Distribuciones

M.I.I Paloma Serrano Ruiz

Felix Alberto De Leon Ostiguin
7 A
Ing. En Tecnologas de la

DISTRIBUCIN BINOMIAL
1. Sea x una variable aleatoria binomial con n=10 y p=0.4. Encuentre estos valores:
a. P(x=4)
b. P(x4)
c. P(x>4)
d. P(x4)
e. =np
f.

Distribution Plot
Binomial, n=10, p=0.4
0.2508

0.25

a. P(x=4)

Probability

0.20

En la grafica podemos notar

que tenemos una
probabilidad de .2508 de 10
valores.

0.15

0.10

0.05

0.00

Distribution Plot
Binomial, n=10, p=0.4
0.25
b. P(x4)

Probability

0.20

Tenemos una probabilidad

de .6177 de valores mayores
o iguales a 4, de una
muestra de 10

0.15

0.10

0.05

0.00

0.6177

Distribution Plot
Binomial, n=10, p=0.4
0.25
c.
P(x>4)
Tenemos una probabilidad
de .3669 de muestras de 10
mayores a 4.

Probability

0.20

0.15

0.10

0.05

0.00

0.3669

Distribution Plot
Binomial, n=10, p=0.4
0.25

Probability

0.20

d. P(x4)
La grafica muestra una
probabilidad de .6331 con
valor menor o igual a 4

0.15
0.6331
0.10

0.05

0.00

e. =np
=10* 0.4
=4

f.
f. 10*0.4*0.6
f. 2.4
f.
f. 1.54

2. En cierta poblacin, 85% de las personas tienen sangre tipo RH positivo. Suponga
que se casan 2 personas de esa poblacin. Cul es la probabilidad de que el RH de
las 2 personas sea negativo, con lo cual sera inevitable que sus nios tuvieran Rh
negativo?

Distribution Plot
Binomial, n=2, p=0.15
0.8
0.7

Probability

0.6
0.5
0.4
0.3
0.2
0.1
0.0

0.0225
0

Tenemos una
probabilidad de .0225 de
que nos salga un .15
positivo de las personas
al casarse en esa
poblacin, donde se
maneja que un 85% de
las personas tiene RH
positivo es por eso que
buscamos los negativo.

Distribucin Poisson

DISTRIBUCIN POISSON
3. Sea x una variable aleatoria de Poisson con media =2.5. calculara
las siguientes probabilidades:
a. P(x5)
b. P(x<6)
c. P(x=2)
d. P(1x4)

Distribution Plot
Poisson, Mean=2.5
0.25
a. P(x5)

Probability

0.20

De una variable aleatoria

tenemos una media de
2.5 buscamos valores que
sean mayores o iguales a
5 y para este ejercicio
tenemos .1088

0.15

0.10

0.05
0.1088
0.00

Distribution Plot
Poisson, Mean=2.5
0.25
0.9858
b. P(x<6)

Probability

0.20

Vemos en la grafica la
mayor parte cubierta ya
que buscamos valores
menores a 6 y podemos
notar que .9858 estn en
ese rango.

0.15

0.10

0.05

0.00
X

Distribution Plot
Poisson, Mean=2.5
0.2565

0.25

c. P(x=2)

Probability

0.20

En esta grafica buscamos

valores que sean iguales
a 2 y vemos el
comportamiento de la
grafica manejado solo
una probabilidad de .
2565, una proporcin
muy pequea.

0.15

0.10

0.05

0.00

Distribution Plot
Poisson, Mean=2.5
0.25
0.8091

d.
P(1x4)
Aqu tenemos una
probabilidad de .8091
donde buscamos valores
que se encuentren en la
estimacin mostrada.

Probability

0.20

0.15

0.10

0.05

0.00

4
X

4. El nmero de personas que entran a terapia intensiva en un hospital

cualquier da tiene una distribucin de probabilidad Poisson con media
igual a 5 personas por da.
a. Cul es la probabilidad de que el nmero de personas que entran a
la unidad de terapia intensiva en un da particular sean 2?
b. Es probable que x sea mayor que 10? Explique.

Distribution Plot
Poisson, Mean=5
0.20

a. Cul es la probabilidad de que el

nmero de personas que entran a la
unidad de terapia intensiva en un da
particular sean 2?

Probability

0.15

0.10

Es una proporcin muy

pequea, de personas
que entran a terapia por
da.

0.08422

0.05

0.00

13

Distribution Plot
Poisson, Mean=5
0.20

a. Es probable que x sea mayor que

10? Explique.

Probability

0.15
Si comparamos las dos
graficas notamos que las
probabilidades son
mnimas y manejan
proporciones muy
pequeas.

0.10

0.05

0.00

0.01370
0

11

5. Una empresa electrnica observa que el nmero de componentes que

fallan antes de cumplir 100 horas de funcionamiento es una variable
aleatoria de Poisson. Si el nmero promedio de estos fallos es ocho,
a.Cul es la probabilidad de que falle un componente en 25 horas?
b.y de que fallen no ms de dos componentes en 50 horas?
c.cul es la probabilidad de que fallen por lo menos diez en 125
horas?

Distribution Plot
Poisson, Mean=2
0.30
0.2707
0.25

a.Cul es la probabilidad de que

falle un componente en 25 horas?

Probability

0.20

Aqu manejan una

probabilidad de .2707
para la falla de un
componente en 25 horas,
ante las fallas de las
maquinas en 100 horas.
Se manejan estimaciones
muy cortas.

0.15
0.10
0.05
0.00

Distribution Plot
Poisson, Mean=4
0.20

b. y de que fallen no ms de dos

componentes en 50 horas?

Probability

0.15
La falla es un poco mas
pequea a la anterior
vemos que tiene una
probabilidad de .2381 en
un periodo de 50 horas.

0.10
0.2381
0.05

0.00

11

Distribution Plot
Poisson, Mean=10
0.14

c. cul es la probabilidad de que

fallen por lo menos diez en 125
horas?

0.12

Si comparamos las
graficas anteriores
podemos ver el
incremente tan radical,
probabilidad de .5830 e
un periodo de 125 horas.

Probability

0.10
0.08
0.06

0.5830

0.04
0.02
0.00

10

21

DISTRIBUCIONES DE PROBABILIDAD CONTINUAS

DISTRIBUCIN NORMAL

6. Un investigador cientfico reporta que unos ratones vivirn un promedio de

40 meses cuando sus dietas se restringen drsticamente y despus se
enriquecen con vitaminas y protenas. Suponga que la vida de tales ratones
se distribuye normalmente con una desviacin estndar de 6.3 meses,
encuentre la probabilidad de que un ratn dado viva.
a. Ms de 32 meses
b. Menos de 28 meses
c. Entre 37 y 49 meses

Distribution Plot
Normal, Mean=40, StDev=6.3
0.07
0.06

Podemos notar la tasa de

muerte de los ratones en
32 meses con una
probabilidad de .8979,
vemos el
comportamiento en la
grafica.
0.8979

a. Ms de 32 meses

Density

0.05
0.04
0.03
0.02
0.01
0.00

32

40
X

Distribution Plot
Normal, Mean=40, StDev=6.3
0.07
0.06

Podemos notar la tasa de

muerte de los ratones en
28 meses con una
probabilidad de .02841
vemos el
comportamiento en la
grafica. Y vemos que es
una proporcin muy
pequea.

b. Menos de 28 meses

Density

0.05
0.04
0.03
0.02
0.01
0.02841
0.00

28

40
X

Distribution Plot
Normal, Mean=40, StDev=6.3
0.07
0.06

Podemos notar la tasa de

muerte de los ratones
0.6065 entre 37 y 49 meses con
una probabilidad de .
6065 vemos el
comportamiento en la
grafica. Y vemos que es
una proporcin grande y
que tenemos que analiza
a la hora de disminuir las
vitaminas.

c. Entre 37 y 49 meses

Density

0.05
0.04
0.03
0.02
0.01
0.00

37

40
X

49

7. Un abogado va todos los das de su casa en los suburbios a su

oficina en el centro de la ciudad. El tiempo promedio para viaje de ida
es 24 minutos, con una desviacin estndar de 3.8 minutos. Suponga
que la distribucin de los tiempos de viaje est distribuida
normalmente.
a. Cul es la probabilidad de que un viaje tome al menos hora?
b. Si la oficina abre a las 9:00 am y l sale diario de su casa a las
8:45 am, Qu porcentaje de las veces llegara tarde?

Distribution Plot
Normal, Mean=24, StDev=3.8
0.12
0.10

a. Cul es la probabilidad de que un

viaje tome al menos hora?5

Density

0.08

Vemos que si se maneja

un tiempo de 30 minutos
tenemos una
probabilidad de .05717
una proporcin muy
pequea que casi no se
acerca ni al 1%

0.06
0.04
0.02
0.05717
0.00

24
X

30

Distribution Plot
Normal, Mean=24, StDev=3.8
0.12
0.10

Density

0.08

b. Si la oficina abre a las 9:00 am y l

sale diario de su casa a las 8:45 am,
Qu porcentaje de las veces llegara
tarde?

0.06
0.04
0.02
0.00

15

24
X

0.9911
Vemos que la grafica
cubre totalmente la
mayor parte quiere decir
que tiene .9911 una
probabilidad alta de que
llegara tarde a la oficina
si se establece un tiempo
de 15 minutos.

APROXIMACION NORMAL A LA BINOMIAL

8. La probabilidad de que un paciente se recupere de una delicada
operacin de corazn es 0.9. De los siguientes 100 pacientes que
tienen esta operacin, Cul es la probabilidad de que
a. Sobrevivan entre 84 y 95 pacientes?
b. Sobrevivan menos de 86?

Distribution Plot
Binomial, n=100, p=0.9
0.14
0.12

0.9557

a. Sobrevivan entre 84 y 95 pacientes?

Probability

0.10

Es una probabilidad muy

alta de que sobrevivan
los pacientes en esos
rangos, un .9557 de que
no sobrevivan.

0.08
0.06
0.04
0.02
0.00

80

84

95

98

Distribution Plot
Binomial, n=100, p=0.9
0.14
0.12

La probabilidad es muy
baja de la vida de las
personas que se
encuentran en 86
personas, se maneja una
probabilidad del .1239
porciento.

b. Sobrevivan menos de 86?

Probability

0.10
0.08
0.06
0.04
0.02
0.00

0.1239
86

98

9. Una compaa produce componentes para un motor. Las

especificaciones de las partes sugieren que 95% de los artculos
cumplen con las especificaciones. Las partes se embarcan en lotes
de 100 a los clientes.
a. Cul es la probabilidad de que ms de 2 artculos estn
defectuosos en un lote dado?
b. Cul es la probabilidad de que ms de 10 artculos estn
defectuosos?

Distribution Plot
Binomial, n=100, p=0.05
0.20

a. Cul es la probabilidad de que ms

de 2 artculos estn defectuosos en
un lote dado?

Probability

0.15

Se maneja una
proporcin muy alta de
que 2 artculos de lotes
quiere decir que tiene
una probabilidad de .
9629 de que salgan
defectuosos.
0.9629

0.10

0.05

0.00

Distribution Plot
Binomial, n=100, p=0.05
0.20

b. Cul es la probabilidad de que ms

de 10 artculos estn defectuosos?

Probability

0.15

Maneja una proporcin

muy baja de .1147 de
artculos de 10 es casi
imposible de que sean
defectuosos.

0.10

0.05

0.00

0.01147
0

11

10. Una compaa farmacutica sabe que aproximadamente 5% de sus

pldoras anticonceptivas tienen un ingrediente que est por debajo de
la dosis mnima, lo que vuelve ineficaz la pldora. Cul es la
probabilidad de que menos de 10 en una muestra de 200 pldoras sean
ineficaces?
Distribution Plot
Binomial, n=200, p=0.05
0.14

Maneja una probabilidad

considerable de .4547 de
que sus pldoras manejen
un ingrediente por
debajo de sus
especificaciones.

0.12

Probability

0.10
0.08
0.06

0.4547

0.04
0.02
0.00

21