UNIVERSIDAD NACIONAL DEL CALLAO

FACULTAD DE INGENIERÍA INDUSTRIAL Y DE SISTEMAS

ESCUELA PROFESIONAL DE INGENIERÍA INDUSTRIAL

CURSO:
ESTADÍSTICA APLICADA

TEMA:

VARIABLE ALEATORIA

PROFESOR:

ING. LUIS ALBERTO SAKIBARU MAURICIO

INTEGRANTES:
 Cespedes Salcedo Ernesto Franco 1915110049
 Huamani Llamocca Javier Wilman 1615115078
 Loayza Valerio Dayana Areli 1825112672
 Romero Ureta Melany Everett 1925110057
 Saman Fierro Anthony Bernardo 1915110013

2022
 DESARROLLO DE EJERCICIOS

1. Un lote contiene 100 piezas de un proveedor de tubería local y 200 unidades de un

proveedor de tubería del estado vecino. Si se seleccionan 4 piezas al azar y sin
reemplazo
Datos:

N=300 K=100 n=4 x=4

a. ¿Cuál es la probabilidad de que todas sean del proveedor local?

DESARROLLO:
P(x) = P(4) = (1004
)(200
0
)⁄(300
4
) = 0.01185
∴ La probabilidad de que todas sean de proveedor local es 0.01185

b. ¿Cuál es la probabilidad de que dos o más piezas de la muestra sean del proveedor
local?
DESARROLLO:
P(x≥2) = 1 – P(x<2) = 1 – P(1) – P(0)
= 1 – (100
1
)(200
3
) ∕ (300
4
) – (100
0
)(200
4
) ∕ (300
4
)
= 1 – 0.39704 – 0.1956
= 0.473
∴La probabilidad que dos o más piezas de la muestra sean del
proveedor local es 0.473

c. ¿Cuál es la probabilidad de que al menos una pieza de la muestra sea del

proveedor local?
DESARROLLO:
P(x≥1) = 1 – P(x<1) = 1 – P(0)
= 1 – 0.1956
= 0.8044
∴ La probabilidad de que al menos una pieza de la muestra sea del
proveedor local es 0.8044
2. Considerando que en la urna hay un total de 10 objetos, 3 de los cuales son
defectuosos, si de seleccionan 4 objetos al azar, ¿cuál es la probabilidad de que 2
sean defectuosos?

DESARROLLO:

Datos:
N=10 (Objetos)
K=C= 3 (Defectuosos)
n=4 (azar)

(32)(72) 3
𝑃(2) = = = 0.30
(10
4) 10

∴ La probabilidad de que 2 sean defectuosos es de 30.00%

3. Un producto industrial particular se envía en lotes de 20. Hacer pruebas para
determinar si un artículo es defectuoso o costoso; por tanto, el fabricante muestrea la
producción en lugar de usar un plan de inspección del 100%. Un plan de muestreo
construido para reducir al mínimo el número de piezas defectuosas, enviadas a los
clientes, exige muestrear cinco artículos de entre cada lote y rechazar el lote si se
observa más de una pieza defectuosa. (Si el lote es rechazado, cada artículo del lote se
prueba entonces.) Si un lote contiene cuatro defectuosos, ¿cuál es la probabilidad de
que sea aceptado?
DESARROLLO:

Datos:
N= 20
K= 4
n= 5

X≤1

X>1

P (X≤1)= 1 – P(X>1)
P(X≤1)= 0.75128998968 ≈ 0.7513

∴ La probabilidad de que sea aceptado es 0.7513.

4. Suponga que la probabilidad de tener un hijo varón o mujer son iguales a 0,5.
Calcule la probabilidad que en una familia:
a. El cuarto hijo sea el primer varón.
DESARROLLO:

P(X=k) = 0.0625 <> 6.25%

∴ La probabilidad de que el cuarto hijo sea el primer varón es de 6.25%
b. El tercer hijo sea la segunda mujer.
DESARROLLO:

P(X=k) = 0.25 <> 25%

∴ La probabilidad de que el tercer hijo sea la segunda mujer es de 25.00%

c. El quinto hijo sea el tercer varón o sea la cuarta mujer.
DESARROLLO:
c.1. Quinto hijo es el tercer varón:

∴ La probabilidad de que el quinto hijo sea el tercer varón es de 18.75%

c.2. Quinto hijo sea la cuarta mujer:

∴ La probabilidad de que el quinto hijo sea la cuarta mujer es de 12.5%

 𝑃𝑇(𝑋 = 1) = 𝑃𝑐1(𝑋 = 1) + 𝑃𝑐2(𝑋 = 1)
𝑃𝑇(𝑋 = 1) = 0.1875 + 0.125 = 0.3125 <> 31.25%
∴La probabilidad total es de 31.25%
5. Un recipiente tiene 12 botellas de vinos, 3 de las cuales contienen vino que se ha
echado a perder. Una muestra de 4 botellas se selecciona al azar de entre la caja.

a. Encuentre la distribución de probabilidad para x, el número de botellas de vino

echado a perder de la muestra.
DESARROLLO:

∴ La probabilidad de del número de botellas de vino echado a perder de

acuerdo a la distribución es:
P(0)=25.45%
P(1)=50.90%
P(2)=21.81%
P(3)=1.81%

b. ¿Cuáles son la media y la varianza de x?

DESARROLLO:

∴La valor de la media es 1 y el de la varianza es 0.5446

1. Se lanza al aire ocho veces un dado. Determine la probabilidad de que no salgan
más de dos números seis.
DESARROLLO:
DATOS:
N=8 p=1/6 = 0.1666
2. Un ingeniero que supervisa el control de calidad está probando la calibración de
una máquina que empaca helado en contenedores. En una muestra de 20 de éstos,
tres no están del todo llenos. Estime la probabilidad p de que la máquina no llene bien
un contenedor.
DESARROLLO:
Datos:
r= 1
n= 20
3
p= 20 = 0.15
17
q= 20 = 0.85

20 3 1 17 19
𝑃(1 , 20) = ( ) 𝑥 ( ) 𝑥 ( )
1 20 20

𝑃(1 , 20) = 0.13679

∴ La probabilidad de que la maquina no llene bien un contenedor es de 13.68%

3. Una gran compañía industrial hace un descuento en cualquier factura que se pague
en un lapso de 30 días. De todas las facturas, 10% recibió el descuento. En una
auditoría de la compañía se seleccionó aleatoriamente 12 facturas. ¿Cuál es la
probabilidad de que menos de cuatro de las 12 facturas de la muestra tengan
descuento?
DESARROLLO:

Datos:
N= 12
p= 0.10

P(X ≤ 3) = P(X = 0) + P(X = 1)

+ P(X = 2) + P(X = 3)
P(X ≤ 3) = 0.974362529835

0.974362529835 ≈ 0.9744
∴ La probabilidad de que de que menos de cuatro de las 12 facturas de la muestra
tengan descuento es de 0.9744.

4. Un comisionado de seguridad en una gran ciudad quiere estimar la

proporción de edificios en la ciudad que viola los códigos de incendios. Se elige
una muestra aleatoria de 40 edificios para inspeccionarlos, y se descubre que
cuatro no cumplen el código de incendios. Estime la proporción de edificios en
la ciudad que violan éste y encuentre la incertidumbre en la estimación.

r=4
P(X=r) =0.2059
Estimación:
Por cada 40 edificios que se tome como muestra, 4 de ellos no cumplen con el
código de incendios.
∴ La probabilidad de encontrar a 4 edificios que no cumplen con el código de
incendios es de 0.2059
5. En una muestra de 100 llantas nuevas de automóvil, se descubrió que siete de
éstas tienen imperfecciones en el dibujo. Si se seleccionan aleatoriamente cuatro
llantas nuevas y se instalan en un automóvil, estime la probabilidad de que ninguna de
ellas tenga alguna imperfección, y determine la incertidumbre en la estimación.
DESARROLLO:
Hallamos p, para ello usamos el dato de la cantidad de imperfecciones en la muestra.
Entonces:

100 → 7
4 →?
𝑝 =? = 0.28

∴ La probabilidad de que ninguna

tenga imperfecciones esta en:

𝑃(𝑥 = 0) = 5.4106 ∗ 10−15

𝑃(𝑥 = 0) = 5.410652
1. El número promedio de accidentes de tránsito en cierto crucero de carretera es dos
por semana. Suponga que el número de accidentes sigue una distribución de Poisson
con μ = 2.
a. Encuentre la probabilidad de que no haya accidentes en este crucero de carretera
durante un periodo de 1 semana.
DESARROLLO:

Datos: X=0 , µ = 2
F(X) = P(X=x) =( 𝑒 −𝑢 . µ𝑥 )/𝑥!
F(0) = P(X=0) =0.1353

∴la probabilidad de que no haya accidentes en este crucero de

carretera durante un periodo de 1 semana es 0.1353

b. Encuentre la probabilidad de que a lo sumo haya tres accidentes en esta sección de

carretera durante un periodo de 2 semanas.
DESARROLLO:

Datos: X=3 , µ = 4
F(X) = P(X=x) =( 𝑒 −𝑢 . µ𝑥 )/𝑥!
F(3) = P(X=3) =0.1953

∴la probabilidad de que a lo sumo haya tres accidentes en esta

sección de carretera durante un periodo de 2 semanas es 0.1953
2. Sea x una variable aleatoria de Poisson con media μ = 2. Calcule estas
probabilidades:
A .P (x = 0) b. P (x = 1)
c. P (x > 1) d. P (x = 5)
DESARROLLO:
μ = λ = 2.
𝑒 −2 20
a) 𝑝(𝑥 = 0): = 0.1353 = 13.53%
0!

𝑒 −2 21
b) 𝑝(𝑥 = 1): = 0.2707 = 27.07%
1!

c) 𝑝(𝑥 > 1) = 1 − 𝑝(𝑥 ≤ 1 ) = 1 − (𝑃(𝑥 = 0) + 𝑃(𝑥 = 1))

𝑝(𝑥 ≤ 1 ) = 0.1353 + 0.2707 = 0.4060

𝑝(𝑥 > 1) = 1 − 𝑝(𝑥 ≤ 1 ) = 1 − 0.4060 = 0.5940 = 59.4%
𝑒 −2 25
d) 𝑝(𝑥 = 5): 5!
= 0.0361 = 3.61%
 3. Sea x una variable aleatoria de Poisson con media µ = 2.5. Calcular estas
probabilidades:

a. P (x ≥ 5) c. P (x = 2) λ = 1/µ
b. P (x < 6) d. P (1 ≤ x ≤ 4)
λ = 1/2.5
DESARROLLO: λ = 0.40

A.
P (X ≥ 5) = 1 – P(X < 5)
P (X ≥ 5) = 0.000061243

A. Rpta: La probabilidad es 0.0001.

B.
P (X < 6) = 0.999995957
P (X = 2)

B. Rpta: La probabilidad es 0.9999.

C.
P (X = 2) = 0.053625603 P(X < 5)

C. Rpta: La probabilidad es 0.0536. P (X < 6)

D.
P (1 ≤ x ≤ 4)
P (1 ≤ x ≤ 4) = P(X = 1) +
P(X = 2) + P(X = 3) + P(X = 4)
P (1 ≤ x ≤ 4) = 0.329618711

D. Rpta: La probabilidad es 0.3296

4. Un cargamento grande de libros contiene 3% de ellos con encuadernación
defectuosa. Utilice la aproximación de Poisson para determinar la probabilidad que,
entre 400 libros seleccionados al azar del cargamento,
𝒆−𝝀 . 𝝀𝒙
𝝀 = 𝟑% 𝒙 𝟒𝟎𝟎 = 𝟏𝟐, aplicando la fórmula: 𝒇(𝒙, 𝝀) =
𝒙!
a. Exactamente 10 libros estén defectuosos
DESARROLLO:
k=10

P(Y=k) =0.1048

∴ La probabilidad de que haya exactamente 10 libros defectuosos es de

0.1048
b. Al menos 10 tengan defectos.
DESARROLLO:

k=10

P(Y≥10) =1-P(Y≤9)
1 − 𝑃(𝑥 = 9) + 𝑃(𝑥 = 8) + 𝑃(𝑥 = 7) + 𝑃(𝑥 = 6) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 4)
+ 𝑃(𝑥 = 3) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 0)
P(Y≥10) =1-0.2439
P(Y≥10) = 0.7561

∴La probabilidad de que haya al menos 10 libros defectuosos es de 0.7561

5. Bombas de la Segunda Guerra Mundial. Al analizar los impactos de las bombas
V1 en la Segunda Guerra Mundial, el sur de Londres se subdividió en 576 regiones,
cada una con un área de 0.25 km2. En total, 535 bombas estallaron en el área
combinada de 576regiones.

535
µ= = 0.9288
576
1
λ=
µ
1
→ 𝜆= = 1.0766
0.9288

a. Si se selecciona una región aleatoriamente, calcule la probabilidad de que fuese

blanco de impactos exactamente en dos ocasiones.
DESARROLLO:
𝑃(𝑥 = 2) = 0.1974

∴ la probabilidad de que fuese blanco de impactos exactamente en dos ocasiones

es de 19.74%

b. Con base en la probabilidad que se calculó en el inciso a, ¿cuántas de las

576regiones se espera que reciban impactos exactamente dos veces?
DESARROLLO:
576 ∗ 0.1974 = 113.7024
∴ La probabilidad de que las 576 regiones se espera que reciban
impactos exactamente dos veces es de 113.7024
TABLA: