Professional Documents
Culture Documents
Distribuciones de
probabilidad discreta
Introduccin
E
n el mundo de los negocios y las ciencias sociales existen muchos fenmenos que se
encuentran sujetos a factores aleatorios. Por esta razn, resulta necesario conocer diversos
modelos basados en probabilidades a travs de los cuales se facilite la toma de decisiones.
En esta unidad se continuar con el anlisis de la probabilidad, exponiendo los conceptos
de variable aleatoria, distribucin de probabilidad de una variable aleatoria, valor esperado y
varianza deuna variablealeatoriadiscreta. Adicionalmente, se presentarn algunasdistribuciones
de probabilidad discreta, que son modelostilespara resolver algunosproblemasquese presentan
en ciertos fenmenos o situaciones reales.
Al conjuntar tcnicas de la estadstica descriptiva, como las medidas de dispersin y las
medidasde tendencia central, con la teora de la probabilidad, como lasdistintasdistribuciones
de probabilidad que se analizarn en esta unidad, el estudiante podr adentrarse al tema de
la estadstica inferencial y se encontrar capacitado para tomar decisiones ante los diversos
problemas que se presentan en la administracin y en las ciencias sociales.
257
su respectivo factor aleatorio o probabilidad de que ocurra. Por esa razn tambin se puede decir que
la variable aleatoria es una funcin que relaciona los valores y sus probabilidades.
Si los valores que toma una variable estn asociados a travs de una funcin con los sucesos aleatorios
elementales en el espacio muestral de un experimento dado, y dichos valores dependen de factores al
azar en cuanto a sus ocurrencias, a la funcin se le llama entonces variable aleatoria.
Ejemplo 1
Si se selecciona una muestra aleatoria de dos consumidores que realizan sus compras y cada uno
tiene que elegir entre los artculos A y B, segn sus preferencias, la muestra puede tener los siguientes
posibles resultados:
Esto quiere decir que en esta muestra se pueden observar las siguientes compras:
Ahora, si de acuerdo con las experiencias en el pasado 60% de los productos demandados por los
consumidores son del tipo A y 40% de los productos demandados por los consumidores son del tipo B,
se pueden determinar las probabilidades para cada uno de los puntos muestrales:
Donde:
P(S) = 0.36 + 0.24 + 0.24 + 0.16 = 1
Recuerda que la suma de las probabilidades de todos los puntos muestralesdel espacio muestral S
es igual a uno, pues cada uno de los puntos muestrales representa un evento simple, y la suma de todas
sus probabilidades es igual a uno.
Ahora procedemos a definir una caracterstica que se puede observar al escoger un punto
muestral de los cuatro que conforman el espacio muestral, por ejemplo, el nmero de productos del
tipo A que se pueden observar en esta muestra.
En este caso, existen tres posibles resultados: que en la muestra existan cero productos A,
que en la muestra exista un producto A y que en la muestra existan dos productos A. Los valores
0, 1 y 2 son los posibles valores que se puede observar en la caracterstica nmero de productos
del tipo A que se puede observar en esta muestra. Esta caracterstica representa una variable de
tipo cuantitativo.
Variable
0 0.16 Probabilidad del 4to. punto muestral.
1 0.48 Probabilidad del 2do. y 3er. punto muestral (0.24 + 0.24).
2 0.36 Probabilidad del 1er. punto muestral.
En este caso, la caracterstica bajo estudio el nmero de productos del tipo A que se puede
observar en esta muestra es una variable aleatoria, pues cumple con los dos aspectos sealados
anteriormente: la caracterstica se encuentra expresada en valores cuantitativos (0, 1 y 2), y estos
valores tienen una probabilidad que representa su carcter aleatorio (0.16, 0.48 y 0.36).
Losvaloresque toma una variable aleatoria en un proceso de observacin tienen la caracterstica
principal de obtenerse por la suerte o el azar dentro de un conjunto de datos y ocurren, cada uno, con
una probabilidad definida.
Las probabilidades asociadas a cada valor posible de una variable aleatoria suman uno. Esto es:
a) La probabilidad para todo valor que asuma la variable aleatoria Xi ser mayor o igual a cero.
P(Xi ) 0 (en este ejemplo son 0.16, 0.48 y 0.36).
b) La suma de todas las probabilidades asociadas a todos los valores que toma la variable
aleatoria discreta X es igual a la unidad, donde el subndice i muestra el elemento que se
analiza dentro de un intervalo y puede tomar valores distintos.
P(Xi ) = 1
i = 1,2,...,n
P(Xi ) = 0.16 + 0.48 +0.36 = 1
El smbolo significa para toda, de tal forma que lo anterior se interpreta como la suma de las
probabilidades de todos los i valores es uno, donde i indica que existen n elementos como mximo
en el conjunto de datos.
Las variables aleatorias se clasifican de dos formas: variables aleatorias discretas y variables
aleatorias continuas.
Una variable aleatoria discreta es aquella caracterstica que nicamente puede tomar valores contables
expresados en nmeros enteros.
determinado periodo.
Una funcin de distribucin de probabilidad de una variable aleatoria discreta es una relacin entre los
valores asociados a una variable aleatoria discreta X y las probabilidades que se calculan para cada
uno de los valores de X .
2. Una relacin emprica de resultados y sus frecuencias relativas observadas, es decir, que
los resultados aplicados a una tcnica estadstica pueden mostrar de qu manera se pueden
utilizar los datos para una aplicacin concreta. Aqu los resultados del experimento se
vinculan con la obtencin de medidas de tendencia central o medidas de dispersin que
permitan analizar las caractersticas de los datos y su distribucin.
En este caso se observa una tabla que establece una regla de correspondencia entre los distintos
valores que puede adquirir la variable aleatoria con sus respectivas probabilidades. Se dice que es una
distribucin de probabilidad discreta pueslosvaloresdela variablealeatoria nicamente seencuentran
expresados en nmeros enteros.
Otra manera de representar la distribucin de probabilidad de esta variable aleatoria discreta es
a travs de una grfica conocida como distribucin de probabilidad.
0.6
0.5
0.4
0.3
0.2
0.1
0
0 1 2
Valor
Ejemplo 3
Si en un banco se atendi a tres clientes en un determinado periodo, los cuales pueden ser hombres
o mujeres, y adems se sabe que 50% de los clientes que visitan un banco son mujeres y 50% son
hombres. Cul es la funcin de distribucin de probabilidad del nmero de mujeres atendidas?
En este caso, la caracterstica que se desea observar es nmero de mujeres atendidas la cual
representa una variable aleatoria discreta. Como se atiende a tres clientes, es posible que de esos tres
se atiendan a cero, una, dos o tres mujeres.
El cero denota que, en ese periodo, no se atendi a ninguna mujer, el uno que slo se atendi a
una mujer y as sucesivamente; como son cuatro los valores que puede tomar la variable y se consideran
dos eventos (hombre o mujer), ello implica que como mnimo no se atiende a ninguna mujer o como
mximo se atiende a tres mujeres y lo mismo sucede para los hombres. Por tal razn, en total son ocho
los posibles resultados o puntos muestrales, de ah que la probabilidad para cada uno de stos sea 1/ 8.
Si X es el nmero de mujeres atendidas, P(X) la probabilidad de ocurrencia del suceso y el
espacio de resultados est definido S = {3 clientes en un banco}, donde cada cliente puede ser: hombre
(H) o mujer (M) y por lo tanto:
1 1
P(M ) P(H )
2 2
HHH 1/ 8
HHM 1/ 8
HMH 1/ 8
HMM 1/ 8
MHH 1/ 8
MHM 1/ 8
MMH 1/ 8
MMM 1/ 8
Con esos posibles resultados se tiene que las probabilidades de ocurrencia de los eventos
(mujeres atendidas) son:
X 0 1 2 3
P(x) 1/8 3/8 3/8 1/8
3. Cada uno de los valores que adquiere una variable aleatoria deben ser:
a) Cuantitativos.
b) Cualitativos.
c) Continuos.
d) Discretos.
a) Los valores que adquiere la variable estn en funcin del espacio muestral.
b) Es una regla de correspondencia entre los valores cualitativos discretos y los valores
cuantitativos discretos.
c) Cada uno de los puntos muestrales est relacionado con su probabilidad de ocurrencia y en
funcin de los valores discretos.
d) Establece una regla de correspondencia en la que a cada uno de los posibles valores se le
asigna su respectiva probabilidad de ocurrencia.
a) Discretas y continuas.
b) Discretas y cuantitativas.
c) Discretas y cualitativas.
d) Cualitativas y cuantitativas.
a) Igual a cero.
b) Mayor o igual que cero, pero menor o igual que uno.
c) Mayor que uno.
d) Menor que cero.
a) Un grfico.
b) Un conjunto de datos.
c) Una dispersin de datos.
d) Las probabilidades de cada valor que toma la variable.
10. Del ejemplo 1, si se define la variable nmero de productos del tipo B que se pueden observar
en una muestra compuesta por dos clientes, encuentra la distribucin de probabilidad de esta
variable aleatoria a travs de una tabla.
El valor esperado o esperanza matemtica de una variable aleatoria discreta es la suma de los productos
de los posibles valores que toma la variable multiplicados por su probabilidad de ocurrencia.
Si X representa una variable aleatoria discreta que puede tomar los valores X1, X2,..., Xn con
probabilidades respectivas p1, p2,..., pn, donde la suma de las probabilidades debe sumar uno,
p1 + p2 +...+ pn = 1, la esperanza matemtica de X o simplemente la esperanza de X, simbolizada por
E(X), se define como:
n
La frmula muestra que el valor esperado de una variable considera los posibles valores que toma
la variable, donde cada valor tiene una probabilidad asociada. La suma indica que se debe sumar desde
el primer dato (cuando i = 1) hasta el ltimo dato (n) del conjunto de datos, ya que i = 1, 2,..., n.
Ejemplo 4
X 0 1 2 3
P (x) 1/8 3/8 3/8 1/8
1 3 3 1
X E(X) (0) (1) (2) (3)
8 8 8 8
= (0)(0.125) + (1)(0.375) + (2)(0.375) + (3)(0.125)
= 0.375 + 0.75 + 0.375 = 1.5
X
= E(X) = 1.5
El resultado indica que en el periodo considerado se atendi en promedio a 1.5 mujeres. Por
ejemplo, si se considera que se estudiaron 100 bancos y cada uno emple la misma informacin,
es de esperarse que los 100 bancos en su conjunto atendieron a 150 mujeres en promedio
(100 bancos x 1.5 mujeres/ banco = 150 mujeres).
Ejemplo 5
Se determin que el nmero de camiones de carga que arriban cada hora a una bodega sigue la
distribucin de probabilidad que se muestra en la siguiente tabla:
X
= E(X) = (0)(0.05) + (1)(0.10) + (2)(0.15) + (3)(0.25) + (4)(0.30) + (5)(0.10) + (6)(0.05)
= 0 + 0.10 + 0.30 + 0.75 + 1.2 + 0.5 + 0.30 = 3.15
= E(X) = 3.15
X
cuadrticas que tienen los datos de una distribucin de probabilidad con respecto al valor promedio.
n
2
Var (x) E[(x )2 ] (xi )2 (Pi )
i 1
Donde:
= Valor esperado.
x = Variable aleatoria discreta.
pi = Probabilidad de que el valor que toma la variable aleatoria x sea igual a xi .
La frmula indica que para obtener la varianza es necesario conocer el valor esperado y los
valores que puede tomar la variable, as como las probabilidades asociadas a cada una. Una vez que
se conocen estos datos, es necesario restarle a cada valor de la variable su media y elevar la resta
al cuadrado, este procedimiento se conoce como desviacin cuadrada. Al conocer las desviaciones
cuadradas hay que multiplicar por la probabilidad asociada a cada valor de x y, una vez que se tienen
los productos, se suman para de esa manera obtener la varianza.
La desviacin estndar o desviacin tpica se define como la raz cuadrada positiva de la varianza:
2
Ejemplo 6
Con la informacin del ejemplo 4, se desea conocer ahora la varianza y la desviacin estndar de los
clientes del banco.
Como ya conocemos que la media o valor esperado del nmero de clientes atendidos es 1.5,
para conocer la varianza, a cada valor que toma la variable x se le resta la media y esa diferencia se
eleva al cuadrado para posteriormente multiplicarla por la probabilidad de ocurrencia de cada evento.
Las diferencias pueden ser positivas o negativas.
2 1 3
(0 1.5)2 (11.5)2 (2 1.5)2 (31.5)2
8 8
1 3 3
(1.5)2 (0.5)2 (0.5)2
8 8 8
1 3 3 1
(2.25) (0.25) (0.25) (2.25) 6 / 8 0.75
8 8 8 8
2
= 0.75
El resultado muestra que la varianza de los datos es 0.75, pero se debe recordar que la varianza
no tiene ningn sentido prctico, ya que en este caso mostrara que la variacin es de 0.75 mujeres
cuadradas atendidas. Por ello para dar un sentido lgico y prctico se emplea la desviacin estndar.
En trminos del problema del banco, la desviacin estndar es:
0.75 0.8660
0.8660
Ejemplo 7
Con los datos del ejemplo 5, calcula la varianza y la desviacin estndar de los camiones que arriban
a la bodega.
El valor esperado para el arribo de camiones a una bodega es de 3.15 camiones por hora.
2
= (0 3.15)2(0.05) + (1 3.15)2(0.10) + (2 3.15)2(0.15) + (3 3.15)2(0.25) + (4 3.15)2 (0.30) +
(5 3.15)2(0.10) + (6 3.15)2(0.05)
= (3.15)2(0.05) + (2.15)2(0.10) + (1.15)2(0.15) + (0.15)2(0.25) + (0.85)2(0.30) + (1.85)2(0.10) +
(2.85)2(0.05)
= (9.9225)(0.05) + (4.6225)(0.10) + (1.3225)(0.15) + (0.0225)(0.25) + (0.7225)(0.30) +
(3.4225)(0.10) + (8.1225)(0.05)
= 0.496125 + 0.46225 + 0.198375 + 0.005625 + 0.21675 + 0.34225 + 0.406125
= 2.1275
2
= 2.1275
La varianza muestra que la dispersin que existe en el nmero de camiones por hora que
arriban a la bodega es de 2.1275 camiones cuadrados.
En trminos del problema de los camiones que arriban a una bodega, la desviacin estndar es:
2.1275 1.458595
1.45
La desviacin estndar muestra que la dispersin en los camiones por hora que arriban a una
bodega es de 1.45 camiones.
H 0 1 2 3
P (h) 1/8 2/8 4/8 1/8
2. Una pequea compaa area vuela con aviones que tienen capacidad para ocho pasajeros. La
compaa ha comprobado que la probabilidad de que un pasajero con boleto no se presente
en el avin es 0.2 para cada vuelo; la compaa pone a la venta 10 boletos. La distribucin de
probabilidad del nmero de boletos vendidos en un vuelo aparece en la siguiente tabla.
Nmero de boletos 6 7 8 9 10
Probabilidad 0.25 0.35 0.25 0.10 0.05
a) Calcula el valor esperado del nmero de pasajeros que se presentan al vuelo con boleto.
b) Calcula la varianza y la desviacin estndar para conocer la dispersin de pasajeros que se
presenta al vuelo con boleto.
3. Se ha determinado que el nmero de camiones que arriba a una bodega cada hora sigue la
distribucin siguiente:
a) Calcula el valor esperado del nmero de camiones que se espera arriben cada hora.
b) Calcula la varianza y la desviacin estndar a fin de determinar la dispersin de camiones
que arriban a la bodega.
La distribucin binomial emplea variables aleatorias discretas y se caracteriza por el hecho de que
nicamente considera que existen xitos y fracasos, es decir, slo toma en cuenta que existen dos
alternativas de decisin dentro de un conjunto de datos. Cabe sealar que la distribucin binomial slo
considera que los datos corresponden a una muestra o a una poblacin, pero no a ambas.
2. Cada ensayo slo tiene dos posibles resultados a los que suele llamarse xito o fracaso. Por
ejemplo, al planear la venta de un determinado nmero de casas, un corredor de bienes
races puede considerar que si concreta una venta es un xito pero si no la concreta es
un fracaso.
Como se incluye un nmero de xitos (k) y el nmero de fracasos (nk) en n ensayos, para
conocer el nmero de formas totales (todos los posibles xitos o fracasos) se obtiene el nmero de
combinaciones de n elementos, de los cuales k pertenecen a una clase (xito) y nk a otra clase distinta
(fracaso), entonces la probabilidad de que ocurra un evento es:
n!
P(X) P(k, n, p) nCk pk qnk pk qnk
k!(n k)!
Donde:
P(k, n, p) = Probabilidad de que se den k xitos en n ensayos donde se conoce la probabilidad de
xito (p).
P(X) = Probabilidad de que la variable X tome el valor k.
n = Tamao de la muestra o nmero de ensayos.
k = Nmero de xitos.
nk = Nmero de fracasos.
p = Probabilidad de xito.
q = Probabilidad de fracaso.
! = Factorial de un nmero.
n!
La frmula se refiere a las posibles combinaciones que pueden darse en el conjunto
k!(n k)!
de datos con que se cuenta, mostrando cuntos posibles resultados se pueden obtener si se desean
slo xitos dentro de un conjunto de datos.
El hecho de emplear factorialesimplica una multiplicacin de nmerosconsecutivos, por ejemplo, el
factorial de cinco es 5! = 5 4 3 2 1 = 120 o, si se quiere simplificar, el factorial se expresara como
5! = 5 4! = 5 4 3! = 5 4 3 2! = 120.
5! 5 4 3!
5 4 20
3! 3!
Como puedes observar, al simplificar se multiplica 5 por 4 y se deja el factorial de 3 para que sea
eliminado con el factorial de 3 del denominador.
La reduccin es factible cuando la distancia existente entre el valor del factorial del numerador
y el valor del factorial del denominador no es muy grande (5 unidades). La limitante al emplear
factorialesradica en que factorialessuperioresa 30 toman valoresextremadamente altosquedificultan
el clculo. Debes tomar en cuenta tambin que el factorial de cero es uno, ya que aunque es un valor
nulo representa un nmero y, como se trabaja con potencias, debes recordar que cualquier nmero
elevado a la potencia cero, da como resultado uno.
Una empresa consultora afirma que un procedimiento para promocionar las ventas de una compaa
es exitoso 80% de las veces. Si el procedimiento se lleva a cabo cinco veces en un ao, cul es la
probabilidad de que:
a) Como se pide obtener la probabilidad de que lascinco vecesque se aplica el procedimiento sean
exitosas, la probabilidad de xito es p = 0.8 y la probabilidad de fracaso es q = (1 0.8) = 0.2
n!
P(k) P(k, n, p) pkqnk
k !(n k)!
n=5
k=5
5! 5!
nk=0 P(5) = (0.8)5 (0.2)0 = (0.8)5 (0.2)0
5!(5 5)! 5!(0)!
p = 0.8
q = 0.2
En este caso la divisn es de 5! entre 5! es 1, el
factorial de cero es uno
Elevado a la potencia 0 es 1
P(5) = (1) (0.32768) (1) = 0.32768
P(5) = 0.32768
La probabilidad de que las cinco veces que se lleva a cabo el procedimiento para promocionar
las ventas sea exitoso, es 0.32768.
b) El trmino a lo msimplica que la mayor cantidad de xitos que pueden tenerse es dos, pero
tambin puede darse el caso de que sea uno o cero, por lo que se tiene:
k 2 ; k puede ser 2, 1, 0
P(k 2) = P(0) + P(1) + P(2)
Entonces, hay que obtener las probabilidades de tener 0, 1, 2 xitos para despus sumarlas y
encontrar la solucin.
5! 5! 1
P(0) (0.8)0 (0.2)5 (1) (0.00032) (0.00032) (1) (0.00032)
0 !(5 0)! (0 !)(5)! 1
P(0) = 0.00032
5
P(1) (0.00128) (5) (0.00128) 0.0064
1
P(1) = 0.0064
5 4 20
P(2) (0.00512) (0.00512) (10) (0.00512) 0.0512
2 2
P(2) = 0.0512
P(k 2) = P(0) + P(1) + P(2)
P(k 2) = 0.00032 + 0.0064 + 0.0512 = 0.05792
P(k 2) = 0.05792
La probabilidad de que al menos dos veces se lleve a cabo el procedimiento para promocionar
las ventas es 0.05792.
Ejemplo 9
De las ventas de automviles nuevos en un pas, 20% corresponde a los automviles importados.
Suponiendo que se seleccionan al azar cuatro personas que han comprado un automvil nuevo
durante una semana.
a) Cul es la probabilidad de que las cuatro personas hayan comprado un automvil importado?
b) Cul es la probabilidad de que slo una persona haya comprado un automvil importado?
Solucin:
a) En este caso, el tamao de la muestra (las personas que compraron automviles importados) es
n = 4, la probabilidad de xito p = 0.2, la probabilidad de fracaso es q = 1 0.2 = 0.8, el nmero
de elementos que se consideran xito es k = 4 y el nmero de elementos que se consideran
fracasos es nk = 4 4 = 0. Sustituyendo en la frmula probabilstica binomial:
4! 4! 1
P(4) (0.2) 4 (0.8) 0 (0.0016) (1) (0.0016) (1) (0.0016)
4!(4 4)! 4 !(0!) 1
P(0) = 0.0016
b) En este caso, el tamao de la muestra (las personas que compraron automviles importados) es
n = 4, la probabilidad de xito p = 0.2, la probabilidad de fracaso es q = 1 0.2 = 0.8, el nmero
de elementos que se consideran xito es k = 1 y el nmero de elementos que se consideran
fracasos es n k = 4 1 = 3.
4! 4! 4 3!
P(1) (0.2)1(0.8)3 (0.2) (0.512) (0.2) (0.512)
1!(4 1)! 1 !(3!) (1) (3 !)
4
P(1) (0.1024) (4) (0.1024)
1
P(1) = 0.4096
La probabilidad de que slo una persona haya comprado un automvil importado es 0.4096.
2. Una empresa informa que 30% de sus cuentas por cobrar a otras empresas comerciales est
vencido. Si un contador toma una muestra aleatoria de cinco de esas cuentas para saber qu
cantidad es la que ha vencido, determina la probabilidad de que:
4. Una asociacin de beneficencia contrata estudiantes para que soliciten donacionespor telfono.
Despus de un breve periodo de preparacin, los estudiantes telefonean a los donantes
potenciales y reciben en pago una comisin. La experiencia indica que, normalmente, estos
estudiantes logran slo un xito moderado, y 70% de ellos deja el trabajo en las dos primeras
semanas. La asociacin contrata seis estudiantes, que pueden considerarse como una muestra
aleatoria. Cul es la probabilidad de que:
5. De los empleados de una empresa, 40% est a favor de la representacin sindical y se contacta
a una muestra aleatoria de 10 empleados en solicitud de una respuesta annima. Cul es la
probabilidad de que:
En este sentido, la frmula implica que, al contarse con una poblacin, hay elementos dentro de
ella (N) que son considerados xitos (k) y, si se desea realizar un experimento, se extrae una muestra
(n) y se analiza para saber qu proporcin de los datos de la muestra son xitos (x). As, se garantiza
conocer de manera exacta la probabilidad de que un nmero dado de datos dentro de una muestra
puedan ser xitos o fracasos.
Ejemplo 10
En primer trmino se deben identificar los elementos correspondientes para ubicar sus valores
en la frmula. Como podrs observar, se hace referencia de 15 secciones que abarca el examen, por lo
que el tamao de la poblacin es N = 15. El aspirante estudia 10 de las secciones, por lo que el nmero
de elementos en la poblacin que se consideran xitos es k = 10. Al seleccionar 5 secciones al azar, se
habla del tamao de muestra:
n= 5
N = 15
k = 10
Nk = 5
n =5
Al considerarse la probabilidad de que el aspirante haya estudiado dos de las secciones, se tiene
que el nmero de xitos en la muestra x = 2.
n x=3
( k Cx )( N k Cnx ) (10 C2 )( 5 C3 )
P(2)
( N Cn ) 15 C5
Ejemplo 11
Una compaa recibe un pedido de 20 artculos. Debido a que la inspeccin de cada artculo es cara,
se sigue la poltica de analizar una muestra aleatoria de 6 artculos de cada envo, aceptando la remesa
si no hay ms de un artculo defectuoso en la muestra. Cul es la probabilidad de que sea aceptado
un pedido con 5 artculos defectuosos?
N = 20
k= 5
N k = 15
n= 6
n x=1
5! (15)! 5! 15 x 14 !
5!(5 5)! (1)!(15 1)! (5!) (0 !) (1!) (14 !)
P(5)
20 ! 20 19 18 17 16 15 14!
6 !(20 6)! (6 !) (14!)
1 15 1 15
1 1 1 1 (1) (15) 15
0.00038699
20 19 18 17 16 15 27 907 200 (38 760) 38 760
(6 5 4 3 2 1) 720
P(5) = 0.00039
a) Cinco.
b) Tres.
5. En una tienda de autoservicio 15 de los 20 clientes encuestados por una marca reconocida de
botanas estn insatisfechos con el sabor de algunos productos. Si una muestra aleatoria
de cuatro clientes es encuestada sobre el sabor de los productos, determina la probabilidad de
que tres de los clientes encuestados se muestren insatisfechos con el sabor de las botanas.
La distribucin de Poisson emplea informacin referente a situaciones en las cuales se maneja que
el resultado de un ensayo se condicione por presentarse en un periodo determinado o en un rea o
Donde:
e = 2.71828, es la base de los logaritmos naturales.
= constante positiva igual a la media de la distribucin.
x = cualquier nmero entero positivo o valor que toma la variable aleatoria.
El nmero promedio de ventas de una compaa en una hora es de 5, se desea conocer cul es la
probabilidad de que en una hora determinada se realicen:
a) Tres ventas.
b) Seis ventas.
En los datos se puede apreciar que se conoce el valor de , por lo cual se emplea la distribucin
de Poisson.
Ejemplo 13
Una compaa de seguros considera que en las plizas que vende debe adicionar una cobertura de
gastosmdicos mayores para padecimientospoco frecuentes. La probabilidad de que un individuo
aleatoriamente seleccionado tenga ese padecimiento es de 0.001 y el grupo de asegurados es de
3 000 personas.
Para conocer el promedio de personasque tienen el padecimiento hay que multiplicar la probabilidad de
que lo tengan por el total de elementos contenidos en la muestra, por lo que = n P = (0.001)(3 000) = 3.
3. Los clientes de una tienda de artculos deportivos llegan a un mostrador ocupado a una tasa
media decuatro por minuto. Se desea conocer la probabilidad deque en un minuto determinado
lleguen tres clientes.
5. Un profesor recibe en promedio 4.2 llamadas de sus estudiantes el da anterior al examen, cul
es la probabilidad de que reciba dos llamadas en esos das?
Donde:
P(x) = Probabilidad de que el primer xito se de en el experimento x.
P = Probabilidad de xito.
(1P) = Probabilidad de fracaso.
x = Experimento elegido donde se espera que se obtenga el primer xito.
x 1 = Fracasos ocurridos antes de que se obtenga el primer xito.
Ejemplo 14
Una casa de bolsa tiene un paquete de acciones con distintos rendimientos. Si la probabilidad de que
se eleve el rendimiento de las acciones es de 0.7, encuentra la probabilidad de que la cuarta accin sea
la que eleve primero su rendimiento.
La probabilidad de xito est definida por la probabilidad de que las acciones eleven su
rendimiento, por lo cual P = 0.7; la probabilidad de fracaso es (1 P) = 1 0.7 = 0.3. Como se
espera que la cuarta accin sea la que eleve primero su rendimiento, x = 4.
La probabilidad de que la cuarta accin sea la que eleve primero su rendimiento es de 0.0189, lo
cual indica que es poco probable que esta accin sea la que eleve primero su rendimiento.
Al participar en un concurso, la probabilidad de que un participante acierte una respuesta esde 0.6. Cul
es la probabilidad de que el participante proporcione la primera respuesta correcta en su tercer intento?
Riesgo
Rentabilidad
Pronosticacin Desarrollo de la
efectiva Productividad empresa, negocio
proyecto
Competitividad
Incertidumbre
Ahora bien, es importante sealar que para que el proceso de pronosticacin sea efectivo debe
partir de una aculturizacin en dos vertientes muy importantes y que resultan ser la base de todo el
proceso: la cultura hacia la prediccin y la cultura hacia la planeacin. Se debe sealar que cuando
se lleva a cabo un proceso ineficiente de pronosticacin, la incertidumbre y el riesgo se incrementan
El rea de logstica o cadena de valor necesita tener pronsticos efectivos para disear el
proceso de planeacin de la produccin, el abastecimiento y las estrategias de logstica.
Pese a todo lo anterior, an persisten miembros de organizaciones que son incrdulos de toda
la fortaleza decisoria que apoya una pronosticacin efectiva, y siguen pensando que la experiencia y el
presentimiento son las bases para vislumbrar lo que suceder en un futuro y tomar decisiones.
Ahora bien, cuando se trata de utilizar la estadstica en el diseo y desarrollo de pronsticos,
debemos contemplar una serie de puntos de gran importancia, como:
e) Cul debe ser el perfil profesional y de habilidades del encargado de realizar pronsticos en
las organizaciones actuales.1
1
Adapt ado de Pronst i cos de negoci os. Armando Gonzl ez, su aut or, es gerente general de Forecast
Pro Lat i noamri ca. Forecast Pro es el sof t ware l der para pronst icos de negocios (recogido del port al
http:// www.gerencie.com. Todo lo que un contador y empresario debe saber).
Ejemplo 15
d) Con base en los resultados anteriores, se justificara la inversin para ampliar la estacin
de mantenimiento?
Solucin
(3.85)4 e 3.85
P(4) 0.1948
4!
Por lo tanto, la probabilidad de dar servicio a 4 carros a la semana es de 19.48%.
2. Una empresa informa que 25% de sus cuentas por cobrar a otras empresas estn vencidas.
Si un contador toma una muestra aleatoria de 10 de las cuentas por cobrar, determine la
probabilidad de:
Solucin
P(x) = P (1 P)x 1
P(3) = 0.8 (10.8)3 1 = (0.8) (0.2)2 = 0.032
Ejemplo 16
1. El rea de telemarketing de una empresa recibe los pedidos de sus clientes y los registra en el
sistema de ventas; el promedio de llamadas que se reciben es de 8 cada 5 minutos.
Solucin
a) 0.1378 = 13.78%
b) 0.0062 = 0.62%
Solucin
3. El gerente de operacin y produccin de Interceramic sabe que 7% de las piezas producidas por
su empresa son defectuosas. De un lote se examinan 8 piezas. Determine la probabilidad de que
la cuarta pieza elegida salga defectuosa.
Solucin
a) Dependiente o independiente.
b) Discreta o continua.
c) Probabilstica o no probabilstica.
d) Determinada o indeterminada.
a) El valor cero.
b) Slo valores enteros.
c) Valores negativos.
d) Cualquier valor dentro de un intervalo.
a) La suma de los valores que toma una variable multiplicados por su probabilidad.
b) La suma de los valores que toma una variable divididos entre su probabilidad.
c) La suma de los valores que toma una variable divididos entre el nmero de datos.
d) Un valor que mide la dispersin.
X 1 2 3 4
P(x) 1/12 3/12 4/12 4/12
a) 0.2637
b) 0.3321
c) 0.2655
d) 0.2456
13. Un analista financiero ha recibido una lista de losbonosde 12 compaas. El analista selecciona
tres empresas de la lista cuyos bonos cree que estn en peligro de caer el prximo ao. En
realidad, cuatro de las compaas de la lista vern caer sus bonos el prximo ao. Suponiendo
que el analista ha elegido las tres empresas de la lista aleatoriamente, cul es la probabilidad
de que dos de las compaas estn entre aquellas cuyos bonos bajen el prximo ao?
a) 0.2134
b) 0.2182
c) 0.2116
d) 0.2237
16. En promedio al puerto llega un barco cada dos das. Una empresa importadora desea conocer
cul es la probabilidad de que tres barcos lleguen a ese punto en un da aleatoriamente
seleccionado.
Con los datos anteriores, la probabilidad es:
a) 0.0182
b) 0.0164
d) 0.0613
e) 0.0126
Si se define la variable nmero de productos del tipo B que se pueden observar en una muestra
compuesta por dos clientes, la distribucin de probabilidad de esta variable aleatoria es la siguiente:
Valor de la Probabilidad
variable
0 0.36 Probabilidad del 4to. punto muestral.
1 0.48 Probabilidad del 2do. y 3er. punto muestral
(0.24 + 0.24).
2 0.16 Probabilidad del 1er. punto muestral.
1.
a) E(X) = (0)(1/ 8) + (1)(2/ 8) + (2)(4/ 8) + (3)(1/ 8) = 13/ 8 = 1.625
E(X) = 1.625
b)
Var(X) = (01.625)2(1/ 8) + (11.625)2(2/ 8) + (21.625)2(4/ 8) + (31.625)2(1/ 8)
= (1.625) 2 (1/ 8) + (0.625) 2 (2/ 8) + (0.375) 2 (4/ 8) + (1.375) 2 (1/ 8)
= (2.640625) (1/ 8) + (0.390625)(2/ 8) + (0.140625) (4/ 8) + (1.890625) (1/ 8)
= 5.875/ 8
Var(X) = 0.734375
c) Desviacin estndar 0.734375 0.856957
2.
a) E(X) = (6) (0.25) + (7) (0.35) + (8) (0.25) + (9) (0.10) + (10) (0.05) =
= 1.5 + 2.45 + 2 + 0.9 + 0.5 = 7.35
E(X) = 7.35
4.
a)
E(X)
X = (0) (0.15) + (1) (0.25) + (2) (0.25) + (3)(0.20) + (4) (0.10) + (5) (0.05) = 2
E(X)
X =2
b)
Var(X) = (02)2(0.15) + (12)2(0.25) + (22)2(0.25) + (32)2(0.20) + (42)2(0.10) + (52)2(0.05)
= (2) 2 (0.15) + (1)2(0.25) + (0)2(0.25) + (1)2(0.20) + (2) 2 (0.10) + (3)2(0.05)
= (4) (0.15) + (1) (0.25) + (0) (0.25) + (1) (0.20) + (4) (0.10) + (9) (0.05)
= 1.9
Var(X) = 1.9
1. Los datos corresponden a una distribucin binomial en la cual la probabilidad de xito (que la
lmpara se funda) es p = 0.30 y la probabilidad de fracaso q = (1 p) = 0.7.
10 ! 10!
P(10) (0.3)10 (0.7)0 (0.0000059) (1) (1) (0.0000059)
10 ! (10 10)! (10 !) (0 !)
= (1) (0.0000059)
P(10) = 0.0000059
10 ! 10!
P(0) (0.3)0 (0.7)10 (1)(0.0282) (1)(0.0282)
0 ! (10 0)! (0 !) (10 !)
P(0) = 0.0282
a) La probabilidad de que ninguna de las cinco cuentas por cobrar (n = 5) est vencida es:
5!
P(0) (0.3)5 (0.7)0 (1) (0.00243) (1) 0.00243
0 ! (5 0)!
P(0) = 0.00243
La probabilidad de que ninguna de las cuentas por cobrar est vencida es 0.00243.
5! 5! 5 4 3!
P(2) (0.3)2 (0.7)3 (0.09) (0.343) (0.03087)
2! (5 2)! (2 !) (3!) (2 !) (3!)
20
(0.03087) (10) (0.03087) 0.3087
2
P(2) = 0.3087
La probabilidad de que dos de las cuentas por cobrar estn vencidas es 0.3087.
6!
P(0) (0.05)6 (0.95)0 (1) (0.000000046656) (1) 0.000000047
0 ! (6 0)!
P(0) = 0.000000047
La probabilidad de que ninguna de las piezas est defectuosa es 0.000000047.
6! 6! 6 5 4!
P(2) (0.05)2 (0.95)4 (0.0025) (0.8145) (0.00203625)
2! (6 2)! (2 !) (4 !) (2!) (4 !)
a) La probabilidad de que ninguno de los seis estudiantes (n = 6) deje el trabajo en las dos
primeras semanas es:
6!
P(0) (0.7)6 (0.3)0 (1) (0.117649) (1) 0.117649
0 ! (6 0)!
P(0) = 0.117649
La probabilidad de que ninguno de los estudiantes deje el trabajo en las dos primeras
semanas es 0.117649.
b) La probabilidad de que cuatro de los estudiantes dejen el trabajo en las dos primeras
semanas es:
6! 6! 6 5 4!
P(2) (0.7)4 (0.3)2 (0.2401) (0.09) (0.0216)
4 ! (6 - 4)! (4!) (2!) (4!) (2!)
30
(0.0216) (15) (0.0216) 0.3240
2
P(2) = 0.3240
La probabilidad de que cuatro de los estudiantes dejen el trabajo en las dos primeras
semanas es 0.3240.
a) La probabilidad de que cinco de los diez empleados (n=10) est a favor de la representacin
sindical es:
10 !
P(0) (0.4)10 (0.6)5 (252) (0.0001048576) (0.07776) 0.0021
5! (10 5)!
P(0) = 0.0021
10 !
P(0)= (0.4)10 (0.6)0 =(1) (0.0001048576) (1)=0.0001
10! (1010)!
P(0) = 0.0001
N = 10 N k=3
k= 7 n=6
7! 3! 7! 3! 7 6 5! 3 2!
5! (7 5)! 1! (31)! (5!) (2!) (1!) (2!) (5!) (2) (1) (2!)
P(5)
10! 10! 10 9 8 7 6 !
6! (10 6)! (6!) (4!) (6!) (24)
42 3
2 1 (21) (3) 63
P(5) 0.30
5 040 210 210
24
P(5) = 0.3
7! 3! 7! 3! 7 6 5 4!
(1)
3!(7 3)! 3!(3 3)! (3!) (4!) (3!) (0 !) (6) (4!)
P(3)
10 ! 10! 10 9 8 7 6 !
6 ! (10 6)! (6!) (4!) (6 !) (24)
210
(1)
6 (35)(1) 35
0.1667
5 040 210 210
24
P(3) = 0.1667
N = 10 N k=6
k= 4 n=3
4! 6! 4! 6! 4 3 2! 6 5!
2! (42)! 1! (6 1)! (2!) (2!) (1!) (5!) (2 !) (2) (1) (5!)
P(2)=
10 ! 10 ! 10 9 8 7 !
3! (103)! (3!) (7!) (6) (7!)
La probabilidad de que dos de los empleados haya tenido experiencia en proyectos como el
requerido es 0.3.
N = 12 N k=8
k= 4 n=3
4! 8! 4! 8! 4! 8 7 6 5!
0! (4 0)! 3! (8 3)! (0 !) (4 !) (3!) (5!) (1) (4!) (6) (5!)
P(0)
12! 12! 12 11 10 9 !
3! (12 3)! (3!) (9!) (6) (9!!)
336
(1)
6 (1) (56) 56
P(0) 0.2545
1320 220 220
6
P(0) = 0.2545
La probabilidad de que dos de las empresas bajarn sus bonos el prximo ao es 0.2545.
N = 10 N k=4
k= 6 n=5
6! 4! 6! 4! 6 5 4! 4 3!
2! (6 2)! 3! (4 3)! (2!) (4!) (3!) (1!) (2!) (4 !) (1) (3!)
P(2)
10! 10! 10 9 8 7 6 5 !
5! (10 5)! (5!) (5!) (120) (5!)
30 4
2 1 (15) (4) 60
P(2) 0.2381
30 240 252 252
120
P(2) = 0.2381
La probabilidad de que dos de las solicitudes aprobadas sean de menores de edad es 0.2381.
N = 20 N k=5
k = 15 n=4
a) La probabilidad de tener x = 3 clientes insatisfechos es:
La probabilidad de que tres de los clientes encuestados estn insatisfechos con el sabor de
las botanas es 0.4696
1. El promedio de clientes que arriban a una caja ocupada es = 3. Como se desea conocer la
probabilidad de que se produzcan dos o menos llegadas, hay que obtener la probabilidad de que
X tome valores 2, 1, y 0 y posteriormente sumarlas para garantizar las necesidades del problema.
5. El promedio de llamadas que recibe el profesor es = 4.2. Como se desea conocer la probabilidad
de que se produzcan dos llamadas, hay que obtener la probabilidad de que X tome un valor de 2.
q = (1 p) = 1 0.9 = 0.1
P (1) = (0.9) (0.1)1 1 = (0.9) (0.1)0 = (0.9) (1) = 0.9
P(1) = 0.9
q = (1 p) = 1 0.3 = 0.7
P (4) = (0.3) (0.7)4 1 = (0.3) (0.7)3 = (0.3) (0.343) = 0.1029
P(4) = 0.1029