Universidad Católica de honduras

Nuestra Señora Reina de la Paz

Campus Santiago Apóstol

Asignatura:
Estadística I
Alumno:
Pablo Gabriel López Zelaya
Catedrático:
Lic. Wilfredo Sánchez
Tema:
Guía # 2 del tercer parcial
N° de Cuenta:
0704-2000-00880
Fecha de Entrega:
31/Julio/2020
1. Si los precios de los automóviles nuevos se incrementan en un promedio de cuatro
veces cada 3 años, encuentre la probabilidad de que
a) ningún precio se incremente en un periodo de 3 años seleccionado de manera
aleatoria.
b) dos precios aumenten.
c) cuatro precios aumenten.
d) aumenten cinco o más.

𝜆=4
𝜆𝑥 𝑒 −𝜆
a. 𝑃(𝑥 = 0) = 𝑥!
40 𝑒 −4
=
0!
= 𝟎. 𝟎𝟏𝟖𝟑
R= 0.0183×100= 1.83% es la probabilidad de que, ningún precio de los automóviles nuevos
se incremente en un periodo de 3 años seleccionado de manera aleatoria.

𝜆𝑥 𝑒 −𝜆
b. 𝑃(𝑥 = 2) = 𝑥!
42 𝑒 −4
=
2!
= 𝟎. 𝟏𝟒𝟔𝟓
R= 0.1465×100= 14.65% es la probabilidad de que, dos precios de los automóviles nuevos
aumenten.

𝜆𝑥 𝑒 −𝜆
c. 𝑃(𝑥 = 4) = 𝑥!
44 𝑒 −4
=
4!
= 𝟎. 𝟏𝟗𝟓𝟒
R= 0.1954×100= 19.54% es la probabilidad de que, cuatro precios de los automóviles
nuevos aumenten.

𝜆𝑥 𝑒 −𝜆 41 𝑒 −4
d. 𝑃(𝑥 = 1) = = = 0.0733
𝑥! 1!

𝜆𝑥 𝑒 −𝜆 43 𝑒 −4
𝑃 (𝑥 = 3) = = = 0.1954
𝑥! 3!

𝑃(𝑥 ≥ 5) = 1 − 𝑃(𝑥 < 5)

= 1 − (𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃 (𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4))
 = 1 − (0.0183 + 0.0733 + 0.1465 + 0.1954 + 0.1954)
= 1 − 0.6289
= 𝟎. 𝟑𝟕𝟏𝟏
R= 0.3711×100= 37.11% es la probabilidad de que, cinco o más precios de los automóviles
nuevos aumenten.

2. Dada una distribución binomial con n = 25 y p = 0.032, use la aproximación de Poisson

a la binomial para encontrar

a) P(r =3)
b) P(r = 5)
c) P(r ≤ 2)

𝜆 = 𝑛 ∙ 𝑝 = (25)(0.032) = 0.8
𝜆𝑥 𝑒 −𝜆 0.83 𝑒 −0.8
a. 𝑃 (𝑟 = 3) = = = 𝟎. 𝟎𝟑𝟖𝟑𝟒
𝑥! 3!

𝜆𝑥 𝑒 −𝜆 0.85 𝑒 −0.8
b. 𝑃 (𝑟 = 3) = = = 𝟎. 𝟎𝟎𝟏𝟐𝟐𝟕
𝑥! 5!

𝜆𝑥 𝑒 −𝜆 0.80 𝑒 −0.8
c. 𝑃 (𝑟 = 0) = = = 0.4493
𝑥! 0!
𝑥 −𝜆 1 −0.8
𝜆 𝑒 0.8 𝑒
𝑃 (𝑟 = 1) = = = 0.3594
𝑥! 1!
𝜆𝑥 𝑒 −𝜆 0.82 𝑒 −0.8
𝑃 (𝑟 = 2) = = = 0.1437
𝑥! 2!

𝑃 (𝑟 ≤ 2) = 𝑃(𝑟 = 0) + 𝑃(𝑟 = 1) + 𝑃(𝑟 = 2)

= 0.4493 + 0.3594 + 0.1437
= 𝟎. 𝟗𝟓𝟐𝟒

3. Dado que l ƛ= 6.1 para una distribución Poisson, encuentre:

a) P(x ≥ 3)
b) P(x ≤ 2)
c) P(x = 6)
d) P(1 ≤ x ≤ 4)
𝜆𝑥 𝑒 −𝜆 6.10 𝑒 −6.1
a. 𝑃(𝑥 = 0) = = = 0.00224
𝑥! 0!
𝑥 −𝜆 1 −6.1
𝜆 𝑒 6.1 𝑒
𝑃 (𝑥 = 1) = = = 0.01368
𝑥! 1!
 𝜆𝑥 𝑒 −𝜆 6.12 𝑒 −6.1
𝑃 (𝑥 = 2) = = = 0.0417
𝑥! 2!

𝑃 (𝑥 ≥ 3 ) = 1 − 𝑃 (𝑥 < 3)
= 1 − (𝑃(𝑥 = 0) + 𝑃 (𝑥 = 1) + 𝑃(𝑥 = 2))
= 1 − (0.00224 + 0.01368 + 0.0417)
= 1 − 0.0576
= 𝟎. 𝟗𝟒𝟐𝟒

b. 𝑃(𝑥 ≤ 2) = 𝑃 (𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)

= 0.00224 + 0.01368 + 0.0417
= 𝟎. 𝟎𝟓𝟕𝟔

𝜆𝑥 𝑒 −𝜆 6.16 𝑒 −6.1
c. 𝑃(𝑥 = 6) = = = 𝟎. 𝟏𝟔𝟎𝟓
𝑥! 6!

𝜆𝑥 𝑒 −𝜆 6.13 𝑒 −6.1
d. 𝑃(𝑥 = 3) = = = 0.0848
𝑥! 3!
𝑥 −𝜆 4 −6.1
𝜆 𝑒 6.1 𝑒
𝑃 (𝑥 = 4) = = = 0.1294
𝑥! 4!
𝑃(1 ≤ 𝑥 ≤ 4) = 𝑃(𝑥 = 0) + 𝑃 (𝑥 = 1) + 𝑃 (𝑥 = 2) + 𝑃 (𝑥 = 3) + 𝑃(𝑥 = 4)
= 0.00224 + 0.01368 + 0.0417 + 0.0848 + 0.1294
= 𝟎. 𝟐𝟕𝟏𝟖

4. Una compañía telefónica recibe llamadas a razón de 5 por minuto. Si la distribución

del número de llamadas es de Poisson, calcular la probabilidad de recibir menos de
cuatro llamadas en un determinado minuto.

𝜆=5

𝜆𝑥 𝑒 −𝜆 50 𝑒 −5
𝑃 (𝑥 = 0) = = = 0.00674
𝑥! 0!

𝜆𝑥 𝑒 −𝜆 51 𝑒 −5
𝑃 (𝑥 = 1) = = = 0.0337
𝑥! 1!
𝜆𝑥 𝑒 −𝜆 52 𝑒 −5
𝑃 (𝑥 = 2) = = = 0.0842
𝑥! 2!
𝜆𝑥 𝑒 −𝜆 53 𝑒 −5
𝑃 (𝑥 = 3) = = = 0.1404
𝑥! 3!
 𝑃(𝑥 < 4) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃 (𝑥 = 3)
= 0.00674 + 0.0337 + 0.0842 + 0.1404
= 𝟎. 𝟐𝟔𝟓𝟎
R= 0.2650×100= 26.50% es la probabilidad de, recibir menos de cuatro llamadas en un
determinado minuto.

5. La probabilidad de que un niño nazca pelirrojo es de 0,012. ¿Cuál es la probabilidad

de que entre 800 recién nacidos haya 5 pelirrojos?

𝜆 = 𝑛 ∙ 𝑝 = (800)(0.012) = 9.6

𝜆𝑥 𝑒 −𝜆
𝑃 (𝑥 = 5) =
𝑥!
9.65 𝑒 −9.6
=
5!
= 𝟎. 𝟎𝟒𝟔
R= 0.046×100= 4.6% es la probabilidad de que, entre 800 recién nacidos haya 5 pelirrojos.

6. Una compañía telefónica recibe llamadas a razón de 4 por minuto. calcular la

probabilidad de:
a) Recibir 2 llamadas en un minuto
b) No recibir ninguna llamada en un minuto
c) Recibir menos de 3 llamadas en un minuto
d) Recibir más de 3 llamadas en un minuto

𝜆=4
𝜆𝑥 𝑒 −𝜆 42 𝑒 −4
a. 𝑃 (𝑥 = 2) = = = 𝟎. 𝟏𝟒𝟔𝟓
𝑥! 2!

R= 0.1465×100= 14.65% es la probabilidad de, recibir dos llamadas en un minuto.

𝜆𝑥 𝑒 −𝜆 40 𝑒 −4
b. 𝑃 (𝑥 = 0) = = = 𝟎. 𝟎𝟏𝟖𝟑
𝑥! 0!

R= 0.0183×100= 1.83% es la probabilidad de, no recibir ninguna llamada en un minuto.

 𝜆𝑥 𝑒 −𝜆 41 𝑒 −4
c. 𝑃 (𝑥 = 1) = = = 0.0733
𝑥! 1!
𝑃 (𝑥 < 3) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)
= 0.0183 + 0.0733 + 0.1465
= 𝟎. 𝟐𝟑𝟖𝟏
R= 0.2381×100= 23.81% es la probabilidad de, recibir menos de tres llamadas en un
minuto.

𝜆𝑥 𝑒 −𝜆 43 𝑒 −4
d. 𝑃 (𝑥 = 3) = 𝑥! = 3! = 0.1954
𝑃 (𝑥 ≥ 3) = 1 − 𝑃(𝑥 < 3)
= 1 − (𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃 (𝑥 = 2))
= 1 − (0.0183 + 0.0733 + 0.1465)
= 1 − 0.2381
= 𝟎. 𝟕𝟔𝟐
R= 0.762×100= 76.20% es la probabilidad de, recibir más de tres llamadas en un minuto.

7. Una compañía estima que el número de componentes que fallan antes de cumplir
100 horas de funcionamiento, sigue una distribución de Poisson. Si el número
promedio de fallos es 8 en ese tiempo, encontrar las siguientes probabilidades:
a) Que un componente falle en 25 horas.

𝑛 = 100

100 − 8

25 − 𝜆

100𝜆 = (25)(8)

100𝜆 = 200
200
𝜆 = 100

𝜆=2

𝜆𝑥 𝑒 −𝜆 21 𝑒 −2
𝑃 (𝑥 = 1) = = = 𝟎. 𝟐𝟕𝟎𝟕
𝑥! 1!
R= 0.2707×100= 27.07% es la probabilidad de que, un componente falle en 25 horas.

8. El dueño de un criadero de árboles está especializado en la producción de abetos de

Navidad. Estos crecen en filas de 300. Se sabe que por término medio 6 árboles no
son aptos para su venta. Asume que la cantidad de árboles aptos para la venta por
fila plantada sigue una distribución de Poisson.
a) Calcula la probabilidad de encontrar 2 árboles no vendibles en una fila de árboles.

b) Calcula la probabilidad de encontrar 2 árboles no vendibles en media fila de

árboles.

a. 𝜆 = 6

𝜆𝑥 𝑒 −𝜆 62 𝑒 −6
𝑃 (𝑥 = 2) = = = 𝟎. 𝟎𝟒𝟓
𝑥! 2!
R= 0.045×100= 4.46% es la probabilidad de, encontrar dos árboles no vendibles en una fila
de árboles.

b. 𝜆 = 3
𝜆𝑥 𝑒 −𝜆 32 𝑒 −3
𝑃 (𝑥 = 2) = = = 𝟎. 𝟐𝟐𝟒
𝑥! 2!
R= 0.224×100= 22.40% es la probabilidad de, encontrar dos árboles no vendibles en media
fila de árboles.

9. Si una central telefónica recibe en promedio 4 llamadas por hora, calcular las
siguientes probabilidades:
a) Que en una hora se reciba una llamada
b) Que en una hora se reciban tres llamadas
c) Que en una hora se reciba, al menos, una llamada
d) Que en una hora se reciban, como mucho, 4 llamadas

𝜆=4
 𝜆𝑥 𝑒 −𝜆 41 𝑒 −4
a. 𝑃 (𝑥 = 1) = = = 𝟎. 𝟎𝟕𝟑𝟑
𝑥! 1!

R= 0.0733×100= 7.33% es la probabilidad de que, en una hora se reciba una llamada.

𝜆𝑥 𝑒 −𝜆 43 𝑒 −4
b. 𝑃 (𝑥 = 3) = = = 𝟎. 𝟏𝟗𝟓𝟒
𝑥! 3!

R= 0.1954×100= 19.54% es la probabilidad de que, en una hora se reciba tres llamadas.

𝜆𝑥 𝑒 −𝜆 40 𝑒 −4
c. 𝑃 (𝑥 = 0) = 𝑥! = 0! = 0.01831
𝑃 (𝑥 > 0) = 1 − 𝑃(𝑥 < 1)
= 1 − 0.01831
= 𝟎. 𝟗𝟖𝟏𝟕
R= 0.9817×100= 98.17% es la probabilidad de que, en una hora se reciba al menos una
llamada.

d. 𝑃(𝑥 < 5) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)

= 0.01831 + 0.0733 + 0.1465 + 0.1954 + 0.1954
= 𝟎. 𝟔𝟐𝟖𝟗
R= 0.6289×100= 62.89% es la probabilidad de que, en una hora se reciba como mucho
cuatro llamadas.

10. Una compañía telefónica recibe llamadas a razón de 6 por minuto. Si la distribución
del número de llamadas es de Poisson, calcular la probabilidad de recibir menos de
tres llamadas en un determinado minuto.

𝜆=6
𝜆𝑥 𝑒 −𝜆 60 𝑒 −6
 𝑃 (𝑥 = 0) = = = 0.002478
𝑥! 0!
𝜆𝑥 𝑒 −𝜆 61 𝑒 −6
 𝑃 (𝑥 = 1) = = = 0.01487
𝑥! 1!
𝜆𝑥 𝑒 −𝜆 62 𝑒 −6
 𝑃 (𝑥 = 2) = = = 0.0446
𝑥! 2!

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

= 0.002478 + 0.01487 + 0.04462

= 𝟎. 𝟎𝟔𝟐
R= 0.062×100= 6.2% es la probabilidad de, recibir menos de tres llamadas en un
determinado minuto.

11. Suponga que una compañía de seguros asegura las vidas de 5000 hombres de 42
años de edad. Si los estudios actuariales muestran que la probabilidad de que un
hombre muera en cierto año es 0.001, entonces la probabilidad de que la empresa
pague exactamente 4 indemnizaciones.
𝑋~𝐵(5000,0.001)

𝜆 = 𝑛 ∙ 𝑝 = (5000)(0.001) = 5

𝜆𝑥 𝑒 −𝜆 54 𝑒 −5
𝑃 (𝑥 = 4) = = = 𝟎. 𝟏𝟕𝟓𝟓
𝑥! 4!
R= 0.1755×100= 17.55% es la probabilidad de que, la empresa pague exactamente cuatro
indemnizaciones.

12. Una planta tiene 20 máquinas, si la probabilidad de que falla una en cierto día es 0.05.
Encuentre la probabilidad de que durante un día determinado fallen dos máquinas.

𝜆 = 𝑛 ∙ 𝑝 = (20)(0.05) = 1

𝜆𝑥 𝑒 −𝜆 12 𝑒 −1
𝑃 (𝑥 = 2) = = = 𝟎. 𝟏𝟖𝟒
𝑥! 2!
R= 0.184×100= 18.4% es la probabilidad de que, durante un día determinado fallen dos
máquinas.

13. El 20% de los choferes son mujeres, si se seleccionan 20 al azar para una encuesta:
Usando la distribución binomial y la distribución de Poisson
a) ¿Cuál es la probabilidad de que dos choferes sean mujeres?
b) ¿Cuál es la probabilidad de que al menos cuatro sean mujeres?

𝑛 = 20
𝑝 = 0.2

𝑞 = 1 − 𝑝 = 1 − 0.2 = 0.8

𝜆 = 𝑛 ∙ 𝑝 = (20)(0.02) = 4

a. ∎Distribución de Poisson
𝜆𝑥 𝑒 −𝜆 42 𝑒 −4
𝑃 (𝑥 = 2) = = = 𝟎. 𝟏𝟒𝟔𝟓
𝑥! 2!
R= 0.1465×100= 14.65% es la probabilidad de que, dos choferes sean mujeres.

∎Distribución Binomial

𝑟=2
𝑛!
𝑃𝑟𝑜𝑏. 𝑑𝑒 𝑞𝑢𝑒 2 𝑑𝑒 20 𝑚𝑢𝑗𝑒𝑟𝑒𝑠 𝑠𝑒𝑎𝑛 𝑐ℎ𝑜𝑓𝑒𝑟𝑒𝑠 = ∙ 𝑝𝑟 ∙ 𝑞 𝑛−𝑟
𝑟! (𝑛 − 𝑟)!
20!
= ∙ (0.2)2 ∙ (0.8)20−2
2!(20−2)!

= 𝟎. 𝟏𝟑𝟕
R= 0.137×100= 13.7% es la probabilidad de que, dos choferes sean mujeres.

b. ∎Distribución de Poisson

𝜆𝑥 𝑒 −𝜆 40 𝑒 −4
𝑃 (𝑥 = 0) = = = 0.01832
𝑥! 0!
𝜆𝑥 𝑒 −𝜆 41 𝑒 −4
𝑃 (𝑥 = 1) = = = 0.0733
𝑥! 1!
𝜆𝑥 𝑒 −𝜆 42 𝑒 −4
𝑃 (𝑥 = 2) = = = 0.1465
𝑥! 2!
𝜆𝑥 𝑒 −𝜆 43 𝑒 −4
𝑃 (𝑥 = 3) = = = 0.1954
𝑥! 3!

𝑃 (𝑥 ≥ 4) = 1 − 𝑃(𝑥 < 4)
= 1 − (𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃 (𝑥 = 3))
= 1 − (0.01832 + 0.0733 + 0.1465 + 0.1954)
= 1 − 0.4335
= 𝟎. 𝟓𝟔𝟔𝟓
R= 0.5665×100= 56.65% es la probabilidad de que, al menos cuatro sean mujeres.

∎Distribución Binomial

𝑟=4
𝑛!
𝑃𝑟𝑜𝑏. 𝑑𝑒 𝑞𝑢𝑒 2 𝑑𝑒 20 𝑚𝑢𝑗𝑒𝑟𝑒𝑠 𝑠𝑒𝑎𝑛 𝑐ℎ𝑜𝑓𝑒𝑟𝑒𝑠 = ∙ 𝑝𝑟 ∙ 𝑞 𝑛−𝑟
𝑟! (𝑛 − 𝑟)!
20!
= 4!(20−4)! ∙ (0.2)4 ∙ (0.8)20−4

= 𝟎. 𝟐𝟏𝟖𝟐
R= 0.2182×100= 21.82% es la probabilidad de que, al menos cuatro sean mujeres.

14. Se tienen 8 recepcionistas, están ocupadas en promedio el 30% del tiempo, si 3

clientes llaman ¿la proba. De que estén ocupadas es mayor al 50%?

𝑛=8

𝑝 = 0.3

𝜆 = 𝑛 ∙ 𝑝 = (8)(0.3) = 2.4

𝜆𝑥 𝑒 −𝜆 2.43 𝑒 −2.4
𝑃 (𝑥 = 3) = = = 𝟎. 𝟐𝟏
𝑥! 3!
R= 0.21×100= 21% es la probabilidad de que, las recepcionistas estén ocupadas. Es menor
del 50%.

15. Un proveedor de partes de bicicleta tiene 3% de defectos. Se compran 150 partes y

si la probabilidad de que 3 o más partes sean defectuosas excede al 50%, no se hace
la compra. ¿Qué sucede en este caso?

𝑛 = 150

𝑝 = 0.03

𝜆 = 𝑛 ∙ 𝑝 = (150)(0.03) = 4.5

𝜆𝑥 𝑒 −𝜆 4.50 𝑒 −4.5
𝑃 (𝑥 = 0) = = = 0.0111
𝑥! 0!
 𝜆𝑥 𝑒 −𝜆 4.51 𝑒 −4.5
𝑃 (𝑥 = 1) = = = 0.05
𝑥! 1!
𝜆𝑥 𝑒 −𝜆 4.52 𝑒 −4.5
𝑃 (𝑥 = 2) = = = 0.1125
𝑥! 2!

𝑃 (𝑥 ≥ 3) = 1 − 𝑃(𝑥 < 3)
= 1 − (𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2))
= 1 − (0.0111 + 0.05 + 0.1125)
= 1 − 0.1736
= 𝟎. 𝟖𝟑
La probabilidad de que tres o más partes sean defectuosas es de 83%, excede del 50%;
por lo tanto, No se hace la compra.

16. De 9 empleados diurnos sólo 6 están calificados para hacer su trabajo, si se

seleccionan aleatoriamente 5 de los 9 empleados, Cuál es la probabilidad de que:
a) Los 5 estén calificados
b) 4 estén calificados
c) Por lo menos 3 estén calificados

𝑛=9

𝑝 = 6⁄9 = 0.67

𝜆 = 𝑛 ∙ 𝑝 = (9)(0.67) = 6

𝜆𝑥 𝑒 −𝜆 65 𝑒 −6
a. 𝑃 (𝑥 = 5) = = = 𝟎. 𝟏𝟔𝟏
𝑥! 5!

R= 0.161×100= 16.1% es la probabilidad de que, al seleccionar aleatoriamente los cinco

empleados estén calificados.

𝜆𝑥 𝑒 −𝜆 64 𝑒 −6
b. 𝑃 (𝑥 = 4) = = = 𝟎. 𝟏𝟑𝟒
𝑥! 4!

R= 0.134×100= 13.4% es la probabilidad de que, al seleccionar aleatoriamente cuatro

empleados estén calificados.
 𝜆𝑥 𝑒 −𝜆 60 𝑒 −6
c. 𝑃 (𝑥 = 0) = = = 0.0025
𝑥! 0!
𝑥 −𝜆 1 −6
𝜆 𝑒 6 𝑒
𝑃 (𝑥 = 1) = = = 0.0148
𝑥! 1!
𝜆𝑥 𝑒 −𝜆 62 𝑒 −6
P(𝑥 = 2) = = = 0.045
𝑥! 2!

P(x ≥ 3) = 1 − P(x < 3)

= 1 − (P(x = 0) + P(x = 1) + P(x = 2))
= 1 − (0.0025 + 0.0148 + 0.045)
= 1 − 0.0623
= 𝟎. 𝟗𝟒
R= 0.94×100= 94% es la probabilidad de que, al seleccionar aleatoriamente por lo menos
tres empleados estén calificados.

17. Dada una distribución binomial con n = 28 ensayos y p = 0.025, use la aproximación
de Poisson a la binomial para encontrar:
a) P(r ≥3)
b) P(r ≤ 5)
c) P(r = 9).

𝜆 = 𝑛 ∙ 𝑝 = (280)(0.025) = 0.7
𝜆𝑟 𝑒 −𝜆 0.70 𝑒 −0.7
a. 𝑃 (𝑟 = 0) = = = 0.4965
𝑟! 0!
𝑟 −𝜆 1 −0.7
𝜆 𝑒 0.7 𝑒
𝑃 (𝑟 = 1) = = = 0.3476
𝑟! 1!
𝜆𝑟 𝑒 −𝜆 0.72 𝑒 −0.7
𝑃 (𝑟 = 2) = = = 0.1217
𝑟! 2!

P(r ≥ 3) = 1 − P(r < 3)

= 1 − (P(r = 0) + P(r = 1) + P(r = 2))
= 1 − (0.4965 + 0.3476 + 0.1217)
= 1 − 0.9658
= 𝟎. 𝟎𝟑𝟒𝟐

𝜆𝑟 𝑒 −𝜆 0.73 𝑒 −0.7
b. 𝑃 (𝑟 = 3) = = = 0.0284
𝑟! 3!
𝑟 −𝜆 4 −0.7
𝜆 𝑒 0.7 𝑒
𝑃 (𝑟 = 4) = = = 0.00497
𝑟! 4!
 𝜆𝑟 𝑒 −𝜆 0.75 𝑒 −0.7
𝑃 (𝑟 = 5) = = = 0.000695
𝑟! 5!

𝑃 (𝑟 ≤ 5) = 𝑃(𝑟 = 0) + 𝑃(𝑟 = 1) + 𝑃(𝑟 = 2) + 𝑃 (𝑟 = 3) + 𝑃 (𝑟 = 4) + 𝑃(𝑟 = 5)

= 0.4965 + 0.3476 + 0.1217 + 0.0284 + 0.00497 + 0.000695
= 𝟎. 𝟗𝟗𝟗𝟖

𝜆𝑟 𝑒 −𝜆 0.79 𝑒 −0.7
c. 𝑃 (𝑟 = 9) = = = 𝟎. 𝟎𝟎𝟎𝟎𝟎𝟎𝟎𝟓𝟓
𝑟! 9!

18. La concertista de piano Donna Prima está muy molesta por el número de tosidos que
se presentan en la audiencia justo antes que empiece a tocar. Durante su última gira,
Donna estimó un promedio de ocho tosidos justo antes de empezar su concierto. La
señora Prima le ha advertido a su director que, si escucha más de cinco tosidos en el
concierto de esa noche, se rehusará a tocar. ¿Cuál será la probabilidad de que la
artista toque esa noche?

𝜆=8

𝜆𝑥 𝑒 −𝜆 80 𝑒 −8
 𝑃 (𝑥 = 0) = = = 0.000335
𝑥! 0!
𝜆𝑥 𝑒 −𝜆 81 𝑒 −8
 𝑃 (𝑥 = 1) = = = 0.00268
𝑥! 1!
𝜆𝑥 𝑒 −𝜆 82 𝑒 −8
 𝑃 (𝑥 = 2) = = = 0.0107
𝑥! 2!
𝜆𝑥 𝑒 −𝜆 83 𝑒 −8
 𝑃 (𝑥 = 3) = = = 0.0286
𝑥! 3!
𝜆𝑥 𝑒 −𝜆 84 𝑒 −8
 𝑃 (𝑥 = 4) = = = 0.057
𝑥! 4!
𝜆𝑥 𝑒 −𝜆 85 𝑒 −8
 𝑃 (𝑥 = 5) = = = 0.0916
𝑥! 5!

𝑃 (𝑥 > 5) = 1 − 𝑃(𝑥 ≤ 5)
= 1 − (𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5))
= 1 − (0.000335 + 0.00268 + 0.0107 + 0.0286 + 0.057 + 0.0916)
= 1 − 0.1909
= 𝟎. 𝟖𝟎𝟗

R= 0.809×100= 80.9% es la probabilidad de que, la artista toque esa noche.

19. El Centro Contencioso del Condado de Orange, en California, maneja varios tipos de
litigios, pero casi todos ellos son de tipo conyugal. De hecho, el 96% de los pleitos
que atiende el centro es de esta naturaleza.
a) ¿Cuál es la probabilidad de que, de 80 litigios atendidos por el centro,
exactamente siete no sean de tipo conyugal?
b) ¿Cuál es la probabilidad de que ninguno sea de carácter no conyugal?

0.96 → 𝑐𝑜𝑛𝑦𝑢𝑔𝑎𝑙
0.04 → 𝑁𝑜 𝑐𝑜𝑛𝑦𝑢𝑔𝑎𝑙
𝜆 = 𝑛 ∙ 𝑝 = (80)(0.04) = 3.2

𝜆𝑥 𝑒 −𝜆 3.27 𝑒 −3.2
a. 𝑃 (𝑥 = 7) = = = 𝟎. 𝟎𝟐𝟕𝟖
𝑥! 7!

R= 0.0278×100= 2.78% es la probabilidad de que, de 80 litigios atendidos por el centro,

exactamente siete no sean de tipo conyugal.

𝜆𝑥 𝑒 −𝜆 3.20 𝑒 −3.2
b. 𝑃 (𝑥 = 0) = = = 𝟎. 𝟎𝟒𝟎𝟕
𝑥! 0!

R= 0.0407×100= 4.07% es la probabilidad de que, ninguno sea de carácter no conyugal.

20. La Oficina de Impresión y Grabado de Estados Unidos es la responsable de imprimir

el papel moneda en ese país. El departamento tiene una sorprendente baja
frecuencia de errores de impresión; sólo el 0.5% de los billetes presenta errores
graves que no permiten su circulación. ¿Cuál es la probabilidad de que de un fajo de
1,000 billetes
a) Ninguno presente errores graves?
b) Diez presenten errores que no permitan su circulación?
c) Quince presenten errores que no permitan su circulación?
𝑝 = 0.5% = 0.005 → 𝑏𝑖𝑙𝑙𝑒𝑡𝑒𝑠 𝑝𝑟𝑒𝑠𝑒𝑛𝑡𝑎𝑛 𝑒𝑟𝑟𝑜𝑟𝑒𝑠 𝑔𝑟𝑎𝑣𝑒𝑠
𝜆 = 𝑛 ∙ 𝑝 = (1000)(0.005) = 5
𝜆𝑥 𝑒 −𝜆 50 𝑒 −5
a. 𝑃 (𝑥 = 0) = = = 𝟎. 𝟎𝟎𝟔𝟕𝟒
𝑥! 0!

R= 0.00674×100= 0.67% es la probabilidad de que, de un fajo de 1000 billetes ninguno

presente errores graves.

𝜆𝑥 𝑒 −𝜆 510 𝑒 −5
b. 𝑃 (𝑥 = 10) = = = 𝟎. 𝟎𝟏𝟖𝟏𝟑
𝑥! 10!
R= 0.01813×100= 1.81% es la probabilidad de que, de un fajo de 1000 billetes diez
presenten errores que no permitan su circulación.

𝜆𝑥 𝑒 −𝜆 515 𝑒 −5
c. 𝑃 (𝑥 = 15) = = = 𝟎. 𝟎𝟎𝟎𝟏𝟓𝟕𝟐
𝑥! 15!

R= 0.0001572×100= 0.0157% es la probabilidad de que, de un fajo de 1000 billetes quince

presenten errores que no permitan su circulación.