TRABAJO COLABORATIVO 2

PROBABILIDAD

PRESENTADO POR:
REINALDO SALAMANCA
CESAR AUGUSTO CASTAO
ALEXANDER PITTO
JUAN MIGUEL MEJIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

NOVIEMBRE DE 2014

Variables aleatorias.
Una variable aleatoria es, una funcin que asigna un nmero real a cada resultado en
el espacio muestral de un experimento aleatorio. Se denota con una letra mayscula
tal como X. En este tema se ver la importancia de cuantificar los resultados de un
experimento aleatorio sabiendo que ellos pueden ser cualitativos o cuantitativos
Para facilitar estos clculos se acude a una funcin que ubica el espacio muestral en el
conjunto de los nmeros reales, esta es conocida como variable aleatoria. Se puede
definir como variables aleatorias cuyos valores sean contables o no, y al ser una
caracterizacin cuantitativa de los resultados de un espacio muestral, ellas pueden ser
discretas o continuas
Variable aleatoria X es discreta si el nmero de valores que puede tomar es finito (o
infinito contable).
Distribucin de probabilidad de una variable aleatoria X es una descripcin del conjunto
de posibles valores de X, junto con la probabilidad asociada con cada uno de estos
valores. Esta distribucin bien puede ser una grfica, una tabla o una ecuacin que da
la probabilidad de cada valor de la variable aleatoria y se considera como el resumen
ms til de un experimento aleatorio.
Toda distribucin de probabilidad debe satisfacer cada uno de los dos requisitos
siguientes:

P ( X =x ) =1
0 P

( X =x ) 1

Variable aleatoria X es continua s el nmero de valores que puede tomar estn

contenidos en un intervalo (finito o infinito) de nmeros reales. Dichos valores pueden
asociarse a mediaciones en una escala continua, de manera que no hay interrupciones.
La distribucin de probabilidad de una variable aleatoria continua X est caracterizada
por una funcin f

( x ) que recibe el nombre de funcin de densidad de probabilidad.

Esta funcin de densidad de probabilidad f

( x ) permite calcular el rea bajo la curva

que representa la probabilidad de que la variable aleatoria continua X tome un valor

entre el intervalo donde se define la funcin.

Formalmente, la funcin de densidad de probabilidad f

( x ) de una variable aleatoria

continua, se define como tal si para cualquier intervalo de nmeros reales [a,b] se
cumple que:

F ( x ) 0

Esperanza matemtica y varianza de una variable aleatoria

El valor esperado (tambin llamado media o esperanza matemtica) de una variable
aleatoria discreta X es una medida de posicin para la distribucin de X. Se simboliza
con y se calcula al sumar el producto de cada valor de X con su probabilidad
correspondiente.
DISTRIBUCIN BINOMIAL
Definicin
Es una de las distribuciones de probabilidad ms tiles (control de calidad, produccin,
investigacin). Tiene que ver con el experimento aleatorio que produce en cada ensayo
o prueba uno de dos resultados posibles mutuamente excluyentes: ocurrencia de un
criterio o caracterstica especfico (llamado xito) y no ocurrencia de ste (llamado
fracaso). Los trminos o calificativos de "xito y fracaso" son solo etiquetas y su
interpretacin puede no corresponder con el resultado positivo o negativo de un
experimento en la realidad.
En general, un experimento aleatorio que consiste de n ensayos repetidos tales que:

Los ensayos son independientes

Cada ensayo es de tipo Bernoulli. Esto es, tiene slo dos resultados posibles:
"xito" o "fracaso".
La probabilidad de xito de cada ensayo, denotada por p, permanece constante.

DISTRIBUCIN BINOMIAL NEGATIVA y GEOMTRICA

Definicin
En la distribucin geomtrica, la variable aleatoria estaba definida como el nmero de
ensayos Bernoulli necesarios para obtener el primer xito. Suponga ahora que se desea
conocer el nmero de ensayos hasta obtener r xitos; en este caso la variable aleatoria
es denominada binomial negativa.
La distribucin binomial negativa o distribucin de Pascal es una generalizacin de la
distribucin geomtrica donde la variable aleatoria X es el nmero de ensayos Bernoulli
efectuados hasta que se tienen r xitos, con una probabilidad constante de xito p. Se
dice entonces que X tiene una distribucin binomial negativa con parmetros p y r = 1,
2, 3,...
Distribucin Hipergeomtrica.

Supongamos que tenemos una poblacin de tamao N y de ella se selecciona una

muestra de tamao n para verificar si cada elemento tiene o no una cierta
caracterstica, esto se puede manejar en trminos de xito y de fracaso. Si el tamao
de la muestra n es pequeo en comparacin con el tamao de la poblacin N ( n / N
5% ) podemos considerar los intentos como independientes y asumir que probabilidad
de obtener un xito en un elemento es la misma en cada intento, por lo que podemos
aplicar
la
distribucin
binomial.
Sin embargo si el tamao de la muestra n es grande en comparacin con el tamao de
la poblacin N entonces la probabilidad de obtener un xito en un intento se ve
afectada por los resultados en intentos anteriores es decir que son dependientes.
Cuando pasa esto el nmero x de xitos sigue lo que se conoce como una distribucin
hipergeomtrica de probabilidad.
Es importante remarcar que tanto la distribucin binomial como la distribucin
hipergeomtrica persiguen un mismo objetivo (el nmero de xitos en una muestra
que contiene n observaciones), la diferencia entre ellas es que la hipergeomtrica
considera no solo a los elementos de la muestra, sino tambin a los elementos de la
poblacin.
En resumen la distribucin hipergeomtrica es aquella en la que se considera la
existencia de xitos y/o fracasos en una poblacin conocida, y de la cual se extrae una
muestra sin remplazo donde tambin existen xitos o fracasos.
Su principal aplicacin es en el muestreo de aceptacin y control de calidad donde de
un lote de artculos se toma una muestra y se analiza para decidir si se acepta o
rechaza todo el lote.

Criterios o propiedades que la caracterizan.

1. La poblacin N del conjunto de unidades o elementos es de orden finito, de los
cuales una parte: k "son xitos", y otra parte son "fracasos".
2. Cada elemento puede ser caracterizado como xito o fracaso.
3. Se obtiene una muestra aleatoria de n elementos todos a la vez (sin
reemplazamiento) y no de forma independiente. No son pruebas repetidas.
4. El tamao de la muestra aleatoria n es grande relativamente en comparacin con el
tamao de la poblacin. Generalmente

n
>5
N

5. Se busca la probabilidad de x= nmero de xitos a partir de los k resultados o

elementos y (n-x) fracasos a partir de los N-k elementos as clasificados, al obtener una
muestra aleatoria de tamao n.
Supongamos un lote de N productos de los cuales:
Obtenemos muestra de n productos, todos a la vez. Interesa entonces la probabilidad
de sacar x productos defectuosos (xito), o sea: p(x).
Podemos hacer el siguiente raciocinio:

Si en una poblacin de N elementos se tienen k xitos, la probabilidad de que en una

muestra aleatoria de n elementos seleccionados sin reemplazo se tengan x xitos est
dada por:

k N k
(
x )( nx ) C C
p ( x )=
=
N
(n) C
k
x

N k
nx
N
n

con xk

N = nmero de elementos en la poblacin

muestra
k = nmero de xitos en la poblacin
muestra

n = nmero de elementos en la
x = nmero de xitos en la

CnN

es el nmero de maneras en que se puede tomar una muestra n de la poblacin

C kx

es el nmero de formas en que se toman x xitos del total r xitos que hay en la

poblacin
Nk
Cnx

es el nmero de maneras en que se puede tomar n-x fracasos del total N-r de

la poblacin
La media (esperanza) y desviacin estndar de la distribucin hipergeomtrica estn
dadas por:
Media

=n

( Nk )

Desviacin estndar

Varianza

2=

k Nk Nn
Nk Nn
= (
(
)(
)(
)
N N N1 N )( N1 )

= n

n
( NNk )( NN1
)

Distribucin Poisson.
Sea X una variable aleatoria que representa el nmero de eventos aleatorios
independientes que ocurren con igual rapidez en un intervalo de medida. Se tiene
entonces que la funcin de probabilidad de esta variable, se expresa por:

f ( x )=P [ X=x ] =

e
x!

X=0,1,2,..;o en cualquier otro punto o valor.

Donde es parmetro de tendencia central de la distribucin y representa el nmero

promedio o cantidad esperada de ocurrencias (xitos) del evento aleatorio por unidad
de medida o por muestra; e=2.71828 y x=Nmero de ocurrencias especficas para el
cual se desea conocer la probabilidad respectiva. Segn sea el valor de , se define
toda una familia de probabilidades de Poison. La probabilidad de que una variable
aleatoria de Poison X sea menor o igual a un valor de x se halla por la funcin de
distribucin acumulativa, planteada entonces como:
x

p ( X x )=F ( x )=

x=0

e k
k!

Los resultados de las probabilidades individuales para valores de X sern ms

pequeos conforme la variable aleatoria toma valores cada vez ms grandes.
Los resultados de las probabilidades individuales para valores de X sern ms
pequeos conforme la variable aleatoria toma valores cada vez ms grandes
La distribucin de Poisson tiene la particularidad de que la media y la varianza son
iguales
E(x)=

var(x)=

Distribucin uniforme discreta.

Describe el comportamiento de una variable discreta que puede tomar n valores
distintos con la misma probabilidad cada uno de ellos. Un caso particular de esta
distribucin, ocurre cuando los valores son enteros consecutivos. Esta distribucin
asigna igual probabilidad a todos los valores enteros entre el lmite inferior y el lmite
superior que definen el recorrido de la variable.
Distribucin uniforme continua.
Una variable aleatoria se dice que sigue una distribucin uniforme continua en un
intervalo real (a,b), y se representa por (a,b), si su funcin de densidad es constante en
dicho intervalo y nula fuera de l; es decir:
Distribucin Normal.

La distribucin normal es de suma importancia en estadstica por tres razones

principales:

Numerosas variables continuas de fenmenos aleatorios tienden a comportarse

probabilsticamente mediante sta.

Es el lmite al que convergen tanto variables aleatorias continas como

discretas.

Proporciona la base de la inferencia estadstica clsica debido a su relacin con

el teorema del lmite central.

CUADRO SINOPTICO
VARIABLE
ALEATORIA
DISCRETA
VARIABLEALEATORIA
CONTINUA
VALOR ESPERADO Y
VARIANZA

VARIABL
ES
ALEATOR
IAS Y

DISTRIBUCION
BINOMIAL

DISTRIBUCION
BINOMIAL
NEGATIVA
DISTRIBUCION
HIPERGEOMETRICA

DISTRIBUCION DE
POISSON

Est dada por

S el nmero de valor que puede tomar

es finito.

(X)

Est caracterizada
Puede asumir un nmero infinito de
valores dentro de un determinado rango. por la Variable f

(x)
La varianza de una variable aleatoria es una
medida de la dispersin de la distribucin de
probabilidad de sta.
Los ensayos son independientes. Cada
ensayo es de tipo Bernoulli. Esto, tiene slo
dos resultados posibles: "xito" o "fracaso.
La probabilidad de xito de cada ensayo,
denotada por p, permanece constante.

La variable aleatoria estaba definida como el

nmero de ensayos Bernoulli necesarios para
obtener el primer xito
En ella se considera la existencia de xitos y/o
fracasos en una poblacin conocida, y de la
cual se extrae una muestra sin remplazo
donde tambin existen xitos o fracasos.
Expresa, a partir de una frecuencia de
ocurrencia media, la probabilidad de que
ocurra un determinado nmero de eventos
durante cierto perodo de tiempo.

Caractersticas:
1. Tendencia
Central
2. Variacin
3. Asimetra
f(x,p,r)= x-1Cr-1 qxr .pr
x=r,r+1,r+r+2+....

k N k
(
x )( nx ) C C
p ( x )=
=
N
(n) e C
k
x

N k
nx
N
n

f ( x )=P [ X=x ] =

x!

X=0,1,2,..;o en

DISTRIBUCION
UNIFORME CONTINUA

DISTRIBUCION
UNIFORME DISCRETA

DISTRIBUCION
NORMAL

DISTRIBUC
ION
EXPONENC
DISTRIBUCI
ON
CHI

Se dice que sigue una distribucin uniforme

continua en un intervalo real (a,b), y se
representa por (a,b), si su funcin de
densidad es constante en dicho intervalo y
nula fuera de l.

Describe el comportamiento de una variable discreta

que puede tomar n valores distintos con la misma
probabilidad cada uno de ellos

La distribucin normal es de suma

importancia en estadstica por tres
razones principales.
Es la nica variable aleatoria
Continua cuya tasa de fallos es
constante

P ( X I )=

1
n

y su funcin de distribucin
la funcin escalonada.

1
F ( X ) = 1 ( , x ] ( x i ) .
n

f x ( x)

La distribucin normal es la
ms extendida en
estadstica y muchos tests
estadsticos estn basados
en una supuesta
La funcin generadora es:

m ( t )= t , sit 0

Es una distribucin de probabilidad continua con un parmetro k que

representa los grados de libertad de la variable aleatoria.

EJERCICIOS

EJERCICIO 1

Suponga que un comerciante de joyera antigua est interesado en comprar una

gargantilla de oro para la cual las probabilidades de poder venderla con una ganancia
de $ 250, $ 100, al costo, o bien con una prdida de $150 son: respectivamente: 0.22,
0.36, 0.28, 0.14. Cul es la ganancia esperada del comerciante?

DESARROLLO
n

E ( X )= ( XiPi )
i=1

E ( X )= ( XiPi )
i=1

( X )=250 ( 0.22 )+100 ( 0.36 )+ 0 ( 0.28 )150 ( 0.14 )

( X )=55+36+021
( X )=70

Respuesta: La ganancia es de $ 70

EJERCICIO 2
Suponga que la probabilidad de que una persona dada crea un rumor acerca de las
transgresiones de cierta actriz famosa es de 0,8. Cul es la probabilidad de que:

DESARROLLO
a.- la sexta persona en escuchar este rumor sea la cuarta en creerlo?
n=6

p = 0.8

X=4

q = 1- p = 1- 0.8 = 0.2

P ( X=x )=( x ) ( p )x
n

0.8

0.2

P ( X=x )=( 6 )
4

0.8

0.2

6!

4 ! ( 64 ) !

0.8

0.2

654 !

4 ! ( 64 ) !

30
( 0.4096 ) ( 0.04 )
2!

30
( 0.4096 ) ( 0.04 )
2

15 ( 0.4096 ) ( 0.04 )

= 0.24576
= 24.576%
Respuesta: La probabilidad de que la sexta persona en escuchar el rumor sea la cuarta
en creerlo es de 0.24576 es decir de 24.576%
b.- La tercera persona en escuchar este rumor sea la segunda en creerlo?

P( X =x)=( x ) ( p )x
n

n=2

x=3

=(

3
2 )

0.8
0.2

p = 0.8

q = 0.2

0.8

0.2

3!

2 ! ( 32 ) !

0.8

32 !

2 ! ( 1) !

3
( 0.512 )( 0.2 )
1
3 ( 0.512 )( 0.2 )
= 0.3072
= 30.72%
Respuesta: la probabilidad de que la tercera persona en enterarse, sea la segunda en
creer es del 0.3072, es decir de 30.72%

EJERCICIO 3.
Una empresa ha encontrado que la duracin de sus llamadas telefnicas tienen una
distribucin normal con media tres minutos y desviacin estndar de 1,8 minutos. a.En qu proporcin las llamadas tendran una duracin de ms de dos minutos pero
menos de tres y medio minutos. b.- Si una secretaria va a realizar una llamada cual es
la probabilidad de que la llamada dure ms de cinco minutos.
DESARROLLO
a.- En qu proporcin las llamadas tendran una duracin de ms de dos minutos pero
menos de tres y medio minutos?
M= 3

= 1.8
Tabla de distribucin normal.

XM

Z=

P(

2 < X <3.5
)
1

X=Z

3.53
<Z <
( 23
1.8
1.8 )

X= 3.5

X3
1. 8

0.5
<Z<
( 1
1.8
1.8 )

P ( Z <0.277 )

P (0.5555< Z< 0.2777 )

P ( Z <0.5554 )

P ( Z <0.2777 ) ( Z <0.5555 )

P ( Z < X <0.5555 )

1P ( Z <0.5555 )

P ( Z < X <3.5 )

1 p( z 0.5555)
z< 0.2777
P

Tabla de distribucin normal

Valor para: 0.27 y 0.28 en 0.2777 en 0.55 y 056 en 0.5555
Tabla normal

( 0 . 27 )=0 . 6064

Tabla normal

( 0 . 28 )=0 . 6103

Tabla normal

( 0 .55 )=0 . 708

Tabla normal

( 0 .56 )=0 . 7123

Valores para 0.2777 Y 0.5555, 0.2771

Tabla normal para 0.27 es 0.6064 y para 0.28 es 0.6103
Valor para 0.2777= 0.6064 + 0.7777

( 0 . 61030 . 6064 )

= 0.6094
tabla normal para 0.55 y 0.56
Valor para 0.5555 = 0.7088 + 0.5555 *

( 0 .7103 .0 .7088 )

= 0.7107

P (2< Z <3 .5 )=( Z< 0 .2777 ( 1PZ <0 . 555 ) )

0.6094( 10.7107 )
= 0.6094- 0.2893

P (2< Z <3.5 )=0,3201

Respuesta = 0,3201

b.- probabilidad de que una llamada dure ms de cinco minutos.

P ( X >5 )

P ( X >5 )=1P ( X <5 )

Z=

XM X3
=

1. 8

1P ( X <5 ) =1P Z <

53
1
=1P Z <
1.8
1.8

1P ( X <5 ) =1P ( Z <1.1111 )

tabla normal, valores para 1.11 y 1.12
Valor tabla (1.11) = 0.8665
Valor tabla

( 1.12 )=0.8686

Por lo tanto el valor 1.1111

0.8665+0.1111 ( 0.86860.8665 )
0.8665+0.1111 ( 0.0021 )
= 0.8667

P ( X >5 )=1P ( X <5 )=10.8667=0.1333

Respuesta: la probabilidad de que una llamada dure ms de cinco minutos es de
0.1333

EJERCICIO 4
Un piloto privado desea asegurar su avin por 50.000 dlares. La compaa de seguros
estima que puede ocurrir una prdida total con probabilidad de 0.002, una prdida de
50% con una probabilidad de 0.01 y una de 25% con una probabilidad de 0.1. Si se
ignoran todas las otras prdidas parciales, que prima debe cargar cada ao la
compaa de seguros para obtener una utilidad media de US $5000.
DESARROLLO
La probabilidad de que no exista prdida es:
1 (0.002 + 0.01 + 0.1) = 0.088

La utilidad media es:

x E ( x) ( P *0.0888) (5000*0.002) (2500*0.01) (1250* 0.1) 5000

P *0.238 100 250 1250 5000
P *0.888 1600 5000
5000 1600
P
0.888
P 7432.43
La compaa debe cargar una prima de 7432.43 dlares.

EJERCICIO 5
Segn los registros universitarios fracasa el 5% de los alumnos de cierto curso. Cul
es la probabilidad de que de 6 estudiantes seleccionados al azar, menos de 3 hayan
fracasado?
DESARROLLO
P(x<3) = P(x=0) + P(x=1)+P(x=2)

()

*(0.05)0 *(0.95) 6 0.7350

6
0

()

*(0.05)1 *(0.95) 5 0.2321

6
0

6
0

*(0.05) 2 *(0.95) 4 0.031

P( x 3)

P( x 1)

P( x 2)
=

()

P( x 2) 0.9981

EJERCICIO 6
Un calentador de agua requiere por trmino medio 30 minutos para calentar 40
galones de agua hasta una temperatura determinada. Si los tiempos de calentamiento
se distribuyen normalmente con una desviacin estndar de 0,5 minutos Qu
porcentaje de los tiempos de calentamiento son superiores a 31 minutos?
DESARROLLO

 30 y 0.5
N 40
x 31 30
1
Z1

0.5
0.5
P ( Z 2) 1 P( Z 2) 1 0.97725 0.0228

El porcentaje de tiempos de calentamiento superiores a 31 minutos es de

40x0.0228=0.912x100=91.2%

EJERCICIO 7
Una persona pide prestado un llavero con cinco llaves, y no sabe cul es la que abre un
candado. Por tanto, intenta con cada llave hasta que consigue abrirlo. Sea la variable
aleatoria X que representa el nmero de intentos necesarios para abrir el candado.
a.- Determine la funcin de probabilidad de X.
b.- Cul es el valor de P ( X 1)?
DESARROLLO:
La probabilidad de abrir a la primera es 1/5
La probabilidad de abrir a la segunda es la probabilidad de no abrir - abrir

4 /51 /4=1/ 5

Ya que primero tenemos 5 llaves de las que 4 no abren 4/5 y despus para la segunda
tenemos 4 de las que 1 abre el candado
De la misma manera para 3 intentos

4 /53 /41/3=1/5

Para 4 intentos

4 /53 /42/31/2=1/5

Para 5 intentos

4 /53 /42/31/2=1/5

P( X )=1/5
P( X 1)=P( X =1)=1/5

EJERCICIO 8
En el metro de la ciudad de Medelln, los trenes deben detenerse solo unos
cuantos segundos en cada estacin, pero por razones no explicadas, a menudo
se detienen por intervalos de varios minutos. La probabilidad de que el metro se
detenga en una estacin ms de tres minutos es de 0,20.
a.- Halle la probabilidad de que se detenga ms de tres minutos por primera vez, en la
cuarta estacin desde que un usuario lo abordo?
b.- Halle la probabilidad de que se detenga ms de tres minutos por primera vez antes
de la cuarta estacin desde que un usuario lo abordo?

DESARROLLO:

a.

B ( x ; p , n )=f (x ; 0.2,4)

()

p ( x=1 )= 4 0.210.83 =0.4096=40.96

1
b.
3

()

p ( 4 ) = 3 0.2i0.83i=0.488=48.8
i=1 i

EJERCICIO 9

En una panadera se cortan panecillos con un peso que se ajusta a una distribucin
normal de media 100 g y desviacin tpica 9. Cul es la probabilidad de obtener un
panecillo cuyo peso oscile entre 80 g y la media?

DESARROLLO:

=100 y =9

p ( 80< x< 100 )=z 1=

x 80100 20
=
= =2.22

9
9

p ( 80< x< 100 )=z 1=

x 100100 0
=
= =0

9
9

1 p
z>2.22))=0.5-(1-0.98679)
p (2.22< z <0 ) =p ( z <0 )
=0.5-0.013121=0.48679
Probabilidad de obtener un panecillo con peso entre 80g y 100g es de 0.48679

EJERCICIO 10

Un jugador tiene tres oportunidades de lanzar una moneda para que aparezca una
cara, el juego termina en el momento en que cae una cara o despus de tres intentos,
lo que suceda primero. Si en el primero, segundo o tercer lanzamiento aparece cara el
jugador recibe $20000, $40000 o $80000 respectivamente, si no cae cara en ninguno
de los tres pierde $200000. Si X representa la ganancia del jugador:
a.- Encuentre la funcin de probabilidad f(x)
b.- Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar S(x)

DESARROLLO

a.- Encuentre la funcin de probabilidad f(x)

La probabilidad de que aparezca una cara es 1/2, la probabilidad de que aparezca dos
caras seguidas es (1/2)(1/2) = (1/4), la probabilidad de que aparezcan tres caras
seguidas es (1/2)(1/2)(1/2) = 1/8, que es la misma probabilidad de que no aparezca
una sola cara, por tanto la distribucin de probabilidad es:

b.- Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar S(x)
El valor esperado est definido por:

E ( x )= f ( x )x

( 12 )+40000( 14 )+80000( 18 )200000( 18 )

E ( x )=20000

E ( x )=10000+10000+1000025000
E ( x )=5000

La Varianza est definida por:

2 ( x )=V ( x ) =E [( x)2 ]= [ (x)2f ( x) ]

( 12 )+( 400005000 ) ( 14 )+( 800005000 ) ( 18 )+ (2000005000) ( 18 )

( 200005000 )2

2 ( x )=112500000+306250000+703125000+5253125000

2 ( x )=6375000000

La Desviacin Estndar Est Definida por:

S ( x ) =V ( x )

S ( x ) =6375000000
S ( x ) =79843,59

EJERCICIO 11
6.- El propietario de una farmacia local sabe que en promedio, llegan a su farmacia 100
personas cada hora.
a.- encuentre la probabilidad de que en un periodo dado de 3 minutos nadie entre a la
farmacia
b.- Encuentre la probabilidad de que en un periodo dado de 3 minutos entren ms de 5
personas a la farmacia

DESARROLLO

=100 personas/hora
1 hora --> 100 personas
60 minutos --> 100 personas --> 5/3 personas por minutos
3 minutos --> 5/3 *3 = 5 personas
=5

P( X =x)=e()x / x !
en este caso,

(5)

P( X =x)=e

5 / x !

a.- encuentre la probabilidad de que en un periodo dado de 3 minutos nadie entre a la

farmacia

P( X =0)=e (5)50 /0 !=0.0067

b.- Encuentre la probabilidad de que en un periodo dado de 3 minutos entren ms de 5
personas a la farmacia

P( X >5)=P ( X=6)+ P( X=7)+ P( X=8)+...

P(X >5)=1P( X 5)
donde

p( X 5)=P( X =0)+ P( X =1)+ P( X=2)+ P(X =3)+ P( X=4)+ P(X =5)

(5)

P( X =1)=e

(5)

P( X =3)=e

P( X =0)=e

5 /0 !=0.0067

P( X =2)=e

5 /2 !=0.0842

(5)

P( X =4)=e

5 /4 !=0.1754

Sumando

(5)

(5)

(5)

P( X =5)=e

5 /1 !=0.0336
5 /3 !=0.1403

5 /5!=0.1754

P( X 5)=0.6156
Por tanto

P( X >5)=10.6156=0.3844

EJERCICIO 12
Se ha determinado que para varones normales en una cierta poblacin normalmente
distribuida, la temperatura media es de 37C y desviacin estndar de 0,5C. Si se

consideran 1000 de estas personas Cuntas se puede esperar que tengan una
temperatura comprendida entre 37C y 37,6C?

DESARROLLO

=37 C

=0,5 C

n=1000

P[37 C x 37,6 C ]=?

x =37 C

x =37,6 C
Estandarizamos:

z =0 C/0,5 C

z =(x )/

z =(37 C37 C)/ 0,5 C

z =(x )/

z =( 37,6 C37 C)/ 0,5 C

z =0,6 C /0,5 C

z =0

z =1,2

Hal

lamos la probabilidad de z y z, buscando en la tabla de distribucin normal (de 0 a z)

o usando las funciones estadsticas de Excel (de - a z):

P[ z z ]=P[ z 0]=0

P[ z z ]=P[ z 1,2]=0,3849

En este caso,

P[37 C x 37,6 C ] P [z z z ]

P[0 z 1,2]=P[ z 1,2]P[ z 0]

P[0 z 1,2]=0,3849

P[ z z z ]=P[ z z ]P[ z z ]

P[0 z 1,2]=0,38490

P[0 z 1,2]=38,49

As, la probabilidad de que una persona tenga una temperatura entre 37C y 37,6C es
del 38,49%. Para saber a cuntas personas de la muestra corresponde este porcentaje,
simplemente calculamos una regla de 3:

RESPUESTA: Se puede esperar que aproximadamente 385 personas tengan la

temperatura comprendida en el rango propuesto.

ESTUDIO DE CASO

Por medio de las suposiciones de Seligman, calcule la probabilidad de que la

estatura de un solo varn adulto chino escogido al azar sea menor o igual a 154 cm.

Respuesta
M= 167.8 cms

= 6.8 cms
X= Variacin con 1.54 cms de estatura o menos.
Se tiene distribucin normal estndar.
Tomamos la tabla de distribucin normal estndar.

X M

Para X= 154 cms

154 167.8
2.02
6.8

P ( 154cms )
Tabla para Z= -2,02

P ( Z 2.02) 0.0217 2 P %
P ( X 154cms ) 2%

Respuesta: La estatura de un solo varn adulto chino escogido al azar sea menor o
igual a 154 cm, es del 2%.

Los resultados de la pregunta 1, concuerdan con las probabilidades de Seligman?

Respuesta
Los resultados parecen concordar con las suposiciones de Seligman, debido a que el
porcentaje obtenido es del 2%, en comparacin del 2,5 % supuesto por l.

Comente acerca de la validez de las suposiciones de Seligman Hay algn error

bsico en su razonamiento?

Respuesta
El error bsico que podemos detectar en el razonamiento de Seligman es el hecho de
que no se considera ninguna variable adems de la altura y esto podra inclinar las
conclusiones de estudio.

Con base en los resultados anteriores, argumente si considera o no que Deng

Xiaping tomo en cuenta la estatura al elegir a su sucesor.

Respuesta
Se puede concluir que no es suficiente para generar la conclusin de que Deng
Xiaping tom la decisin obedeciendo nicamente a criterios de la estatura, ya que, es
importante conocer las dems caractersticas, no solo fsicas de los candidatos.