Trabajo Práctico 3 (RESUELTO)

DISTRIBUCIONES DE PROBABILIDAD

Variables aleatorias discretas

1. El número de errores por hora que comete un administrativo en cierto trabajo es una variable
aleatoria que tiene la siguiente distribución
Cantidad de errores (r): 0 1 2 3
P (r): 0,4 0,3 0,2 0,1
a. Calcule el número medio de errores:
0.0,4 + 1.0,3 + 2.0,2 + 3.0,1
𝐸(𝑟) = =1
1
b. Determine la probabilidad de que se cometa como mínimo un error.
𝑃(𝑟 ≥ 1) = 0,3 + 0,2 + 0,1 = 0,6

2. Un experimento consiste en tirar dos dados y anotar las sumas de las caras superiores:
a. Construir la distribución de probabilidad de la variable “suma de las caras de los dos
dados”

𝑥 2 3 4 5 6 7 8 9 10 11 12
𝑃(𝑥) 1 2 3 4 5 6 5 4 3 2 1
36 36 36 36 36 36 36 36 36 36 36

b. Calcular la probabilidad de que la suma sea:

I) 4
3
𝑃(𝑥 = 4) = 36 = 0,0833

II) seis o doce

5 1
𝑃(𝑥 = 6) + 𝑃(𝑥 = 12) = 36 + 36 = 0,1667

III) superior a 5
5 6 5 4 3 2 1
𝑃(𝑥 > 5) = 𝑃(𝑥 ≥ 6) = 36 + 36 + 36 + 36 + 36 + 36 + 36 = 0,722

IV) a lo sumo 4
1 2 3
𝑃(𝑥 ≤ 4) = 36 + 36 + 36 = 0,1667

V) más de 3
1 2
𝑃(𝑥 > 3) = 𝑃(𝑥 ≥ 4) = 1 − 𝑃(𝑥 = 2) − 𝑃(𝑥 = 3) = 1 − − = 0,91667
36 36
 3. José Muñoz vende automóviles en la agencia Ford Norte. Generalmente negocia el mayor
número de autos los días sábados. Ha establecido la siguiente distribución de probabilidad
para los autos que vende para un sábado en particular

Número de autos vendidos: 0 1 2 3 4

P (r) 0,1 0,2 0,3 0,3 0,1

a. En un sábado cualquiera ¿cuántos espera vender?

0.0,1+1.0,2+2.0,3+4.0,1
𝐸(𝑟) = = 2,1 autos
1

b. ¿Cuál es la variabilidad absoluta y la relativa de la distribución? ¿Qué significa esta última?

Variabilidad absoluta: 𝜎(𝑟) = 1,136

𝜎(𝑟) 1,136
Variabilidad relativa: 𝐶𝑉 = = = 0,54 (El desvío representa el 54% del valor esperado)
𝜇(𝑥) 2,1

4. La demanda de un producto, por parte de Industrias Martín, varía mucho de mes a mes. La
demanda en miles de unidades y su distribución de probabilidad basadas en los datos de los
dos últimos años es la siguiente:

Demanda de unidades : 300 400 500 600

P (x) : 0,2 0,3 0,35 0,15

a. Si la empresa basa sus pedidos en el valor esperado de la demanda mensual, cuál debe ser la
cantidad pedida por Martín para este producto.

300.0,2+400.0,3+500.0,35+600.0,15
𝐸(𝑥) = = 445 unidades
1

b. Suponga que cada unidad demandada genera ingresos de $ 70 y que cada unidad pedida
cuesta $50.

¿Cuánto debe ganar o perder la empresa en un mes si coloca un pedido basado en su respuesta
anterior y la demanda real es de 300 unidades.

𝐶(445) = 50.445 = 22250

𝐼 (300) = 𝑝. 𝑞 = 70.300 = 21000
𝐵 = 𝐼 − 𝐶 ⇒ 21000 − 22250 = −1250

La empresa pierde $1250.

5. Una empresa tiene dos empleados, A y B, que faltan aleatoriamente el 10 y 8% de la veces,

respectivamente. Se sabe que: si concurre A se procesan 50 facturas por día, si concurre sólo B
 se procesan 25 facturas por día, si concurren ambos sólo el empleado A se encarga del
procesamiento de facturas.
a. Construir la distribución de probabilidad de la variable aleatoria: “cantidad de facturas
procesadas por día

𝑥 0 25 50

𝑃(𝑥) 0,1.0,008 = 0,008 0,1.0,92 = 0,092 1 − 0,008 − 0,092

= 0,9

b. ¿Cuál es el promedio de facturación diario? Considera que la variable presenta una baja
fluctuación.

𝐸(𝑥) = 0.0,008 + 25.0,092 + 50.0,9 = 47,3 facturas

6. Se van a extraer dos bolillas de una caja que contiene 3 bolillas numeradas (del 3 al 5).
Construir la distribución de probabilidad de la variable: “suma de los números de las dos
bolillas” y calcular la media y la varianza, considerando las extracciones con y sin reposición

Sin reposición:
𝑥 7 8 9
𝑃(𝑥) 1 1 1
3 3 3
1 1 1
𝑀𝑒𝑑𝑖𝑎 = 𝐸(𝑥) = . 7 + . 8 + . 9 = 8
3 3 3
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 = 𝜎 2 = 0,6667

Con reposición:
𝑥 6 7 8 9 10
𝑃(𝑥) 1 2 3 2 1
9 9 9 9 9
1 2 3 2 1
𝑀𝑒𝑑𝑖𝑎 = 𝐸(𝑥) = 9 . 6 + 9 . 7 + 9 . 8 + 9 . 9 + 9 . 10 = 8
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 = 𝜎 2 = 1,333

Distribuciones discretas de probabilidad. Modelos Binomial, Hipergeométrica y Poisson

7. Se desea hacer una encuesta de mercado para estudiar cuál será la repercusión de un producto que
será lanzado en los próximos días. Se conoce por estudios anteriores que el porcentaje de aceptación
sobre productos similares es del 60%. Si se toma una muestra de 20 personas:
a) ¿Cuál es la probabilidad que exactamente diez personas compren el producto?
b) ¿Cuál es la probabilidad de que a lo sumo 12 personas compren el producto?
c) ¿Cuál es la probabilidad de que más de 9 personas no lo adquieran?
d) ¿Cuántas personas se espera que no compren el producto?

Respuestas:

DATOS:

Distribución binomial: Experimento dicotómico; Observaciones independientes.

a.
X = cantidad de personas compran (aceptan) el producto
BINOMIAL ( 𝑛 = 20 ; 𝑝 = 0,6 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 10) = 0,11714

b.
X = cantidad de personas que compran (aceptan) el producto
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿(𝑛 = 20 ; 𝑝 = 0,6 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 12) = 0,58411

c.
X = cantidad de personas que NO compran el producto (en una muestra de 20)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 20 ; 𝑝 = 0,4 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 > 9) = 𝑃(𝑥 ≥ 10) = 0,24466

d.
X = cantidad de personas que NO tuvieron aceptación del producto
BINOMIAL ( 𝑛 = 20 ; 𝑝 = 0,4)
𝐸(𝑥) = 𝑛. 𝑝 = 20.0,4 = 8 ( también puede buscarlo en moments de la aplicación Probability
Distributions)

8. Se sabe por experiencias anteriores, que el 30% de los alumnos universitarios, trabaja más de 4
horas por día. Si seleccionamos al azar 10 alumnos universitarios, ¿Cuál es la probabilidad de hallar:
a) 4 alumnos que trabajan más de 4 horas.
b) Más de 2 alumnos que trabajen más de 4 horas.
c) A lo sumo 8 alumnos trabajen más de 4 horas.
Respuestas:

Experimento dicotómico; Observaciones independientes.

a. X = cantidad de alumnos universitarios que trabajan más de 4 horas por día (en una muestra de
10)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 10 ; 𝑝 = 0,3 )
¡Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 4) = 0,20012

b. X = cantidad de alumnos universitarios que trabajan más de 4 horas por día (en una muestra de
10)𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 10 ;
(Uso de la aplicación Probability Distributions)
𝑃(𝑋 > 2) = 𝑃(𝑥 ≥ 3) = 0,61722

c. X = cantidad de alumnos universitarios que trabajan más de 4 horas por día (en una muestra de
10)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 10 ; 𝑝 = 0,3 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 8) = 0,99986

9. En un bingo del conurbano resulta ganador del premio mayor un promedio de un jugador cada 2,5
horas. En un lapso de 6 horas ¿cuál es la probabilidad de que el premio mayor salga 3 veces por lo
menos?

Respuestas:

Hay que buscar la probabilidad de que el premio mayor salga 3 veces por lo menos en un lapso de 6
horas
Distribución Poisson: “x” una variable aleatoria discreta que denota la cantidad de éxitos que se
presentan en un espacio continuo (de tiempo) de extensión “t”

x: Cantidad de veces que sale el premio mayor en 6 horas

1 1 12
𝑏 = 2,5 ( cantidad de ganadores en una hora); 𝑡 = 6 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 2,5 . 6 ⇒ 𝜆 = 5
12
𝑃𝑂𝐼𝑆𝑆𝑂𝑁( 𝜆 = = 2,4 )
5
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≥ 3) = 0,43029

10. Por una esquina de la Capital Federal transitan en promedio 15 autos por minuto. Se desea
calcular la probabilidad de que
a) En un minuto pasen exactamente 11 autos
b) En un minuto pasen más de 12 autos.
c) Durante 30 segundos pasen 7 automóviles.
Respuestas:

DATOS

Distribución Poisson: “x” una variable aleatoria discreta que denota la cantidad de éxitos que se
presentan en un espacio continuo (de tiempo) de extensión “t”

a. x: Cantidad de autos que pasan en 1 minuto

𝑃𝑂𝐼𝑆𝑆𝑂𝑁(𝜆 = 15 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 11) = 0,06629

b. x: Cantidad de autos que pasan en 1 minuto

𝑃𝑂𝐼𝑆𝑆𝑂𝑁(𝜆 = 15 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑋 > 12) = 𝑃(𝑥 ≥ 13) = 0,73239

c. x: Cantidad de autos que pasan en 30 segundos (1/2 minuto)

𝑏 = 15 ; 𝑡 = 0,5; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 15.0,5 ⇒ 𝜆 = 7,5
𝑃𝑂𝐼𝑆𝑆𝑂𝑁(𝜆 = 7,5 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 7) = 0,14648

11. Un gerente financiero sabe que el 20% de los cheques rechazados son habitualmente
irrecuperables. En el último mes ha recibido 9 cheques que han sido rechazados.
a) ¿Cuál es la probabilidad que más de la mitad de los mismos sean irrecuperables?
b) ¿Cuál es la probabilidad de recuperar al menos la tercera parte de los mismos?
c) ¿Cuál es la probabilidad de recuperar alguno de estos cheques?

Respuestas:

DATOS:Distribución binomial: Experimento dicotómico ( se recupera o no se recupera); observaciones

independientes.

a. X = cantidad de cheques rechazados irrecuperables (en una muestra de 9)

𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 9 ; 𝑝 = 0,2 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑋 > 4,5) = 𝑃(𝑋 ≥ 5) = 0,01958

b. X = cantidad de cheques rechazados recuperables (en una muestra de 9)

BINOMIAL(𝑛 = 9 ; 𝑝 = 0,8 )

(Uso de la aplicación Probability Distributions)

 𝑃(𝑥 ≥ 3) = 0,99969

c. X = cantidad de cheques rechazados recuperables (en una muestra de 9)

𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 9 ; 𝑝 = 0,8 )
(Uso de la aplicación Probability Distributions)

𝑃(𝑥 ≥ 1) = 0,99999

12. En una central telefónica se reciben en promedio 5 llamadas por minuto.

a) Definir la variable aleatoria, identificar su distribución y parámetros.
b) ¿Cuál es la probabilidad de que en 2 minutos se reciban más de 8 llamadas?
c) ¿Cuántas llamadas en promedio se reciben en 4 horas?

Respuestas:

a. Variable x: Cantidad de llamadas realizadas una cierta cantidad de minutos

Distribución Poisson: “x” una variable aleatoria discreta que denota la cantidad de éxitos que se
presentan en un espacio continuo (de tiempo) de extensión “t”

b. X= Cantidad de llamadas realizadas en 2 minutos

𝑏 = 5 ; 𝑡 = 2 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 5.2 ⇒ 𝜆 = 10
𝑃𝑂𝐼𝑆𝑆𝑂𝑁( 𝜆 = 10 )
(Uso de la aplicación Probability Distributions
𝑃(𝑋 > 8) = 𝑃(𝑥 ≥ 9) = 0,66718

c. X=Cantidad de llamadas que se reciben en 4 horas (240 minutos)

𝑏 = 5 ; 𝑡 = 240 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 5.240 ⇒ 𝜆 = 1200
𝐸(𝑥) = 𝜆 = 1200
En promedio,se reciben 1200 llamadas en 4 horas.

13. Entre los numerosos postulantes que se presentaron para cubrir un puesto administrativo en una
importante empresa se preseleccionaron catorce, de los cuales solamente cinco pueden acreditar
experiencia previa en tareas similares, y el director de Recursos Humanos de la empresa decidió elegir
por sorteo los siete postulantes preseleccionados que entrevistará en primer término. Calcular la
probabilidad de que en el grupo así elegido, haya:
a) Exactamente 3 postulantes con experiencia previa.
b) A lo sumo 2 postulantes con experiencia previa.
c) Como mínimo 4 postulantes con experiencia previa.
d) ¿Cuántos postulantes sin experiencia previa se esperaría encontrar en un grupo de tres
postulantes?

Respuestas:

DATOS

Distribución hipergeométrica: Es un experimento dicotómico; las observaciones son dependientes (sin

reposición)

a. x: cantidad de postulantes CON experiencia previa (en una selección de 7)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 7 ; 𝑁 = 14 ; 𝑀 = 5 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 3) = 0,36713

b. x: cantidad de postulantes CON experiencia previa (en una selección de 7)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴(𝑛 = 7 ; 𝑁 = 14 ; 𝑀 = 5 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 2) = 0,5

c. x: cantidad de postulantes con experiencia previa (en una selección de 7)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 7 ; 𝑁 = 14 ; 𝑀 = 5 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≥ 4) = 0,13287

d. x: cantidad de postulantes SIN experiencia previa (en una selección de 3)

HIPERGEOMETRICA( 𝑛 = 3 ; 𝑁 = 14 ; 𝑀 = 9 )
𝑀
𝐸(𝑥) = 𝑛. 𝑁
9
𝐸(𝑥) = 3. 14 = 1,93 (Aproximadamente 2 postulantes)

( también puede buscarlo en moments de la aplicación Probability Distributions)

14. En la sección Contaduría de la empresa “A”, donde trabajan 8 empleados casados y 12 empleados
solteros, el jefe elige al azar un equipo de empleados para hacer horas extras el próximo sábado.
a) Para las siguientes preguntas definir la variable de estudio, identificar la distribución y sus
parámetros.
b) Si dicho equipo estuviera integrado por 4 empleados, ¿cuál sería la probabilidad de que más de la
mitad de los mismos fueran casados?
c) Si dicho equipo estuviera integrado por 9 empleados, ¿cuál sería la probabilidad de que menos de la
tercera parte de los mismos fueran solteros?

Respuestas:

DATOS

a. Acá pide lo que siempre hay que hacer en cada ítem ( ver siguientes ítems)

b. x: cantidad de postulantes casados (en una selección de 4)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 4 ; 𝑁 = 20 ; 𝑀 = 8 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑋 > 2) = 𝑃(𝑥 ≥ 3) = 0,15315

c. x: cantidad de postulantes solteros (de una selección de 9)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 9 ; 𝑁 = 20 ; 𝑀 = 12 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 < 3) = 𝑃(𝑥 ≤ 2) = 0,00322

15. Para realizar el control de recepción de una pieza el comprador decide tomar una muestra de 5
unidades de la caja recibida y si encuentra más de 1 de segunda calidad rechazar la misma. Se cree
que el proveedor ha incorporado en cada caja que entrega 2 unidades de segunda calidad sobre un
total de 16 unidades. ¿Cuál es la probabilidad de que el comprador acepte la caja?

Respuestas:

DATOS

Distribución hipergeométrica: Es un experimento dicotómico; las observaciones son dependientes (sin

reposición)

x: Cantidad de piezas de segunda calidad en una muestra de 5

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 5 ; 𝑁 = 16 ; 𝑀 = 2 )

(Uso de la aplicación Probability Distributions)

𝑃(𝑎𝑐𝑒𝑝𝑡𝑒 𝑙𝑎 𝑐𝑎𝑗𝑎)=𝑃(𝑥 ≤ 1) = 0,91667

16. En una agencia de publicidad trabajan 25 publicistas, de los cuales 8 provienen de la agencia “RR
advise SA” Si se elige al azar un grupo de 6 publicistas,
a) ¿Cuál es la probabilidad de que a lo sumo 2 de ellos provengan de la mencionada agencia?
b) ¿Cuál es la probabilidad de que más de 3 de ellos provengan de dicha agencia?
c) ¿Cuántos publicistas provenientes de la agencia en cuestión espera ud que estén presentes en una
muestra de 10 publicistas elegidos al azar? ¿Con qué desvío?
Respuestas:

a. x: cantidad de publicistas que provienen de la agencia mencionada (de una selección de 6)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 6 ; 𝑁 = 25 ; 𝑀 = 18 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 2) = 0,72569

b. x: cantidad de publicistas que provienen de la agencia mencionada (de una selección de

6)
𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 6 ; 𝑁 = 25 ; 𝑀 = 18 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 > 3) = 𝑃(𝑥 ≥ 4) = 0,05929

c. Cantidad de publicistas de la agencia mencionada se esperan que estén presentes en una

muestra de 10 personas elegidas al azar
𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴(𝑛 = 10 ; 𝑀 = 8 ; 𝑁 = 25)
8
𝐸(𝑥) = 10. 25 = 𝟑, 𝟐
𝑀 𝑀 𝑁−𝑛 8 8 25−10
Desvío: 𝜎 = √𝜎 2 = √𝑛. 𝑁 (1 − 𝑁 ) ( 𝑁−1 ) = √10. 25 (1 − 25) ( 25−1 ) = 𝟏, 𝟏𝟔𝟔𝟐

( No hace falta usar estas fórmulas, también puede buscarlo en moments de la aplicación
Probability Distributions)

17. Suponga que la probabilidad de que un vendedor ambulante logre realizar alguna venta con la
modalidad puerta a puerta, es de 0,15. Si una mañana ofrece su producto en 18 casas:
a) ¿Cuál es la probabilidad de que logre realizar por lo menos una venta?
b) ¿Cuál es la probabilidad de que logre entre 4 y 8 ventas?
c) ¿Qué tipo de asimetría tiene la distribución de la variable “número de ventas” para este problema?

Respuestas:
 a. X = Cantidad de ventas que realiza un vendedor ambulante (en una visita a 18 casas)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 18 ; 𝑝 = 0,15 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≥ 1) = 0,94635

b. X = Cantidad de ventas que realiza un vendedor ambulante (en una visita a 18 casas)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 18 ; 𝑝 = 0,15 )
(Uso de la aplicación Probability Distributions)
𝑃(4 ≤ 𝑥 ≤ 8) = 𝑃(𝑥 ≤ 8) − 𝑃(𝑥 ≤ 3) = 0,99949 − 0,72024 = 0,27925

c. Tipo de asimetría de la distribución de la variable “Número de ventas”

X = Cantidad de ventas que realiza un vendedor ambulante (en una visita a 18 casas)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 18 ; 𝑝 = 0,15 )

𝐸(𝑥) = 2,7 y según el gráfico, 𝑀𝑜 = 2, por lo tanto, como 𝑀𝑜 < 𝐸(𝑥), entonces la asimetría es
positiva.

18. El número de personas que ingresan a la unidad de cuidados intensivos de un hospital en cualquier
día, posee una distribución de probabilidad de Poisson, con una media igual a 5 personas.
a) ¿Cuál es la probabilidad de que el número de personas que ingresan a la unidad de cuidados
intensivos en un día particular sea igual a 2?
b) ¿Y a lo sumo 2?
c) ¿Cuántas personas se espera que entren durante 15 días?

Respuestas:

Distribución Poisson: “x” una variable aleatoria discreta que denota la cantidad de éxitos que se
presentan en un espacio continuo (de tiempo) de extensión “t”
 a. x: Cantidad de personas que ingresan a la unidad de cuidados intensivos en un día
𝑃𝑂𝐼𝑆𝑆𝑂𝑁 (𝜆 = 5)
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 2) = 0,08422

b. x: Cantidad de personas que ingresan a la unidad de cuidados intensivos en un día

𝑃𝑂𝐼𝑆𝑆𝑂𝑁 (𝜆 = 5)
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 2) = 0,12465

c. x: Cantidad de personas que ingresan a la unidad de cuidados intensivos durante 15 días

𝑏 = 5; 𝑡 = 15 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 5.15 ⇒ 𝜆 = 75
𝐸(𝑥) = 𝜆 = 75
Se espera que ingresen 75 personas durante 15 días.

19. Al comenzar las clases, en un curso de 80 alumnos en el que hay 24 recursantes, el profesor
selecciona al azar 10 alumnos para contestar un cuestionario a fin de evaluar los conocimientos
previos que tienen acerca de la materia. Calcular la probabilidad de que en el grupo de alumnos
seleccionados haya:
a) Entre 2 y 5 recursantes.
b) Por lo menos 8 alumnos que cursan por primera vez la materia.
c) Algún recursante.

Respuestas:

Distribución hipergeométrica: Es un experimento dicotómico; las observaciones son dependientes (sin

reposición)

a. x: cantidad de alumnos recursantes (de una selección de 10)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 10 ; 𝑁 = 80 ; 𝑀 = 24 )
(Uso de la aplicación Probability Distributions)
𝑃(2 ≤ 𝑥 ≤ 5) = 𝑃(𝑥 ≤ 5) − 𝑃(𝑥 ≤ 1) = 0,96341 − 0,13206 = 0,83

b. x: cantidad de alumnos NO recursantes (de una selección de 10)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴(𝑛 = 10 ; 𝑁 = 80 ; 𝑀 = 56 )
(Uso de la aplicación Probability Distributions)

𝑃(𝑥 ≥ 8) = 0,37017

c. x: cantidad de alumnos recursantes (de una selección de 10)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 10 ; 𝑁 = 80 ; 𝑀 = 24 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≥ 1) = 0,9784
20) Un auditor contable conoce por propia experiencia que el 90% de las pruebas de auditoría que
reúne son válidas para redactar su informe final.
Actualmente está trabajando en una empresa donde ha reunido 15 pruebas de auditoría.
a) ¿Cuál es la probabilidad de que a lo sumo 10 de estas pruebas sean válidas?
b) ¿Cuál es la probabilidad de que menos de 8 pruebas no sean válidas?
c) ¿Cuál es la probabilidad de que entre 7 y 12 pruebas sean válidas?

Respuestas:

Distribución binomial: Experimento dicotómico; Observaciones independientes.

a. X = Cantidad de pruebas de auditoría válidas (en una muestra de 15)

𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( n=15; 𝑝 = 0,9 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 10) = 0,01272

b. X = Cantidad de pruebas de auditoría NO válidas (en una muestra de 15)

𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( n=15; 𝑝 = 0,1 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 < 8) = 𝑃(𝑥 ≤ 7) = 0,99997

c. X = Cantidad de pruebas de auditoría válidas (en una muestra de 15)

𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( n=15; 𝑝 = 0,9 )
(Uso de la aplicación Probability Distributions)
𝑃(7 ≤ 𝑥 ≤ 12) = 𝑃(𝑥 ≤ 12) − 𝑃(𝑥 ≤ 6) = 0,18406 − 0,00000 = 0,18406

21) La cajera de cierto supermercado atiende a una tasa de 3 personas cada 5 minutos en promedio.
a) ¿Cuál es la probabilidad de que en los próximos 15 minutos logre atender a más de 12 personas?
b) ¿Cuál es la probabilidad de que en la próxima media hora atienda a lo sumo a 20 personas?
c) ¿Cuál es la probabilidad de que en los próximos 3 minutos no atienda a nadie?

Respuestas:

Distribución Poisson: “x” una variable aleatoria discreta que denota la cantidad de éxitos que se
presentan en un espacio continuo (de tiempo) de extensión “t”

a. x: Cantidad de personas atendidas en 15 minutos

3 3
𝑏 = 5 (tasa por minuto); 𝑡 = 15 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 5 . 15 ⇒ 𝜆 = 9
𝑃𝑂𝐼𝑆𝑆𝑂𝑁(𝜆 = 9 )
 (Uso de la aplicación Probability Distributions)
𝑃(𝑥 > 12) = 𝑃(𝑥 ≥ 13) = 0,12423

b. x: Cantidad de personas atendidas en 30 minutos

3 3
𝑏 = 5 ; 𝑡 = 30 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 5 . 30 ⇒ 𝜆 = 18
𝑃𝑂𝐼𝑆𝑆𝑂𝑁( 𝜆 = 18 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 20) = 0,73072

c. x: Cantidad de personas atendidas en 3 minutos

3 3 9
𝑏 = 5 ; 𝑡 = 3 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 5 . 3 ⇒ 𝜆 = 5
9
𝑃𝑂𝐼𝑆𝑆𝑂𝑁( 𝜆 = 5 =1,8)
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 0) = 0,16530

22. Un comerciante afirma que el 40% de las ventas que realiza, las hace a plazos superiores a los 3
meses. De las próximas 10 ventas que realice,
a) ¿Cuál es la probabilidad de que al menos 6 de ellas las realice a más de 3 meses?
b) ¿Cuál es la probabilidad de que menos de la tercera parte de las ventas no sea realizada en plazos
superiores a los 3 meses?
c) ¿Cuántas ventas espera que se realicen por plazos superiores a los 3 meses? ¿Con qué desvío?

Respuestas:

Distribución binomial: Experimento dicotómico; Observaciones independientes.

a. X = Cantidad de ventas a más de 3 meses (en una muestra de 10)

BINOMIAL( 𝑛 = 10 ; 𝑝 = 0,4 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≥ 6) = 0,1662

b. X = Cantidad de ventas que NO sean realizadas a más de 3 meses (en una muestra de 10)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿(𝑛 = 10 ; 𝑝 = 0,6)
(Uso de la aplicación Probability Distributions)
10
𝑃 (𝑥 < ) = (𝑥 ≤ 3) = 0,05476
3

c. X = Cantidad de ventas realizadas a más de 3 meses (en una muestra de 10)

𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿(𝑛 = 10 ; 𝑝 = 0,4 )
𝐸(𝑥) = 𝑛. 𝑝 = 10.0,4 = 𝟒
Se espera realizar 4 ventas con plazos superiores a los 3 meses.
Desvío: 𝜎 = √𝜎 2 = √𝑛. 𝑝(1 − 𝑝) = √10.0,4. (1 − 0,4) = 𝟏, 𝟓𝟓
 ( No hce falta aplicar las fórmulas,también puede buscarlo en moments de la aplicación
Probability Distributions)

23) En la sección tele marketing de cierta empresa hay 40 empleados, de los cuales 15 son bilingües.
Se seleccionará a 5 empleados en forma aleatoria para un comité de recepción de las nuevas
autoridades para Latinoamérica,
a) ¿Cuál es la probabilidad de que todos sean bilingües?
b) ¿Cuál es la probabilidad de que más de la mitad sean bilingües?
c) ¿Cuál es la probabilidad de que a lo sumo 2 no sean bilingües?

Respuestas:

Distribución hipergeométrica: Es un experimento dicotómico; las observaciones son dependientes (sin

reposición)

a. x: cantidad de empleados bilingües (en una selección de 5)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( / 𝑛 = 5 ; 𝑁 = 40 ; 𝑀 = 15 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 5) = 0,00456

b. x: cantidad de empleados bilingües (en una selección de 5)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( / 𝑛 = 5 ; 𝑁 = 40 ; 𝑀 = 15 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 > 2,5) = 𝑃(𝑥 ≥ 3) = 0,26387

c. x: cantidad de empleados NO bilingües (en una selección de 5)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( / 𝑛 = 5 ; 𝑁 = 40 ; 𝑀 = 25 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 2) = 0,26387

24. Un médico atiende a sus pacientes a un ritmo de 1 cada 15 minutos en promedio.

a) ¿Cuál es la probabilidad de que en la próxima hora atienda algún paciente?
b) ¿Cuál es la probabilidad de que en los próximos 30 minutos atienda a 2 personas?

Respuestas:

DATOS

Distribución Poisson: “x” una variable aleatoria discreta que denota la cantidad de éxitos que se
presentan en un espacio continuo (de tiempo) de extensión “t”

a. x: Cantidad de personas atendidas en 1 hora (60 minutos)

1 1
𝑏 = 15 ; 𝑡 = 60 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 15 . 60 ⇒ 𝜆 = 4
𝑃𝑂𝐼𝑆𝑆𝑂𝑁(𝜆 = 4)
 (Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≥ 1) = 0,98168

b. Probabilidad de que en los próximos 30 minutos atienda a 2 personas:

Variable x: Cantidad de personas atendidas en 30 minutos
1 1
𝑏 = 15 ; 𝑡 = 30 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 15 . 30 ⇒ 𝜆 = 2
𝑃𝑂𝐼𝑆𝑆𝑂𝑁( 𝜆 = 2 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 2) = 0,27067

25. En una reunión de directorio de una ONG hay 15 personas, de las cuales 4 son ambientalistas y el
resto no. Si se elige al azar un comité compuesto por 6 miembros de este directorio,
a) ¿Cuál es la probabilidad de que más de la mitad sean ambientalistas?
b) ¿Cuál es la probabilidad de que a lo sumo 3 de sus miembros no sea ambientalista?

Respuestas:

DATOS

Distribución hipergeométrica: Es un experimento dicotómico; las observaciones son dependientes (sin

reposición)

a. x: cantidad de personas ambientalistas (de una selección de 6)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴(𝑛 = 6 ; 𝑁 = 15 ; 𝑀 = 4 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 > 3) = 𝑃(𝑥 ≥ 4) = 0,01099
b. x: cantidad de personas NO ambientalistas (de una selección de 6)
𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴( 𝑛 = 6 ; 𝑁 = 15 ; 𝑀 = 11 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 3) = 0,14286

26. La máquina expendedora de boletos de cierto colectivo entrega el boleto en un promedio de 6

segundos.
a) ¿Cuál es la probabilidad de que entregue más de 5 boletos en los próximos 15 segundos?
b) ¿Cuál es la probabilidad de que no entregue ningún boleto en los próximos 30 segundos?
c) ¿En una hora, cuántos boletos esperaría que la maquina entregue?

Respuestas:

DATOS

Distribución Poisson: “x” una variable aleatoria discreta que denota la cantidad de éxitos que se
presentan en un espacio continuo (de tiempo) de extensión “t”

a. x: Cantidad de boletos entregados en un lapso de 15 segundos

 1 1
𝑏 = 6 ( en un segundo); 𝑡 = 15 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 6 . 15 ⇒ 𝜆 = 2,5
𝑃𝑂𝐼𝑆𝑆𝑂𝑁( 𝜆 = 2,5 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≥ 6) = 0,04202

b. x: Cantidad de boletos entregados en un lapso de 30 segundos

1 1
𝑏 = 6 ; 𝑡 = 30 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 6 . 30 ⇒ 𝜆 = 5
𝑃𝑂𝐼𝑆𝑆𝑂𝑁( 𝜆 = 5 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 0) = 0,00674

c. x: Cantidad de boletos entregados en un lapso de 3600 segundos

1 1
𝑏 = 6 ; 𝑡 = 3600 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 6 . 3600 ⇒ 𝜆 = 600
𝐸(𝑥) = 𝜆 = 600
Se espera que entregue 600 boletos en una hora.

27. A una panadería llegan entre las 8 y 8:30 am en promedio 6 personas por minuto.
a) ¿Cuál es la probabilidad de que en un lapso de 3 minutos lleguen más de 20 personas?
b) ¿Cuál es la probabilidad de que en 30 segundos no llegue nadie?
c) ¿Cuál es la probabilidad de que en un lapso de 90 segundos lleguen a lo sumo 10 personas?

Respuestas:

DATOS

Distribución Poisson: “x” una variable aleatoria discreta que denota la cantidad de éxitos que se
presentan en un espacio continuo (de tiempo) de extensión “t”

a. x: cantidad de personas que llegan a la panadería en un lapso de 3 minutos entre las 8 y las 8.30
𝑏 = 6 ; 𝑡 = 3 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 6.3 ⇒ 𝜆 = 18
𝑃𝑂𝐼𝑆𝑆𝑂𝑁( 𝜆 = 18 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 > 20) = 𝑃(𝑥 ≥ 21) = 0,26928

b. x: cantidad de personas que llegan en un lapso de 30 segundos( 0,5 minutos) a la panadería entre
las 8 y las 8.30
𝑏 = 6 ; 𝑡 = 0,5 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 6.0,5 ⇒ 𝜆 = 3
𝑃𝑂𝐼𝑆𝑆𝑂𝑁( 𝜆 = 3 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 = 0) = 0,04979
 c. x: Cantidad de personas que llegan a la panadería en un lapso de 90 segundos (1,5 minutos)
entre las 8 y las 8.30
𝑏 = 6 ; 𝑡 = 1,5 ; 𝜆 = 𝑏. 𝑡 ⇒ 𝜆 = 6.1,5 ⇒ 𝜆 = 9
𝑃𝑂𝐼𝑆𝑆𝑂𝑁(𝜆 = 9 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 10) = 0,70599

28. En un depósito de televisores hay un stock de 60 aparatos, de los cuales la tercera parte son de
tipo LCD. Si se eligen al azar 15 aparatos,
a) ¿Cuál es la probabilidad de que por lo menos las dos terceras partes sean de tipo LCD?
b) ¿Cuál es la probabilidad de que menos de la mitad no sean de tipo LCD?

Respuestas:

Distribución hipergeométrica: Es un experimento dicotómico; las observaciones son dependientes (sin

reposición)

a. x: cantidad de televisores de tipo LCD (En una selección de 15)

𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴(𝑛 = 15 ; 𝑁 = 60 ; 𝑀 = 20 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≥ 10) = 0,00260

b. x: cantidad de televisores que NO son de tipo LCD (En una selección de 15)
𝐻𝐼𝑃𝐸𝑅𝐺𝐸𝑂𝑀𝐸𝑇𝑅𝐼𝐶𝐴(𝑛 = 15 ; 𝑁 = 60 ; 𝑀 = 40 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 < 7,5) = 𝑃(𝑥 ≤ 7) = 0,05887

29. Un gerente de producción controla periódicamente un material clave del proceso de manufactura
del único producto de la empresa. Sabe por experiencia que el 30% de los controles son positivos en el
sentido de que detectan fallas.
Si en esta semana realizará 7 controles,
a) ¿Cuál es la probabilidad de que más de la mitad de ellos resulte positivo?
b) ¿Cuál es la probabilidad de que a lo sumo 2 resulten negativos?
c) ¿Cuál es la probabilidad de que más de 4 resulten positivos?

Respuestas:

DATOS

Distribución binomial: Experimento dicotómico; Observaciones independientes.

a. x = Cantidad de productos cuyo control resulta positivo (tenga falla) (en una muestra de 7)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿( 𝑛 = 7 ; 𝑝 = 0,3 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≥ 4) = 0,12604
b. x = Cantidad de productos cuyo control resulta negativo (sin falla) (en una muestra de 7)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿(𝑛 = 7 ; 𝑝 = 0,7 )
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 ≤ 2) = 0,02880

c. x = Cantidad de productos cuyo control resulta positivo (tenga falla) (en una muestra de 7)
𝐵𝐼𝑁𝑂𝑀𝐼𝐴𝐿(𝑛 = 7 ; 𝑝 = 0,3)
(Uso de la aplicación Probability Distributions)
𝑃(𝑥 > 4) = 𝑃(𝑥 ≥ 5) = 0,02880