PROABILIDADES

[Link] que en una agencia de turismo laboran 34 guías turísticos, de los cuales 14 son
hombres (H) y 20 son mujeres (M). De los 14 guías turísticos varones: 5 dominan un idioma
diferente al español, 4 dominan dos idiomas diferentes al español y 5 dominan tres o más
idiomas diferentes al español. De las 20 guías turísticas, 5 dominan un idioma diferente al
español, 11 dominan dos idiomas diferentes al español y 4 dominan tres o más idiomas
diferentes del español.

1 idioma 2 idiomas 3 o más idiomas TOTAL

Hombres 5 4 5 14

Mujeres 5 11 4 20

● Si se selecciona al azar un guía turístico para atender a un grupo de turistas.

➢ Determine la probabilidad de que éste domine un idioma diferente del español

o sea mujer.

P(X) = pH (1 idioma) + pMujer = (5+20)/34 = 0.735

➢ Si se sabe que el guía turístico seleccionado domina por los menos dos
idiomas diferentes al español, determine la probabilidad de éste sea una mujer

P(X) = p(2+ idiomas) ∩ pMujer = (11+4)/34 = 0.441

● Suponga que se seleccionan al azar y sin reemplazo cuatro de los 34 guías turísticos.
Determine la probabilidad de que a lo más 3 de los seleccionados dominen un idioma
diferente al español. Previamente, establezca la cantidad de elementos que tiene el
espacio muestral y describa el espacio muestral

34 34 !
Espacio muestral=C 4 = =46376
30 !∗4 !

1° Ninguno de los 4 domina un idioma diferente al español

Total de personas = 34 - 10 = 24
24
P( X)=C4 / 46376=10626 /46376

2° Sólo uno de los 4 domina un idioma diferente al español

 Total que hablan 2 o más idiomas = 24

Total que habla 1 idioma = 10

10 24
P( X)=C1 ∗C 3 /46376=20240 /46376

3° Sólo dos de los 4 domina un idioma diferente al español

10 24
P( X)=C2 ∗C 2 /46376=12420 /46376

4° Solo tres de los 4 domina un idioma diferente al español

10 24
P( X)=C3 ∗C 1 /46376=2880 /46376

P(X) = 46166/46376 =0.995

● Suponga que se seleccionan al azar, sin reemplazo y uno tras otro, cuatro guías
turísticos. Determine la probabilidad de que el primero domine un idioma diferente al
español, el segundo domina dos idiomas diferentes al español y los otros dos dominen
tres o más idiomas diferentes al español, si se sabe que los cuatro son hombres.
Previamente, establezca la cantidad de elementos que tiene el espacio muestral y
describa dicho espacio muestral.

Espacio muestral=46376

Si los 4 son hombres:

5 4 5
P( X)=C1∗C1∗C 2 /46376=0.00431

[Link] vendedor recibe un lote de polos, que contiene polos defectuosos (D) y polos no
defectuosos (ND). Además, el lote contiene polos de talla grande (G) y polos de otras tallas.
Si se elige al azar un polo, la probabilidad de que éste sea defectuoso es 1/3, la probabilidad
de que sea de talla grande es 1/5 y, la probabilidad de que sea de talla grande y defectuoso es
(1/12), determine la probabilidad de que se seleccione un polo que no sea defectuoso o que
no sea de talla grande.

Digamos que hay 60 polos…

Defectuosos No defectuosos TOTAL

Grande 5 7 12

Otras tallas 15 33 48

TOTAL 20 40 60
 Por lo tanto la probabilidad de que un polo no sea defectuoso o que no sea de talla
grande es:

P( X)=( pNoDef + pNoGran)/60=55/60=0.9167

[Link] el siguiente cuadro se presentan los resultados del proceso de admisión a la Universidad
Kuelap, que se realizó en marzo del presente año

● Si se selecciona al azar un postulante, ¿cuál es la probabilidad de que sea de la carrera

de Economía y sea mujer o que no haya sido admitido/a?

P( X)=(Econ)∩[(mujer )∪(no admitido)]=522/2300=0.227

● Si se selecciona al azar un postulante y se sabe que fue admitido, ¿cuál es la

probabilidad de que el postulante sea de la carrera de Economía y mujer o sea de la
carrera de Administración y mujer, o de la carrera de Derecho y hombre?

Si se selecciona un postulante admitido el espacio muestral pasa a ser 1017.

P( X)=[(economía)∩(mujer )]∪[(admin)∩(mujer )]∪[(derecho)∩(hombre)]

P( X)=(94 +89+138)/1017=0.3156

[Link] empresa desea lanzar al mercado una nueva presentación de los empaques de las
galletas que produce. Los investigadores de mercado de la empresa estiman que: la
probabilidad de que la cantidad de consumidores se mantenga, es 0.6; la probabilidad de que
la cantidad de consumidores se reduzca a la mitad, es 0.25; y la probabilidad de que la
cantidad de consumidores aumente en un 10%, es 0.15. Si se supone que, actualmente, la
cantidad de consumidores es 5000, determine los valores de la media y el coeficiente de
variabilidad de la distribución de la cantidad de consumidores de la galleta con la nueva
presentación de empaque. ¿Qué nos indican los valores hallados?

Posibles resultados con sus probabilidades:

#Consumidores = 5000 —> probabilidad de 0,6

 #Consumidores = 2500 —> probabilidad de 0,25

#Consumidores = 5500 —> probabilidad de 0,15

Media=5000∗0.6+ 2500∗0.25+5500∗0.15=4450

Varianza=¿

Varianza=1297500

Desviación estándar=√ Varianza=1139.078

Desviación estándar
Coeficiente de variabilidad= =25.59 %
Media

La media de los resultados posibles nos indica que la empresa espera que haya una
disminución en el número de consumidores debido a la combinación de resultados probables.

El coeficiente de variación nos indica que hay una considerable variación entre los posibles
resultados en relación a la media de los resultados probables obtenidos.

Distribución de Probabilidad de Variable Discreta

[Link] X denota el número de horas que usted estudia durante un día seleccionado al
[Link] que la función de probabilidad de X tiene la forma siguiente, donde k es
constante.

Si suponemos que la suma de todos los casos da 1, el valor de la constante k es 0.18.

¿Cuál es la probabilidad que Ud. estudie:

● Por lo menos 2 horas

P( X≥2)=k (2)+ k (2)=4 k=0.72

● exactamente dos horas

P( X=2)=kx =2 k=0.36

● A lo más de dos horas

P( X≤2)=0.1+k + 2 k=0.1+3 k =0.64

[Link] que la cantidad de unidades vendidas en un día de la torta N°1 (X), en la Pastelería
“Tortisa”, es una variable aleatoria que se distribuye según:

● Determine la probabilidad de que en un día cualquiera, la Pastelería “Tortisa” venda

por lo menos 3 unidades de la torta N°1. ¿Qué significa el valor hallado?

P( X≥3)=(1080+810+243)/3125=0.68256

● Halle los valores de la media y del coeficiente de variabilidad de la variable X. Según

el enunciado, ¿qué nos indican los valores hallados?

1∗240 2∗720 3∗1080 4∗810 5∗243

Media= + + + + =3
3125 3125 3125 3125 3125
2 2 2
3 ∗32 2 ∗240 1∗720 1∗810 2 ∗243
Varianza= + + + + =1.2
3125 3125 3125 3125 3125
 Desviación estándar=√ Varianza=1.095
Coef de variación=Desviación estándar / Media=1.095/3=36.5 %

La media de la cantidad de unidades vendidas en un día probables nos indica que la pastelería
espera que se preparen alrededor de 3 tortas al día.

El coeficiente de variación nos indica que hay una considerable variación entre los posibles
resultados en relación a la media calculada.

3. El dueño de un local comercial ha elaborado la siguiente función de distribución

acumulada sobre el número de artículos que vende por día.

a) Halle las probabilidades simples para cada valor de X

Para hallar las probabilidades simples P(X=x) para cada valor de X
 Para X=2
P(X=2)=F(2)−F(x<2)=0.08−0 = 0.08 ; Es decir, la probabilidad de X=2 es 0.08.
 Para X=3
P(X=3)=F(3)−F(2)=0.23−0.08=0.15 ; Es decir, la probabilidad de X=2 es 0.15.
 Para X=4
P(X=4)=F(4)−F(3)=0.48−0.23=0.25; Es decir, la probabilidad de X=2 es 0.25.
 Para X=5
P(X=5)=F(5)−F(4)=0.78−0.48=0.30; Es decir, la probabilidad de X=2 es 0.30.
 Para X=6

P(X=6)=F(6)−F(5)=0.93−0.78=0.15; Es decir, la probabilidad de X=2 es 0.15.

 Para X=6
P(X=7)=F(7)−F(6)=1.00−0.93=0.07; Es decir, la probabilidad de X=2 es 0.07.

b) Calcule e interprete la demanda esperada diaria y el coeficiente de variación.

Usamos la formula de esperanza matemática E(X)=∑Xi⋅P(X=Xi)

E(X)= 2(0.08)+3(0.15)+4(0.25)+5(0.30)+6(0.15)+7(0.07)
E(X)=4.5
Aquí estamos multiplicando cada valor de X (2, 3, 4, 5, 6, 7) por la probabilidad que le
corresponde (0.08, 0.15, 0.25, 0.30, 0.15, 0.07), porque esa es la manera de obtener el valor
esperado o promedio ponderado de las ventas diarias.

Este cálculo te dará la demanda esperada diaria, que representa cuántos artículos, en
promedio, se venden por día considerando las probabilidades de venta para cada cantidad
posible.

Para hallar la variación:

E(X2)= 22(0.08)+32(0.15)+42(0.25)+52(0.30)+62(0.15)+72(0.07)
E(X2)=22

V(X)=E(X2)−(E(X))2
V(X)=22-4.52
V(X)=1.75

La varianza mide el grado de dispersión de los valores de una variable aleatoria con
respecto a su valor esperado o promedio. Esto significa que las ventas no son
completamente regulares, ya que una varianza cercana a 0 indicaría que las ventas diarias
son muy cercanas al promedio una varianza de 1.75 significa que unos días se tendrá una
venta ligeramente mayor o menor a al promedio cada dia, sin desviaciones extremas.
c) Si la utilidad por artículo vendido (en soles) viene dada por la función: U = 10x
– x2. Halle las probabilidades simples para cada valor de U
Para cada valor de X, calculamos U y asociamos la probabilidad correspondiente:

U(2)=10(2)−22=20−4=16
U(3)=10(3)−32=30−9=21
U(4)=10(4)−42=40−16=24
U(5)=10(5)−52=50−25=25
U(6)=10(6)−62=60−36=24
U(7)=10(7)−72=70−49=21

Las probabilidades serán las mismas de X ya que a cada valor de U le corresponde un valor
de X.

d) ¿Cuál es la utilidad esperada diaria?

Usando la formula de esperanza matemática, pero en vez de los valores de X usamos los
de U:
E(U)=16(0.08)+21(0.15)+24(0.25)+25(0.30)+24(0.15)+21(0.07)
4. Consideramos un dado de tal manera que, con el experimento aleatorio” tirar el
dado”, la función de probabilidad de la variable aleatoria X = ”número obtenido”,
es

a) Calcular el valor de k.
La suma de probabilidades debe ser 1
F(1)+F(2)+F(3)+F(4)+F(5)+F(6)=1
Hacemos la sustitución quedandonos:

( k− 384 )+( k − 381 )+ ( k−0) +( k− 381 )+(k − 384 )+( k− 389 )=1
De donde k=19/76=0.25

b) ¿Está el dado bien balanceado? Es decir las probabilidades de ocurrencia de

cada valor ¿Es la misma?
Si el dado esta bien balanceado las probabilidades de cada cara deben ser las mismas,
sin embargo en la función de probabilidad se puede ver (x-3)2 lo cual puede afectar al
lanzar el valor 1 por ejemplo ya que al elevar al cuadrado eso seria positivo a
diferencia de otros valores como 4, 5 y 6 donde siempre es positivo, para eso como ya
tenemos el valor de k podemos reemplazar y comparar o dándonos cuenta que el la
ecuación para hallar k, los valores que se les esta restando deberían ser constantes lo
cual no es asi, por lo que el dado esta mal balanceado y las probabilidades de
ocuerrencia de cada valor no son las mismas.

c) Calcule e interprete las probabilidades acumuladas.

( 384 )=0.1447
P ( X=1 )= 0.25−

P ( X=2 )=( 0.25− )=0.2236

1
38
P ( X=3 )=( 0.25−0 )=0.25

(
P ( X=4 )= 0.25−
1
38 )
=0.1447

(
P ( X=5 )= 0.25−
4
38 )
=0.2236

(
P ( X=6 )= 0.25−
9
38 )
=0.0131

Para las probabilidades acumuladas

F ( 1 ) =P ( X=1 )=0.1447
F ( 2 ) =P ( X=1 ) + P ( X=2 )=0.3683
F ( 3 )=P ( X=1 ) + P ( X =2 ) + P ( X=3 )=0.6183
F ( 4 ) =P ( X=1 ) + P ( X=2 )+ P ( X=3 ) + P ( X =4 )=0.763
F ( 4 ) =P ( X=1 ) + P ( X=2 )+ P ( X=3 ) + P ( X =4 ) + P ( X=5 ) =0.9866
F ( 4 ) =P ( X=1 ) + P ( X=2 )+ P ( X=3 ) + P ( X =4 ) + P ( X=5 ) + P ( X =6 ) =1
 d) Se propone el juego siguiente: se apuesta S/.500, se tira el dado y si sale par,
se recupera la apuesta mas S/.100 pero si sale impar, se pierde la cantidad
apostada ¿Merece la pena jugar?

Probabilidad de GANAR 600 soles:

P(G)=P(2)+ P(4)+ P(6)= 0.4605
Probabilidad de PERDER 500 soles:
P(P)=P(1)+ P(3)+ P(5)= 0.5394

Para ver si merece a pena jugar usamos la formula de utilidad esperada

E(U)=600.P(G)-500-P(P)
E(U)= 600(0.4605)-500-(0.5394)
E(U)= 6.58
La utilidad es de 6.58 soles lo cual significa que si conviene jugar pero la ganacia esperada
es muy baja,

5. Tomando como base datos históricos, la distribución de las ventas diarias de

paquetes de un
producto en una tienda es como sigue:

No. de paquetes vendidos, x 10 11 12 13 14 Total

p(X = x) 0.2 0.4 0.2 0.1 0.1 1.0

a) Calcule el número esperado y la desviación estándar del numero de paquetes

vendidos.

El numero esperado de paquetes vendidos se calcula como:

E(X)=10(0.2)+11(0.4)+12(0.2)+13(0.1)+14(0.1)
E(X)=11.5
Para la desviación estándar
E(X2)= 102(0.2)+112(0.4)+122(0.2)+132(0.1)+142(0.1)
E(X2)=133.7

V(X)=E(X2)−(E(X))2
V(X)=133.7-11.52
V(X)=1.45

b) El dueño de la tienda compra cada paquete a 15 soles y lo vende a 27 soles.

Si en un día determinado, ha solicitado al distribuidor 12 paquetes; Sea U la
utilidad del dueño de la tienda. Construya la distribución de probabilidad de U
y calcule su valor esperado.

Su utilidad será:
U=(27−15)N=12X Donde N es un numero de paquetes vendidos
Como el dueño solo pidio 12 paquetes, si la demanda es mayor de 12, solo venderá 12
paquetes, pero si es menor o igual a 12, venderá la cantidad solicitada.
Entonces
 {
12 ( 10 ) =120 , si X=10
U(x)= 12 ( 11 )=132 , si X=11
12 ( 12 ) =144 , si X =12, 13 , 14

Luego
P(U=120)=P(X=10)=0.2
P(U=132)=P(X=11)=0.4
P(U=144)=P(X=12)+P(X=13)+P(X=14)=0.2+0.1+0.1=0.4

Calculamos la utilidad esperada:

E(U) =120(0.2)+132(0.4)+144(0.4)
E(U) =134.4

6. En el restaurante de Walter se vende un menú económico. Por información

histórica, Walter sabe que las probabilidades de ventas diarias son como aparece
en la siguiente tabla:

# de menús X 30 40 50 60 70 Total
Probabilidad 1.00
0.10 0.25 0.35 0.20 0.10
p(X)
X p(X) E(X) =

El costo por elaborar un menú es de 5 soles y el precio de venta es de 8 soles. Los

menús que no se venden son rematados a 2 soles. Supongamos que Walter decide
hacer 50 menús, bajo estas condiciones ¿Cuál será su utilidad esperada? U=
6 x – 150
E(U) = 6 E(X) -150
Solucion

Usamos la formula del valor esperado

E(X)=∑X⋅p(X)

Para X=30, p(X)=0.10

Para X=40, p(X)=0.25
Para X=50, p(X)=0.35
Para X=60, p(X)=0.20
Para X=70, p(X)=0.10

Entonces:
E(X)=(30⋅0.10)+(40⋅0.25)+(50⋅0.35)+(60⋅0.20)+(70⋅0.10)
E(X)=3+10+17.5+12+7
E(X)=49.5

Entonces la demanda diaria E(x) es de 49.5 menus

 Para saber su utilidad esperada, si ya nos dan la utilidad esperada y tenemos una
demanada diaria de 49.5 menus entonces solo reemplazamos.
E(U)=6×E(X)−150
E(U)=6×49.5−150
E(U)= 147

7. En una tienda de cómputo, la demanda anual por un paquete de software

particular es una variable discreta X. El dueño de la tienda ordena cuatro
copias del paquete a $100.00 cada copia y las vende a los clientes a $350.00
cada una. Al final del año el paquete es obsoleto y el propietario pierde la
inversión hecha en las copias no vendidas. La función de probabilidad para
X, el número de copias vendidas, está dada por:

x 0 1 2 3 4
p(X = x) 0.1 0.3 0.3 0.2 0.1

a) Construya la distribución de probabilidad de la variable G: ganancia del

dueño de la tienda
Se sabe que
El costo total por 4 copias es 4x100=400
Ganancia por cada copia vendida 350-100=250
Entonces la función ganancia será G=250X-400
G, para cada valor de X será:
Para X=0: G=250(0)-400= -400
Para X=1: G=250(1)-400= -150
Para X=2: G=250(2)-400= 100
Para X=3: G=250(3)-400= 350
Para X=4: G=250(4)-400= 600

Para definir la función de probabilidad de G tenemos:

P(X=0)=0.1
P(X=1)=0.3
P(X=2)=0.3
P(X=3)=0.2
P(X=4)=0.1

G -400 -150 100 350 600

p(G) 0.1 0.3 0.3 0.2 0.1

Luego calculamos la ganancia esperada:

E(G)=(−400×0.1)+(−150×0.3)+(100×0.3)+(350×0.2)+(600×0.1)
E(G)=−40−45+30+70+60
E(G)=75 lo cual es la ganancia esperada
E(G2)=(−4002×0.1)+(−1502×0.3)+(1002×0.3)+(3502×0.2)+(6002×0.1)
E(G2)=(160000×0.1)+(22500×0.3)+(10000×0.3)+(122500×0.2)+(360000×0.1)
E(G2)=86250

Calculamos la varianza

σ2 =E(G2)−(E(G))2=86250−752=86250−5625=80625
σ= 283.97

b) Calcule e interprete: E(G) y CV(G)

Con los datos obtenidos anteriores ya podemos calcular el coeficiente de variación

σ 283.97
CV (G )= ∗100= ∗100=378.63 %
E (G) 75

G 0 1 2 3 4
p(G) 0.1 0.3 0.3 0.2 0.1

E(G)=75 significa que, en promedio, el dueño de la tienda espera ganar 75 USD por la
venta de las copias de la revista, considerando todas las posibles cantidades vendidas (de 0
a 4 copias).

CV(G)=378.63% indica que la variabilidad de las ganancias es muy alta en

comparación con el valor promedio, esto significa que hay incertidumbre en
cuanto a cuánto ganará realmente la tienda, ya que los resultados varían entre una
pérdida de 400 USD y una ganancia de 600 USD. Por otro lado también indica un
riesgo alto ya que se podría ganar mucho o perder mucho.
PROBABILIDAD TOTAL Y TEOREMA DE BAYES (opcional)
1. Supongamos que hay dos tipos de conductores. Los buenos conductores que
representan el 70% de la población, tienen una probabilidad de causar un
accidente de 0.1 durante un año. El resto de la población tiene una probabilidad
de 0.4 de originar un accidente durante un año. La prima del seguro es de $800
multiplicados por la probabilidad de causar un accidente durante el año
siguiente. Un nuevo asegurado tuvo un accidente durante el primer año, ¿cuál
tendría que ser su prima de seguro para el próximo año?

Se tienen 3 eventos:

B: Es buen conductor
M: Es mal conductor
A: Tuvo un accidente

P(B)=0.7 (probabilidad de ser un buen conductor)

P(M)=0.3 (probabilidad de ser un mal conductor)
P(A∣B)=0.1 (probabilidad de tener un accidente dado que es un buen conductor)
P(A∣M)=0.4 (probabilidad de tener un accidente dado que es un mal conductor)

Usamos la probabilidad total para saber si tuvo un accidente

P(A)=P(A∣B)P(B)+P(A∣M)P(M)
P(A)=(0.1×0.7)+(0.4×0.3)=0.07+0.12
P(A)=0.19

Luego usamos el teorema de Bayes para saber la probabilidad de que sea un mal conductor
dado que tuvo un accidente, esto porque necesitamos saber la probabilidad de los malos
conductores ya que estos son los que provocan accidentes lo cual esta relacionado a la
prima del seguro según el problema.

P( A)P ( A ∣ M )
P(M ∣ A)=
P(M )
0.4∗0.3
P ( M ∣ A )= =0.6316
0.19

Nos centramos en la probabilidad de causar un accidente si o si, para eso usamos una
probabilidad condicional de que sea un buen o mal conductor dado que tuvo un accidente
ya que asi sean buenos o malos conductores siempre tienen un aprobabilidad de ocurrencia
de accidentes, entonces la nueva porbabilidad de causar un accidente es:
P(A∣A)=P(A∣B)P(B∣A)+P(A∣M)P(M∣A)

Sabemos que:
P(B∣A)=1−P(M∣A)=1−0.6316=0.3684 ; P(A∣B)=0.1 y P(A∣M)=0.4
Reemplazando los valores:
P(A∣A)=(0.1×0.3684)+(0.4×0.6316)=0.03684+0.25264=0.28948

Para calcular la nueva prima del próximo año

P=800*0.28948
P=231.584

2. Dos máquinas A y B producen el mismo tipo de artículo, que pasa a una cinta
transportadora. El rendimiento de la máquina A es el doble que el de la máquina B. De
la producción de A, el 60% de las piezas son de “calidad óptima”, y de la de B lo son el
84%. Se selecciona una pieza al azar de la cinta transportadora y resulta ser de
“calidad óptima”. Halle la probabilidad de que la pieza haya sido producida por la
máquina A. R. 0.588

 La máquina A tiene el doble de rendimiento que la máquina B, por lo que la

2 1
proporción de producción de A es y la de B es .
3 3

Q
P( )=0.60: Probabilidad de que una pieza de la máquina A sea de calidad óptima.
A

Q
P( )=0.84: Probabilidad de que una pieza de la máquina B sea de calidad óptima.
B

Aplicación del Teorema de Bayes

Hallar P(A) y P(B)

2
 P(A)=
3
1
 P(B)=
3

Se calcula P(Q) (probabilidad total de obtener una pieza de calidad óptima)

P ( Q )=P ( QA )× P ( A )+ p ( QB )× P ( B )
2 1
P ( Q )=0.60 × +0.84 ×
3 3

P ( Q )=0.40+ 0.28=0.68
Sustituir en el Teorema de Bayes

2
0.60×
( QA )= 0.68
P
3

P ( )=
A 0.40
≈ 0.588
Q 0.68

La probabilidad de que la pieza haya sido producida por la máquina A, dado que es de
calidad óptima, es:

P ( QA ) ≈ 0.588 o 58.8 %

3. Las previsiones sobre la inflación de un determinado país para el próximo año la sitúan
por debajo del 2% con probabilidad 0,65, entre el 2% y el 3% con probabilidad 0,25 y
por encima del 3% con probabilidad 0,1. Si la probabilidad de crear más de 100.000
empleos es de 0,7 con inflación baja, de 0,4 cuando ésta se sitúa entre el 2% y el 3% y
nula en otro caso, calcule:
a) La probabilidad de que se creen más de 100.000 empleos. R. 0.555
b) Si antes de conocer el dato de inflación anual, se sabe que se han creado más de
100.000 empleos, ¿cuál es la probabilidad de cada uno de los tres niveles de
inflación considerados? R. 0.82 , 0.18 , 0.00

Llamemos a los eventos:

 I1: La inflación es inferior al 2%.

 I2: La inflación está entre el 2% y el 3%.
 I3: La inflación es superior al 3%.

Sus probabilidades son:

P ( I 1 ) =0.65 , P ( I 2 )=0.25 , P ( I 3 )=0.10

Llamemos al evento E el hecho de que se creen más de 100.000 empleos. Las

probabilidades condicionales dadas son:
P ( E/ I 1 )=0.7 , P ( E/ I 2 )=0.4 , P ( E /I 3 ) =0.0

a) La probabilidad de que se creen más de 100.000 empleos.

Usamos la probabilidad total para hallar P(E):

P ( E )=P ( E /I 1 ) × P ( I 1) + P ( E /I 2 ) × P ( I 2 ) + P ( E/ I 3 ) × P (I 3 )

Sustituyendo:
 P ( E )= ( 0.7 ×0.65 ) + ( 0.4 ×0.25 ) +(0.0 ×0.10)

P ( E )=0.455+0.1+0=0.555

Por lo tanto, la probabilidad de que se creen más de 100.000 empleos es:

P ( E )=0.555 o 55.5 %

b) Si antes de conocer el dato de inflación anual, se sabe que se han creado más de
100.000 empleos, ¿cuál es la probabilidad de cada uno de los tres niveles de
inflación considerados?

Usamos el Teorema de Bayes para cada caso:

P
( EI )× P ( I )
i

P
Ii
E ()
=
i

P ( E)

Para i=1,2,3

Cálculo de P ( )
I1
E
:

P ( IE )=0.7 × 0.555
1 0.65 0.455
=
0.555
≈ 0.820

Cálculo de P ( IE ):
2

P ( )
I2
E
=0.4 ×
0.25
=
0.1
0.555 0.555
≈ 0.180

Cálculo de P ( IE ):
3

P ( )
I3
E
=0.0 ×
0.10
0.555
=0
Resultados finales:

 P ( IE )≈ 0.820 o 82%
1

P ( )≈ 0.180 o 18 %
2I

E

P ( )=0 o 0 %
3I

E

4. Un taller artesano tiene 3 empleados, A, B y C, los cuales elaboran vasijas de forma

independiente, de manera que la producción total del taller se reparte de la siguiente
forma: A produce la mitad de las vasijas, B la quinta parte y C el resto. Se sabe además
que el empleado A viene produciendo un 3% de vasijas defectuosas, el empleado B un
2% y el C un 4%.
a) ¿Qué porcentaje de vasijas defectuosas se producen en el taller? R. 0.031
b) Si en un día se han producido veinte vasijas defectuosas, ¿cuántas se pueden
atribuir a cada empleado? R. 10 , 2 y 8

Se nos da la siguiente información:

Distribución de la producción:
1
 A produce =50 % de las vasijas .
2
1
 B produce =20 % de las vasijas .
5
 ( )1 1 3
C produce el resto, es decir, 1− + = =30 %
2 5 10

Porcentajes de defectuosas por empleado:

 A: P ( DA )=0.03
B: P ( ) =0.02
D

B
C: P ( ) =0.04
D

C

a) ¿Qué porcentaje de vasijas defectuosas se producen en el taller?

Usamos la probabilidad total para encontrar el porcentaje global de vasijas defectuosas
P(D):

P ( D )=P ( DA ) × P ( A ) + P ( DB ) × P ( B ) + P( CD )× P(C)
Sustituyendo:

P ( D )=( 0.03 × 0.5 ) + ( 0.02 ×0.2 ) +(0.04 × 0.3)

P ( D )=0.015+ 0.004+0.012=0.031

Por lo tanto, el porcentaje de vasijas defectuosas es:

P ( D )=0.031 ×100=3.1 %

b) Si en un día se han producido veinte vasijas defectuosas, ¿cuántas se pueden

atribuir a cada empleado?

Usamos el Teorema de Bayes para hallar las probabilidades condicionadas.

P ( DA ) × P ( A ) = 0.03 ×0.5 ≈ 0.484

P ( DA )= P (D ) 0.031

P ( DB ) × P ( B ) = 0.02× 0.2 ≈ 0.129

P ( DB )=
P ( D) 0.031

P
D
( )
× P (C )
P
C
D ( )
=
C
P ( D)
=
0.04 × 0.3
0.031
≈ 0.387

Vasijas defectuosas de A = 0.484 × 20 ≈ 9.68 ≈ 10

Vasijas defectuosas de B = 0.129 × 20 ≈ 2.58 ≈ 3
Vasijas defectuosas de C = 0.387 × 20 ≈ 7.74 ≈ 8

 Empleado A: 10 vasijas defectuosas.

 Empleado B: 3 vasijas defectuosas.
 Empleado C: 8 vasijas defectuosas.

Estos valores suman 21 debido al redondeo, por lo que podemos ajustar la distribución final
a:
  A: 10,
 B: 2,
 C: 8.

5. Un supermercado compra quesos elaborados en las fábricas Q y R, comprando a Q, 5

veces lo que le compra a R. Además el 6% de los quesos de la fábrica Q y el 12% de
los de R llegan al supermercado en mal estado.
a) Halle el porcentaje de quesos que el supermercado compra en mal estado. Resp.
7%
b) Decida qué cantidad debe comprar a cada fábrica, si quiere tener en total 2790
quesos en buen estado. R.3000

(a): Porcentaje de quesos en mal estado

Sea x la cantidad de quesos que el supermercado compra de la fábrica R. Entonces, de la

fábrica Q compra 5x.

La cantidad total de quesos comprados es:

x +5 x=6 x

Ahora calculamos la cantidad de quesos en mal estado:

 Quesos defectuosos de Q: 6 % de 5 x → 0.06 ×5 x=0.3 x

 Quesos defectuosos de R: 12 % de x → 0.12× x=0.12 x
 La cantidad total de quesos en mal estado es:

0.3 x +0.12 x=0.42 x

El porcentaje de quesos en mal estado con respecto al total comprado es:

0.42 x
× 100=7 %
6x

Respuesta (a): El 7% de los quesos que compra el supermercado llegan en mal estado.

(b): Cantidad a comprar para tener 2790 quesos en buen estado

Definimos:
  Quesos buenos de Q: 94%
 Quesos buenos de R: 88%

Queremos que la suma de quesos buenos sea 2790:

4.7 x +0.88 x=2790

5.58 x=2790

2790
x= =500
5.58

Entonces:

 Quesos comprados de R: x=500

 Quesos comprados de Q: 5 x=5 ×500=2500

Verificación:

 Quesos buenos de Q: 0.94 × 2500=2350

 Quesos buenos de R: 0.88 ×500=440
 Total de quesos buenos: 2350+ 440=2790

Respuesta (b): Debe comprar 2500 quesos de Q y 500 quesos de R para obtener 2790
quesos en buen estado. RPTA: 3000

6. Al llegar a la sala de emergencia de un hospital, los pacientes son clasificados, según

su condición, como críticos, graves y estables, el año pasado: el 10% de los pacientes
de la sala de emergencia fueron críticos; 30% graves y el resto estables. 40% de los
pacientes críticos murieron, lo mismo que el 10% de los pacientes graves y el 1% de los
estables.
¿Si un paciente sobrevivió, hallar la probabilidad de que al llegar al hospital haya sido
clasificado como grave? R. 0.29

 Probabilidad de cada clasificación al llegar al hospital:

P ( Crítico ) =0.10

P¿

P ( Estable )=1−( 0.10+0.30 )=0.60

 Probabilidad de morir según la clasificación:

o P(Muerte ∣ Crítico)=0.40
o P¿
 o P(Muerte ∣ Estable)=0.01
 Probabilidad de sobrevivir según la clasificación (complemento de morir):
o P(Sobrevivir ∣ Crítico)=1−0.40=0.60
o P¿
o P(Sobrevivir ∣ Estable)=1−0.01=0.99

La probabilidad total de que un paciente sobreviva se obtiene sumando la probabilidad de

sobrevivir en cada caso ponderada por la probabilidad de pertenecer a esa clasificación:

P(Sobrevivir)=P(Sobrevivir ∨Crítico)× P(Crítico )+ P ¿

Sustituyendo los valores:

P(Sobrevivir)=(0.60 × 0.10)+(0.90 × 0.30)+(0.99 ×0.60)

P(Sobrevivir)=0.06+0.27 +0.594=0.924

Aplicando el teorema de Bayes:

La probabilidad de que un paciente que sobrevivió haya sido clasificado como grave es:

P ( `∣ Sobrevivir )=P ¿ ¿

Sustituyendo los valores:

0.90 × 0.30 0.27

P ( `∣ Sobrevivir )= = ≈ 0.292
0.924 0.924

Respuesta:

La probabilidad de que un paciente que sobrevivió haya sido clasificado como grave al
llegar al hospital es aproximadamente 29%. o 0.29.

PROBABILIDAD DE EVENTOS INDEPENDIENTES

7. La probabilidad de que el pedido de un cliente no se despache a tiempo es 0.06. Un
cliente realiza 3 pedidos, se considera que el tiempo que hay entre pedidos es
independiente. ¿Cuál es la probabilidad de que:
DATOS:
Probabilidad que no se despache a tiempo (p) = 0.06
Probabilidad que si se despache a tiempo (p ~) = 1 - 0.06 = 0.94
Número de pedidos (n) = 3
a) Todos los pedidos se envíen a tiempo
Usamos p ~ = 0.94
3 3 3−3 3
C 3∗( 0.94 ) ∗( 1−0.94 ) =1∗( 0.94 ) ∗1=0.830584=83.0584 %
 b) ¿Exactamente uno de ellos se envíe a tiempo?
Usamos p ~ = 0.94
3 1 3−1
C 1∗( 0.94 ) ∗( 1−0.94 ) =3∗0.94∗¿

c) ¿Dos o más pedidos no se envíen a tiempo?

Usamos p = 0.06
Sumaremos la probabilidad para 2 y para 3 pedidos que no se envíen a tiempo
3 2 3−2 3 3 3−3
C 2∗( 0.06 ) ∗( 1−0.06 ) + C3∗( 0.06 ) ∗(1−0.06 ) =3∗¿

8. En una fábrica de zapatos se producen por separado, las partes superiores, las suelas
y los tacos; las cuales se ensamblan aleatoriamente hasta obtener un zapato. El 5% de
las partes superiores, el 3% de las suelas y el 2% de los tacos tienen fallas. Si se elige
al azar un par de zapatos, ¿Cuál es la probabilidad de que resulte fallado?
Probabilidad que un par de zapato resulte fallado = p
Probabilidad que un par de zapato sea correcto = p ~
P(a) = 5%
P(b) = 3%
P(c) = 2%
P = 1- p~
P = 1 – [(1-P(a))(1-P(b))(1-P(c))] = 1 – [(1-0.05)(1-0.03)(1-0.02)] = 1-0.90307 = 0.09693
= 9.693%

9. Tres alumnos se dividen un trabajo de Estadística y cada uno trabaja su parte de

manera independiente. Si se ponen de acuerdo para integrar sus trabajos en uno solo,
y las probabilidades de fallar son 0.2, 0.15 y 0.25 respectivamente.
P(a) = 0.2 P(a’) = 1-0.2 = 0.8
P(b) = 0.15 P(b’) = 1-0.15 = 0.85
P(c) = 0.25 P(c’) = 1-0.25 = 0.75
a Halle la probabilidad de que presenten bien resuelto el trabajo
La probabilidad se hallará:
P ( a ' ∩b ' ∩ c ' )=0.8∗0.85∗0.75=0.51=51 %
b ¿Cuál es la probabilidad de que el más capaz de los tres haya fallado, si el trabajo
entregado tenía error?
P( A ∩ B)
Mediante teorema de Bayes: P=
P ( A)
Obtenemos la probabilidad de que el trabajo tenga un error a partir de la pregunta
anterior.
Probabilidad que tenga un error (P(A)) = 1 – 0.51 = 0.49 = 49%

P( A ∩ B) es la probabilidad de que el alumno más capas (el b, que tiene una

probabilidad de fallar del 15%). Para ello, debemos calcular la probabilidad que el
alumno b falle y la probabilidad que al menos uno de los otros 2 alumnos restantes
falle)

P(alumno más capaz falle) = 0.15

P(al menos uno de los otros 2 alumnos falle) = 1 – (0.8 * 0.75) = 0.4
 P ( A ∩B )=0.15∗0.4=0.06

P( A ∩ B) 0.06
P= = =0.122449=12.2449 %
P ( A) 0.49
DISTRIBUCIÓN BINOMIAL
1. Una compañía de seguros sabe que la probabilidad de que una persona sufra cierto tipo
de accidente durante un año es 10%. Se sabe que la compañía tiene 25 asegurados
contra este tipo de accidente.
Probabilidad de que una persona sufra un accidente (P) = 10% = 0.10
Cantidad de asegurados (n) = 25

a) ¿Cuál es la probabilidad de que la compañía tenga que afrontar los gastos de 2 de

sus asegurados?
25 2 25−2 2 23
C 2 ∗( 0.10 ) ∗( 1−0.10 ) =300∗( 0.10 ) ∗( 0.90 ) =0.26589=26.589 %
b) ¿Cuál es la probabilidad de que la compañía tenga que afrontar los gastos de a lo
más 3 asegurados?
P ( X ≤3 )=P ( X=0 ) + P ( X=1 ) + P ( X =2 )+ P(X =3)
25 0 25−0 25 1 25−1 25 2 25−2 25 3
C ∗( 0.10 ) ∗( 1−0.10 )
0 +C 1 ∗( 0.10 ) ∗( 1−0.10 ) +C 2 ∗( 0.10 ) ∗( 1−0.10 ) +C 3 ∗( 0.10 ) ∗( 1−0

c) Hallar la probabilidad de que la compañía tenga que afrontar los gastos de más de
1 asegurado.
P ( X ≥1 )=1−[P ( X =0 ) + P( X=1)]
1−[ C ∗( 0.10 ) ∗( 1−0.10 )25−0 +C25
25
0
0 1
1 ∗( 0.10 ) ∗( 1−0.10 )
25−1
]=0.7288=72.88 %
d) Suponga que la compañía tiene que pagar 2500 soles por cada asegurado que
sufre este accidente. Calcule el gasto esperado de la compañía durante el año.
Primero calcularemos el valor esperado
E(X) = n*p = 25 * 0.10 = 2.5
Ahora, se multiplicará este valor por el costo por cada asegurado para hallar el
gasto esperado.
G(X) = 2.5*2500 = 6250 soles

2. Una empresa dedicada a la fabricación y venta de bebidas refrescantes observa que el

40% de los establecimientos que son visitados por sus vendedores realizan compras de
esas bebidas.
a) Si un vendedor visita 6 establecimientos, determinar la probabilidad de que por lo
menos 2 de esos establecimientos realicen una compra
P=0.40
n=6
P ( X ≥2 )=1−[P ( X =0 ) + P ( X =1 ) ]
1−[ C ¿ ( 0.40 ) ∗( 1−0.40 )6−0+ C61 ¿ ( 0.40 )1∗(1−0.40 )6−1 ] =0.76672=76.672 %
6
0
0

b) Si el vendedor visita 10 establecimientos, hallar la probabilidad de que la mitad de

ellos realicen una compra.
P=0.40
N=10
10 5 10−5 5 5
C 5 ¿ ( 0.40 ) ∗( 1−0.40 ) =252¿ ( 0.4 ) ∗( 0.6 ) =0.2=20 %
 c) A un vendedor se le paga una comisión fija de 150 soles más 5 soles por venta. Si
tiene programado visitar a 40 potenciales clientes, ¿cuál será el ingreso esperado
del vendedor?
Primero calculamos el valor esperado:
E(X) = n*p = 40 * 0.40 = 16
Para calcular el ingreso esperado, sumamos 150 (que es la comisión fija) más 5
por el valor esperado por venta
I(X) = 150 + 5 * 16 = 230 soles

3. La probabilidad de que un componente de un cierto tipo tenga alguna avería en las

primeras 75 semanas es 0.9. Un sistema consta de seis de estos componentes que
funcionan en paralelo de manera independiente.
a) Indique la función de probabilidad simple del número de componentes con avería
en las primeras 75 semanas
n=6
p=0.9
La función de probabilidad simple sería la siguiente:
6 K 6−k
P ( X )=C k ¿ ( 0.9 ) ∗(1−0.9 )
b)¿Cuál es la probabilidad de que fallen exactamente cuatro de ellas en las primeras 75
semanas si se sabe que, al menos, dos de las componentes han fallado en ese
período?.

P( X=4 ∩ X ≥ 2)
P=
P(X ≥ 2)
La condición de “fallen exactamente 4” ya satisface la condición de “al menos 2
componentes fallen”
Entonces:
P( X=4 )
P=
P( X ≥ 2)
P ( X=4 )=C 4 ¿ ( 0.9 ) ∗( 1−0.9 ) =0.09841 P ( X ≥2 )=1−[ P ( X =0 ) + P ( X=1 ) ]
6 4 6 −4

P ( X ≥2 )=1−[ C 60 ¿ ( 0.9 )0∗(1−0.9 )6−0 +C 61 ¿ ( 0.9 )1∗( 1−0.9 )6−1 ]=0.99995

P( X=4 ) 0.09841
P= = =0.09846=9.846 %
P( X ≥ 2) 0.99995
4. El número de artículos que vende diariamente es una variable aleatoria X que tiene una
distribución binomial con n = 10 y p = 0.3. La comisión (C), en función de las ventas
realizadas, que recibe diariamente viene dada como sigue:

# de artículos vendidos X 0≤x≤3 4≤x≤7 8 ≤ x ≤ 10

Comisión (soles) 50 100 200

a) Construya la distribución de la comisión diaria del vendedor.

Datos n=10 y p=0.3

Para cada rango:

 0 ≤ x ≤ 3 =P(X=0)+ P(X=1)+ P(X=2)+ P(X=3) = 0.649610718
  4 ≤ x ≤ 7=P(X=4)+ P(X=5)+ P(X=6)+ P(X=7) = 0.348798895
 8 ≤ x ≤ 10=P(X=8)+ P(X=9)+ P(X=10) = 0.001590386
X P(X)
0 0.028247525
1 0.121060821
2 0.233474441
3 0.266827932
4 0.200120949
5 0.102919345
6 0.036756909
7 0.009001692
8 0.001446701
9 0.000137781
10 5.9049E-06

PROBABILIDAD
RANGO X C P(C)
0≤X≤3 50 0.649610718
4≤X≤7 100 0.348798895
8≤X≤10 200 0.001590386

b) Calcule el valor esperado y la desviación estándar de C

Usamos la formula
E(C)=∑(Ci⋅P(C=Ci))
E(C)=50⋅0.6496+100⋅0.3488+200⋅0.0016
E(C)=32.48+34.88+0.32=67.68 soles

Var(C)=∑(Ci2⋅P(C=Ci))−E(C)2
Para la varianza

Var(C)=(50)2⋅0.6496+(100)2⋅0.3488+(200)2⋅0.0016−(67.68))2
Var(C)=595.22
Para la desviación estándar
Desviacion estándar = √ 595.22=24.397 soles

El valor esperado de la comisión diaria es de 67.68 soles.

La desviación estándar de la comisión diaria es 24.40 soles.

DISTRIBUCIÓN HIPERGEOMÉTRICA
1. En un almacén
2. En un intento

3. Una compañía exportadora de espárragos envía a los mercados europeos lotes de

espárragos conteniendo cada uno, 1200 latas. Un lote es rechazado si al revisar 20
latas, elegidas al azar, una a una y sin reposición, se encuentran 5 o más latas
defectuosas. Calcule la probabilidad de que un lote sea aceptado si se sospecha que
éste contiene 240 unidades defectuosas.

Distribución Hipergeométrica

P ( X=k )=
( D
k ) ×(
n−k )
N−D

( Nn )
Donde:

 N=1200 es el tamaño total del lote.

 D=240 es la cantidad de latas defectuosas.
 n=20 es el tamaño de la muestra.
 X es la cantidad de latas defectuosas en la muestra.
 k es el número de latas defectuosas observadas en la muestra.

Queremos calcular la probabilidad de aceptar el lote, es decir, que el número de latas

defectuosas en la muestra sea menor que 5:

P( X< 5)=P(X =0)+ P(X =1)+ P( X=2)+ P(X =3)+ P (X =4)

Cálculo de las Probabilidades

Usaremos la fórmula de la distribución hipergeométrica para cada kkk.

P( X=k )=
( k ) (20−k )
240
×
960

1200
( )
20

Después de computar las probabilidades individuales P( X=0), P (X=1),... , P(X =4 ),

sumamos estos términos para obtener P( X< 5).

La probabilidad de que el lote sea aceptado (es decir, que la muestra de 20 latas contenga
menos de 5 latas defectuosas) es aproximadamente:

P( X< 5)≈ 0 .63

Por lo tanto, hay un 63% de probabilidad de que el lote sea aceptado.

4. Una compañía recibe un lote de veinte artículos. Dado que la probabilidad de
inspección de cada artículo es cara, se sigue la política de analizar una muestra
aleatoria de seis artículos de cada envío, aceptando el lote si no hay más de un artículo
defectuoso en la muestra.
a) Hallar la probabilidad de que sea aceptado un lote que tiene cinco artículos
defectuosos?
N=20
x= se necesita que como máximo haya 1 artículo malo, es decir, el caso de “éxito”
(que salga un artículo defectuoso) es de 0 o 1
n=6
M=5
5 15
C 0∗C6
P ( X=1 )= 20
=0.129
C6
5 15
C1∗C5
P ( X=0 )= 20
=0.387
C6
Sumando todo: P(X)=0.129 + 0.387 = 0.516 = 51.6%

b) Si el lote tiene 3 artículos defectuosos, ¿cuál es la probabilidad de aceptarlo?.

Ahora para un M=3

3 17
C 0∗C6
P ( X=1 )= 20
=0.319
C6
3 17
C1∗C5
P ( X=0 )= 20
=0.479
C6
Sumando todo: P(X)=0.319 + 0.479 = 0.798 = 79.8%

DISTRIBUCIÓN DE POISSON
5. Suponga que en un establecimiento de comida rápida se atienden a 50 clientes por
hora siguiendo una variable de Poisson.
a) ¿Cuál es la probabilidad de que en una hora se atiendan como máximo a 55
clientes?
λ=50
x=1 , 2 ,… , 55
55
e−50 × 50x
P(x )=∑
x=1 x!
−1
P ( x )=7.84740401× 10 ≈ 78 %

b) ¿Cuál es la probabilidad que se tenga que atender a menos de ocho clientes entre
las 5:00 p.m. y las 5:15 p.m.?
 50
λ= =12.5
4
x=1 , 2 ,… , 7
7
e−12.5 × 12.5x
P(x )=∑
x=1 x!
P ( x )=0.0698217365 ≈ 6 %

c) Hallar la probabilidad de que entre las 4:00. y 4:30 p.m. se atiendan a más de 20
clientes.
50
λ= =25
2
x=1 , 2 ,… , 20
20
e−25 ×25 x
PC ( x )=1−P ( x )=1−∑
x=1 x!
PC ( x )=1−0.185492303
C
P ( x )=0.814207697 ≈ 81 %

6. El promedio de ventas de televisores en las tiendas de Centro Plaza es de 6, cada dos

horas. Si se supone que las ventas de cada una de las tiendas son independiente una
de otra, y si X representa el número de ventas cada 40 minutos,
a) ¿cuál es la probabilidad de que en un intervalo de 40 minutos no se realice venta
alguna?
6
λ= × 40 min=0.05 × 40=2
120 min
x=0
−λ x
( ) e ×λ
P x=
x!
−2 0
( ) e ×2
P x=
x0
P ( x )=0.135335283 ≈ 13 %

b) ¿cuál es la probabilidad de que se realice al menos 4 ventas en el intervalo de 60

minutos?
6
λ= ×60 min=3
120 min
x=1 , 2 ,3
x
3
e 3−¿× 3
P ( x )=1−P ( x )=1−∑
C
¿
x=1 x!
C
P ( x )=1−0.59744482
C
P ( x )=0.40255518 ≈ 40 %

7. Los automóviles llegan a una garita de peaje aleatoriamente con un promedio de 300
autos por hora.
a) ¿Cuál es la probabilidad de que lleguen por lo menos 8 durante 3 minutos?
 300
λ= ×3 min=15
60 min
x=1 , 2 ,3 , … , 7
7
e−15 ×15 x
P ( x )=1−P ( x )=1−∑
C

x=1 x!
C
P ( x )=1−0.0180018872
C
P ( x )=0.981998113≈ 98 %

b) Hallar la probabilidad de que en medio minuto lleguen más de 4 autos.

300
λ= × 0.5 min=2.5
60 min
x=1 , 2 ,3 , 4
4
e−2.5 ×2.5 x
PC ( x )=1−P ( x )=1−∑
x=1 x!
C
P ( x )=1−0.9740361388
C
P ( x )=0.00259638612 ≈ 0.2 %

c) ¿Cuál es la probabilidad de que en 12 minutos lleguen a lo más 75 autos?

300
λ= ×12 min=60
60 min
x=1 , 2 ,3 , … , 75
75
e−60 ×60 x
PC ( x )=1−P ( x )=1−∑
x=1 x!

d) Calcule la media y la varianza del número de autos que llegan cada 10 minutos
λ 10=5× 10=50 autos

8. Una máquina fabrica hilo de seda de modo que durante la producción la aparición de
defectos en el hilo sigue un proceso de Poisson a razón de uno cada 30 metros. El hilo
se vende en carretes de 50 metros y un carrete sólo es vendible si tiene menos de tres
defectos, en otro caso se desecha. Si fabricamos 10 carretes, ¿cuál es la probabilidad
de que al menos 8 sean vendibles?
50
λ= ≈ 1.67≝por carrete
30
x=0 , 1 , 2
Probabilidad de que un carrete sea vendible:
2
e− λ × λ x
P ( x )=∑
x=0 x!
2
e−1.67 ×1.67 x
P ( x )=∑
x=0 x!
P ( x )=0.765120786 ≈ 76 %
Probabilidad de que al menos 8 de los 10 carretes sean vendibles
7
PC ( x )=1−P ( x )=1−∑ C7x × 0.765120786 x ×(1−0.765120786)7− x ¿ ¿
x=1
PC ( x )=1−0.999960562
 PC ( x )=3.94377469 ×10−5

9. Cierto tipo de loseta puede tener un número X de puntos defectuosos siendo X una
variable de Poisson con una media de 3 puntos defectuosos por loseta. El precio por
loseta es S/. 6 si X = 0 defectos, de S/. 4 si X es 1 ó 2 defectos, y de S/. 1.5 si X > 2
defectos.
a) Calcule el precio esperado de loseta
Si x=0 defectos, el precio es S/. 6.
Si x=1 o x=2 defectos, el precio es S/. 4.
Si x >2 defectos, el precio es S/. 1.5.
λ=3
Precio esperado (E):
E=6 × P ( x=0 ) + 4 × P ( x=1 ∨ x=2 ) +1.5 × P (x> 2)
2 2
e−3 × 30 e−3 ×3 x e−3 ×3 x
E=6 × + 4 ×∑ +1.5 ×(1−∑ )
0! x=1 x! x=0 x!
E=2.65754934≈2.66

b) Se elige una loseta de S/. 4. de precio, calcule la probabilidad de que dicha loseta
tenga uno o más defectos
P(x≥1∨x=1 o x=2)=1 ≈100 %
Dado que la condición implica que hay al menos un defecto