Ingeniería Industrial

Estadística Inferencial

Actividad 4

Taller Distribuciones Binomial, Poisson y normal

Daniela Bedoya

1. Suponga que una empresa petrolera sostiene que, en los procesos de exploración y explotación, la
probabilidad de que un pozo sea productivo es del 32%. Se establece que se va a la iniciar explotación
en 8 pozos. Cuál es la probabilidad de que:

a. Todos sean productivos.

8 8−8
P ( X=8 )=C ( 8 ,8 )∗0.32 ∗( 1−0.32 )
8 0
P ( X=8 )=1∗0.32 ∗0.68

P ( X=8 )=0.328
P ( X=8 ) ≈ 0.0001
La probabilidad de que todos los pozos sean productivos es aproximadamente 0.0001, o
aproximadamente 0.01%.

b. Exactamente 3 no sean productivos.

P ( X=3 )=C ( 8,3 )∗0.683∗( 1−0.68 )( 8−3)

8! 3 8−3
P ( X=3 )= ⋅0.68 (1−0.68 )
3! ( 8−3 ) !
P ( X=3 ) ≈ 56 ⋅ 0.314432 ⋅ 0.0033554432
P ( X=3 ) ≈ 0.0591

La probabilidad de que exactamente 3 pozos no sean productivos, con una probabilidad de éxito de
0.32, es aproximadamente 0.0591 o aproximadamente 5.91%.

c. Por lo menos dos no sean productivos.

P ( X ≥2 ) =1−P ( X <2 )
P ( X <2 )=P ( X =0 ) + P ( X =1 )

0 8−0
P ( X=0 )=C ( 8 ,0 )∗0.68 ∗( 1−0.68 )
 8
P ( X=0 )=1∗1∗0.32
P ( X=0 ) ≈ 0.0001

P ( X=1 ) =C ( 8 , 1 )∗0.681∗( 1−0.68 )8−1

P ( X=1 ) =8∗0.681∗0.327
P ( X=1 ) ≈ 0.0019

P ( X <2 )=0.0001+ 0.0019

P ( X <2 ) ≈ 0.0020

P ( X ≥2 ) =1−P ( X <2 )
P ( X ≥2 ) ≈ 1−0.0020
P ( X ≥2 ) ≈ 0.998

La probabilidad de que por lo menos dos pozos no sean productivos es aproximadamente 0.998

o aproximadamente 99.8%.

2. Un jugador de baloncesto tiene una probabilidad de 0,34 de anotar tiros desde la zona de

3 puntos. Cuál es la probabilidad de que al tirar 9 veces enceste:

a) 4 veces.

4 9−4
P ( X=4 )=C ( 9 , 4 )∗0.34 ∗( 1−0.34 )
4 5
P ( X=4 )=126∗0.34 ∗0.66
P ( X=4 ) ≈ 0.2109

La probabilidad de que el jugador anote exactamente 4 tiros de 3 puntos de 9 intentos es

aproximadamente 0.2109 o aproximadamente 21.09%.
b) todas las veces.
P ( X=9 )=C ( 9 ,9 )∗0.34 9∗( 1−0.34 )9−9
9 0
P ( X=9 )=1∗0.34 ∗0.66
P ( X=9 ) ≈ 0.0001
 La probabilidad de que el jugador anote todos los tiros de 3 puntos en los 9 intentos es
aproximadamente 0.001 o aproximadamente 0.01%.
c) más de 6 veces.
P ( X >6 )=1−P ( X ≤ 6 )
P ( X ≤6 )=P ( X=0 ) + P ( X=1 ) + P ( X=2 )+ P ( X =3 ) + P ( X=4 )+ P ( X =5 ) + P ( X=6 )

Calcularemos cada término por separado y luego restaremos de 1:

P ( X=0 )=C ( 9 ,0 )∗0.34 0∗( 1−0.34 )9−0

P ( X=0 )=1∗1∗0.66 9
P ( X=0 ) ≈ 0.0238

1 9−1
P ( X=1 ) =C ( 9 , 1 )∗0.34 ∗( 1−0.34 )
P ( X=1 ) =9∗0.341∗0.668
P ( X=1 ) ≈ 0.1102

P ( X=2 )=C ( 9 , 2 )∗0.342∗( 1−0.34 )9 −2

P ( X=2 )=36∗0.342∗0.667
P ( X=2 ) ≈ 0.2270

P ( X=3 )=C ( 9 , 3 )∗0.343∗( 1−0.34 )9−3

P ( X=3 )=84∗0.34 3∗0.66 6
P ( X=3 ) ≈ 0.2729

P ( X=4 ) ≈ 0.2109 ( calculado previamente )

P ( X=5 )=C ( 9 , 5 )∗0.345∗( 1−0.34 )9−5

P ( X=5 )=126∗0.345∗0.66 4
P ( X=5 ) ≈ 0.1086

6 9 −6
P ( X=6 )=C ( 9 ,6 )∗0.34 ∗( 1−0.34 )
P ( X=6 )=84∗0.346∗0.663
P ( X=6 ) ≈ 0.0373

P ( X ≤6 )=0.0238+ 0.1102+ 0.227+0.2729+0.2109+0.1086+ 0.0373

P ( X ≤6 ) ≈ 0.9907

P ( X >6 )=1−P ( X ≤ 6 )
P ( X >6 ) ≈ 1−0.9907
 P ( X >6 ) ≈ 0.0093

Por lo tanto, la probabilidad de que anote mas de 6 veces es de 0.0093 o de 0.93%

3. El 13% de los huevos en una tienda están podridos. Halle la probabilidad de que un cliente que
compra media docena de huevos encuentre como mucho un huevo podrido.

P ( X ≤1 ) =P ( X=0 ) + P ( X =1 )

P ( X=0 )=C ( 6 ,0 )∗0.130∗( 1−0.13 )6 −0

P ( X=0 )=1∗1∗0.87 6
P ( X=0 ) ≈ 0.4336

1 6 −1
P ( X=1 ) =C ( 6 , 1 )∗0.13 ∗( 1−0.13 )
1 5
P ( X=1 ) =6∗0.13 ∗0.87
P ( X=1 ) ≈ 0.3888

P ( X ≤1 ) =0.4336+0.3888
P ( X ≤1 ) ≈ 0.8224

La probabilidad de que un cliente que compra media docena de huevos encuentre como mucho un
huevo podrido es aproximadamente 0.8224, o aproximadamente 82.24%.

4. La probabilidad de que se funda un bombillo en su transporte es del 3%. Si en un envío hay 35

bombillos, ¿cuál es la probabilidad de que al menos uno esté fundido debido a la operación de
transporte?

P ( X ≥1 ) =1−P ( X=0 )

P ( X=0 )=C ( 35 , 0 )∗0.030∗( 1−0.03 )35−0

P ( X=0 )=1∗1∗0.97 35
P ( X=0 ) ≈ 0.3444
 P ( X ≥1 ) =1 – 0.3444
P ( X ≥1 ) ≈ 0.6556

La probabilidad de que al menos uno de los 35 bombillos esté fundido debido al transporte es
aproximadamente 0.6556, o aproximadamente 65.56%.

5. La contaminación constituye un problema en la fabricación de discos de almacenamiento óptico. El

número de partículas de contaminación que ocurre en un disco óptico tiene una distribución de Poisson
y el número promedio de partículas por centímetro cuadrado de superficie del disco es 0.1. El área de un
disco bajo estudio es 100 centímetros cuadrados.

Con estos datos:

Dado que el número promedio de partículas por centímetro cuadrado de superficie del disco es 0.1 y el
área del disco bajo estudio es de 100 centímetros cuadrados, podemos calcular λ como:

λ = número promedio de partículas por centímetro cuadrado * área del disco

λ = 0.1 * 100

λ = 10

a. Encuentre la probabilidad de que ocurran 12 partículas en el área del disco bajo estudio.
−10 12
e ∗10
P ( X=12 ) =
12 !

1012
e 10
P ( X=12 ) =
12 !

1012
P ( X=12 ) =
e10 ⋅12 !

12
10
P ( X=12 ) =
479001600 e10

P( X =12)≈ 0.0948

La probabilidad de que ocurran exactamente 12 partículas en el área del disco bajo estudio es
aproximadamente 0.0948, o aproximadamente 9.48%.
b. Encuentre la probabilidad de que ocurran cero partículas en el área del disco bajo estudio.
−10 0
e ∗10
P ( X=0 )=
0!
 −10
1⋅ e
P ( X=0 )=
0!

1
P ( X=0 )=
e 10

P ( X=0 ) ≈ 0.0000453999

La probabilidad de que no ocurra ninguna partícula en el área del disco bajo estudio es
aproximadamente 0.0000453999, o aproximadamente 0.0045%.
c. Determine la probabilidad de que 12 o menos partículas ocurran en el área del disco bajo
estudio
P ( X ≤12 ) =P ( X =0 ) + P ( X =1 )+ P ( X=2 ) +…+ P ( X =12 )

Calcularemos cada término por separado y luego sumaremos:

P ( X=0 ) ≈ 0.0000453999 ( calculado previamente )

e−10∗101
P ( X=1 ) =
1!
P ( X=1 ) ≈ 0.0005

−10 2
e ∗10
P ( X=2 )=
2!
P ( X=2 ) ≈ 0.0023

−10 3
e ∗10
P ( X=3 )=
3!
P ( X=3 ) ≈ 0.0076

e−10∗104
P ( X=4 )=
4!
P ( X=4 ) ≈ 0.0189

−10
e ∗105
P ( X=5 )=
5!
P ( X=5 ) ≈ 0.0378

e−10∗106
P ( X=6 )=
6!
 P ( X=6 ) ≈ 0.0631

−10 7
e ∗10
P ( X=7 )=
7!
P ( X=7 ) ≈ 0.0901

e−10∗108
P ( X=8 )=
8!
P ( X=8 ) ≈ 0.1126

e−10∗109
P ( X=9 )=
9!
P ( X=9 ) ≈ 0.1251

−10
e ∗1010
P ( X=10 )=
10!
P ( X=10 ) ≈ 0.1251

−10 11
e ∗10
P ( X=11 ) =
11 !
P ( X=11 ) ≈ 0.1137

e−10∗1012
P ( X=12 ) =
12 !
P ( X=12 ) ≈ 0.0948

P ( X ≤12 ) =0+0.0005+0.0023+ 0.0076+0.0189+0.0378+0.0631+0.0901+0.1126 +0.1251+0.1251+0.11

P ( X ≤12 ) ≈ 0.7916

La probabilidad de que 12 o menos partículas ocurran en el área del disco bajo estudio es
aproximadamente 0.7916, o aproximadamente 79.16%.

6. De acuerdo con las estadísticas, existen 20,4 robos en cada mes. Responda:
a. ¿Cuál es la probabilidad que por lo menos dos personas hayan sido robadas en un periodo de
2 semanas?
Primero, debemos calcular el parámetro λ para el período de 2 semanas. Dado que el número
promedio de robos en un mes es 20.4, podemos calcular λ para 2 semanas dividiendo el número
promedio de robos en un mes entre 2:

mes
λ=número promedio de robos en un
2
 20.4
λ=
2
λ=10.2

P ( X ≥2 ) =1−P ( X <2 )
P ( X <2 )=P ( X =0 ) + P ( X =1 )

−10.2 0
e ∗10.2
P ( X=0 )=
0!
−10.2
1⋅ e
P ( X=0 )=
0!

P ( X=0 )=e−10.2

P( X =0) ≈ 0.00003

−10.2 1
e ∗10.2
P ( X=1 ) =
1!

−10.2
10.2 e
P ( X=1 ) =
1!

P ( X=1 ) ≈ 0.00037

P ( X <2 ) 0.00003+0.00037
P ( X <2 ) ≈ 0.0004

P ( X ≥2 ) =1−P ( X <2 )
P ( X ≥2 ) ≈ 1−0.0004
P ( X ≥2 ) ≈ 0.9996

La probabilidad de que por lo menos dos personas hayan sido robadas en un período de 2
semanas es aproximadamente 0.9996, o aproximadamente 99.96%.

b. ¿Cuál es la probabilidad de que ninguna persona haya sido robada en una semana?

mes
λ=número promedio de robos en un de semanas en un mes
número
20.4
λ=
4
λ=5.1
 −5.1 0
e ∗5.1
P ( X=0 )=
0!
−5.1
1⋅ e
P ( X=0 )=
0!

P ( X=0 )=e−5.1

P ( X=0 ) ≈ 0.00609

La probabilidad de que ninguna persona haya sido robada en una semana es aproximadamente
0.00609, o aproximadamente 0.609%.

7. Los pesos de 1500 soldados presentan una distribución normal de media 68 kg y desviación
típica 7 kg. Calcule la probabilidad de que un soldado elegido al azar pese:
a) Más de 61 kg.
valor observado −media
Z=
desviación estándar

61−68
Z=
7

Z ≈−1.00

Usando la tabla de la distribución normal estándar o una calculadora, podemos encontrar la

probabilidad correspondiente a Z = -1.00, que es P(Z > -1.00). Esta probabilidad es
aproximadamente 0.8413.

Por lo tanto, la probabilidad de que un soldado elegido al azar pese más de 61 kg es

aproximadamente 0.8413 o 84.13%.

b) Entre 63 y 69 kg.
63−68
Z 1=
7
Z 1 ≈−0.7143

69−68
Z 2=
7
Z 2 ≈ 0.1429
 P (−0.7143< Z< 0.1429 )

¿ P (−0.7143 ≤ Z ≤ 0 ) + P ( 0 ≤ Z ≤ 0.1429 )

¿ P (−0.7143 ≤ Z ≤ 0 ) + P ( 0 ≤ Z ≤ 0.1429 )

Usando la tabla tenemos que

¿ 0.2611+0.0557

¿ 0.3168

Por lo tanto, la probabilidad de que un soldado elegido al azar pese entre 63 y 69 kg es

aproximadamente 0.3168 o 31.68%.

c) Menos de 70 kg.
70−68
Z=
7
Z ≈ 0.2857

Usando la tabla de la distribución normal estándar o una calculadora, podemos encontrar la

probabilidad correspondiente a Z = 0.2857, que es P(Z < 0.2857). Esta probabilidad es
aproximadamente 0.6103.

Por lo tanto, la probabilidad de que un soldado elegido al azar pese menos de 70 kg es

aproximadamente 0.6103 o 61.03%.

d) Más de 75 kg.

75−68
Z=
7
Z ≈ 1.00

Usando la tabla de la distribución normal estándar o una calculadora, podemos encontrar la

probabilidad correspondiente a Z = 1.00, que es P(Z > 1.00). Esta probabilidad es
aproximadamente 0.1587.

Por lo tanto, la probabilidad de que un soldado elegido al azar pese más de 75 kg es

aproximadamente 0.1587 o 15.87%.

8. La temperatura durante septiembre está distribuida normalmente con media 19,7ºC y

desviación standard 5ºC. Calcule la probabilidad de que la temperatura durante septiembre esté
por debajo de 20ºC y la probabilidad que la temperatura este entre 19°C y 21°C.
a) Para calcular la probabilidad de que la temperatura durante septiembre esté por debajo de 20
ºC, debemos calcular el área bajo la curva normal a la izquierda de 20 ºC.

valor observado −media

Z= estándar
desviación

20−19.7
Z=
5

Z=0.06

Usando la tabla de la distribución normal estándar o una calculadora, podemos encontrar la

probabilidad correspondiente a Z = 0.06, que es P(Z < 0.06). Esta probabilidad es
aproximadamente 0.5239.

Por lo tanto, la probabilidad de que la temperatura durante septiembre esté por debajo de 20
ºC es aproximadamente 0.5239 o 52.39%.

b) Para calcular la probabilidad de que la temperatura durante septiembre esté entre 19 ºC y 21

ºC, debemos calcular el área bajo la curva normal entre estos dos valores.

19−19.7
Z 1=
5
Z 1=−0.14

21−19.7
Z 2=
5
Z 2=0.26

P(−0.14 < Z< 0.26)

¿ P (−0.14 ≤ Z ≤0 )+ P ( 0 ≤ Z ≤ 0.26 )

¿ P ( 0 ≤ Z ≤ 0.14 )+ P ( 0 ≤ Z ≤ 0.26 )

Usando la tabla tenemos:

¿ 0.0557+ 0.1026

¿ 0.1583

Por lo tanto, la probabilidad de que la temperatura durante septiembre esté entre 19 ºC y 21 ºC

es aproximadamente 0.1583 o 15.83%.
9. Si X es una variable aleatoria de una distribución normal con media μ y desviación estándar σ,
calcule la probabilidad P(μ - 3σ < X < μ + 3σ).

Se tiene la propiedad de la distribución normal conocida como la regla empírica o la regla 68-95-
99.7.

Según esta regla, en una distribución normal:

Aproximadamente el 68% de los datos se encuentran dentro de una desviación estándar de la

media (μ ± σ).
Aproximadamente el 95% de los datos se encuentran dentro de dos desviaciones estándar de la
media (μ ± 2σ).
Aproximadamente el 99.7% de los datos se encuentran dentro de tres desviaciones estándar de
la media (μ ± 3σ).

Estas proporciones se basan en la forma simétrica y conocida de la distribución normal, también

conocida como la campana de Gauss.

La probabilidad de P( μ−3 σ < X < μ+ 3 σ )≈ 0.997 es una estimación basada en esta regla
empírica.

10. La cantidad de productos no conformes de una compañía está distribuida normalmente con
media 8 y desviación standard 2.5. Calcule la probabilidad que la cantidad de productos no
conformes sea.
d. Mayor que 4.
valor observado −media
Z=
desviación estándar

4−8
Z=
2.5

Z=−1.6

Usando la tabla de la distribución normal estándar o una calculadora, podemos encontrar la

probabilidad correspondiente a Z = -1.6, que es P(Z > -1.6). Esta probabilidad es
aproximadamente 0.9452.

Por lo tanto, la probabilidad de que la cantidad de productos no conformes sea mayor que 4 es
aproximadamente 0.9452 o 94.52%.

e. Entre 4 y 6
 4−8
Z 1=
2.5

Z 1=−1.6

6−8
Z 2=
2.5

Z 2=−0.8

Usando la tabla de la distribución normal estándar o una calculadora, podemos encontrar las
probabilidades correspondientes a Z = -1.6 y Z = -0.8. La probabilidad de Z < -1.6 es
aproximadamente 0.0548 y la probabilidad de Z < -0.8 es aproximadamente 0.2119.

La probabilidad de que la cantidad de productos no conformes esté entre 4 y 6 es

P(−1.6< Z <−0.8), que es la diferencia entre estas dos probabilidades:

P (−1.6< Z<−0.8 ) ≈ 0.2119−0.0548 ≈ 0.1571

Por lo tanto, la probabilidad de que la cantidad de productos no conformes esté entre 4 y 6 es

aproximadamente 0.1571 o 15.71%.

f. Igual a 7
valor observado −media
Z=
desviación estándar

7−8
Z=
2.5

Z=−0.4

Usando la tabla de la distribución normal estándar o una calculadora, podemos encontrar la

probabilidad correspondiente a Z = -0.4, que es P(Z = -0.4). Esta probabilidad es
aproximadamente 0.3446.

Por lo tanto, la probabilidad de que la cantidad de productos no conformes sea igual a 7 es

aproximadamente 0.3446 o 34.46%.