DESARROLLO GUIA # 3

1.

Cul es la probabilidad de que una mesera se rehse a servir bebidas alcohlicas

nicamente a dos menores de edad si verifica aleatoriamente solo 5 identificaciones de
entre 9 estudiantes, de los cuales 4 no tienen la edad suficiente?, b) Cul es la
probabilidad de que como mximo 2 de las identificaciones pertenezcan a menores de
edad?
A)
N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que pertenecen a
personas menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
P(x=2, n=5)= 4C2 * 5C3 = (3) (10) = 0.238095
9C5
126
B)
N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el nmero de identificaciones que pertenecen a
personas menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
P(x=0,1,2,n=5)= 4C0 * 5C5 + 4C1 * 5C4 + 4C2 * 5C3 = (1)(1) + (4) (5) + (6)(10=
9C5
126
1+120+60 =
126

81 =
126

0.64286

2. Una compaa manufacturera utiliza un esquema para la aceptacin de los artculos

producidos antes de ser embarcados. El plan es de dos etapas. Se preparan cajas de
25 para embarque y se selecciona una muestra de 3 para verificar si tienen algn
artculo defectuoso. Si se encuentra uno, la caja entera se regresa para verificarla al
100%. Si no se encuentra ningn artculo defectuoso, la caja se embarca.
A) Cul es la probabilidad de que se embarque una caja que tiene tres artculos
defectuosos?
Total en caja
N = 25
Objetos defectuosos en la caja
a=3
Muestra tomada
n=3
Cuantos se espera encontrar defectuosos
x=1
Ca, x = C3, 1 = 3!/(1! * 2!)= 3
CN-a, n-x = C 22,2 = 22!/(20! * 2!)= (22*21/2) = 231
CN,a = C25,3 = 25!/(22! * 3!)= 25*24*23/6 = 25*23*4 = 2300

Probabilidad de deteccin y rechazo

P = (Ca,x * CN-a,n-x) / Cn,a = (3*231)/2300 = 693/2300 = 0.3013
Probabilidad de embarque
B) 1 - P = 0.6987 = 69.87% b) Cul es la probabilidad de que una caja que
contiene solo un artculo defectuoso se regresa para verificacin?
b. Total en caja
N = 25
Objetos defectuosos en la caja
a=1
Muestra tomada
n=3
Cuantos se espera encontrar defectuosos
x=1
Ca, x = C1,1 = 1
CN-a , n-x = C 24,2 = 24!/(22! * 2!)= (24*23/2) = 276
CN,a = C25,3 = 25!/(22! * 3!)= 25*24*23/6 = 25*23*4 = 2300
Probabilidad de deteccin y rechazo
P = (Ca,x * CN-a,n-x) / Cn,a = (1*276)/2300 = 276/2300 = 0.12
P = 12%
3. La ltima novela de un autor ha tenido un gran xito, hasta el punto de que el 80% de
los lectores ya la han ledo. Un grupo de 4 amigos son aficionados a la lectura:
Cul es la probabilidad de que el grupo hayan ledo la novela 2 personas?
B (4,0.2) P= 0.8 q= 0.2
p = (x=2) = (4/2) (0.8)2 (0.2)2 = 4-3/2 0.64 -0.04
= 0.15
Y cmo mximo 2?
P= ( x 2 ) = p ( x = 0 ) + p ( x = 1 ) + p ( x = 2 ) =

4. La probabilidad de que un artculo producido por una fbrica sea defectuoso es 0.02.
Se envi un cargamento de 10.000 artculos a unos almacenes. Hallar el nmero
esperado de artculos defectuosos, la varianza y la desviacin tpica.
U= 10000 * 0.02 = 200
O= 10000* 0.02 * 0.98 = 196
O = 196 = 14
5. Un agente de seguros vende plizas a cinco personas de la misma edad y que
disfrutan de buena salud. Segn las tablas actuales, la probabilidad de que una
persona en estas condiciones viva 30 aos o ms es 2/3. Hllese la probabilidad de
que, transcurridos 30 aos, vivan:
Las cinco personas
B ( 5, 2/3) p = 2/3 q = 1/3
P ( x = 5 ) = ( 5/5) ( 2/3 ) 5 = 0.132
Al menos tres personas
P(X>=3)
=
P(X=3)
P(X=3)

C(5,3)

+
(2/3)^3

P(X=4)
*

(1/3)^(5-3)

P(X=5)
=

0.3292

P(X=4)
P(X=5)

=
=

C(5,4)
C(5,5)

*
*

(2/3)^4
(2/3)^5

*
*

(1/3)^(5-4)
(1/3)^(5-5)

=
=

0.3292
0.1317

P(X>=3) = 0.7901
Exactamente dos personas
P(X=2) = C(5,2) * (2/3)^2 * (1/3)^(5-2) = 0.1646
6. Se lanza una moneda cuatro veces. Calcular la probabilidad de que salgan ms caras
que cruces.
B (4, 0.5) p = 0.5 q = 0.5
P (x 3) = p (x = 3) + p (x = 4) =
= (4/3) 0.5^3 * 0.5 + (4/4)0.5^4 = 0.3125
7. En unas pruebas de alcoholemia se ha observado que el 5% de los conductores
controlados dan positivo en la prueba y que el 10% de los conductores controlados no
llevan puesto el cinturn de seguridad. Tambin se ha observado que las dos
infracciones son independientes. Un guardia de trfico para cinco conductores al azar.
Si tenemos en cuenta que el nmero de conductores es suficientemente importante
como para estimar que la proporcin de infractores no vara al hacer la seleccin:
A) Determinar la probabilidad de que exactamente tres conductores hayan
cometido alguna de las dos infracciones
B) Determine la probabilidad de que al menos uno de los conductores controlados
haya cometido alguna de las dos infracciones.
8. La probabilidad de que un artculo producido por una fbrica sea defectuoso es p =
0.02. Se envi un cargamento de 10.000 artculos a unos almacenes. Hallar el nmero
esperado de artculos defectuosos, la varianza y la desviacin tpica.
U= 10000 * 0.02 = 200
O= 10000* 0.02 * 0.98 = 196
O = 196 = 14
p.
A)

8.1. En la inspeccin de hojalata producida por un proceso electroltico

continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine
las probabilidades de identificar a) una imperfeccin en 3 minutos, b) al menos
dos imperfecciones en 5 minutos, c) cuando ms una imperfeccin en 15
minutos.

9. Si un banco recibe en promedio 6 cheques sin fondo por da, cules son las
probabilidades de que reciba, a) cuatro cheques sin fondo en un da dado, b) 10
cheques sin fondos en cualquiera de dos das consecutivos?
A) x = variable que nos define el nmero de cheques sin fondo que llegan al
banco en un da cualquiera = 0, 1, 2, 3, .., etc, etc.
l
=
6
cheques
sin
fondo
por
da
e = 2.718
B) x= variable que nos define el nmero de cheques sin fondo que llegan al banco
en
dos
das
consecutivos
=
0,
1,
2,
3,

l = 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos das

consecutivos
Nota: l siempre debe de estar en funcin de x siempre o dicho de otra forma,
debe hablar de lo mismo que x
10. La probabilidad de tener un accidente de trfico es de 0,02 cada vez que se viaja, si se
realizan 300 viajes, cul es la probabilidad de tener 3 accidentes?

P =?
K=3
= n * p = 300 * 0.02 = 6
P (x=k) e- k
K!
P(x=3) 2.71828^-6 * 6^3.
3!
P(X=3) 0.0892
P(X=3) 8.9%
La probabilidad de tener 3 accidentes de trfico en 30 viajes es de 8.9%
11. La probabilidad de que un nio nazca pelirrojo es de 0,012. Cul es la probabilidad de
que entre 800 recin nacidos haya 5 pelirrojos?
P= (x = 5 ) = e ^-9.6 * (9.6^5/ 5! )
P = ( x = 5 ) = 4.602
Por lo tanto, la probabilidad de que haya 5 pelirrojos entre 800 recin nacidos es del 4,6%
REFLEXIONES:
a) La Importancia de la distribucin de probabilidades.

La importancia de la distribucin de probabilidades radica en que esta funcin nos permite

visualizar las diferentes opciones de resultado que se pueden presentar para un determinado
experimento arrojando diversas variables.

a) Oportunidades que ofrece la distribucin Poisson.

Dado que la distribucin de Poisson se emplea para describir varios procesos, se puede decir
que nos ofrece entre otros la distribucin de las llamadas telefnicas que llegan a un
conmutador, la demanda de servicios en una institucin asistencial por parte de los pacientes,
los arribos de los camiones y automviles a la caseta de cobro y el nmero de accidentes en un
cruce, entre otros
b) Defina distribucin Poisson, binomial e Hipergeometrca.
Poisson: expresa, a partir de una frecuencia de ocurrencia media, la probabilidad de
que ocurra un determinado nmero de eventos durante cierto perodo de tiempo.
Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeas, o sucesos "raros".
Binomial: es la principal distribucin de probabilidad discreta para variables
dicotmicas, es decir, que slo pueden tomar dos posibles resultados. Este proceso,
consiste en realizar un experimento aleatorio una sla vez y observar si cierto suceso
ocurre o no, siendo p la probabilidad de que ocurra (xito) y q=1p de que no ocurra
(fracaso), por lo que la variable slo puede tomar dos posibles valores, el 1 si ocurre y
el 0 sino sucede.
Hipergeomtrica: la distribucin hipergeomtrica es una de las distribuciones de
probabilidad discreta que modela el nmero de eventos en una muestra de tamao fijo
cuando usted conoce el nmero total de elementos en la poblacin de la cual proviene

la muestra. Se utiliza para calcular la probabilidad de una seleccin aleatoria de un

objeto sin repeticin.

c) Que es una distribucin de probabilidad discreta y continua?

Distribucin de probabilidad discreta es aquella que puede tomar valores al azar pero
teniendo en cuenta que solo maneja nmeros enteros y exactos
Distribucin de probabilidad continua es aquella que toma valores con decimales y
toma valores que continan

d) Como se calcula la distribucin binomial?

La distribucin binomial se calcula con la formula

Donde:
n es el nmero de pruebas.
k es el nmero de xitos.
p es la probabilidad de xito.
q es la probabilidad de fracaso.
e) Como se calcula la distribucin Poisson?
La distribucin poisson se calcula con la formula

Donde:
k es el nmero de ocurrencias del evento o fenmeno (la funcin nos da la
probabilidad
de que el evento suceda precisamente k veces).
es un parmetro positivo que representa el nmero de veces que se espera que
ocurra
el fenmeno durante un intervalo dado. Por ejemplo, si el suceso estudiado tiene
lugar en promedio 4 veces por minuto y estamos interesados en la probabilidad de
que ocurra
k veces dentro de un intervalo de 10 minutos, usaremos un modelo de distribucin de
Poisson con = 104 = 40.
e es la base de los logaritmos naturales (e = 2,71828...)
f)

Que le aporta como ingeniero las distribuciones de probabilidad?

Las distribuciones de probabilidad le aporta a un ingeniero la capacidad de
entender mas all.

De la estadstica normal y poder generar conocimiento para un buen

desenvolvimiento de las probabilidades.

g) Que indica en un proceso la Poisson?

o

h)

Las distribuciones de probabilidad me aporta como ingeniero una herramienta

importante para el anlisis de datos.

Que le aporta como ingeniero las distribuciones de probabilidad?

o Indica unos fenmenos que ocurren 0, 1, 2, 3,... veces durante un periodo
definido de tiempo o en un rea determinada

i)

Que indica en un proceso la Distribucin Poisson?

Esta distribucin es una de las ms importantes distribuciones de variable discreta. Sus

principales aplicaciones hacen referencia a la modelizacin de situaciones en las que nos
interesa determinar el nmero de hechos de cierto tipo que se pueden producir en un intervalo
de tiempo o de espacio, bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas.
Otro de sus usos frecuentes es la consideracin lmite de procesos dicotmicos reiterados un
gran nmero de veces si la probabilidad de obtener un xito es muy pequea

TEXTO; ESTADSTICA PARA ADMINISTRACIN Y ECONOMA ANDERSON SWEENEY

WILLIAMS.
TEXTO; GESTION DE PROYECTOS IDENTIFICACION - FORMULACION EVALUACIN
FINANCIERA ECONMICA SOCIAL AMBIENTAL JUAN JOSE MIRANDA MIRANDA.