Estudio de caso 1:

Distribución Hipergeométrica: Una compañía tiene siete solicitantes para dos puestos de
trabajo: tres mujeres y cuatro hombres. Suponga que los siete solicitantes están igualmente
calificados y que no se da preferencia para elegir género alguno. Sea 𝑥 igual al número de
mujeres escogido para ocupar las dos posiciones.

a. Escriba la fórmula para 𝒑(𝒙), la distribución de probabilidad de 𝒙.

Tenemos que:

(𝑘𝑥) ∗ (𝑁−𝑘
𝑛−𝑥
)
𝑃(𝑋 = 𝑥) =
(𝑁
𝑛
)
Donde

𝑁 = 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙ñ𝑎𝑐𝑖ó𝑛 = 7
𝑘 = 𝑁𝑜 𝑑𝑒 𝑖𝑛𝑑𝑖𝑣𝑖𝑑𝑢𝑜𝑠 𝑞𝑢𝑒 … = 2
𝑛 = 𝑡𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 =2
𝑥 = 𝑣𝑎𝑙𝑜𝑟 𝑞𝑢𝑒 𝑡𝑜𝑚𝑎 𝑙𝑎 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒

(𝑥2) ∗ (2−𝑥
7−2
)
𝑃(𝑋 = 𝑥) =
(𝑛7 )

b. ¿Cuáles son la media y la varianza de esta distribución?

Media
𝑘 2
𝜇=𝑛 = 2 = 2(0.285714)
𝑁 7

𝜇 = 0.5714

Varianza

𝑁−𝑛 𝑘 𝑘 7−2 2 5 2 2
𝜎2 = ∗ 𝑛 ∗ ∗ (1 − ) = ∗ 2 ∗ = ∗ 2 ∗ ∗ (1 − )
𝑁−1 𝑁 𝑁 7−1 7 6 7 7

5 2 5
= ∗ 2 ∗ ∗ = 0.83 ∗ 2 ∗ 0.28 ∗ 0.71
6 7 7

𝜎 2 = 0,33
c. construya un histograma de probabilidad para 𝒙

(20) ∗ (7−2
2−0
) (20) ∗ (52) 1 ∗ 10
𝑃(𝑋 = 0) = → 𝑃(𝑋 = 𝑥) = → 𝑃(𝑋 = 𝑥) = 0,47
(72) (72) 21

(21) ∗ (7−2
2−1
) (21) ∗ (51) 2∗5
𝑃(𝑋 = 1) = → 𝑃(𝑋 = 𝑥) = → 𝑃(𝑋 = 𝑥) = 0,47
(72) (72) 21

(22) ∗ (7−2
2−2
) (22) ∗ (50) 1∗1
𝑃(𝑋 = 2) = → 𝑃(𝑋 = 𝑥) = → 𝑃(𝑋 = 𝑥) = 0,047
(72) (72) 21

Histograma
0.5 0.47 0.47

0.4

0.3
P(x)

0.2

0.1 0.047

0
x

Estudio de caso 2

Distribución Binomial: La preferencia por el color de un auto cambia con los años y de
acuerdo con el modelo particular que seleccione el cliente. En año reciente, suponga que
10% de todos los autos de lujo que se vendieron eran negros. Si 25 autos de ese año y tipo
se seleccionan al azar, encuentre las siguientes probabilidades.

Solución

El experimento consiste en ver si un vehículo es negro o no (Si o No), y repetirlo 25 veces,

para finalmente ver cuántos de ellos son negros. Es por tanto un experimento Binomial.

𝑛
𝑃(𝑋 = 𝑟) = ( ) 𝑝𝑟 𝑞 𝑛−𝑟
𝑟

𝑋 = "𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑎𝑢𝑡𝑜𝑚ó𝑣𝑖𝑙𝑒𝑠 𝑛𝑒𝑔𝑟𝑜𝑠 𝑑𝑒 𝑒𝑛𝑡𝑟𝑒 𝑙𝑜𝑠 25 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜𝑠"

𝑝 = 10% = 0′1 = "𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 É𝑥𝑖𝑡𝑜 (𝑞𝑢𝑒 𝑢𝑛 𝑣𝑒ℎí𝑐𝑢𝑙𝑜 𝑠𝑒𝑎 𝑛𝑒𝑔𝑟𝑜)"
𝑞 = (1 − 𝑝) = 1 − 0′1 = 0′9 = 90 % = "𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐹𝑟𝑎𝑐𝑎𝑠𝑜"
𝑛 = 25 = "𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑣𝑒ℎí𝑐𝑢𝑙𝑜𝑠 𝑜𝑏𝑠𝑒𝑟𝑣𝑎𝑑𝑜𝑠 (𝑟𝑒𝑝𝑒𝑡𝑖𝑐𝑖𝑜𝑛𝑒𝑠 𝑑𝑒𝑙 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜)"
a. Al menos cinco autos sean negros. se puede interpretar como que "el número de
coches negros es mayor o igual que 𝟓"

𝑃(𝑋) ≥ 5

Como sólo podemos calcular la probabilidad de un número exacto de éxitos (se puede hacer
únicamente 𝑃(𝑋 = 𝑟) ), entonces para la probabilidad pedida tendríamos que sumar las
probabilidades de 5, 6, 7, etc... hasta 25, es decir:

𝑃(𝑋 >= 5) = 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 7) + . . . + 𝑃(𝑋 = 25)

pero en casos como éste, es más sencillo calcular la probabilidad contraria (porque hay menos
que operar):

𝑃(𝑋 < 5) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)

Usamos la fórmula para calcular cada una

25
𝑃(𝑋 = 0) = ( ) ∗ (0.1)0 ∗ (0.9)25−0 = 1 ∗ 1 ∗ 0.925 = 0.07179
0

25
𝑃(𝑋 = 1) = ( ) ∗ (0.1)1 ∗ (0.9)25−1 = 25 ∗ 0.1 ∗ 0.924 = 0.19942
1

25
𝑃(𝑋 = 2) = ( ) ∗ (0.1)2 ∗ (0.9)25−2 = 300 ∗ 0.01 ∗ 0.923 = 0.26589
2

25
𝑃(𝑋 = 3) = ( ) ∗ (0.1)3 ∗ (0.9)25−3 = 2300 ∗ 0.001 ∗ 0.922 = 0.22650
3

25
𝑃(𝑋 = 4) = ( ) ∗ (0.1)4 ∗ (0.9)25−4 = 12650 ∗ 0.0001 ∗ 0.921 = 0.13841
4

las sumamos

0.07179 + 0.19942 + 0.26589 + 0.22650 + 0.13841 = 0.90201

como ésta es la contraria a la que nos pedían, ahora calculamos la correcta

𝑃(𝑋 ≥ 5) = 1 − 𝑃(𝑋 < 5) = 1 − 0.90201 = 0.09799 ≈ 9.8%

b. a lo sumo seis autos son negros = "el número de vehículos negros es menor o igual
que 𝟔"

𝑃(𝑋 ≤ 6) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + . . . + 𝑃(𝑋 = 6)

como en el apartado anterior ya se habían sumado hasta 𝑥 = 4, seguimos

 25
𝑃(𝑋 = 5) = ( ) ∗ (0.1)5 ∗ (0.9)25−5 = 53130 ∗ 0.00001 ∗ 0.920 = 0.06460
5

25
𝑃(𝑋 = 2) = ( ) ∗ (0.1)6 ∗ (0.9)25−6 = 177100 ∗ 0.000001 ∗ 0.919 = 0.02392
6

Sumamos

𝑃(𝑋 ≤ 6) = 0.90201 + 0.06460 + 0.02392 = 0.99053 ≈ 99%

c. Más de cuatro autos son negros = "X mayor que 4" = "X mayor o igual que 5"

si observamos con detenimiento, nos podemos dar cuenta que esto es lo mismo que han
preguntado en el literal a

𝑃(𝑋 > 4) = 𝑃(𝑋 ≥ 5) = 0.09799

d. Exactamente cuatro autos son negros. “X igual a 4”

𝑃(𝑋 = 4) = 0.13841

e. Entre tres y cinco autos (inclusive) son negros = "3 o 4 o 5" (debemos suponer que el
3 y el 5 incluidos)

P(3 < X < 5) = P(X = 3) + P(X = 4) + P(X = 5) = 0.2265 + 0.1384 + 0.6446 = 0.43
≈ 43%

f. Más de veinte autos no son negros. "X mayor que 20"

𝑃(𝑋 > 20) = 𝑃(𝑋 = 21) + 𝑃(𝑋 = 22) + 𝑃(𝑋 = 23) + 𝑃(𝑋 = 24) + 𝑃(𝑋 = 25)

25
𝑃(𝑋 = 20) = ( ) ∗ (0.1)20 ∗ (0.9)25−20 = 53130 ∗ 0.0000000000000000001 ∗ 0.95
20
= 0.13841 = 0,000000000000000313727337

aplicando la fórmula para esos números el resultado es prácticamente nulo (del orden de 10−18
elevado a - 18)

𝑃(𝑋 > 20) = 0

Estudio de caso 3

Probabilidad de Poisson: Un conmutador puede manejar un máximo de 5 llamadas por

minuto. Si la experiencia indica que se recibe un promedio de 3 llamadas por minuto. Utilice
la distribución Poisson para encontrar las probabilidades de que el número de llamadas
recibidas por el conmutador en 1 minuto sea:
𝑛=5
𝜆 = 3 𝑙𝑙𝑎𝑚𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 𝑚𝑖𝑛𝑢𝑡𝑜
𝑒 = 2,7182818
𝜆 3
𝑃 = = = 0.6
𝑛 5

𝜆𝑥 ∗ 𝑒 −𝜆
𝑃(𝑋) =
𝑥!

a. a lo sumo 4

𝑃(𝑋 ≤ 4) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)

Tenemos

30 ∗ 2,7182−3 1 ∗ 0.0497
𝑃(𝑋 = 0) = = = 0.0497
0! 1

31 ∗ 2,7182−3 3 ∗ 0.0497
𝑃(𝑋 = 1) = = = 0.1491
1! 1

32 ∗ 2,7182−3 9 ∗ 0.0497
𝑃(𝑋 = 2) = = = 0.2236
2! 2

33 ∗ 2,7182−3 27 ∗ 0.0497
𝑃(𝑋 = 3) = = = 0.2236
3! 6

34 ∗ 2,7182−3 81 ∗ 0.0497
𝑃(𝑋 = 4) = = = 0.1677
4! 24

Sumamos

𝑃(𝑋 = 4) = 0.0497 + 0.1491 + 0.2236 + 0.2236 + 0.1677 = 0.8137 ≈ 81.37%

b. menos de 3

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

𝑃(𝑋 < 3) = 0.0497 + 0.1491 + 0.2236 = 0.4224 ≈ 42.24%

c. al menos 4

34 ∗ 2,7182−3 81 ∗ 0.0497
𝑃(𝑋 = 4) = = = 0.1677 ≈ 16,77%
4! 24
d. Quede saturado

35 ∗ 2,7182−3 81 ∗ 0.0497
𝑷(𝑿 = 𝟓) = = = 0.1677 ≈ 16,77%
5! 24

e. Entre 1 y 3

𝑃(1 ≤ 𝑋 ≤ 3) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) = 0.1491 + 0.2236 + 0.22

= 0.5963 ≈ 59,63%

f. Una o más pero menos de 5.

𝑃(1 ≤ 𝑋 < 5) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)

= 0.1491 + 0.2236 + 0.2236 + 0.1677 = 0.764 ≈ 76.4%

g. Más de 2 pero menos de 5

𝑃(2 < 𝑋 < 5) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) = 0.2236 + 0.1677 = 0.3913 ≈ 39.13%

h. Ninguna

30 ∗ 2,7182−3 1 ∗ 0.0497
𝑃(𝑋 = 0) = = = 0.0497 ≈ 4.97%
0! 1

Estudio de caso 4

Distribución Normal: Supóngase que se sabe que los pesos de cierto grupo de personas están
distribuidos aproximadamente de forma normal con media 𝜇=70 𝑘𝑔 y desviación estándar
𝜎=12,5 𝑘𝑔. Use sus conocimientos sobre la distribución normal para responder:

𝜇 = 70
𝜎 = 12.5

a. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese más
de 𝟖𝟎 𝒌𝒈?

𝑋 − 𝜇 80 − 70
𝑍= = = 0.8
𝜎 12.5

Ese valor lo ubicamos en la tabla de distribución normal

𝑃(𝑋 > 80) = 0,7881

Como necesitamos el área hacia la derecha

𝑃(𝑋 > 80) = 1 − 0,7881 = 0.2119 ≈ 21.19%

b. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese entre
𝟓𝟎 kg y 𝟖𝟓 kg?

Normalizamos 𝑋 = 50 y hallamos área

50 − 70
𝑍= = −1.6
12.5

𝑃(𝑋 < 50) = 0.0547

Normalizamos 𝑋 = 85 y hallamos área

85 − 70
𝑍= = 1.2
12.5

𝑃(𝑋 < 85) = 0.8849

Hacemos la diferencia y nos queda:

𝑃(50 < 𝑋 < 85) = 0.8849 − 0.0547 = 0.8302 ≈ 83,02%

c. ¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?

Buscamos en la tabla de probabilidad normal

Para aproximadamente 𝑧 = −1,475, el área es 0.07 (𝑒𝑠 𝑑𝑒𝑐𝑖𝑟 100% − 93%)

Luego

𝑍 = −1.475
𝑋 − 𝜇 𝑋 − 70
𝑍= =
𝜎 12.5
𝑋 = 51,56 𝐾𝑔