Ejercicio 2

Solución al estudio de caso 1:

a. Distribución Hipergeométrica: Una empresa manufacturera recibe un lote que

contiene 100 artículos de los cuales cinco son defectuosos. La compañía revisa
constantemente los lotes - que recibe para establecer la calidad del material. Si la calidad
de un lote recibido es baja, regresa al proveedor el lote completo. Suponga que la
compañía recibe el lote y lo acepta si hay sólo 1 o menos piezas defectuosas en una
muestra de tamaño 6 sin reposición.

¿Cuál es la probabilidad de que se acepte un lote de 100 artículos que contenga 5

defectuosos?

Se requiere los siguientes elementos:

1. La cantidad de pruebas N
2. n° de elementos en la población original que pertenecen a la categoría deseada d.
3. Tamaño de la muestra extraída n.
4. n° de elementos en la muestra que pertenecen a la categoría deseada x.
5. Utilizar la función matemática.

𝑛
𝑃(𝑋 = 𝑥) = ( ) ∗ 𝑝 𝑥 ∗ (1 − 𝑝)𝑛−𝑥
𝑥

Desarrollo:
Rechazo: Calidad baja: N° de defectos >1
Aceptación: Calidad alta: N° de defectos ≤ 1
N° de individuos que presentan éxito: k= 100-5= 95
N= 100
n= 6
p= k/N = 95/100= 0,95

6
𝑃(𝑋 = 5) = ( ) ∗ 0.955 ∗ (1 − 0.95)6−5
5

𝑷(𝑿 = 𝟓) = 𝟎, 𝟐𝟑𝟐𝟏

La probabilidad de que se acepte un lote de 100 artículos que contenga 5 defectuosos es

de 23,21%
b. Distribución Binomial: La probabilidad de fallar durante el vuelo para cada uno de
los seis motores de un avión es 0.0005. Suponiendo que los seis motores trabajan
independientes, determine la probabilidad que en un vuelo determinado

1. No ocurra ninguna falla de motor

2. No ocurra más de una falla

3. Ocurra exactamente dos fallas.

Desarrollo:

La distribución de probabilidad binomial es un ejemplo de distribución de probabilidad

discreta. Está formada por una serie de experimentos de Bernoulli. Los resultados de cada
experimento son mutuamente excluyentes. Para construirla necesitamos:

1) la cantidad de pruebas n
2) la probabilidad de éxitos p
3) utilizar la función matemática.

Función de probabilidad de la distribución Binomial.

P  X  x   Cxn p x q n  x
n!
P  X  x  . p x .(1  p)n  x
 n  x ! x !
x: es el número de aciertos.
p: es la probabilidad de éxito
n: es el número de experimentos.
1-p ó q: es la probabilidad de fracaso

Datos:

p = 0,0005 Probabilidad de falla de motores

q = 1-0,0005 = 0,9995
n = 6 motores

La probabilidad que en un vuelo determinado

1. No ocurra ninguna falla de motor es de 99,7%

 𝑃(𝑥 = 0 ) = 𝐶6,0 (0,0005)⁰( 0,9995)⁶ = 𝟎, 𝟗𝟗𝟕

2. No ocurra más de una falla es de 0,3%

𝑃 (𝑥 ≥ 1) = 1 − 𝑃(𝑥 = 0)

𝑃 (𝑥 ≥ 1) = 1 − 0,997 = 𝟎, 𝟎𝟎𝟑

3. Ocurra exactamente dos fallas es de 0,00374%

𝑃(𝑥 = 2) = 𝐶6,2 (0,0005)² (0,9995)⁴ = 𝟎, 𝟎𝟎𝟎𝟎𝟑𝟕𝟒

c. Distribución Poisson: El número de casos admitidos de emergencia en cierto hospital

en 1 hora es una variable aleatoria con distribución de Poisson con X = 3. Determinar -
la probabilidad que en cierta hora

1. Ningún caso de emergencia es admitido.

2. Más de 3 casos de emergencia son admitidos.

Desarrollo:

Llamada así en honor al probabilista francés Simeón Denis Poisson. Aquí interesa contar
el número de veces que un determinado suceso ocurre en un periodo de tiempo
determinado

Es un proceso de tiempo continuo que consiste en "contar" eventos raros (de ahí el
nombre "sucesos raros") que ocurren a lo largo del tiempo. (Raymond, H. y Myers, S.
,1998).

𝑃(𝑥 = 𝑘) = 𝜇𝛬𝑘 ∗ 𝑒𝛬 − 𝜇/ 𝐾!

μ: promedio de número de casos admitidos de emergencia en cierto hospital en 1 hora

μ= 3
e= 2,71828

1. Ningún caso de emergencia es admitido es de 49,790%

k=0
 30 (2,71828)−3
𝑃 (𝑥 = 0) = = 𝟎, 𝟎𝟒𝟗𝟕𝟗
0!

2. Más de 3 casos de emergencia son admitidos es de 57,685%

𝑃(𝑥 ≥ 3) = 1 − 𝑃(𝑥 ≤ 3)

𝑃(𝑥 ≤ 3) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)

𝑃(𝑥 ≤ 3) = 0,04979 + 0,14936 + 0,2240

𝑃(𝑥 ≤ 3) = 0,42315

𝑃(𝑥 ≥ 3) = 1 − 0,42315 = 𝟎, 𝟓𝟕𝟔𝟖𝟓

d. Distribución Normal: De acuerdo con la Organización de Naciones Unidas (ONU),

en Latinoamérica se tiene una esperanza de vida al nacer de 73.4 años y una desviación
estándar de 4.3714 años. Si la esperanza de vida de una persona sigue una distribución
normal, calcula:

1. La probabilidad de que una persona sobrepase los 80 años de vida.

2. La probabilidad de que una persona al nacer tenga una esperanza de vida entre 70 y
75 años.

3. ¿A partir de qué valor se tiene el 10% más alto de la esperanza de vida al nacer?

Desarrollo:

Llamada también distribución gaussiana, es la distribución de v.a. continua más

importante y la de mayor uso, es la distribución modelo y sirve de aproximación para las
demás distribuciones, asimismo de acuerdo a la ley de los grandes números muchas
estadísticas muéstrales tienen distribución normal.

Teniendo los siguientes datos:

μ= 73,4
σ= 4,3714
Empleando la distribución normal estandarizada, N (0,1).

Teniendo en cuenta esto, tenemos que la variable X la denotamos por Z: Z= X - μ/σ

donde:

σ=desviación
μ=media
X= variable aleatoria

𝑋 ≈ 𝑁 (𝜇 = 73,4; 𝜎 = 4,3714)

1. La probabilidad de que una persona sobrepase los 80 años de vida.

80 − 73,4
𝑃(𝑋 ≥ 80) = 𝑃 (𝑍 < )
4,3714

𝑃(𝑋 ≥ 80) = 𝑃(𝑍 < 1,51)

𝑃(𝑋 ≥ 80) = 1 − 𝑃(𝑍 < 1,51)

𝑃(𝑋 ≥ 80) = 1 − 0,9344

𝑷(𝑿 ≥ 𝟖𝟎) = 𝟎, 𝟎𝟕

2. La probabilidad de que una persona al nacer tenga una esperanza de vida entre 70 y 75
años:

𝑃(70 < 𝑋 < 75) = 𝑃(𝑋 < 75) − 𝑃(𝑋 < 70)

75 − 73,4 70 − 73,4
𝑃(70 < 𝑋 < 75) = 𝑃 (𝑍 < ) − 𝑃 (𝑍 < )
4,3714 4,3714

𝑃(4 < 𝑋 < 6) = 𝑃(𝑍 < 0,37) − 𝑃(𝑍 < −0,78)

𝑃(4 < 𝑋 < 6) = 0,6443 − 0,2176

𝑷(𝟒 < 𝑿 < 𝟔) = 𝟎, 𝟒𝟑

3. ¿A partir de qué valor se tiene el 10% más alto de la esperanza de vida al nacer?
El 10% más alto es la probabilidad de tener una esperanza de vida de 0,1. En la tabla de
distribución normal el valor de Z para una probabilidad de 0,1 es de 0,5398. El valor que
representa dicho % sería el siguiente, así:

𝑍 = 𝑋 − 𝜇/𝜎

0,5398 = 𝑥 − 73,4/4,3714

0,5398 ∗ 4,3714 + 73,4 = 𝑥

𝒙 = 𝟕𝟓, 𝟕𝟓