 Si n representa un número de pruebas y x el número de

casos favorables, los problemas de este tipo se pueden

resolver usando la llamada distribución Binomial, ya que
satisfacen las condiciones siguientes:

 1._Hay solamente dos casos posibles en cada ensayo,

llamados arbitrariamente casos “favorables” y
“desfavorables”, sin inferir de esto que un caso favorable
sea necesariamente un caso deseado.
 2._La probabilidad de un caso “favorable” es constante
en todas las pruebas; se denotara con la letra P, y por lo
tanto, la probabilidad del caso “desfavorable” será 1-P.
 3._Hay n pruebas siendo n una constante dada.
 4._ Las n pruebas son independientes.
𝑛!
b(x;n,p) = 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥! 𝑛−𝑥 !
 Supongamos una muestra de n unidades obtenida de un
lote de N unidades, en el cual a unidades son
defectuosas. Esta muestra se ha obtenido del lote
extrayendo sucesivamente las unidades de tal forma que,
después de cada extracción, la probabilidad de obtener
una unidad defectuosa es a/N ,pero, en la segunda
extracción seguirá siendo a/N solo si la primera unidad
sacada se volviera a meter. En otras palabras la
probabilidad de extraer una unidad defectuosa en la
segunda extracción es (a-1)/(N-1) ò a/(N-1), según que la
primera unidad sacada sea, o no, defectuosa. La
hipótesis numero 4 que hicimos para la distribución
binomial será validad únicamente si después de cada
extracción se repone la unidad en el lote.
𝑛 𝑛!
𝑥
=
𝑥! 𝑛−𝑥 !
 La distribución de una variable normal está
completamente determinada por dos parámetros,
su media y su desviación estándar, denotadas
generalmente por µ y 𝜎. Con esta notación, la
densidad de la normal viene dada por la ecuación:
1 −1 𝑥−𝜇 2
f(x) = exp
𝜎 2𝜋 2 𝜎
que determina la curva en forma de una campana
que tan bien conocemos asi se dice que una
característica x sigfue una distribución normal de media
µ y varianza σ, y se denota como X=N(µ,σ), si su función
de densidad viene dada por la ecuacion anterior.
 Un experimento de Poisson viene caracterizado por
cumplir las siguientes condiciones:
 La probabilidad de que un suceso tenga lugar en un
intervalo de tiempo o en una región es proporcional
a la amplitud de dicho intervalo o región.
 El numero de sucesos que tienen lugar en un
intervalo o región es independiente del numero de
sucesos que tienen lugar en otro intervalo o región.
 La variable aleatoria X que representa el numero de
sucesos que tienen lugar en un intervalo de tiempo o
en una región especifica t, se llama variable
aleatoria de poisson, cuya distribución de
probabilidad representaremos por
𝑡
𝑡 ( 𝑡)
P(X; t)=P(X=x)=𝑒 ,𝑥 = 0,1,2, … … .
𝑥!
 La media aritmética de una distribución de
probabilidad se llama el valor esperado E(X), y
se halla multiplicando cada resultado posible
por su probabilidad y sumando los resultados,
tal y como se muestra en la formula.
µ=E(X)=σ 𝑥𝑖 𝑃 𝑥𝑖
 La varianza de una distribución de
probabilidad es el promedio de las
desviaciones al cuadrado respecto a la
media. La varianza puede escribirse como:
𝜎 2 =σ 𝑥𝑖 − 𝜇 2 𝑃 𝑥𝑖
 Para dar un ejemplo de aplicación de la ley
binomial, supongamos que se quiere encontrar la
probabilidad de que exactamente 9 de los 10 tubos
de vacio duren al menos 1000 horas, puesto que la
probabilidad de que cualquiera de estos tubos dure
un minimo de 1000 horas es 0.80.
x=9
p=0.80
n=10
𝑛!
𝑏 𝑥; 𝑛, 𝑝 = 𝑝𝑥 1 − 𝑝 𝑛−𝑥
𝑥! 𝑛−𝑥 !
10!
𝑏 9; 10,0.80 = (0.80)9 (0.20)1 =0.268
(9!)(1!)
 Hallar la probabilidad de conseguir 5
caras si se lanza la moneda 6 veces.
x=5
n=6
p=0.5
𝑛!
𝑏 𝑥; 𝑛, 𝑝 = 𝑝𝑥 1−𝑝 𝑛−𝑥
𝑥! 𝑛−𝑥 !
6!
𝑏 5; 6,0.50 = (0.50)5 (0.50)1 =0.09375
(5!)(1!)
 Como ejemplo de distribución
hipergeometrica calcularemos la
probabilidad de obtener dos unidades
defectuosas en una muestra de tamaño
diez, tomada sin reemplazamiento de un
total de 20 unidades que contiene 5
defectuosas. Substituyendo x=2,n=10,a=5 y
N=20, obtenemos:
5 15
10.6435
ℎ 2; 10,5,20 = 2
20
8
= = 0.348
10 184.756
 En una fabrica de camisas la producción de un
determinado dia fue de 30 camisas, de las cuales 6
tenian defectos que las hacían invendibles. ¿Cuál es
la probabilidad de que de cinco camisas escogidas
al azar de la producción del dia, ninguna tenga
defectos?
En este caso se define x como el numero de camisas sin
defectos de las 5 elegidas, x es una variable aleatoria
hipergeometrica con campo de existencia 0,1,2,3,4,5.
Queremos saber la probabilidad de que x sea igual a 5:
24 6
f(5)= 5 0
30 = 0.2983
5
 Si la probabilidad es de 0.005 de que una persona
cualquiera que asista a un desfile en un dia muy
caluroso de verano sufra insolación. ¿Cuál es la
probabilidad de que 18 de las 3000 personas que
asisten al desfile sufran insolación?
Se trata de una binomial con n=3000; x=18 y p=0.005.
Estos valores están fuera de las tablas y no es fácil
calcular 3000
18
(0.005) 18
(0.995) 2982
; por eso se prefiere
aproximar con una Poisson. Al sustituir x=18 y
=3000(0.005) = 15 en la formula de distribución de
Poisson, se obtiene
𝑒 −15 .1518
(18;15) = = 0.07061296
18!
 Supongamos que se esta interesado en la
probabilidad de que 5 clientes lleguen
durante la siguiente hora ( o en cualquier
hora dada) laboral. La observación simple
de las ultimas 80 horas ha demostrado que
800 clientes han entrado al negocio. Por
tanto µ=10 por hora.
𝜇𝑥 𝑒 −𝜇
P(x)=
𝑥!
105 (2.71828−10 )
P(5)= =0.0378
5!
 De acuerdo con el teorema de Chebyshev, la
probabilidad de que una variable aleatoria asuma
un valor dentro de k=2 desviaciones estándar
alrededor de la media es por lo menos de ¾. Si una
variable aleatoria tiene una distribución normal,
determine con las tablas el valor exacto de la
probabilidad de que X asuma un valor dentro de 2
desviaciones estándar alrededor de la media.
Los valores de la variable tipificada z correspondientes
a 𝑥1 = 𝜇 − 2𝜎 y 𝑥2 = 𝜇 + 2𝜎 son
𝜇−2𝜎 −𝜇 𝜇+2𝜎 −𝜇
respectivamente 𝑧1 = =-2 ; 𝑧2 = = 2.
𝜎 𝜎

Por tanto, P(-2<Z<2) = ɸ(2)-ɸ(-2) = 0.9544.

 Sea X una variable aleatoria continua con
distribución normal, calcule las
probabilidades indicadas:
11.E(X)=4 y V(X)=9; calcule la probabilidad
P(X 7)
Para esto, primero se realiza la
estandarización de la variable X y después se
emplean las tablas de distribución normal
estándar.
𝑥−4 7−4
P(X 7)=P ≥ = P(Z≥1)=P(Z≤-1) = ɸ(-1) =
9 3
0.1587