Tarea 1.

Distribución de probabilidad
Lic. Rubén Alejandro Gutiérrez Adrian
10 de octubre de 2018

Problema 1. Un fabricante produce artı́culos de tal modo que el 10 % son defec-

tuosos y el 90 % no lo son. Si se produce un artı́culo defectuoso el fabricante pierde
$1,00; mientras que un artı́culo sin defectos le produce una utilidad de $5,00. ¿Cuál
es la utilidad esperada por artı́culo?

Solución: Dada una variable aleatoria X que toma valores x1 , x2 , ..., xn con distri-
bución de probabilidad discreta P (X = xi ) = Pi . Se define la Esperanza Matemática
como: n n
X X
E[X] = xi P (X = xi ) = x i Pi
i=1 i=1

Entonces, si X es la utilidad por artı́culo, entonces X es una variable aleatoria

discreta, cuyo valor esperado es:

E[X] = −1(0,1) + 5(0,9) = 4,4

Esto quiere decir que si se siguen produciendo artı́culos con tales caracterı́sticas, la
utilidad esperada es de $4,40 por cada uno de ellos. 

Problema 2. Sea X el número de llamadas recibidas en una determinada empresa

por minuto. En la tabla siguiente se muestra los posibles valores de la variable, ası́
como su probabilidad de ocurrencia. Dibuje las gráficas que representan a la función
de probabilidad y la función de distribución acumulada.

Solución: No es posible dar solución sin la información de la tabla. 

Problema 3. El promedio de llamadas recibidas por una central telefónica en un

minuto es igual a 2. Calcule la probabilidad de que en 2 minutos se reciban: a) 3
llamadas, b) a lo más 2 llamadas, c) la distribución de probabilidades considerando
15 llamadas, y d) la función de distribución acumulativa de probabilidades. Para el
inciso c y d considerar 15 llamadas.

Solución: El problema hace referencia a una distribución Poisson, por tres razones:
se trata de un fenómeno dicotómico; los sucesos son independientes y la probabilidad
de éxito de cada uno de ellos es constante; y existe un número medio de ocurrencia
del suceso aleatorio por unidad de tiempo.

La función de densidad de la distribución Poisson es

λx e−λ
P (X = x) =
x!
Entonces, sea X: la cantidad de llamadas recibidas por minuto y λ = 2.

Inciso a) La probabilidad de que en 2 minutos se reciban 3 llamadas.

43 e−4
P (X = 3) = = 0,1953
3!
Existe una probabilidad de 19,53 % de recibir 3 llamadas.

Inciso b) La probabilidad de que en 2 minutos se reciban a lo más 2 llamadas.

40 e−4 41 e−4 42 e−4

     
P (X ≤ 2) = P (X = 0) + P (X = 1) + P (X = 2) = + +
0! 1! 2!

P (X ≤ 2) = 0,0183 + 0,0732 + 0,1465 = 0,2381

Existe una probabilidad de 23,81 % de recibir a lo más 2 llamadas.

Inciso c) La distribución de probabilidades considerando 15 llamadas.

415 e−4
P (X = 15) = = 0,000015
15!
Inciso d) la función de distribución acumulativa de probabilidades para 15 llamadas.

P (X ≤ 15) = P (X = 0) + P (X = 1) + P (X = 2) + ... + P (X = 15)

P (X ≤ 15) = 0,018316 + 0,073263 + 0,146525 + 0,195367 + 0,195367 + 0,156293

 0,104196 + 0,05954 + 0,02977 + 0,013231 + 0,005292 + 0,001925 + 0,000642
0,000197 + 0,000056 + 0,000015 = 0,999995 

Problema 4. El tiempo de vida de un tipo de focos es una variable aleatoria X, que

tiene distribución exponencial con una vida media de 1000 horas. a) ¿qué proporción
de focos no sirve antes de las 1000 horas? Y b) ¿Qué proporción de focos dura entre
800 y 1200 horas. Utiliza una gráfica para ilustrar la respuesta.

Solución: La función de distribución exponencial está dada por:

Z x
P (x > 0) = λe−λt dt = 1 − e−λx
0

Inciso a) ¿Qué proporción de focos no sirve antes de las 1000 horas?

Z 1000
1 − 1 t 1
P (x < 1000) = e 1000 dt = 1 − e− 1000 (1000) = 0,6321
0 1000

Por lo tanto, el 63,21 % de los focos no sirve antes de las 1000 horas.

Inciso b) ¿Qué proporción de focos dura entre 800 y 1200 horas?

P (800 < x < 1200) = P (x < 1200) − P (x < 800)

Z 1200 Z 800
1 − 1 t 1 − 1 t
P (800 < x < 1200) = e 1000 dt − e 1000 dt
0 1000 0 1000
   
1 1
− (1200) − (800)
P (800 < x < 1200) = 1 − e 1000 − 1 − e 1000

P (800 < x < 1200) = −0,6988 − 0,5506 = 0,1481

Por lo tanto, la proporción de focos que dura entre 800 y 1200 horas es de 14,81 % 

Problema 5. El tiempo de espera de los clientes de un restaurante para ser atendi-

do es una variable aleatoria continua X con distribución exponencial y media de 5
minutos. Calcula la probabilidad de que la siguiente persona que entre al restaurant
sea atendida después de 6 minutos.

Solución: Como X es una variable aleatoria continua con distribución exponencial,

entonces se utiliza la misma función de distribución que el problema 4. Ası́
Z 6  
1 −1t 1
− (6)
P (x > 6) = 1 − e dt = 1 − 1 − e
5 5 = 0,3011
0 5

Entonces, existe un 30,11 % de probabilidad de que la siguiente persona que entre al

restaurant sea antendida después de 6 minutos. 

Problema 6. La variable aleatoria X representa la vida promedio de cierto aparato

electrónico y tiene una distribución aproximadamente normal, con una media de 3.5
años y desviación estándar de 1.5 años. Si el fabricante de dichos aparatos desea re-
parar en el periodo de garantı́a solamente el 10 % de estos. Determinar cuál tendrı́a
que ser el periodo.

Solución: Sea X la variable aletoria que representa la vida promedio de los aparatos
electrónicos y 10 % la probablidad de que éstos duren menos del periodo de garantı́a.
Entonces
 
X − 3,5 x0 − 3,5
P (X ≤ x0 ) = P ≤ = P (Z < z0 ) = 0,10
1,5 1,5
donde
x0 − 3,5
z0 =
1,5
Como nuestro interés es el valor x0 , que el periodo en que se realizan reparación,
entonces despejamos:
x0 = 1,5z0 + 3,5
El valor en la tabla de distribución normal para z0 = −1,28. Por lo tanto:
x0 = 1,5(−1,28) + 3,5 = 1,58
Ası́, el periodo en que se reciben aparatos para su repación es de 1.58 años. 
Problema 7.La probabilidad de que un paciente se recupere de una rara enfermedad
sanguı́nea es de 0.4. Si se sabe que 15 personas contrajeron la enfermedad, cuál es la
probabilidad de que a) sobrevivan al menos 10, b) sobrevivan de 3 a 8, c) sobrevivan
exactamente 5?

Solución: La variable aleatoria X: paciente recuperado, sigue una distribución de

probabilidad binomial, ya que trata con resultados dicotómicos independientes y con
probabilidad de éxito constante. Ası́, la función de probabilidad para la distribución
binomial es  
n x n−x
b(x; n, p) = p q
x
donde n es el total de datos, p la probabilidad de éxito y q la probabilidad de fracaso.

Inciso a) La probabilidad de que sobrevivan al menos 10 pacientes

15
X
P (x ≥ 10) = b(xi , 15, 0,4)
i=10

P (x ≥ 10) = 0,0244 + 0,0074 + 0,0016 + 0,0002 + 0,00002 + 0,000001 = 0,0336

Entonces, la probabilidad de que sobrevivan al menos 10 pacientes es de 3,36 %

Inciso b) La probabilidad de que sobrevivan entre 3 y 8 pacientes.

8
X
P (3 ≤ x ≤ 8) = b(xi , 15, 0,4)
i=3

P (3 ≤ x ≤ 8) = 0,0633 + 0,1267 + 0,1859 + 0,2065 + 0,1770 + 0,1180 = 0,8774

Entonces, la probabilidad de que sobrevivan entre 3 y 8 pacientes es de 87,74 %

Inciso c) La probabilidad de que sobrevivan exactamente 5 pacientes.

 
15 5 10
P (x = 5) = b(5, 15, 0,4) = p q = 0,1859
5

Ası́, la probabilidad de que sobrevivan exactamente 5 pacientes es de 18,59 % 

Problema 8. En una fábrica de bombillas el 5 % sale con defectos. Determinar la
probabilidad de que en una muestra de 12, se encuentran 2 bombillas defectuosas.

Solución: Se trata de un problema con variable aleatoria con distribución binomial.

Entonces  
12
P (x = 2) = (0,05)2 (0,95)10 = 0,0987
2
Existe un 9,87 % de probabilidad de que hayan 2 bombillas defectuosas en una mues-
tra de 12. 

Problema 9.Un transistor tiene una probabilidad de 0.90 de pasar el control de ca-
lidad. Calcule la probabilidad que sean necesarios revisar 5 transistores para obtener
que 3 pasen el control de calidad.

Solución: Se trata de un problema con variable aleatoria con distribución binomial.

Entonces  
5
P (x = 3) = (0,90)3 (0,10)2 = 0,0729
3
Existe 7,29 % de probabilidad de que 3 transistores pasen el control de calidad. 

Problema 10. En un proceso de manufactura se sabe que la probabilidad de obte-

ner una pieza defectuosa es de 2 %. ¿Cuál es la probabilidad de que la octava pieza
inspeccionada sea la primera defectuosa?.

Solución: La variable aleatoria tiene una distribución geométrica, con función de

probabilidad
g(x; p) = pq x−1
donde p es la probabilidad de éxito y q la probabilidad de fracaso. Entonces

g(8; 0,02) = (0,02)(0,98)7 = 0,0173

Existe in 1,73 % de probabilidad de que la octava pieza inspeccionada sea la primera

defectuosa. 

Problema 11. En una caja hay 10 celulares, de los cuales hay 3 celulares dañados.
Si se sacara 5 celulares de la caja. ¿Cuál es la probabilidad de sacar un celular dañado?
Solución: La variable aleatoria sigue una distribución hipergeométrica, con una
función de probablidad
  
r N −r
x n−x
p(x; N, n, r) =  
N
n
donde N son los elementos de la población, n son los elementos de la población, y r
son los elementos con la caracterı́stica de interés. Entonces
  
3 7
1 4
P (1; 10, 5, 3) =   = 0,4166
10
5
Ası́, existe una probabilidad de 41,66 % de sacar un celular dañado. 

Problema 12. En un banco unos asesores comerciales atienden en promedio a 3 per-

sonas por hora. ¿Cuál es la probabilidad que en la siguiente hora atienda solamente
a 2 personas?

Solución: La variable aleatoria sigue una distribución Poisson, entonces

λx e−λ
P (X = x) =
x!
(3)1 e−3
P (X = 1) = = 0,1493
1!
Por lo tanto, la probabilidad de que se atiendan solamente a 2 personas en la siguien-
te hora es de 14,93 % 

Problema 13. Se sabe que el tiempo de vida de un tractor sigue una distribución
exponencial, con media de 8 años. ¿Cuál es la probabilidad de que un tractor de este
tipo se tenga que reemplazar antes de los 10 años?

Solución: Como la variable sigue una distribución Exponencial con una media de 8
años, entonces
Z 10  
1 −1t 1
− (10)
P (x < 10) = e 8 dt = 1 − 1 − e 8 = 0,7134
0 8
Por lo tanto, la probabilidad de reemplazo antes de los 10 años es de 71,34 %