DISTRIBUCIONES EJEMPLO DE

APLICACION

1. En un proceso de fabricación donde se produce una gran cantidad de artículos, se sabe que en promedio 2%
Distribución de ellos están defectuosos. Los artículos son empacados en cajas de 10, y se quiere saber cuál es la
Binomial probabilidad de que no haya ningún artículo defectuoso en cada caja. Si X es el número de artículos
defectuosos por caja, entonces se quiere obtener

P(X = 0), lo cual es:

P(X = 0) = 10! 0!(10 < 0)! (0.02 0 ) (1 < 0.02 10 < 0 )= (0.98 10 ) = 0.82

Por lo tanto, se espera que 82% de las cajas no tenga ningún artículo defectuoso, mientras que el restante
18% tendrá al menos uno. Si se quisiera saber cuál es la probabilidad de que cada caja tenga exactamente
un artículo defectuoso
(P(X = 1)), entonces:
10!
𝑝(𝑥 = 1) = (0.02)1 (1 − 0.02)10−1
1! (10 − 1)!

= 10(0.02)(0.98)9 = 0.167

Entonces, se espera que 16.7% de las cajas tenga exactamente un artículo defectuoso. De manera similar se
podrida calcular cualquier otra probabilidad.

2. Se sabe que en la manufactura de cierto articulo, uno de cada 10 resulta defectuoso. ¿ Cual es la
probabilidad de que una aleatoria de 4 articulos contenga:
a. Ninguno defectuoso?
b. Exactamente uno defectuoso?
c. Exactamente dos defectuosos?
d. No mas de dos defectuosos?

Solucion:
a. P(x=0) =𝐶04 (0,1)0 (0,9)4 = 1(1)(0,6561) = 0,6561 = 65,61%
b. P(x=1) =𝐶14 (0,1)1 (0,9)3 = 4(0,1)(0,729) = 0,2916 = 26,16%
c. P(x=2) =𝐶24 (0,1)2 (0,9)2 = 6(0,01)(0,81) = 0,0486 = 4,86%
d. P(x<=2) =𝐶04 (0,1)0 (0,9)4 + 𝐶14 (0,1)1 (0,9)3 + 𝐶24 (0,1)2 (0,9)2 = 0,6561 + 0,2916 + 0,0486 =
0,9963 = 99,63%
 1. En una empresa se reciben en promedio 5 quejas diarias por mal servicio, por lo que un modelo que puede
Distribución describir adecuadamente el número de quejas por día es la distribución de Poisson con λ = 5, ¿cuál es la
de Poisson probabilidad de no recibir quejas en un día? Evaluando x = 0 en la función anterior se obtiene:

𝑒 −5(5)0
𝑓(0,5) = = 0,007
0!

Por lo tanto, la probabilidad de cero quejas en un día es muy baja, o por complemento, la probabilidad de al
menos una queja por día es muy alta (1 − 0.007 = 0.993).

2. Si el 1% de las bombillas fabricadas por una compañia son defectuosas, hallar la probabilidad de que en una
muestra de 100 bombillas 3 sean defectuosas.

λ = 100(0,01) = 1
x=3

13 𝑒 −1 1(0,36788)
P(x=3) = = = 0,06131 = 6,13%
3! 3∗2∗1

1. Supongamos que interesa encontrar un producto defectuoso en un lote de muchos artículos. Se sabe que el lote
contiene 5% de artículos defectuosos. ¿Cuál es la probabilidad de que sea necesario extraer de manera aleatoria
Distribución a lo más 20 artículos para encontrar el primer defectuoso? Esta probabilidad es justo la que proporciona la
Geométrica distribución geométrica acumulada, ya que será necesario calcular la probabilidad de que el primer producto
defectuoso salga a la primera extracción, a la segunda, y así hasta la vigésima. Por lo tanto, la probabilidad de
interés es:

𝑓(1; 0,05) + 𝑓(2; 0,05)+. . +𝑓(20; 0,05) = 0,6415

 Esto indica que existe relativamente una alta probabilidad de 1 − 0.6415 = 0.3585, de que después de 20
extracciones no se hayan visto defectuosos.
2.

1. se sabe que, en una empresa industrial, cada día se produce un lote de N = 50 piezas grandes de cierto tipo.
Distribución Los registros muestran que, de éstas, en promedio K = 6 son defectuosas. Si en forma aleatoria se examinan
Hipergeometrica n = 10 piezas de la producción de un día, ¿cuál es la probabilidad de encontrar x = 0 o x = 1 piezas
defectuosas? Como el tamaño de lote es pequeño en relación al tamaño de muestra, es necesario aplicar la
distribución hipergeométrica. Con el auxilio de Excel se obtiene que:

DISTR.HIPERGEOM(0, 10, 6, 50 ) +DISTR.HIPERGEOM ( 1, 10, 6, 50 ) = 0,24 + 0,41 = 0,65

2. Un colegio tiene a su disposicion para el transporte de sus estudiantes 10 buses. Por informacion llegada a
las directivas del plantel se sabe que 4 no se encuentran en optimas condiciones. Si se selecciona una
muestra de 5 buses,
a. ¿ Cual es la probabilidad de que dos de ellos no se encuentren en optimas condiciones?
b. ¿ Que dos de ellos se encuentren en perfectas condiciones?

4 10−4 4 3
(2)( 5−2 ) (2)(6)
a. P(x=2) = 10 = 10 = 0,4762 = 47, 62%
(5) (5)
N = 10
A=4
n=5
x = 2i
6 10−6 6 4
(2)( 5−2 ) (2)(3)
b. P(x=2) = 10 = 10 = 0,2381 = 23, 81%, 62%
(5) (5)
N = 10
A=6
N=5
 X=2

1. La dimensión de una pieza se distribuye normal con μ = 82.0 mm, y σ = 0.5. Se desea calcular el
Distribución Normal porcentaje de piezas que cumplen con especifi-caciones 82 ± 1, lo cual se obtiene calculando la
siguiente diferencia de probabilidades
P(81 < X < 83) = P(X < 83) − P(X < 81)
Para calcular cada una de estas probabilidades se estandariza:
83− µ 83− 82
𝑃(𝑥 < 83) = 𝑝 (𝑧 < Ơ ) = 𝑝( 𝑧 < 0,5 ) = p( z < 2,0)

y se localiza en la tabla A2 el valor de probabilidad que corresponde a P(Z > 2.0), que se ubica en la columna de
en el valor de 2.00 y la columna 0.00, donde aparece esta
probabilidad que es 0.023. Para obtener P(Z < 2.0) simplemente a 1 se le resta 0.023, es decir: P(Z < 2.0) = 1 −
0.23 =
0.977. Para calcular P(X < 81) se procede de la misma manera, pero al restarle la media da un número negativo
y, en ese
caso, para utilizar la tabla A2 se usa una de las propiedades
de simetría de la distribución normal de la siguiente manera:

P(Z < −a) = 1− P(Z < a)

para cualquier número a. Al aplicar lo anterior se obtiene que P(X < 81) = P(Z < −2) = 1 − P(Z < 2) = 1 − 0.977 =
0.023
para cualquier número a. Al aplicar lo anterior se obtiene que P(X < 81) = P(Z < −2) = 1 − P(Z < 2) = 1 − 0.977 =
0.023
En Excel, el cálculo de P(81 < X < 83) = P(X < 83) − P(X < 81), se realiza de la siguiente manera: DISTR.NORM(83,
82, 0.5, 1) − DISTR.NORM(81, 82, 0.5, 1) = 0.954.

2. Un fabricante de bombillas electricas ha encontrado que, en promedio, un 2 % son defectuosas. ¿Cuál

es la probabilidad de que en 1000 bombillas seleccionadas al azar se encuentren 15 o mas defectuosas?
Solucion:
 P( x > 14,5) = ?

P = 0,02
q = 0,98
n = 1000

µ = 0,02 (1000) = 20
Ơ = √( 0,02)( 1000 )( 0,98 ) = 4,42
14,5−20 − 5,5
Z= = = - 1,24
4,42 4,42

Z = - 1,24  A( 0,3925)

P = 0,3925 + 0,5000 = 0,8925 = 89,25%

Una caja que contiene 10 papeletas, numeradas del 1 al 10, si X representa el número en la papeleta que se extrae,
Distribución Uniforme entonces la probabilidad de extraer cualquier número de 1 al 10, es igual a 1/10. Caso continuo. Una variable aleatoria
sigue una distribución uniforme continua en el intervalo [a, b], para a y b dos números reales cualquiera, si la
probabilidad de que la variable aleatoria tome un valor en cualquier subintervalo es proporcional a la longitud del
subintervalo. En este caso, la función de densidad está dada por:

La siguiente tabla muestra las frecuencias observadas al lanzar un dado 120 veces. Ensayar la hipótesis de que el dado
PRUEBA DE CHI-CUADRADO está bien hecho al nivel de significación del 0.05.

Solución:
Ensayo de Hipótesis:

Ho; Las frecuencias observadas y esperadas son significativamente iguales

(dado bien hecho)

H1; Las frecuencias observadas y esperadas son diferentes (dado cargado).

Primero se procede a calcular los valores esperados. Como es bien sabido por todos la probabilidad de que caiga
cualquier número en un dado no cargado es de 1/6. Como la suma de los valores observados es de 120, se multiplica
este valor por 1/6 dando un resultado de 20 para cada clasificación.

rados de libertad = k-1-m = 6-1-0 = 5

No se tuvo que calcular ningún parámetro para obtener las frecuencias esperadas.

Regla de decisión:

Si X2R 11.1 no se rechaza Ho.

Si X2R >11.1 se rechaza Ho.

Cálculos:

Justificación y decisión:
Como 5 es menor a 11.1 no se rechaza Ho y se concluye con una significación de 0.05 que el dado está bien hecho.