You are on page 1of 24

ACADEMIA DE ESTADISTICA IV.a VARIABLES ALEATORIAS DISCRETAS Y SU DISTRIBUCION DE PROBABILIDADES. IV.

1 Introducciòn: Si de un experimento aleatorio, describimos su espacio muestral, esto es, anotamos todos sus posibles resultados, y algún ò algunos eventos de ese espacio nos interesan en forma particular, y atendiendo a que es posible asignar valores numéricos a la frecuencia con que ocurrieron dichos eventos, sin que esto quiera decir que dichos eventos no sean ya valores numéricos de por si, entonces con seguridad podemos asignar un número real a cada evento de nuestro espacio muestral, y por lo tanto al evento de interés. IV.2 Variable aleatoria discreta: Si designamos con “x a los valores que asignemos a los resultados de nuestro evento de interés, entonces podemos decir que dichos valores conforman la variable aleatoria X. Sin embargo, algún ò algunos de ellos pueden ser probabil!sticamente equivalentes, por lo que en realidad, la variable aleatoria ", queda definida por el recorrido de X, denominado R( X ). #or supuesto, si $%"& es medible, %susceptible de contarse&, entonces tenemos un caso de variable aleatoria discreta. #or el contrario, si $%"& no es susceptible de medirse, entonces se trata de una variable aleatoria de tipo continuo. Ejemplo 1 : Sea el experimento de lan'ar dos monedas legales, para observar su cara superior, y sea " ( número de )guilas observadas, %evento de inter*s&. +endremos, -S#./01 23-S+$.4, ( .., .S, S., SS  " (5 1 1 6 7 $%"& (  6, 1, 5 

1

1bsérvese que .S y S. , son equivalentes y equiprobables, y por lo tanto " y $%"& son equivalentes en estos eventos. #or lo que convendremos que “" ser) descrita por $%"& en los sucesivo y, “ x i “%minúscula& corresponder) al elemento “ i “ de $%"&. +ambién, convendremos en que #%"& agrupa a todas las probabilidades de ", mientras que p%x&, corresponder) a la probabilidad de los valores espec!ficos de x i . 8e acuerdo con lo anterior, podremos escribir, " ( 6 9 1 : 5 9

#%"& (

8os propiedades importantes tiene #%"& , a&.; 6 ≤ p% xi & ≤ 1 <inguna probabilidad ser) menor que cero ni mayor que uno b&.; Σ p% xi & ( 1 4a suma de las probabilidades de los valores espec!ficos es uno. IV.3 Distribución de probabilidades: 4os pares ordenados, = x i , p %xi& > , conforman la distribuci?n de probabilidades de la variable aleatoria ", y como tales, es posible graficarlas en el plano cartesiano. #or e@emplo, Si " ( 6, 1, 5 y p%6& ( 9 , p%1& ( : y p%1& ( 9 , tendremos, 80S+$0A3/01< 8- #$1A.A0408.8-S, = % 6, 9 & , % 1, : &, % 5, 9 & > 1 bien,

" #%"&

6

1

5

9 : 9

1

IV.4 Función acumulada: o funci?n de distribuci?n acumulativa, que denominaremos con F(X) y que se define, 4a probabilidad acumulada de un valor espec!fico de ", es la suma de su probabilidad mas todas las anteriores. #ara el e@emplo anterior, " 6 1 5 B%"& 9 C 1

-s claro que la funci?n de distribuci?n acumulada, la constituyen los pares ordenados = x i , B% xi &>, y por lo tanto, también es posible graficarla. Ejemplo 2: Se tienen tres esferas numeradas, 1,5,D en una urna. .l extraer dos al a'ar con reempla'o, y si " ( suma de los números de las esferas que se extraen, a&. E /ual es la distribuci?n de probabilidades de " ? b&. E /ual es la funci?n de distribuci?n acumulada ? c&. /onstruye las gr)ficas de ambas funciones. Soluci?n, a&.; <%S& ( %1,1&,%1,5&,%1,D&,%5,1&,%5,5&,%5,D&,%D,1&,%D,5&,%D,D& , D x D ( F -ntonces " ( 5,D,G,H,I7 p%5&(1JF , p%D&(5JF, p%G&(DJF, p%H&(5JF y p%I&(1JF #or lo tanto, 80S+$0A.8- #$1A. " #%"& b&. ; B3</01< ./3234.8. c&. 4as gr)ficas son, 80S+$0A. 8- #$1A. DJF ; 5JF ; 1JF ;
1JF
5 D G H I 5 D G H I

5

D

G

H

I

1JF 5JF DJF 5JF 1JF

" B%"&

5 D G H I 1JF DJF IJF KJF 1

B3</0L< ./3234.8. 1; IJF DJF ;

Ejemplo 3: 8e un lote de 15 aparatos, de los que se sabe cinco son defectuosos, se va a extraer una muestra de tres, y si " ( número de aparatos defectuosos en la muestra. 8eterminar, a& 4a distribuci?n de probabilidades. b& 4a funci?n acumulada c& 4as gr)ficas de ambas funciones.

1J15. #or su parte. tomados tres a la ve'. a& el valor de p. 5. se les hace corresponder D dibu@os con la palabra correcta a cada uno. #ara x ( 6 ningún defectuoso. Se tira un dado cargado. 8etermine la distribuci?n de probabilidades. x 5 D G H I M K F 16 11 15 #%x& 1JDI 5JDI DJDI GJDI HJDI IDI HJDI GJDI DJDI 5JDI 1JDI Ejemp ! . D. se calcula mediante las posibles combinaciones de los doce aparatos. su ve'. o tres aparatos defectuosos en la muestra. 8e una ca@a con G pelotas de color negro y dos de color verde. es decir. p% D & ( M / 6 H/D J 15 / D #or lo tanto a& " 6 #%"& MJGG 1 5 D 51JGG 1GJGG 5JGG b& ( M J GG ( 51 J 55 ( 1G J GG ( 5J GG " B%"& 6 1 5 D MJGG 5KJGG G5JGG 1 1 Se de@a el inciso c& como e@ercicio. 1J15. Soluci?n. el número de eventos del espacio muestral. b& obténgase la . los valores obtenidos con el son 1. G. dos.d& Soluci?n. -ncontrar la distribuci?n de probabilidades para el número de pelotas de color verde. Soluci?n. p% 5 & ( M / 1 H / 5 J 15 / D #ara x ( D tres defectuosos. uno. p% 6 & ( M / D J 15 / D #ara x ( 1 un defectuoso. por e@em. 9.. 1. H y I7 las respectivas probabilidades son respectivamente.'!/# a&. Si un niOo asigna aleatoriamente . /alcúlese. se seleccionan D en sucesi?n con reempla'o. Ejemp ! +# -ncontrar la distribuci?n de probabilidades de x ( suma de los dos números en el lan'amiento de dos dados. 1JD. x 6 1 5 D G H #%x& lJI HJ1K 5JF 1JI 1JF 1J1K Ejemp ! $ . 6. p%6& ( GJIxGJIxGJI ( KJ5M #%1& ( 1JDx5JDx5JD N 5JDx1JDx5JD N 5JDx5JDx1JD ( 15J5M -tc. p.'. Ejemp ! "# Suponga que se lan'an dos dados legales. adem)s la suma debe ser 1 Eje%. Soluci?n. Soluci?n. x #%x& 6 1 5 I 1JI 1JD 1J5 6 N!-a# Si acierta 5 acierta D por lo que p%5&(6. 5. D. puede haber cero. <%S& ( 15 / D ( GG posibilidades. encuentre la distribuci?n de probabilidades para x ( número de correspondencias correctas. x 6 1 5 D #%x& KJ5M 15J5M IJ5M 1J5M P!% &'a(%ama &e )%*! . 4os posibles valores de ". son. 1JI.. p% 1 & ( M / 5 H / 1 J 15 / D #ara x ( 5 dos defectuosos. si x ( valor absoluto de la diferencia de los dos números .# -n una prueba aplicada a niOos. .

5. puede no ser ni siquiera un posible valor de ".%"& ( 5 %1JF& N D % 5JF& N G %DJF& N H%5JF N I %1JF& ( G. 1. 1bsérvese que G tiene la probabilidad mQs alta.l lan'ar un dado legal y definir a " como el número de puntos obtenidos en la cara superior. Soluci?n. 5. y sin embargo su representatividad como promedio estQ bien @ustificada. p% x5 &. ..H -ste es uno de los casos en que .... " #%"& #or lo tanto . Si se sabe por experiencia. d&. c& obténgase la distribuci?n de probabilidades. 3na distribuci?n de probabilidades que corresponde al número de remaches defectuosos de un aeroplano. Si el espacio muestral es equiprobable /abe destacar que -% x &. 1bténgase . p%x& ( c J xD si x ≥ I66 6 si x P I66 1bténgase una expresi?n para la funci?n acumulada de la duraci?n de dicha pie'a y calcúlese la probabilidad de que una v)lvula dure por lo menos 1666 horas. Su s!mbolo es E ( x ) ò µ .% " & ( 1 J I % 1 N 5 N D N G N H N I & ( D.probabilidad % 5 ≤ x < H &..5 Esperan a matem!tica# ò valor esperado ò media probabil!stica de la distribuci?n. x5 . 1 c&. por lo que debe entenderse que si el experimento se reali'a un número repetido de veces. d& la funci?n acumulada y e& las gr)ficas de ambas funciones.. D art!culos defectuosos en la producci?n de un d!a cualquiera. entonces. /ierta v)lvula tiene una duraci?n %en horas&. la funci?n acumulada y las gr)ficas de ambas para " ( 6. y probabilidades p% x1 &. Ejemplo # # . que a lo m)s tres de esos 16 art!culos son defectuosos.% " & de la distribuci?n. E ( x ) 0 ∑ x' p (x') ò E ( x ) 0 11 2 ∑ x' . est) dada por. 1. y por lo tanto es el valor m)s esperado .. x 1 . 3na m)quina produce diariamente 16 art!culos. ..5 J c! para c ( 6.H en términos probabil!sticos. " 5 D G H I #%"& 1JF 5JF DJF 5JF 1JF -ntonces . p%x ( c& ( cc e. b&. Si " es una variable aleatoria con posibles valores.% " & ni siquiera toma un posible valor de ". Ejemplo " # Sea la distribuci?n de probabilidades. 4a distribuci?n de probabilidades es. al igual que la media aritmética de una distribuci?n frecuencial. descr!base la distribuci?n de probabilidades. con una densidad de probabilidad. es el par)metro representativo de ella. 1 5 D G H I 1JI 1JI 1JI 1JI 1JI 1JI .. D /alcúlese la probabilidad que la cantidad de remaches defectuosos sean al menos tres. el promedio aritmético estar) cercano a D. y se obtiene. IV.

1. y es el segundo momento de los datos con respecto a la media probabil!stica. mide el espaciamiento o dispersi?n de la variable ". %5. DJK&. 666. " . se seleccionan cuatro al a'ar. E /ual es la probabilidad que la m)quina funcione? a& durante cinco horas. 8onde µ es -% " &. .D 3.2. 1 también Va% ( X ) 0 ∑ x'2 p ( x' ) 3 µ 2 #or su parte. 3n concertista.% " & ( 6 %1JK& N 1 %DJK& N 5 %DJK& N D %1JK& ( 1.H&5 %DJK& N %1. 4a media. p( 6.H Rar %"& ( %.G. ganar) H 3. sabe por experiencia Tue la asistencia a sus audiciones con su respectiva probabilidad es. a& 4a distribuci?n de probabilidades de ". .D 3. el fabricante tendr) como promedio una ganancia de G. Ejemplo 1$: 3n fabricante. que debe interpretarse como el hecho de que. E cual es el valor esperado de la producci?n ?.'52 e/-)2&a%.66 Ecu)l es la ganancia ò pérdida esperada ? -ncuéntrese los valores esperados de los e@ercicios . la &e/4'a.F6 . Si la bola cae en el número elegido. p ( 6. Soluci?n. la probabilidad que una bater!a falle es 6.H o I. 1JK&.75 ≈ 0. varian'a y desviaci?n est)ndar de la distribuci?n. que por cierto sigue siendo la medida de dispersi?n m)s importante de la distribuci?n. 8eterm!nese. y funciona si dos de ellas traba@an adecuadamente.. 4a distribuci?n de probabilidades es. 3na persona gana medio d?lar si al lan'ar un dado legal. mientras que por cada art!culo de buena calidad.H&5 %DJK& N %6. c& y d& de la p)gina G. b& durante 16 horas.D 7 que asistan G666. Se calcula. puede ser de mucha utilidad en la planeaci?n financiera. 3na ruleta tiene DK posiciones. 0ndagar si la apuesta est) en su favor o en su contra.1 -l valor esperado. Reamos el siguiente e@emplo. -n las cinco primeras horas de traba@o. E cual es la esperan'a matem)tica del @ugador ? .2.866 .% " & ( . Soluci?n. v) vi& IV.5 Varian a % des&iación est!ndar: 4a varian'a de una distribuci?n probabil!stica.6. y perder) dos d?lares si cae 1 o 5. la probabilidad que falle es 6.2. Si " ( número de art!culos defectuosos en la muestra. DJK&. Tue asistan D666 personas p ( 6. i& ii& iii) iv) 8e un lote de 5H art!culos. este cae D.16 6.H&5 %1JK& N %.5 H #%"& 6.F6 & ( G. %D. de los que se sabe cinco son defectuosos. %1. -@ercicios.I y que asistan H666. sabe que el 16S de sus art!culos resultan de mala calidad y que. %unidades monetarias&.5. %6.5 % 6. b& la funci?n acumulada y c& las gr)ficas de ambas. a la larga. a&. 66 y el boleto cuesta U H6. en las siguientes cinco horas. 3na m)quina es accionada por tres bater!as. Si el costo del concierto es de U 566. obtener. σ 0 var .G..D. Va% ( X ) 0 ∑ ( x' 3 µ )2 p( x' ). el @ugador ganar) DI d?lares por su apuesta de uno.H&5 %1JK& ( 6. 1JK& . b&. por cada uno de ellos que produ'ca perder) 5 3. se calcula.MH σ = √ 0.16 & N H % 6.2.( x ) Ejemplo 11 # Sea la distribuci?n probabil!stica.

E.aas.asa. se e@emplifica de la manera siguiente. Si ahora desarrollamos el binomio % a N s & D. a< : < a2/ : < a/2 : /<9 que debe interpretarse según el espacio muestral. denotar con 6 p 6 a la probabilidad de éxito. cuya probabilidad es GJ16.DI-1/E.asa y saa& con #%5& ( DJ K % ass. Sup?ngase que se lan'a tres veces una moneda legal. < a 2/ x0< x02 C < (112)< (112)= 0 11> 5 (112) (112) (112) 0 11 > 2 5 < ?(112)(112)@(112)0 <1> < C 2 (112) (112) 0 <1> < ./I0+1I2. ésimo término del desarrollo del binomio %a N b& n .(. c& 4a probabilidad de cada uno de los resultados permanece constante en todos los ensayos.2 DI-. ∑ xi5 p%xi& ( 65 %1JK& N 15 %DJK& N 55 %DJK& N D5 %1JK& ( D 7 µ5 ( %1. si se tienen en una urna G esferas ro@as y I verdes. con probabilidad de IJ16.5H ( 6./I0+1I2. se basa en ciertos experimentos llamados ensayos de Bernoulli. saa.'. aD D a 5s D as5 sD ocurren tres )guilas una sola ve' ocurren tres veces dos )guilas y un sol ocurren tres veces una )guila y dos soles ocurren tres soles una sola ve' % aaa & con #%D& ( 1J K % aas. y es una de las distribuciones m)s importantes dentro de la discretas. los cuales presentan las caracter!sticas siguientes.H&5 ( 5. es decir. d& ∑ p% xi & ( 1 e& 6 ≤ p% xi & ≤ 1 f& #or e@emplo. éxito ò fracaso. los ensayos son estad!sticamente independientes. -l espacio muestral de los posibles resultados es el siguiente. 5.sas y ssa& con #%1& ( DJ K % sss & con # %6& ( 1J K con p éxito para )guila en un lan'amiento y 7 fracaso → p ( q ( 1J5. con <%S& ( K ./)lculo de la varian'a por la segunda opci?n. sas. x ( 6. a& 4os ensayos son susceptibles de repetirse un número indeterminado de veces.MH ( IV. obtenemos. -s común en los textos. -n consecuencia p : 7 0 1 o bien 7 0 1 . y si al extraer una esfera con reempla'o. µ5 ( D V 5. b& /ada ensayo solo tiene dos resultados posibles.(-: 1 IV. con n ( D. 1. D a< . tendremos un fracaso. ssa.I1(.' ()*+.5H -ntonces Rar % " & ( ∑ xi5 p%xi& .3/20(0I)I-. 4a distribuci?n binomial. X aaa. y con la letra 6789 a la probabilidad de fracaso. ass. entonces se dice que tenemos un éxito. mientras que si resulta verde.DI-. p 4a analog!a que tiene el desarrollo del binomio de <eWton con la distribuci?n binomial.24I(): Se le llama as!. por la seme@an'a que tiene su expresi?n con la del c)lculo del r. se tienen las respectivas probabilidades para n ( D. 0I. sssY . nos interesa sea ro@a y ello ocurre.

66D 1. b& Se tengan dos aciertos.< a /2 S< x01 X0= < C 1 (112)1 (112)2 0 <1> = < < . #ara dar respuesta a lo solicitado. )guila. p%H& ( ∅ %evento imposible&. c&.DK6 6. p%D& ( G/D %1JI&D %HJI&1 ( 6. la probabilidad pedida puede obtenerse. E/u)l es la probabilidad de obtener tres éxitos en los cinco lan'amientos?. tomados tres %éxitos&. 5 )guilas& puede presentarse de die' formas diferentes %dos formas por cada tirada&. el arreglo %D soles. 5 )guilas& ( %16& %1J5&D %1J5&5 ( 16 pD q5. Ejemplo 12: .KI5 5 5 #ara x ( 5 aciertos. sol. Se lan'a una moneda legal cinco veces.1567 y e&. D ( x . p%x≤5& ( p%6&Np%1&Np%5& ( 6.156 6. d& <o ocurra ningún fracaso y e& Se tengan cinco aciertos Soluci?n. p%1& ( G/1 %1JI&1 %HJI&D ( 6.FFM G 6 #ara x( G aciertos.. mientras que el de q es 5 ( n V x ( H V D.66D G 6. <?tese que el coeficiente de p y q . p%D soles. consideremos el siguiente experimento. p ( x ) 0 2 C x px 723x Tue es la expresi?n para el c)lculo de probabilidades en la distribuci?n binomial. p%6& ( G/6 %1JI& %HJI& ( 6. se obtiene de las combinaciones de los cinco soles posibles en las cinco tiradas.GK5 6 6. esto es.61H D 6.61H 6. si designamos con “ n “ al número de ensayos y con “ x “ al número de éxitos pedidos. dos )guilas& es p%sol. resulta conveniente construir la distribuci?n de probabilidades y su funci?n acumulada. 16 ( H / D . c& Se tengan a lo m)s dos aciertos.156 5 6. #or su parte. = (112) (112) 0 112 5 <(112) A(112)(112)@0 <1> 5 (112) (112) (112) 0 11> #ara obtener su expresi?n.l lan'ar un dado legal G veces y considerando acierto que quede el número 1 hacia arriba..666 a&. n ( G 7 p ( 1JI. por lo que la probabilidad pedida se calcula.66D7 .GK5 6. p%6& ( 6.GK57 b&. a& no ocurra ningún acierto. q ( HJI. p%D soles. E/u)l es la probabilidad que en los cuatro lan'amientos .FK5 #ara x ( D aciertos. 5 )guilas& ( H/ D %1J5&D %1J5&5.GK5 #ara x( 1 acierto. -n un lan'amiento. p%G& ( 6. p%éxito& ( p%sol& ( p ( : y p%fracaso& ( p%)guila& ( q ( : 3n cierto arreglo de la probabilidad pedida %tres soles. p%5& ( 6. p%G& ( G/G %1JI& %1JI& ( 6.. p%x& B%"& 6 G #ara x ( 6 aciertos. p%5& ( G/5 %1JI& %HJI& ( 6.. #%D soles. 5 )guilas& ( pD q5 para ese solo arreglo.DK6 1 6. #or tanto. sol. entonces el exponente de p es. Si consideramos “ éxito “ que la cara superior muestre un sol en cada lan'amiento. 1 /onsidérese el siguiente ra'onamiento. p%tres soles& ( %1J5&%1J5&%1J5& ( %1J5& D ( pD y p%dos )guilas ( %1J5&%1J5& ( %1J5&5 ( q5 -sto es. expresi?n que generali'ada otorga. )guila& /omo .FK57 d&. Sin embargo..

. incluyen en su contendido.6I 4os textos de estad!stica. miales. #ara x ( D.6665G Rar%"& ( npq ( %I&%1JG&%DJG& ( 1. 8esv.G. q ( C . #ara x ( 1. 1 iv& v& -l porcenta@e de bateo de un @ugador de beisbol. E/u)l es la probabilidad de que obtenga. 1bténgase adem)s la varian'a y desviaci?n est)ndar. Si suponemos que los dos equipos tienen la misma posibilidad de ganar un @uego cualquiera. #ara x ( 6. para distintos valo res de “n “ y “p . G . elige las respuestas al a'ar. T3-<S. -st)ndard. 6.D6 p %D & ( I/D %1JG&D %DJG&D ( 6. tablas de probabilidades..1K p% 1 & ( I/1 %1JG&1 %DJG&H ( 6. . 5. H ò las I respuestas correctas ?. #ara x ( G. Rarian'a..IV. a& /uatro motores estén conectados b& <ingún motor esté conectado c& . E/u)l es la probabilidad que la serie llegue a los siete @uegos ?.6G p% H & ( I/H %1JG&H %DJG&1 ( 6. E/u)l es la probabilidad que. Va% (X) 0 2 p 7 De/4'a.-S+1S $-S34+. . 1. i) ii) iii& p% 6 & ( I/6 %1JG&6 %DJG&I ( 6. #ara x ( I. 3na pare@a de recién casados planea tener tres hi@os. determ!nese la probabilidad que sean cuatro varones.3 Varian a % des&iación estandard de la distribución binomial: 4a varian'a y desviaci?n est)ndar de la distribuci?n binomial se calculan. n ( I7 p ( 9. es 6.l menos un motor esté conectado d& +odos los motores estén conectados 8eterminar el número esperado de niOos en una familia de ocho hi@os. un alumno sin haber estudiado. E/u)l es la probabilidad de que en las siguientes seis veces que vaya al bat. R-$ZB0.dicionalmente. acierte cinco o m)s veces ? -l equipo vencedor de la serie mundial de beisbol en los --33.'52 e/-)2&a% # σ 0 √ (2 p 7 ) Ejemplo 13 : -n una prueba de seis preguntas de selecci?n múltiple con cuatro posibles respuestas cada una. gane cuatro.DI p% 5 & ( I/5 %1JG&5 %DJG&G ( 6. Soluci?n.'.1D p% G & ( I/G %1JG&G %DJG&5 ( 6. para distribuciones bino.15H& ( 1. Va !% E/pe%a&! E(x)0 2p 0 Σ x' p(x') Va%'a2Ba . #ara x ( H. [allar la probabilidad que en un instante dado. a& 4as dos primeras sean niOas y el tercero niOo ? b& Tue sean dos niOas y un niOo en cualquier ?rden ? c& Tue todas sean niOas ? 4os seis motores que mueven un departamento de maquinados tienen la probabilidad del K6S de estar conectados efica'mente a la corriente eléctrica. D. es aquel que de siete @uegos como m)ximo a @ugar.66GG p% I & ( I/I %1JG&I %DJG&6 ( 6.15H σ ( √ %npq& ( √ %1. suponiendo que ambos sexos son igualmente probables de ocurrir. #ara x ( 5.

-n teor!a de probabilidad y estad!stica. ! ( 6. en 1KDK en su traba@o Recherches sur la probabilité des jugements en mati res criminelles et mati re civile %]0nvestigaci?n sobre la probabilidad de los @uicios en materias criminales y civiles]&. que cuentan. se trata también de una distribuci?n probabil!stica de tipo discreto. con la particularidad que describe un número aleatorio de apariciones de ciertos sucesos. un número de ocurrencias discretas %muchas veces llamadas ]arribos]& que tienen lugar durante un intervalo de tiempo de duraci?n determinada. _r)fica de algunas curvas de la familia de ellas a la que pertenece la distribuci?n de #oisson. .&. E/u)l es la probabilidad que ocurra A en cinco pruebas independientes.. .: 1 IV.!2 C2a -a/a me&'a . nos enfocaremos a este estudio.1 El proceso de 3oisson: Se refiere a experimentos que generan cualesquiera de las dos clases de variables aleatorias. /ontempla el registro del número de éxitos en un tiempo transcurridos. @unto con su teor!a de probabilidad. -l experimento contempla el desarrollo de la variable que se obtiene al registrar el tiempo transcurrido entre éxito y éxito en el experimento y b& Va%'a* e a ea-!%'a &'/.8enis #oisson%1MK1V1KG6& que public?.%e-a. de@ando pendiente el primero para el tema correspondiente.. #or el momento. 5. . ocurre no menos de cuatro veces. -xpresa la probabilidad de un número \ de eventos ocurriendo en un tiempo fi@o /' e/-!/ e4e2-!/ !.3 4a distribuci?n fue descubierta por Siméon. en un intervalo de tiempo fi@ado. y son independientes del tiempo desde el último evento.C%%e2 .3. es 6.s! entonces.K cada ve'.3 DI-. B%e4e D'/-!%'a. DE 32I--2. la &'/-%'*C./I0+1I2. IV.'. entonces la probabilidad de que haya exactamente ! ocurrencias %siendo ! un entero no negativo. 1. Sabiendo que la probabilidad que ocurra .'52 &e P!'//!2 es una distribuci?n de probabilidad discreta.!2-'2Ca. Si el número esperado de ocurrencias en este intervalo es ^. o en el recinto de un espacio bien delimitado. a& Va%'a* e a ea-!%'a . entre otras cosas. -n los e@ercicios i& a iv& 8eterm!nese la varian'a y desviaci?n est)ndar. ocurrir) si el suceso .'.'&a.vi& vii& /ierto suceso A. -l traba@o estaba enfocado en ciertas variables aleatorias <.!2!.

.Distribución de Poisson: Gráficas 1 Función de densidad de probabilidad El eje horizon al es el !ndice k. son las siguientes. "a #unción sola$en e es % de#inida en valores en eros de k. "as l!neas &ue conec an los pun os son solo 'u!as para el ojo ( no indican con inuidad Función de distribución de probabilidad 4as caracter!sticas que destacan en esta distribuci?n.

σ ( λ c) 8esviaci?n est)ndar. la distribuci?n de #oisson se aproxima a la Binomial. #%6& ( e. 1.. -@emplos de estos eventos que pueden ser modelados por la distribuci?n #oisson incluyen. ∑ p% x & n ( n Ap%!x'ma. aquellos fen?menos que ocurren 6. -n estos casos.λ λ5 J 5 a . el par)metro λ ( np permanece constante.λ λ6 J 6 a 7 #%1&( e. si p ≈ 6 y q ≈ 1. .   -l número de autos que pasan a través de un cierto punto en una ruta %suficientemente distantes de los sem)foros& durante un periodo definido de tiempo. n ≥ D6 7 1 ≤ np < 5 y p ≤ 6. -l número de errores de ortograf!a que uno comete al escribir una única p)gina. son los siguientes.6I 4a distribuci?n P!'//!29 Se ap '.a& b& c& d& -l espacio muestral se considera grande 4a probabilidad de éxito “ p “ es pequeOa. 4as pruebas son estad!sticamete independientes.6I b& 3sar #oisson cuando . E ( X ) 0 λ 0 2p o media probabil!stica. 1. asb como n < D6 y λ ( np ≥ 5. #oisson encontr? que la probabilidad de ocurrencia de las frecuencias " ( 6. 5. . mientras que “ p es muy pequeOa. es la cantidad de veh!culos que transitan por una autopista en un periodo de tiempo determinado. e −5 5x x) en general.a a 4a%'!/ Ee25me2!/ &'/. σ 0 √λ d) /oeficiente de sesgo a< 0 1 1 √λ > = 4a 8istribuci?n tiene sesgo positivo. . 2 b) Rarian'a de la distribuci?n.%e-!/ de la naturale'a %esto es. 5. -xperimentalmente. p(x) en donde e ( o bien ∑ p % x & ≈ 1 %cercana a uno& -s común verificar que. -n la pr)ctica.. se recomienda. D. a& 3sar binomial cuando. D son. e) /oeficiente de curtosis a" 0 < : 1 1 λ > < 4a curva es siempre leptocúrtica. f& 1bsérvese que la curva de la distribuci?n de #oisson es leptoc`rtica con sesgo positivo. veces durante un periodo definido de tiempo o en una )rea determinada& cuando la probabilidad de ocurrencia del fen?meno es constante en el tiempo o el espacio. . 1 -l prototipo de e@emplo de esta distribuci?n. #or lo anterior. n < D6 7 λ ( np ≥ 5 y p > 6. a& -speran'a matem)tica. 4a probabilidad “ p “ permanece constante para todos los eventos. la distribuci?n binomial es muy buena aproximaci?n a la de #oisson. cuando “ n “ se hace considerablemente grande.'52 a a B'2!m'a .λ λ1 J 1a 7 #%5& ( e. 4os par)metros que intervienen en la distribuci?n de #oisson.

en donde se encontrar)n tablas para diferentes valores de “n .H6%1. -l número de animales muertos encontrados por unidad de longitud de ruta.HI Si x ( 6 x(1 x(5 x(D x(G p%6& ( e.HI%1.8< después de cierta cantidad de radiaci?n.11 B%"&(6.HI (6. -l número de mutaciones de determinada cadena de . 4a distribuci?n de receptores visuales en la retina del o@o humano. “ λ “ y “ x “.1. 4a de un inventor a través de su carrera Ejemp ! 1" # 4os rayos c?smicos que registra un contador geiger.HI%1.1. se supone son completamente al a'ar.1.6H B%"& ( 6.5I B%"& ( 6. se registraron los siguientes rayos. -l número de servidores Web accedidos por minuto. por lo tanto a& y b&.    1     -l número de llamadas telef?nicas en una central telef?nica por minuto. -l número de núcleos at?micos inestables que decayeron en un determinado periodo de tiempo en una porci?n de sustancia radiactiva.HI&6 J 6! p%1& ( e. #eriodos de tiempo $egistros 11 6 1I 1 11 5 K D G G a& 8eterm!nese a& si la distribuci?n es de #oisson7 b& Si lo es.% " & ( ∑ xi p % xi & .HI&DJ D! p%G& ( e.HI%1. -n este caso.DD B%"& ( 6. λ ( 6 %11JH6& N 1 %1IJH6& N 5 %11JH6& N D %KJH6& N G %GJH6& ( 1. constrúyase la distribuci?n de probabilidades y la funci?n acumulada y c& graf!quense ambos casos.FH (6.5D (6. por lo tanto el tiempo total del intervalo usado en el modelo debe ser significativamente menor que la vida media de la sustancia. 4a radiactividad de la sustancia se debilitar) con el tiempo.FK Se de@a el inciso c& como e@ercicio <uevamente nos remitimos a los apéndices de los textos de -stad!stica.5D B%"& ( 6. .1. Soluci?n.1. Rerif!quense en ellas los anteriores resultados.HI%1.HI&1J 1! p%5& ( e. λ ( .HIGJ G! (6. -n H6 periodos de tiempo de un minuto cada uno.K5 (6.HI&5J 5! p%D& ( e. -l número de estrellas en un determinado volumen de espacio.

cu'gar la peligrosidad del conductor.Se acostumbra a solicitar la probabilidad referida a distribuci?n de #oisson como p(xF λ ) Ejemplo 15. .12$11 Ejemplo.2S3<_ trae asociada una probabilidad de defecto del 5S.=+<$.22"="1> Ejemplo 1#.5H%6. se deduce que la distribuci?n es de #oisson. R 0 =. = *00 x 0. "0 =. -l conductor puede considerarse peligroso. Ejemoplo 1": -n una @aula con 166 pericos 1H de ellos hablan ruso calcular la probabilidad de que si tomamos 56 pericos al a'ar D de ellos hablen ruso. Se calcula que en la ciudad el 56S de las personas tienen defecto de la vista si tomamos una muestra de H6 personas al a'ar E /alcular la probabilidad de que 16 de ellos tengan defecto en la vista.5H&D J D ! ( 6. 2$: -l KS de los registros contables de una empresa presentan algún problema.0.6.1 Varian a % des&iación est!ndar de la distribución de 3oisson: 4a varian'a y desviaci?n est)ndar de la distribuci?n se calculan.5H. fué de 6.'.= -+ x = 5 + e = /. si se toma un lote o muestra de KH televisores .665 -ste resultado.Si ya se conoce que solo el DS de los alumnos de /ontabilidad son muy inteligentes E calcular la probabilidad de que si tomamos 166 alumnos al a'ar H de ellos sean muy inteligentes."+. Si un conductor sufri? tres accidentes en cinco aOos. significa que el conductor en cuesti?n sufre dos accidentes de cada mil. R 0 =.7*8/8*8/8 P(X=5) = e-3 35 / 5! = 0. en donde λ ( 6. . #uesto que los accidentes se consideran pura casualidad. se obtuvo que la cantidad promedio de accidentes en ese periodo de tiempo.G< IV.0-+ . Ejemplo 16 . y el promedio encontrado involucra un periodo de tiempo. obtener la probabilidad de que existan G televisores con defectos.l encuestar cierto número de conductores de veh!culos. 00! Ejemplo 1': 4a producci?n de televisores en S. = 0.3. #% D & ( e. si un auditor toma una muestra de G6 registros E /alcular probabilidad de que existan H registros con problemas d $0 =. #or lo tanto.5H y x ( D.11<G. 1 Soluci?n. acerca de los accidentes que sufrieron en los últimos cinco aOos. n = *00+ .

a& 8os goles b& #or lo menos un gol R0 =.6 7olución0 λ = 0 #($> 0) = .GG21 =.G.&'50 = 0. 8etermine la probabilidad de que en un partido cualquiera el @ugador note. :e se'uros iene *02000 ase'urados con ra ese ipo de acciden es.5cu%l es la probabilidad &ue en re *000 personas dos o $%s su#ran esa reacción. b& 4leguen al menos dos clientes. S! S! S! =. 5cu%l es la probabilidad &ue un pa&ue e dado con en'a $%s de *3 de se$illas de o ra clase.#($≤ ) = ) 0. R# =.#($≤ 3) = -0. a& 4leguen m)s de D clientes .21+>+ R0 =.'52#F λ 7 2. -n una hora dada Ecu)l es la probabilidad que.(35 ( con tab%as) Ejemp ! 2<# 7i la probabilidad &ue una persona su#ra reacción nociva debido a cier o suero aplicado es 0. en'a &ue pa'ar $%s de res pólizas en un a8o dado 7olución0 λ = 5 #($> 3) = .6H. a& p%x(6& b& p%x≤5& c& p%x(G& 8& #%"(K& S! .+G>> .00* . los clientes llegan conforme a una distribuci?n de #oisson en un promedio de M por hora . 8eterminar.12. 8etermine la media de x. . S! C. R p(x0$) 0 =. -l número de clientes que entran a cierto lugar sigue una distribuci?n de #oisson.+. 7i una 9!a.GG2. suponga que p%x(6& ( 6.allar la probabilidad &ue la 9!a.Va% ( X ) 0 λ 0 2 p σ0 √λ Ejemp ! 210 1n dis ribuidor vende de se$illas de cier a clase de ulip%n rojo en pa&ue es de $il2 ( sabe por experiencia &ue el *3 de un 'ran n4$ero de se$illas no ser%n de la clase deseada .3n @ugador de futbol anota un promedio de 1.5 goles por partido @ugado. ejemplo 25.#($≤ 0) = -0.Sup?ngase que x tiene una distribuci?n de #oisson con media de 6.=G x 1=3> Ejemp ! 2+ . c& Tue lleguen H clientes.5!30 (con tab%as) 1 Ejemp ! 220 7upon'a &ue 0.0053 de la población de un pa!s $uere debido a cier o ipo de acciden es cada a8o.. .=< =.===G+$ 1. 7olución0 λ= P($≥ &) = .(35! = (con tab%as) Ejemp ! 2"#-n un almacén.##5 Ejemp ! 2.

Si en el primer ensayo no ocurre p. g % 5 & ( p q 7 Si p ocurre en el tercer ensayo.<<>= Eje%. si p ocurre en el x. y debe interpretarse como la probabilidad que sean necesarios x ensayos para que ocurra el primer éxito. corresponde a la distribuci?n geométrica.. y g%5& est) su@eta que lo que ocurri? en el primer ensayo. tenemos un producto de probabilidades. [allar la probabilidad que en una p)gina cualquiera se contengan. [allar la probabilidad que en una muestra de 16. a& ninguna errata. E /ual es la probabilidad que un embarque sea recha'ado ? *5IV. 8ie' por ciento de las herramientas producidas en un proceso. lo cual significa que si p ocurre en el primer ensayo.666 art!culos."2=+ R 0 =. ensayos para lograr el éxito deseado. * ( $ ) = +$. g % D & ( q q p ( q 5 p .'.H casos de peatones atropellados diariamente. es 6. Si p ocurre en el segundo ensayo. existe una probabilidad de 6. D. 5. las probabilidades de éxito y fracaso son respectivamente. G est)n inservibles. 8e 2éxico se registran M. c& dos erratas y d& dos ? m)s erratas. . -l fabricante sabe que a pesar que sus pie'as son de excelente calidad. entonces g% 1 & ( p. p y q. -ntonces. en este caso. en este caso. a& entre I y K personas atropelladas.Ejemp ! 2># 8e acuerdo con reportes viales. 8enominaremos con “ g % x & “ a la probabilidad que el éxito ocurra en el ensayo x. b& una errata. Si la probabilidad que un individuo sufra reacci?n negativa por un suero aplicado.661. [allar la probabilidad que seis part!culas pasen por la pantalla en ese periodo de tiempo. 8eterminar la probabilidad que un d!a cualquiera ocurran en esa ciudad.4 DI-. necesariamente ocurre q./I1(: $ecordando. ser)n necesarios " ( 1.*simo ensayo.6661 que durante el traslado una pie'a se deteriore../I0+1I2. de suerte que. exactamente dos sean de mala calidad. b& 2)s de K casos de personas atropelladas 1 i& R0 =. -n general. y suponiendo ahora que el experimento se repite hasta que ocurra el primer éxito. Sup?ngase ahora que p ocurre en el segundo ensayo. /omo los ensayos son independiente. E/ual es la probabilidad que de dos mil aplicaciones m)s de dos individuos sufran reacci?n ? -n un experimento de laboratorio. *E24E. resultan de mala calidad.'. entonces. g % 1 & e ( q y g % 5 & ( p . durante un milisegundo es de G. en la /d. tratamos con una distribuci?n llamada geométrica. ii& iii) iv& R0 3n almacén determina que si de un embarque de 16.'!/# Si en un libro de 566 p)ginas se encuentran distribuidas 566 erratas. se recha'ar) el embarque.# +al expresi?n. que en los ensayos de Aernoulli. el promedio de part!culas radioactivas que pasan por una pantalla.

.2.&) ) 300 = '0 &00 1. V ( X ) 0 7 1 p2 0 ∑ A x' (11p)@2 p 7x31 Ejemplo 2#: 4a probabilidad que cierto examen resulte positivo es 6.>. E/u)les la probabilidad. adicionales por cada experimento adicional. -s claro que X ) Sabemos que el número esperado de hi@os varones es E(X) 0 0 1.2G R0 =.'52# -ste es un e@emplo de variable geométrica. Si se extraen los art!culos uno tras otro. b& para K ≤ x ≤ 16 c& #ara x ≤ D R0 =. habr)n de pagarse D66 3.=.1 1 Ejemp ! <<# 3n matrimonio quiere tener una hi@a. .12G+ R0 =. a& para x ( G .% x & ( .5 < . b& -ntre el octavo y el décimo intento y c& . ( X ) / ) 300 = 300 ( /0. Sea X la v. lo m)s en el tercer intento ? Soluci?n. S! C. de los cuales uno es defectuoso.a 7Ce /e e/pe%a2 &!/ '2-e2-!/ pa%a !*-e2e% a p%'me% )(C' a σ 2 0 7 1 p2 0 (112) 1 (112)2 0 2 . a& que se saque el art!culo defectuoso en el cuarto intento.1& ( 1D66 x V D66 #or su parte. =.G. ( . /alcular la probabilidad de que la pare@a acabe teniendo tres hi@os o m)s. E /ual es la probabilidad que sean necesarios cinco ex)menes para que ocurra una primera reacci?n positiva ? Soluci?n. Si se sabe que la probabilidad de éxito en cada ensayo es 6. Ralor esperado. Ramos a suponer que la probabilidad de tener un hi@o var?n es la misma que la de tener una hi@a hembra. 2.% / & ( 1 J 6. /alcular el número esperado de hi@os %entre varones y hembras& que tendr) el matrimonio. E /ual es el costo esperado del experimento completo ? Soluci?n. . $. cuesta 1666 3.2. /alcúlese la probabilidad de que sean necesarios menos de cuatro tiradas para terminar el experimento. Si este falla. Ejemplo 31: Se lan'a una moneda legal hasta que caiga una )guila.$ µ 0 1 1 p 0 1 1 (112) 0 2 . y por ello deciden tener hi@os hasta el nacimiento de una hi@a. 2. Ejemplo 3$: 4levar a cabo un experimento cient!fico. y si una persona est) interesada en reali'ar el número necesario de ensayos hasta obtener el éxito. p ( 1J16 y q ( FJ16. #ara este problema.) = 300 . S'(2'E'. E ( X ) 0 1 1 p 0 ∑ x' p 7x31 Rarian'a. Ejemplo 32: Sup?ngase que en una ca@a se tienen 16 art!culos. por tanto el número esperado en total entre hi@os varones y la niOa es 5.4os par)metros importantes de esta distribuci?n son. (( x H ") =.=$1.5.a. #or lo tanto. / ( 1666 x N D66 % x. 4a funci?n de costo puede establecerse.

calcular probabilidad de extraer el 1er hombre a la cuarta ocasi?n que extraemos un alumno.=<>" Ejemp ! <$# /alcular la probabilidad de que salga el <o.# -n el sal?n hay K alumnos de o@os cafés. calcular la probabilidad de que este ultimo tenga los o@os claros. y 16 de o@os verdes7 si extraemos I alumnos. .KDDD R0 =. f8efinir éxito. R# P(X0") 0 =. es la de que tenga 5 o m)s hi@os varones %la niOa est) del tercer lugar en adelante&. f8efinir éxito.H 7 q ( 6. /alcular la probabilidad de que salga )guila la Ita ocasi?n que lan'amos una moneda. salga )guila. H a la tercera ve' que lan'amos un dado.G6 . sea hombre. F de o@os a'ules.11$+ Ejemp ! <+. 1III7 q ( %1 . 8el salon el I6S de los alumnos son hombres. H x ( D 7 p ( 1JI ( 6. f8efinir éxito. 1 [emos preferido calcular la probabilidad pedida mediante el suceso complementario.I6 7 q ( 6. x ( I7 p ( 1J5( 6. 6.4a probabilidad de que la pare@a acabe teniendo tres o m)s hi@os. es decir. x ( G7 p ( 6.1III6& ( 6.H R# =. ya que ser!a m)s complicado hacerlo mediante la suma infinita. M de o@os negros. #%" Ejemp ! <".=1$+ Ejemp ! <. sale <o.

/alcular la probabilidad de que a& tenga que @ugar al menos tres veces. Ecu)l es la probabilidad de que acierte a lo sumo una ve'd E/u)l es el número medio de aciertos en esas cinco ocasionesd 5& #edro @ugar) tantas veces como sea necesario hasta conseguir acertar una ve'.=<"G Ejemp ! <G. /ada apuesta %un lan'amiento& es de cinco 1& Si .f8efinir éxito.ndrés @uega en cinco ocasiones.GG -l n`mero medio de @ugadas necesarias es. tenga o@os claros. calcular la probabilidad de que la maquina encuentre su primer producto defectuoso en la octava ocasi?n que selecciona un producto para su inspecci?n.ndr*s. Se considera que el @ugador gana cuando el resultado del dado es cuatro o seis. -ntonces. -n otro caso. f8efinir éxito. h _%1JD& #%h ≥ D& ( 1 i #%h P D& ( 1 i X#%h ( 1&N#%h ( 5&Y (1V% ( 6. . 6. " ( I 7 p ( 6.ndrés y #edro se plantean el siguiente @uego.6H7 q ( 1 . se lan'a al aire un dado equilibrado con seis caras numeradas de uno a seis.GG15 R0 =. *) -l beneficio medio de .FH R# =.ndr*s serba . b& 1btener el número medio de veces que tiene que @ugar para conseguir su ob@etivo. 4uego se tiene.IM a) Sea h el número de @ugadas necesarios.==G< 1 Ejemp ! <>.HHKK7 q ( 1. " ( K7 p ( 6.HHKK ( 6. no recibe nada. . salga defectuoso el producto. " H. Si los productos tienen una probabilidad de falla del HS. c& E/u)l ser) el beneficio medio obtenido por cada @ugadord 1) Sea " el número de aciertos de . 3na maquina detecta fallas en los productos que elabora una fabrica. 6. p%" ( 1& ( 5& -l número medio de aciertos es H g ( 1. y recibe die' euros.6H ( 6.

Si el oficial dispone de siete proyectiles. . es 6. es 6. E/u)l es el número esperado de repeticiones necesarias? E/u)l es la varian'a?.5.ndr*s seria es decir que en promedio. -l beneficio medio de #edro es 16 i H g D ( iH y entonces. es 6. E/u)l es la probabilidad que sea necesario un examen extraordinario para aprobar la materia ? 4a probabilidad que la ciudad de Tuerétaro quede sin lu' debido a un aguacero. E/u)l es la probabilidad que el doceavo niOo expuesto a esta enfermedad. -l beneficio medio de #edro es16 i H g D ( iH y entonces. b& E/ual es la probabilidad que se necesiten cinco aguaceros para quedarse sin lu' ? 4a probabilidad que un edificio de cinco pisos se derrumbe por un sismo de H. es decir que en promedio.ndrés pierde K. /ada disparo que haga. 3n oficial de artiller!a desea destruir un puente enemigo. tiene una probabilidad de 6. es 6. a& E/u)ntas lluvias tipo aguacero ser)n necesarias para quedarse sin lu' ?. i) ii& iii) iv) -@ercicios. es 6. #edro pierde H euros. #ara destruir este por completo. sea el tercero en contraerla? 1 v) ii) iii& .1 grados. en promedio. .GK. si el experimento se repite hasta que ocurran cinco resultados exitosos. E/ual es la probabilidad que el edificios se derrumbe antes del cuarto sismo de esa intensidad ? 2Qs e@ercicios.) E/ual serQ el beneficio medio obtenido por cada @ugadord -l beneficio medio de . 56 de la serie del aOo tenga defectos ? [allar la probabilidad que en el lan'amiento sucesivo de un dado legal. i) 4a probabilidad de que un experimento tenga un resultado exitoso.I.DD euros. 4a probabilidad que un estudiante de estad!stica apruebe un examen. resulte el número D por primera ve' en el quinto lan'amiento. E/ual es la probabilidad que el auto <o.DD euros. 4a probabilidad que una planta ensambladora de autos termine un auto con defectos.K de conseguir un impacto directo sobre el puente. en promedio. #edro pierde H euros. se requieren cuatro impactos directos. E/u)l es la probabilidad que el puente sea destruido ? Sup?ngase que la probabilidad de que un niOo expuesto a una cierta enfermedad contagiosa la contraiga.KF.g 16 i H g H ( .6I.65. .ndr*s pierde K. es 6.

Ejemplo 4$ Si una oficina fiscal elige al a'ar I declaraciones de entre 56 pagos de impuestos de los cuales K contienen deducciones fraudulentas. J corresponde al número de ob@etos que pueden clasificarse como éxitos. \ ( K. = = Aodos o can idad de ele$en os &ue cu$ple carac er!s ica deseada.. n = Aa$a8o de $ues ra.a/!/ de entre los N .l menos M horas y d& ../I0+1I2.'. a&. 4a probabilidad que el agente de ventas realice una transacci?n es 6. 2 es una muestra aleatoria que se selecciona de entre los N ob@etos de la poblaci?n7 b&. . Se acostumbra designar a la distribuci?n hipergeométrica con K(xF NF 29 J).<1. J que pueden ser fracasos. a) D( <F 2=9 +9 > ) 0 0 0 =.iii) 3n cliente potencial entra a una agencia de autom?viles cada hora. *2 /. -sta distribuci?n. Soluci?n../I1(: 1 -sta distribuci?n. n ( I. a& -xactamente K horas7 b& . en una muestra de tamaOo 2 de entre los N ob@etos de una poblaci?n. J es el número de art!culos que pueden clasificarse como fracasos y d&.' DI-..& E/u)l es la probabilidad de detectar D pagos de impuestos con deducciones fraudulentas?..l menos M horas ? IV. Su f?rmula es. 8I3E/*E24E. -n consecuencia. nos permite calcular la probabilidad de obtener x Ix'-!/ de entre los J e4e2-!/ que pueden serlo y 23x E%a.=2 =< n K ( xF N9 29 J ) 0 .5H. N . E/u)l es la probabilidad que tenga que traba@ar. -l agente esta dispuesto a seguir traba@ando hasta que venda tres autom?viles. c&.%son de caracter!sticas similares&. . x = 9an idad de ?xi os. x ( D7 < ( 56. lo m)s cinco horas7 c& . a&.(> = x) @ = Aa$a8o de población. b& E/u)l es la probabilidad de que se detecten al menos D pagos de impuestos con deducciones fraudulentas ?.n si = ≥ n ( x = 02 *2 /.ara x = 02 7i una variable alea oria > de#inida en un espacio de probabilidad represen a al n4$ero de ?xi os en una $ues ra alea oria de n &ue se ex rae de una población con @ ele$en os2 su #unción de probabilidad es0 . tiene las siguientes propiedades.

i& 8e un lote de 5H art!culos.a# 4a media y varian'a de esta distribuci?n.'52 &e a K'pe%(e!mI-%'. R0 =.1+$ ≈ 1+" !*-e2'&! Ejemplo 44: 3n lote de ca@as con G6 tornillos cada una."$$< 1 Ejemplo 41:. -l criterio para aceptar o recha'ar una ca@a. E /ual es la probabilidad que en la sexta prueba se encuentre la `ltima pila defectuosad R 0 =. obtener. n ( H. se calculan.b&. 3na persona gana medio d?lar si al lan'ar un dado legal. este cae D.2 Me&'a M 4a%'a2Ba &e a &'/-%'*C. tenemos. D ( xF N9 29 J ) 0 * ( x9 29 J 1 N ) A/L9 pa%a e ejemp ! <=.. x ( 1.. asb como < ( 156 > 16 n ( 16xH ( H6. -sta aproximaci?n.'52 K'pe%(e!mN-%'. \ ( D. E/u)l es la probabilidad que entre estas. solo es factible si N ≥ 1=2. Si se sabe que en cada ca@a hay tres tornillos defectuosos.. consiste en seleccionar H tornillos al a'ar y recha'arla si se encuentra al menos un tornillo defectuoso en la muestra.1+" Ejemplo 42:3n motor de K cilindros tiene 5 bu@bas que fallan. ii& .. a& 4a distribuci?n de probabilidades de ". K ( 29 12=9 $9 >= ) 0 * ( 29 $9 21< ) 0 0 =. Si H solicitantes son escogidos al a'ar para una entrevista. E/u)l es la probabilidad que 5 de los H estén capacitados para el traba@o?. 8e 156 solicitantes para un traba@o.. 0ndagar si la apuesta est) en su favor o en su contra. 8etermine la probabilidad de encontrar exactamente un tornillo defectuoso en la muestra.1 Ap%!x'ma. A : : @ 0 =.<=11 IV. µ0 2J1N y σ2 0 Se de@a como e@ercicio el c)lculo de el valor esperado y la varian'a en los e@ercicios anteriores de la distribuci?n hipergeométrica.G..H o I.a a a *'2!m'a . y puesto que \ J < ( K6 J 156 ( 5 J D ( p. se seleccionan cuatro al a'ar. #or lo tanto. ( 19 "=9 $9 < ) 0 0 =. es aceptado si no contiene m)s de tres tornillos defectuosos.. de los que se sabe cinco son defectuosos. Si se retiran las cuatro bu@bas del lado derecho. b& la funci?n acumulada y c& las gr)ficas de ambas. en cuyo caso la equivalencia es... /on < ( G6. y perder) dos d?lares si cae 1 o 5.. p %x ≥ D& ( 1 3 ∑ K ( xF 2=9 +9 > ) 0 1 . Si " ( número de art!culos defectuosos en la muestra. solo est)n capacitados K6.1++ IV. Soluci?n.. est*n las dos que falland R 0 <11" Ejemplo 43: Suponga que D pilas secas defectuosas estQn me'cladas con M buenas y que se les prueba una a una.

Tue asistan D666 personas p ( 6. ix) x& xi& xii& xiii& . E/u)l es la probabilidad que. b&. es 6. p ( 6. E cual es la esperan'a matem)tica del @ugador ? . en las siguientes cinco horas.l menos un motor esté conectado d& +odos los motores estén conectados 8eterminar el número esperado de niOos en una familia de ocho hi@os. gane cuatro. Si la bola cae en el número elegido. Si el costo del concierto es de U 566. la probabilidad que falle es 6. b& durante 16 horas. ocurrir) si el suceso . p( 6. 3na pare@a de recién casados planea tener tres hi@os. [allar la probabilidad que en un instante dado. sabe por experiencia Tue la asistencia a sus audiciones con su respectiva probabilidad es. a&. .. y funciona si dos de ellas traba@an adecuadamente. es aquel que de siete @uegos como m)ximo a @ugar. determ!nese la probabilidad que sean cuatro varones. E/u)l es la probabilidad que ocurra A en cinco pruebas independientes.D.K cada ve'. es 6. Si suponemos que los dos equipos tienen la misma posibilidad de ganar un @uego cualquiera.dicionalmente. suponiendo que ambos sexos son igualmente probables de ocurrir. a) 4as dos primeras sean niOas y el tercero niOo ? b) Tue sean dos niOas y un niOo en cualquier ?rden ? c) Tue todas sean niOas ? 4os seis motores que mueven un departamento de maquinados tienen la probabilidad del K6S de estar conectados efica'mente a la corriente eléctrica. E /ual es la probabilidad que la m)quina funcione? a& durante cinco horas. /ierto suceso A. E/u)l es la probabilidad de que en las siguientes seis veces que vaya al bat.iii) 3na ruleta tiene DK posiciones.G. el @ugador ganar) DI d?lares por su apuesta de uno. acierte cinco o m)s veces ? -l equipo vencedor de la serie mundial de beisbol en los --33. Sabiendo que la probabilidad que ocurra . la probabilidad que una bater!a falle es 6.G. -n las cinco primeras horas de traba@o. E/u)l es la probabilidad que la serie llegue a los siete @uegos ?. 3n concertista. 666.I y que asistan H666. 3na m)quina es accionada por tres bater!as. c& y d& de la p)gina G. ocurre no menos de cuatro veces. 8istrGibuci?n Ainomial iv) 1 v) vi& viii) -l porcenta@e de bateo de un @ugador de beisbol.D 7 que asistan G666. 66 y el boleto cuesta U H6.5.66 Ecu)l es la ganancia ò pérdida esperada ? -ncuéntrese los valores esperados de los e@ercicios . a& /uatro motores estén conectados b& <ingún motor esté conectado c& .

es 6. es 6. 56 de la serie del aOo tenga defectos ? [allar la probabilidad que en el lan'amiento sucesivo de un dado legal. resultan de mala calidad. E/ual es la probabilidad que el edificios se derrumbe antes del cuarto sismo de esa intensidad ? x) [ipergeométrica. exactamente dos sean de mala calidad.65.G de los cuales son defectuosos. G est)n inservibles. es 6. Se prueban D seleccionados al a'ar. Si " ( <o.6I. c& dos erratas y d& dos ? m)s erratas. i. E/ual es la probabilidad que el auto <o. E/ual es la probabilidad que de dos mil aplicaciones m)s de dos individuos sufran reacci?n ? -n un experimento de laboratorio.GK. existe una probabilidad de 6. se recha'ar) el embarque. b& una errata.661. es 6. [allar la probabilidad que en una muestra de 16. E /ual es la probabilidad que un embarque sea recha'ado ? 8istribuci?n geométrica vi) vii& viii) ix) -@ercicios.6661 que durante el traslado una pie'a se deteriore.1 grados. 4a probabilidad que una planta ensambladora de autos termine un auto con defectos. E/u)l es la probabilidad que sea necesario un examen extraordinario para aprobar la materia ? 4a probabilidad que la ciudad de Tuerétaro quede sin lu' debido a un aguacero. 8ie' por ciento de las herramientas producidas en un proceso. -l fabricante sabe que a pesar que sus pie'as son de excelente calidad. 4a probabilidad que un estudiante de estad!stica apruebe un examen. 8istribuci?n de #oisson v& Si en un libro de 566 p)ginas se encuentran distribuidas 566 erratas. Si la probabilidad que un individuo sufra reacci?n negativa por un suero aplicado. [allar la probabilidad que en una p)gina cualquiera se contengan. a& E/u)ntas lluvias tipo aguacero ser)n necesarias para quedarse sin lu' ?. resulte el número D por primera ve' en el quinto lan'amiento. b& E/ual es la probabilidad que se necesiten cinco aguaceros para quedarse sin lu' ? 4a probabilidad que un edificio de cinco pisos se derrumbe por un sismo de H. [allar la probabilidad que seis part!culas pasen por la pantalla en ese periodo de tiempo. 3n radiorreceptor tiene I transistores.666 art!culos. es 6.xiv& -n los e@ercicios i& a iv& 8eterm!nese la varian'a y desviaci?n est)ndar. durante un milisegundo es de G. a& ninguna errata. el promedio de part!culas radioactivas que pasan por una pantalla. 1 vi& vii) viii& R0 3n almacén determina que si de un embarque de 16.I. encuentre la distribuci?n de probabilidades de x . 8e transistores defectuosos encontrados.

contengan contrabando. Se eligen H focos al a'ar. 8e un lote de D6 televisores.DIFG Si M de 1G maletas contienen contrabando. para los focos que sirvend b& 4a funci?n de probab.5GGM 3na bolsa contiene 16 focos. E/u)l es la probabilidad que a& 4a muestra no contenga televisores de fectuososd $ 6. E/u)l es a& 4a funci?n de probab. sii en el lote hay H televisores defectuosos. se selecciona una muestra de D. determine la probabilidad que exactamente G de I maletas seleccionadas al a'ar .ii. de los cuales K 5 no sirven. $ 6. iv. para los focos que no sirvend 1 iii.HIIH b& 4os D sean defectuosos $ 6. .665GI c& 3no sea defectuoso y los otros 5 nod $ 6.