Nombre del alumno: Ulises Manzano Hernández

Matricula: ES1921005869

Grupo: MT – MPRO1 – 2001 – B2 – 001

Materia: Probabilidad I

Carrera: Licenciatura en Matemáticas

Nombre de la Actividad: Evidencia de Aprendizaje de la Unidad 3 “Resolución

de Problemas”

Nombre de la escuela: Universidad Abierta y a Distancia de México

Nombre del profesor: Paula Garcia Leija

Fecha de entrega: 14 al 16 de Mayo de 2020

Ejercicios
Instrucciones: Para resolver estos ejercicios usa las fórmulas adecuadas al
problema y al tipo de distribución que lo define. Como referencia para su
solución revisa la bibliografía y videos recomendados para la unidad.
Problema 1. Dado el experimento aleatorio de lanzar dos dados al aire y si
definimos la variable aleatoria 𝑋 como la suma de los dos dados, encuentra lo
siguiente:
Dice que el problema que es una variable aleatoria discreta, porque asume un
número contable de valores.
En donde dice que su variable aleatoria:
𝑋 = 𝑆𝑢𝑚𝑎 𝑑𝑒 𝑙𝑜𝑠 2 𝑑𝑎𝑑𝑜𝑠
• El valor o rango de la variable aleatoria.
Se hace el rango de la variable discreta en donde se hace mediante una tabla
de los 2 fdados, que nos da lo siguiente:
1º 2º Suma 1º 2º Suma 1º 2º Suma
dado dado Total dado dado Total dado dado Total
1 1 2 2 1 3 3 1 4
1 2 3 2 2 4 3 2 5
1 3 4 2 3 5 3 3 6
1 4 5 2 4 6 3 4 7
1 5 6 2 5 7 3 5 8
1 6 7 2 6 8 3 6 9
1º 2º Suma 1º 2º Suma 1º 2º Suma
dado dado Total dado dado Total dado dado Total
4 1 5 5 1 6 6 1 7
4 2 6 5 2 7 6 2 8
4 3 7 5 3 8 6 3 9
4 4 8 5 4 9 6 4 10
4 5 9 5 5 10 6 5 11
4 6 10 5 6 11 6 6 12
Por lo tanto, nuestro rango es:
𝑅𝑋 = {2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12}
Nuestro valor del rango de la variable aleatoria es de 𝑅𝑋 = 11
Por lo tanto, nuestra 𝑥 = 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑖𝑠𝑐𝑟𝑒𝑡𝑎.
• Su distribución de probabilidad.
La distribución de probabilidad se refiere a una tabla en donde el rango de la
variable aleatoria discreta de la suma de los 2 dados junto a su probabilidad
de cada numero de suma de 2 dados.
Primero se realiza las probabilidades de cada suma de dos dados, que nos
quedaría lo siguiente:
1
𝑃(1, 1) = 𝑃(2) =
36
1 1 1+1 2 1
𝑃(1, 2) + 𝑃(2, 1) = 𝑃(3) = + = = =
36 36 36 36 18
1 1 1 1+1+1 3 1
𝑃(1, 3) + 𝑃(2, 2) + 𝑃(3, 1) = 𝑃(4) = + + = = =
36 36 36 36 36 12
1 1 1 1
𝑃(1, 4) + 𝑃(2, 3) + 𝑃(3, 2) + 𝑃(4, 1) = 𝑃(5) = + + +
36 36 36 36
1+1+1+1 4 1
= = =
36 36 9
𝑃(1, 5) + 𝑃(2, 4) + 𝑃(3, 3) + 𝑃(4, 2) + 𝑃(5, 1) = 𝑃(6)
1 1 1 1 1 1+1+1+1+1 5
= + + + + = =
36 36 36 36 36 36 36
𝑃(1, 6) + 𝑃(2, 5) + 𝑃(3, 4) + 𝑃(4, 3) + 𝑃(5, 2) + 𝑃(6, 1) = 𝑃(7)
1 1 1 1 1 1 1+1+1+1+1+1 6 1
= + + + + + = = =
36 36 36 36 36 36 36 36 6
𝑃(2, 6) + 𝑃(3, 5) + 𝑃(4, 4) + 𝑃(5, 3) + 𝑃(6, 2) = 𝑃(8)
1 1 1 1 1 1+1+1+1+1 5
= + + + + = =
36 36 36 36 36 36 36
1 1 1 1
𝑃(3, 6) + 𝑃(4, 5) + 𝑃(5, 4) + 𝑃(6, 3) = 𝑃(9) = + + +
36 36 36 36
1+1+1+1 4 1
= = =
36 36 9
1 1 1 1+1+1 3 1
𝑃(4, 6) + 𝑃(5, 5) + 𝑃(6, 4) = 𝑃(10) = + + = = =
36 36 36 36 36 12
1 1 2 1
𝑃(5, 6) + 𝑃(6, 5) = 𝑃(11) = + = =
36 36 36 18
1
𝑃(6, 6) = 𝑃(12) =
36
Y se realiza la tabla de la distribución de probabilidad, que seria la siguiente:
𝒙 𝒇(𝒙) 𝑭(𝒙)
𝒙𝟏 = 𝟐 1 1
𝑓(2) = 𝑃(𝑋 = 2) = 𝐹(2) = 𝑓(2) =
36 36
𝒙𝟐 = 𝟑 1 𝐹(3) = 𝑓(2) + 𝑓(3)
𝑓(3) = 𝑃(𝑋 = 3) = 1 1
18 = +
36 18
1+2
=
36
3 1
= =
36 12
𝒙𝟑 = 𝟒 1 𝐹(4) = 𝐹(3) + 𝑓(4)
𝑓(4) = 𝑃(𝑋 = 4) = 1 1
12 = +
12 12
1+1
=
12
2 1
= =
12 6
𝒙𝟒 = 𝟓 1 𝐹(5) = 𝐹(4) + 𝑓(5)
𝑓(5) = 𝑃(𝑋 = 5) = 1 1
9
= +
6 9
3+2
=
18
5
=
18
𝒙𝟓 = 𝟔 5 𝐹(6) = 𝐹(5) + 𝑓(6)
𝑓(6) = 𝑃(𝑋 = 6) = 5 5
36
= +
18 36
10 + 5
=
36
15 5
= =
36 12
𝒙𝟔 = 𝟕 1 𝐹(7) = 𝐹(6) + 𝑓(7)
𝑓(7) = 𝑃(𝑋 = 7) = 5 1
6
= +
12 6
5+2
=
12
7
=
12
𝒙𝟕 = 𝟖 5 𝐹(8) = 𝐹(7) + 𝑓(8)
𝑓(8) = 𝑃(𝑋 = 8) = 7 5
36
= +
12 36
21 + 5
=
36
26 13
= =
36 18
 𝒙𝟖 = 𝟗 1 𝐹(9) = 𝐹(8) + 𝑓(9)
𝑓(9) = 𝑃(𝑋 = 9) = 13 1
9 = +
18 9
13 + 2
=
18
15 5
= =
18 6
𝒙𝟗 = 𝟏𝟎 𝑓(10) = 𝑃(𝑋 = 10) 𝐹(10) = 𝐹(9) + 𝑓(10)
1 5 1
= = +
12 6 12
10 + 1
=
12
11
=
12
𝒙𝟏𝟎 = 𝟏𝟏 𝑓(11) = 𝑃(𝑋 = 11) 𝐹(11) = 𝐹(10) + 𝑓(11)
1 11 1
= = +
18 12 18
33 + 2
=
36
35
=
36
𝒙𝟏𝟏 = 𝟏𝟐 𝑓(12) = 𝑃(𝑋 = 12) 𝐹(12) = 𝐹(11) + 𝑓(12)
1 35 1
= = +
36 36 36
35 + 1
=
36
36
= =1
36
∑ 𝒇(𝒙𝒊 ) 𝑛=1 −

Observamos que sus propiedades dadas de su definición se cumplen, esto es

𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + ⋯ + 𝑃(𝑋 = 7) + ⋯ + 𝑃(𝑋 = 11) + 𝑃(𝑋 = 12) = 1.
Ahora la relación entre sus valores de la variable aleatoria 𝑋 y sus respectivas
probabilidades pueden ser representada en una grafica, que como se ve a
continuación:
Se observa que en las barras de verde es la probabilidad que tiene en la suma
de sus 2 dados, y en la barras de azul se muestra la distribución acumulada
que se esta creciendo en cada suma de 2 dados hasta que alcanze al número
de 1.
• La media o esperanza matemática, 𝜇.
Para calcular la media o esperanza matemática de la variable 𝑋, se utiliza la
siguiente formula siguiente:
𝑛

𝐸(𝑋) = 𝜇 = ∑ 𝑥𝑖 𝑓(𝑥𝑖 )
𝑖=1

Y para su rango de la suma de los 2 dados, seria la siguiente:

11

𝜇 = ∑ 𝑥𝑖 𝑓(𝑥𝑖 )
𝑖=1
= 𝑥1 𝑓(𝑥1 ) + 𝑥2 𝑓(𝑥2 ) + 𝑥3 𝑓(𝑥3 ) + 𝑥4 𝑓(𝑥4 ) + 𝑥5 𝑓(𝑥5 ) + 𝑥6 𝑓(𝑥6 )
+ 𝑥7 𝑓(𝑥7 ) + 𝑥8 𝑓(𝑥8 ) + 𝑥9 𝑓(𝑥9 ) + 𝑥10 𝑓(𝑥10 ) + 𝑥11 𝑓(𝑥11 )
1 1 1 1 5 1 5
𝜇 = (2) ( ) + (3) ( ) + (4) ( ) + (5) ( ) + (6) ( ) + (7) ( ) + (8) ( )
36 18 12 9 36 6 36
1 1 1 1
+ (9) ( ) + (10) ( ) + (11) ( ) + (12) ( )
9 12 18 36
1 1 1 5 5 7 10 5 11 1
= + + + + + + +1+ + +
18 6 3 9 6 6 9 6 18 3
1 + 3 + 6 + 10 + 15 + 21 + 20 + 18 + 15 + 11 + 6 126
= = =7
18 18
La media o esperanza matemática del lanzamiento de 2 dados como la suma
de 2 dados es de 𝜇 = 7.
• La varianza, 𝜎2
Para calcular la varianza de 𝑋, se utiliza la siguiente formula para calcular lo
siguiente:
𝑛

𝑉𝑎𝑟(𝑋) = 𝜎 2 = ∑(𝑥𝑖 − 𝜇)2 𝑓(𝑥𝑖 )

𝑖=1

Y para su rango de la suma de los 2 dados, seria la siguiente:

 𝑛

𝜎 2 = ∑(𝑥𝑖 − 𝜇)2 𝑓( 𝑥𝑖 )
𝑖=1
= (𝑥1 − 𝜇)2 𝑓(𝑥1 ) + (𝑥2 − 𝜇)2 𝑓(𝑥2 ) + (𝑥3 − 𝜇)2 𝑓(𝑥3 )
+ (𝑥4 − 𝜇)2 𝑓(𝑥4 ) + (𝑥5 − 𝜇)2 𝑓(𝑥5 ) + (𝑥6 − 𝜇)2 𝑓(𝑥6 )
+ (𝑥7 − 𝜇)2 𝑓(𝑥7 ) + (𝑥8 − 𝜇)2 𝑓(𝑥8 ) + (𝑥9 − 𝜇)2 𝑓(𝑥9 )
+ (𝑥10 − 𝜇)2 𝑓(𝑥10 ) + (𝑥11 − 𝜇)2 𝑓(𝑥11 )
1 1 1 1
𝜎 2 = (2 − 7)2 ( ) + (3 − 7)2 ( ) + (4 − 7)2 ( ) + (5 − 7)2 ( )
36 18 12 9
5 1 5 1
+ (6 − 7)2 ( ) + (7 − 7)2 ( ) + (8 − 7)2 ( ) + (9 − 7)2 ( )
36 6 36 9
1 1 1
+ (10 − 7)2 ( ) + (11 − 7)2 ( ) + (12 − 7)2 ( )
12 18 36
1 1 1 1
= (−5)2 ( ) + (−4)2 ( ) + (−3)2 ( ) + (−2)2 ( )
36 18 12 9
5 1 5 1 1
+ (−1)2 ( ) + (0)2 ( ) + (1)2 ( ) + (2)2 ( ) + (3)2 ( )
36 6 36 9 12
1 1
+ (4)2 ( ) + (5)2 ( )
18 36
1 1 1 1 5 1
= (25) ( ) + (16) ( ) + (9) ( ) + (4) ( ) + (1) ( ) + (0) ( )
36 18 12 9 36 6
5 1 1 1 1
+ (1) ( ) + (4) ( ) + (9) ( ) + (16) ( ) + 25 ( )
36 9 12 18 36
25 16 9 4 5 5 4 9 16 25
= + + + + +0+ + + + +
36 18 12 9 36 36 9 12 18 36
25 8 3 4 5 5 4 3 8 25
= + + + + +0+ + + + +
36 9 4 9 36 36 9 4 9 36
25 + 32 + 27 + 16 + 5 + 0 + 5 + 16 + 27 + 32 + 25 210 35
= = =
36 36 6
= 5.833333333
35
La varianza de la variable aleatoria de 𝑋 es de 𝜎 2 = = 5.833333333
6

• La desviación típica o estándar, 𝜎

Para calcular la desviación estandar de nuestra variable de 𝑋, se utiliza la
siguiente formula que seria lo siguiente:
𝜎 = √𝑉𝑎𝑟(𝑋)
Y solamente es sustituir la respuesta de la Varianza del reactivo anterior, se
resuelve lo siguiente:

35 √35 √6 √(35)(6) 1
𝜎 = √𝑉𝑎𝑟(𝑋) = √ = × = 2 = 6 √210 = 2.415229458
6 √6 √6 (√6)
 1
La desviación estandar de la variable aleatoria de 𝑋 es de 𝜎 = √210 =
6
2.415229458

Problema 2. En una fábrica de calentadores eléctricos se sabe que el 1% de

los productos salen defectuosos. Se seleccionan 3 calentadores al azar para
enviar como prueba a un cliente potencial muy importante.
Este experimento, ¿sigue una distribución binomial? Si ¿Por qué? Porque en
este problema cuenta con 2 probabilidades, el éxito y fracaso, y tenemos el
valor del fracaso que seria el 1% = 0.01, ese fracaso se dice que salieron
defectuosos.
Contesta las siguientes preguntas utilizando la fórmula de la distribución
binomial:
a) ¿Cuál es la probabilidad de que ningún calentador sea defectuoso?
Para calcular la probabilidad, se utiliza la siguiente formula que seria asi:
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝐶𝑥𝑛 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
En donde se saca los valores:
• 𝑋=
𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑎𝑙𝑒𝑛𝑡𝑎𝑑𝑜𝑟𝑒𝑠 𝑎𝑙 𝑎𝑧𝑎𝑟 𝑑𝑒 3 𝑎 𝑙𝑜𝑠 𝑞𝑢𝑒 𝑛𝑖𝑛𝑔𝑢𝑛 𝑠𝑜𝑛 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠.
• 𝑝 = 1% = 0.01 (𝐸𝑥𝑖𝑡𝑜) que es defectuoso.
• Para calcular el valor de 𝑞(𝐹𝑟𝑎𝑐𝑎𝑠𝑜) que no es defectuoso, se sustituye
lo siguiente:
𝑞 = 1 − 𝑝 → 𝑝 = 0.01
𝑞 = 1 − 0.01
𝑝 = 0.99
• 𝑋~𝐵𝑖𝑛(𝑛, 𝑝) = 𝑋~𝐵𝑖𝑛(3, 0.01)
• 𝑥 = 0, 1, 2, 3
• 𝑛: 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠 = 3
Y sustituimos a la formula que nos da lo siguiente:
𝑓(0) = 𝑃(𝑋 = 0) = 𝐶03 (0.01)0 (1 − 0.01)3−0
3! 3!
𝑓(0) = 𝑃(𝑋 = 0) = (0.01)0 (1 − 0.01)3−0 = (0.01)0 (0.99)3−0
(3
0! − 0)! 0! (3)!
3×2×1 1
= (0.01)0 (0.99)3 = (1)(0.970299)
1(3 × 2 × 1) 1
= 1(1)(0.970299) == 0.970299 = 97.0299%
La probabilidad de que ningun calentador sea defectuoso es de 0.970299 =
97.0299%
 b) ¿Cuál es la probabilidad de que al menos un calentador no sea
defectuoso?
Para calcular este reactivo, es utilizar una formula extra de que al menos 1
calentador es la probabilidad de que la variables aleatoria sea mayor que el
de anterior, y se hace una resta que quedaria asi:
𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0)
En donde:
• 𝑃(𝑋 = 0) = 0.970299 = 97.0299%
Y se sustituye lo siguiente:
𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0) = 1 − 0.970299 = 0.029701 = 2.9701%
La probabilidad de que al menos un calentador no esta defectuoso es de
0.029701 = 2.9701%.
c) Dada la variable aleatoria 𝑋: # de calentadores defectuosos, calcula la
media, la varianza y la desviación estándar.
Para calcular la media, la varianza y la desvuación estandar se utiliza las
siguientes formulas:
𝐸(𝑋) = 𝑛𝑝 𝑉𝑎𝑟(𝑋) = 𝑛𝑝𝑞 𝜎 = √𝑉𝑎𝑟(𝑋)
En donde:
• 𝑋 = # 𝑑𝑒 𝑐𝑎𝑙𝑒𝑛𝑡𝑎𝑑𝑜𝑟𝑒𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠
• 𝑛=3
• 𝑝 = 1% = 0.01 𝑑𝑒 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜 (𝐸𝑥𝑖𝑡𝑜)
• 𝑞 = 1 − 𝑝 = 1 − 0.01 = 0.99 = 99% 𝑑𝑒 𝑛𝑜 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜 (𝐹𝑟𝑎𝑐𝑎𝑠𝑜)
Y se obtiene lo siguiente:
𝐸(𝑋) = 𝑛𝑝 = (3)(0.01) = 0.03
𝑉𝑎𝑟(𝑋) = 𝑛𝑝𝑞 = (3)(0.01)(0.99) = (0.03)(0.99) = 0.0297
𝜎 = √𝑉𝑎𝑟(𝑋) = √0.0297 = 0.172336
La media, la varianza y la desviación estandar es de 0.03, 0.0297 𝑦 0.172336

Problema 3. Una fábrica de alambre delgado de cobre realiza un estudio de

la calidad de su producto y encuentra que hay un promedio de 2.3
imperfecciones por metro de alambre.
Este experimento, ¿sigue una distribución de Poisson? Si ¿Por qué? Porque
en esta distribución de Poisson tiene la cosntante que es el parametro 𝜆 de la
 𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
población que seria 2.3 de alambre. Asi que, se resuelve cada
𝑚
inciso de ello.
Contesta las siguientes preguntas utilizando la fórmula de la distribución de
Poisson:
a) Determina la probabilidad de una imperfección en un metro de alambre.
Para calcular la probabilidad, se utiliza la formula de la Distribución de Poisson
que seria la siguiente:
𝑒 −𝜆 𝜆𝑥
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) =
𝑥!
En donde se obtiene sus datos:
𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
• 𝜆 = 2.3
𝑚
𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
• 𝑥=1
𝑚

Se sustituye en la formula y obtenemos lo siguiente:

𝑒 −2.3 (2.3)1 (0.100258843)(2.3)
𝑓(1) = 𝑃(𝑋 = 1) = = = 0.23059534
1! 1
= 23.059534%
Por lo tanto, la probabilidad de que una imperfección por 1 metro es de
0.23059534 = 23.059534%.
b) Determina la probabilidad de 10 imperfecciones en 3.5 metros de
alambre.
Sea que 𝑋 denote el número de imperfecciones en 3.5 𝑚 de alambre.
Entonces, 𝑋 tiene una distribución Poisson con:
𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
𝜆 = (3.5 𝑚) (2.3 ) = 8.05 𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
𝑚
Utilizando la formula de la distribución de Poisson:
𝑒 −𝜆 𝜆𝑥
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) =
𝑥!
En donde sus datos son:
• 𝜆 = 8.05 𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
• 𝑥 = 10 𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
Se sustituye los datos en la formula y nos da lo siguiente:
 𝑒 −8.05 (8.05)10 (0.000319101922)(1142769929)
𝑓(10) = 𝑃(𝑋 = 10) = =
10! 10 × 9 × 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1
364660.0807
= = 0.100490542 = 10.0490542%
3628800
Por lo tanto, la probabilidad de que 10 imperfecciones en 3.5 m de alambre es
de 0.100490542 = 10.0490542%.
c) Determina la probabilidad de al menos tres imperfecciones en 5 metros
de alambre.
Sea que 𝑥 denote el número de imperfecciones en 5 𝑚 de alambra. Entonces,
𝑋 tiene una distribución de Poisson con:
𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
𝜆 = (5 𝑚) (2.3 ) = 11.5 𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
𝑚
Para calcular la probabilidad de que al menos 3 imperfecciones en 5 alambres
se uitiliza la siguiente formula extra que seria lo siguiente:
𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 ≤ 2)
Primero se calcula la probabilidad de 𝑃(𝑋 ≤ 2) que se utiliza la siguiente
formula:
2
𝑒 −𝜆 𝜆𝑥
𝑃(𝑋 ≤ 2) = ∑ ( )
𝑥!
𝑥=0

En donde se obtiene los datos:

• λ = 11.5 𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖ó𝑛
• 𝑥 = 0, 1, 𝑦 2 𝑖𝑚𝑝𝑒𝑟𝑓𝑒𝑐𝑐𝑖𝑜𝑛𝑒𝑠
Y se sustituye los datos en la formula y se obtiene lo siguiente:
2
𝑒 −𝜆 𝜆𝑥 𝑒 −11.5 (11.5)0 𝑒 −11.5 (11.5)1 𝑒 −11.5 (11.5)2
(𝑋 ≤ 2) = ∑ ( =
) ( +
) ( +
) ( )
𝑥! 0! 1! 2!
𝑥=0
(1.01300936 × 10−5 (1) (1.01300936 × 10−5 )(11.5)
=( )+( )
1 1
(1.01300936 × 10−5 )(132.25)
+( )
2×1
= (1.01300936 × 10−5 ) + (1.164960764 × 10−4 )
1.339704878 × 10−3
+( )
2
= (1.01300936 × 10−5 ) + (1.164960764 × 10−4 )
+ (6.698524392 × 10−4 )
 = 1.01300936 × 10−5 + 1.164960764 × 10−4 + 6.698524392 × 10−4
= 7.964786092 × 10−4 = 0.0007964786092 = 0.07964786%
Y al final, se sustituye en la formula principal del problema y obtenemos lo
siguiente:
𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 ≤ 2) = 1 − (7.964786092 × 10−4 )
= 1 − 7.964786092 × 10−4 = 0.999203521 = 99.92035214%
La probabilidad de que al menos 3 imperfecciones en 5 m de alambre es de
0.999203521 = 99.92035214%

Problema 4. Un comerciante compra un lote de 75 abrigos de lana para el

invierno y sabe que cinco de ellos tienen defectos en las costuras. Toma al
azar una muestra de 10 abrigos para venderlos este fin de semana.
Este experimento, ¿sigue una distribución hipergeométrica? Si, ¿Por qué?
Porque en este problema cuenta con una formula que solamente con
combinaciónes de 2 numeros ya que nos dio el N total de población y con otros
elementos.
Contesta las siguientes preguntas utilizando la fórmula de la distribución
hipergeométrica:
a) ¿Cuál es la probabilidad de que ninguno de los abrigos defectuosos se
encuentre en la muestra?
Para calcular la probabilidad de que ningun de los abrigos sea defectuoso, se
utiliza la siguiente formula:
𝑘 𝑁−𝑘
( )( )
𝑓(𝑥) = 𝑃(𝑋 = 𝑥) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛
En donde se obtiene sus datos:
• 𝑁 = 75 𝑎𝑏𝑟𝑖𝑔𝑜𝑠
• 𝑘 = 5 𝑎𝑏𝑟𝑖𝑔𝑜𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠
• 𝑛 = 10 𝑎𝑏𝑟𝑖𝑔𝑜𝑠
• 𝑥 = 0 𝑛𝑖𝑛𝑔𝑢𝑛 𝑎𝑏𝑟𝑖𝑔𝑜 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜
Y se sustituye los datos en la formula y obtenemos lo siguiente:
5 75 − 5 5 70
( )( ) ( ) ( ) (𝐶 5 )(𝐶 70 )
𝑓(0) = 𝑃(𝑋 = 0) = 0 10 − 0 = 0 10 =
0 10
75 75 75
(𝐶10 )
( ) ( )
10 10
(1)(3.967045242 × 1011 )
=
(8.289311064 × 1011 )
 3.967045242 × 1011
= = 0.478573576 = 47.85735765%
8.289311064 × 1011
Por lo tanto, la probabilidad de que ningún abrigo sea defectuoso para esta
muestra es de 0.478573576 = 47.85735765%.
b) ¿Cuál es la probabilidad de que al menos uno de los abrigos defectuosos
se encuentre en la muestra?
Para calcular este reactivo, es utilizar una formula extra de que al menos 1
abrigo es la probabilidad de que la variables aleatoria sea mayor que el de
anterior, y se hace una resta que quedaria asi:
𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0)
En donde el dato es:
• 𝑃(𝑋 = 0) = 0.478573576
Y se sustituye el dato en la formula y obtenemos lo siguiente:
𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0) = 1 − (0.478573576) = 1 − 0.478573576
= 0.521426424 = 52.1426424%
La probabilidad de que un solo abrigo al menos es de 0.521426424 =
52.1426424%
c) Dada la variable aleatoria 𝑋: # de abrigos defectuosos, calcula la media,
la varianza y la desviación estándar.
Para calcular la media o esperanza, la varianza y la desviación estandar de
una distribución hipergeometrica, se utiliza las siguientes formulas, que serian
asi:
𝑘 𝑘 𝑁−𝑘 𝑁−𝑛
𝐸(𝑋) = 𝑛 𝑉𝑎𝑟(𝑋) = 𝑛 ( )( ) 𝜎 = √𝑉𝑎𝑟(𝑋)
𝑁 𝑁 𝑁 𝑁−1
En donde, se obtiene sus datos:
• 𝑁 = 75 𝑎𝑏𝑟𝑖𝑔𝑜𝑠
• 𝑘 = 5 𝑎𝑏𝑟𝑖𝑔𝑜𝑠 𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠
• 𝑛 = 10 𝑎𝑏𝑟𝑖𝑔𝑜𝑠 𝑎𝑙 𝑎𝑧𝑎𝑟
Y se sustituyen los daros en las formulas dadas, y obtenemos lo siguiente:
𝑘 5 1 10 2
𝐸(𝑋) = 𝑛 = (10) ( ) = (10) ( ) = = = 0.666666666
𝑁 75 15 15 3
𝑘 𝑁−𝑘 𝑁−𝑛 5 75 − 5 75 − 10
𝑉𝑎𝑟(𝑋) = 𝑛 ( )( ) = (10) ( ) ( )( )
𝑁 𝑁 𝑁−1 75 75 75 − 1
5 70 65 1 14 65 10 14 65
= (10) ( ) ( ) ( ) = (10) ( ) ( ) ( ) = ( ) ( ) ( )
75 75 74 15 15 74 15 15 74
 2 14 65 2 13 7 182
= ( )( )( ) = ( )( )( ) = = 0.546546546
3 15 74 3 3 37 333

182 √182 √182 √182 3√37 3√(182)(37)

𝜎 = √𝑉𝑎𝑟(𝑋) = √ = = = × = 2
333 √333 √32 (37) 3√37 3√37 (3)2 (√33)
3√6734 3√6734 √6734
= = = = 0.739287864
(9)(37) 333 111
Por lo tanto, la esperanza o media, la vrianza y la desviación estandar de la
2 182
distribución hipergeométrica es de = 0.666666666, = 0.546546546 y
3 333
√6734
= 0.739287864.
111

Conclusiones
En el ejercicio 1 se trato de la variable aleatoria discreta que tenga 𝑋 que dice
que las suma de 2 dados al caer libremente y obtenemos esto, en el recativo
1 se pidio el rango y valor de dicha variable, en el reactivo 2 se pidio la
distribución de la probabilidad comparando una tabla de las probabilidades de
la suma de 2 dados y al graficar en barras se midio que las probabilidad
aumentan y al final disminuye, y en la distribución acumulada aumenta hasta
obtener el 1, en los reactivos 3, 4 y 5 se pidio la media o esperanza, varianza
y desviación estandar de dicha variable y se utilizo las formulas y obtuvimos
correctamente la respuesta. En el ejercicio 2 se resolvio por la distribución
binomial utilizando sus formulas, en el recativo 1 se pidio la probabilidad de
que ningun calentador sea defectuoso que es 𝑋 = 𝑥 = 0 al usar su formula se
obtuvo correctamente el resultado, en el reactivo 2 se resolvio que al menos 1
no sea defectuoso una formula extra que se resta 1 menos de la respuesta
anterior del reactivo y obtuvimos ese resultado, y en el reactivo 3 se pidio la
esperanza, varianza y desviación estandar al usar suspropias formulas para
esta distribución y se obtuvo sus resultados. En el ejercicio 3, se resolvio por
la distribución de Poisson utilizando su formula siguiente, en el reactivo 1 se
pidio de un metro por un imperfección al utilizar la formula se obtuvo su
resultado correcto, en el reactivo 2 se pidio la probabilidad de que 10
imperfecciones por 3.5 m que al covertir de imperfecciones por metro por
metro, se obtuvo su equivalencia y al sustituir a la formula obtuvimos el
resultado correcto, y en el reactivo 3 y pidio la probabilidad de que al menos 3
imperfecciones por 5 m, se hace una formula extra de que la variable 𝑋 sea
menor que 3 restandola con 1, se hace la equivalencia y al obtener la
sumatoria de estas probabilidades de 0 al 2, y al restarlas se obtuvo su
resultado correctamente. Y en el ejercicio 4, se utilizo por la distribución
hipergeométrica, en el reactivo 1 se pidio la probabilidad de que ninguno sea
defectuoso, y al sustituir sus datos a la formula, se obtuvo su resultado, en el
reactivo 2, se pidio de que al menos 1 sea defectuoso, y se hace resta de 1
con la respuesta anterior y se obtuvo su resultado correcto, y en el recativo 3,
se calculo la esperanza o media, varianza y desviación estadar utilizando sus
propias formulas y al sustituirlas sus datos en ella se obtuvo sus respuestas
correcta.

Bibliografía
FisicayMates. (25 de Enero de 2016). YouTube. Obtenido de Distribución de
Poisson | Ejercicio resuelto #2:
https://www.youtube.com/watch?v=TZM1oReEfNU
MateMovil. (11 de Mayo de 2020). YouTube. Obtenido de Distribución binomial
| Ejercicio resuelto 1: https://www.youtube.com/watch?v=HJgJGYDXojk
MateMovil. (9 de Marzo de 2020). YouTube. Obtenido de Media o valor
esperado, varianza y desviación estándar de variable aleatoria discreta:
https://www.youtube.com/watch?v=oB48B-WUwJk
MateMovil. (4 de Marzo de 2020). YouTube. Obtenido de Variables aleatorias
discretas y continuas | Ejemplos:
https://www.youtube.com/watch?v=_wonmKS4Blk
MateMovil. (27 de Enero de 2020). YouTube. Obtenido de Función de
probabilidad de variable aleatoria discreta | Intro:
https://www.youtube.com/watch?v=7mF89j-rCoE
Rincón, L. (15 de Diciembre de 2013). YouTube. Obtenido de 0625
Distribución hipergeométrica:
https://www.youtube.com/watch?v=kkcLnDT1Oa0
TutorClass. (7 de Marzo de 2015). YouTube. Obtenido de DISTRIBUCIÓN
HIPERGEOMETRICA:
https://www.youtube.com/watch?v=zUnOZutWjGc
UnADM. (6 de Abril de 2020). PDF. Obtenido de Unidad 3 "Modelos Discretos
de Probabilidad":
file:///D:/UnADM/Clases%20Universidad/Semestre%202/Probabilidad%
20I/U3_contenido.pdf