distribucion uniforme discreta

Se lanza un par de dados. Se define la variable aleatoria X como la suma de las puntuaciones
obtenidas. Hallar la función de probabilidad, la esperanza matemática y la varianza
1 2 3 4 5 6
1 2 3 4 5 6 7
2 3 4 5 6 7 8
3 4
4 5
5 6
6 7

x pi x · p i x 2· pi
2 1/36 2/36 4/36
3 2/36 6/36 18/36
4 3/36 12/36 48/36
5 4 /36 20/3 6 100/36
6 5/36 30/36 180/36
7 6/36 42/36 294/36
8 5/36 40/36 320/36
9 4 /36 36/36 324/36
10 3/36 30/36 300/36
11 2/36 22/36 242/36
12 1/36 12/36 144/36
7 54.83

La regla de laplace
Si realizamos un experimento aleatorio en el que hay n sucesos elementales, todos igualmente
probables, equiprobables, entonces si A es un suceso, la probabilidad de que ocurra el suceso A
es:

Ejemplos
1Hallar la probabilidad de que al lanzar dos monedas al aire salgan dos caras.
Casos posibles: {cc, cx, xc, xx}.
Casos favorables: 1.

biniomal y bernouilli

La última novela de un autor ha tenido un gran éxito, hasta el punto de que el 80% de los lectores ya
la han leido. Un grupo de 4 amigos son aficionados a la lectura:
1¿Cuál es la probabilidad de que en el grupo hayan leido la novela 2 personas?
B(4, 0.2) p = 0.8 q = 0.2

2¿Y cómo máximo 2?

dist geometrica

7. DISTRIBUCIÓN GEOMÉTRICA.

Esta distribución es un caso especial de la Binomial, ya que se desea que ocurra un éxito por
primera y única vez en el último ensayo que se realiza del experimento, para obtener la
fórmula de esta distribución, haremos uso de un ejemplo.

Ejemplo:
Se lanza al aire una moneda cargada 8 veces, de tal manera que la probabilidad de que
aparezca águila es de 2/3, mientras que la probabilidad de que aparezca sello es de 1/3,
Determine la probabilidad de que en el último lanzamiento aparezca una águila.
Solución:
Si nosotros trazamos un diagrama de árbol que nos represente los 8 lanzamientos de la
moneda, observaremos que la única rama de ese árbol que nos interesa es aquella en
donde aparecen 7 sellos seguidos y por último una águila; como se muestra a continuación:

SSSSSSSA

Sí denotamos;
x = el número de repeticiones del experimento necesarias para que ocurra un éxito por
primera y única vez = 8 lanzamientos
p = probabilidad de que aparezca una águila = p( éxito) = 2/3
q = probabilidad de que aparezca un sello = p(fracaso) = 1/3

Entonces la probabilidad buscada sería;

P(aparezca una águila en el último lanzamiento)=p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(S)*p(A) =

=q*q*q*q*q*q*q*p =
Luego, la fórmula a utilizar cuando se desee calcular probabilidades con esta distribución
sería;

Donde:
p(x) = probabilidad de que ocurra un éxito en el ensayo x por primera y única vez
p = probabilidad de éxito
q = probabilidad de fracaso

Resolviendo el problema de ejemplo;

x = 8 lanzamientos necesarios para que aparezca por primera vez una águila
p = 2/3 probabilidad de que aparezca una águila
q = 1/3 probabilidad de que aparezca un sello

p(x=8) =

Ejemplos:
1. Sí la probabilidad de que un cierto dispositivo de medición muestre una desviación
 excesiva es de 0.05, ¿cuál es la probabilidad de que; a) el sexto de estos dispositivos de
medición sometidos a prueba sea el primero en mostrar una desviación excesiva?, b) el
séptimo de estos dispositivos de medición sometidos a prueba, sea el primero que no
muestre una desviación excesiva?.

Solución:
a) x = 6 que el sexto dispositivo de medición probado sea el primero que muestre
una variación excesiva
p = 0.05 =probabilidad de que un dispositivo de medición muestre una variación
excesiva
q = 0.95 =probabilidad de que un dispositivo de medición no muestre una variación
excesiva

p(x = 6) =

b) x = 5 que el quinto dispositivo de medición probado, sea el primero que no

muestre una desviación excesiva
p = 0.95 = probabilidad de que un dispositivo de medición no muestre una
variación excesiva
q = 0.05 = probabilidad de que un dispositivo de medición muestre una variación
excesiva

p(x = 5) =

3) DISTRIBUCIÓN HIPERGEOMÉTRICA.

Los experimentos que tienen este tipo de distribución tienen las siguientes características:
a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos
de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repetición del experimento no es independiente de los demás.
d) El número de repeticiones del experimento (n) es constante.

Ejemplo:
En una urna o recipiente hay un total de N objetos, entre los cuales hay una
cantidad a de objetos que son defectuosos, si se seleccionan de esta urna n objetos al
azar, y sin reemplazo, ¿cuál es la probabilidad de obtener x objetos defectuosos?
Solución:

Luego;

donde:
p(x,n) = probabilidad de obtener x objetos defectuosos de entre n seleccionados

muestras de n objetos en donde hay x que son defectuosos y n-x

buenos

todas las muestras posibles de seleccionar de n objetos tomadas de entre

N objetos en total = espacio muestral

Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son

defectuosos, si de seleccionan 4 objetos al azar, ¿cuál es la probabilidad de que 2
sean defectuosos?

Solución:

N = 10 objetos en total
a = 3 objetos defectuosos
n = 4 objetos seleccionados en muestra
x = 2 objetos defectuosos deseados en la muestra
donde:

probabilidad asociada a cada muestra de 4 objetos que se

seleccionaron, con lo que se demuestra que las probabilidades no son constantes

formas o maneras de obtener 2 objetos defectuosos entre los 4 seleccionados

= muestras de 4 objetos entre los que 2 son defectuosos

Como se observa en el desarrollo de la solución del problema, la pretensión es demostrar

que las probabilidades asociadas a cada uno de los resultados no son constantes.

Luego la probabilidad de obtener 2 objetos defectuosos entre los 4 seleccionados al azar

sería:

Ejemplos:
1. Para evitar que lo descubran en la aduana, un viajero ha colocado 6 tabletas de
narcótico en una botella que contiene 9 píldoras de vitamina que son similares en
apariencia. Si el oficial de la aduana selecciona 3 tabletas aleatoriamente para
analizarlas, a) ¿Cuál es la probabilidad de que el viajero sea arrestado por posesión de
narcóticos?, b) ¿Cuál es la probabilidad de que no sea arrestado por posesión de
narcóticos?.

Solución:
a) N = 9+6 =15 total de tabletas
a = 6 tabletas de narcótico
n = 3 tabletas seleccionadas
x = 0, 1, 2, o 3 tabletas de narcótico = variable que nos indica el número de tabletas de
narcótico que se puede encontrar al seleccionar las 3 tabletas
p(viajero sea arrestado por posesión de narcóticos) = p(de que entre las 3 tabletas
seleccionadas haya 1 o más tabletas de narcótico)

otra forma de resolver;

p(el viajero sea arrestado por posesión de narcóticos) = 1 – p(de que entre las tabletas
seleccionadas no haya una sola de narcótico)

b) p(no sea arrestado por posesión de narcóticos)

2. De un lote de 10 proyectiles, 4 se seleccionan al azar y se disparan. Si el lote contiene 3

proyectiles defectuosos que no explotarán, ¿cuál es la probabilidad de que , a) los 4
exploten?, b) al menos 2 no exploten?

Solución:
a) N = 10 proyectiles en total
a = 7 proyectiles que explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2, 3 o 4 proyectiles que explotan = variable que nos define el número de
proyectiles que explotan entre la muestra que se dispara
b) N = 10 proyectiles en total
a = 3 proyectiles que no explotan
n = 4 proyectiles seleccionados
x = 0, 1, 2 o 3 proyectiles que no explotan

p(al menos 2 no exploten) = p( 2 o más proyectiles no exploten) = p(x = 2 o 3; n=4) =

3. a)¿Cuál es la probabilidad de que una mesera se rehúse a servir bebidas alcohólicas

únicamente a dos menores de edad si verifica aleatoriamente solo 5 identificaciones de
entre 9 estudiantes, de los cuales 4 no tienen la edad suficiente?, b) ¿Cúal es la
probabilidad de que como máximo 2 de las identificaciones pertenezcan a menores de
edad?
Solución:

a) N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el número de identificaciones que pertenecen a personas
menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad

b) N = 9 total de estudiantes
a = 4 estudiantes menores de edad
n = 5 identificaciones seleccionadas
x = variable que nos define el número de identificaciones que pertenecen a personas
menores de edad
x = 0, 1, 2, 3 o 4 identificaciones de personas menores de edad
poisson ver pdf

Ejercicio 3.- Una compañía de seguros garantiza pólizas de seguros individuales contra
retrasos aéreos de más de doce horas. Una encuesta ha permitido estimar a lo largo de
un año que cada persona tiene una probabilidad de cada de mil de ser víctima de un
retraso aéreo que esté cubierto por este tipo de póliza y que la compañía aseguradora
podrá vender una media de cuatro mil pólizas al año.
Se pide hallar las siguientes probabilidades:
a) Que el número de retrasos cubiertos por la póliza no pase de cuatro por año
b) Número de retrasos esperados por año
c) Que el número de retrasos sea superior a dos por año
d) Que ocurran doce retrasos por año
Solución:
Sea X = "número de retrasos por año", la variable sigue una distribución binomial
n 4000 , p 1 0,001 , b(4000, 0,001)
1000

con lo que, k 4000 k 4000
P(X k) .0,001 .0,999 k 0,1, ,4000
k
 




Es necesario buscar una distribución que sea una buena aproximación de ésta. La
distribución de Poisson es una buena aproximación de la binomial b(4000, 0,001) , ya
que p  0,001 es muy pequeña y n.p  4000.0,001 4  5 .
Por tanto, X  b(4000, 0,001)  X  P(  n.p  4)
k
P(X 4) 4 .e 4
k!

a) P(X  4)  P(X  0) P(X  1) P(X  2) P(X  3) P(X  4) 
 01234

4 4 4 4 4 .e 4 1 4 8 10,667 10,667 .e 4 0,6289

0! 1! 2! 3! 4!
 



b) El número de retrasos esperado por año es la media x     4
c) P(X  2)  1P(X  2)  1 P(X  0) P(X  1) P(X  2) 
 012

1 4 4 4 .e 4 1 1 4 8 .e 4 1 0,381 0,7619
0! 1! 2!
 



d)
12
P(X 12) 4 .e 4 0,035.e 4 0,00064
12!

continua

Ejercicio 31.- La concentración de un contaminante se distribuye uniformemente en el

intervalo de 0 a 20 millones. Una concentración se considera tóxica a partir de 8
millones. Se pide:
a) Probabilidad de que al tomar una muestra la concentración resulte tóxica
b) Concentración media y varianza
c) Probabilidad de que la concentración sea de 10 millones
Solución:
a) Sea la variable aleatoria continua X = "concentración de contaminante", X  U(0, 20)
Función de densidad: Función de distribución:
1 0 x 20
f(x) 20 0
0 otrosvalores


0x0
F(x) x 0 0 x 20
20 0
1 x 20



 

20
20
8
8
P(X 8) 1 dx 1 x 1 (20 8) 12 3 0,6
20 20 20 20 5

  
o bien, P(X 8) 1 P(X 8) 1 F(8) 1 8 12 0,6
20 20

b) La media y varianza de una distribución uniforme en 0, 20:
2
0 20 10 , 2 (20 0) 400 100
2 12 12 3


c)
10
10
P(X 10) 1 dx 0

expnencial

Ejercicio 32.- El tiempo de vida media de un marcapasos sigue una distribución

exponencial con media 16 años. Se pide:
a) Probabilidad de que a una persona a la que se ha implantado un marcapasos se le
deba de implantar otro antes de 20 años
b) Si el marcapasos lleva funcionando correctamente 5 años en un paciente, ¿cuál es la
probabilidad de que haya de cambiarlo antes de 25 años?
Solución:
a) La variable aleatoria X = "duración del marcapasos" X Exp 1 1
16

      

tiene como función de densidad:
1 e x 16 x 0
f(x) 16
0 x0
   
 
27
Función de distribución:
1 e x 16 x 0 F(x) P(X x)
0 x0
  
  

P(X  20)  F(20)  1 e 20 16  0,7135
o bien,
20 20
x 16 x 16 20 20 16
0
00
P(X 20) f(x)dx 1 e dx e e 1 0,7135
16

            
b)   25/16 5/16
5/16
P 5 X 25 F(25) F(5) (1 e ) (1 e ) P X 25 X 5
P(X 5) 1 F(5) 1 (1 e )





5/16 25/16
5/16
e e 0,522 0,7135
e 0,7316




También, mediante la función de densidad:
25 25
x 16 x 16 25 25 16 5 16
5
55
P(5 X 25) f(x)dx 1 e dx e e e 0,522
16

           
x 16 x 16 5 16
 
5
55
P(X 5) f(x)dx 1 e dx e 0 e 0,7136
16


               
Adviértase que PX  25 X  5  PX  20  0,7135 , circunstancia que era de
esperar
en un modelo exponencial.
Es decir, la duración que se espera tenga el marcapasos, no influye en nada el tiempo
que lleva funcionando. Esta particularidad lleva a decir que 'la distribución exponencial
no tiene memoria'.

Normal

Ejercicio 34.- Una máquina automática llena latas de una bebida gaseosa siguiendo
una distribución normal de media 34 cl. y desviación típica 1,5 cl.
a) Si se despachan latas que contienen 33 cl. ¿cuál es la proporción de latas
desechadas?
b) ¿La máquina automática de llenado puede ser ajustada para cambiar el volumen
medio o para que únicamente el 1% de las latas tuviera 33 cl.?
c) Eligiendo 10 latas llenadas con la máquina como se describe originalmente, ¿cuál es
la probabilidad de que ninguna sea desechada?
d) Si se eligen 500 latas llenadas con la máquina como se describe originalmente, ¿cuál
es la probabilidad de que al menos 100 sean desechadas?
Solución:
a) Sea X = "latas llenadas con la máquina automática", X  N(34,1,5)
P(X 33) P X 34 33 34 P(z 0,66) P(z 0,66) 0,2546
1,5 1,5

b) Hay que calcular la media 
P(X 33) P X 33 P z 33 0,01 P z 33 0,01
1,5 1,5 1,5 1,5
                                
Observando la tabla N(0,1) : 33 2,33 33 2,33.1,5 36,495 cl.
1,5


29
c) Sea Y = "latas desechadas", donde Y  b(10, 0,2546)
0 10 10
P(Y 0) .0,2546 .0,7454 0,05295
0



d) En este caso, Y  b(500, 0,2546)
Como el número de latas es elevado la distribución binomial se puede aproximar por una
distribución normal de media   n.p  500.0,2546  127,3 y desviación típica
  n.p.q  500.0,2546.0,7454  9,74 , es decir, Y  N(127,3, 9,74)
P(Y 100) P X 127,3 100 127,3 P(z 2,8) P(z 2,8) 1 P(z 2,8)
9,74 9,74

 1 0,00256  0,99744