En la I1 de Probabilidades y Estadística te dieron el problema y el método venía casi incluido: contar casos, aplicar Bayes, calcular una esperanza. En la segunda interrogación cambia el juego. El enunciado cuenta una historia (llamadas que llegan a un call center, piezas defectuosas en un lote, tiempos de espera) y la primera pregunta invisible es qué modelo usar. Quien elige bien el modelo hace cuentas cortas; quien elige mal se pasa media hora calculando algo que no era.

Esta guía es para quien en la I1 entendió las fórmulas pero siente que en los problemas largos no sabe por dónde partir. Si todavía te enredas con probabilidad condicional, no partas aquí: antes revisa nuestra guía de la I1 de EYP1113.

Lo que dice el programa y por qué la I2 se siente distinta

El programa de EYP1113 en el Catálogo UC (consultado el 29 de septiembre de 2026) lista ocho unidades: introducción, fundamentos de probabilidades, modelación analítica de fenómenos aleatorios, variables aleatorias conjuntas, distribuciones de funciones de variables aleatorias, inferencia estadística, determinación de modelos de distribución y regresión lineal con correlación. El ramo vale 10 créditos y se evalúa con pruebas, proyectos y tareas.

Ojo con dos cosas: la versión publicada del programa es de mayo de 2009 y no trae ponderaciones. Qué unidades entran exactamente en tu I2 lo define el programa de tu sección, así que confírmalo con tu profesor o en el syllabus. Lo que sí se puede decir sin miedo a equivocarse es el patrón: después de los fundamentos, el ramo pasa a modelar, y ahí es donde se cae la gente que estudió solo con fórmulas.

Nuestra tesis es simple: para la I2 no necesitas memorizar más distribuciones, necesitas aprender a traducir el enunciado a un modelo. Con eso resuelto, la parte de cálculo es casi mecánica.

De la frase del enunciado al modelo

Estas son las señales que más se repiten. Úsalas como tabla de traducción: subraya en el enunciado la frase y busca su fila.

Fíjate que la columna de la derecha es la que te salva puntos: la mayoría de los descuentos no viene por escoger mal la fila, sino por no verificar el supuesto que la sostiene.

Dos ejemplos cortos, con las cuentas a la vista

Binomial. Un lote se revisa con 10 piezas y cada una sale defectuosa con probabilidad 0,2, de forma independiente. Te preguntan la probabilidad de que haya al menos una defectuosa. Lo rápido es el complemento: 1 − 0,8^10 = 1 − 0,1074 = 0,8926. Si en cambio sumas los casos de 1 a 10 uno por uno, llegas al mismo resultado con diez veces más riesgo de error aritmético.

Poisson y exponencial, juntas. A una mesa de ayuda llegan en promedio 3 consultas por hora. La probabilidad de que en una hora no llegue ninguna es e^(−3) ≈ 0,0498. Ahora cambia la pregunta: probabilidad de esperar más de media hora hasta la próxima consulta. Ya no cuentas eventos, mides un tiempo, y el modelo es exponencial con λ = 3 por hora: P(T > 0,5) = e^(−3 · 0,5) = e^(−1,5) ≈ 0,2231.

Es el mismo fenómeno mirado de dos maneras, y la I2 adora ese tipo de pregunta doble. Si dejas la tasa como “3” y el tiempo como “media hora” sin convertir, te equivocas en un factor dos sin darte cuenta.

Variables conjuntas: lo que sí y lo que no se puede sumar

Cuando el enunciado trae dos variables a la vez, el error más caro es tratar todo como independiente. Sirve tener claro qué propiedades valen siempre y cuáles necesitan un supuesto:

• Siempre: E[X + Y] = E[X] + E[Y], dependan o no entre sí. La linealidad de la esperanza no pide independencia.
• Solo con independencia (o covarianza cero): Var(X + Y) = Var(X) + Var(Y). En general aparece un término 2Cov(X, Y) que si lo olvidas te cuesta el ítem completo.
• Para revisar dependencia: compara la conjunta con el producto de las marginales. Si f(x, y) no se factoriza como f(x)·f(y) para todos los valores, no son independientes, aunque la correlación te dé cero.

Un buen hábito: antes de sumar varianzas, escribe en el margen la frase “porque son independientes, según el enunciado”. Si no puedes completar esa frase con algo del texto, no tienes derecho a sumar.

El teorema central del límite: qué promete y qué no

Es el atajo favorito de las pruebas y también la fuente de respuestas justificadas a medias. Según el artículo sobre el teorema del límite central en Wikipedia (consultado el 29 de septiembre de 2026), la suma o el promedio de variables independientes e idénticamente distribuidas, con media y varianza finitas, se aproxima a una normal cuando el tamaño de muestra es suficientemente grande. Tres consecuencias prácticas para la prueba:

1. Justifica el uso de la normal citando las condiciones: independencia, misma distribución, varianza finita. Una línea basta, pero tiene que estar.
2. No inventes un umbral mágico: “n ≥ 30” es una regla práctica de clase, no parte del teorema. Si el profesor la da, úsala y menciónala como criterio del curso.
3. La aproximación es mejor en el centro que en las colas. Si te piden una probabilidad extrema, desconfía del resultado y dilo.

Cuatro errores que se repiten, y cómo revisarlos en 30 segundos

• Unidades cruzadas. Tasa por hora y tiempo en minutos. Antes de reemplazar en la fórmula, escribe al lado de cada dato su unidad.
• Complemento olvidado. “Al menos uno” casi siempre es 1 − P(ninguno). Si estás sumando más de tres términos, para y revisa.
• Igualdad en variables continuas. En una exponencial o una normal, P(X = a) = 0. Pedir probabilidad de un valor exacto es una pregunta trampa o un error de lectura.
• Resultado fuera de rango. Una probabilidad mayor que 1 o negativa es un error seguro. Cuesta cinco segundos mirar el número final y vale un ítem entero.

Una semana de estudio, y a quién no le sirve

Si la I2 de tu sección está a unos siete días y tienes otras pruebas en paralelo, este reparto rinde:

1. Días 1 y 2: la tabla de traducción. Toma diez enunciados de pruebas anteriores y, sin calcular nada, escribe el modelo de cada uno y su supuesto. Se corrige al final.
2. Días 3 y 4: Poisson, exponencial y normal con cuentas completas, cuidando las unidades.
3. Día 5: variables conjuntas: marginales, independencia, esperanza y varianza de sumas.
4. Día 6: una prueba anterior completa con tiempo real.
5. Día 7: solo tus errores y los cuatro puntos de arriba. Nada nuevo.

Este plan no le sirve a quien todavía falla en probabilidad condicional o en la I1 quedó muy abajo: primero conviene hacer la aritmética de la nota que necesitas para decidir dónde poner las horas. Tampoco le sirve a quien ya modela con soltura; para esa persona lo que rinde es resolver pruebas anteriores con reloj desde el primer día.

Lo que sí aplica a todos: en la I2 casi nunca pierdes por no saber una fórmula. Pierdes por no haber decidido qué era el problema. Si llegas sabiendo traducir el enunciado, las cuentas se ordenan solas.

Si quieres ejercicios resueltos paso a paso para entrenar esa traducción, revisa los cursos de preparación de Aromperla. Y para ver el resto de las guías de ramos, pasa por nuestra página de la Universidad Católica.