1

Producto 2
Aplicación de Estadística Descriptiva

Estudiantes: Daniela Barreto y Carolina Correa

Tutora: María del Pilar Bonilla Gómez

Tecnología Empresarial
Universidad Industrial de Santander
IPRED
Estadística Aplicada a las Organizaciones

22 de mayo de 2024
 2

Ejercicios

21. La siguiente distribución de probabilidad sobre puntuaciones dadas a la satisfacción

con el trabajo por una muestra de directivos de alto nivel y de nivel medio en sistemas
de la información va desde 1 (muy insatisfecho) hasta 5 (muy satisfecho).

probabilidad
Puntuación de la satisfacción Directivo de nivel alto Directivo de nivel medio
con el trabajo
1 0.05 0.04
2 0.09 0.10
3 0.03 0.12
4 0.42 0.46
5 0.41 0.28

a. ¿Cuál es el valor esperado en las puntuaciones dadas a la satisfacción con el trabajo

por los ejecutivos de nivel alto? Valor Esperado = (1 * 0.05) + (2 * 0.09) + (3 * 0.03)
+ (4 * 0.42) + (5 * 0.41) = (0.05) +(0.09) +
(1.68) +(2.05) =4.05

b. ¿Cuál es el valor esperado en las puntuaciones dadas a la satisfacción con el trabajo

por los directivos de nivel medio? Valor Esperado = (1 * 0.04) + (2 * 0.10) + (3 *
0.12) + (4 * 0.46) + (5 * 0.28)
Valor Esperado = 3.84
 3

22. La demanda de un producto de una empresa varía enormemente de mes a mes. La

distribución de probabilidad que se presenta en la tabla siguiente, basada en los datos
de los dos últimos años, muestra la demanda mensual de la empresa.

Demanda unitaria Probabilidad

300 0.20
400 0.30
500 0.35
600 0.15

a. Si la empresa basa las órdenes mensuales en el valor esperado de la demanda

mensual, ¿cuál será la cantidad ordenada mensualmente por la empresa para este
producto?

𝑣𝑎𝑙𝑜𝑟 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 = (𝑑𝑒𝑚𝑎𝑛𝑑𝑎 𝑢𝑛𝑖𝑡𝑎𝑟𝑖𝑎 ∗ 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑)

Sustituyendo los valores de la tabla:

𝑉𝐸 = (300 ∗ 0.20) + (400 ∗ 0.30) + (500 ∗ 0.35) + (600 ∗ 0.15)
𝑉𝐸 = 60 + 120 + 175 + 90
𝑉𝐸 = 445 𝑢𝑛𝑖𝑑𝑎𝑑𝑒𝑠

La cantidad ordenada mensualmente es de 445 unidades

b. Suponga que cada unidad demandada genera $70 de ganancia y que cada unidad
ordenada cuesta $50. ¿Cuánto ganará o perderá la empresa en un mes si coloca una
orden con base en su respuesta al inciso a y la demanda real de este artículo es de 300
unidades?

𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝐷𝑒𝑚𝑎𝑛𝑑𝑎 ∗ 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎

300 ∗ $70 = 21.000
𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑜𝑟𝑑𝑒𝑛𝑎𝑑𝑎 ∗ 𝐺𝑎𝑛𝑎𝑛𝑐𝑖𝑎
445 ∗ $70 = 31.150
$21.000 − $31.150 = −$10.150
Al comparar las unidades ordenadas y la demanda real del artículo se puede validar una perdida
para la empresa de $10.150.
 4

30. cuando una maquina nueva funciona adecuadamente, solo el 3% de los artículos producidos
presentan algún defecto. Suponga que selecciona aleatoriamente dos piezas producidas con la
nueva máquina y que busca el número de piezas defectuosas.
a. Describa las condiciones en las que éste será un experimento binomial.

Es binomial eventos independientes. La probabilidad de que una pieza producida este

defectuosa debe ser del 0.03 para toda pieza que se seleccione, las piezas deben
seleccionarse independientemente.

b. Elabore un diagrama de árbol como el de la figura 5.3 en el que se muestre este

problema como un experimento de dos ensayos.

D = defectuosa
G = no defectuosa

c. ¿En cuántos resultados experimentales hay exactamente una pieza defectuosa?

Para obtener exactamente una pieza defectuosa, hay dos casos posibles:
• DG: Defectuosa en la primera inspección, no defectuosa en la segunda.
• GD: No defectuosa en la primera inspección, defectuosa en la segunda.
La probabilidad de cada caso se calcula como la probabilidad de la primera inspección
multiplicada por la probabilidad de la segunda inspección:
 5

𝑃(𝐷𝐺) = 0.03 ∗ 0.97 = 0.0289

𝑃(𝐺𝐷) = 0.97 ∗ 0.03 = 0.0289
𝑃(𝐸𝑥𝑎𝑐𝑡𝑎𝑚𝑒𝑛𝑡𝑒 𝑢𝑛𝑎 𝑝𝑖𝑒𝑧𝑎 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑎) = 𝑃(𝐷𝐺) + 𝑃(𝐺𝐷) = 0.0289 + 0.0289
= 0.0578

d. Calcule las probabilidades de hallar ninguna pieza defectuosa, exactamente una pieza
defectuosa y dos piezas defectuosas.

• Ninguna pieza defectuosa: 94.09%

• Exactamente una pieza defectuosa: 5.78%
• Dos piezas defectuosas: 0.09%

31. Nueve por ciento de los estudiantes tienen un balance en su tarjeta de crédito mayor a $7000
(Reader’s Digest, julio de 2002). Suponga que selecciona aleatoriamente 10 estudiantes para
entrevistarlos respecto del uso de su tarjeta de crédito.
a. ¿Es la selección de 10 estudiantes un experimento binomial? Explique.

R= Si porque con las 4 características. Consiste en 10 experimentos y se obtienen como

resultado un éxito o un fracaso.

b. ¿Cuál es la probabilidad de que dos de los estudiantes tengan un balance en su tarjeta

de crédito superior a $7000?

se puede calcular utilizando la distribución binomial:

𝑃(𝑋 = 𝑘) = 𝑛𝐶𝑘 ∗ 𝑝^𝑘 ∗ (1 − 𝑝)^(𝑛 − 𝑘)

• P(X = k) es la probabilidad de obtener k éxitos (estudiantes con saldo superior a

$7000) en n ensayos (estudiantes entrevistados).
• nCr es el coeficiente binomial que representa el número de combinaciones de n
elementos tomados de k en k.
• p es la probabilidad de éxito (estudiante con saldo superior a $7000), que en este caso
es 0.09.
• (1-p) es la probabilidad de fracaso (estudiante con saldo inferior a $7000), que en este
caso es 1 - 0.09 = 0.91.
En este caso, nos interesa k = 2 (dos estudiantes con saldo superior a $7000):
𝑃(𝑋 = 2) = 10𝐶2 ∗ 0.09^2 ∗ 0.91^8 ≈ 0.2499
 6

c. ¿De que ninguno tenga un balance en su tarjeta de crédito superior a $7000?

La probabilidad de que ninguno de los 10 estudiantes tenga un balance superior a

$7000 se calcula como el caso particular de 0 éxitos (k = 0) en la distribución
binomial:

𝑃(𝑋 = 0) = 10𝐶0 ∗ 0.09^0 ∗ 0.91^10 = 1 ∗ 1 ∗ 0.3486784401 ≈ 0.3487

d. ¿De que por lo menos tres tengan un balance en su tarjeta de crédito superior a
$7000?

𝑃(𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 3 𝑒𝑠𝑡𝑢𝑑𝑖𝑎𝑛𝑡𝑒𝑠 𝑐𝑜𝑛 𝑠𝑎𝑙𝑑𝑜 > $7000)

= 1 − (0.3487 + 0.3876 + 0.2499) = 0.0138

• La probabilidad de que dos de los 10 estudiantes tengan un balance superior a

$7000 es de aproximadamente el 24.99%.
• La probabilidad de que ninguno de los 10 estudiantes tenga un balance superior a
$7000 es de aproximadamente el 34.87%.
• La probabilidad de que al menos tres estudiantes tengan un balance superior a
$7000 es de aproximadamente el 1.38%.

42. En Estados Unidos, cada año, más de 50 millones de huéspedes se alojan en un “Bread and
breakfast” (B&B). El sitio Web dedicado a los alojamientos tipo Bread and Breakfast en Estados
Unidos (www.bestinns.net), que tiene un promedio aproximado de siete visitantes por minuto,
permite a muchos B&B obtener huéspedes (Time, septiembre de 2001).
a. Calcule la probabilidad de que no haya ningún visitante al sitio Web en un lapso de un
minuto.
R= Suponiendo que el número de visitas al sitio web por minuto sigue una distribución de
Poisson, con una tasa promedio de 7 visitas por minuto (λ = 7), la probabilidad de que no
haya visitas en un minuto (X = 0) se calcula con la siguiente fórmula:

𝑃(𝑋 = 0) = 𝑒 −𝜆 = 𝑒 −7 = 0.000051

b. De que haya dos o más visitantes al sitio Web en un lapso de un minuto.

La probabilidad de que haya dos o más visitantes en un minuto (X ≥ 2) se calcula como el

complemento de la probabilidad de que haya cero o un visitante:

𝑃(𝑋 ≥ 2) = 1 − 𝑃(𝑋 = 0) − 𝑃(𝑋 = 1)

 7

La probabilidad de que haya un visitante (X = 1) se calcula con la misma fórmula:

𝑃(𝑋 = 1) = 𝜆 ∗ 𝑒^(−𝜆) = 7 ∗ 𝑒^(−7) ≈ 0.000497

𝑃(𝑋 ≥ 2) = 1 − 0.000051 − 0.000497 ≈ 0.999452

c. De que haya uno o más visitantes al sitio Web en un lapso de 30 segundos

En 30 segundos, la tasa promedio de visitas (λ) es la mitad que en un minuto (λ = 3.5). La

probabilidad de que haya uno o más visitantes en 30 segundos (X ≥ 1) se calcula como el
complemento de la probabilidad de que no haya visitas:

𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0)

La probabilidad de que no haya visitas en 30 segundos se calcula con la fórmula de Poisson:

𝑃(𝑋 = 0) = 𝑒^(−𝜆) = 𝑒^(−3.5) ≈ 0.030253

𝑃(𝑋 ≥ 1) = 1 − 0.030253 ≈ 0.969747

d. De que haya cinco o más visitantes al sitio Web en un lapso de un minuto.

La probabilidad de que haya cinco o más visitantes en un minuto (X ≥ 5) se calcula como el
complemento de las probabilidades de que haya menos de cinco visitantes:

𝑃(𝑋 ≥ 5) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋

= 4)]

Se pueden calcular las probabilidades de X = 1, 2, 3 y 4 utilizando la fórmula de Poisson y

sumando sus valores:

𝑃(𝑋 ≥ 5) ≈ 1 − 0.000051 − 0.000497 − 0.001719 − 0.005952 − 0.017548

≈ 0.972233

• La probabilidad de que no haya visitas al sitio web en un minuto es extremadamente

baja (alrededor del 0.005%).
• La probabilidad de que haya dos o más visitantes en un minuto es muy alta
(alrededor del 99.95%).
• La probabilidad de que haya uno o más visitantes en 30 segundos es alta (alrededor
del 97%).
• La probabilidad de que haya cinco o más visitantes en un minuto es considerable
(alrededor del 97.2%).
 8

43. Los pasajeros de las aerolíneas llegan en forma aleatoria e independiente al mostrador de
revisión de pasajeros. La tasa media de llegada es 10 pasajeros por minuto.
a. Calcule la probabilidad de que no llegue ningún pasajero en un lapso de un minuto.

𝑃(𝑋 = 0) = 𝑒^(−𝜆) = 𝑒^(−10) ≈ 0.000045

b. Calcule la probabilidad de que lleguen tres o menos pasajeros en un lapso de un minuto.

𝑃(𝑋 ≤ 3) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3)

𝑃(𝑋 ≤ 3) ≈ 0.000045 + 0.000454 + 0.002273 + 0.001136 ≈ 0.003908

c. De que no llegue ningún pasajero en un lapso de 15 segundos.

𝑃(𝑋 = 0) = 𝑒^(−𝜆) = 𝑒^(−5) ≈ 0.006738

d. De que llegue por lo menos un pasajero en un lapso de 15 segundos.

𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0)

𝑃(𝑋 ≥ 1) = 1 − 0.006738 ≈ 0.993262

• La probabilidad de que no haya llegadas de pasajeros en un minuto es

extremadamente baja (alrededor del 0.004%).
• La probabilidad de que lleguen tres o menos pasajeros en un minuto es
relativamente baja (alrededor del 0.39%).
• La probabilidad de que no haya llegadas de pasajeros en 15 segundos es
considerable (alrededor del 6.7%).
• La probabilidad de que llegue al menos un pasajero en 15 segundos es alta
(alrededor del 99.3%).

52. En un pedido de 10 artículos hay dos defectuosos y ocho no defectuosos. Para la inspección
del pedido se tomará una muestra y se inspeccionará. Si se encuentra un artículo defectuoso todo
el pedido de 10 artículos será devuelto.
a. Si toma una muestra de tres artículos, ¿cuál es la probabilidad de que devuelva el pedido?
 9

Si tomamos muestras de tres artículos, hay tres posibles casos en los que se devolverá el
pedido:
• El primer artículo es defectuoso
• Es segundo articulo es defectuoso
• El tercer articulo es defectuoso
La probabilidad de que se devuelva el pedido en cada caso es de 2/10 (2 artículos defectuosos de
un total de 10). Por lo tanto, la probabilidad de devolver el pedido con una muestra de tres
artículos es de:
3 ∗ (2/10) = 6/10 = 0.6

b. Si toma una muestra de cuatro artículos, ¿cuál es la probabilidad de que devuelva el pedido?

Si tomamos una muestra de cuatro artículos, hay cuatro posibles casos en los que se
devuelva el pedido:
• El primer articulo es defectuoso
• El segundo artículo es defectuoso
• Es tercer articulo es defectuoso
• El cuarto articulo es defectuoso
4 ∗ (2/10) = 8/10 = 0.8

c. Si toma una muestra de cinco artículos, ¿cuál es la probabilidad de que devuelva el pedido?

• El primer articulo es defectuoso

• El segundo artículo es defectuoso
• El tercer artículo es defectuoso
• El cuarto artículo es defectuoso
• El quinto artículo es defectuoso

5 ∗ (2/10) = 10/10 = 1

d. Si la administración desea que la probabilidad de rechazar un pedido en el que haya dos

artículos defectuosos y ocho no defectuosos sea 0.90, ¿de qué tamaño recomienda que sea la
muestra?

𝑃(𝑎𝑙 𝑚𝑒𝑛𝑜𝑠 1 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜) = 0.90

• Muestra de 3 artículos: P (al menos 1 defectuoso) = 8/15 ≈ 0.5333 (no cumple)

• Muestra de 4 artículos: P (al menos 1 defectuoso) = 14/21 ≈ 0.6667 (no cumple)
 10

• Muestra de 5 artículos: P (al menos 1 defectuoso) = 1 (cumple)