Estadística I

División Stimolo

Modelos especiales de probabilidad – Parte 1

Modelo Bipuntual y Modelo Binomial

Una encuesta reciente reveló que el 40% de los/as graduados/as en Ciencias Económicas elige trabajar en el
sector público.
A) Si se selecciona 1 graduado/a al azar:
a) Determine la distribución de probabilidad (asigne 1 a “elige trabajar en el sector público” y 0 a “no elige
trabajar en el sector público”).
Ω 𝒚𝒊 𝒑(𝒚𝒊 )
𝑭: 𝒏𝒐 𝒕𝒓𝒂𝒃𝒂𝒋𝒂 𝒆𝒏 𝒆𝒍 𝒔𝒆𝒄𝒕𝒐𝒓 𝒑ú𝒃𝒍𝒊𝒄𝒐 𝟎 𝒒 = 𝟏 − 𝒑 = 𝟏 − 𝟎, 𝟒𝟎 = 𝟎, 𝟔𝟎
𝑬: 𝒕𝒓𝒂𝒃𝒂𝒋𝒂 𝒆𝒏 𝒆𝒍 𝒔𝒆𝒄𝒕𝒐𝒓 𝒑ú𝒃𝒍𝒊𝒄𝒐 𝟏 𝒑 = 𝟎, 𝟒𝟎

𝒀: 𝟎, 𝟏
𝒚𝟏 = 𝒏𝒐 𝒕𝒓𝒂𝒃𝒂𝒋𝒂 𝒆𝒏 𝒆𝒍 𝒔𝒆𝒄𝒕𝒐𝒓 𝒑ú𝒃𝒍𝒊𝒄𝒐
𝒚𝟐 = 𝒕𝒓𝒂𝒃𝒂𝒋𝒂 𝒆𝒏 𝒆𝒍 𝒔𝒆𝒄𝒕𝒐𝒓 𝒑ú𝒃𝒍𝒊𝒄𝒐

b) Determine la función de cuantía y la función de distribución del modelo.

Función de Cuantía
𝑦 1−𝑦
𝑃(𝑦) = {0,40 (1 − 0,40) 𝑦 = 0,1
0 ∀ 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟

Función de Distribución
(1 − 0,40) 𝑦=0
𝐹(𝑦) = {
0,40 𝑦=1

c) Calcule esperanza, varianza, desviación estándar y coeficiente de variación de la variable bajo estudio.

𝐸(𝑌) = 𝑝 = 0,40
𝑉(𝑌) = 𝑝. 𝑞 = 0,40. (1 − 0,40) = 0,24
𝐷𝑆(𝑌) = √𝑝. 𝑞 = √0,40. (1 − 0,40) = 0,4899

𝐷𝑆(𝑌) √0,40. (1 − 0,40)

𝐶𝑉(𝑌) = = = 1,2247 = 122,47%
𝐸(𝑌) 0,40

1
 Estadística I
División Stimolo

B) Suponga ahora que se selecciona una muestra (con reemplazo) de 15 graduados/as:

A continuación se presenta la distribución de probabilidad puntual de la cantidad de egresados/as en Ciencias
Económicas que eligen trabajar en el sector público en una muestra de tamaño 15.
X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
P(X=x) 0,0005 0,0047 0,0219 0,0634 0,1268 0,1859 0,2066 0,1771 0,1181 0,0612 0,0245 0,0074 0,0016 0,0003 0,0000 0,0000

a) Defina la variable e indique los valores que puede asumir, el/los parámetro/s y la función de cuantía.

𝑋: número de egresados/as en Ciencias Económicas que eligen trabajar en el sector público en una muestra (con
reemplazo) de tamaño 15.
𝑿: 0, 1, 2 , … , 15
𝑿~𝐵(𝑛 = 15, 𝑝 = 0,40)
𝑥 𝑥 15−𝑥 𝑥 = 0,1,2, . . . ,15
𝑃(𝑿 = 𝑥, 𝑛 = 15, 𝑝 = 0,40) = {𝐶15 0,40 0,60
0 ∀ 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟

b) ¿Cuál es la probabilidad de que 5 trabajen en el sector público?

5
𝑃(𝑿 = 5, 𝑛 = 15, 𝑝 = 0,40) = 𝐶15 0,405 0,6015−5 = 0,1859
X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
P(X=x) 0,0005 0,0047 0,0219 0,0634 0,1268 0,1859 0,2066 0,1771 0,1181 0,0612 0,0245 0,0074 0,0016 0,0003 0,0000 0,0000

c) ¿Cuál es la probabilidad de que más 3 trabajen en el sector público?

𝑃(𝑿 > 3, 𝑛 = 15, 𝑝 = 0,40) = 𝑃(𝑿 ≥ 4, 𝑛 = 15, 𝑝 = 0,40)
15
𝑥
= ∑ 𝐶15 0,40𝑥 0,6015−𝑥 = 1 − 𝑃(𝑿 ≤ 3) = 0,9095
𝑥=4

X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
P(X=x) 0,0005 0,0047 0,0219 0,0634 0,1268 0,1859 0,2066 0,1771 0,1181 0,0612 0,0245 0,0074 0,0016 0,0003 0,0000 0,0000

2
 Estadística I
División Stimolo

d) ¿Cuál es la probabilidad de que entre 5 y 7 (ambos inclusive) trabajen en el sector público?

7
𝑥
𝑃(5 ≤ 𝑿 ≤ 7, 𝑛 = 15, 𝑝 = 0,40) = ∑ 𝐶15 0,40𝑥 0,6015−𝑥 = 0,5696
𝑥=5

𝑃(5 ≤ 𝑿 ≤ 7, 𝑛 = 15, 𝑝 = 0,40) = 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 7) = 𝑃(𝑿 ≤ 7) − 𝑃(𝑿 ≤ 4) = 0,5696

X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
P(X=x) 0,0005 0,0047 0,0219 0,0634 0,1268 0,1859 0,2066 0,1771 0,1181 0,0612 0,0245 0,0074 0,0016 0,0003 0,0000 0,0000

e) ¿Cuál es la probabilidad de que cuanto mucho 8 NO trabajen en el sector público?

𝑌: número de egresados/as en Ciencias Económicas que eligen NO trabajar en el sector público en una
muestra (con reemplazo) de tamaño 15
𝑌: 0, 1, 2 , … , 15
𝑌~𝐵(𝑛 = 15, 𝑝 = 0,60)
𝑦
𝐶15 0,60𝑦 0,4015−𝑦 𝑦 = 0,1,2, . . . ,15
𝑃(𝑌 = 𝑦, 𝑛 = 15, 𝑝 = 0,60) = {
0 ∀ 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟

8
𝑦
𝑃(𝒀 ≤ 8, 𝑛 = 15, 𝑝 = 0,60) = ∑ 𝐶15 0,60𝑦 0,4015−𝑦 = 0,3902
𝑦=0

𝑥 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

𝑛−𝑥 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0

3
 Estadística I
División Stimolo

𝒀 ≤ 𝟖 ; 𝑑𝑜𝑛𝑑𝑒 𝑌 = 𝑛 − 𝑋
𝑛−𝑋 ≤ 8
15 − 𝑋 ≤ 8
−𝑋 ≤ 8 − 15
−𝑋 ≤ −7
𝑿≥𝟕

Entonces,
𝑃(𝒀 ≤ 8, 𝑛 = 15, 𝑝 = 0,60) = 𝑃(𝑿 ≥ 7, 𝑛 = 15, 𝑝 = 0,40)

15
𝑥
𝑃(𝑿 ≥ 7, 𝑛 = 15, 𝑝 = 0,40) = ∑ 𝐶15 0,40𝑥 0,6015−𝑥 = 1 − 𝑃(𝑿 ≤ 6) = 0,3902
𝑥=7

X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
P(X=x) 0,0005 0,0047 0,0219 0,0634 0,1268 0,1859 0,2066 0,1771 0,1181 0,0612 0,0245 0,0074 0,0016 0,0003 0,0000 0,0000

f) ¿Cuál es la probabilidad de que menos 3 o más de 8 NO trabajen en el sector público?

𝑃(𝒀 < 3 𝑜 𝒀 > 8, 𝑛 = 15, 𝑝 = 0,60) = 𝑃(𝒀 ≤ 2 𝑜 𝒀 ≥ 9, 𝑛 = 15, 𝑝 = 0,60)

2 15
𝑦 𝑦
𝑃(𝒀 ≤ 2 𝑜 𝒀 ≥ 9, 𝑛 = 15, 𝑝 = 0,60) = ∑ 𝐶15 0,60𝑦 0,4015−𝑦 + ∑ 𝐶15 0,60𝑦 0,4015−𝑦 = 0,6101
𝑦=0 𝑦=9

𝑃(𝒀 ≤ 2 𝑜 𝒀 ≥ 9, 𝑛 = 15, 𝑝 = 0,60) = 𝑃(𝒀 ≤ 2) + (1 − 𝑃(𝒀 ≤ 8)) = 0,6101

𝑥 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

𝑛−𝑥 15 14 13 12 11 10 9 8 7 6 5 4 3 2 1 0

4
 Estadística I
División Stimolo

𝒀 ≤ 𝟐 ; 𝑑𝑜𝑛𝑑𝑒 𝑌 = 𝑛 − 𝑋 𝒀 ≥ 𝟗 ; 𝑑𝑜𝑛𝑑𝑒 𝑌 = 𝑛 − 𝑋
𝑛−𝑋 ≤ 2 𝑛−𝑋 ≥ 9
15 − 𝑋 ≤ 2 15 − 𝑋 ≥ 9
−𝑋 ≤ 2 − 15 −𝑋 ≥ 9 − 15
−𝑋 ≤ −13 −𝑋 ≥ −6
𝑿 ≥ 𝟏𝟑 𝑿≤𝟔

Entonces,
𝑃(𝒀 ≤ 2 𝑜 𝒀 ≥ 9, 𝑛 = 15, 𝑝 = 0,60) = 𝑃(𝑿 ≤ 6 𝑜 𝑿 ≥ 13, 𝑛 = 15, 𝑝 = 0,40)

6 15
𝑥 𝑥
𝑃(𝑿 ≤ 6 𝑜 𝑿 ≥ 13, 𝑛 = 15, 𝑝 = 0,40) = ∑ 𝐶15 0,40𝑥 0,6015−𝑥 + ∑ 𝐶15 0,40𝑥 0,6015−𝑥 = 0,6101
𝑥=0 𝑥=13

𝑃(𝑿 ≤ 6 𝑜 𝑿 ≥ 13, 𝑛 = 15, 𝑝 = 0,40) = 𝑃(𝑿 ≤ 6) + (1 − 𝑃(𝑿 ≤ 12)) = 0,6101

X 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15
P(X=x) 0,0005 0,0047 0,0219 0,0634 0,1268 0,1859 0,2066 0,1771 0,1181 0,0612 0,0245 0,0074 0,0016 0,0003 0,0000 0,0000

g) ¿Cuántos graduados/as esperaría que trabajen en el sector público y cuántos esperaría que NO lo hagan?

𝐸(𝑿) = 𝑛. 𝑝 = 15 . 0,40 = 6 graduados/as que trabajan en el sector público

𝐸(𝒀) = 𝑛. 𝑝 = 15 . 0,60 = 9 graduados/as que no trabajan en el sector público

h) Calcule la varianza de las siguientes variables: “cantidad de graduados/as que NO trabajan en el sector
público” y “cantidad de graduados/as que trabajan en el sector público”.

𝑉(𝑿) = 𝑛. 𝑝. (1 − 𝑝) = 15 . 0,40 . (1 − 0,40) = 3,6 graduados/as que trabajan en el sector público2

𝑉(𝒀) = 𝑛. 𝑝. (1 − 𝑝) = 15 . 0,60. (1 − 0,60) = 3,6 graduados/as que no trabajan en el sector público2

5
Estadística I
División Stimolo

Modelo Hipergeométrico
Una población consta de 10 artículos, 6 de los cuales se encuentran defectuosos. En una muestra sin reemplazo
(sin reposición) de 3 elementos:

a) Defina la variable e indique los valores que puede asumir, el/los parámetro/s y la función de cuantía.

𝑿: 𝑐𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑎𝑟𝑡í𝑐𝑢𝑙𝑜𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠, 𝑒𝑛 3 𝑝𝑟𝑢𝑒𝑏𝑎𝑠 𝑠𝑖𝑛 𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑜

𝑁: 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛

𝐾: 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑞𝑢𝑒 𝑝𝑒𝑟𝑡𝑒𝑛𝑒𝑐𝑒𝑛 𝑎𝑙 𝑔𝑟𝑢𝑝𝑜 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑑𝑜 é𝑥𝑖𝑡𝑜

𝑁 − 𝐾: 𝑒𝑙𝑒𝑚𝑒𝑛𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 𝑞𝑢𝑒 𝑝𝑒𝑟𝑡𝑒𝑛𝑒𝑐𝑒𝑛 𝑎𝑙 𝑔𝑟𝑢𝑝𝑜 𝑐𝑜𝑛𝑠𝑖𝑑𝑒𝑟𝑎𝑑𝑜 𝑓𝑟𝑎𝑐𝑎𝑠𝑜

𝑛: 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑠𝑖𝑛 𝑟𝑒𝑒𝑚𝑝𝑙𝑎𝑧𝑜

𝑋: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑛𝑡𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

𝑛 − 𝑋: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑓𝑟𝑎𝑐𝑎𝑠𝑜𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑎𝑛𝑡𝑒𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎

𝑃𝑎𝑟á𝑚𝑒𝑡𝑟𝑜𝑠:

𝑿 ∼ 𝐻 (𝑛 = 3, 𝐾 = 6, 𝑁 = 10)

Función de Cuantía:

𝐶𝐾𝑥 𝐶𝑁−𝐾
𝑛−𝑥
𝑝𝑎𝑟𝑎 max {0, 𝑛 − (𝑁 − 𝐾)} ≤ 𝑥 ≤ min (𝑛, 𝐾)
𝐶𝑁𝑛

𝑃(𝑋 = 𝑥) =

0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟

𝑀𝑎𝑥 {0, 3 – (10 – 6)} = 𝑀𝑎𝑥 {0, −1} = 0 y 𝑀𝑖𝑛 (3, 6) = 3

𝐶6𝑥 𝐶43−𝑥
3 𝑝𝑎𝑟𝑎 0 ≤ 𝑥 ≤ 3
𝐶10

𝑃(𝑋 = 𝑥) =

0 𝑝𝑎𝑟𝑎 𝑡𝑜𝑑𝑜 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟

6
Estadística I
División Stimolo

b) ¿Cuál es la probabilidad de que exactamente 2 sean defectuosos?

𝑃(𝑋 = 2, 𝑛 = 3, 𝐾 = 6, 𝑁 = 10)
𝐶62 𝐶41
= 3
𝐶10

7
Estadística I
División Stimolo

c) Calcule esperanza y coeficiente de variación.

K 6
E(X) = n =3∗ = 1,8 artículos defectuosos
N 10

K N−K N−n 6 4 7
V(X) = n ( ) = 3∗ ∗ ∗ = 0,56 artículos defectuosos 2
N N N−1 10 10 9

𝐷𝑆(𝑋) = √0,56 = 0,7483 artículos defectuosos

0,7483
𝐶𝑉(𝑋) = = 0,4157
1,8

8
Estadística I
División Stimolo

Modelo Poisson

A continuación se presenta la distribución de probabilidad acumulada 𝑭(𝒙) = 𝑷(𝑿 ≤ 𝒙) de la variable bajo

estudio:

X 0 1 2 3 4 5 6 7 8 9 10
λ = 10 F(x) 0,0000 0,0005 0,0028 0,0103 0,0293 0,0671 0,1301 0,2202 0,3328 0,4579 0,5830

λ=4 F(x) 0,0183 0,0916 0,2381 0,4335 0,6288 0,7851 0,8893 0,9489 0,9786 0,9919 0,9972

λ = 20 F(x) 0,0000 0,0000 0,0000 0,0000 0,0000 0,0001 0,0003 0,0008 0,0021 0,0050 0,0108

a') Defina la variable e indique los valores que puede asumir, el/los parámetro/s y la función de cuantía.

𝑋: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑢𝑡𝑜𝑚ó𝑣𝑖𝑙𝑒𝑠 𝑞𝑢𝑒 𝑎𝑟𝑟𝑖𝑏𝑎𝑛 𝑎 𝑐𝑖𝑒𝑟𝑡𝑎 𝑒𝑠𝑡𝑎𝑐𝑖ó𝑛 𝑐𝑎𝑑𝑎 𝑢𝑛𝑎 ℎ𝑜𝑟𝑎

𝑋 = 0, 1, 2, …

𝑋 ∼ 𝑃 (𝜆 = 240 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎)

Función de Cuantía:

𝑒−240240𝑥
𝑃(𝑋 = 𝑥) = { 𝑥 = 0,1,2, . . .
𝑥!
0 ∀ 𝑜𝑡𝑟𝑜 𝑣𝑎𝑙𝑜𝑟

a) 4 autos en 1 minuto

1 hora = 60 minutos 𝜆 = 240 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎

1 minuto 𝜆’ = 1 ∗ 240/60 = 4 𝑝𝑜𝑟 𝑚𝑖𝑛𝑢𝑡𝑜

𝑒 −4 44
𝑃 (𝑋 = 4, λ′ = 4) = = 0,1954
4!

9
Estadística I
División Stimolo

𝑃 (𝑋 = 4, λ′ = 4) = 𝐹 (4) − 𝐹 (3) = 0,6288 − 0,4335 = 0,1953

b) Ningún auto en 1 minuto

𝑒 −4 40
𝑃 (𝑋 = 0, λ′ = 4) = = 0,0183
0!
𝑃 (𝑋 = 0, λ′ = 4) = 𝐹(0) = 0,0183

c) No más de 7 autos en 5 minutos

1 hora = 60 minutos 𝜆 = 240 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎

5 minutos 𝜆’’ = 5 ∗ 240/60 = 20 𝑐𝑎𝑑𝑎 5 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

7
′′
𝑒 −20 20𝑥
𝑃 (𝑋 ≤ 7, λ = 20) = ∑ = 0,0008
𝑥!
𝑥=0

𝑃(𝑋 ≤ 7, λ′′ = 20) = 𝐹(7) = 0,0008

10
Estadística I
División Stimolo

d) Entre 3 y 8 autos (ambos inclusive) en 1 minuto

𝜆’ = 4 𝑝𝑜𝑟 𝑚𝑖𝑛𝑢𝑡𝑜
8
𝑒 −4 4𝑥
𝑃(3 ≤ 𝑋 ≤ 8, λ′ = 4) = ∑
𝑥!
𝑥=3

𝑃(3 ≤ 𝑋 ≤ 8, λ′ = 4) = 𝐹 (8) − 𝐹(2)

= 0,9786 − 0,2381

= 0,7405

e) Entre 5 y 10 autos (ambos inclusive) en 5 minutos

𝜆’’ = 20 𝑐𝑎𝑑𝑎 5 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

10
𝑒 −20 20𝑥
𝑃(5 ≤ 𝑋 ≤ 10, λ′′ = 20) = ∑
𝑥!
𝑥=5

𝑃 (5 ≤ 𝑋 ≤ 10, λ′′ = 20) = 𝐹 (10) − 𝐹(4)

= 0,0108 − 0,0000

= 0,0108

11
Estadística I
División Stimolo

f) Teniendo en cuenta que desde las 8 am hasta las 10 am arribaron 100 autos, ¿cuál es la probabilidad de que
pasen cuanto mucho 10 autos más en los próximos 5 minutos?

𝜆’’ = 20 𝑐𝑎𝑑𝑎 5 𝑚𝑖𝑛𝑢𝑡𝑜𝑠

10
𝑒 −20 20𝑥
𝑃(𝑋 ≤ 10, λ′′ = 20) = ∑
𝑥!
𝑥=0

𝑃(𝑋 ≤ 10, λ′′ = 20) = 𝐹 (10) = 0,0108

g) Calcule esperanza y varianza para la variable “número de automóviles que arriban a cierta estación cada hora”.

𝑬(𝑿) = 𝝀 𝑽(𝑿) = 𝝀

𝑬(𝑿) = 𝟐𝟒𝟎 𝒂𝒖𝒕𝒐𝒎ó𝒗𝒊𝒍𝒆𝒔 𝒒𝒖𝒆 𝒂𝒓𝒓𝒊𝒃𝒂𝒏 𝒄𝒂𝒅𝒂 𝒉𝒐𝒓𝒂 𝑽(𝑿) = 𝟐𝟒𝟎 𝒂𝒖𝒕𝒐𝒎ó𝒗𝒊𝒍𝒆𝒔 𝒒𝒖𝒆 𝒂𝒓𝒓𝒊𝒃𝒂𝒏 𝒄𝒂𝒅𝒂 𝒉𝒐𝒓𝒂𝟐

12