓 𝑒 −8
= = 0.0916
𝑥! 5!

b) ¿Cuál es la probabilidad de que se reciban diez mensajes en 1 ½ horas?

𝜆 = 8 ∗ 1.5 = 12
𝑥 = 10
12𝟏𝟎 𝑒 −12
P(𝑋 = 10, 𝜆 = 12) = = 0.1048
10!
c) ¿Cuál es la probabilidad de que se reciban menos de tres mensajes en 1 ½ horas?
𝜆 = 8 ∗ 1.5 = 12
P(𝑋 < 3, 𝜆 = 12) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)
12𝟎 𝑒−12 12𝟏 𝑒−12 12𝟐 𝑒−12
P(𝑋 < 3, 𝜆 = 12) = + + = 0.0000061 + 0.000073 + 0.00044 = 5.191 × 10−4 = 0.00051
0! 1! 2!
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

16. En la inspección de hojalata producida por un proceso electrolítico continuo, se identifican 0.2
imperfeccionesen promedio por minuto. Determine las probabilidades de identificar.
𝜆𝒙 𝑒 −𝜆
𝑥!
a) Una imperfección en 3 minutos.
𝜆 = 0.2 ∗ 3 = 0.6
𝑥=1
0.6𝟏 𝑒 −0.6
= 0.2392
1!
b) Al menos tres imperfecciones en 6 minutos.
𝜆 = 0.2 ∗ 6 = 1.2
𝑥≥3
𝑃(𝑥 ≥ 3, 𝜆 = 1.2 ) = 1 − 𝑃(𝑥 < 3, 𝜆 = 1.2 )
0.6𝟎 𝑒−0.6 0.6𝟏 𝑒−0.6 0.6𝟐 𝑒−0.6
𝑃(𝑥 < 3) = + + = 0.5488 + 0.3292 + 0.0987 = 0.9767
0! 1! 2!
𝑃(𝑥 ≥ 3, 𝜆 = 1.2 ) = 1 − 𝑃(𝑥 < 3, 𝜆 = 1.2 ) = 1 − 0.9767 = 0.0233

c) Cuando más dos imperfecciones en 18 minutos.

𝜆 = 0.2 ∗ 18 = 3.6
𝑥≤2
3.6𝟎 𝑒 −3.6 3.6𝟏 𝑒 −3.6 3.6𝟐 𝑒 −3.6
𝑃(𝑥 ≤ 2, 𝜆 = 3.6) = + + = 0.0273 + 0.0983 + 0.1770 = 0.3026
0! 1! 2!

17. En un estudio de un inventario se determinó que, en promedio, la demanda por un artículo en

particular enuna bodega era de 5 veces al día. ¿Cuál es la probabilidad de que en un determinado día
este artículo sea requerido?
𝜆𝒙 𝑒 −𝜆
𝑥!
a) ¿ Más de 5 veces?
𝜆 = 5 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜𝑠 𝑝𝑜𝑟 𝑑í𝑎.
𝑥>5
𝑃(𝑥 > 5, 𝜆 = 5) = 1 − 𝑃(𝑥 ≤ 5)
5𝟎 𝑒−5 5𝟏 𝑒−5 5𝟐 𝑒−5 5𝟑 𝑒−5 5𝟒 𝑒−5 5𝟓 𝑒−5
𝑃(𝑥 ≤ 5) = + + + + +
0! 1! 2! 3! 4! 5!
𝑃(𝑥 ≤ 5) = 0.0067 + 0.0336 + 0.0842 + 0.1403 + 0.1754 + 0.1754 = 0.6156
𝑃(𝑥 > 5, 𝜆 = 5) = 1 − 𝑃(𝑥 ≤ 5) = 1 − 0.6156 = 0.3844
b) ¿Ni una sola vez?
𝜆 = 5 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜𝑠 𝑝𝑜𝑟 𝑑í𝑎.
𝑥=0
5𝟎 𝑒 −5
= 6.73𝑥10−3 = 0.0067
0!

18. En promedio, en una cierta intersección ocurren 3 accidentes viales por mes ¿Cuál es la probabilidad
de queen un determinado mes en esta intersección
𝜆𝒙 𝑒 −𝜆
𝑥!
a) ¿Ocurran exactamente 5 accidentes?
𝜆 = 3 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠 𝑣𝑖𝑎𝑙𝑒𝑠 𝑝𝑜𝑟 𝑚𝑒𝑠
𝑥=5
3𝟓 𝑒 −3
= 0.1008
5!

b) ¿Ocurran menos de 3 accidentes?

𝜆 = 3 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠 𝑣𝑖𝑎𝑙𝑒𝑠 𝑝𝑜𝑟 𝑚𝑒𝑠
𝑥<3
3𝟎 𝑒−3 3𝟏 𝑒−3 3𝟐 𝑒−3
𝑃(𝑥 < 3, 𝜆 = 3 ) = + + = 0.0497 + 0.1493 + 0.2240 = 0.423
0! 1! 2!
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

Resuelve los siguientes ejercicios aproximando por la distribución de Poisson

19. La probabilidad de que un niño nazca pelirrojo es de 0.012. ¿Cuál es la probabilidad de que entre 800 recién
nacidos haya 5 pelirrojos?

Tiene las dos características para aproximar por la Poisson, n es grande, 800 y la probabilidad de éxito es
pequeña, P=0.012, se ocupa el valor de 𝜆.

𝜆 = 𝜇 = 𝑛𝑝 = 800 ∗ 0.012 = 9.6

Para aproximar a Poisson se usará:

9.6𝑥 𝑒 −9.6
𝑃(𝑋, 𝜆 = 9.6) =
𝑋!
9.65 𝑒 −9.6
𝑃(𝑋 = 5) = = 0.0460
5!
20. La probabilidad de que una persona muera debido a cierta infección respiratoria es 0.002. Encuentre la
probabilidad de que mueran menos de 5 de las próximas 2000 personas infectadas.

Tiene las dos características para aproximar por la Poisson, n es grande, 2000 y la probabilidad de éxito es
pequeña, P=0.002, se ocupa el valor de 𝜆.

𝜆 = 𝜇 = 𝑛𝑝 = 2000 ∗ 0.002 = 4

Para aproximar a Poisson se usará:

4𝑥 𝑒 −4
𝑃(𝑋, 𝜆 = 4) =
𝑋!
40 𝑒 −4 41 𝑒 −4 42 𝑒 −4 43 𝑒 −4 44 𝑒 −4
𝑃(𝑋 < 5) = + + + +
0! 1! 2! 3! 4!
= 0.0103 + 0.0732 + 0.1465 + 0.1953 + 0.1953 = 0.6206

III. DISTRIBUCIÓN NORMAL

21. Las puntuaciones de una media estandarizada se distribuyen normalmente con media de 480 y
desviaciónestándar de 90.
a) ¿Cuál es la proporción de puntuaciones mayores a 700?
𝑁(480, 90)
𝑥 − 𝜇 700 − 480
𝑧= = = 2.44 → 0.9927
𝜎 90

Sin embargo 0.9927 es el área de x a la izquierda, necesitamos la parte derecha entonces por simetría 2.44 =
−2.44, entonces el área es 0.0073
b) ¿Qué proporción de las puntuaciones se encuentran entre 420 y 520?
𝑁(480, 90)
𝑥−𝜇 420−480
𝑧1 = = = −0.66 → 0.2546
𝜎 90
𝑥 − 𝜇 520 − 480
𝑧2 = = = 0.44 → 0.6700
𝜎 90
0.6700 − 0.2546 = 0.4154
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

22. Algunos estudios muestran que el rendimiento de gasolina de autos compactos vendidos en
USA sedistribuye normalmente con una media de 25.5 mpg y una desviación estándar de 4.5 mpg
a) ¿Qué porcentaje de autos compactos tiene un rendimiento de 30 mpg o más?
𝑁(25.5, 4.5)
𝑥 − 𝜇 30 − 25.5
𝑧= = = 1 → 0.8413
𝜎 4.5
Sin embargo 0.8423 es el área de x a la izquierda, necesitamos la parte derecha entonces por simetría 1 = −1,
entonces el área es 0.1587

b) Si un fabricante desea diseñar un auto compacto más económico que el 95% de los autos compactos
actuales ¿cuál debe ser el rendimiento del nuevo auto?
𝜎 = 4.5 𝜇 = 25.5
Convertimos el porcentaje a probabilidad: 95% = 0.95
Buscamos en la tabla de distribuciones el valor más cercano de 0.95 y vemos que es 𝑧 = 1.65
𝑥 = 𝜎𝑧 + 𝜇 = 4.5 ∗ 1.65 + 25.5 = 32.925

23. Una fábrica de alimentos empaca productos cuyos pesos están distribuidos normalmente con media
de 450 gramos y desviación estándar de 20 gramos. Encuentre la probabilidad de que un paquete
escogido al azar peseentre 425 y 486 gramos.
𝑁(450, 20)
𝑥−𝜇 425−450
𝑧1 = = = −1.25 → 0.1056
𝜎 20
𝑥 − 𝜇 486 − 450
𝑧2 = = = 1.8 → 0.9641
𝜎 20
0.9641 − 0.1056 = 0.8585

24. Un proceso de recubrimiento de películas genera filmes cuyo espesor se distribuye con media de
110 micrones y desviación estándar de 10 micrones. ¿En cierta aplicación, el espesor mínimo
aceptable es de 90micrones?
a) ¿Qué proporción de películas estarán demasiado delgadas?
𝑁(110, 10)
𝑥 − 𝜇 89 − 110
𝑧= = = −2.1 → 0.0179
𝜎 10

b) ¿A qué valor debe establecerse la media para que sólo 1% de las películas este muy delgado?

Escriba aquí la ecuación.

c) Si la media sigue siendo 110, ¿cuál debe ser la desviación estándar para que sólo 1% de las películas sea
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

muy delgado?

25. Cierto tipo de pieza para automóvil tiene un promedio de duración de 3 años con una desviación
estándar de 0.5 años. Suponga que la duración de las piezas está distribuida normalmente, encuentre
la probabilidad de queuna pieza determinada tenga un tiempo de duración de más de 3.5 años.
𝑁(3, 0.5)
𝑥−𝜇 3.5−3
𝑧= 𝜎
= 0.5
= 0.5 → 0.6915
Sin embargo 0.6915 es el área de x a la izquierda, necesitamos la parte derecha entonces por simetría 0.5 =
−0.5, entonces el área es 0.3085

26. La vida útil de una marca de bombillas sigue una distribución normal de media 1.200 horas y
desviacióntípica 250 horas.
a) ¿Qué proporción de bombillas tiene un tiempo de vida inferior a 1050 horas?
𝑁(1200, 250)
𝑥 − 𝜇 1050 − 1200
𝑧= = = −0.6 → 0.2743
𝜎 250

b) ¿Qué proporción de bombillas tiene un tiempo de vida superior a 1350 horas?

𝑁(1200, 250)
𝑥 − 𝜇 1350 − 1200
𝑧= = = 0.6 → 0.7257
𝜎 250

c) ¿Qué proporción de bombillas tiene un tiempo de vida entre 1050 y 1350 horas?
𝑁(450, 20)
𝑥−𝜇 1050−1200
𝑧1 = = = −0.6 → 0.2743
𝜎 250
𝑥 − 𝜇 1350 − 1200
𝑧2 = = = 0.6 → 0.7257
𝜎 250
0.7257 − 0.2743 = 0.4514
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

27. El acero que se utiliza para tuberías de agua a menudo se recubre internamente con un mortero de
cementopara evitar la corrosión. En un estudio de recubrimientos de mortero se especificó un espesor
de 7/16 de pulgada para el mortero. Un gran número de mediciones para el espesor dieron una media de
0.635 pulgadas yuna desviación estándar de 0.082 . Si las mediciones del espesor tenían una
distribución normal ¿qué porcentaje fue inferior a 7/16 de pulgada?
𝑁(0635, 0.082)
𝑥−𝜇 7/16−0.635
𝑧= = = −2.40 → 0.0082 → 0.82%
𝜎 0.082

28. Tras una prueba de cultura general se observa que las puntuaciones obtenidas siguen una
distribución una distribución N(65, 18). Se desea clasificar a los examinados en tres grupos (de baja
cultura general, de cultura general aceptable, de excelente cultura general) de modo que hay en el
primero un 20% la población, un 65% el segundo y un 15% en el tercero. ¿Cuáles han de ser las
puntuaciones que marcan el paso de un grupo al otro?
𝜎 = 18 𝜇 = 65
Primer grupo:
Convertimos el porcentaje a probabilidad: 20% = 0.20

Buscamos en la tabla de distribuciones el valor más cercano de 0.20 y

vemos que es 𝑧 = −0.84
𝑥 = 𝜎𝑧 + 𝜇 = 18 ∗ −0.84 + 65 = 49.88

Segundo grupo:
Convertimos el porcentaje a probabilidad: 65% = 0.65
Buscamos en la tabla de distribuciones el valor más cercano de 0.65 y
vemos que es 𝑧 = 0.39
𝑥 = 𝜎𝑧 + 𝜇 = 18 ∗ 0.39 + 65 = 72.02

Tercer grupo:
Convertimos el porcentaje a probabilidad: 15% = 0.15
Buscamos en la tabla de distribuciones el valor más cercano de 0.15 y
vemos que es 𝑧 = −1.3
𝑥 = 𝜎𝑧 + 𝜇 = 18 ∗ −1.3 + 65 = 41.6

29. Varias pruebas de inteligencia dieron una puntuación que sigue una ley normal con media 100 y
desviacióntípica 15.
a) Determinar el porcentaje de población que obtendría un coeficiente entre 95 y 110.
𝑁(100, 15)
𝑥−𝜇 95−100
𝑧1 = = = −0.33 → 0.3707
𝜎 15
𝑥 − 𝜇 110 − 100
𝑧2 = = = 0.66 → 0.7454
𝜎 15
0.7454 − 0.3707 = 0.3747 = 37.47%
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

b) ¿Qué intervalo centrado en 100 contiene al 50% de la población?

𝜎 = 100 𝜇 = 65
Convertimos el porcentaje a probabilidad: 50% = 0.50
Buscamos en la tabla de distribuciones el valor más
cercano de 0.50 y vemos que es 𝑧 = 0.0
𝑥 = 𝜎𝑧 + 𝜇 = 100 ∗ 0.0 + 65 = 65

c) En una población de 2500 individuos ¿cuántos individuos se esperan que tengan un coeficiente superior a
125?
𝑁(100, 15)
𝑥−𝜇 125−100
𝑧= = = 1.66 → 0.9515
𝜎 15
Sin embargo 0.9515 es el área de x a la
izquierda, necesitamos la parte derecha entonces
por simetría 1.66 = −1.66, entonces el área es
0.0485

30. El tiempo medio en realizar una misma tarea por parte de los empleados de una empresa se
distribuyesegún una distribución normal, con media de 5 días y desviación típica 1 día. Calcular el
porcentaje de empleados que realizan la tarea en un tiempo inferior a 7 días.

𝑁(5, 1)
𝑥−𝜇 7−5
𝑧= = = 2 → 0.9772
𝜎 1

31. La vida media de una lámpara, según el fabricante, es de 68 meses, con una desviación típica de 5. Se
supone que se distribuye según una distribución normal En un lote de 10.000 lámparas.
a) ¿Cuántas lámparassuperarán previsiblemente los 75 meses?
𝑁(68, 5)
𝑥−𝜇 75−68
𝑧= = = 1.4 → 0.9192
𝜎 5
Sin embargo 0.9192 es el área de x a la
izquierda, necesitamos la parte derecha entonces
por simetría 1.4 = −1.4, entonces el área es
0.0808→ 8.08

b) ¿Cuántas lámparas se estropearán antes de 60 meses?

𝑁(68, 5)
𝑥−𝜇 60−68
𝑧= = = −1.6 → 0.0548 → 5.48
𝜎 5
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

Aproximación de la Binomial usando la Normal

32. Investigadores de la George Washington University y el National Institute of Hearst reportan que
aproximadamente 80% de las personas creen que “los tranquilizantes funcionan muy bien para que una
personaesté más tranquila y relajada”. De las siguientes 80 personas entrevistadas, ¿cuál es la
probabilidad de que

a) ¿Al menos 50 sean de la misma opinión?

𝐵(𝑛, 𝑝) = (80, 0.8)
𝜇 = 𝑛𝑝 = 80 ∗ 0.8 = 64
𝜎 = √𝑛𝑝𝑞 = √80 ∗ 0.8 ∗ 0.2 = √12.8
(𝑥 ± 0.5) − 𝑛𝑝 (50 − 0.5) − 64
𝑍= = = −4.05 → 0.99999
√𝑛𝑝𝑞 √12.8

b) ¿Más de 56 sean de la misma opinión?

𝐵(𝑛, 𝑝) = (80, 0.8)
𝜇 = 𝑛𝑝 = 80 ∗ 0.8 = 64
𝜎 = √𝑛𝑝𝑞 = √80 ∗ 0.8 ∗ 0.2 = √12.8
(𝑥 ± 0.5) − 𝑛𝑝 (56 − 0.5) − 64
𝑍= = = −2.37 → 0.0089
√𝑛𝑝𝑞 √12.8

Sin embargo 0.0089 es el área de x a la izquierda, necesitamos la parte derecha entonces por simetría −2.37 =
2.37, entonces el área es 0.9911

33. ¿Qué tan bien un título universitario en ingeniería prepara a los estudiantes para el trabajo? Una
encuestade dos años a nivel nacional de ingenieros y gerentes de ingeniería estadounidense en
industrias “específicasde alta demanda” reveló que sólo 34% cree que sus compañías aprovechan
bien los conocimientos y habilidades que adquirieron. En una muestra aleatoria de 50 ingenieros y
gerentes en ingeniería, considere elnúmero X de los que creen que su empleador aprovecha bien sus
antecedentes universitarios en ingeniería. Calcule la probabilidad aproximada de que:
a) P (X ≤ 10)
𝐵(𝑛, 𝑝) = (50, 0.34)
𝜇 = 𝑛𝑝 = 50 ∗ 0.34 = 17
𝜎 = √𝑛𝑝𝑞 = √50 ∗ 0.34 ∗ 0.66 = √11.22
(𝑥 ± 0.5) − 𝑛𝑝 (10 + 0.5) − 17
𝑍= = = −1.94 → 0.0262
√𝑛𝑝𝑞 √11.22

b) P (X ≥ 25)
(𝑥 ± 0.5) − 𝑛𝑝 (25 − 0.5) − 17
𝑍= = = 2.23 → 0.9901
√𝑛𝑝𝑞 √11.22
Sin embargo 0.9911 es el área de x a la izquierda, necesitamos la parte derecha entonces por simetría 2.33 =
−2.33, entonces el área es 0.0099
Probabilidad y Estadística
Mtra. Myriam V. Morales G.

c) P( 20 ≤ X ≤ 30 )

(𝑥 ± 0.5) − 𝑛𝑝 (20 − 0.5) − 17

𝑍1 = = = 0.74 → 0.7704
√𝑛𝑝𝑞 √11.22
(𝑥 ± 0.5) − 𝑛𝑝 (30 + 0.5) − 17
𝑍2 = = = 4.03 → 0.99999
√𝑛𝑝𝑞 √11.22
0.9999 − 0.7704 = 0.229