Tabla de Distribución de Frecuencias Distribución de Probabilid

Yi ni Yini (Yi-Y)^2*ni Xi P(X)

1 3 3 27.6033333 0 =1/16 =
2 5 10 20.6722222 1 =4/16=
4 10 40 0.01111111 2 =6/16 =
5 8 40 7.47555556 3 =4/16 =
7 4 28 35.2044444 4 =1/16 =
30 121 90.9666667 1

Media = 4.03333333 Media = 2

Varianza = 3.03222222 Varianza = 1

Distribución de Probabilidad

P(X) X*P(X) (Xi-μ)^2*P(X)

0.0625 0 0.25
0.25 0.25 0.25
0.375 0.75 0
0.25 0.75 0.25
0.0625 0.25 0.25
1 2 1
k= =1/5 0.2

x p(X)
0 0.5k 0.1
1 0.5k 0.1
2 k 0.2
3 k 0.2
4 2k 0.4
 Distribución de Probabilidad

Xi P(X) X*P(X) (Xi-μ)^2*P(X)

0 0.1 0 0.729
1 0.1 0.1 0.289
2 0.2 0.4 0.098
3 0.2 0.6 0.018
4 0.4 1.6 0.676
2.7 1.81

Media (µ)= 2.7

Varianza (σ2)= 1.81

Desv. Estándar (σ)= 1.3453624

P(X ≥ 2)= =P(X=2)+P(X=3)+P(X=4)

=0.2+0.2+0.4
0.8
Binomial distribution

9 n
0.3 p

cumulative
X P(X) probability
0 0.04035 0.04035
1 0.15565 0.19600
2 0.26683 0.46283
3 0.26683 0.72966
4 0.17153 0.90119
5 0.07351 0.97471
6 0.02100 0.99571
7 0.00386 0.99957
8 0.00041 0.99998
9 0.00002 1.00000
1.00000

2.700 expected value

1.890 variance
1.375 standard deviation

Binomial distribution (n = 9, p = 0.3)

0.30

0.25

0.20
P(X)

0.15

0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9
X

Binomial distribution

9 n
0.3 p

cumulative
X P(X) probability
 0 0.04035 0.04035
1 0.15565 0.19600
2 0.26683 0.46283
3 0.26683 0.72966
4 0.17153 0.90119
5 0.07351 0.97471
6 0.02100 0.99571
7 0.00386 0.99957
8 0.00041 0.99998
9 0.00002 1.00000
1.00000

2.700 expected value

1.890 variance
1.375 standard deviation

Binomial distribution (n = 9, p = 0.3)

0.30

0.25

0.20
P(X)

0.15

0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9
X

Hypergeometric distribution

10 N, population size
6 S, number of possible occurrences
3 n, sample size

cumulative
X P(X) probability
0 0.03333 0.03333
1 0.30000 0.33333
2 0.50000 0.83333
3 0.16667 1.00000
1.00000

1.800 expected value

 0.560 variance
0.748 standard deviation

Hypergeometric distribution (N = 10, S = 6, n = 3)

0.60

0.50

0.40
P(X)

0.30

0.20

0.10

0.00
0 1 2 3
X

Hypergeometric distribution

10 N, population size
6 S, number of possible occurrences
3 n, sample size

cumulative
X P(X) probability
0 0.03333 0.03333
1 0.30000 0.33333
2 0.50000 0.83333
3 0.16667 1.00000
1.00000

1.800 expected value

0.560 variance
0.748 standard deviation

Hypergeometric distribution (N = 10, S = 6, n = 3)

0.60

0.50

0.40
P(X)

0.30

0.20

0.10
 0.50

0.40

P(X)
0.30

0.20

0.10

0.00
0 1 2 3
X

Hypergeometric distribution

10 N, population size
6 S, number of possible occurrences
3 n, sample size

cumulative
X p(X) probability
0 0.03333 0.03333
1 0.30000 0.33333
2 0.50000 0.83333
3 0.16667 1.00000 Hyperge
1.00000 0.60

1.800 expected value

0.50
0.560 variance
0.748 standard deviation
0.40

0.30

p(X)
0.20

0.10

0.00
0

Hypergeometric distribution

8 N, population size
6 S, number of possible occurrences
3 n, sample size

cumulative
 X p(X) probability
1 0.10714 0.10714
2 0.53571 0.64286
3 0.35714 1.00000
1.00000

2.250 expected value

0.402 variance
0.634 standard deviation

Hypergeometric distribution

8 N, population size
2 S, number of possible occurrences
3 n, sample size

cumulative
X p(X) probability
0 0.35714 0.35714
1 0.53571 0.89286
2 0.10714 1.00000
1.00000

0.750 expected value

0.402 variance
0.634 standard deviation

Hypergeometric distribution (N = 8, S = 2, n = 3)
0.60

0.50

0.40

0.30
p(X)

Column C

0.20

0.10

0.00
0 1 2
X
 Hypergeometric distribution (N = 10, S = 6, n = 3)
0.60

0.50

0.40

0.30
p(X)

Column C

0.20

0.10

0.00
0 1 2 3
X

Hypergeometric distribution (N = 8, S = 6, n = 3)
0.60

0.50

0.40

0.30
p(X)

Column C

0.20
 0.50

0.40

0.30

p(X)
Column C

0.20

0.10

0.00
1 2 3
X
 DISTRIBUCIÓN BINOMIAL

1.4. Un estudio de la Sociedad Americana de Inversionistas descubrió que 30% de inversionistas partic
había utilizado un agente de descuentos. En una muestra aleatoria de nueve personas, ¿cuál es la
probabilidad de que:
a) exactamente dos personas hayan utilizado un agente de descuentos?
b) Exactamente cuatro personas hayan recurrido a él?
c) Ninguna persona lo haya empleado?

Datos
Tamaño de muestra (n)= 9
Proporción de éxito (p)= 0.3
Proporción de fracaso (q)=(1-p)= 0.7

a) exactamente dos personas hayan utilizado un agente de descuentos?

P(X=2) 0.26682793

X Comb(n,x) p^x
2 36 0.09

b) Exactamente cuatro personas hayan recurrido a él?

P(X=4)

X Comb(n,x) p^x
4 126 0.0081

c) Ninguna persona lo haya empleado?

P(X=0)

X Comb(n,x) p^x
0 1 1

Media (µ)=(n*p)= 2.7

Varianza (σ )=(n*p*q)
2
1.89
Desv. Estándar (σ)= 1.37477271
 Función Excel
P(x) =DISTR.BINOM.N(X,n,p,FALSO)
P(x) =DISTR.BINOM.N(X,9,0.3,FALSO)
ACUMULADA =DISTR.BINOM.N(X,9,0.3,VERDADERO)

} X P(X)
0 0.040353607
1 0.155649627
2 0.266827932
3 0.266827932
4 0.171532242
5 0.073513818
6 0.021003948
7 0.003857868
8 0.000413343
9 0.000019683
1

Binomial distribution

9
0.3

X P(X)
0 0.04035
1 0.15565
2 0.26683
3 0.26683
4 0.17153
5 0.07351
6 0.02100
7 0.00386
8 0.00041
9 0.00002
1.00000

2.700
1.890
1.375
 Binomial distribution (n = 9, p = 0.3)
0.30

0.25

P(X) 0.20

0.15

0.10

0.05

0.00
0 1 2 3 4 5 6 7 8 9
X
ue 30% de inversionistas particulares
ueve personas, ¿cuál es la

q^(n-x) P(x)
0.0823543 0.26682793

q^(n-x) P(x)
0.16807 0.17153224

q^(n-x) P(x)
0.040353607 0.04035361
 ACUMULADA
0.040353607
0.196003234
0.462831166
0.729659098
0.90119134
0.974705158
0.995709106
0.999566974
0.999980317
1

n
p

cumulative
probability
0.04035
0.19600
0.46283
0.72966
0.90119
0.97471
0.99571
0.99957
0.99998
1.00000

expected value
variance
standard deviation
Un recipiente tiene 15 botellas de vinos, 5 de las cuales contienen vino que se han echado a perder. Un
muestra de 4 botellas se selecciona al azar de entre la caja

a) Encuentre la distribución de probabilidad para X, el número de botellas de vino echado a perder en la

muestra.
b) Cuales son la media y la varianza.

Datos
Tamaño de la poblaciòn (N)= 15
Nùmero de èxitos en la poblaciòn (r )= 5
Tamaño de muestra (n)= 4

Valor de X = =0,1,2,3,4

X Comb(R,X) Comb(N-r, n-X)

0 1 210
1 5 120
2 10 45
3 10 10
4 5 1

Media o Valor esperado

=(4*5)/15
1.3333333333

Varianza

n*r= 20
N-r= 10
N-n= 11
N^2= 225
N-1= 14

Varianza (σ^2)= 0.6984126984

Desv. Est (σ)= 0.835710894

Funciòn Excel

X P(X) Acumulada
0 0.1538461538 0.1538461538
1 0.4395604396 0.5934065934
2 0.3296703297 0.9230769231
3 0.0732600733 0.9963369963
4 0.0036630037 1
1

Distribuciòn Hipergeomètrica

Tamaño de la poblaciòn (N)= 15

Nùmero de èxitos en la poblaciòn (r )= 5
Tamaño de muestra (n)= 4

Valor de Probabilidad Probabilidad

X p(X) Acumulada
0 0.15385 0.15385
1 0.43956 0.59341
2 0.32967 0.92308
3 0.07326 0.99634
4 0.00366 1.00000
1.00000

Valor Esperado (µ)= 1.333

Varianza (σ )2
0.698
Desv. Estàndar (σ)= 0.836

Hypergeometric distribution (N = 15, S = 5, n = 4)

0.50

0.45

0.40

0.35

0.30
p(X)

0.25

0.20

0.15

0.10

0.05

0.00

X
 0.15

0.10

0.05

0.00

2.1. Una población consta de 10 elementos, 6 de los cuales se encuentran defectuosos. En una
muestra de 3 elementos, ¿cuál es la probabilidad de que exactamente 2 sean defectuosos?
Suponga que las muestras se toman sin reemplazo.

Datos
Tamaño de la poblaciòn (N)= 10
Nùmero de èxitos en la poblaciòn (r )= 6
Tamaño de muestra (n)= 3

X Comb(R,X) Comb(N-r, n-X)

0 1 4
1 6 6
2 15 4
3 20 1

Funcion excel

X P(X)
0 0.0333333333
1 0.3
2 0.5
3 0.1666666667
1

2.3. El departamento de sistemas de computación cuenta con ocho profesores, de los

cuales seis son titulares. La doctora Vonder, directora, desea formar un comité de tres
profesores del departamento con el fin de que revisen el plan de estudios. Si selecciona
el comité al azar:

a) ¿Cuál es la probabilidad de que todos los miembros del comité sean titulares?
b) ¿Cuál es la probabilidad de que por lo menos un miembro del comité no sea titular? (Sugerencia: Aplique la reg

Datos
Tamaño de la poblaciòn (N)= 8
Nùmero de èxitos en la poblaciòn (r )= 6
Tamaño de muestra (n)= 3

a) ¿Cuál es la probabilidad de que todos los miembros del comité sean titulares?

X Comb(R,X) Comb(N-r, n-X)

0 1 Err:502
1 6 1
2 15 2
3 20 1

b) ¿Cuál es la probabilidad de que por lo menos un miembro del comité no sea titular? (Sugerencia: Aplique
la regla del complemento para responder esta pregunta.)

Datos
Tamaño de la poblaciòn (N)= 8
Nùmero de èxitos en la poblaciòn (r )= 2
Tamaño de muestra (n)= 3

P(X≥1)= =P(X=1)+P(X=2) 0.6428571429

X Comb(R,X) Comb(N-r, n-X)

0 1 20
1 2 15
2 1 6
que se han echado a perder. Una

as de vino echado a perder en la

Comb(N,n) P(X)
1365 0.15384615
1365 0.43956044
1365 0.32967033
1365 0.07326007
1365 0.003663
1
 an defectuosos. En una
2 sean defectuosos?

Comb(N,n) P(X)
120 0.03333333
120 0.3
120 0.5
120 0.16666667
1

ACUMULADO
0.0333333333
0.3333333333
0.8333333333
1

a titular? (Sugerencia: Aplique la regla del complemento para responder esta pregunta.)
 Hypergeometric distribution

8 N, population size
6 S, number of possible occurrences
3 n, sample size

cumulative
Comb(N,n) P(X) X p(X) probability
56 Err:502 1 0.10714 0.10714
56 0.10714286 2 0.53571 0.64286
56 0.53571429 3 0.35714 1.00000
56 0.35714286 1.00000

2.250 expected value

a titular? (Sugerencia: Aplique 0.402 variance
unta.) 0.634 standard deviation

Hypergeometric distribution

8 N, population size
2 S, number of possible occurrences
3 n, sample size

cumulative
X p(X) probability
Comb(N,n) P(X) 0 0.35714 0.35714
56 0.35714286 1 0.53571 0.89286
56 0.53571429 2 0.10714 1.00000
56 0.10714286 1.00000
1
0.750 expected value
0.402 variance
0.634 standard deviation
 Hypergeometric distribution (N = 8, S = 6, n = 3)
0.60
 Hypergeometric distribution (N = 8, S = 6, n = 3)
0.60
possible occurrences
0.50

0.40

0.30
p(X)

Column C

0.20

0.10

0.00
1 2 3
X

Hypergeometric distribution (N = 8, S = 2, n = 3)

0.60
possible occurrences
0.50

0.40

0.30
p(X)

Column C

0.20

0.10

0.00
0 1 2
X
3.1. A un conmutador de la oficina principal de la compañía llegan llamadas a un
promedio de dos por minuto y se sabe que tienen distribución de Poisson. Si el
operador está distraído por un minuto, cuál es la probabilidad de que el número de
llamadas no respondidas sea:
a. ¿Cero?
b. ¿Por lo menos una?
c. ¿Entre 3 y 5, inclusive?

Datos
 x e 
Número esperado (λ)=(µ)=
Constante de neper (e )=
2
2.71828
P( x) 
x!
a. ¿Cero?

X λ^x e^-λ x! P(X)

0 1 0.1353355 1 0.13533547

Función Excel =POISSON.DIST(x,media,FALSO)

=POISSON.DIST(0,2,FALSO)

P(X=0)= 0.13533528

b. ¿Por lo menos una?

P(X ≥ 1)= =P(X=1)+P(X=2)+…….+P(X=n)

Aplicando la Regla del Complemento

P(X ≥ 1)= =1 - P(X=0)

P(X ≥ 1)= =1 - 0.1353353
P(X ≥ 1)= 0.86466472

c. ¿Entre 3 y 5, inclusive?

P(3 ≤ X ≤ 5)= =P(X =3)+P(X=4)+P(X=5)

P(3 ≤ X ≤ 5)= =0.1805073 + 0.0902537 + 0.0361015
P(3 ≤ X ≤ 5)= 0.30676039

X λ^x e^-λ x! P(X)

3 8 0.1353355 6 0.18044729
4 16 0.1353355 24 0.09022364
5 32 0.1353355 120 0.03608946
 0.30676039

3.3. Usted compra partes para bicicleta de un proveedor en Toledo que tiene 3 defectos por cada
100 partes. Usted está en el mercado para comprar 150 partes pero no aceptará una
probabilidad de más del 50% de que más de dos partes sean defectuosas. ¿Usted le compraría a
dicho proveedor?

Datos
Número esperado (λ)=(µ)= 4.5 Partes Defectuosas
Constante de neper (e )= 2.71828 100 3
150 λ

λ 4.5

P( X > 2)= =P(X=3)+P(X=4)+………

Aplicando la Regla del Complemento

P(X > 2)= =1 - [P(X=0)+P(X=1)+P(X=2)]

P(X > 2)= =1 - 0.1735786
P(X > 2)= 0.8264214

X λ^x e^-λ x! P(X)

0 1 0.011109 1 0.01110903
1 4.5 0.011109 1 0.04999064
2 20.25 0.011109 2 0.11247893
0.1735786
 Poisson distribution

2 mean rate of occurrence

cumulative
X p(X) probability
0 0.13534 0.13534
1 0.27067 0.40601

 x e  2
3
0.27067
0.18045
0.67668
0.85712

x! 4
5
0.09022
0.03609
0.94735
0.98344
6 0.01203 0.99547
7 0.00344 0.99890
8 0.00086 0.99976
9 0.00019 0.99995
10 0.00004 0.99999
11 0.00001 1.00000
12 0.00000 1.00000
13 0.00000 1.00000
14 0.00000 1.00000
1.00000

2.000 expected value

2.000 variance
1.414 standard deviation

Poisson distribution (µ = 2)
0.30

0.25

0.20
p(X)

0.15

0.10

0.05

0.00
X
0.00
X