ESCUELA POLITECNICA NACIONAL

FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

Nombre: Thais Rivadeneira

Paralelo: A
Fecha: 31/01/2023
DEBER N. 4 Distribuciones Teóricas Discretas de Probabilidad
(Binomial, Hipergeométrica, Poisson, Geométrica, etc.)

1. Usando tablas calcule:

 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

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.
X = # Quiebras personales en la ciudad a causa de los gastos médicos en una
muestra de 4
p = 0.75
q = 0.25
n=4
k=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 = # Personas que aprueban el examen en una muestra de 15
n = 15
p = 0.70
a) al menos 12 lo aprueben
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

b) a lo más 6 lo aprueben

c) 10 aprueben.

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.
X = # Neumáticos radiales de alto desempeño que duran al menos 50000km en
una muestra de 20
n = 20
p = 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
X = # Caras obtenidas en 676 lanzamientos
n = 676
p = 0.5
q = 0.5

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

X = # de “cuatros” obtenidos en 720 lanzamientos
n = 720
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

p = 1/6
q = 5/6

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
X = # Unidades defectuosas en una muestra de 600 partes
n = 600
p = 0.04
q = 0.96

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
X = # Estudiantes que nos gustan de los alimentos que sirven en el bar en una
muestra de 800 entrevistados
n = 800
p = 0.65
q = 0.35

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.
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

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:
X = # Defectos en un lote en una muestra de 3 acumuladores
N = 24
r=6
n=3
a) Ninguna de las baterías con defectos

b) Solamente una de las baterías defectuosas

c) Al menos dos de las baterías con defectos?

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:
X = # Empleados sindicalizados en una muestra de 8
N = 300
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

r = 240
n=8
a) la distribución hipergeométrica

b) la distribución binomial como una aproximación.

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:
X = # Alarmas defectuosas en una muestra de 3
N = 120
r=5
n=3
a) la distribución hipergeométrica

b) la distribución binomial como una aproximación.

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.
X = # Neumáticos radiales de alto desempeño que duran al menos 30000 millas
en una muestra de 20
n = 20
p = 0.95
q = 0.05
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

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?
X = # aciertos entres 144 preguntas
n = 144
p = 0.5
k=4

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?
X = # de veces que sale el número 6 en 405 lanzamientos de un dado
n = 405
p = 1/6
q = 5/6
405∗1
μ x =n∗p= =67.5
6
405∗1
∗5
6
σ 2=n∗p∗q= =56.25
6
σ =7.5
1
P (|X −μ|≥ kσ ) ≤ 2
k
kσ =37.5=desviación de μ
37.5
k= =5
7.5
1
P ( X ≤ μ−kσ ∪ X ≥ μ +kσ ) ≤ 2
k
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

1
P ( X ≤30 ∪ X ≥ 105 ) ≤ 2
5
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?
p = 0.5
q = 0.5
n∗1 n
μ x =n∗p= =
2 2
n∗1
∗1
2 2 n
σ =n∗p∗q= =
2 4
σ=
√n
2

P (| | )
X μ kσ
− ≥
n n n
≤ 0.01

P (| | )
X
n
−0.5 ≥0.4 ≤ 0.01

μ
=0.5
n
10∗√ n
kσ 2
=0.4 ≡ =0.4
n n
5∗√ n n 5
n= ≡ =
0.04 √n 0.04

( )
2
5
n=
0.04
n=15625

14. Pruebe que para la distribución de Poisson, se tiene:

−λ k+1
e λ
(
f k +1 , λ ) ( k +1 ) ! e− λ λ k+1 k ! λk ! λ
= − λ k = −λ k = =
(
f k ,λ ) e λ (
e λ ( k +1 ) ! k +1 ! ) k +1
k!
15. Use la distribución de Poisson para aproximar la probabilidad binomial b (3; 100; 0.03)
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

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:
X = # Personas que obtienen una boleta de mal estacionamiento entre 80
conductores
n = 80
p = 0.06
q = 0.94
a) Cuatro obtengan al menos una boleta de mal estacionamiento
λ=μ=n∗p=80∗0.06=4.8

b) 3, 4, 5 o 6 de ellos obtengan al menos una boleta de mal estacionamiento en un

año cualquiera.
P ( 3≤ X ≤ 6 ) =B ( 6 ; 80 ;0.6 )−B ( 2 ; 80 ;0.6 ) =F ( 6 ;4.8 )−F(2; 4.8)

17. Suponiendo que el conmutador de un edificio recibe un promedio de 0.6

llamadas por minuto, calcule las probabilidades de que:
p = 0.6
q = 0.4
a) en un minuto cualquiera haya al menos una llamada
X = # Llamadas que un conmutador de un edificio recibe en 1 minuto
n=1
λ=μ=n∗p=1∗p=0.6
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

b) en un intervalo de cuatro minutos haya al menos tres llamadas.

X = # Llamadas que un conmutador de un edificio recibe en 4 minuto
n=4
λ=μ=n∗p=4∗p=2.4

18. 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/. 2 500k. ¿Cómo debería la compañía elegir t
en forma tal que maximice la utilidad esperada?
X = # Fallas de la computadora en t horas
λ=0.8 t=μ=n∗p
Por t horas gana $6000
Por k fallas en t horas = Reparación 500k2
−0.8t k
e 0.8 t
f ( k ; 0.8t )=
k!

Utilidad = Ingresos – Gastos

U = 6000t – t500k2
19. La determinación de probabilidades con la distribución geométrica se simplifica
utilizando la identidad:
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

Y buscando b (1; k ; p) en una tabla de probabilidades de la distribución binomial.

Verifique la identidad citada y calcule:
a) g (12; 0.10)

b) g (10; 0.30)

20. 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?
X = # intentos necesarios para de fallar 1 vez
k = 15
p = 0.05

21. En una caja bancaria llegan clientes a una tasa promedio de 1.5 por minuto.
Determine las probabilidades de que:
X = # Clientes atendidos en una tasa promedio de 1.5 por minuto
λ=1.5
a) Cuando más cuatro clientes lleguen en un minuto dado
4
p ( 4 )=P ( X ≤ 4 ) =F ( 4 ;1.5 )=∑ f ( k ; 1.5 )=0.9814
k=0

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

λ=1.5∗2=3
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

p ( 3 )=P ( X ≥ 3 )=1−P ( X ≤ 2 )
2
1−F ( 2; 3 ) =1−∑ f ( k ; 3 )=1−0.4232=0.5768
k=0

c) Cuando más 15 clientes lleguen durante un intervalo de 6 minutos

λ=1.5∗6=9
9
p ( 15 )=P ( X ≤15 )=F ( 15 ;9 ) =∑ f ( k ; 9 )=0.9780
k=0
22. 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=tasa promedio de llegada de clientes
β=0.5=tasa promedio de atención de clientes
a) el número promedio de clientes atendidos o esperando ser atendidos en cualquier
momento determinado
α 0.3 0.3
= = =1.5 clientes
β−α 0.5−0.3 0.2
b) el número promedio de clientes a la espera de ser atendidos en un momento dado
2 2
α 0.3 0.09
= = =0.9 clientes
β( β−α ) 0.5(0.5−0.3) 0.1
c) el tiempo promedio que un cliente pasa formado en la cola.
α 0.3 0.3
= = =3 minutos
β( β−α ) 0.5(0.5−0.3) 0.1
23. 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=tasa promedio de llegada de camiones por hora
β=3=tasa promedio de descarga de camiones por hora
a) ¿Cuál es el número promedio de camiones que están siendo descargados o que
esperan ser descargados?
α 2
= =2 camiones
β−α 3−2
b) ¿Cuál es el número promedio de camiones en la cola?
α2 22 4
= = =1.3333camiones
β ( β−α ) 3 ( 3−2 ) 3
c) ¿Cuál es el tiempo promedio que un camión debe esperar en la cola?
α 2 2
= = =0.66 horas ≈ 40 minutos
β ( β−α ) 3 ( 3−2 ) 3
d) ¿Cuál es la probabilidad de que no haya camiones en espera de ser descargados?
 ESCUELA POLITECNICA NACIONAL
FACULTAD DE CIENCIAS
PROBABILIDADES Y ESTADÍSTICA

k=0

( )( )
k
α α
π ( k )= 1−
β β

π ( 0 )=( 1− )( ) = =0.33
0
2 2 1
3 3 3

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?
15000∗40
Gactual = =$ 10000
60
α =2
β=3.5
α 2 8
= =
β ( β−α ) 3.5 ( 3.5−2 ) 21
100000∗8
Gnuevo = =$ 38095.23
21
La ganancia sería mayor por lo que si sería rentable.

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?
α =2
β=3
α 2 2
= =
β ( β−α ) 3 ( 3−2 ) 3
15∗2
C actual= =$ 10
3

α =2
β=3.5
α 2 8
= =
β ( β−α ) 3.5 ( 3.5−2 ) 21
100∗8
C nuevo= =$ 1.58
21∗24
Sí valdría la pena ya que la ganancia sería mayor.