1

probabilidades

Frecuentemente las observaciones que se generan en experimentos estadsticos tienen

algunos tipos generales de comportamiento, por eso sus variables se pueden describir
esencialmente con unas pocas distribuciones, las cuales pueden representarse mediante una
ecuacin.

Frente a la complejidad de los fenmenos bajo estudio, el experimentador aproxima y hace

algunos postulados tentativos acerca del mecanismo aleatorio y deriva un modelo por el
empleo de esos postulados en combinacin con las leyes de probabilidad.

Un modelo de probabilidad para la variable aleatoria X es una forma especfica de

distribucin de probabilidades que es asumida para reflejar el comportamiento de X. Las
probabilidades son registradas en trminos de parmetros desconocidos que relacionan las
caractersticas de la poblacin y el mtodo de muestreo.

EL MODELO DEBE SER COHERENTE CON LA REALIDAD

En esta unidad se examinarn detalladamente algunas distribuciones especficas de

probabilidad que han demostrado, empricamente, ser modelos tiles para diversos
problemas prcticos. Pero dichas distribuciones son tericas porque sus funciones de
probabilidad se deducen matemticamente con base en ciertas hiptesis que se suponen
vlidas para esos fenmenos aleatorios.

Dichas distribuciones son idealizaciones del mundo real, por lo tanto sus resultados no
siempre coinciden con la realidad.

Una variable aleatoria es una funcin que asigna un nmero real a cada resultado del
espacio muestral de un experimento aleatorio.

Dicho de otra forma, una variable aleatoria es una funcin valorada numricamente,
cuyo valor est regido por factores en los que interviene el azar.

Las variables aleatorias pueden ser discretas o continuas, segn su rango de valores.

Una variable aleatoria es discreta si el nmero de valores que puede tomar es contable;
generalmente puede asumir nicamente valores enteros. Cada uno de sus valores tiene
cierta probabilidad.

La descripcin del conjunto de posibles valores de X y la probabilidad asociada a cada uno

se denomina distribucin de probabilidad. Si la variable puede tomar un nmero
pequeo de valores, la forma ms simple consiste en construir una tabla que contenga los
 2

posibles valores y sus respectivas probabilidades; si no son pocos, lo ms adecuado es

expresar dicha probabilidad como una ecuacin.

EJEMPLO 1.1.
Se lanza una moneda 3 veces. Construir la distribucin de probabilidad de X, si ste es el
nmero de caras.

Solucin:

x 0 1 2 3
f(x) 1/8 3/8 3/8 1/8

Siempre que se evalen variables aleatorias, se cumple que:

1. f(x) 0
2. f ( x) 1
3. p(X=x) = f(x)

EJEMPLO 1.2.
Un embarque de 8 microcomputadores similares que se enva a un distribuidor contiene 3
aparatos defectuosos. Si una escuela realiza una compra aleatoria de 2 de estos
computadores, encuentre la distribucin de probabilidades para el nmero de
computadores defectuosos

Solucin:

p(X=0) = 5/8 * 4/7 = 10/28

p(X=1) = 5/8 * 3/7 * 2 = 15/28
p(X=2) = 3/28

Por lo tanto, la distribucin de probabilidades puede expresarse as:

x 0 1 2
f(x) 10/28 15/28 3/28

Dicha distribucin puede representarse mediante un diagrama de barras, teniendo en

cuenta que se trata de una variable discreta.
 3

EJEMPLO 1.3.
Un examen de opcin mltiple contiene 25 preguntas, cada una con cuatro respuestas, de
las cuales slo una es correcta. Cierto estudiante trata de adivinar las respuestas; haga una
distribucin de frecuencias para el nmero de respuestas correctas.

Solucin:

P ( X x) 25 C x * (0.25) x * (0.75) 25 x

Adems, puede hablarse de una distribucin acumulada de dicha variable; sta se denota
como F(X), indica la probabilidad de que X sea menor o igual a un valor especfico y est
dada por:

x x
F(X) = p(Xx) =
x 0
p(X)

EJEMPLO 1.4.
La produccin diaria de 850 partes manufacturadas contiene 50 que no cumplen con los
requerimientos del cliente. Del lote se escogen dos partes al azar; si X es el nmero de
partes que no cumplen los requerimientos del cliente, hallar F(X=1).

Solucin:

F(1) = P(X=0) + P(X=1)

= 800/850*799/849 + 800/850*50/849*2
= 0.997

MODELOS DE DISTRIBUCIONES DISCRETAS

1. Distribucin Uniforme Discreta: Es la ms simple. Se aplica a un experimento que

puede ocurrir de n formas mutuamente excluyentes y cada una de esas formas tiene la
misma probabilidad de las otras; por tanto, cada probabilidad es 1/n.

EJEMPLO 1.5.
Se disea un generador de nmeros seudoaleatorios. Cuntos cincos se esperara obtener
si se generan 10000 nmeros?
Solucin:
 4

P(X = 5) = 1/10

Por lo tanto, el nmero esperado de cincos es 10000*1/10 = 1000

2. Ensayos Bernoulli: Consideraremos repeticiones sucesivas de un experimento u

observacin en la cual cada repeticin es llamada un ensayo. Adems, asumimos que hay
slo 2 entradas posibles para cada ensayo individual (xito-fracaso); el uso de esos
trminos es por conveniencia, pero no tienen la misma connotacin de la vida real (xito es
lo que interesa, no necesariamente lo que convenga); por ejemplo, en un accidente el
nmero de muertos puede ser considerado un xito.

La naturaleza de los resultados de un experimento proporciona un punto de partida

conveniente para desarrollar modelos de probabilidad de variables aleatorias que son
definidas en trminos de repeticiones de ensayos; dichos ensayos son realizados bajo una
serie de condiciones que llamaremos postulados (son aproximados y proporcionan
modelos simples y tiles). Los ensayos que obedecen esos postulados son llamados
ensayos de Bernoulli.

Ejemplo clsico: Lanzamiento de una moneda.

Este modelo se aplica a poblaciones finitas de las que tomamos elementos al azar con
reemplazo o a poblaciones conceptualmente infinitas (como las piezas que producir una
mquina), siempre que el proceso generador sea estable.

1 s i e l elemento constituye un xito

Llamemos x
0 si el elemento constituye un fracaso

Poblacin

A: Caracterstica de inters. B: Caracterstica de no inters.

Si se extrae un elemento al azar y ese elemento posee la caracterstica de inters se dice

que se obtuvo un xito; en caso contrario, se dice que se obtuvo un fracaso.
 5

N1 N2
P( A) p P( B) q
N1 N 2 N1 N 2

Siempre p + q = 1

Sea x el nmero de elementos que poseen la caracterstica de inters; x = 0,1

x 0 1
f(x) q p

Entonces: P ( x ) p x q1 x ; x 0,1

E ( x) x * f ( x) 0 * q 1 * p p

E(x2 ) x 2
* f ( x) 0 2 * q 12 * p p

2 E ( x 2 ) E ( x) 2 p p 2 p (1 p) pq

3. Distribucin binomial:
Cuando un nmero fijo n de ensayos repetidos de Bernoulli es realizado con probabilidad
de xito p en cada ensayo, es decir, la probabilidad de un xito permanece
constante.

Adems, debe cumplirse que los ensayos sean independientes.

Por ejemplo, supngase que se resuelve al azar un examen de escogencia mltiple y se

quiere encontrar la probabilidad de ganarlo.

La funcin de probabilidad binomial puede escribirse como:

n
f ( x ) p x q n x ,
x

A continuacin se muestra la representacin grfica de una distribucin binomial con

valores de n y p determinados:
 6

EJEMPLO 1.6.
Se sabe que los discos producidos en una empresa salen defectuosos con probabilidad,
independientemente unos de otros, de 0.01. La compaa vende los discos en paquetes de
10 y garantiza el reembolso del dinero si ms de uno de 10 discos sale defectuoso. Cul es
la proporcin de paquetes que se devuelven?
Si alguien compra 3 paquetes, cul es la probabilidad de que devuelva por lo menos uno
de ellos?

Solucin:

P(X>1) = 1 P(X=0) - P(X=1)

10 10
1 0.010 * 0.9910 0.01 * 0.99 9 0.0043
0 1

Lo cual implica que el 0.4% de los paquetes podrn ser devueltos.

 7

De lo anterior se deduce que el nmero de paquetes que puede devolver la persona

constituye una variable aleatoria binomial con n = 3 y p = 0.0043.

Por lo tanto, la probabilidad de que devuelva por lo menos uno de los paquetes es:

P(X1) = 1 P(X=0)
= 1 0.9963 = 0.012

Media y varianza de la distribucin binomial: Media = np Varianza = npq

Para justificar estas frmulas, consideremos el caso en que n=1. Recordemos que en un
ensayo de Bernoulli, la media es p y la varianza es pq:

Para el caso de n ensayos de Bernoulli:

E(X) = E(X1)+.........+E(Xn) = p+p+......+p = np

Lo mismo se aplicara para varianza

Otra forma: Partir de E(X) = xf(x) y utilizar la funcin de probabilidad binomial.

En todos los libros de Estadstica se encuentran tablas de la distribucin binomial para

valores seleccionados de p. Para ilustrar su uso, veamos el siguiente ejemplo:

EJEMPLO 1.7.
Un examen de seleccin mltiple contiene 20 preguntas, cada una con cuatro posibles
respuestas, de las cuales slo una es correcta. Suponga que un estudiante slo adivina las
respuestas.
a) Cul es la probabilidad de que el estudiante conteste correctamente ms de la
mitad de las preguntas?
b) Cul es la probabilidad de que el estudiante conteste correctamente menos de
5 preguntas?
c) Cul es la probabilidad de que el estudiante gane el examen?
d) Cul es el nmero esperado de respuestas correctas?
e) Responder las preguntas a) y c) si cada pregunta tiene 5 opciones.

Solucin:
 8

p= n = 20

a) P(X>10) = 1 P(X10) = 1 0.9961 = 0.0039

b) P(X<5) = P(X4) = 0.4148

c) P(X12) = 1 P(X11) = 1 0.9991 = 0.0009

d) = np = 20 * = 5 respuestas correctas

e) La probabilidad de xito sera ya de 1/5, por tanto:

P(X>10) = 1 P(X10) = 1 0.9994 = 0.0006

P(X12) = 1 P(X11) = 1 0.9999 = 0.0001

4. Distribucin hipergeomtrica
Como el muestreo sin reemplazo viola las condiciones de Bernoulli si la muestra no es
grande, algunas veces es necesario plantear un tipo diferente de distribucin. (Es evidente
que la mayora de muestreos se realiza sin reemplazo, esto implica que si la poblacin es
pequea las probabilidades cambiarn en cada observacin).

Cuando se selecciona sin reemplazo una muestra aleatoria de tamao n de una poblacin
de tamao N y el inters recae en la probabilidad de seleccionar x xitos de los k artculos
considerados como xitos en la poblacin, se realiza un experimento hipergeomtrico y su
funcin de probabilidad viene determinada por:

k N k

x n x
f ( x)
N

n

La distribucin hipergeomtrica requiere el conocimiento de k y N.

La media y la varianza de la distribucin hipergeomtrica son:

nk N n k k
y 2 * n * 1
N N 1 N N
 9

EJEMPLO 1.8.
Los componentes de un sistema de seis elementos se toman aleatoriamente de un recipiente
con 20 componentes usados. El sistema funcionar si por lo menos 4 de los 6 componentes
estn en condiciones de funcionar; si 15 de los 20 componentes en el recipiente estn en
condiciones de funcionar, cul es la probabilidad de que el sistema funcione?

Solucin:

15 5 15 5 15 5

4 2 5 1 6 0
P(X4) = = 0.8687
20

6

5. Distribucin de Poisson
Este es el modelo de probabilidad ms adecuado para eventos que ocurren aleatoriamente a
travs del tiempo o el espacio.

Poisson supone:
a) Independencia: El nmero de ocurrencias en un intervalo determinado es
independiente del nmero de ocurrencias en cualquier otro intervalo.
b) La posibilidad de dos ocurrencias simultneas puede ser asumida como
cero.
c) El nmero promedio de ocurrencias por unidad de tiempo o espacio se
considera una constante.
d) La probabilidad de que suceda determinado nmero de eventos en un
proceso de Poisson depende nicamente de la longitud del intervalo observado y no de
su ubicacin.

La distribucin de probabilidad de la variable aleatoria de Poisson X, que representa el

nmero de resultados que ocurren en un intervalo de tiempo, rea, espacio o volumen
especfico se denota as:

e t ( t ) x
f ( x) ,
x!

donde es el nmero promedio de resultados por unidad de tiempo o regin y t es la

longitud del intervalo.
A continuacin se observa la representacin grfica de una distribucin de Poisson con una
media baja:
 10

EJEMPLO 1.9.
La contaminacin es un problema en la fabricacin de discos de almacenamiento ptico. El
nmero de partculas contaminantes que aparecen en la superficie de un disco ptico tiene
una distribucin Poisson; el nmero promedio de partculas por centmetro cuadrado de
superficie del medio de almacenamiento es 0.1. El rea de un disco bajo estudio es de 100
centmetros cuadrados. Encuentre la probabilidad de encontrar por lo menos una partcula
contaminante en el disco.

Solucin:

P(X1) = 1 P(X=0)

e 0.1*100 (10) 0
=1-
0!

La media y la varianza de la distribucin de Poisson tienen el valor t.

 11

En una distribucin binomial con n grande y p pequea se puede aproximar a Poisson.

EJEMPLO 1.10.
Los mensajes que llegan a un computador utilizado como servidor lo hacen de acuerdo con
una distribucin Poisson con una tasa promedio de 10 mensajes por hora.
a) Cul es la probabilidad de que lleguen ms de 3 mensajes en un espacio de 15 minutos?
b) Cul es el nmero esperado de mensajes en una jornada de 14 horas?

Solucin:

a) = 10 t= = 2.5

P(X>3) = 1 P(X3)
= 1 0.7576
= 0.2424

b) = 10*14
= 140 mensajes

EJERCICIOS PROPUESTOS

1. Una compaa manufacturera utiliza un esquema para aceptacin de los artculos

producidos antes de ser embarcados. El plan es de dos etapas. Se preparan cajas de 25
para embarque y se selecciona una muestra de 3 para verificar si tienen algn artculo
defectuoso. Si se encuentra por lo menos uno, la caja entera se regresa para verificarla
al 100%; si no se encuentra ningn artculo defectuoso la caja se embarca.
a) Cul es la probabilidad de que se embarque una caja que contiene 3 artculos
defectuosos?
b) Cul es la probabilidad de que una caja que contiene slo un artculo
defectuoso se regrese para verificacin?
c) Suponga que dicha compaa decide cambiar su esquema de aceptacin. Bajo el
nuevo esquema un inspector toma aleatoriamente un artculo, lo inspecciona y lo
regresa a la caja; un segundo inspector hace lo mismo; finalmente, un tercer
inspector lleva a cabo el mismo procedimiento. La caja no se embarca si cualquiera
de los 3 inspectores encuentra un artculo defectuoso. Responda las preguntas a y b
bajo este nuevo plan.
 12

2. Un programador ha hecho un promedio de 6 programas al mes durante el ltimo

ao. Calcule la probabilidad de que:
a) Haga ms de 12 programas en el mes de junio
b) Haga por lo menos 12 programas en el mes de junio
c) No pasen ms de 3 minutos antes de que termine el prximo programa
d) Se demore ms de 10 das para terminar el prximo programa?

3. Un artculo electrnico contiene 40 circuitos integrados. La probabilidad de que

cualquier circuito integrado est defectuoso es 0.01 y los circuitos son independientes.
El artculo trabajo slo si no tiene circuitos defectuosos. Cul es la probabilidad de
que el artculo trabaje?

4. Las tarjetas de circuito impreso se envan a una prueba de funcionamiento despus de

haber montado en ellas todos los chips. Un lote contiene 50 tarjetas y se toman 5 para
hacerles la prueba de funcionamiento. Si el lote tiene 5 tarjetas con algn problema,
cul es la probabilidad de que al menos una de ellas aparezca en la muestra?

5. El nmero de fallas de un instrumento de prueba debidas a las partculas contaminantes

de un producto, es una variable aleatoria Poisson con media = 0.02 fallas por hora.
a) Cul es la probabilidad de que el instrumento no falle en una jornada de 8 horas?
b) Cul es la probabilidad de que se presente al menos una falla en un perodo de 24
horas?

6. Una empresa vendedora de hardware compra a un proveedor lotes de 50

microcomponentes para computador. Para decidir si acepta o no cada lote, selecciona
de cada uno una muestra aleatoria del 10% de los componentes; si encuentra por lo
menos uno con algn defecto, el lote es rechazado.
a) Cul es la probabilidad de aceptar un lote que contiene 10 artculos con defectos?
b) Cul es la probabilidad de que un lote que contiene slo un 10% de los
componentes con defectos sea rechazado?
c) Repita la parte a) si la muestra seleccionada es del 20%. Qu concluye?

7. Por ley, una droga se considerar exitosa si tiene una efectividad del 80%. Cierta droga
se suministra a 20 pacientes y se considerar efectiva si a los que no les sirve para nada
no son ms de 5.
a) Cul es la probabilidad de que una droga efectiva sea rechazada? Interprete.
b) Cul es la probabilidad de que una droga que realmente tiene una efectividad del
60% de efectividad, pase la prueba y sea aceptada? Interprete. Qu pasa con ese
porcentaje si la efectividad real es menor?

8. Unos ingenieros disearon una nueva mquina para la produccin de un artculo. El

Gerente mand a construir un prototipo de la mquina, pero como es muy costosa,
quiere estar seguro de que la mquina nueva es mucho mejor que la que se utiliza
 13

actualmente para esa tarea (para que justifique el gasto). Por eso se evaluaron 15
artculos producidos por la nueva mquina y la considerarn mejor si mximo 2
artculos no son de excelente calidad.
La mquina se considera exitosa si produce un 90% de artculos excelentes.
a) Cul es la probabilidad de que la nueva mquina no sea aceptada, aunque sea
mejor que la actual?
b) Cul es la probabilidad de que la nueva mquina sea aceptada si realmente
produjera slo un 70% de artculos de excelente calidad?
c) Usted es una persona ajena a la empresa, pero le solicitan su opinin. Qu
sugerencia dara para mejorar ese sistema de aceptacin?, justifique.

9. Un fabricante de equipo electrnico argumenta que a lo sumo el 10% de sus unidades

de fuentes de alimentacin necesitan reparacin durante el perodo de garanta. Para
investigarlo, tcnicos de un laboratorio de pruebas compran 20 unidades y las someten
a pruebas aceleradas para simular su uso durante el perodo de garanta. El argumento
se considera razonable si el nmero de unidades que fallan es menor o igual a 3.
NOTA: Responder a) y b) considerando como xito el hecho de necesitar reparacin y
c) si se toma como xito el hecho de no necesitar reparacin.
a) Cul es la probabilidad de que el argumento sea rechazado cuando p = 0.1?
b) Cul es la probabilidad de que el argumento no sea rechazado cuando p = 0.2?
c) Responder nuevamente b) teniendo en cuenta lo anterior

10. El nmero promedio de llamadas por segundo que maneja una central telefnica es 6.5.
La central puede admitir mximo 10 llamadas/segundo.
a) Cul es la probabilidad de que en un segundo dado el sistema no pueda atender
todas las llamadas que se demanden?
b) A los ingenieros encargados de esa central les preocupa que permanezca muy
ocupada porque en cualquier momento podra sobresaturarse. Cul es la
probabilidad de que en un segundo determinado se supere el promedio de llamadas,
pero no se sobresature el sistema?

11. La posibilidad de recibir de manera errnea un bit transmitido por un canal de

transmisin digital es 0.1. Suponga que los ensayos de transmisin son
independientes. De los prximos 20 bits transmitidos,
a) cul es la probabilidad de que se transmitan errneamente por lo menos la mitad?
b) cul es el nmero mnimo de bits errneos que pueden transmitirse para que la
probabilidad de excederlo no supere 0.05?

12. Se toma una muestra de 15 paquetes estadsticos para evaluar si permiten hacer un
determinado anlisis. Anteriores estudios indican que la probabilidad de que un
software estadstico deje hacer ese anlisis es 0.6. Cul es la probabilidad de que al
menos 13 de los 15 paquetes seleccionados permitan hacer el anlisis?
a) Si se toma X = nmero de paquetes que permiten hacer el anlisis.
b) Si se toma X = nmero de paquetes que no permiten hacer el anlisis.
 14

13. Cierto proveedor suple a una ensambladora de computadores de unos pequeos

accesorios; como los accesorios son baratos, no es prctico realizar un control
exhaustivo sobre ellos; por lo tanto se utiliza el siguiente proceso para monitorear la
calidad: Se toma una muestra aleatoria de 20 elementos de cada lote y si en una
muestra encuentran ms de uno con algn defecto, rechazan todo el lote.
a) Cul es la probabilidad de aceptar un lote que tiene 10% de defectuosos?
b) Calcule la probabilidad de rechazar un lote que contiene 98% de no defectuosos.

14. Una mquina robtica de insercin contiene 10 componentes primarios. La

probabilidad de que cualquier componente falle durante el perodo de garanta es 0.01.
Suponga que los componentes fallan de manera independiente y que la mquina falla
cuando alguno de sus componentes falla. Cul es la probabilidad de que la mquina
falle durante el perodo de garanta?

15. Al conmutador de una universidad llegan en promedio 120 llamada/hora durante las
horas de actividad. El conmutador no puede hacer ms de 5 conexiones por minuto;
calcule la probabilidad de que:
a) el conmutador se encuentre congestionado en un minuto dado.
b) se pierdan 3 o ms llamadas si la recepcionista sali 2 minutos de la oficina.

16. El director de control de calidad de una fbrica est realizando su inspeccin mensual
de las transmisiones automticas en la planta. En este procedimiento, 10 transmisiones
se sacan del grupo de componentes y se verifica si no tienen defectos de fabricacin.
En general, el 98% de las transmisiones no presentan ningn defecto.
a) Cul es la probabilidad de que la muestra seleccionada contenga ms de 2
transmisores con defectos?
b) Cul es la probabilidad de que ninguna de las transmisiones seleccionadas tenga
algn defecto de fabricacin?

17. Una aeronave de alto rendimiento contiene 3 computadoras idnticas. Slo una de ellas
se utiliza para controlar la nave; las otras dos son reservas que se activan en caso de
fallas en el sistema primario. Durante una hora de operacin, la probabilidad de falla en
el computador primario (o en cualquiera de los sistemas de reserva que se encuentre
activo) es 0.0005. Si se supone que cada hora representa un ensayo independiente,
a) Cul es el tiempo promedio de falla de las 3 computadoras?
b) Cul es la probabilidad de que las 3 computadoras fallen durante un vuelo de 5
horas?

18. La probabilidad de un alineamiento ptico exitoso en el ensamblado de un producto de

almacenamiento ptico de datos es 0.8. Suponga que los ensayos son independientes.
a) Cul es la probabilidad de que el primer alineamiento exitoso requiera
exactamente 4 ensayos?
 15

b) Cul es la probabilidad de que el primer alineamiento exitoso requiera como

mximo 4 ensayos?
c) Cul es la probabilidad de que el primer alineamiento exitoso requiera al menos 4
ensayos?

19. En una fbrica de circuitos elctricos se afirma que la proporcin de unidades

defectuosas de cierto componente que sta produce es del 5%. Un buen comprador de
estos componentes revisa 15 unidades seleccionadas al azar y encuentra 4 defectuosas.
Si la compaa se encuentra en lo correcto y prevalecen las suposiciones para que la
distribucin binomial sea el modelo de probabilidad adecuado para esta situacin,
cul es la probabilidad de este hecho?. Con base en el anterior resultado, puede
concluirse que la compaa est equivocada?

20. Una compaa compra cantidades muy grandes de componentes

electrnicos. La decisin para aceptar o rechazar un lote de componentes se toma con
base en una muestra aleatoria de 100 unidades. Si el lote se rechaza al encontrar 3 o
ms unidades defectuosas en la muestra,
a) cul es la probabilidad de rechazar un lote si ste contiene un 1% de componentes
defectuosos?
b) cul es la probabilidad de rechazar un lote que contenga un 8% de unidades
defectuosas?

21. Un ingeniero de control de calidad desea verificar si el 95% de los componentes

electrnicos embarcados por su compaa se hallan en buenas condiciones de trabajo.
Para eso, selecciona aleatoriamente 15 de ellos de cada lote listo para embarcar y
aprueba el lote si todos los componentes seleccionados se hallan en buenas condiciones
de funcionamiento; de no ser as, se revisan todos los componentes del lote. Determinar
las probabilidades de que cometa el error de:
a) Retener un lote para su inspeccin detallada aunque el 95% de los componentes
estn bien.
b) Aprobar un lote aunque slo el 80% de los componentes estn bien.

22. Un proceso de fabricacin tiene 100 pedidos en espera de ser surtidos. Cada pedido
necesita un componente que se compra a otro proveedor. Lo comn es identificar 2%
de estos componentes como defectuosos; por otra parte, puede suponerse que el estado
de cada componente es independiente del de los dems.
a) Si el inventario del fabricante es de 100 componentes, cul es la probabilidad de
que se puedan surtir los 100 pedidos sin tener que pedir ms componentes?
b) Si el inventario del fabricante es de 105 componentes, cul es la probabilidad de
que se puedan surtir todos los pedidos sin tener que pedir ms componentes?

23. El nmero de componentes que falla antes de cumplir 100 horas de operacin es una
variable aleatoria de Poisson. Si el nmero promedio de stas es 8:
a) Cul es la probabilidad de que falle un componente antes de 25 horas?
 16

b) Cul es la probabilidad de que fallen no ms de dos componentes en 50 horas?

c) Cul es la probabilidad de que fallen por lo menos 10 en 125 horas?

24. La produccin de un lote de cierto artculo se considera exitosa si tiene una efectividad
del 90% (si el 90% de los artculos del lote son de excelente calidad). Se ensayan 20
artculos de cierto lote y se considera bueno si los artculos defectuosos no son ms de
dos.
a) Cul es la probabilidad de rechazar un lote que es bueno?
b) Cul es la probabilidad de aceptar un lote que realmente tiene un 80% de artculos
de excelente calidad?