Eje

mplo 1: Cul es la probabilidad de obtener 6 caras al lanzar una moneda 10 veces?

" k " es el nmero de aciertos. En este ejemplo " k " igual a 6 (en cada acierto decamos
que la variable toma el valor 1: como son 6 aciertos, entonces k = 6)
" n" es el nmero de ensayos. En nuestro ejemplo son 10
" p " es la probabilidad de xito, es decir, que salga "cara" al lanzar la moneda. Por lo
tanto p = 0,5

La frmula quedara:

Luego,
P (x = 6) = 0,205

Es decir, se tiene una probabilidad del 20,5% de obtener 6 caras al lanzar 10 veces una
moneda.
Ejemplo 2: Cul es la probabilidad de obtener cuatro veces el nmero 3 al lanzar un
dado ocho veces?

" k " (nmero de aciertos) toma el valor 4

" n" toma el valor 8
" p " (probabilidad de que salga un 3 al tirar el dado) es 1 / 6 (= 0,1666)

La frmula queda:

Luego,

P (x = 4) = 0,026

Es decir, se tiene una probabilidad del 2,6% de obtener cuatro veces el nmeros 3 al
tirar un dado 8 veces.

Ejemplo 4: La probabilidad de que un equipo funcione es de 0.9. Si se prueban 16

equipos, la probabilidad de que al menos14 funcionen es:
El equipo funciona o no funciona, esto indica un experimento de tipo binomial. Al menos
14 significa que deben funcionar, 14, 15 y 16, por lo que la probabilidad es:

P ( X 14) P ( X 14) P ( X 15) P ( X 16)

p (14 )=

16 !
0,9 14 0,12=0,2745
2 ! 14 !

p (15 )=

16 !
0,915 0,11=0,3294
1! 15 !

p (16 )=

16 !
16
0
0,9 0,1 =0,1853
0 ! 16 !

P( X 14) 0,2745 0,3294 0,1853 0.7893

Problema 01:
En una clnica el promedio de atencin es 16 pacientes por 4 horas, encuentre la probabilidad que en
30 minutos se atiendan menos de 3 personas y que en 180 minutos se atiendan 12 pacientes.
Usamos la distribucin de Poisson