Andrés Miniguano Trujillo

ESCUELA POLITECNICA NACIONAL

PROBABILIDADES Y ESTADÍSTICA
Deber N. 5: Distribuciones Discretas de Probabilidad
(Binomial, Hipergeométrica, Poisson, Geométrica, etc.)

1. Usando tablas calcule:

a) 𝑩(𝟖, 𝟏𝟔, 𝟎. 𝟒𝟎)
𝐵(8,16,0.40) = 0.8577
b) 𝒃(𝟖, 𝟏𝟔, 𝟎. 𝟒𝟎)
𝑏(8,16,0.40) = 𝐵(8,16,0.40) − 𝐵(7,16,0.40) = 0.1417
c) 𝑩(𝟗, 𝟏𝟐, 𝟎. 𝟔𝟎)
𝐵(9,12,0.60) = 0.9166
d) 𝒃(𝟗, 𝟏𝟐, 𝟎. 𝟔𝟎)
𝑏(9,12,0.60) = 𝐵(9,12,0.60) − 𝐵(8,12,0.60) = 0.1419
e) ∑𝟐𝟎
𝒌=𝟔 𝒃(𝒌, 𝟐𝟎, 𝟎. 𝟏𝟓)
20

∑ 𝑏(𝑘, 20,0.15) = 𝐵(20,20,0.15) − 𝐵(6,20,0.15) + 𝑏(6,20,0.15) = 0.06731

𝑘=6
f) ∑𝟗𝒌=𝟔 𝒃(𝒌, 𝟗, 𝟎. 𝟕𝟎)
9

∑ 𝑏(𝑘, 9,0.70) = 𝐵(9,9,0.70) − 𝐵(6,9,0.70) + 𝑏(6,9,0.70) = 0.7230

𝑘=6
g) ∑𝟏𝟎
𝒌=𝟒 𝒃(𝒌, 𝟏𝟎, 𝟎. 𝟑𝟓)
10

∑ 𝑏(𝑘, 10,0.35) = 𝐵(10,10,0.35) − 𝐵(4,10,0.35) + 𝑏(4,10,0.35) = 0.4862

𝑘=4
h) ∑𝟒𝒌=𝟐 𝒃(𝒌, 𝟗, 𝟎. 𝟑𝟎)
4

∑ 𝑏(𝑘, 9,0.30) = 𝐵(4,9,0.30) − 𝐵(2,9,0.30) + 𝑏(2,9,0.30) = 0.7052

𝑘=2

2. En cierta ciudad, se da por hecho que los gastos médicos son la causa del 75% de todas las
quiebras personales. Calcule la probabilidad de que los gastos médicos sean la causa para
dos de las cuatro próximas quiebras personales en la ciudad.
Ha habido varias quiebras así que el recorrido de la variable 𝑋 va hasta 𝑛 . 4 elementos
seleccionados ~ Bernoulli.
4
𝑃(𝑋 = 2) = 𝑏(2,4,0.75) = ( ) 0.752 (1 − 0.75)2 = 0.2109
2

3. Supóngase que un examen en la administración pública está diseñado en forma tal que el
70% de las personas con un CI de 90 lo aprueben. Encuentre la probabilidad de que entre 15
personas con un CI de 90, que presentan el examen,
𝑋 número de personas con CI de 90 entre los 15 seleccionados que aprueban
éxito: aprueba el examen 𝑝 = 0.70
fracaso: no aprueba examen 𝑞 = 0.30
a) al menos 12 lo aprueben,
15

∑ 𝑏(𝑘, 15,0.70) = 0.2969

𝑘=12
b) a lo mas 6 lo aprueben,
𝐵(6,15,0.70) = 0.0152
c) 10 aprueben.
𝑏(10,15,0.70) = 0.2061
Andrés Miniguano Trujillo

4. Si 95% de ciertos neumáticos radiales de alto desempeño duran al menos 50.000 km,
determine la media y la desviación estándar de la distribución del número de estos
neumáticos, entre 20 seleccionados al azar, que duran al menos 50.000 km.
Recorrido de la variable 𝑋 va hasta 𝑛. 20 elementos seleccionados ~ Bernoulli.
𝜇𝑋 = 𝑛𝑝 = 20(0.95) = 19
𝜎𝑋2 = 𝑛𝑝𝑞 = 20(0.95)(0.05) = 0.95

5. Determine la media y la desviación estándar de la distribución de cada una de las siguientes

variables aleatorias:
a) El número de caras obtenidas en 676 lanzamientos de una moneda balanceada
Es un caso de distribución binomial: 𝑛 toma cualquier calor, en este caso 676, 𝑝 = 0.5 y es
estable ~ Bernoulli.
𝜇𝑋 = 𝑛𝑝 = 676(0.5) = 338
2
𝜎𝑋 = 𝑛𝑝𝑞 = 676(0.5)(0.5) = 169

b) El número de cuatros (4) obtenidos en 720 lanzamientos de un dado

1
Es un caso de distribución binomial: 𝑛 toma cualquier calor, en este caso 720, 𝑝 = 6 y es
estable ~ Bernoulli.
1
𝜇𝑋 = 𝑛𝑝 = 720 ( ) = 120
6
2
1 5
𝜎𝑋 = 𝑛𝑝𝑞 = 720 ( ) ( ) = 100
6 6

c) El número de unidades defectuosas en una muestra de 600 partes fabricadas por una
máquina, cuando la probabilidad de que cualquiera de ellas sea defectuosa es de 0.04
Es un caso de distribución binomial: 𝑛 toma cualquier calor, en este caso 600, 𝑝 = 0.04 y es
estable ~ Bernoulli.
𝜇𝑋 = 𝑛𝑝 = 600(0.04) = 24
𝜎𝑋2 = 𝑛𝑝𝑞 = 600(0.04)(0.96) = 22.1184

d) El número de estudiantes entre 800 entrevistados que no gustan de los alimentos que
sirven en el bar, cuando la probabilidad de que cualquiera de ellos no guste de los
alimentos es de 0.65
Es un caso de distribución binomial: 𝑛 toma cualquier calor, en este caso 800, 𝑝 = 0.65 y es
estable ~ Bernoulli.
𝜇𝑋 = 𝑛𝑝 = 800(0.65) = 520
2
𝜎𝑋 = 𝑛𝑝𝑞 = 800(0.65)(0.35) = 182

6. Un estudio revela que una empresa de computación contestó 70% de todas las consultas
dentro del término de 6 días. Calcule las probabilidades de que la empresa responda 0,1,2,...
o 10 de 10 consultas en el término de 6 días, dibuje un histograma de esta distribución de
probabilidad.
Es un caso de distribución binomial donde 𝑛 toma cualquier valor, aquí 𝑛 = 10, 𝑝 = 0.70.
𝑏(0,10,0.70) = 0.0000059049 Distribución de Probabilidad
𝑏(1,10,0.70) = 0.0001378 1.0000
𝑏(2,10,0.70) = 0.001447
Probabilidad Acumulada

0.8000
𝑏(3,10,0.70) = 0.0090017
𝑏(4,10,0.70) = 0.03676 0.6000
𝑏(5,10,0.70) = 0.10292 0.4000
𝑏(6,10,0.70) = 0.200121
0.2000
𝑏(7,10,0.70) = 0.2668
𝑏(8,10,0.70) = 0.23347 0.0000
𝑏(9,10,0.70) = 0.1211 0 1 2 3 4 5 6 7 8 9 10
Valores de X
𝑏(10,10,0.70) = 0.02825
Andrés Miniguano Trujillo

7. Un ingeniero de control de calidad inspecciona una muestra aleatoria de 3 acumuladores de

cada lote de 24 que están listos para ser embarcados. Si un lote contiene seis acumuladores
con pequeños defectos, ¿cuáles son las probabilidades de que la muestra del inspector
contenga:
Es un caso de distribución hipergeométrica donde 𝑁 = 24, aquí 𝑟 = 6, 𝑛 = 3.
Éxito: baterías con defectos
a) ninguna de las baterías con defectos;
6 24 − 6
( )( )
ℎ(0,3,6,24) = 0 3 − 0 = 0.40316
24
( )
3
b) solamente una de las baterías defectuosas;
6 24 − 6
( )( )
ℎ(1,3,6,24) = 1 3 − 1 = 0.4536
24
( )
3
c) al menos dos de las baterías con defectos?
3

∑ ℎ(𝑘, 3,6,24) = ℎ(2,3,6,24) + ℎ(3,3,6,24) = 0.1433

𝑘=2

8. Entre los 300 empleados de una compañía, 240 están sindicalizados mientras que los otros
no. Si se escogen ocho por sorteo para integrar un comité que administre el fondo de
pensiones, calcule la probabilidad de que cinco estén sindicalizados mientras que los otros
no, usando:
a) la distribución hipergeométrica,
240 300 − 240
( )( )
ℎ(5,8,240,300) = 5 8−5 = 0.14702
300
( )
8
b) la distribución binomial como una aproximación.
240
𝑏 (5,8, ) = 0.1468
300

9. Un cargamento de 120 alarmas contra robo contiene 5 defectuosas. Si tres de ellas son
seleccionadas aleatoriamente y embarcadas para un cliente, encuentre la probabilidad de
que al cliente le toque una defectuosa, usando:
a) la distribución hipergeométrica,
5 120 − 5
( )( )
ℎ(1,3,5,120) = 1 3 − 1 = 0.000172
120
( )
3
b) la distribución binomial como una aproximación.
5
𝑏 (1,3, ) = 0.1148
120

10. El 95% de ciertas llantas radiales dura al menos 30.000 millas, calcule la media y la
desviación estándar de la distribución del número de las llantas, entre 20 seleccionadas al
azar, que durarán al menos 30.000 millas.
Es un caso de distribución binomial: 𝑛 toma cualquier calor, en este caso 20, 𝑝 = 0.95 y es
estable ~ Bernoulli. 𝑋 son las llantas que duran al menos 30.000 millas.
𝜇𝑋 = 𝑛𝑝 = 20(0.95) = 19
2
𝜎𝑋 = 𝑛𝑝𝑞 = 20(0.95)(0.05) = 0.95
Andrés Miniguano Trujillo

11. Si un estudiante contesta 144 preguntas de un examen de verdadero o falso lanzando una
moneda, ¿qué afirma el teorema de Chebyshev con k=4 acerca del número de respuestas
correctas que logrará el estudiante?
1
𝜇𝑋 = 𝑛𝑝 = 144 ( ) = 72
2
2
1 1
𝜎𝑋 = 𝑛𝑝𝑞 = 144 ( ) ( ) = 36
2 2
|𝑋 − 𝜇| ≤ 𝑘𝜎
|𝑋 − 72| ≤ 4 ∗ 6
⇒ |𝑋 − 72| ≤ 24
⇒ 48 ≤ 𝑋 ≤ 96
1
⇒ 𝑃(|𝑋 − 72| ≤ 24) ≥ 1 −
16
Se afirma que la probabilidad de que el estudiante logre acertar entre 48 y 96 preguntas es mayor o
15
igual que 16.

12. ¿Qué dice el Teorema de Chebyshev sobre la probabilidad de obtener a lo sumo 30 o al

menos 105 números 6 si un dado se arroja 405 veces?
1
𝜇𝑋 = 𝑛𝑝 = 405 ( ) = 67.5
6
2
1 5
𝜎𝑋 = 𝑛𝑝𝑞 = 405 ( ) ( ) = 56.25 ⇒ 𝜎 = 7.5
6 6
𝑘𝜎 = 37.5 ⇒ 𝑘 = 5
1
𝑃(|𝑋 − 67.5| ≥ 37.5) ≤
25

13. ¿Cuántas veces se tiene que lanzar una moneda para poder asegurar con una probabilidad
cuando mucho de 0.01 que la diferencia entre la proporción de las caras y 0.50 sea al menos
0.04?
Por Chebyshev:
1
𝑝(|𝑋 − 𝜇| ≥ 𝑘𝜎) ≤ 2 ⇒ 𝑘 = 10, 𝜇 = 0.50, 𝜎 = 0.004, 𝑋 ≥ 0.54
𝑘
de 𝜇, 𝑛 = 1

𝒇(𝒌+𝟏,𝝀) 𝝀
14. Pruebe que para la distribución de Poisson, se tiene: 𝒇(𝒌,𝝀)
= 𝒌+𝟏 , 𝒌 = 𝟎, 𝟏, 𝟐, …
𝑓(𝑘 + 1, 𝜆) 𝑒 −𝜆 𝜆𝑘+1 𝑘! 𝜆 𝑘+1
𝜆
= −𝜆 𝑘
= 𝑘
=
𝑓(𝑘, 𝜆) 𝑘 + 1! 𝑒 𝜆 (𝑘 + 1)𝜆 𝑘+1

15. Use la distribución de Poisson para aproximar la probabilidad binomial 𝒃(𝟑, 𝟏𝟎𝟎, 𝟎. 𝟎𝟑)
𝑏(3,100,0.03) = 0.2275
𝑏(3,100,0.03) ≈ 𝑓(3,100 ∗ 0.03) = 0.22404

16. En una ciudad, el 6% de todos los conductores obtiene al menos una boleta de mal
estacionamiento por año. Usando la aproximación de Poisson a la distribución binomial,
determine la probabilidad de que entre 80 conductores:
a) cuatro obtengan al menos una boleta de mal estacionamiento,
𝑏(4,80,0.06) ≈ 𝑓(4,4.8) = 0.1820
b) 3,4,5 o 6 de ellos obtengan al menos una boleta de mal estacionamiento en un año
cualquiera.
6 6

∑ 𝑏(𝑘, 80,0.06) ≈ ∑ 𝑓(𝑘, 4.8) = 0.6482

𝑘=3 𝑘=3
Andrés Miniguano Trujillo

17. Ciertos registros muestran que la probabilidad de que uno de los neumáticos de un auto se
revienten en cierto túnel es de 0.00004. Use la distribución de Poisson para aproximar la
probabilidad de que al menos uno de los neumáticos de 1 de 10.000 autos que pasen por ese
túnel se revienten.
1 − 𝑏(0,10000,0.00004) ≈ 1 − 𝑓(0,0.4) = 0.3297

18. Suponiendo que el conmutador de un edificio recibe un promedio de 0.6 llamadas por
minuto, calcule las probabilidades de que:
a) en un minuto cualquiera haya al menos una llamada,
𝑓(1,0.60) = 0.3293
b) en un intervalo de cuatro minutos haya al menos tres llamadas.
1 − 𝑓(2,2.4) − 𝑓(1,2.4) − 𝑓(0,2.4) = 0.43029

19. Una compañía alquila tiempo en una computadora por períodos de t horas por lo cual
recibe S/.6000 por hora. El número de veces que la computadora falla durante t horas es
una variable aleatoria que tiene distribución de Poisson con 𝝀 = (𝟎. 𝟖)𝒕, y si la computadora
falla 𝒌 veces durante 𝒕 horas la reparación tiene un costo de S/. 500k 2 . ¿Cómo debería la
compañía elegir 𝒕 en forma tal que maximice la utilidad esperada?
𝑈 = 𝐼 − 𝐶 = 6000𝑡 − 500𝑘 2
𝐸[𝑈] = 𝐸[6000𝑡 − 500𝑘 = 6000𝑡 − 500𝐸[𝑘 2 ] = 6000𝑡 − 500(𝑉[𝑘] + (𝐸[𝑘])2 )
2]

= 5600𝑡 − 320𝑡 2
𝑑𝐸[𝑈]
= 5600 − 640𝑡 = 0 ⇒ 𝑡 = 8.75[ℎ]
𝑑𝑡
𝑑2 𝐸[𝑈]
= −640 < 0 ⇒ 𝑚á𝑥𝑖𝑚𝑜
𝑑𝑡 2

En 𝑡 = 8.75[ℎ] se tiene que la utilidad es máxima.

20. La determinación de probabilidades con la distribución geométrica se simplifica utilizando

𝟏
la identidad: 𝒈(𝒌, 𝒑) = 𝒃(𝟏, 𝒌, 𝒑) y buscando 𝒃(𝟏, 𝒌, 𝒑) en una tabla de probabilidades de
𝒌
la distribución binomial.
i. Verifique la identidad citada
1 1 𝑘 𝑘
𝑏(1, 𝑘, 𝑝) = ( ) 𝑝𝑞 𝑘−1 = 𝑝(1 − 𝑝)𝑘−1 = 𝑔(𝑘, 𝑝)
𝑘 𝑘 1 𝑘
ii. Calcule:
a) 𝒈(𝟏𝟐, 𝟎. 𝟏𝟎)
1
𝑔(12,0.10) = 𝑏(1,12,0.10) = 0.0314
12
b) 𝒈(𝟏𝟎, 𝟎. 𝟑𝟎)
1
𝑔(12,0.10) = 𝑏(1,10,0.30) = 0.0121
10

21. Un tirador experto da en el blanco el 95% de las veces. ¿Cuál es la probabilidad de que falle
por primera vez en su decimoquinto disparo?
Ley Geométrica:
𝑔(15,0.95) = 5.7983 10−19

22. En una caja bancaria llegan clientes a una tasa promedio de 1.5 por minuto. Determine las
probabilidades de que:
a) Cuando más cuatro clientes lleguen en un minuto dado
4

∑ 𝑓(𝑘, 1.5) = 0.9814

𝑘=0
Andrés Miniguano Trujillo

b) Al menos tres clientes lleguen durante un intervalo de 2 minutos

1 − 𝐹(2,3) = 0.5768
c) Cuando más 15 clientes lleguen durante un intervalo de 6 minutos
𝐹(15,9) = 0.97796

23. El arribo de clientes a una cafetería tiene una tasa promedio de 0.3 clientes por minuto. Si se
les atiende a una tasa promedio de 0.5 por minuto, encuentre:
𝛼 = 0.3
𝛽 = 0.5
𝑋 ≔ #𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎
a) el número promedio de clientes atendidos o esperando ser atendidos en cualquier
momento determinado
𝛼
𝐸[𝑋] = = 1.5[𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠]
𝛽−𝛼
b) el número promedio de clientes a la espera de ser atendidos en un momento dado
𝛼2
𝑟= = 0.9[𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠]
𝛽(𝛽 − 𝛼)
c) el tiempo promedio que un cliente pasa formado en la cola.
𝛼
𝑠= = 3[𝑚𝑖𝑛𝑢𝑡𝑜𝑠]
𝛽(𝛽 − 𝛼)

24. Con referencia al ejemplo anterior, suponga que el costo de mantener a un camión en el
sistema es de 15 dólares la hora. Si fuera posible incrementar la tasa media de descarga a 3.5
camiones por hora a un costo de 100 dólares al día, ¿valdría la pena hacerlo?
40
𝐶𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑎𝑐𝑡𝑢𝑎𝑙 = 15 ∗ = $10
60
𝛼 8
𝛽 = 3.5 ⇒ 𝑠𝛽 = =
𝛽(𝛽 − 𝛼) 21

8
𝐶𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑛𝑢𝑒𝑣𝑜 = 100 ∗ = $1.59
21 ∗ 24
Sí valdría la pena ya que la ganancia sería mayor pues 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎 = 𝐼𝑛𝑔𝑟𝑒𝑠𝑜𝑠 − 𝐶𝑜𝑠𝑡𝑜𝑠, al ser
menores los costos y los ingresos estables, la ganancia sube.

25. El arribo de camiones de carga a un muelle es un proceso de Poisson, con una tasa promedio
de llegadas de dos por hora. Los camiones se descargan con una tasa promedios de tres por
hora y el servicio de descarga continúa ininterrumpidamente hasta que todos los camiones
han sido descargados.
𝛼=2
𝛽=3
𝑋 ≔ #𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑒𝑛 𝑒𝑙 𝑠𝑖𝑠𝑡𝑒𝑚𝑎
a) ¿Cuál es el número promedio de camiones que están siendo descargados o que
esperan ser descargados?
𝛼
𝐸[𝑋] = = 2[𝑐𝑎𝑚𝑖𝑜𝑛𝑒𝑠]
𝛽−𝛼
b) ¿Cuál es el número promedio de camiones en la cola?
𝛼2 4
𝑟= = = 1.25[𝑐𝑎𝑚𝑖𝑜𝑛𝑒𝑠]
𝛽(𝛽 − 𝛼) 3
c) ¿Cuál es el tiempo promedio que un camión debe esperar en la cola?
𝛼 2
𝑠= = = 0.6667[ℎ𝑜𝑟𝑎𝑠] ≈ 40[𝑚𝑖𝑛𝑢𝑡𝑜𝑠]
𝛽(𝛽 − 𝛼) 3
d) ¿Cuál es la probabilidad de que no haya camiones en espera de ser descargados?
𝛼 𝛼 0 2 1
𝜋(0) = (1 − ) ( ) = (1 − ) =
𝛽 𝛽 3 3
Andrés Miniguano Trujillo

e) Si el costo de mantener un camión en el sistema es de S/.15.000 por hora. Si fuera

posible incrementar la tasa promedio de descarga a 3.5 camiones por hora con un
costo de S/.100.000 por día, ¿sería esto rentable?
40
𝐶𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑎𝑐𝑡𝑢𝑎𝑙 = 15000 ∗ = $10000
60
𝛼 8
𝛽 = 3.5 ⇒ 𝑠𝛽 = =
𝛽(𝛽 − 𝛼) 21

8
𝐶𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑛𝑢𝑒𝑣𝑜 = 100000 ∗ = $1587.30
21 ∗ 24
La ganancia sería mayor, por lo que sería rentable.