Distribuciones Binomial, Poisson y Normal

ESTADISTICA INFERENCIAL
Michelle Pastas Vélez Cod: 100068530
Corporación Universitaria Iberoamericana
2021
Actividad 4 Distribución Binomial. Poisson y Normal
Michelle Pastas Vélez Cod: 100068530
Contaduría Publica
Estadística Inferencial
Bogotá
2021
Ingeniería Industrial
Estadística Inferencial
Actividad 4
Taller Distribuciones Binomial, Poisson y normal
Competencia:
Identificar la distribución de probabilidad más confiable, aplicando la a los casos o

problemas de forma asertiva y óptima para reducir la incertidumbre en los procesos de
toma de decisiones más acertada.
Lea con atención los siguientes problemas relacionados con distribuciones de

probabilidad discretas y continuas, a saber, distribución binomial, distribución Poisson y
distribución normal. Luego, revise la instrucción y resuelva cada uno de los ejercicios.
1. Suponga que una empresa petrolera sostiene que, en los procesos de exploración y
explotación, la probabilidad de que un pozo sea productivo es del 32%. Se establece
que se va a la iniciar explotación en 8 pozos. Cuál es la probabilidad de que:
a. Todos sean productivos.

b. Exactamente 3 no sean productivos.
c. Por lo menos dos no sean productivos.
Probabilidad de distribución Binomial
P= pozos productivos
Q= posos no productivos
P= 32% = 0,32
Q= 68% = 0,68
p (x=k) = Cn,k * p∧k * q∧n-k
n = 8 pozos
k=3
P (X = 3) = C8,3 * (0,32) ³ * (0,68) ⁵

P (X = 3) = 8*7**6*5*4/5*4*3*2*1 (0,032768) (0,1453933)
P (X = 3) =56* (0,032768) (0,1453933)
P (X =3) = 0,266798 = 26,6798%
2. Un jugador de baloncesto tiene una probabilidad de 0,34 de anotar tiros desde la zona
de 3 puntos. Cuál es la probabilidad de que al tirar 9 veces enceste:
a. 4 veces.
b. Todas las veces.
c. Más de 6 veces.
Probabilidad binomial:
p: probabilidad de encestar
q: probabilidad de no encestar
p = 0,3 4
q= 0,66
La probabilidad de que al tirar 9 veces enceste 4 veces es:

n=9 lanzamientos
k=4 encestas
P(x=k) = Cn,k p∧k*q∧(n-k)
P (x=4) = C9,4 (0,34)⁴ (0,66)⁵
C9,5=9! / (4!5!) =9*2*7=126
P (x=4) = (126) (0.01) (0.13)
P (x=4) =0.16=16%
Así que la probabilidad de que al tirar 9 veces enceste 4 veces es de 16%
La probabilidad de que al tirar 9 veces enceste todas las veces es:
n=9 lanzamientos
k=9 encestas
P (x=9) = C9,9 (0,34)⁹(0,66)⁰
C9,9=9! / (9!0!) =1
P (x=4) = (1) (0.00006)
P (x=4) = 0.00006=0.006%
Así que la probabilidad de que al tirar 9 veces enceste todas las veces es de 0.006%
La probabilidad de que al tirar 9 veces enceste más de 6 veces: Como los eventos son
independientes, entonces la probabilidad será la suma de que enceste 7 veces más la
probabilidad de que enceste 8 veces más de la que enceste 9 veces.
P(x>6) = P(x=7) + P(x=8) + P(x=9)

Hallemos P(x=7)
n=9 lanzamientos
k=7 encestas
P (x=7) = C9,7 (0,34)⁷(0,66)²
C9,7=9! / (7!2!) = 9*4=36
P (x=7) = (36) (0.0005) (0.44)
P (x=7) = 0.008=0.8%
Hallemos P(x=8)
n=9 lanzamientos
k=8 encestas
P (x=8) = C9,8 (0,34)⁸(0,66)
C9,8=9! / (8!1!) = 9
P (x=8) = (9) (0.0002) (0.66)
P (x=8) = 0.001=0.11%
Así que P(x>6) = 0.8%+0.11%+0.006%=0.91%
3.El 13% de los huevos en una tienda están podridos. Halle la probabilidad de que un
cliente que compra media docena de huevos encuentre como mucho un huevo podrido.
La probabilidad de que encuentre como mucho un huevo podrido es 0.822394519

Una distribución binomial es una distribución de probabilidad discreta que conociendo la
probabilidad de éxito de un evento se quiere determinar que en un experimento tengamos
x éxitos, la función de probabilidad es: P (X = x) = n! / ((n-x) ! * x!) * p ˣ *(1-p)ⁿ⁻ˣ
Entonces en este caso p = 0.13, n = 6 y se desea saber la probabilidad de X ≤ 1

P (X ≤ 1) = P (X= 0) + P(X=1)
P (X =0) = 6! / ((6-0)! *0!) * 0.13⁰*(1-0.13)⁶⁻⁰ = 6!/6!*1*0.87⁶ = 0.433626
P (X =1) = 6! / ((6-1)! *1!) * 0.13¹*(1-0.13)⁶⁻¹ = 6!/5!*0.13*0.87⁵ = 0.388768
P (X ≤ 1) = 0.433626 + 0.388768 = 0.822394519
4. La probabilidad de que se funda un bombillo en su transporte es del 3%. Si en un

envío
hay 35 bombillos, ¿cuál es la probabilidad de que al menos uno esté fundido debido a la
operación de transporte?
La probabilidad de que al menos uno esté fundido debido a la operación de transporte es

de 28,29%.
Empleamos la distribución binomial:
X≈Bin(n;p)
Datos:
n= 35
p= 0,03
b) P(x≥1)
P(x≥1) = 1- P(x<1)
P(x<1) = P(x=0) +P (x=1)
Sustituyendo tenemos:
P(x=0) = 0,3443
P(x=1) = 0,3728
P(x<1) = P(X=0) +P(x=1)
P(x<1) =0,3443 + 0,3728
P(x<1) = 0,7171
P(x≥1) = 1 - P (x<1)
P(x≥1) = 1 - 0,7171
P(x≥1) = 0,2829
5. La contaminación constituye un problema en la fabricación de discos de

almacenamiento óptico. El número de partículas de contaminación que ocurre en un
disco óptico tiene una distribución de Poisson y el número promedio de partículas por
centímetro cuadrado de superficie del disco es 0.1. El área de un disco bajo estudio es
100 centímetros cuadrados. Con estos datos:
a. Encuentre la probabilidad de que ocurran 12 partículas en el área del disco bajo
estudio.
b. Encuentre la probabilidad de que ocurran cero partículas en el área del disco bajo
estudio.
c. Determine la probabilidad de que 12 o menos partículas ocurran en el área del
disco
bajo estudio.
a. Probabilidad de que ocurran 12 partículas en el área del disco bajo estudio: 10,44%.
b. Probabilidad de que ocurran cero partículas en el área del disco bajo estudio: 0,005%
c. Probabilidad de que 12 o menos partículas ocurran en el área del disco bajo estudio:
78,52%.
Para solucionar este problema aplicamos la fórmula de Distribución de Poisson:

X≈Poiss(λ=x)
Donde:
Media= λ
Variable= x
Probabilidad de que ocurran 12 partículas en el área del disco bajo estudio.

Datos λ=0,1 * 100= 10
X≈Poiss(λ=10)
Dado que λ≥10 aproximamos la Distribución Poisson a la Normal:

λ= 10
σ= √λ= √10 = 3,16
6. De acuerdo con las estadísticas, existen 20,4 robos en cada mes. Responda:
a. ¿Cuál es la probabilidad que por lo menos dos personas hayan sido robadas en un
periodo de 2 semanas?
b. ¿Cuál es la probabilidad de que ninguna persona haya sido robada en una semana?
Probabilidad de Poisson:
Cuando no indican un promedio estadístico como dato, utilizamos esta probabilidad:
P(x=k) = μΛke-μ/k!
Datos:
e = 2,71828
μ= 20,4 robos al mes Si hay 20,4 robos al mes, y el mes tiene 4 semanas
Hay μ robos en una semana
μ= 5,1
a. ¿Cuál es la probabilidad que por lo menos dos personas hayan sido robadas en un
periodo de 2 semanas?
P(x≤2) = P(x=0) + P(x=1) + P(x=2)

P(x=0 ) = (10,2)∧0 (2,71828)∧-10,2 /0! =0,00037
P(x=1) = (10,2) ∧1 (2,71828) ∧-10,2 /1!= 0,00355
P(x=2) = (10,2) ∧2 (2,71828) ∧-10,2 /2! = 0,00193
P(x≤2) = 0,00585
b. ¿Cuál es la probabilidad de que ninguna persona haya sido robada en una semana?
P(x=0 ) = (5,1)∧0 (2,71828)∧-5,1 /0! =0,006
7. Los pesos de 1500 soldados presentan una distribución normal de media 68 kg y

desviación típica 7 kg. Calcule la probabilidad de que un soldado elegido al azar pese:
a. Más de 61 kg.
b. Entre 63 y 69 kg.
c. Menos de 70 kg.
d. Más de 75 kg.
Datos:
μ = 70 kg
σ = 12,5 kg
Distribución normal
Z = X-μ/σ
¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese menos de
80 kg?
P (X≤80 kg) =?
Z = 80-70/12,5 = 0,8 Valor que ubicamos en la tabla de distribución normal
P (X≤80 kg) = 0,78814 = 78,814%
¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese entre 50
kg y 85 kg?
P (50≤X85) =?
P (50≤X) = 0,0548
P (85≤X) =0,88493
P (50≤X85) = P (50≤X) -(1-P (85≤X))
P (50≤X85) =0,06
¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?
1,-0,93= 0,07 esta probabilista la ubicamos en la tabla de distribución normal para
determinar Z
Z = -1,48
-1,48 = X-70/12,5
-18,5 +70 = X
X = 51,50 kilos
8. La temperatura durante septiembre está distribuida normalmente con media 19,7ºC y
desviación standard 5ºC. Calcule la probabilidad de que la temperatura durante
septiembre esté por debajo de 20ºC y la probabilidad que la temperatura este entre 19°C
y 21°C.
La probabilidad de que en septiembre la temperatura este por debajo de 21°C es de:
67,72%
μ= 18,7 °C
σ= 5°C
x = 21°C
Probabilidad de distribución Normal
Calcule la probabilidad de que la temperatura durante septiembre esté por debajo de
21ºC.
P (x≤21°C) =?
Z = x-μ/σ
Z = 21-18,7/5
Z= 0,46 Valor que ubicamos en la tabla de distribución normal
Por lo que la probabilidad de que en septiembre la temperatura este por debajo a 21°C es
de: P (x≤21°C) = 0,67724 = 67,72%
9. Si X es una variable aleatoria de una distribución normal con media μ y desviación

estándar σ, calcule la probabilidad P(μ - 3σ < X < μ + 3σ).
Variable aleatoria de una distribución normal.

μ=10
σ=5
P (12≥X≤15) =?
Tipificamos la variable aleatoria:
X≈ N (10,5) ⇒ Z N(0,1)
Z1 = X1- μ/σ
Z1 = 12-10/5
Z1 = 0,4 buscamos el valor de la probabilidad en la Tabla Normal
P (X ≤12) = 0,65542 =65,54%

P (X≥12) = 1-0,65542 = 0,34458 = 34,46%
Z2 = X2 - μ/σ
Z2 = 15-10/5
Z2 = 1
P (X≤15) = 0,84134 = 84,13%
P (12≥X≤15) = 84,13% - 34,46% = 49,67%
10. La cantidad de productos no conformes de una compañía está distribuida

normalmente con media 8 y desviación standard 2.5. Calcule la probabilidad que la
cantidad de productos no conformes sea.
a. Mayor que 4.
b. Entre 4 y 6
c. Igual a 7

Distribuciones Binomial, Poisson y Normal

Cargado por

Copyright:

Formatos disponibles

Distribuciones Binomial, Poisson y Normal

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Distribuciones Binomial, Poisson y Normal

Cargado por

Copyright:

Formatos disponibles

ESTADISTICA INFERENCIAL

Michelle Pastas Vélez Cod: 100068530

Corporación Universitaria Iberoamericana

Michelle Pastas Vélez Cod: 100068530

Identificar la distribución de probabilidad más confiable, aplicando la a los casos o

Lea con atención los siguientes problemas relacionados con distribuciones de

a. Todos sean productivos.

Probabilidad de distribución Binomial

P (X = 3) = C8,3 * (0,32) ³ * (0,68) ⁵

La probabilidad de que al tirar 9 veces enceste 4 veces es:

P(x>6) = P(x=7) + P(x=8) + P(x=9)

La probabilidad de que encuentre como mucho un huevo podrido es 0.822394519

Entonces en este caso p = 0.13, n = 6 y se desea saber la probabilidad de X ≤ 1

4. La probabilidad de que se funda un bombillo en su transporte es del 3%. Si en un

La probabilidad de que al menos uno esté fundido debido a la operación de transporte es

5. La contaminación constituye un problema en la fabricación de discos de

Para solucionar este problema aplicamos la fórmula de Distribución de Poisson:

Probabilidad de que ocurran 12 partículas en el área del disco bajo estudio.

Dado que λ≥10 aproximamos la Distribución Poisson a la Normal:

P(x≤2) = P(x=0) + P(x=1) + P(x=2)

7. Los pesos de 1500 soldados presentan una distribución normal de media 68 kg y

9. Si X es una variable aleatoria de una distribución normal con media μ y desviación

Variable aleatoria de una distribución normal.

P (X ≤12) = 0,65542 =65,54%

10. La cantidad de productos no conformes de una compañía está distribuida

También podría gustarte