Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Algunas
distribuciones
discretas útiles
OBJETIVOS GENERALES
Las variables aleatorias discretas se emplean en nume- © James Hearn/Dreamstime
rosas aplicaciones prácticas. En este capítulo presentamos
tres variables aleatorias discretas importantes, la binomial,
la de Poisson y la hipergeométrica. Es frecuente que
estas variables aleatorias se usen para describir el número Un misterio: cánceres
de sucesos de un evento, especificado en un número cerca de un reactor
fijo de intentos o una unidad fija de tiempo o espacio. ¿El reactor nuclear Pilgrim I es responsable del
aumento en casos de cáncer en el área circundan-
ÍNDICE DEL CAPÍTULO
te? Surgió una controversia política cuando el
● La distribución
distribución binomial de probabilidad
probabilidad (5.2) Departamento de Salud Pública de Massachusetts
● La distribución
distribución hipergeométrica
hipergeométrica de probabilidad
probabilidad (5.4)
(5.4) encontró un número anormalmente grande de ca-
● La media y varianza para la variable aleatoria
aleatoria binomial
binomial sos en una franja costera de 4 millas de ancho
(5.2)
un poco al norte del reactor nuclear de Plymouth,
● La distribución
distribución de probabilidad de Poisson
Poisson (5.3)
Massachusetts. El estudio práctico, que aparece
MI ENTRENADOR PERSONAL al final de este capítulo, examina cómo esta pre-
gunta se puede contestar usando una de las dis-
¿Cómo uso la tabla 1 para calcular probabilidades tribuciones discretas de probabilidad presentadas
binomiales?
¿Cómo calculo probabilidades de Poisson usando
aquí.
la fórmula?
¿Cómo uso la tabla 2 para calcular probabilidades
de Poisson?
183
5.1
INTRODUCCIÓN
Se pueden hallar ejemplos de variables aleatorias discretas en numerosas situaciones
cotidianas y en casi todas las disciplinas académicas. No obstante, hay tres distribucio-
nes discretas En
aplicaciones. de este
probabilidad que sirven como
capítulo estudiamos modelos para
las distribuciones de un gran número
probabilidad de estas
binomiales,
de Poisson e hipergeométrica y discutimos su utilidad en diferentes situaciones físicas.
LA DISTRIBUCIÓN BINOMIAL
DE PROBABILIDAD
5.2
El experimento de lanzar al aire una moneda es un ejemplo sencillo de una importante
variable aleatoria discreta llamada variable aleatoria binomial. Muchos experimentos
prácticos resultan en datos similares a que salgan cara o cruz al tirar la moneda. Por ejem-
plo, considere las encuestas políticas que se emplean para predecir las preferencias de
los votantes en elecciones. Cada votante entrevistado se puede comparar a una moneda
porque el votante puede estar a favor de nuestro candidato (una “cara”) o no (una “cruz”).
Casi siempre, la proporción de votantes que están a favor de nuestro candidato no es igual
a 1/2, es decir, la moneda no es imparcial. De hecho, la encuesta está diseñada exacta-
mente para determinar la proporción de votantes que están a favor de nuestro candidato.
unaVeamos
moneda:aquí algunas otras situaciones semejantes al experimento de lanzar al aire
• Un sociólogo está
está interesado en la proporción de maestros de escuelas elementa-
les que sean hombres.
• Una comerciante en bebidas gaseosas está interesada en la proporción de quienes
toman refresco de cola y que prefieren la marca de ella.
• Un genetista está interesado en
en la proporción de la población que posee un gen
vinculado a la enfermedad de Alzheimer.
Cada persona muestreada es análoga a lanzar al aire una moneda, pero la probabilidad de
una “cara” no es necesariamente igual a 1/2. Aun cuando estas situaciones tienen dife-
rentes objetivos prácticos, todas exhiben las características comunes del experimento
binomial.
1.
2. El experimento
Cada consiste
intento resulta en ndeintentos
en uno idénticos.Por falta de un mejor nombre, el
dos resultados.
resultado uno se llama éxito, S, y el otro se llama fracaso, F.
3. La probabilidad de éxito en un solo intento es igual a p y es igual de un intento a
otro. La probabilidad de fracaso es igual a (1 p) q.
4. Los intentos son independientes.
5. Estamos interesados en x, el número de éxitos observado durante los n intentos,
para x 0, 1, 2, …, n.
EJEMPLO 5.1 Suponga que hay alrededor de un millón de adultos en un condado y una proporción
desconocida p están a favor de limitar el periodo de función de políticos. Se escogerá
una muestra de mil adultos en forma tal que cada uno del millón de adultos tenga igual
probabilidad de ser seleccionado y a cada uno se le pregunta si él o ella está a favor de
limitar el periodo. (El objetivo final de esta encuesta es estimar la proporción descono-
cida p, un problema que veremos en el capítulo 8.) ¿Este experimento es binomial?
EJEMPLO 5.2 Un paciente llena una receta para un régimen de 10 días de dos píldoras diarias. Sin que
lo sepan el farmacéutico ni el paciente, las 20 pastillas están formadas por 18 píldoras
del medicamento prescrito y dos píldoras que son el equivalente genérico del medica-
mento prescrito. El paciente selecciona dos píldoras al azar para la dosis del primer día.
Si verificamos la selección y registramos el número de píldoras que son genéricas, ¿es
éste un experimento binomial?
Solución De nuevo, verifique el procedimiento de muestro para las características
de un experimento binomial.
1. Un “intento” es la selección de una píldora de entre las 20 de la receta. Este expe-
rimento consta de n 2 intentos.
2. Cada intento resulta en uno de dos resultados. O bien la píldora es genérica
(llame “éxito” a esto) o no lo es (un “fracaso”).
3. Como las píldoras de una botella de receta se pueden considerar “mezcladas” al
azar, la probabilidad incondicional de sacar una píldora genérica en un intento
determinado sería 2/20.
4. La condición de independencia entre intentos no está satisfecha, porque la pro-
babilidad de sacar una píldora genérica en el segundo intento depende del primer
intento. Por ejemplo, si la primera píldora sacada es genérica entonces hay sólo
una píldora genérica en las restantes 19. Por tanto,
P(genérica en intento 2genérica en intento 1) 1/19
†
Aun cuando es tradicional que los dos posibles resultados de un intento se denominen “éxito” y “fracaso”,
podrían haberse llamado “cara” y “cruz”, “rojo” y “blanco” o cualquier otro par de palabras. En consecuencia, el
resultado llamado “éxito” no necesita ser visto como éxito en el uso ordinario de la palabra.
Considere la diferencia entre estos dos ejemplos. Cuando la muestra (los n intentos
idénticos) vinieron de una población grande, la probabilidad de éxito p siguió siendo más
o menos la misma de un intento a otro. Cuando el tamaño poblacional N era pequeño, la
probabilidad de éxito p cambió en forma considerable de un intento a otro, y el experi-
mento no fue binomial.
REGLA PRÁCTICA
Si el tamaño muestral es grande con respecto al tamaño poblacional, en particular si
n/N .05, entonces el experimento resultante no es binomial.
P(x k) C nk p kq n k
_________
n! k n
pq
k
k!(n k)!
para valores de k 0, 1, 2, …, n. El símbolo C nk es igual a,
_________
n!
k!(n k)!
donde n! n(n 1)(n 2) (2)(1) y 0! 1.
Las fórmulas generales para m, s2 y s dadas en el capítulo 4 se pueden usar para obte-
ner las siguientes fórmulas más sencillas para la media y desviación estándar binomiales.
Media: m np
2
Varianza: s npq
____
Desviación estándar: s npq
EJEMPLO 5.3 Encuentre P(x 2) para una variable aleatoria binomial con n 10 y p .1.
Solución P(x 2) es la probabilidad de observar 2 éxitos y 8 fracasos en una
secuencia de 10 intentos. Se podrían observar 2 éxitos primero, seguidos de 8 fracasos
consecutivos:
S, S, F, F, F, F, F, F, F, F
Como p es la probabilidad de éxito y q es la probabilidad de fracaso, esta secuencia
MI CONSEJO
particular también resulta en x 2 éxitos.
n! 2 8
n (n 1)(
1)(nn 2) . . . (2)(1) ppqqqqqqqq
ppqqqqqqqq p q
Por ejemplo,
5! 5(4)(3)(2)(1) 120 Sin embargo, pueden también resultar muchas otras secuencias en x 2. La fórmula
y 0! 1. binomial utiliza C102 para contar el número de secuencias y da la probabilidad exacta
cuando se usa la fórmula binomial con k 2:
10 2
P(x 2) C 2 (.1) (.9)10 2
__________ 10(9)
10! (.1)2(.9)8 _____ (.01)(.430467) .1937
2!(10 2)! 2(1)
Se podría repetir el procedimiento del ejemplo 5.3 para cada valor de x (0, 1, 2, …,
10) y encontrar
babilidad para xtodos
. Éstelos valores
sería de p(xlargo
un trabajo ) necesarios para
y tedioso, construir
pero un histograma
la gráfica resultante sedevería
pro-
como la figura 5.1a). Se puede verificar la altura de la barra para x 2 y encontrar p(2)
P(x 2) .1937. La gráfica está sesgada a la derecha; esto es, casi todo el tiempo
se observarán valores pequeños de x. La media o “punto de equilibrio” está alrededor de
x 1; de hecho, se puede usar la fórmula para hallar la media exacta:
m np 10(.1) 1
Las figuras 5.1b) y 5.1c) muestran las otras dos distribuciones binomiales con
n 10 pero con diferentes valores de p. Vea las formas de estas distribuciones. Cuan-
do p .5, la distribución es exactamente simétrica alrededor de la media, m np
10(.5) 5. Cuando p .9, la distribución es la “imagen espejo” de la distribución
para p .1 y está sesgada a la izquierda.
0
0 1 2 3 4 5 6 7 8 9 10 x p(x)
(a) .40
.30
.20
.10
0
0 1 2 3 4 5 6 7 8 9 10 x
(c)
EJEMPLO 5.4 En un tiempo largo, se ha observado que un jugador profesional de baloncesto puede
hacer un tiro libre en un intento determinado con probabilidad igual a .8. Suponga que
él lanza cuatro tiros libres.
1. ¿Cuál es la probabilidad de que enceste exactamente
exactamente dos tiros libres?
2. ¿Cuál es la probabilidad de que enceste al menos un
un tiro libre?
Solución Un “intento” es un solo tiro libre y se puede definir un “éxito” como una
canasta y un “fracaso” como una falla, de modo que n 4 y p .8. Si se supone que la
probabilidad del jugador
jugador de encestar el tiro libre no cambia de un tiro
t iro a otro, entonces el
número x de veces que enceste el tiro libre es una variable aleatoria binomial.
4 2 2
1. P(x 2) C 2(.8) (.2)
4! (.64)(.04) _________
____ 4(3)(2)(1)
(.64)(.04) .1536
2!2! 2(1)(2)(1)
La probabilidad
probabilidad es .1536
.1536 de que
que enceste
enceste exactamente
exactamente dos
dos tiros
tiros libres.
libres.
Aun cuando se podría calcular P(x 1), P(x 2), P(x 3) y P(x 4) para
hallar esta probabilidad, usar el complemento del evento hace más fácil el tra-
bajo; es decir,
P (x 1) 1 P (x 1) 1 P (x 0).
¿Puede usted considerar alguna razón por la que su suposición de intentos indepen-
dientes podría ser errónea? Si el jugador aprende por su intento previo (es decir, ajusta
su tiro de acuerdo con su último intento), entonces su probabilidad p de encestar el tiro
libre puede cambiar, posiblemente aumentar, de un tiro a otro. Los intentos no serían
independientes
independien tes y el experimento no sería binomial.
Calcular probabilidades binomiales puede ser tedioso incluso para valores relativa-
mente pequeños de n. Cuando n se hace grande, se hace casi imposible sin ayuda de
MI CONSEJO
una calculadora o computadora. Por fortuna tenemos estas dos herramientas. Las tablas
Use la tabla 1 del apéndice I de probabilidad
probabilidadeses binomiales acumulativas generadas por computadora se dan en la
más que la fórmula binomial tabla 1 del apéndice I, para valores de n que van de 2 a 25 y para valores selecciona-
siempre que sea posible. Ésta dos de p. Estas probabilidades también pueden ser generadas si se usa el MINITAB o los
es una forma más fácil.
applets Java en el sitio web Premium.
Las probabilidades binomiales acumulativas difieren de las probabilidade
probabilidadess binomia-
les individuales que se calcularon con la fórmula binomial. Una vez que usted encuentre
la columna de probabilidades para los valores correctos de n y p en la tabla 1, el renglón
marcado como k da la suma de todas las probabilidades binomiales de x 0 a x k.
La tabla 5.1 muestra parte de la tabla 1 para n 5 y p .6. Si se muestra en el renglón
marcado k 3, se encuentra
0 — — — — — — — .010 — — — — — 0
1 — — — — — — — .087 — — — — — 1
2 — — — — — — — .317 — — — — — 2
3 — — — — — — — .663 — — — — — 3
4 — — — — — — — .922 — — — — — 4
5 — — — — — — — 1.000 — — — — — 5
Si la probabilidad que usted necesite calcular no está en esta forma, necesitará conside-
rar una forma para reescribir su probabilidad y hacer uso de las tablas.
EJEMPLO 5.5 Use la tabla binomial acumulativa para n 5 y p .6 para hallar las probabilidades de
estos eventos:
1. Exactamente tres éxitos
2. Tres o más éxitos
Solución
1. Si encuentra k 3 en la tabla 5.1, el valor en tabla es
Como usted desea sólo P(x 3) p(3), debe restar la probabilidad no deseada:
P(x 3) 1 P(x 2)
1 .317 .683
MI ENTRENADOR PERSONAL
¿Cómo utilizo la tabla 1 para calcular probabilidades
binomiales?
1. Encuentre los valores necesarios de n y p. Aísle la columna apropiada de la tabla 1.
2. La tabla 1 da P(x k) en la fila marcada k. Reescriba la probabilidad que necesite
para que esté en esta forma.
• Haga una lista de los valores de x en su evento.
• De la lista, escriba el evento como la diferencia de dos probabilidades:
P(x a) P(x b) para a b
o el complemento del evento:
1 P(x a)
o sólo el evento en sí:
P(x a) o P(x a) P(x a 1)
Repertorio de ejercicios
A. Considere una variable aleatoria binomial con n 5 y p .6. Aísle la columna
apropiada en la tabla 1 y llene las probabilidades siguientes. Una de las probabili-
dades, P(x 3) ya está llena.
K 0 1 2 3 4 5
P (X K ) .663
B. Complete los espacios en blanco en la tabla siguiente. El segundo problema ya
está hecho.
Reescriba la
Lista de Escriba la probabilidad (si Encuentre la
El problema valores de x probabilidad es necesario) probabilidad
4 o menos
4 o más 4, 5 P (x 4) 1 P (x 3) 1 .663 .337
Más de 4
Menos de 4
Entre 2 y 4 (inclusive)
Exactamente 4
Informe de progreso
• ¿Todavía tiene problemas? Trate de nuevo usando el repertorio de ejercicios
del final de esta sección.
• ¿Ya domina las probabilidades binomiales? Puede saltarse el repertorio de
ejercicios del final de esta sección.
Las respuestas están al final de este libro.
MI APPLET
valores de n 100 y cualquier p que usted escoja. Puede usar este applet para
calcular probabilidades binomiales para cualquier valor de x o para cualquier
intervalo a x b. Para reproducir los resultados del ejemplo 5.5, teclee 5 en la
caja marcada “n” y 0.6 en la caja marcada “p”, presionando la tecla “Enter” des-
pués de cada entrada. A continuación introduzca los valores inicial y final para x
(si necesita calcular una probabilidad individual, ambas entradas serán iguales).
La probabilidad se calcula y queda sombreada en rojo en su pantalla (azul claro
en la figura 5.2) cuando presiona “Enter”. ¿Cuál es la probabilidad de tres o más éxi-
tos de la figura 5.2? ¿Esto confirma nuestra respuesta del ejemplo 5.5? Usted usará
este applet de nuevo para la sección Mi Applet ejercicios al final del capítulo.
FIGURA 5.2
●
Applet Calculating
Binomial Probabilities
(Calculando probabilidade
probabilidadess
binomiales)
EJEMPLO 5.6 Se probó un régimen formado por una dosis diaria de vitamina C para determinar su
efectividad para prevenir el resfriado común. Diez personas que estuvieron siguiendo el
régimen prescrito fueron observadas durante un año. Ocho pasaron el invierno sin un res-
friado. Suponga que la probabilidad de pasar el invierno sin un resfriado es .5 cuando no
se sigue el régimen de vitamina C. ¿Cuál es la probabilidad de observar ocho o más sobre-
vivientes, dado que el régimen es ineficiente para aumentar la resistencia a resfriados?
Solución Si se supone que el régimen de vitamina C es ineficiente, entonces la pro-
babilidad p de sobrevivir el invierno sin un resfriado es .5. La distribución de probabili-
dad para x, el número de sobrevivientes, es
p ( x) C 10x (.5)x(.5)10
x
Usted ya ha aprendido cuatro formas de hallar P(8 o más sobrevivientes) P(x 8).
Obtendrá los mismos resultados con cualquiera de los cuatro; escoja el método más
cómodo para su problema particular.
1. La fórmula binomial:
binomial:
P(8 o más) p(8) p(9) p(10)
10 10 10 10 10 10
C 8 (.5) C 9 (.5) C 10 (.5)
.055
2. Las tablas binomiales acumulativas: Encuentre la columna correspondiente a
binomiales acumulativas:
p .5 en la tabla para n 10:
P(8 o más) P(x 8) 1 P(x 7)
1 .945 .055
FIGURA 5.4
● Función acumulativa de distribución Función de densidad de probabilidad
Salida del MINITAB para el
ejemplo 5.6 Binomial with n = 10 and p = 0.5 Binomial with n = 10 and p = 0.5
x P( X <= x ) x P( X = x )
0 0.00098 0 0.000977
1 0.01074 1 0.009766
2 0.05469 2 0.043945
3 0.17187 3 0.117188
4 0.37695 4 0.205078
5 0.62305 5 0.246094
6 0.82813 6 0.205078
7 0.94531 7 0.117188
8 0.98926 8 0.043945
9 0.99902 9 0.009766
10 1.00000 10 0.000977
EJEMPLO 5.7 ¿Preferiría usted tomar un examen de opción múltiple o uno de recordatorio completo?
completo?
Si no sabe nada del material, tendrá una calificación de cero en un examen de recordato-
rio completo pero, si le dan cinco opciones por cada pregunta, ¡tiene al menos una pro-
babilidad en cinco de adivinar correctamente! Si un examen de opción múltiple contiene
100 preguntas, cada una con cinco posibles respuestas, ¿cuál es la calificación esperada
para un estudiante que está adivinando en cada pregunta? ¿Dentro de qué límites caen
las calificaciones de “no lo sabe”?
Solución Si x es el número de respuestas correctas en el examen de 100 preguntas,
la probabilidad de una respuesta correcta, p, es una en cinco, de modo que p .2. Como
el estudiante selecciona respuestas al azar, las n 100 respuestas son independientes y
la calificación esperada para esta variable aleatoria binomial es
m np 100(.2) 20 respuestas correctas
Para evaluar la dispersión o variabilidad de las calificaciones, se puede calcular
____ _________
s npq 100(.2)(.8) 4
Entonces, usando su conocimiento de variación a partir del teorema de Chebyshev y la
Regla empírica, puede hacer estos enunciados:
• Una gran proporció
proporción
n de las calificaciones
calificaciones estará a no más de dos desviaciones
desviaciones
estándar de la media, o sea de 20 8 12 a 20 8 28.
• Casi todas las calificaciones
calificaciones estarán a no más de tres desviaciones
desviaciones estándar de la
media, o sea de 20 12 8 a 20 12 32.
5.2 EJERCICIOS
REPERTORIO DE EJERCICIOS
5.1 Considere una variable aleatoria binomial con n 8 y p .7. Aísle la columna
apropiada en la tabla 1 y llene las probabilidades.
K 0 1 2 3 4 5 6 7 8
P (X K )
5.2 Considere una variable aleatoria binomial con n 9 y p .3. Separe la columna
K 0 1 2 3 4 5 6 7 8
P (X K )
Llene los espacios en blanco en la tabla siguiente.
a. p .01 b. p .9 c. p .3 APLICACIONES
d. p .7 e. p .5 5.20 Clima en
en Chicago Un meteorólogo en Chicago
registró el número de días de lluvia durante un periodo
5.18 En el ejercicio 5.17, la media y desviación estándar
de 30 días. Si la variable aleatoria x se define como
para una variable aleatoria binomial se calcularon para un
el número de días de lluvia, ¿x tiene una distribución
tamaño muestral fijo, n 100 y para valores diferentes
binomial? Si no es así, ¿por qué no? Si es así, ¿se
de p. Grafique los valores de la desviación estándar para
conocen los valores de n y de p?
los cinco valores de p dados en el ejercicio 5.17. ¿Para
qué valores de p la desviación estándar parece ser un 5.21 Telemercadeo Una empresa de investigación
máximo? de mercado contrata operadores para realizar encuestas
por teléfono. La computadora marca al azar un número
5.19 Sea x una variable aleatoria binomial con n 20 y telefónico y la operadora pregunta a quien conteste si
p .1. tiene tiempo para contestar algunas preguntas. Sea x el
a. Calcule P(x 4) usando la fórmula binomial. número de llamadas telefónicas hechas hasta que el primer
b. Calcule P(x 4) usando la tabla 1 del apéndice I. entrevistado está dispuesto a contestar las preguntas de la
operadora. ¿Es éste un experimento binomial? Explique.
c. Use la salida MINITAB de esta página para calcular
5.22 Calificaciones del SAT (examen de aptitud
P(x 4). Compare los resultados de los incisos a),
escolar) En 2006, el promedio combinado de
b) y c).
calificaciones del SAT (lectura verbal escritura) para
calificaciones
d. Calcule la media y desviación estándar de la variable estudiantes que van hacia la universidad en Estados Unidos
aleatoria x. fue 1518 (de 2400). Suponga que aproximadamente 45%
e. Use los resultados del inciso d) para calcular los de todos los graduados de preparatoria toman este examen
intervalos m s m 2s, y m 3s. Encuentre la y que 100 son seleccionados al azar en todo Estados
probabilidad de que una observación caiga en cada Unidos.1 ¿Cuál de las siguientes variables aleatorias tiene
uno de estos intervalos. una distribución binomial aproximada?
aproximada? Si es posible, dé
los valores para n y p.
f. ¿Los resultados del inciso e) son consistentes con el
teorema de Chebyshev? ¿Con la Regla empírica? ¿Por a. El número de estudiantes que tomaron el SAT.
qué sí o por qué no? b. Las calificaciones de los 100 estudiantes en el SAT.
c. El número de estudiantes que calificaron arriba del 5.27 Cuentas del médico Unos registros muestran
promedio del SAT. que 30% de todos los pacientes ingresados en una clínica
d. El tiempo que tomó a cada estudiante para completar médica no pagan sus cuentas y que, en última instancia,
el SAT. esas cuentas son olvidadas. Suponga que n 4 nuevos
5.23 Sistemas de seguridad El sistema de pacientes representan una selección aleatoria de entre un
gran conjunto de prospectos de pacientes atendidos por la
seguridad de una casa está diseñado para tener un 99%
clínica. Encuentre estas probabilidades:
de confiabilidad. Suponga que nueve casas equipadas con
este sistema experimentan un intento de robo. Encuentre a. Las cuentas de todos los pacientes tendrán finalmente
las probabilidades de estos eventos: que olvidarse.
a. Al menos una de las alarmas se activó. b. Una tendrá que olvidarse.
b. Más de siete de las alarmas se activaron. c. Ninguna tendrá que olvidarse.
c. Ocho o menos alarmas se activaron. 5.28 Cuentas del médico II Considere el problema
de pagos al médico del ejercicio 5.27 en un escenario más
5.24 Tipos de sangre En cierta población, 85% de
realista. De todos los pacientes ingresados a una clínica
las personas tienen tipo de sangre Rh positivo. Suponga
médica, 30% no pagan sus cuentas y las deudas finalmente
que dos personas de esta población se casan. ¿Cuál es la
probabilidad de que ambos tengan Rh negativo, lo cual se olvidan. Si la clínica trata 2000 pacientes diferentes
hace inevitable que sus hijos tengan Rh negativo? en un periodo de un año, ¿cuál es el número medio
(esperado) de deudas que tienen que olvidarse? Si x es el
5.25 Colores de autos La preferencia por el número de deudas olvidadas del grupo de 2000 pacientes,
color de un auto cambia con los años y de acuerdo al
modelo particular que seleccione el cliente. En un año encuentre la varianza y desviación estándar de x. ¿Qué
se puede decir acerca de la probabilidad de que x pase de
reciente, suponga que 10% de todos los autos de lujo 700? (SUGERENCIA: Use los valores de m y s, junto con el
que se vendieron eran negros. Si 125 autos de ese año teorema de Chebyshev, para contestar esta pregunta.)
y tipo se seleccionan al azar, encuentre las siguientes
probabilidades: 5.29 Infestación de la mosca blanca Suponga que
10% de los campos en una región agrícola determinada
a. Al menos cinco autos son negros.
están infestados con la mosca blanca de la remolacha. Se
b. A lo sumo seis autos son negros.
seleccionan 100 campos de esta región y se inspeccionan
c. Más de cuatro autos son negros.
para ver si están infestados.
d. Exactamente cuatro autos son negros.
a. ¿Cuál es el número promedio de campos muestreados
e. Entre tres y cinco autos (inclusive) son negros.
que están infestados de la mosca blanca?
f. Más de 20 autos no son negros.
b. ¿Dentro de qué límites esperaría usted hallar el
5.26 Harry Potter De todos los libros de Harry número de campos infestados, con probabilidad
Potter comprados en un año reciente, alrededor del 60% aproximada de 95%?
fueron comprados por lectores de 14 años de edad o
c. ¿Qué podría usted concluir si encuentra que x 25
más.2 Si se entrevista a 12 aficionados de Harry Potter
que compraron libros ese año y si p .6, encuentre las campos estuvieran infestados? ¿Es posible que una de
las características de un experimento binomial no se
siguientes probabilidades.
satisfaga en este experimento? Explique.
¿Quién lee a Harry Potter? 5.30 Preferencias de color en ratones En un
experimento de psicología, la investigadora planea probar
la preferencia de color en ratones bajo ciertas condiciones
experimentales. Ella diseña un laberinto en el que el
Menos de
14 años ratón debe escoger uno de dos caminos, en color ya sea
14 años
y más 41% rojo o azul, en cada uno de 10 cruceros. Al final del
59% laberinto, el ratón recibe una recompensa en alimento.
La investigadora cuenta el número de veces que el ratón
escoge el camino rojo. Si usted fuera la investigadora,
¿cómo usaría esta cuenta para determinar si el ratón tiene
a. Al menos cinco de ellos tenían 14 años o más. alguna preferencia por un color?
b. Exactamente nueve de ellos tenían 14 años o más. 5.31 Dolor de espalda Seis de cada 10 personas
c. Menos de tres de ellos tenían 14 años o más. adultas dicen que el dolor de la espalda baja limita en
forma considerable sus actividades atléticas.3 A una y mercados de alimentos que sean cercanos o visibles
muestra al azar de n 8 adultos se les preguntó si el desde la carretera.
dolor de la espalda baja limita en forma considerable a. ¿Cuáles son la media y varianza de x?
sus actividades atléticas. La salida impresa del MINITAB b. Calcule el intervalo m 2s. ¿Cuáles valores de la
muestra las probabilidades acumulativas e individuales. variable aleatoria binomial x caen en este intervalo?
Salida impresa del MINITAB para el ejercicio 5.31 c. Encuentre P(6 x 14). ¿Cómo se compara esto
Función acumulativa Función de densidad con la fracción del intervalo m 2s para cualquier
de distribución de probabilidad distribución? ¿Y para distribuciones en forma de
Binomial with n = 8 Binomial with n = 8
montículo?
and p = 0.6 and p = 0.6 5.33 Prueba del gusto por el PTC La prueba del
x P( X <= x ) x P( X = x ) gusto por el PTC (feniltiocarbamida) es un ejercicio
0 0.00066 0 0.000655 favorito para toda clase de genética humana. Se ha
1 0.00852 1 0.007864 establecido que un solo gen determina la característica
2 0.04981 2 0.041288
y que 70% de los estadounidenses son “probadores”,
3 0.17367 3 0.123863
4 0.40591 4 0.232243
en tanto que 30% son “no probadores”. Suponga que se
5 0.68461 5 0.278692 escogen 20 estadounidenses y se someten a la prueba del
6 0.89362 6 0.209019 gusto del PTC.
7 0.98320 7 0.089580
a. ¿Cuál es la probabilidad de que 17 o más sean
8 1.00000 8 0.016796
“probadores”?
a. Use la fórmula binomial para hallar la probabilidad de b. ¿Cuál es la probabilidad de que 15 o menos sean
que los ocho indiquen que el dolor de la espalda baja “probadores”?
era un factor limitante en sus actividades atléticas. 5.34 El mejor amigo
amigo del hombre Según la
b. Confirme los resultados del inciso ( a) usando la salida Sociedad protectora de animales de Estados Unidos, hay
impresa del MINITAB. aproximadamente 65 millones de perros con dueño en
c. ¿Cuál es la probabilidad de que a los sumo siete Estados Unidos y alrededor del 40% de todas las familias
individuos digan que el dolor de la espalda baja es en Estados Unidos tienen al menos un perro.4 Suponga
un factor limitante en sus actividades atléticas? que la cifra del 40% es correcta y que 15 familias se
5.32 Comida rápida y gasolineras 40% de los seleccionan al azar para un estudio sobre propiedad de
estadounidenses que viajan en auto buscan gasolineras mascotas.
y mercados de alimentos que sean cercanos o visibles a. ¿Cuál es la probabilidad de que exactamente ocho de
desde la carretera. Suponga que a una muestra aleato- las familias tenga al menos un perro?
ria de n 25 estadounidenses que viajan en auto se b. ¿Cuál es la probabilidad de que al menos cuatro de las
les pregunta cómo determinan dónde detenerse para familias tenga al menos un perro?
tomar alimentos y cargar gasolina. Sea x el número c. ¿Cuál es la probabilidad de que más de 10 familias
de la muestra que responden que buscan gasolineras tenga al menos un perro?
LA DISTRIBUCIÓN DE PROBABILIDAD
DE POISSON
5.3
Otra variable aleatoria discreta que tiene numerosas aplicaciones prácticas es la variable
aleatoria de Poisson. Su distribución de probabilidad da un buen modelo para datos que
representa el número de sucesos de un evento especificado en una unidad determinada
de tiempo o espacio. A continuación veamos algunos
algunos ejemplos de experimentos para los
cuales la variable aleatoria x puede ser modelada por la variable aleatoria de Poisson:
• El número de llamadas recibidas
recibidas por un conmutador
conmutador durante
durante un tiempo determi-
nado
• El número de bacterias por volumen
volumen pequeño
pequeño de
de fluido
• El número de llegadas de
de clientes al mostrador
mostrador de una
una caja de pago
pago en un
un minuto
determinado
• El número de descomposturas
descomposturas de una máquina
máquina durante un
un día determinado
determinado
• El número de accidentes
accidentes de tránsito en un
un crucero dado
dado durante un tiempo deter-
minado
En cada uno de estos ejemplos, x representa el número de eventos que ocurren en
un periodo o espacio, durante el cual se puede esperar que ocurra un promedio de
m de estos eventos. Las únicas suposiciones necesarias, cuando uno usa la distribución
de Poisson para modelar experimentos tales como éstos, son que las cuentas o eventos
ocurren al azar e independientemen
independientemente te unos de otros. La fórmula para la distribución de
probabilidad de Poisson, así como su media y varianza, se dan a continuación.
P(x k) _____
m
me
k!
para valores de k 0, 1, 2, 3, …. La media y desviación estándar de la variable
aleatoria de Poisson x son
Media: m
Desviación estándar: s __ m
MI CONSEJO
El símbolo e 2.71828… se evalúa usando su calculadora científica, que debe tener una
función como ex. Para cada valor de k, se pueden obtener las probabilidades individuales
Utilice la fórmula Poisson para la variable aleatoria de Poisson, igual que como hicimos para la variable aleatoria
o la tabla 2 para calcular
probabilidades de Poisson. binomial.
Alternativamente, se pueden usar tablas acumulativas de Poisson (tabla 2 del apén-
dice I) o probabilidades acumulativas o individuales generadas por el MINITAB. Estas
dos opciones son por lo general más cómodas que hacer el cálculo manualmente. Los
procedimientoss son semejantes a los empleados para la variable aleatoria binomial.
procedimiento
MI ENTRENADOR PERSONAL
¿Cómo calculo probabilidades de Poisson usando
la fórmula?
1. Encuentre el valor necesario de m.
2. Haga una lista de valores de x en su evento.
k
Repertorio de ejercicios
A. Considere una variable aleatoria de Poisson con m 1.5. Calcule las siguientes
probabilidades usando la tabla siguiente:
Probabilidad Fórmula Valor calculado
k
e
_____
m
m
P (x 0) k!
k
me
m
_____
P ( x 1) k!
P (1 o menos éxitos) P ( x ____) P ( x ____)
1 P(x a)
o sólo el evento mismo:
Repertorio de ejercicios
B. Considere una variable aleatoria de Poisson con m 1.5. Separe la columna
apropiada en la tabla 2 y llene las probabilidades siguientes. Una de las probabili-
dades, P(x 3), ya está llenada.
K 0 1 2 3 4 5 6 7
P (X K ) .934
Reescriba la
Lista de Escriba la probabilidad Encuentre la
El problema valores de x probabilidad (si es necesario) probabilidad
3 o menos
3 o más
Más de 3 4, 5, 6, . . . P (x 3) 1 P (x 33)) .066
Menos de 3
Entre 2 y 4 (inclusive)
Exactamente 3
Informe de progreso
• ¿Todavía tiene problemas? Trate de nuevo usando el repertorio de ejercicios
del final de esta sección.
• ¿Ya domina las probabilidades binomiales? Puede saltarse el repertorio de
ejercicios del final de esta sección.
Las respuestas están al final de este libro.
Una vez calculados los valores para p(x), puede usted usarlos para construir un histo-
grama de probabilidad para la variable aleatoria x. En la figura 5.5 se presentan gráficas
de la distribución de probabilidad de Poisson para m .5, 1 y 4.
FIGURA 5.5
● p(x) p(x)
Distribuciones de
probabilidad de Poisson
para m .5, 1 y 4 .60 .60
.50 .50
µ = .5 µ=1
.40 .40
.30 .30
.20 .20
.10 .10
0 0
0 1 2 3 4 x 0 1 2 3 4 5 6 x
p(x)
.20 µ=4
.15
.10
.05
0
0 1 2 3 4 5 6 7 8 9 10 11 x
EJEMPLO 5.8 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
m 2.
Solución
1. El número promedio
promedio de accidentes por semana es m 2. Por tanto, la probabi-
lidad de que no haya accidentes en esta sección de carretera durante 1 semana
determinada es
donde
0 4 2 4
p(0) _____
4 e .018316 p(2) _____
4 e .146525
0! 2!
1 4 3 4
_____
4e _____
4e
.175
4! 4! 24
El valor de p(4) podría obtenerse también usando la tabla 2 del apéndice I con m 5
como
p(4) P(x 4) P(x 3) .440 .265 .175
EJEMPLO 5.10 Una fabricante de podadoras para el pasto compra motores de 1 hp y 2 ciclos, en lotes
de 1000, a un proveedor. Ella entonces equipa cada una de las podadoras producidas
por su planta con uno de los motores. La historia muestra que la probabilidad de que
cualquier motor del proveedor resulte no satisfactorio es .001. En un embarque de 1000
motores, ¿cuál es la probabilidad de que ninguno sea defectuoso? ¿Hay tres o más? ¿Hay
cuatro?
k! k! k!
Por tanto,
1 .368
p(0) ___
e .368
0! 1
1 .368
___
p(3) e .061
3! 6
1 .368
___
p(4) e .015
4! 24
Las probabilidades individuales de Poisson para m 1, junto con las probabilidades
binomiales individuales para n 1000 y p .001, fueron generadas por MINITAB y se
muestran en la figura 5.6. Las probabilidades individuales, aun cuando se calculan con
fórmulas totalmente diferentes, son casi iguales. Las probabilidades binomiales exactas
están en la sección izquierda de la figura 5.6, y las aproximaciones Poisson están a la
derecha. Observe que el MINITAB deja de calcular probabilidades una vez que el valor
sea igual a cero dentro de un nivel de precisión asignado previamente.
5.3 EJERCICIOS
REPERTORIO DE EJERCICIOS
5.35 Considere una variable aleatoria de Poisson con m 2.5. Calcule las siguientes
probabilidades con la tabla siguiente.
_____
P (x 0) k!
k
m e
m
_____
P ( x 1) k k!
m e
m
_____
P ( x 2) k!
P (2 o menos éxitos) P ( x ____) P ( x ____) P ( x ____)
5.36 Considere una variable aleatoria de Poisson con m 3. Calcule las siguientes
probabilidades con la tabla siguiente.
_____
P (x 0) k!
k
m e
m
_____
P ( x 1) k!
P (más de 1 éxito) 1 [[PP ( x ____) P ( x ____)]
5.37 Considere
en la tabla unalas
2 y llene variable aleatoria siguientes.
probabilidades de Poisson con m 3. Separe la columna apropiada
K 0 1 2 3 4 5 6 7 8 9 10
10
P (X K )
5.38 Considere una variable aleatoria de Poisson con m 0.8. Separe la columna
apropiada en la tabla 2 y llene las
l as probabilidades siguientes.
K 0 1 2 3 4 5
P (X K )
Exactamente 2
Más de 2
2 o más
Menos de 2
Entre 2 y 4 (inclusive)
2 o menos
presente se ha encontrado que tiene una distribución y 61 fallecimientos al año ocurren en Estados Unidos.
de probabilidad de Poisson. Suponga que la cantidad Un brote en 2006 se rastreó hasta cerdos salvajes, que
máxima permisible por espécimen de agua para este dispersaron la bacteria en un campo de espinacas en
tipo de bacteria es cinco. Si la cantidad media para el California, enfermó a 204 personas en 26 estados y 1
6
suministro de agua de usted es de dos y usted prueba en una provincia canadiense. Los brotes han ocurrido a
una sola muestra, ¿es probable que la cantidad
ca ntidad exceda la un porcentaje de 2.5 por 100 mil. Supongamos que este
cantidad máxima permisible? Explique. porcentaje no ha cambiado.
5.48 Brote de Una mayor investigación
E. coli a. ¿Cuál es la probabilidad de que a lo sumo cinco casos
y discusión se han concentrado sobre el número de de E. coli por 100 mil se informen en California este
enfermedades que involucran al organismo Escherichia año?
coli (01257:H7), que causa un colapso de glóbulos rojos b. ¿Cuál es la probabilidad de que más de cinco casos de
sanguíneos y hemorragia intestinal en sus víctimas. 5 De E. coli por 100 mil se informen en California este año?
acuerdo con el Centro para Control de Enfermedades, c. Aproximadamente 95% 95% de los
los sucesos de E. coli
un estimado de 73 mil casos por infección de E. coli comprenden a lo sumo ¿cuántos casos?
LA DISTRIBUCIÓN HIPERGEOMÉTRICA
5.4 DE PROBABILIDAD
Supongamos que usted está seleccionando una muestra de elementos de una población
y que registra si cada elemento posee o no posee cierta característica. Usted está regis-
trando la típica información de “éxito” o “fracaso” que se encuentra en el experimento
binomial. El estudio de la muestra del ejemplo 5.1, así como el muestreo para ver si hay
defectos en el ejemplo 5.2., son ilustraciones de estas situaciones de muestreo.
Si el número de elementos de la población es grande con respecto al número en la
muestras (como en el ejemplo 5.1), la probabilidad de seleccionar un éxito en un solo
intento es igual a la proporción p de éxitos en la población. Debido a que la población
es grande con respecto al tamaño muestral, esta probabilidad permanecerá constante
(para todos los fines prácticos) de un intento a otro y el número x de éxitos en la muestra
seguirá una distribución binomial de probabilidad. No obstante, si el número de elemen-
tos en la población es pequeño con respecto al tamaño muestral ( n/N 0.5), la proba-
bilidad de un éxito para un intento determinado depende de los resultados de intentos
precedentes. Entonces el número x de éxitos sigue lo que se conoce como una distribu-
ción hipergeométrica de probabilidad.
Es fácil visualizar la variable hipergeométrica aleatoria x si se considera un tazón
que contenga M esferas rojas y N M esferas blancas, para un total de N esferas en el
tazón. Usted selecciona n esferas del tazón y registra x, el número de esferas rojas que
vea. Si ahora define un “éxito” como una esfera roja, tendrá un ejemplo de la variable
aleatoria x hipergeométrica.
La fórmula para calcular la probabilidad de exactamente k éxitos en n intentos se da
a continuación.
LA DISTRIBUCIÓN HIPERGEOMÉTRICA
DE PROBABILIDAD
Una población contiene M éxitos y N M fracasos. La probabilidad de exactamen-
te k éxitos en una muestra aleatoria de tamaño n es
C Mk CNn kM
P(x k) _______
C n
La
tes media
a las dey una
la varianza
variabledealeatoria
una variable aleatoria
binomial hipergeométrica
con una sonelmuy
corrección para semejan-
tamaño finito
de población:
m
M
n __ N
s
2
______________
n
M
N
NM
N
Nn
N1
EJEMPLO 5.11 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.
MI CONSEJO
1. Encuentre la distribución de probabilidad para x, el número de botellas de vino
echado a perder de la muestra.
muestra
de 4
2. ¿Cuáles son la media y la varianza de x?
3S Solución Para este ejemplo, N 12, n 4, V 3 y (N M) B 9. Entonces.
9G 3 9
p ( x) _______
CxC 4 x
S = V (vinagre)
G = B (buen estado)
C12
4
m 4 132
1
y la varianza
s
2
4 132 192
12 4
11
.5455
EJEMPLO 5.12 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 mues-
trear 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?
Solución Sea x el número de defectuosos en la muestra. Entonces N 20, M 4,
(N M) 16 y n 5. El lote será rechazado si x 2, 3 o 4. Entonces
4 16
C 41 C16
P(aceptar el lote) P(x 1) p(0) p(1) ______ ______
C 0C5 4
20 20
C5 C5
16!
4!
16!
____ _____
0!4! 5!11!
4!
____ _____
1!3! 4!12!
20! 20!
____ ____
5!15! 5!15!
91 455
.2817 .4696 .7513
323 969
5.4 EJERCICIOS
estudiantiles para enseñanza. Un grupo de ocho 5.56 Tratamiento a semillas Es frecuente que las
candidatos para tres posiciones locales de enseñanza semillas sean tratadas con
c on un fungicida para protegerlas
estaba formado por cinco candidatos, que se habían de ambientes mal drenados, húmedos. En un intento a
inscrito en internados pagados y tres candidatos que se pequeña escala antes de un experimento a gran escala
habían inscrito en
para enseñanza. programas tradicionales
Supongamos que los ocho estudiantiles
candidatos para determinar qué dilución del fungicida aplicar, cinco
semillas tratadas y cinco no tratadas se plantaron en
están igualmente calificados para las posiciones. suelo arcilloso y se registró el número de plantas que
Represente con x el número de candidatos capacitados emergieron de las semillas tratadas y de las no tratadas.
en un internado que son contratados para estas tres Suponga que la dilución no fue eficaz y sólo emergieron
posiciones. cuatro plantas. Represente con x el número de plantas que
a. ¿La x tiene una distribución binomial o una emergieron de semillas tratadas.
distribución hipergeométrica? Apoye su respuesta. a. Encuentre la probabilidad
probabilidad de que x 4.
b. Encuentre la probabilidad de que tres candidatos b. Encuentre P(x 3).
capacitados en internado sean contratados para estas c. Encuentre P(2 x 3).
posiciones.
c. ¿Cuál es la probabilidad de que ninguno
ninguno de los tres
contratados sea capacitado en internado?
d. Encuentre P(x 1).
P(x k) _______ N
MI MINITAB
Una vez introducidos los valores necesarios de x, use Calc Probability Distri-
butions Binomial para generar el cuadro de diálogo que se muestra en la figura 5.7.
Teclee el número de intentos y el valor de p (Event probability) (probabilidad de evento)
FIGURA 5.7
●
en las cajas apropiadas, y seleccione “x” para la columna de entrada. (Si no teclea un
número de columna para guardar, MINITAB mostrará los resultados en la ventana Ses-
sion. Si el usuario teclea C2 o p(x)
p( x) en la caja marcada “Optional storage”, los
lo s resultados
aparecerán en lamarcado
botón de radio columna“Probability”.
C2 en lugar deLaenfunción
la ventana Session.) de
de densidad Verprobabilidad
Verifique
ifique seleccionar el
aparece
en la ventana Session cuando dé un clic en OK (una parte se muestra en la figura 5.8).
¿Cuál es la probabilidad de que x sea igual a 4? ¿De que sea 3 o 4?
Para calcular probabilidades acumulativas, verifique que esté seleccionado el punto
marcado “Cumulative probability” y teclee los valores apropiados de x en C1. Si usted
tiene sólo un valor de x, es más sencillo seleccionar la caja Input constant y teclear el
valor apropiado. Por ejemplo, para una variable aleatoria de Poisson con m 5, use
Calc Probability distributions Poisson y teclee una media de 5. Introduzca el
número 6 en la caja Input constant, dé un clic en OK y la probabilidad de que x sea me-
nor o igual a 6 aparecerá en la ventana Session (véase la figura 5.9).
¿Qué valor k es tal que sólo 5% de los valores de x exceden este valor (y 95% son
menores o iguales a k)? Si usted teclea la probabilidad .95 en la caja Input constant, se-
leccione la opción marcada “Inverse cumulative probability” y dé un clic en OK (véase
la figura 5.10), entonces los valores de x a cualquier lado de la “.95 mark” aparecen
en la ventana Session como en la figura 5.11. Por tanto, si el usuario observó un valor
de x 10, esto sería una observación poco común porque P(x 9) 2 .968172
.031828.
FIGURA 5.8
●
FIGURA 5.9
●
FIGURA 5.10
●
FIGURA 5.11
●
Ejercicios suplementarios
5.57 Haga una lista de las cinco características del 5.60 Tiro de una moneda Una moneda justa se
experimento binomial. lanza al aire tres veces. Sea x igual al número de caras
observado.
5.58 ¿Bajo qué condiciones, puede usarse la variable
a. Use la fórmula para la distribución
distribución binomial de
aleatoria de Poisson para aproximar las probabilidades
probabilidad para calcular las probabilidades
asociadas con la variable aleatoria binomial? ¿Qué asociadas con x 0, 1, 2 y 3.
aplicaciones tiene la distribución de Poisson que no sea b. Construya la distribución de probabilidad.
probabilidad.
estimar ciertas probabilidades binomiales?
c. Encuentre la media
media y desviación estándar de x, usando
5.59 ¿Bajo qué condiciones,
condiciones, usaría usted la distribución estas fórmulas:
hipergeométrica de probabilidad para evaluar la m np
____
probabilidad de x éxitos en n intentos? s npq
seleccionan al azar 20 propietarios de pequeños negocios que la cifra de 25% es representativa de su plantel?
y suponemos que exactamente la mitad se reportan a Explique.
su oficina al menos una vez al día, entonces n 20 y 5.72 Probabilidad de lluvia Casi todos los que
p .5. Encuentre las siguientes probabilidades. pronostican el clima se protegen muy bien cuando
a. Exactamente 16 dicen queque se reportan a su oficina
oficina al agregan probabilidades a sus pronósticos, diciendo
dicie ndo por
menos una vez al día cuando están de vacaciones. ejemplo “La probabilidad de lluvia para hoy
b. Entre 15 y 18 (inclusive) dicen que
que se reportan a es 40%”. Entonces, si un pronóstico en particular es
su oficina al menos una vez al día cuando están de incorrecto, se espera atribuir el error al comportamiento
vacaciones. aleatorio del clima más que a la imprecisión de quien
c. Cinco o menos dicen que se reportan a su oficina al hace el pronóstico. Para comprobar la precisión de un
menos una vez al día cuando están de vacaciones. meteorólogo particular, se verificaron registros sólo para
¿Sería esto un acontecimiento poco probable? aquellos días cuando el meteorólogo predijo lluvia “con
30% de probabilidad”. Una verificación de 25 de esos
5.69 Problemas psicosomáticos Una psiquiatra días indicó que llovió en 10 de los 25.
dice que 80% de todas las personas que van a consulta
a. Si el meteorólogo es preciso, ¿cuál es el valor
tienen problemas de naturaleza psicosomática. Ella
decide seleccionar 25 pacientes al azar para probar su apropiado de p, la probabilidad de lluvia en uno de
teoría. los 25 días?
b. ¿Cuáles son la media y desviación estándar de x, el
a. Suponiendo que la teoría de la psiquiatra
psiquiatra es verdadera,
número de días en los que llovió, suponiendo que
¿cuál es el valor esperado de x, el número de los 25 el meteorólogo es preciso?
pacientes que tienen problemas psicosomáticos? c. Calcule el puntaje
puntaje z para el valor observado,
b. ¿Cuál es la varianza de x, suponiendo que la teoría es
x 10. [SUGERENCIA: Recuerde de la sección
secci ón 2.6
verdadera? que el puntaje z es (x m)/s.]
c. Encuentre P(x 14). (Use tablas y suponga que la
d. ¿Estos datos están en desacuerdo con el pronóstico de
teoría es verdadera.) un “30% de probabilidad de lluvia”? Explique.
d. Con base en la probabilidad del inciso c), si sólo 14 dede
5.73 ¿Qué hay para desayunar? Se lleva a cabo un
los 25 muestreados tenía problemas psicosomáticos,
experimento de empaque al colocar, uno junto a los otros,
¿a qué conclusiones se llegaría acerca de la teoría de
dos diseños diferentes de paquete para desayuno en un
la psiquiatra? Explique.
estante de supermercado. El objetivo del experimento es
5.70 Colegiaturas de estudiantes Una dirección ver si los compradores indican una preferencia por uno
estudiantil dice que 80% de todos los estudiantes están de los dos diseños del paquete. En un día determinado,
a favor de un aumento en las colegiaturas para subsidiar 25 clientes compraron un paquete del supermercado.
una nueva área de recreación. Una muestra aleatoria
a leatoria Sea x igual al número de compradores que escogieron el
de n 25 estudiantes produjo 15 a favor de aumentar segundo diseño de paquete.
colegiaturas. ¿Cuál es la probabilidad de que 15 o menos a. Si no hay preferencia por alguno de los los dos diseños,
de la muestra
en lo correcto?estén
¿Losadatos
favorapoyan
del temalasiaseveración
la direccióndeestá
la ¿cuál es el valor de p, la probabilidad de que un
comprador escoja el segundo diseño de paquete?
dirección estudiantil, o parece que el porcentaje que está
b. Si no hay preferencia, use los resultados del inciso a)
a favor de un aumento en colegiaturas es menos del 80%?
para calcular la media y desviación estándar de x.
5.71 Canas en el plantel ¡Los planteles c. Si 5 de los 25
25 clientes escogieron el diseño del
universitarios están envejeciendo! De acuerdo a un primer paquete y 20 escogieron el segundo diseño,
artículo reciente, uno de cada cuatro estudiantes tiene ¿qué concluiría usted acerca de la preferencia de los
30 años de edad o más. Muchos de estos estudiantes compradores por el segundo diseño de paquete?
son mujeres que actualizan sus conocimientos para el
5.74 Densidad de la planta Un modelo para
trabajo. Suponga que la cifra de 25% es precisa, que su competencia de plantas supone que hay una zona
universidad es representativa de universidades en general, de agotamiento de recursos alrededor de la semilla de
y que se muestran n 200 estudiantes, registrándose x, cada planta. Dependiendo del tamaño de las zonas y la
el número de estudiantes de 30 años de edad o más. densidad de las plantas, las zonas de agotamiento de
a. ¿Cuáles son la media y desviación estándar de x? recursos pueden traslaparse con las de otras semillas de la
b. Si hay 35 estudiantes en su muestra que tengan 30 30 cercanía. Cuando las semillas se dispersan al azar en una
años de edad o más, ¿estaría usted dispuesto a suponer superficie amplia, el número de vecinas que una semilla
pueda tener por lo general sigue una distribución Poisson d. ¿Cuál es la probabilidad de que el número de pollos
pollos
con una media igual a la densidad de semillas por con plumas “azules” sea mayor o igual a 10, pero
unidad de área. Suponga que la densidad de semillas es menor o igual a 12?
cuatro por metro cuadrado (m2). 5.77 Tiros al aire de monedas en fútbol Durante
a. ¿Cuál es la probabilidad de que una semilla 2 la temporada de fútbol de 1992, los Carneros de Los
determinada no tenga vecinos dentro de 1 m ? Ángeles (ahora Carneros de San Luis) tenían una insólita
b. ¿Cuál es la probabilidad de que una semilla tenga a lo fila de pérdidas en los tiros al aire de monedas. De hecho,
sumo tres vecinas por m2? perdieron la decisión 11 semanas en fila. 10
c. ¿Cuál es la probabilidad de que una semilla tenga
tenga a. El gerente del sistema de cómputo
cómputo de los Carneros
Carneros
cinco o más vecinas por m2? dijo que las probabilidades en contra de perder 11 tiros
d. Use el hecho de que la media y varianza de una al hilo son 2047 a 1. ¿Está bien?
variable aleatoria de Poisson son iguales, para hallar b. Después que estos resultados se publicaron, los
la proporción de vecinas que caerían en el intervalo Carneros perdieron la decisión en los siguientes dos
m 2s. Comente sobre este resultado. juegos, para un total de 13 pérdidas consecutivas.
consecutivas.
5.75 Genética de plantas Una peonia con pétalos ¿Cuál es la probabilidad de que esto ocurra si, de
rojos fue cruzada con otra planta que tenía pétalos hecho, la moneda era imparcial?
veteados. La probabilidad de que un descendiente de esta 5.78 Diabetes en niños La diabetes dependiente
cruza tenga flores rojas es .75. Sea x el número de plantas de insulina (IDD) es una enfermedad crónica común en
con pétalos rojos que resulte de 10 semillas de esta cruza niños, que se presenta con más frecuencia en personas
que se recolectaron y germinaron. con ascendencia del norte de Europa, pero la incidencia
a. ¿La variable aleatoria x tiene una distribución va de 1 o 2 casos en 100 000 por año hasta más de 40
binomial? Si no es así, ¿por qué no? Si es así, 000 en partes de Finlandia.11 Supongamos que
en 100 000
¿cuáles son los valores de n y p? una región de Europa tiene una incidencia de 5 casos en
b. Encuentre P(x 9). 100 000 por año.
c. Encuentre P(x 1). a. ¿La distribución del número
número de casos de la IDD
IDD en
d. ¿Sería inusual observar una planta con pétalos rojos y
esta región puede ser aproximada por una distribución
las nueve plantas restantes con pétalos entreverados? de Poisson? Si es así, ¿cuál es la media?
Si realmente se presentan estos resultados, ¿qué b. ¿Cuál es la probabilidad de que el número de casos
conclusiones podrían sacar? de la IDD en esta región
r egión sea menor o igual a 3 en
100 000?
5.76 Características dominantes Los alelos
c. ¿Cuál es la probabilidad de que el número
número de casos sea
de color negro (B) y blanco (b) de plumas de pollos
mayor o igual a 3, pero menor o igual a 7 en 100 000?
muestran dominancia incompleta; los individuos con
el par de genes Bb tienen plumas “azules”. Cuando d. ¿Esperaría usted observar 10 o más casos de la IDD en
un individuo que es homocigoto dominante (BB) para 100 000 en esta región en un año determinado? ¿Por
esta característica
homocigoto se aparea
recesivo conesta
(bb) para un individuo que es
característica, 1/4 qué sí o por qué no?
5.79 Cintas de video defectuosas Un fabricante de
de los descendientes llevarán el par BB de genes, 1/2 cintas de video las envía en lotes de 1200 cintas por lote.
llevarán el par Bb de genes y 1/4 llevarán
lle varán el par bb de Antes de un envío, se seleccionan al azar
aza r 20 cintas de
genes. Sea x el número de pollos con plumas “azules” en cada lote y se prueban. Si ninguna es defectuosa, el lote
una muestra de n 20 pollos que resulta de cruzas que es enviado. Si una o más son defectuosas, todas las cintas
involucran a pollos homocigotos dominantes (BB) con del lote se prueban.
pollos homocigotos recesivos (bb). a. ¿Cuál es la distribución de
de probabilidad para x, el
a. ¿La variable aleatoria x tiene una distribución número de cintas defectuosas en la muestra de 20?
binomial? Si no es así, ¿por qué no? Si es así, b. ¿Qué distribución se puede
puede usar para aproximar
¿cuáles son los valores de n y p? probabilidades para la variable aleatoria x del
b. ¿Cuál es el número medio de pollos con plumas
plumas inciso a)?
“azules” en la muestra? c. ¿Cuál es la probabilidad de que un lote
lote sea enviado
c. ¿Cuál es la probabilidad de observar menos de de cinco si contiene 10 cintas defectuosas? ¿20 defectuosas?
pollos con plumas “azules”? ¿30 defectuosas?
5.80 Chocolate oscuro A pesar de informes de que tres muestras, dos de las cuales son de lotes del producto
el chocolate oscuro es benéfico para el corazón,
c orazón, 47% de que se sabe tiene el sabor deseado y la otra proviene del
los adultos todavía prefieren más el chocolate con leche último lote. Cada probador selecciona la muestra que
que el oscuro.12 Suponga que una muestra aleatoria de es diferente de las otras dos. Suponga que el último lote
n 5 adultos se selecciona y ses e les pregunta si prefieren tiene el sabor deseado y que no hay comunicación entre
más el chocolate con leche que el oscuro. los probadores.
a. ¿Cuál es la probabilidad de que los cinco adultos a. Si el último lote tiene el mismo sabor que los otros dos
digan que prefieren más el chocolate con leche que el lotes, ¿cuál es la probabilidad de que el probador lo
oscuro? escoja como el que es diferente?
b. ¿Cuál es la probabilidad de que exactamente tres de b. ¿Cuál es la probabilidad de que exactamente uno de
los cinco adultos digan que prefieren más el chocolate los probadores escoja el último lote como diferente?
con leche que el oscuro? c. ¿Cuál es la probabilidad de que al menos uno de los
c. ¿Cuál es la probabilidad de que al menos un adulto probadores escoja el último lote como el diferente?
prefiera más el chocolate con leche que el oscuro?
5.84 ¿Devuelve usted sus cuestionarios? El
5.81 Enfermedad de Tay-Sachs La enfermedad de presidente de una compañía, que se especializa en
Tay-Sachs es un mal genético que por lo general es encuestas de opinión pública, dice que alrededor del 70%
fatal para los niños. Si los dos padres son portadores de las personas a quienes la agencia envía cuestionarios
de la enfermedad, la probabilidad de que sus descendientes responde al llenar y devolver el cuestionario. Se envían
la desarrollen es aproximadamente .25. Suponga que un 20 de esos cuestionarios y suponga que lo dicho por el
esposo y esposa son portadores de la enfermedad y que presidente es correcto.
la esposa ha estado embarazada en tres ocasiones. Si el
a. ¿Cuál es la probabilidad de que exactamente 10 de los
suceso de la enfermedad de Tay-Sachs en uno de los
cuestionarios sean llenados y devueltos?
hijos es independiente del suceso en cualquiera de los
otros, ¿cuáles son las probabilidades de estos eventos? b. ¿Cuál es la probabilidad de que exactamente 12 de los
cuestionarios sean llenados y devueltos?
a. Los tres hijos desarrollarán la enfermedad de Tay-
c. ¿Cuál es la probabilidad de que a lo sumo
sumo 10 de los
Sachs.
cuestionarios sean llenados y devueltos?
b. Sólo un hijo desarrollará la enfermedad de Tay-Sachs.
c. El tercer hijo desarrollará la enfermedad de
de Tay- 5.85 Cuestionarios, continúa Consulte el ejercicio
Sachs, dado que los primeros dos no la tuvieron. 5.84. Si n 20 cuestionarios se envían,
5.82 Faltar al trabajo Muchos empleadores dan a a. ¿Cuál es el número promedio
promedio de cuestionarios que
que
sus trabajadores unos días por enfermedad así como por serán devueltos?
vacaciones. Entre los trabajadores que han tomado un día b. ¿Cuál es la desviación estándar del número de
por enfermedad cuando en realidad no estaban enfermos, cuestionarios que serán devueltos?
49% dijeron que necesitaban un descanso. 13 Suponga que c. Si x 10 de los 20 cuestionarios son devueltos a
se
quetoma una muestra
tomaron aleatoria
un día por de n Redondeando
enfermedad. 12 trabajadores la compañía,
respuesta ¿consideraría
poco usted que esto es una
común? Explique.
el 49% a p .5, encuentre las probabilidades de los
siguientes eventos. 5.86 Problemas en aves Una investigación
preliminar informó que alrededor del 30% de las
a. ¿Cuál es la probabilidad de que más de seis aves producidas en la localidad estaban infectadas con
trabajadores digan que tomaron un día por enfermedad un parásito intestinal que, aunque no riesgoso para
porque necesitaban un descanso? quienes consumen las aves, disminuye los porcentajes
b. ¿Cuál es la probabilidad de que menos de cinco de de los acostumbrados de crecimiento en peso en las aves. Un
trabajadores necesitaban un descanso? suplemento en dieta que se pensaba era eficaz contra este
c. ¿Cuál es la probabilidad de que exactamente 10 de los parásito se agregó al alimento de las
la s aves. Veinticinco
trabajadores tomaron un día por enfermedad porque aves se examinaron después de tomar el suplemento
necesitaban un descanso? durante al menos dos semanas y se encontró que tres de
5.83 La prueba del triángulo Un procedimiento las aves estaban todavía infectadas con el parásito.
que se usa con frecuencia para controlar
c ontrolar la calidad de a. Si el suplemento de la dieta es ineficaz, ¿cuál es la
productos alimenticios de marca utiliza un panel de probabilidad de observar tres o menos aves infectadas
cinco “probadores”. Cada miembro del panel prueba con el parásito intestinal?
b. Si de hecho el suplemento
suplemento alimenticio era eficaz a. ¿Cuál es la probabilidad de que al menos uno tenía
y redujo el porcentaje de infección al 10%, ¿cuál seguro contra terremotos?
es la probabilidad de observar tres o menos aves b. ¿Cuál es la probabilidad de que cuatro o más tengan
infectadas? seguro contra terremotos?
5.87 Descomposturas de máquinas En una planta c. ¿Dentro de qué
qué límites esperaría usted que baje el
de procesamiento y empaque de alimentos, en promedio, número de propietarios asegurados contra terremotos?
dos máquinas se descomponen por semana. Suponga que 5.92 Mal alambrado Los paneles de control
las descomposturas semanales de máquinas siguen una alambrados incorrectamente se instalaron por error en
distribución de Poisson. dos de cada ocho máquinas-herramientas automáticas
a. ¿Cuál es la probabilidad de que no haya
haya grandes. No es seguro saber cuál de las máquinas-
descomposturas de máquinas en una herramientas tienen los paneles defectuosos y se
semana determinada? selecciona al azar una muestra de cuatro herramientas
b. Calcule la probabilidad de que no haya
haya más de para inspeccionarlas. ¿Cuál es la probabilidad de que la
dos descomposturas de máquinas en una semana muestra no incluya paneles defectuosos? ¿Ambos paneles
determinada. defectuosos?
5.88 ¿Automovilistas seguros? Evidencias 5.93 Comer a la carrera ¿Cómo sobrevive usted
muestran que la probabilidad de que un automovilista cuando no hay tiempo para comer, ya sea un bocado
participe en un grave accidente de automóvil durante rápido, nada de alimento o una barra de proteína, o
un año determinado es .01. Una compañía en particular dulce? Un artículo de USA Today indica que 36% de
emplea 100 representantes de ventas viajeros a mujeres entre 25 y 55 años de edad dijeron que, cuando
tiempo completo. Con base en esta evidencia, use la están demasiado ocupadas para comer, adquieren una
aproximación Poisson a la distribución binomial para comida rápida en un restaurante con entrada para autos. 14
hallar la probabilidad de que exactamente dos de los Se selecciona una muestra al azar
aza r de 100 mujeres de
representantes de ventas participen en un grave accidente entre 25 y 55 años de edad.
automovilístico durante el año venidero.
5.89 Estresado A un individuo se le enseña a Cómo comen mujeres a la carrera
hacer un trabajo en dos modos. Estudios realizados han 40%
demostrado que cuando es sometido a esfuerzo mental
y se le pide efectuar el trabajo, el individuo casi siempre 30%
revierte el método que aprendió primero, sin considerar
20%
si era más fácil o más difícil. Si la probabilidad de que
un sujeto regrese al primer método aprendido es .8 y seis 10%
sujetos son probados, ¿cuál es la probabilidad de que al
menos cinco de los individuos reviertan al primer método 0%
aprendido cuando se les pida efectúen su trabajo bajo En auto Saltarse Barra de Dulce/
MI APPLET Ejercicios
Use el applet Calculating Binomial Probabilities operar de manera independiente y que la probabilidad
(Calculando probabilidades binomiales) para el de falla en vuelo de un solo motor es .01. ¿Cuál es la
siguiente conjunto de ejercicios. probabilidad de los siguientes eventos en un vuelo
determinado?
5.94 Consulte los ejercicios 5.8 y 5.9.
a. No se observan fallas.
a. Use el applet para construir el histograma de
probabilidad para una variable aleatoria binomial x b. No se observa más de una falla.
con n 6 y p .2. 5.99 ¿McDonald’s o Burger King? Suponga
b. Use el applet para construir el histograma de que 50% de todos los jóvenes adultos prefieren más
probabilidad para una variable aleatoria binomial a McDonald’s que a Burger King cuando se les pide
x con n 6 y p .8. ¿Cómo describiría usted las indicar una preferencia. Un grupo de 100 jóvenes adultos
formas de las distribuciones de los incisos a) y b)? se seleccionaron al azar y se registraron sus preferencias.
c. Use el applet para construir el histograma de a. ¿Cuál es la probabilidad de que más de 60 prefirieron
probabilidad para una variable aleatoria binomial x McDonald’s?
con n 6 y p .5. ¿Cómo describiría usted la forma
b. ¿Cuál es la probabilidad de que entre
de esta distribución?
40 y 60 (inclusive) prefirieron McDonald’s?
5.95 Use el applet para hallar lo siguiente: c. ¿Cuál es la probabilidad de que entre
a. P (x 6) para n 22, p .65 40 y 60 (inclusive) prefirieron Burger King?
b. P (x 8) para n 12, p .4 5.100 Destinos para vacaciones Los altos precios
c. P (x 14) para n 20, p .5 en combustibles pueden hacer que algunos vacacionistas
d. P (2 x 6) para n 15, p .3 estadounidenses se queden cerca de casa. No obstante,
e. P (x 6) para n 50, p .7 cuando se les da una opción de lugares para vacacionar,
66% de viajeros de placer de Estados Unidos indicaron
5.96 Cirugías exitosas Se dice que un nuevo
que les gustaría visitar parques nacionales.15 Se
procedimiento quirúrgico es exitoso en 80% de las veces.
seleccionó una muestra aleatoria de n 100 viajeros
Suponga que la operación se efectúa cinco veces
de placer.
y se supone que los resultados son independientes entre
sí. ¿Cuáles son las probabilidades de estos eventos? a. ¿Cuál es el promedio de x, el número de viajeros de
la muestra que indican que les gustaría visitar parques
a. Las cinco operaciones son exitosas.
nacionales? ¿Cuál es la desviación estándar de x?
b. Exactamente cuatro son exitosas.
b. ¿Sería poco probable hallar sólo 50 o menos de los
c. Menos de dos son exitosas.
muestreados que indiquen que les gustaría visitar
menosCirugía,
5.97 continúa fueron
de dos operaciones Consulte el ejercicio
exitosas, 5.96. Si
¿qué pensaría parques nacionales? Use el applet para hallar la
probabilidad de este evento.
usted del trabajo del equipo de cirujanos?
c. ¿Cuántas desviaciones estándar a partir de la media
5.98 Falla en un motor Suponga que los cuatro es el valor x 50? ¿Esto confirma su respuesta al
motores de un avión comercial están arreglados para inciso b)?
CASO
PRÁCTICO Un misterio: cánceres cerca de un reactor
¿Qué tan seguro es vivir cerca de un reactor nuclear? Hombres que vivían en una franja
costera que se extiende 20 millas al norte de un reactor nuclear en Plymouth, Massa-
chusetts, desarrollaron algunas formas de cáncer a un ritmo 50% mayor que el de todo
el estado, de acuerdo con un estudio apoyado por el Departamento de Salud Pública de
Massachusetts y publicado el 21 de mayo de 1987 en la edición del New York Times.16
La causa de los cánceres es un misterio, pero se ha sugerido que el cáncer estaba
vinculado al reactor Pilgrim I, que había sido cerrado durante 13 meses debido a pro-
blemas de administración. Boston Edison, propietaria del reactor, reconoció escapes
de radiación a mediados del decenio de 1970 que estuvieron un poco arriba de nive-
les permisibles. Si el reactor era en efecto responsable por el excesivo porcentaje
de cáncer, entonces el nivel de radiación reconocido actualmente
actualmente requerido para cau-
sar cáncer tendría que cambiar. No obstante, el misterio más desconcertante fue el
hecho de que las mujeres en esa misma zona aparentemente no fueron afectadas.
En su informe, el Dr. Sidney Cobb, epidemiólogo, observó el enlace entre los
escapes de radiación en el reactor Pilgrim I y 52 casos de cáncer hemapoyético. El
informe indicaba que este número inesperadamente grande podría ser atribuible a
escapes radiactivos en el aire salido del Pilgrim I, concentrado a lo largo de la costa
por los patrones de viento y no disipados, como supusieron inspectores de reglamen-
tos del gobierno. ¿Qué tan poco común fue este número de casos de cáncer? Esto es,
estadísticamente hablando, ¿el 52 es un número altamente improbable de casos? Si la
respuesta es afirmativa, entonces algún factor externo (posiblemente radiación) causó
este número anormalmente grande, o bien, hemos observado un evento muy raro.
La distribución de probabilidad de Poisson da una buena aproximación a las distri-
buciones de variables por ejemplo el número de fallecimientos en una región debido a
una rara enfermedad, el número de accidentes en una planta manufacturera por mes,
o el número de choques de líneas aéreas por mes. Por tanto, es razonable suponer que
la distribución de Poisson da un modelo apropiado para el número de casos de cáncer
en este ejemplo.
1. Si los 52 casos publicados representaban un porcentaje 50% más alto que el porcentaje
a nivel del estado, ¿cuál es una estimación razonable de m, el número promedio de
esos casos de cáncer a nivel de todo el estado?
2. Con base en la estimación de usted respecto a m, ¿cuál es la desviación estándar esti-
mada del número de casos de cáncer al nivel de todo el estado?
3. ¿Cuál es el puntaje z para los x 52 casos observados de cáncer? ¿Cómo inter-
preta usted este puntaje z en vista de la preocupación por el elevado porcentaje de
cáncer hemapoyético en esta zona?