BERNOULLI.

Ejemplo 2. Se sabe que una mquina produce un 3 % de piezas defectuosas.

Elegimos una pieza al azar para comprobar si no presenta defectos. Cmo
se distribuye la variable X que vale 1 si la pieza no es defectuosa y 0 si es
defectuosa? Cules son su media y su varianza?
X sigue una distribucin de Bernoulli con parmetro 0,97.
Su media y varianza son:
E[X] = 0.97
V[X] = 0.97 0.03 = 0.0291

BINOMIAL.
3.- La probabilidad de que una persona la acepten para trabajar en una fbrica es del
20% de 10 personas no salieron seleccionadas Calcular la probabilidad de que antes
3 hayan sido seleccionadas?
p = 0.80 q = 0.20 k= 10 x = 3

BINOMIAL NEGATIVA.
Ejemplos:
1. S la probabilidad de que un cierto dispositivo de medicin muestre una
desviacin excesiva es de 0.05, cul es la probabilidad de que; a) el sexto de
estos dispositivos de medicin sometidos a prueba sea el tercero en mostrar
una desviacin excesiva?, b) el sptimo de estos dispositivos de medicin
sometidos a prueba, sea el cuarto que no muestre una desviacin excesiva?
Solucin:
a) k = 6 dispositivos de medicin
r = 3 dispositivos que muestran desviacin excesiva
p = p(dispositivo muestre una desviacin excesiva) = 0.05
q = p(dispositivo no muestre una desviacin excesiva) = 0.95
p(Y = 6) =
b) k = 7 dispositivos de medicin
r = 4 dispositivos que no muestran una desviacin excesiva
p = p(dispositivo no muestre una desviacin excesiva) = 0.95
q = p(dispositivo muestre una desviacin excesiva) = 0.05
p(Y = 7) =
2. Los registros de una compaa constructora de pozos, indican que la
probabilidad de que uno de sus pozos nuevos, requiera de reparaciones en el
trmino de un ao es de 0.20. a) Cul es la probabilidad de que el sexto
pozo construido por esta compaa en un ao dado sea el segundo en requerir

reparaciones en un ao?. b) Cul es la probabilidad de que el octavo pozo

construido por esta compaa en un ao dado sea el tercero en requerir
reparaciones en un ao?
Solucin:
a) k = 6 pozos
r = 2 pozos que requieren reparaciones en un ao
p = p(pozo requiera reparaciones en un ao) = 0.20
q = p(pozo no requiera reparaciones en un ao) = 0.80
p(Y = 6) =
b) k = 8 pozos
r = 3 pozos que requieren reparaciones en un ao
p = p(pozo requiera reparaciones en un ao) = 0.20
q = p(pozo no requiera reparaciones en un ao) = 0.80
p(Y = 8) =
4.- En un proceso de manufactura se sabe que un promedio de 1 en cada 10 productos es
defectuoso, cul es la probabilidad que el quinto (5) artculo examinado sea el primero (1)
en estar defectuoso?.
La solucin es:
X= artculos defectuosos
P= 1/10 = 0,1
q= 1- 0,1 = 0,9
x= 5 ensayos
K= 1
1, 10, 3,

P ( X=x )= n1 p x (1 p)n x para x =0,1, 2,

nx

( )

X b(5 ; 1,0.1)=P ( X=1 ) = 51 0.11 (10.1)(51) =0.066

11

( )

6.6% de probabilidad que el quinto elemento extrado sea el primero en estar defectuoso.

DISTRIBUCION DE POISSON.
Problema 05:
Suponga que la agencia de proteccin ambiental (APA) es quien establece los
estndares para Garantizar la calidad de las emisiones de aire por parte de las
empresas. El lmite mximo Permitido de cobre en las emisiones es de 10 partculas
por milln y usted trabaja en una empresa Donde el valor medio en sus emisiones es
de cuatro partculas por milln.

a) Si se define X como el nmero de partculas por milln en una muestra Cul es la

desviacin estndar de X en su empresa?
b) Si el nmero medio de partculas por milln en su empresa es efectivamente de
cuatro por milln Tendra usted temor de que la agencia lo multe por contaminar el
aire?
Usamos una distribucin de Poisson con parmetro:
=4
a). La varianza de una distribucin de Poisson es , por lo tanto se desviacin
estndar es: , es decir la desviacin ser de:
= 4 = 2 partculas por milln.
b). La probabilidad que la empresa supere las 10 partculas por milln es:
P(x > 10)
Esta probabilidad es igual a:
P(x > 10) = 1- P(x 10) =
= 1- [P(x > 0) + P(x > 1) + P(x > 2) + P(x > 3) + P(x > 4) + P(x > 5) + P(x > 6) + P(x > 7)
+ P(x > 8) + P(x > 9) + P(x > 10)] =
Aplicando la frmula de Poisson:

P ( X=x )=

e
x!

e4 4 0 e4 4 1 e4 4 2 e4 4 3 e4 4 4 e4 4 5 e4 4 6 e4 4 7 e4 4 8 e4 4 9 e4 4 10
+
+
+
+
+
+
+
+
+
+
=
0!
1!
2!
3!
4!
5!
6!
7!
8!
9!
10!

P(x > 10) = 1 [0.0183 + 0.0733 + 0.1465 + 0.1954 + 0.1954 + 0.1563 + 0.1042 +
0.0595 + 0.0298 + 0.0132 + 0.0053] =
Por lo tanto: P(x > 10) = 1 [0.9972] = 0.0028
Pa probabilidad de ser multado es muy baja 0.0028

Ejemplos: 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?

Solucin:
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.
= 6 cheques sin fondo por da
= 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, ......, etc., etc.
= 6 x 2 = 12 cheques sin fondo en promedio que llegan al banco en dos
das consecutivos
Nota: siempre debe de estar en funcin de x siempre o dicho de otra
forma, debe hablar de lo mismo que x.

Ejemplos: 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.

Solucin:
a) x = variable que nos define el nmero de imperfecciones en la hojalata
por cada 3 minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 3 =0.6 imperfecciones en promedio por cada 3 minutos en la
hojalata

b) x = variable que nos define el nmero de imperfecciones en la hojalata

por cada 5 minutos = 0, 1, 2, 3, ...., etc., etc.
= 0.2 x 5 =1 imperfeccin en promedio por cada 5 minutos en la
hojalata

=1-(0.367918+0.367918) = 0.26416
c) x = variable que nos define el nmero de imperfecciones en la hojalata
por cada 15 minutos = 0, 1, 2, 3, ....., etc., etc.
= 0.2 x 15 = 3 imperfecciones en promedio por cada 15 minutos en la
hojalata
= 0.0498026 + 0.149408 = 0.1992106
Ejemplos: Con el objeto de revisar la calidad en el pulido de un lente cierta
compaa acostumbra determinar el nmero de manchas en la superficie,
considerando el lente defectuoso, si 3 o ms de tales manchas, asperezas y otro tipo

de defectos aparecen en el. Si el nmero de manchas en una superficie de 1cm^2

sigue una distribucn de Poisson con una tasa media de 2 asperezas por cm^2.
1.- Calcula la probabilidad de que un lente redondo con un dimetro de 1cm se le
cataloga como bueno?
Tasa media = 2 manchas por cm
Una lente redonda de dimetro 1, tiene un radio de 0.5,la superficie de un circulo es:
S = r
S=3.141592654*0.5 = 0.7854 cm
Si la tasa media es de 2 manchas/cm en una superficie de 0.7854 cm se esperan de
promedio 2*0.7854 = 1.5716 manchas por cada 0.7854 cm (lente de 1 cm de
dimetro), es decir el parmetro tomar el valor de:
=1.5716
Si se considera defectuoso si hay 3 o ms manchas entonces, para que sea bueno
debe tenor menos de 3 manchas es decir 0,1,o 2 manchas.
Es decir tenemos que calcular la probabilidad
P(X<3) = P(X=0) + P(X=1) + P(X=2)
La frmula de Poisson es:
P(X=x) = exp(-)*^x/x!
P(X=x) = exp(-1.5716)*1.5716^x/x!
P(X=0) = exp(-1.5716)*1.5716^0/0! = 0.2077
P(X=1) = exp(-1.5716)*1.5716^1/1! = 0.3264
P(X=2) = exp(-1.5716)*1.5716^2/2! = 0.2565
P(X<3) = 0.2077 + 0.3264 + 0.2565 = 0.7907
Por lo tanto P(X<3) = 0.7907 y la probabilidad de que la lente se catalogue como
correcta es de:
0.7907 = 79.07%

Ejemplos: Si el nmero de coches que lleguen a un estacionamiento es de 8 por

hora y sus llegadas siguen el proceso de Poisson. Cul es la probabilidad de que en
un perodo de 10 minutos lleguen al estacionamiento?
a) Entre 3 y 6 (inclusive) automviles?
b) Ms de 2 automviles?
=8 coches por hora,

1 hora = 60 minutos, tiene 6 periodos de 10 minutos, por lo tanto el promedio de

coches por cada 10 minutos es:
=8/6 = 1.3333
P(X=x) = exp(-)*^x/x!
P(X=x) = exp(-1.3333)*1.3333^x/x!
a).P(3<=X<=6) = P(X=3) + P(X=4) + P(X=5) + P(X=6)
P(X=3) = exp(-1.3333)*1.3333^3/3! = 0.1041
P(X=4) = exp(-1.3333)*1.3333^4/4! = 0.0347
P(X=5) = exp(-1.3333)*1.3333^5/5! = 0.0093
P(X=6) = exp(-1.3333)*1.3333^6/6! = 0.0021
Por lo tanto sumando las probabilidades , P(3<=X<=6) = 0.1502
b).P(X>2) = 1-P(X<=1) = 1-P(X=0)-P(X=1)
P(X=0) = exp(-1.3333)*1.3333^0/0! = 0.2636
P(X=1) = exp(-1.3333)*1.3333^1/1! = 0.3515
P(X>2) = 1-0.2636-0.3515 = 0.3849

Ejemplos: las llamadas de servicio entran a un centro de mantenimiento de acuerdo

con un proceso de poisson y en promedio entran 2.7 llamadas por minuto. Encontrar la
probabilidad de que:
a).- no ms de 4 llamadas entren en un minuto cualquiera.
b).- menos de 2 llamadas entren en un minuto cualquiera.
c).- ms de 10 llamadas entren en un periodo de 5 minutos.
=2.7
P(X=x) = exp(-)*^x/x!
a).P(X<=4) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4)
P(X=0) = exp(-2.7)*2.7^0/0! = 0.0672
P(X=1) = exp(-2.7)*2.7^1/1! = 0.1815
P(X=2) = exp(-2.7)*2.7^2/2! = 0.2450
P(X=3) = exp(-2.7)*2.7^3/3! = 0.2205
P(X=4) = exp(-2.7)*2.7^4/4! = 0.1488

P(X<=4) = 0.8629
b).P(X<2) = P(X=0) + P(X=1)
P(X=0) = exp(-2.7)*2.7^0/0! = 0.0672
P(X=1) = exp(-2.7)*2.7^1/1! = 0.1815
P(X<2) = 0.2484
c).=2.7 por minuto * 5 minutos --> =13.5
P(X>10) = 1-P(X<=10) = 1- P(X=0) - P(X=1) - ... - P(X=10)
P(X=0) = exp(-13.5)*13.5^0/0! = 0.000001
P(X=1) = exp(-13.5)*13.5^1/1! = 0.000018
P(X=2) = exp(-13.5)*13.5^2/2! = 0.000124
P(X=3) = exp(-13.5)*13.5^3/3! = 0.000562
P(X=4) = exp(-13.5)*13.5^4/4! = 0.001897
P(X=5) = exp(-13.5)*13.5^5/5! = 0.005123
P(X=6) = exp(-13.5)*13.5^6/6! = 0.011526
P(X=7) = exp(-13.5)*13.5^7/7! = 0.022229
P(X=8) = exp(-13.5)*13.5^8/8! = 0.037512
P(X=9) = exp(-13.5)*13.5^9/9! = 0.056268
P(X=10) = exp(-13.5)*13.5^10/10! = 0.07596
Por lo tanto:
P(X>10) = 1-P(X<=10) = 1- P(X=0) - P(X=1) - ... - P(X=10) = 0.7888
P(X>10) = 0.7888

DISTRIBUCIN HIPERGEOMTRICA.
Ejemplos: De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el
lote contiene 3 proyectiles defectuosos que no explotarn, cul es la probabilidad de
que , a) los 4 exploten?, b) al menos 2 no exploten?

Solucin:
a) N = 10 proyectiles en total
a = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el nmero
de proyectiles que explotan entre la muestra que se dispara

b) N = 10 proyectiles en total
a = 3 proyectiles que no explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2 o 3 proyectiles que no explotan
p(al menos 2 no exploten) = p( 2 o ms proyectiles no exploten) = p(x = 2 o 3;
n=4) =

Ejemplos: 5 fabricantes producen en determinado dispositivo cuya calidad varia de

un fabricante a otro. si usted elige 3 fabricantes al azar, hallar la probabilidad que la
seleccin contenga 2 de las 3 mejores.
Es un caso de distribucin hipergeomtrica cuya frmula es:

k N k
[
x ][ nx ]
P [ X=k ] =
, con x k
N
[n]

Problema

02:

En Una oficina donde se ensamblan computadoras, en una mesa hay 20 chips de los
cuales 6 estn malogrados. Primero llega el Sr. Gates y recoge 8 chips y ms tarde
llega el Sr. Apple y se lleva los restantes. Halle la probabilidad que solamente uno de
ellos se haya llevado todos los chips defectuosos.

Ejemplo 2. Una caja contiene 24 artculos de las cuales se sabe que 8 tienen algn
defecto, si en una inspeccin de calidad el inspector selecciona al azar 6 piezas,
hallar la probabilidad de que:
a) encuentre uno defectuoso
Sea
la
variable
X
el nmero de
artculos
defectuosos,
entonces
N = 24 (tamao poblacin), n = 6 (tamao muestra), k = 8 (xitos poblacin), x =
1
(xitos
muestra)

b) la caja sea rechazada (esto sucede si se encuentran dos o ms artculos

defectuosos
en
la
muestra)
Nos piden la probabilidad de dos o ms es decir X= 2, 3, 4, 5 y 6, por simplicidad
calculamos su complemento es decir X= 0 y 1, y como ya tenemos la de X = 1 solo
nos
falta
la
de
X
=
0.

La probabilidad de (X 2) = 1 - 0.2596 0. 0595 = 0.6809 (es muy probable que

sea rechazada)
c) la media y la desviacin estndar

1. De un lote de 10 misiles, se seleccionan 4 al azar y se disparan. Si el lote contiene

3 misiles defectuosos que no pueden dispararse, cul es la probabilidad de que
a)
los
4
puedan
dispararse
b)
a
lo
ms
fallen
2
c) la media y la desviacin estndar
a) los 4 puedan dispararse, si k representa los misiles defectuosos que todos se disparen
implica
x=0
N=
10
,
n=
4
,
k=
3
,
x=
0
p(x=0) = 3C0 * 7C4 / 10C4 = (1 * 35) / 210 = 0.1666
b) a lo ms dos fallen , es decir que fallen 0, o 1 o 2
N= 10 , n= 4 , k= 3 , x= 0 p(x=0) = 3C0 * 7C4 / 10C4 = (1 * 35) / 210 = 35 / 10 = 0.1666
N= 10 , n= 4 , k= 3 , x= 1 p(x=1) = 3C1 * 7C3 / 10C4 = (3 * 35) / 210 = 105 / 210 = 0 0.5
N= 10 , n= 4 , k= 3 , x= 2 p(x=2) = 3C2 * 7C2 / 10C4 = (2 * 21) / 210 = 42 / 210 = 0.2
P(x<=
2)
=
0.1666
+
0.5
+
0.2
=
0.8666
c)

media

m=

4*(3

10)

0.3

1.2

misiles

desviacin = raiz ( 1.2) * ( (10 - 3 ) / 10 ) * ( (10 - 4) / (10 - 1) ) = raiz (1.2) * (7 / 10) * (6 / 9)

=
raiz (1.2) * (0.7) * (0.666) = raiz (0.56) = 0.74 misiles

2. De un grupo de 20 candidatos para un puesto 5 cuentan con experiencia previa,

si se eligen 10 candidatos al azar, calcular la probabilidad de que
a)
se
incluya
a
los
5
con
experiencia
previa
b)
no
se
incluya
a
ninguno
con
experiencia
c)
se
incluya
a
ms
de
2
con
experiencia
d) la media y la desviacin estndar
Candidatos
N=
20,
n=10,
a)
se
incluya
a
p(x=5)=
5C5
*
15C5
/

b)
no
p(x=0)=
5C0

se
*

incluya
15C10
/

k
candidatos
con
experiencia
los
5
con
experiencia
20C10
=
(1)(3003)/184756
=

a
20C10

ninguno
con
=
(1)(3003)/184756

=
5
previa
0.016

experiencia
=
0.016

c)
se
p(x=0)=
p(x=1)=
p(x=2)=

incluya
a
ms
5C0
*
15C10
5C1
*
15C9
5C2
*
15C8

de
/
/
/

p(x>2)=

1-p(x=0)-

p(x=2)=

p(x=1)-

2
con
experiencia
,
X=
20C10
=
(1)(3003)/184756
20C10
=
(5)(5005)/184756
20C10
=
(10)(6435)/184756
1-

0.016

0.135

3,4,5.....10
=
0.016
=
0.135
=
0.348

0.348

=0.501

d)
la
media
y
la
desviacin
estndar
media
=
10(5/20)=
2.5
desviacin raiz de(2.5)((20-5)/20)((20-10/20-1)) = raiz(2.5)(15/20)(10/19) = raiz de
0.9868 = 0.993

Ejemplo 5. 21. Una tienda de artculos elctricos tiene 20 planchas, de las

cuales 5 son amarillas. Si se extraen aleatoriamente y sin sustitucin 10
planchas Cul es la probabilidad de que dos de ellas sean amarillas?
Solucin.
En este caso se tiene una poblacin de 20 planchas (N = 20), de las cuales 5
son amarillas (a = 5) y se extrae una muestra de 10 planchas (n = 10). La
variable aleatoria ser el nmero de planchas amarillas que hay en la muestra
(entre las extradas), por lo que x = 2. Sustituyendo en el modelo de la
distribucin Hipergeomtrica tenemos:

=
Ejemplo 5. 22. Si se extraen 8 canicas sin reemplazo de una urna que contiene
9 azules y 3 negras. Encontrar la probabilidad de haya 6 canicas azules dentro
de las 8 que se extrajeron.
Solucin.
En total se tienen 12 canicas (N = 12), de las cuales 9 son azules (a = 9). Se
extrae una muestra de 8 canicas (n = 8) y se desea obtener la probabilidad de
que en la muestra haya 6 canicas azules (x = 6) por lo que:

=
Ejemplo 5. 23. Un vendedor de insecticidas quiere vender a una planta un lote
de 50 barriles de cierto producto. El gerente de la planta sospecha que los
barriles estn caducos, pero el vendedor sostiene que slo 10 barriles han
caducado y est dispuesto a permitir que se analicen 5 barriles sin costo para
el comprador, para que ste decida si adquiere el lote. Cul es la probabilidad
de que el gerente encuentre que 4 o ms de los 5 barriles examinados han
caducado, suponiendo que el vendedor tiene razn en su afirmacin?

Solucin.
De acuerdo a la informacin se tiene que N = 50, a = 10 y n = 5. La funcin
de probabilidad de la variable X, definida por el nmero de barriles
defectuosos en la muestra es:

por lo que la probabilidad buscada es:

Ejemplo 5. 25. Refirindonos al problema del vendedor de insecticidas visto

anteriormente, donde N=50, a = 10, y n = 5, calcular la media o valor
esperado y la variancia.
Solucin.
Sustituyendo los datos anteriores en las frmulas respectivas tenemos:

Ejemplo 5. 24. Una caja contiene 10 focos, de los cuales 3 son defectuosos.
Cul es la probabilidad de que si se toma una muestra aleatoria sin reemplazo
de tamao 2, se extraiga cuando mucho un foco defectuoso?
Solucin.
Definamos la variable aleatoria X: Nmero de focos defectuosos. EntoncesN =
10, a = 3, n = 2 y x = 0, 1.