UNIVERSIDAD NACIONAL PEDRO RUIZ GALLO

FACULTAD DE INGENIERA
MECNICA Y ELCTRICA

CURSO

: ESTADISTICA Y PROBABILIDADES

TEMA

: DISTRIBUCIONES ESPECIALES.

CICLO

: 3ER CICLO.

INTEGRANTES

: SALAZAR VILLANUEVA HANS ANDERSON

PROFESOR

: ALBAIL SANTISTEBAN VICTOT.

Lambayeque, 01 de octubre del 2014

DISTRIBUCION BINOMIAL:
Ejercicio 1: Se lanza una moneda 20 veces se busca:
a) la probabilidad de sacar 14 veces cara.
b) el nmero ms probable de caras y la probabilidad de que salga este nmero.
Solucin:

Ejercicio 2: todos los das se seleccionan, de manera aleatoria, 15 unidades de un

proceso de manufactura con el propsito de verificar el porcentaje de unidades
defectuosas en la produccin. Con base en informacin pesada, la probabilidad tener
una unidad defectuosa es de 0.05. La gerencia a decidido detener la produccin cada vez
que una muestra de 15 unidades tenga dos o ms defectuosas. Cul es la probabilidad
de que, en cualquier da la produccin se detenga?
Solucin:

Ejercicio 3: la probabilidad de que un paciente se recupere de una rara enfermedad

sangunea es de 0.4, si se sabe que 15 personas contraen esta enfermedad. Cul es la
probabilidad de que?
a) sobrevivan al menos 10
b) sobrevivan de 3 a 8
c) sobrevivan exactamente 5
Solucin: suponga que las pruebas son independientes y como p = para cada una de
las 4 pruebas obtenemos.

Ejercicio 4: En unas pruebas de alcoholemia se ha observado que el 5% de los

conductores controlados dan positivo en la prueba y que el 10% de los conductores
controlados no llevan puesto el cinturn de seguridad. Tambin se ha observado que las
dos infracciones son independientes. Un guardia de trfico para cinco conductores al
azar. Si tenemos en cuenta que el nmero de conductores es suficientemente importante
como para estimar que la proporcin de infractores no vara al hacer la seleccin.
a) Determinar la probabilidad de que exactamente tres conductores hayan cometido
alguna de las dos infracciones.
b) Determine la probabilidad de que al menos uno de los conductores controlados haya
cometido alguna de las dos infracciones.
Solucin:
a)

b)

Ejercicio 5: Un laboratorio afirma que una droga causa efectos secundarios en una
proporcin de 3 de cada 100 pacientes. Para contrastar esta afirmacin, otro laboratorio
elige al azar a 5 pacientes a los que aplica la droga. Cul es la probabilidad de los
siguientes sucesos?
a) Ningn paciente tenga efectos secundarios.
b) Al menos dos tengan efectos secundarios.
c) Cul es el nmero medio de pacientes que espera laboratorio que sufran efectos
secundarios si elige 100 pacientes al azar?
a)

b)

c)

BIBLIOGRAFIA:
Luis A. Santalo. (1970). Probabilidad e inferencia estadstica. Buenos aires, chesneau.
George C. Canavos. (1988). Probabilidad y estadstica, aplicaciones y mtodos. Mxico,
McGRAW-HILL/INTERAMERICANA DE MEXICO.
Walpole. Ronald E. (1999). Probabilidad y estadstica para ingenieros. Mxico,
Prentice-hall hispanoamericana. S.A

DISTRIBUCION DE POISSON:
1) PROBLEMA 1: Durante un experimento de laboratorio el nmero promedio de
partculas radiactivas que pasan a travs de un contador es un milisegundo es 4. Cul
es la probabilidad de que seis partculas entren al contador en un milisegundo dado?
Solucin:
Al usar la distribucin de poisson con x=6 y t = 4, entonces:

2) PROBLEMA 2: El nmero promedio de camiones tanque que llega cada da a cierta

ciudad portuaria es 10. Las instalaciones en el puerto pueden manejar a los mas 15
camiones tanque por da. Cul es la propiedad de que en un da dado los camiones de
tengan que regresar?
Solucion: sea X el nmero de camiones tanque que llegan cada da. Entonces.

3) PROBLEMA 3: en un proceso de fabricacin donde se manufacturan productos de

vidrio ocurren defectos o burbujas, lo que deja ocasionalmente a la pieza indeseable
para su venta. Se sabe que, en promedio, uno de cada 1000 de estos artculos que
producen tiene una o ms burbujas. Cul es la probabilidad de que una muestra
aleatoria de 8000 tenga de siete artculos con burbujas?
Solucion: este en esencia es un experimento binomial con n=8000 y p=0.001, como p es
muy cercana a cero y n es bastante grande, haremos la aproximacin con la distribucin
de poisson utilizando:

4) PROBLEMA 4: Si un banco recibe en promedio 6 cheques sin fondo por da,

Cules son las probabilidades de que reciba?
a) cuatro cheques sin fondo en un da dado.
b) 10 cheques sin fondos en cualquiera de dos das consecutivos.
Solucion:
a) x = variable que nos define el nmero de cheques sin fondo que llegan al banco en
un da cualquiera = 0, 1, 2, 3, etc.
= 6 cheques sin fondo por da

b) x= variable que nos define el nmero de cheques sin fondo que llegan al banco en
dos das consecutivos = 0, 1, 2, 3, ......, etc., etc.
= 6x2 = 12 cheques sin fondo en promedio que llegan al banco en dos das
consecutivos. Nota: siempre debe de estar en funcin de x siempre o dicho de otra
forma, debe hablar de lo mismo que x

( 12 )10 ( 2.718 )12 ( 6.1917364 10 )( 0.000006151 )

p( x 10 , 12 )

0.104953
10!
3628800
5) PROBLEMA 5: En la inspeccin de hojalata producida por un proceso electroltico
continuo, se identifican 0.2 imperfecciones en promedio por minuto. Determine las
probabilidades de identificar.
a) imperfeccin en 3 minutos.
b) al menos dos imperfecciones en 5 minutos.
c) cuando ms una imperfeccin en 15 minutos.
Solucin:
a) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 3
minutos = 0, 1, 2, 3, etc., etc.
= 0.2x3 = 0.6 imperfecciones en promedio por cada 3 minutos en la hojalata

p( x 1, 0.6 )

( 0.6 )1( 2.718 )0.6 ( 0.6 )( 0.548845 )

0.329307
1!
1

b) x = variable que nos define el nmero de imperfecciones en la hojalata por cada 5

minutos = 0, 1, 2, 3, ...., etc., etc. = 0.2x5 =1 imperfeccin en promedio por cada 5
minutos en la hojalata.

BIBLIOGRAFIA:
Walpole. Ronald E. (1999). Probabilidad y estadstica para ingenieros. Mxico,
Prentice-hall hispanoamericana. S.A

DISTRIBUCION NORMAL:
1) PROBLEMA 1: Sea X una variable aleatoria que representa la inteligencia medida
por medio de pruebas CI. Si X es N (100,10), obtener las probabilidades de que X sea
mayor que 100, menor que 85, a lo ms 112, por lo menos 108, mas grande que 90 y
entre 95 y 120.
Solucion: dado que la distribucin de probabilidad de X es simtrica alrededor de su
media, la probabilidad de que X sea mayor que este valor es, por definicin, 0.5. las
otras probabilidades se obtienen de la siguiente manera.

2) PROBLEMA 2: Supngase que la demanda mensual de cierto producto se encuentra

aproximada por una variable aleatoria normal con media de 200 y desviacin estndar
igual a 40 unidades. Qu tan grande debe ser el inventario disponible a principio de un
mes para la probabilidad de que la existencia se agote no sea mayor de 0.05?
Solucion: sea X la demanda, entonces X es N (200,40). Lo que se desea obtener es el
valor del cuantil x0.95 para el nivel de inventario a principio del mes, de manera tal que
la probabilidad de demanda exceda a x0.95 (existencia agotada) no sea mayor a 0.05. esto
es:

3) PROBLEMA 3: Dada una distribucin normal estndar, encuentre el rea bajo la

curva que yace.
a) a la derecha de z = 1.84
b) entre z = -1.97 y z = 0.86
Solucion:

4) PROBLEMA 4: En una distribucin normal estndar, encuentre el valor de k tal que

a) P (Z>K) = 0.3015
b) P (k < Z < -018) = 0.4197
Solucion:

5) PROBLEMA 5: En una ciudad se estima que la temperatura mxima en el mes de

junio sigue una distribucin normal, con media 23 y desviacin tpica 5. Calcular el
nmero de das del mes en los que se espera alcanzar mximas entre 21 y 27
Solucion:

BIBLIOGRAFIA:
George C. Canavos. (1988). Probabilidad y estadstica, aplicaciones y mtodos. Mxico,
McGRAW-HILL/INTERAMERICANA DE MEXICO.
Walpole. Ronald E. (1999). Probabilidad y estadstica para ingenieros. Mxico,
Prentice-hall hispanoamericana. S.A
Estadstica aplicada enciclopedia universal.