UNIVERSIDAD NACIONAL DE TRUJILLO

FACULTAD DE INGENIERÍA
ESCUELA DE INGENIERIA INDUSTRIAL

DOCENTE:
 MARTHA SOLANO COELLO
CURSO:
 ESTADISTICA II
TEMA:
 PRACTICA III
INTEGRANTES:
 AGUILAR CABRERA IRVIN ANDERSON
 AVILA TORRES JORGE LUIS
 BACILIO IBAÑEZ JHEINER WILDER
 CULQUI LOPEZ IVAN EDUARDO
 ESCALANTE AREVALO ANTHONY JANS

2020
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

1. Sea la variable aleatoria: número de caras al lanzar tres veces una moneda.

a. Escribir su función de probabilidad.

b. Elaborar su gráfica para la función de probabilidad.
c. ¿Cuál es la probabilidad de que salgan al menos dos caras?
d. ¿Cuál es la probabilidad de que el número de caras esté entre 1 y 2 inclusive?
e. ¿Cuál es el número de caras que se espera que salgan?
f. Calcula la varianza

SOLUCIÓN

 El espacio muestral viene dado por:

E={CCC ,CCX ,CXC , XCC , XXC , XCX ,CXX , XXX }

 La variable aleatoria x:

 Toma valor 0 cuando ocurre el suceso { XXX }

 Toma valor 1 cuando ocurre el suceso { XXC , XCX ,CXX }
 Toma valor 2 cuando {CCX ,CXC , XCC }
 Toma valor 3 cuando {CCC }

a. Su función de probabilidad es:

P0=P {x=0 }=1/8=0,125

P1=P {x=1 }=3/8=0.375
P2=P {x=2 }=3 /8=0.375
P3=P {x=3 }=1 /8=0.125

b. Elaborar su gráfica para la función de probabilidad.

Función de probabilidad de x
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3

c. ¿Cuál es la probabilidad de que salgan al menos dos caras?

P( x ≤2)=P( x=0)+ P( X=1)+ P(X =2)=0.125+0.375+0.375=0.875

ESTADISTICA II
2
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

INTERPRETACIÓN: La probabilidad de que salgan al menos dos caras es 87.5%

d. ¿Cuál es la probabilidad de que el número de caras esté entre 1 y 2 inclusive?

P(1 ≤ x ≤2)=P( x =1)+ P( x=2)=0.375+ 0.375=0.75

INTERPRETACIÓN: La probabilidad de que el número de caras esté entre 1 y 2 es 75%

e. ¿Cuál es el número de caras que se espera que salgan?

X 0 1 2 3
P(X ) 0.125 0.375 0.375 0.125
X . P(X ) 0 0.375 0.75 0.375

 Para hallar el valor esperado utilizamos

E ( x )=∑ x . P ( x ) E( x )=1.5
INTERPRETACIÓN: El número de caras que se espera que salgan es 1.5

f. Calcula la varianza

 Para hallar la varianza, usaremos:

σ 2=V ( x )= [∑ x 2 . P ( x ) ]−μ 2
σ 2=V ( x )=3−1.52
σ 2=V ( x )=2.25

INTERPRETACIÓN: La varianza de X es 2.25

2. Una compañía de aerolíneas ha vendido 205 tickets para un avión de 200

pasajeros. Sea x la variable aleatoria que expresa el número de viajeros que va al
aeropuerto para viajar en el avión. Su distribución es:
xi 198 199 200 201 202 203 204 205
pi 0,05 0,09 0,15 0,20 0,23 0,17 0,09 0,02

a. Calcular el número esperado de viajeros que acude al aeropuerto.

b. Calcula la varianza

SOLUCIÓN

a. Calcular el número esperado de viajeros que acude al aeropuerto.

ESTADISTICA II
3
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

xi 198 199 200 201 202 203 204 205

pi 0,05 0,09 0,15 0,20 0,23 0,17 0,09 0,02

xi. pi 9.9 17.911 30 40.2 46.46 34.5 18.3 4.1

 Para hallar el valor esperado utilizamos

μ2=E ( x )=∑ x . P ( x ) E( x )=¿201.3

INTERPRETACIÓN: El número esperado de viajeros que acude al aeropuerto es 201.3

b. Calcula la varianza

 Para hallar la varianza, usaremos:

σ 2=V ( x )= [∑ x 2 . P ( x ) ]−μ 2

σ 2=V ( x )=40552.5−201.3 2

σ 2=V ( x )=30.81

INTERPRETACIÓN: La varianza es 30.81

3. Sea x una variable aleatoria que expresa el número de personas que habitan en
una vivienda elegida al azar.

La distribución de probabilidad de x es la siguiente:

xi 1 2 3 4 5 6 7 8+
pi 0,230 0,322 0,177 0,155 0,067 0,024 0,015 0,010

SOLUCIÓN

a. Comprobar que es una distribución de probabilidad.

Todas las pi son mayores o iguales que cero y además se cumple que:
8

∑ pi =0.23+0.322+0.177+ … 0.010=1
i=1
b. Hallar la probabilidad de que el número de personas que viven en un
hogar sea menor o igual que cuatro.

P ( x ≤ 4 )=P ( x=1 )+ P ( x=2 )+ P ( x=3 ) + P ( x=4 )=¿¿ 0.23+0.322+0.177 +0.155

¿ 0.884

ESTADISTICA II
4
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

INTERPRETACIÓN: La probabilidad de que el número de personas que viven en un

hogar sea menor o igual que cuatro es 88.4%

c. Calcular la probabilidad de que al menos dos personas vivan en una

vivienda.
P ( x ≥ 2 )=P ( x=2 ) + P ( x=3 )+ …+ P ( x ≥ 8 )=¿¿ 1−P ( x< 2 )=1−0.23=0.77
INTERPRETACIÓN: La probabilidad de que al menos dos personas vivan en una
vivienda es 77%.

d. Obtener el número de medio de personas que habitan en una vivienda.

mx =1 x 0.23+2 x 0.322+3 x 0.177+ …+7 x 0.015+ 8 x 0.01=2.689

INTERPRETACIÓN: El número medio de personas que habitan en una vivienda es 2.689

e. Calcular la varianza.

 Para hallar la varianza utilizamos

σ 2=V ( x )= [∑ x 2 . P ( x ) ]−μ 2

σ 2=V ( x )=24.75−2.892

σ 2=V ( x )=24.75−8.35

σ 2=V ( x )=16.4

INTERPRETACIÓN: La varianza es 16.4.

4. Encuentre la media μ = E(X), la varianza de X y la desviación estándar X de la

distribución.

X 1 3 5 7
P(X) 0.3 0.1 0.4 0.2

SOLUCIÓN
a. Hallar la media μ = E(X)

 Para calcular la media μ E ( x ), usamos su fórmula:

μ= E ( x )=∑ x . P(x)

ESTADISTICA II
5
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

 Agregamos una columna más a la tabla, para encontrar los productos x . P(x )
. Luego, sumamos estos productos.
x 1 3 5 7

P( x ) 0.3 0.1 0.4 0.2

x . P(x ). 0.3 0.3 2 1.4

 De esta manera:

μ= E ( x )=4

b. Para hallar la varianza, usaremos:

σ 2=V ( x )= [∑ x 2 . P ( x ) ]−μ 2

 Para esto agregamos una fila más a la table, de esta manera:

x 1 3 5 7
P( x ) 0.3 0.1 0.4 0.2
x . P(x ). 0.3 0.3 2 1.4
x 2 . P(x). 0.3 0.9 10 9.8
 Queda de esta forma:

σ 2=V ( x )= [∑ x 2 . P ( x ) ]−μ 2

σ 2=V ( x )=21−4 2=5

c. Para la desviación estandar:

σ 2=√ σ 2=√ 5=2.23

INTERPRETACIÓN: La media o valor esperado es μ= E ( x )=4, la varianza de X

es 5 y la desviación estándar es 2.23.

5. Calcula la función de distribución, media y varianza de la variable aleatoria

“número que sale al lanzar un dado”.

SOLUCIÓN

ESTADISTICA II
6
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

 Tenemos:
X :“número que sale al lanzar un dado”.
Valores :1,2,3,4,5,6

X 1 2 3 4 5 6

P( X ) 1 1 1 1 1 1
6 6 6 6 6 6

X . P ( X )=E( X ) 1 1 1 2 5 1
6 3 2 3 6

 La función de distribución queda de esta forma:

0 ; X <1
1 / 6 ; 1 ≤ X <2
1 / 3 ; 2 ≤ X <3
1 / 2 ; 3 ≤ X <4
2 / 3 ; 4 ≤ X <5
5 / 6 ;5 ≤ X <6 E( X)
1 ; X ≥6

 Para calcular la media μ E ( x ), usamos su fórmula:

μ= E ( x )=∑ x . P(x)

μ= E ( x )=7 /2=3.5

 Para hallar la varianza, usamos la fórmula:

σ =V ( x )= [∑ x 2 . P ( x ) ]−μ 2
2

σ 2=V ( x )= [∑ x 2 . P ( x ) ]−μ 2

σ 2=V ( x )=15.16−3.52

σ 2=V ( x )=2.91

INTERPRETACIÓN: La media o valor esperado es μ= E ( x )=3.5, la varianza de

X es 2.91. Y su función de distribución esta dada por:

ESTADISTICA II
7
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

0 ; X <11 / 6 ; 1 ≤ X <21 / 3 ; 2 ≤ X <31 / 2 ; 3 ≤ X <42 / 3 ; 4 ≤ X <55 / 6 ;5 ≤ X <6

1 ; X ≥6
[Link] X una variable aleatoria cuya función de probabilidad está dada por la función de
Probabilidad E( X)

X 4 5 6 7
P(X) 4/60 10/60 18/60 28/60

Encuentre:

a. la distribución acumulada
b. la media esperada.

SOLUCIÓN

a. Hallar la distribución acumulada:

 Nos piden encontrar la función de distribución acumulativa de X, entonces

recordemos la fórmula:

F (x)=P( X ≤ x )

 Primero vamos a encontrar F ( x ) para cada uno de los posibles valores de X :

o F (4)=P(X ≤ 4)=f (4)=4 /60=0.06

o F (5)=P( X ≤ 5)=P(X =4 o 5)=f (4)+ f (5)=4/60+10 /60=14 /60=0.23
o F (6)=P( X ≤ 6)=P( X=4,5 o 6)=f (4)+ f (5)+ f (6)=4/60+10 /60+ 18/60=0.53

o
F (7)=P( X ≤ 7)=P( X =4,5,6 o 7)=f (4)+ f (5)+f (6)+ f (7)=4 /60+10/ 60+18 /60+ 28/60=1

 Completamos la tabla:

X 4 5 6 7
F( 0.0 0.23 0.53 1
X) 6

 La función de distribución queda de esta forma:

0 ; x <40.06 ; 4 ≤ x <50.23 ; 5 ≤ x <60.53 ; 6 ≤ x<71 ; x ≥ 7

b. Para hallar la media
F (X ) esperada, utilizamos:

ESTADISTICA II
8
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

X 4 5 6 7
P(X ) 4/6 10/6 18/6 28/6
0
X . P( X ) 4/1 0
5/6 0
9/5 0
49/1
5 5

μ= E ( x )=∑ x . P(x)

μ= E ( x )=4 /15+ 5/6+9 /5+ 49/15=5.03

INTERPRETACIÓN: La función de distribución acumulada esta dada por:

0 ; x <40.06 ; 4 ≤ x <50.23 ; 5 ≤ x <60.53 ; 6 ≤ x<71 ; x ≥ 7

La media esperada F (Xde) X es 5.03
7. Calcule y escriba en una tabla la distribución de la variable aleatoria suma de los
números que aparecen al lanzar dos dados.

SOLUCIÓN

 A continuación presentamos todos los sucesos que pueden ocurrir al lanzar dos
dados y el valor que para cada uno de estos sucesos tiene la variable suma:

(1,1) 2 (2,1) 3 (3,1) 4 (4,1) 5 (5,1) 6 (6,1) 7

(1,2) 3 (2,2) 4 (3,2) 5 (4,2) 6 (5,2) 7 (6,2) 8
(1,3) 4 (2,3) 5 (3,3) 6 (4,3) 7 (5,3) 8 (6,3) 9
(1,4) 5 (2,4) 6 (3,4) 7 (4,4) 8 (5,4) 9 (6,4) 10
(1,5) 6 (2,5) 7 (3,5) 8 (4,5) 9 (5,5) 10 (6,5) 11
(1,6)7 (2,6) 8 (3,6) 9 (4,6) 10 (5,6) 11 (6,6) 12

 Como todos estos sucesos tienen la misma probabilidad 1/36, la distribución de la

suma será:

X 2 3 4 5 6 7 8 9 10 11 12
P 1/36 2/36 3/36 4/36 5/36 6/36 5/36 4/36 3/36 2/36 1/36
8. Con la variable aleatoria X, cuya función de probabilidad viene dada en la tabla
siguiente:

X 10 12 14 15 17 20
P(X) 0.1 0.3 0.25 0.14 A 0.15

Determine:
a. El valor de “A”
b. La esperanza y varianza. Interprete
c. La función de distribución de probabilidad.

ESTADISTICA II
9
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

SOLUCIÓN

a. Determine el valor de “A”:

∑ P( X )=1
0.1+0.3+ 0.25+0.14+ A+ 0.15=1
A=0.06

INTERPRETACIÓN: El valor de A es 0.06

b. La esperanza y varianza. Interprete

X 10 12 14 15 17 2
P(X) 0.1 0.3 0.25 0.14 0.06 0.1
X.P(X 1 3.6 3.5 2.1 1.02 0.3
 La esperanza o valor esperado esta dada por:
μ= E ( x )=∑ x . P(x)

μ= E ( x )=1+3.6 +3.5+2.1+1.02+0.3=11.52

 Para hallar la varianza, usamos:

σ 2=V ( x )= [∑ x 2 . P ( x ) ]−μ 2

σ 2=V ( x )=151.64−11.52 2

σ 2=V ( x )=18.92

INTERPRETACIÓN: La esperanza es 11.52 y la varianza es 18.92

c. La función de probabilidad:

X 1 1 1 1 17 2
P(X) 0. 0. 0.25 0.14 0. 0.15
F (X )=P( X ≤ x)< x 0.
¿ 0. 0.65 0.79 0. 1

0 ; x <100.1 ; 10 ≤ x <120.4 ; 12 ≤ x <14 0.65 ; 14 ≤ x<15 0.79 ; 15 ≤ x <17 0.85 ; 17 ≤ x <20

1 ; x ≥ 20

ESTADISTICA II
F (X ) 10
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

9. Una firma que recibe pedidos por teléfono tiene seis líneas telefónicas. Sea la variable
aleatoria: número de líneas en uso en un momento específico, y supón que su
distribución de probabilidad es:

x P(x)
0 0.10
1 0.15
2 0.20
3 0.25
4 0.20
5 0.06
6 0.04
Total 1.00

SOLUCIÓN

Calcular la probabilidad de los siguientes eventos:

a. A lo más, dos líneas están en uso.
P ( x ≥ 2 )=0.20+ 0.25+ 0.20+0.06+0.04=0.75
INTERPRETACIÓN:
La probabilidad de que, a lo más, dos líneas estén en uso es del 75%.
b. Por lo menos cuatro líneas están en uso.
P ( x ≥ 4 )=1−P ( x ≤ 3 )=1−( 0.10+0.15+ 0.20+0.25 )=0.3
INTERPRETACIÓN:
La probabilidad de que por lo menos cuatro líneas estén en uso es del 30%.
c. Entre dos y cinco líneas
inclusive están en uso.
P(3 ≤ X ≤5)= = P (X ≤
5) - P (X ≤ 2) =
(0.10+0.15+0.20+0.25+0
.20+0.06) -
(0.10+0.15+0.20) =0.51
INTERPRETACIÓN:
La probabilidad de que entre dos y cinco líneas inclusive están en uso es de 51%.

ESTADISTICA II
11
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

d. Por lo menos cuatro líneas no estén en uso.

P ( X < 4 )=0.10+0.15+0.20+ 0.25=0.7 0

INTERPRETACIÓN:
La probabilidad de que por lo menos cuatro líneas no estén en uso es del 70%.

e. ¿Cuántas llamadas se espera que estén en uso?

μ= x∗P(x)
μ=0 x 0.10+1 x 0.15+2 x 0.20+ 3 x 0.25+ 4 x 0.20+5 x 0.06+6 x 0.04
μ=2.64
INTERPRETACIÓN:
Se espera 3 llamadas que estén en uso.

f. Calcula la varianza.
σ 2=∑ [ ( x−μ )2∗P (x) ¿ ]¿

Varianza=(0−2.64)2 x 0.1+(1−2.64)2 x 0.15+(2−2.64)2 x 0.20+(3−2.64)2 x 0.25+(4−2.64)2 x 0.20

σ 2=2.37
INTERPRETACIÓN:
Comparando con el mismo tipo de datos, una varianza elevada significa que los
datos están más dispersos, como en el caso de este ejercicio. Mientras que un valor
de la varianza bajo indica que los valores están por lo general más próximos a la
media.

10. Suponga que x representa el número de platos de ajiaco de cuy vendidos en un

restaurante de Cajamarca. Y que su función de probabilidad es:

x P(x) F(x)
0 0.10 0.10
1 0.20 0.30
2 0.15 0.45
SOLUCIÓN
3 0.35 0.80
4 0.12 0.92
5 0.08 1.00
ESTADISTICA II Total 1.00
12
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

a. Calcula la probabilidad de que en una hora se vendan por lo menos dos

platos.
P ( x ≥ 2 )=0.15+0.35+ 0.12+ 0.08=0.70
INTERPRETACIÓN:
La probabilidad de que en una hora se vendan por lo menos dos platos es del 70%

b. Halla la distribución acumulada.

x P(x) F(x)
0 0.10 0.10
1 0.20 0.30
2 0.15 0.45
3 0.35 0.80
4 0.12 0.92
5 0.08 1.00
Total 1.00

c. Halla la probabilidad de que se vendan al menos un plato.

P( x ≥1)=1−P(1−1)=1−P(0)=1−0.10=0.90
INTERPRETACIÓN:
La probabilidad que se vendan al menos un plato es del 90%
d. Halla la probabilidad de que se vendan a los más cuatro platos.
P ( X ≥ 4 ) =P ( X=0 )+ P ( X =1 ) + P ( X=2 ) + P ( X=3 ) + P(X =4)
P ( X ≥ 4 ) =0.10+0.20+0.15+ 0.35+0.12=0.92
INTERPRETACIÓN:
La probabilidad de que se vendan a lo más cuatro platas es del 92%.
e. ¿Cuántos platos se espera vender en el restaurante?
μ= x∗P( x)
μ=0 x 0.10+1 x 0.20+2 x 0.15+ 3 x 0.35+ 4 x 0.12+5 x 0.08
μ=2.43
INTERPRETACIÓN:
Se espera vender 2 platos en el restaurante.

ESTADISTICA II
13
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

f. Calcula la varianza.
σ 2=∑ [ ( x−μ )2∗P (x) ¿ ]¿
Varianza=(0−2.43)2 x 0.1+(1−2.43)2 x 0.2+(2−2.43)2 x 0.15+(3−2.43)2 x 0.35+(4−2.43)2 x 0.12+
Varianza=1.9651
INTERPRETACIÓN:
Comparando con el mismo tipo de datos, una varianza elevada significa que los
datos están más dispersos. Mientras que un valor de la varianza bajo indica que
los valores están por lo general más próximos a la media, como se presenta en el
caso de este ejercicio.

11. Sea la variable aleatoria X: número de fallas que tiene una máquina por día, tiene la
siguiente distribución de probabilidad.

x P(x)
0 0.10
1 0.15
2 0.20
3 0.30
4 0.13
5 0.08
6 0.04
Total 1.00

SOLUCIÓN

a. Determina el valor esperado e interpreta X

μ= x∗P(x)

μ=0 x 0.10+1 x 0.15+2 x 0.20+ 3 x 0.30+ 4 x 0.13+5 x 0.08+6 x 0.04

μ=2.61

ESTADISTICA II
14
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

INTERPRETACIÓN:
El valor esperado del número de fallas que tiene una maquina por día es 3.

b. Calcula la desviación estándar:

σ 2=∑ [ ( x−μ )2∗P (x) ¿ ]¿

Varianza=(0−2.61)2 x 0.10+(1−2.61)2 x 0.15+(2−2.61)2 x 0.20+(3−2.61)2 x 0.30+(4−2.61)2 x 0.13

Varianza=2.3579

Desviación estándar (σ )=√ σ 2

Desviación estándar (σ )=√ 2.3579

Desviación estándar (σ )=1.5355

INTERPRETACIÓN:
La desviación estándar es la medida de dispersión más común, que indica qué tan
dispersos están los datos con respecto a la media. Mientras mayor sea la desviación
estándar, mayor será la dispersión de los datos. En nuestro problema la desviación
estándar es 1.5355.

12. La demanda mensual de uno de los productos de Export S.A. varia de un mes a
otro. A partir de la información de los últimos veinticuatro meses, se logró estimar
la distribución de probabilidades para la demanda mensual del producto bajo
estudio.

Demanda
(unidades) P(x)

20000 0.25

30000 0.35

ESTADISTICA II
15
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

40000 0.30

50000 0.10

Total 1.00

SOLUCIÓN

Determinar la demanda esperada.

μ= x∗P( x)

μ=20000 x 0.25+30000 x 0.35+ 40000 x 0.30+50000 x 0.10

μ=32500
INTERPRETACIÓN:
La demanda esperada de uno de los productos de la empresa Export S.A. es 32500
unidades.
13. Una Universidad se enteró de que el 20% de sus alumnos se dan de baja del
curso de Estadística. Suponga que en este semestre se inscribieron 20 alumnos a
este curso.

SOLUCIÓN
a. ¿Cuál es la probabilidad de que dos ó menos se den de baja?
Aplicamos la función de probabilidad de la distribución binomial:

P ( x ≤ 2 )=P ( x=0 ) + P ( x=1 ) + P(x=2)

20 ! 20! 20 !
x 0.20 x 0.8 20 x 0.21 x 0.819 + x 0.22 x 0.818 =0.206
0 ! ( 20−0 ) ! 1 ! ( 20−1 ) ! 2! ( 20−2 ) !
INTERPRETACIÓN:
La probabilidad de que dos o menos alumnos se den de baja en el curso de
Estadística es del 20.60%.
b. ¿Cuál es la probabilidad de que se den de baja exactamente cuatro?

Aplicamos la función de probabilidad de la distribución binomial:

ESTADISTICA II
16
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

20 !
P ( x=4 )= x 0.24 x 0.816 =0.2182
4 ! (20−4 ) !
INTERPRETACIÓN:
La probabilidad de que 4 alumnos se den de baja en el curso es de 21.82%.

c. ¿Cuál es la probabilidad de que se den de baja más de tres?

Aplicamos la función de probabilidad de la distribución binomial:
P ( x>3 )=1−P ( x ≤ 3 )=1−(P ( X =0 ) + P ( X=1 )+ P ( X =2 ) + P ( X=3 ) )
20 !
P ( X=0 )= x 0.20 x 0.820=0.01153
0 ! ( 20−0 ) !
20 ! 1 19
P ( X=1 ) = x 0.2 x 0.8 =0,057646075
1 ! ( 20−1 ) !
20 !
P ( X=2 )= x 0.22 x 0.8 18=0,136909429
2 ! ( 20−2 ) !

20 !
P ( X=3 )= x 0.23 x 0.817=0,20536414
3! (20−3 ) !
Entonces:
P ( x ≤ 3 )=1−( P ( X=0 ) + P ( X=1 ) + P ( X=2 )+ P ( X =3 ) )=0.589
INTERPRETACIÓN:
La probabilidad de que 3 o más estudiantes se den de baja es del 58.9%

d. ¿Cuál es la cantidad esperada de deserciones?

μ=n x p= 20 x 0.2 = 0.4
INTERPRETACIÓN:
La cantidad esperada de deserciones es del 40%.
14. La probabilidad de que un estudiante obtenga el título de licenciado en
Administración es de 0.3. Halla la probabilidad de que de un grupo de siete
estudiantes matriculados en primer curso.
SOLUCIÓN

a. Ninguno de los 7 finalice la carrera

n=7 estudiantes

ESTADISTICA II
17
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

k= 0 estudiantes
p=0.3
q=0.7
Aplicamos la fórmula de probabilidad por distribución polinomial:
7!
P ( x=0 )= x 0.30 x 0.77 =0.0823543
0 ! ( 7−0 ) !
INTERPRETACIÓN:
La probabilidad de que un grupo de siete estudiantes matriculados en primer
curso, ninguno de los 7 finalice la carrera es 8.2%.
b. Finalicen todos la carrera
7!
P ( x=7 )= x 0.37 x 0.70 =0.0002187
7 ! ( 7−7 ) !
INTERPRETACIÓN:
La probabilidad de que un grupo de siete estudiantes matriculados en primer
curso, finalicen todos la carrera es 0.022%
c. Al menos 2 acaben la carrera
P( x ≥2)=1−P (x ≤ 1)
7!
P ( x=0 )= x 0.30 x 0.77 =0.0823543
0 ! ( 7−0 ) !
7!
P ( x=1 )= x 0.31 x 0.76=0.2470629
1! ( 7−1 ) !
Entonces:

P ( x ≥ 2 )=1−P ( x ≤ 1 )=1−(0.0823543+0.2470629)

P( x ≥2)=0.6705828
INTERPRETACIÓN:
La probabilidad de que un grupo de siete estudiantes matriculados en primer
curso, al menos 2 acaben la carrera es del 67%

d. Halla la media y la desviación estándar.

ESTADISTICA II
18
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

Desviación estándar ( σ )=√ nxpxq=√ 7 x 0.3 x 0.7=1.21

Varianza(σ 2)=nxpxq=7 x 0.3 x 0.7=1.47
INTERPRETACIÓN:
La desviación estándar de una muestra de 7 estudiantes matriculados en el primer
curso es 1.21. Mientras que la varianza de una muestra de 7 estudiantes
matriculados en el primer curso es 1.47.
15. Se estima que el 60% de una población de consumidores prefiere una marca
particular de pasta de dientes A.
¿Cuál es la probabilidad, que, al entrevistar a un grupo de consumidores, de cinco
personas, se encuentre a un consumidor que prefiere la marca A? ¿Al menos cinco
personas prefieren la marca A?

SOLUCIÓN

5!
P ( x=1 )= x 0.6 1 x 0.4 4=0.0768
1! ( 5−1 ) !
INTERPRETACIÓN:
La probabilidad de que, al entrevistar a un grupo de consumidores de cinco
personas, se encuentre un consumidor que prefiere la marca A es de 7.68%.
P( x ≥5)=1−P( x ≤ 4)
5!
P ( x=0 )= x 0.60 x 0.4 5=0.01024
0 ! ( 5−0 ) !
5!
P ( x=1 )= x 0.6 1 x 0.4 4=0.0768
1! ( 5−1 ) !
5!
P ( x=2 )= x 0.62 x 0.4 3=0.2304
2! (5−2 ) !

5!
P ( x=3 )= x 0.6 3 x 0.42=0.3456
3 ! ( 5−3 ) !
5!
P ( x=4 )= x 0.64 x 0.41=0.2592
4 ! (5−4 ) !
Entonces:
P ( x ≥ 5 )=1−(0.01024+ 0.0768+0.2304+ 0.2592)

P ( x ≥ 5 )=0.078
INTERPRETACIÓN:

ESTADISTICA II
19
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

La probabilidad de que, al entrevistar a un grupo de consumidores de cinco

personas, al menos cinco personas prefieran la marca A es 7.8%.

16. En un almacén se tiene 10 impresoras, de las cuales 4 están defectuosas.

Una compañía selecciona 5 impresoras al azar.

SOLUCIÓN
a. ¿Cuál es la probabilidad de que las 5 no son defectuosas?
n=10
x=5
p=0.6
q=0.4
P (5) = ((10! / ((10-5)!5!)) *0.65*0.45 = 0.2
INTERPRETACIÓN:
La probabilidad de que al seleccionar 5 impresoras ninguna sea defectuosa es de
20%
b. ¿Cuál es la probabilidad de que 3 son defectuosas?

n=10
x=3
p=0.4
q=0.6

P (3) = ((10! / ((10-3)!3!)) *0.43*0.67= 0.214

INTERPRETACIÓN:
La probabilidad de seleccionar 3 impresoras que sean defectuosa es de 20%

17. Supongamos que la probabilidad de tener una unidad defectuosa en una línea de
ensamblaje es de 0.05. Si el conjunto de unidades terminadas constituye un
conjunto de ensayos independientes:

SOLUCIÓN
a. ¿Cuál es la probabilidad de que entre diez unidades dos se encuentren
defectuosas?
n=10
x=2
p=0.05
q=0.95
P (2) = ((10! / ((10-2)!2!)) *0.052*0.958= 0.074

INTERPRETACIÓN:

ESTADISTICA II
20
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

La probabilidad de que entre diez unidades dos se encuentren defectuosas es de

7.4%
b. ¿Y de que a lo sumo dos se encuentren defectuosas?
P (x ≤ 2) = 0.988

INTERPRETACIÓN:
La probabilidad de que a lo sumo dos unidades se encuentren defectuosas es de
98%

c. ¿Cuál es la probabilidad de que por lo menos una se encuentre defectuosa?

P (x ≥1) = 1- P (x ≤ 0) = 1- 0.599 = 0.401

INTERPRETACIÓN:
La probabilidad de que por lo menos una se encuentre defectuosa es de 40.1%

ESTADISTICA II
21
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

18. El departamento de control de calidad de una empresa que fabrica pañuelos sabe
que el 5% de su producción tiene algún tipo de defecto. Los pañuelos se
empaquetan en cajas con 15 elementos. Calcular la probabilidad de que una caja
contenga:

SOLUCIÓN

a. 2 elementos defectuosos.

n=15
x=2
p=0.05
q=0.95
P (x=2) = P (x ≤ 2) - P (x ≤ 1) = 0.964 - 0.829 = 0.135

INTERPRETACIÓN:
La probabilidad de que una caja contenga 2 elementos defectuosos es
de 13.5%

b. Menos de 3 elementos defectuosos

P (x ≤ 2) = 0.964
INTERPRETACIÓN:
La probabilidad de que una caja contenga menos de 3 elementos
defectuosos es de 96.4%

c. Entre 3 y 5 elementos defectuosos (ambos incluidos)

P (3 ≤ x ≤ 5) = P (x ≤ 5) – P (x ≤ 2) = 1 - 0.964 = 0.036

INTERPRETACIÓN:
La probabilidad de que una caja contenga entre 3 y 5 elementos
defectuosos es de 3.6%

19. En el proceso productivo de la empresa OPEN PLEASE se sabe que el 8% de la

producción es defectuosa. Si se extrae una muestra aleatoria de 20 a partir del
proceso. ¿Cuál es la probabilidad de que:

SOLUCIÓN

a. Exactamente 5 sean defectuosos

n=20
x=5
p=0.08

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

q=0.92

P (5) = P (x≤5) – P (x≤4) = 1 - 0.997 = 0.003

INTERPRETACIÓN:
La probabilidad de que 5 sean defectuosos es de 0.3%

b. Ninguno sea defectuoso.

1 – P(x≤20) = 1- 1 = 0

INTERPRETACIÓN:
La probabilidad de que ninguno sea defectuoso es de 0%

c. Menos de 2 sean defectuosos.

P(x≤1) = 0.736

INTERPRETACIÓN:
La probabilidad de que menos de 2 sean defectuosos es de 73.6%

d. Más de 3 sean defectuosos.

P (x ≥ 3) = 1 - P (x ≤ 3 - 1) = 1 - 0.925 = 0.075

INTERPRETACIÓN:
La probabilidad de que más de 3 sean defectuosos es de 7.5%

20. En un juego de apuestas entre los estudiantes de la UPN y el profesor de

estadística, el estudiante arroja una moneda 10 veces. En este juego se tienen en
cuenta las siguientes apuestas:

SOLUCIÓN

a. Si obtiene 5 caras o más, el estudiante gana 2 puntos en su examen de

parcial.

n=10
p=0.5
q=0.5

P(x≥5) = 1 – P (x≤ 4) = 1 - 0.377 = 0.623

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

INTERPRETACIÓN:
La probabilidad de que el estudiante gane 2 puntos en su examen de
parcial es de 62.3%

b. Si obtiene menos de 3 caras no gana ningún punto.

P (x≤2) = 0.055

INTERPRETACIÓN:

La probabilidad de que el estudiante no gane ningún punto es de 5.5%

c. Si obtiene más de 6 caras gana 3 puntos.

P(x≥7) = 1 – P(x≤6) = 1 - 0.828 = 0.172

INTERPRETACIÓN:

La probabilidad de que el estudiante gane 3 puntos es de 17.2%

d. Si obtiene 2 caras o menos se le quita 1 punto en el examen de medio

ciclo.

P (x≤2) = 0.055

INTERPRETACIÓN:
La probabilidad de que al estudiante se le quite 1 punto en el examen
de medio ciclo es de 5.5%

21. Según información de Secretaría Académica de la Universidad Privada del Norte,

el 65% de los estudiantes son del sexo masculino y el resto mujeres. Para la
aplicación de una encuesta por parte de la asistenta social, se selecciona
aleatoriamente a 10 estudiantes

SOLUCIÓN

a. Cuál es la probabilidad de encuestar a menos de 5 hombres.

n=10
p=0.65
q=0.35

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

P(x≤4) = 0.095

INTERPRETACIÓN:
La probabilidad de encuestar a menos de 5 hombres es de 9.5%

b. Cuál es la probabilidad de encuestar más de 5 hombres.

P (x≥5) = 1 – P(x≤4) = 1 - 0.095 = 0.905

INTERPRETACIÓN:

La probabilidad de encuestar a más de 5 hombres es de 90.5%

c. Cuál es la probabilidad de encuestar a 3 y 8 hombres inclusive.

P (3≤ x ≤ 8) = P (x ≤ 8) – P (x ≤ 2) = 0.914 - 0.005 = 0.909

INTERPRETACIÓN:

La probabilidad de encuestar a 3 y 8 hombres inclusive es de 90.9%

d. Cuál es la probabilidad de encuestar a ningún hombre.

1 – P(x≤10) = 1 – 1 = 0

INTERPRETACIÓN:

La probabilidad de encuestar a ningún hombre es de 0%

22. Se realizó un estudio epidemiológico en niños en la ciudad de Cajamarca, para

verificar la eficacia de una vacuna contra el resfrío en la época de invierno. Por
estudios anteriores se sabe que esta vacuna tiene una eficacia del 70% contra este
tipo de epidemia. Para este estudió se seleccionó aleatoriamente a 20 niños.

SOLUCIÓN

a. ¿Cuál es la probabilidad de que exactamente 5 niños tengan resfrío en

invierno?

n=20
p=0.3
q=0.7

P(x=5) = P(x≤5) – P(x≤4) = 0.416 - 0.238 = 0.178

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

INTERPRETACIÓN:
La probabilidad de que exactamente 5 niños tengan resfrío en invierno es de
17.8%

b. ¿Cuál es la probabilidad de que más de 5 niños tengan resfrío en invierno?

P(x≥5) = 1 – P(x≤4) = 1 - 0.238 = 0.762
INTERPRETACIÓN:
La probabilidad de que más de 5 niños tengan resfrío en invierno es de 76.2%

c. ¿Cuál es la probabilidad de que menos de 5 niños tengan resfrío en

invierno?

P(x≤4) = 0.238

INTERPRETACIÓN:

La probabilidad de que menos de 5 niños tengan resfrío en invierno es de 23.8%

d. ¿Cuál es la probabilidad de que entre 4 y 6 niños inclusive tengan resfrío?

P (4≤ x ≤ 6) = P (x ≤ 6) – P (x ≤ 3) = 0.608 - 0.107 = 0.501

INTERPRETACIÓN:

La probabilidad de que entre 4 y 6 niños inclusive tengan resfrío es de 50.1%

23. Carlos es un vendedor a domicilio que visita a diez potenciales clientes al día. De
experiencias pasadas se sabe que la probabilidad de que un potencial cliente realice
una compra es 0.1.

a. ¿Cuál es la probabilidad de que Carlos realice dos ventas en un día?

b. ¿Cuál es la probabilidad de que Carlos realice a lo más tres ventas en un día?
c. ¿Cuál es el número esperado de ventas al día?

SOLUCIÓN

a. ¿Cuál es la probabilidad de que Carlos realice dos ventas en un día?

n=10 ; p=0.1

P ( x=2 )=P ( x ≤ 2 )−P ( x ≤ 1 )=0.930−0.736=0.194

INTERPRETACIÓN:

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

Existe un 19.4% de probabilidad de que Carlos realice dos ventas en un día.

b. ¿Cuál es la probabilidad de que Carlos realice a lo más tres ventas en un día?

P ( x ≤ 3 )=0.987
INTERPRETACIÓN:
Existe un 98.7% de probabilidad de que Carlos realice a lo más tres ventas en un día.

c. ¿Cuál es el número esperado de ventas al día?

μ=n ∙ p=10∙ 0.1=1

INTERPRETACIÓN:
Se espera realizar 1 venta al día.

24. Si se conoce que el 70% de los estudiantes que acaban el primer año de bachillerato
continúa el segundo año de bachillerato, ¿Cuál es la probabilidad de que seis estudiantes
elegidos al azar del primer año del bachillerato:
a. Todos continúen el segundo año del bachillerato
b. Cuatro continúen el segundo año
c. Cuatro no continúen el segundo año
d. ¿Cuántos estudiantes se espera que sigan el segundo año del bachillerato?
SOLUCIÓN

n=6 ; p=0.7 ; q=0.3

a. Todos continúen el segundo año del bachillerato

P ( x=6 )=P ( x ≤6 )−P ( x ≤5 )=1−0.882=0.118

INTERPRETACIÓN:
Existe una probabilidad de 11.8% de que los 6 estudiantes elegidos continúen el
segundo año de bachillerato.

b. Cuatro continúen el segundo año

P ( x=4 )=P ( x ≤ 4 )−P ( x ≤ 3 )=0.580−0.256=0.324

INTERPRETACIÓN:
Existe una probabilidad de 32.4% de que cuatro estudiantes de los 6 elegidos continúen
el segundo año de bachillerato.

c. Cuatro no continúen el segundo año

P ( x=4 )=P ( x ≤ 4 )−P ( x ≤ 3 )=0.989−0.930=0.059

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

INTERPRETACIÓN:
Existe una probabilidad de 5.9% de que cuatro estudiantes de los 6 elegidos no
continúen el segundo año de bachillerato.

d. ¿Cuántos estudiantes se espera que sigan el segundo año del bachillerato?

μ=n ∙ p=6 ∙0.7=4.2

INTERPRETACIÓN:
La cantidad de estudiantes que se espera que continúen el segundo año de bachillerato
es de 4 estudiantes.

25. La empresa Opinión S.A. informa que el 35% de los hogares de Cajamarca tiene
televisión por cable. Si se analiza veinte hogares, determinar la probabilidad de que el
número de hogares con cable sea:
a. Mayor que uno
b. 5 o menos
c. Entre 10 y 11 inclusive
d. 18 o más
SOLUCIÓN
n=20 ; p=0.35
a. Mayor que uno

P ( x>1 ) =1−P ( x ≤ 1 )=1−0.002=0.998

INTERPRETACIÓN:
Existe una probabilidad de 99.8% de que el número de hogares con cable sea mayor que
1.

b. 5 o menos

P ( x ≤ 5 )=0.245
INTERPRETACIÓN:
Existe una probabilidad de 24.5% de que el número de hogares con cable sea 5 o
menos.

c. Entre 10 y 11 inclusive

P ( 10≤ x ≤ 11 ) =P ( x ≤11 )−P ( x ≤ 9 )=0.980−0.878=0.102

INTERPRETACIÓN:
Existe una probabilidad de 10.2% de que el número de hogares con cable sea de entre
10 y 11 inclusive.

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

d. 18 o más

P ( x ≥ 18 )=1−P ( x ≤ 17 ) =1−1=0
INTERPRETACIÓN:
No existe la probabilidad de que el número de hogares con cable sea de 18 o más.

26. Un estudio de los residentes de la ciudad de Cajamarca mostró que el 40% prefiere
dentífrico de la marca Kolynos. Si se pregunta a diez de estos residentes al azar, calcula la
probabilidad de que:

SOLUCIÓN

Se trata de una distribución binomial:

a. Ninguno prefiera la marca Kolynos.

n = 10, x = 0, p = 0.4, q = 0.6

Aplicamos la fórmula:
n p x q n−x
P(X = x) = ()x
10 (0.4)0 ( 0.6)10 10 !
P(X=0) = ( )
0
=
10! × 0 !
× 1× 0.610
P(X=0) = 0.00604

INTERPRETACIÓN:
La probabilidad de que a ninguno de los 10 residente de Cajamarca le guste la
marca Kolynos es del 0.604%

b. Cuatro prefieran la marca Kolynos.

n = 10, x = 4, p = 0.4, q = 0.6

P(X=4) = P(X≤4) – P(X≤3)
Nos ayudamos de las tablas y obtenemos los valores:
P(X≤4) = 0.663
P(X≤3) = 0.382
P(X=4) = 0.663 - 0.382 = 0.281

INTERPRETACIÓN:
La probabilidad de que 4 de los 10 residentes de Cajamarca le guste la marca
Kolynos es del 28.1%

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

c. Al menos nueve prefieran la marca Kolynos.

n = 10, x ≥ 9, p = 0.4
P(X≥9) = 1 – P(X≤8)
Nos ayudamos de las tablas y obtenemos los valores:
P(X≤8) = 0.998
P(X≥9) = 1 - 0.998 = 0.002

INTERPRETACIÓN:
La probabilidad de que al menos 9 de los 10 residentes de Cajamarca le guste la
marca Kolynos es del 0.2%

d. Todos compren la marca Kolynos.

n = 10, x =1 0, p = 0.4
P(X=10) = P(X≤10) – P(X≤9)
Nos ayudamos de las tablas y obtenemos los valores:
P(X≤10) = 1.000
P(X≤9) = 1.000
P(X=10) = 1.000 - 1.000 = 0

INTERPRETACIÓN:
La probabilidad de que a los 10 residentes de Cajamarca compren la marca Kolynos
es del 0%

27. Una compañía especializada en encuestas afirma que el 90% de los automovilistas
nunca ha usado llantas de la marca RST. Si esto es correcto, ¿Cuál es la probabilidad de
que en una muestra de quince automóviles seleccionados al azar por lo menos tres hayan
usado esta marca de llantas?

SOLUCIÓN

Se trata de una distribución binomial:

Nos dan de dato que el 90% no han usado la marca RST por lo tanto el porcentaje que si ha
usado la marca es de 10%
n = 15, x ≥ 3, p = 0.1, q = 0.9
P(X≥3) = 1 - P(X≤2)
Nos ayudamos de las tablas y obtenemos el valor:
P(X≤2) = 0.816
P(X≥3) = 1 – 0.816 = 0.184

INTERPRETACIÓN:
La probabilidad de que por lo menos 3 de los 15 autos hayan usado la marca RST es del
18.4%

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

28. Se forma una empresa minera en Cajamarca con suficiente capital para financiar diez
explotaciones. La probabilidad de que una explotación en particular sea exitosa es de 0.2
Suponga que las explotaciones son exitosas.
Se trata de una distribución binomial
SOLUCIÓN

a. ¿Cuál es la probabilidad de que por lo menos dos explotaciones sean exitosas?

n = 10, x ≥ 2, p = 0.2, q = 0.8

P(X ≥ 2) = 1 – P(X≤1)
De las tablas obtenemos el valor:
P(X≤1) = 0.376
P(X≥2) = 1 – 0.376 = 0.624

INTERPRETACIÓN:
La probabilidad de que por lo menos 2 de las 10 sean exitosas es del 62.4%

b. ¿Cuál es la probabilidad de que a lo más dos explotaciones resulten fallidas?

Para este caso p será la probabilidad de que la explosión resulte fallida
entonces:

p = 0.8 y q = 0.2
n = 10, x ≤ 2, p = 0.8, q = 0.2
Aplicamos la fórmula: P(X = x) = ( nx) p q
x n−x
para cada valor de X≤ 2

P(X=2) = (102 )(0.8) (0.2) = 8 10! ×2! ! × 0.64 ×0.2 = 0.000073728

2 8 8

10 1 9 10 !
P(X=1) = ( ) (0.8) (0.2) =
9
× 0.8× 0.2 = 0.000004096
1 9 ! ×1 !
10 0 10 10 !
P(X=0) = ( ) (0.8) (0.2) =
10
× 1× 0.2 = 0.0000001024
0 10! × 0 !
P(X≤2) = 0.000073728 + 0.000004096 + 0.0000001024 =0.0000779264 ≅ 0
Si verificamos en las tablas también obtenemos el valor:
P(X≤2) = 0

INTERPRETACIÓN:
La probabilidad de que a lo mas 2 de las 10 explosiones sean exitosas es del 0%

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

29. Una compañía que produce cristal fino sabe por experiencia que 10% de sus copas
tienen imperfecciones y deben clasificar como “de segunda”
Se trata de una distribución binomial

SOLUCIÓN

a) Entre seis copas seleccionadas al azar ¿Qué tan probable es que sólo una sea de
segunda?
n = 6, x =1, p = 0.1, q = 0.9
P(X=1) = P(X≤1) – P(X≤0)
De las tablas obtenemos los valores:
P(X≤1) = 0.886
P(X≤0) = 0.531
P(X=1) = 0.886 – 0.531 = 0.355

INTERPRETACIÓN:
La probabilidad de que solo una copa de las seis seleccionadas sea de segunda es de
35.5%.

b. Entre seis copas seleccionadas al azar ¿Cuál es la probabilidad de que por lo

menos dos sean de segunda?

n = 6, x ≥2, p = 0.1, q = 0.9

P(X≥2) = 1 – P(X≤1)
De las tablas obtenemos el valor:
P(X≤1) = 0.886
P(X≥2) = 1 – 0.886 = 0.114

INTERPRETACIÓN:
La probabilidad de que por lo menos dos copas sean de segunda es de 11.4%

c. Entre 5 copas seleccionadas al azar ¿Cuál es la probabilidad de que a lo más 4

sean de segunda?

n = 5, x ≤4, p = 0.1, q = 0.9

De las tablas obtenemos directamente el valor:
P(X≤4) = 1.000
Para comprobar el resultado aplicamos la fórmula: P(X = x) = ( nx) p q
x n−x
para cada
valor de X≤ 4

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

P(X=4) = ( 54)(0.1) (0.9) = 1!5×!4 ! ×0.1 × 0.9 = 0.00045

4 1 4 1

5 3 2 5!
P(X=3) = ( ) (0.1) (0.9) =
3 2
× 0.1 × 0.9 = 0.0081
3 2! × 3!
5 2 3 5!
P(X=2) = ( ) (0.1) (0.9) =
2 3
× 0.1 × 0.9 = 0.0729
2 3! × 2!
5 1 4 5!
P(X=1) = ( ) (0.1) (0.9) =
1 4
×0.1 ×0.9 = 0.32805
1 4 ! × 1!

P(X=0) = (50 )(0.1) (0.9) = 5!5×!0 ! × 1× 0.9 = 0.59049

0 5 5

P(X≤2) = 0.00045 + 0.0081 + 0.0729 + 0.32805 + 0.59049 = 0.99999

P(X ≤ 2) ≅1

INTERPRETACIÓN:

La probabilidad de que a lo mas 4 de las 5 copas seleccionadas sean de segunda es

del 1%

30. En un paradero de mina, se determino que los trabajadores en horas

no punta llegan aleatoriamente a una tasa promedio de 24 trabajadores
por hora. Se desea calcular las siguientes probabilidades:

a. Cuál es la probabilidad de que

lleguen exactamente 20 trabajadores
durante esa hora?
b. Cuál es la probabilidad de que lleguen más
de 15 trabajadores durante esa hora?
c. Cuál es la probabilidad de que lleguen menos
de 15 trabajadores durante esa hora?
d. Cuál es la probabilidad de que lleguen más
de 18 trabajadores durante esa hora?

SOLUCIÒN:

Se aplica POISSON ya que hay un intervalo de tiempo o un espacio y se refiere a

las horas laboradas por los trabajadores.
Λ= 24 trabajadores por hora.
Ahora con este dato podemos responder a los incisos.

a) P(x=20), nos vamos a nuestra tabla.

x 24.00
13 0.011

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

14 0.020
15 0.034
16 0.056
17 0.087
18 0.128
19 0.180
20 0.243
P (X = a) = P (X ≤ a) - P (X ≤ a - 1)
P (X = 20) = P (X ≤ 20) - P (X ≤ 20 - 1)
P (X = 20) = (0.243) – (0.180)
P (X = 20) = 0.063

INTERPRETACIÓN:
Entonces la P(x=20): la probabilidad de que lleguen exactamente 20 trabajadores
durante esa hora es de 6.3 %

b) P( x >15)
x 24.00
13 0.011
14 0.020
15 0.034
16 0.056
17 0.087
18 0.128
19 0.180
20 0.243
P (X > a) = 1 - P (X ≤ a)
P (X > 15) = 1 - P (X ≤ 15)
P (X > 15) = 1 – (0.034)
P (X > 15) = 0.966

INTERPRETACIÓN:
Entonces la P(x>15): la probabilidad de que lleguen más de 15 trabajadores durante
esa hora es de 96.6 %

c) P( x <15), Aplicamos formula directa ya que en la guía no aparece una

representación con el signo (<).

Tenemos:
K=15 Nºde trabajadores a esa hora.
Λ= 24 trabajadores por hora.
e= 2.71
Λk − Λ
P ( x=K )= x e
k!

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

2415 −24
P ( x=15 )= xe
15 !

P ( x=15 )=0.016

INTERPRETACIÓN:
Entonces la P(x<15): la probabilidad de que lleguen menos de 15 trabajadores
durante esa hora es de 1.6 %

d) P( x >18)
x 24.00
13 0.011
14 0.020
15 0.034
16 0.056
17 0.087
18 0.128
19 0.180
20 0.243
P (X > a) = 1 - P (X ≤ a)
P (X > 18) = 1 - P (X ≤ 18)
P (X > 18) = 1 – (0.128)
P (X > 15) = 0.872

INTERPRETACIÓN:
Entonces la P(x>18): la probabilidad de que lleguen más de 18 trabajadores durante
esa hora es de 87.2 %

31. Un ingeniero Jefe del Área de Control de Calidad de la empresa Coca Cola,
realiza un examen de control respecto al agua que está utilizando para la
elaboración de Gaseosas. Este líquido contiene ciertas bacterias no nocivas
para la salud a razón de 5 bacterias por cm3. Si toma una muestra de 1 cm3,
calcular las siguientes probabilidades
a. ¿Cuál es la probabilidad que la muestra no contenga bacteria alguna?
b. ¿Cuál es la probabilidad de que en ½ cm3 haya por lo menos 2 bacteria?
c. ¿Cuál es la probabilidad de que en 2 cm3 haya a lo más 8 bacterias?

SOLUCIÒN:

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

Se aplica POISSON ya que hay un examen de control respecto al agua por cm3.

Λ= 5 bacterias por cm3.

Respondiendo a cada inciso:

a) P ( x= 0) Nos vamos a nuestra tabla

x 5.00
0 0.007
1 0.040
2 0.125
3 0.265
4 0.440
5 0.616
6 0.762
7 0.867

P (X = a) = P (X ≤ a) - P (X ≤ a - 1)

. P (X = 0) = P (X ≤ 0) - P (X ≤ 0 - 1)
P (X = 0) = P (X ≤ 0)
P (X = 0) = 0.007

INTERPRETACIÓN:
Entonces la P(x=0): La probabilidad de que la muestra no contenga bacteria alguna
es de 0.7 %

b) P(x ≥2) Nos vamos a nuestra tabla

Λ= 2.5 bacterias por cm3.

Por tabla obtenemos: P (X ≥ a) = 1 - P (X ≤ a - 1)

x 2.50
0 0.082
1 0.287
2 0.544
3 0.758
4 0.891
5 0.958
ESTADISTICA II 6 0.986
7 0.996
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

P (X ≥ a) = 1 - P (X ≤ a - 1)
P (X ≥ 2) = 1 - P (X ≤ 1)
P (X ≥ 2) = 1 - 0.287
P (X ≥ 2) = 0.713
INTERPRETACIÓN:
Entonces la P( x ≥2) la probabilidad de que en ½ cm3 haya por lo menos 2 bacteria
es de 71.3%

c) P(x ≤8) Nos vamos a nuestra tabla

Λ= 10 bacterias por cm3.

x 10.00
0 0.000
1 0.000
2 0.003
3 0.010
4 0.029
5 0.067
6 0.130
7 0.220
8 0.333

. P (X ≤ a) = Ver tabla acumulada

P (X ≤ 8) = 0.333
INTERPRETACIÓN:
Entonces la P( x ≤8) la probabilidad de que en 2 cm3 haya a lo más 8 bacterias
es de 33.3 %

32. Se ha observado que las cajas de cerveza Pilsen se toman de los

estantes de cierto supermercado a razón de 10 cajas por hora durante el periodo
de mayor venta.

a) ¿Cuál es la probabilidad que se

saque al menos una caja
durante los primeros 6 minutos
de un periodo mayor de venta?

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

b) ¿Cu ál de que se saque a lo

más 5 cajas en un periodo de
30 minutos?

SOLUCIÒN:

Se aplica POISSON ya que un periodo para una mayor venta en cervezas.

Λ= 10 cajas de cerveza por hora(60 min).

a) P(x ≤1) Nos vamos a nuestra tabla, sabiendo que Λ= 1 caja en 6 minutos.

x 1.00
0 0.368
1 0.736
2 0.920
3 0.981
4 0.996
5 0.999
6 1.000

P (X ≤ a) = Ver tabla acumulada

P (X ≤ 1) = 0.736

INTERPRETACIÓN:

Entonces la P( x ≤1) la probabilidad que se saque al menos una caja durante los
primeros 6 minutos de un periodo mayor de venta es de 73.6 %

b) P(x ≤5) Nos vamos a nuestra tabla, sabiendo que Λ= 5 caja en 30

minutos.

x 5.00
0 0.007
1 0.040
2 0.125
3 0.265
4 0.440
5 0.616
6 0.762

P (X ≤ a) = Ver tabla acumulada

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

P (X ≤ 1) = 0.616

INTERPRETACIÓN:
Entonces la P( x ≤1) la probabilidad que se saque al menos una caja durante los
primeros 6 minutos de un periodo mayor de venta es de 61.6 %

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

33. En un estudio por parte del Ministerio de Transporte y Comunicaciones

(MTC), se ha determinado que en la carretera panamericana con destino a Lima,
hay en promedio de 18 accidentes por semana (7 días), calcular las siguientes
probabilidades:

a. Cuál es la probabilidad de que en una semana no haya

ningún accidente.
b. Cuál es la probabilidad de que en dos semanas haya 10
accidentes.
c. Cuál es la probabilidad de que en 1semana ocurra menos de 15 accidentes.

SOLUCIÒN:

Se aplica POISSON ya que un periodo de accidentes por semana.

Λ= Promedio de 18 accidentes por semana(7 días)

a) P(x=0), sabiendo que Λ= 18 accidentes en la via panamerica.

Aplicamos formula directa ya que en la guía no aparece una representación dada.
Tenemos:
K= No haya ningún accidente (k=0).
Λ= Promedio de 18 accidentes por semana(7 días).
e= 2.71
Λk −Λ
P ( x=0 )= xe
k!
180 −18
P ( x=0 )= x 2.71
0!

P ( x=0 )=0.001

INTERPRETACIÓN:
Entonces la P( x=0) la probabilidad de que en una semana no haya ningún
accidente es de 0,1%

b) P( x=10), sabiendo que Λ= 18 accidentes en la vía panamericana..

Aplicamos formula directa ya que en la guía no aparece una representación dada.
Tenemos:
K= No haya ningún accidente (k=10).
Λ= Promedio de 36 accidentes por 2 semanas (14 días).
e= 2.71

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

Λk − Λ
P ( x=10 )= xe
k!
3610 −36
P ( x=10 )= x 2.71
10 !

P ( x=10 )=0.00001

INTERPRETACIÓN:
Entonces la P( x=10) la probabilidad de que en una semana no haya ningún
accidente es de 0,0%

c) P( x <15), Aplicamos formula directa ya que en la guía no aparece una

representación con el signo (<).
Tenemos:
K=15 accidentes en la vía panamericana.
Λ= Promedio de 18 accidentes por semana(7 días).
e= 2.71
Λk − Λ
P ( x=K )= x e
k!
1815 −18
P ( x=15 )= xe
15 !

P ( x=15 )=0.083

INTERPRETACIÓN:
Entonces la P(x<15) probabilidad de que en 1semana ocurra menos de 15
accidentes es de 8.3%

34. En un estudio de Control de Calidad de determinó que el 0.01% de los relojes

producidos por una empresa Taiwanesa son defectuosos.
a) ¿Cuál es la probabilidad de que un pedido de 1000 relojes exista exactamente un
reloj defectuoso?
b) ¿Cuál es la probabilidad de que en el mismo pedido de 1000 relojes
existan al menos dos defectuosos?

SOLUCIÒN:
Por un momento dado se pensaba que se aplicaba la aproximación de la
distribución Binomial a la distribución Poisson, ya que, n es grande y la
probabilidad de éxito es pequeña (p < 001).
Teniendo la regla que se cumple lo siguiente: p < 0. 1 y p * n < 10

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

El p tiende a cumplir pero cuando multiplicamos por los 1000 relojes, nos
damos cuenta que el resultado es 10, y no coincide con la regla, ya que tendría
que ser menor a 10, por ende recurrimos a BINOMIAL.
V.A (X) = Relojes producidos por una empresa Taiwanesa.
P (Defectuosos)= 0.01, q (NO Defectuosos)= 0.99

a) Tenemos que n= 1000 Relojes, k=x= 1

n n!
()
x n−x
Teniendo por formula: Binomial=P ( x ) = ( p ) ( q ) =
x ( n−x ) ! x !
( p ) x ( q )n−x

P(1)= 1000 ( 0.01 )1 (0.99)1000−1

( )
1
1000 !
P(1)= ( 0.01 )1 (0.99)1000−1
( 999 ) ! 1!

999
P ( 1 )=1000 x ( 0.01 ) ( 0.99 )

P(1)=0.000436

INTERPRETACIÓN:
Entonces la P(x=1) se tiene que la probabilidad de que un pedido de 1000 relojes
exista exactamente un reloj defectuoso es de 0.04%

b) Tenemos que n= 1000 Relojes, k=P(x≥2)

P( x ≥2)=1−P (x ≤ 1)
P ( x ≥ 2 )=1−P ( x=1 )−P( x=0)

n n!
()
x n−x
Teniendo por formula: Binomial=P ( x ) = ( p ) ( q ) =
x ( n−x ) ! x !
( p ) x ( q )n−x

P( x=1)= 1000 ( 0.01 )1 (0.99)1000−1

( )
1
1000 !
P(1)= ( 0.01 )1 (0.99)1000−1
( 999 ) ! 1!

999
P ( 1 )=1000 x ( 0.01 ) ( 0.99 )

P(1)=0.000436

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

Ahora:

P( x=0)= 1000 ( 0.01 )0 (0.99)1000−0

( )
0
1000!
P(0)= ( 0.01 )0 (0.99)1000
( 1000 ) ! 0 !

P ( 0 )=( 1 ) (1) x ( 0.99 )1000

P(0)=0.0000431

Por ende:
P ( x ≥ 2 )=1−P ( x=1 )−P( x=0)
P ( x ≥ 2 )=1−0.000436−0.0000431
P ( x ≥ 2 )=0.99952

INTERPRETACIÓN:
Entonces la P(x=1) la probabilidad de que en el mismo pedido de 1000
relojes existan al menos dos defectuosos es de 99.9%

35. Un Jefe sanitario realiza una inspección en un centro educativo; sobre la

calidad del agua que consumen los estudiantes y que contiene un promedio de 4
bacterias por cm3
a) Hallar la probabilidad de que el inspector no encuentre bacteria alguna en
0.5 cm3 de agua.

b) Hallar la probabilidad de que el inspector no encuentre bacteria alguna en

1 cm3 de agua.
c) Hallar la probabilidad de que el inspector encuentre a lo más 2
bacterias en 1cm 3 de agua.

SOLUCIÒN:
Se aplica POISSON ya que hay un examen de control respecto al agua por cm3.
Λ= 4 bacterias por cm3.

Respondiendo a cada inciso:

a) P ( x= 0) Nos vamos a nuestra tabla , Λ= 2 bacterias por 0.5cm3.

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

x 2.00
0 0.135
1 0.406
2 0.677
3 0.857
4 0.947
5 0.983

P (X = a) = P (X ≤ a) - P (X ≤ a - 1)

 . P (X = 0) = P (X ≤ 0) - P (X ≤ 0 - 1)
 P (X = 0) = P (X ≤ 0)
 P (X = 0) = 0.135

INTERPRETACIÓN:
Entonces la P(x=0) la probabilidad de que el inspector encuentre a lo más 2
bacterias en cm3 es de 13.5%

b) P(x=0) Nos vamos a nuestra tabla , Λ= 4 bacterias por cm3.

x 4.00
0 0.018
1 0.092
2 0.238
3 0.433
4 0.629
5 0.785
6 0.889
7 0.949

P (X = a) = P (X ≤ a) - P (X ≤ a - 1)
. P (X = 0) = P (X ≤ 0) - P (X ≤ 0 - 1)
P (X = 0) = P (X ≤ 0)
P (X = 0) = 0.018
INTERPRETACIÓN:
Entonces la P(x=0) probabilidad de que el inspector no encuentre bacteria alguna en
cm3 de [Link] de 1.8%

c) P( x <2), Aplicamos formula directa ya que en la guía no aparece una representación

con el signo (<) en las tablas.
Tenemos:

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

K=2 bacterias en 1 cm 3 Λ= 4 bacterias por cm3.

e= 2.71
Λk − Λ
P x=2 = x e
( )
k!
42 −4
P x=2 = x e
( )
2!

P ( x=2 )=0.148

INTERPRETACIÓN:
Entonces la P(x<2) probabilidad de que en 1semana ocurra menos de 15 accidentes
es de 14.8%

36. En un proceso productivo de tornillos el 0.8% son defectuosos.

a. ¿Cuál es la probabilidad de que un lote de 1000 tornillos contenga uno o más
defectuosos?
b. Cuál es la probabilidad de que en este mismo lote exista
exactamente 4 tornillos defectuosos?
SOLUCIÒN:

Por un momento dado se pensaba que se aplicaba la aproximación de la

distribución Binomial a la distribución Poisson, ya que, n es grande y la
probabilidad de éxito es pequeña (p < 001).
Teniendo la regla que se cumple lo siguiente: p < 0. 1 y p * n < 10
El p tiende a cumplir pero cuando multiplicamos por los 1000
tornillos, nos damos cuenta que el resultado es 800, y no coincide
con la regla, ya que tendría que ser menor a 10, por ende recurrimos
a BINOMIAL.
V.A (X) = Producciòn de tornillos.
P (Defectuosos)= 0.80, q (NO Defectuosos)= 0.20

a) Tenemos que n= 1000 tornillos, k=x≥ 1

P( x ≥1)=1−P( x ≤ 1−1)
P ( x ≥ 1 )=1−P ( x=0 )

n n!
()
x n−x
Teniendo por formula: Binomial=P ( x ) = ( p ) ( q ) =
x ( n−x ) ! x !
( p ) x ( q )n−x

P(0)= 1000 ( 0.8 )0 (0.2)1000−0

( )
0

ESTADISTICA II
UNIVERSIDAD NACIONAL DE TRUJILLO INGENIERIA INDUSTRIAL

1000!
P(0)= ( 0.8 )0 (0.2)1000
( 1000 ) ! 0 !

P ( 0 )=( 1 ) ( 1 ) (0)

P(1)=0.00
Por ende:
P ( x ≥ 1 )=1−P ( x=0 )
P ( x ≥ 1 )=1−0.00
P ( x ≥ 1 )=1.00

INTERPRETACIÓN:
Entonces la P(x=1) la probabilidad de que un lote de 1000 tornillos contenga uno o
más defectuosos es de 1.00%

b) Tenemos que n= 1000 tornillos, k=x= 4

n!
Teniendo por formula: Binomial=P ( x ) = ( nx)( p ) ( q )
x n−x
=
( n−x ) ! x !
( p ) x ( q )n−x

P( 4)= (1000
4 )
4
( 0.01 ) (0.99) 1000−4

1000!
P( 4)= ( 0.01 )4 (0.99)996
( 996 ) ! 4 !

P ( 4 )=0.1866
INTERPRETACIÓN:
Entonces la P(x=4) la probabilidad de que en este mismo lote exista
exactamente 4 tornillos defectuosos es de 18.66%

"El pensamiento estadístico será un día tan necesario para el ciudadano eficiente
como la capacidad de leer y escribir."

H.G. Wells.

ESTADISTICA II