58 - Paso 3

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Grupo: 100402_58
UNIDAD 2: PASO 3
EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE PROBABILIDAD CONTINUA
PRESENTADO POR:
Deiby Andrés López – Código 1037577854

Erika Acevedo Maldonado – Código 43167872
Vanessa Bahos – Código 3806659
Elizabeth López Vásquez – Código 32297697
GRUPO: 100402_58
TUTOR:
Cesar Augusto Guzmán
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS ADMINISTRATIVAS, CONTABLES, ECONÓMICAS Y DE
NEGOCIOS
PROBABILIDAD
AGOSTO 2018
INTRODUCCIÓN
En el trabajo que veremos a continuación se elaboraran los diferentes ejercicios tomando como
base los conceptos estudiados en la Unidad 2, en la cual se establece la diferencia entre variables
aleatorias discretas y continuas, en términos de su función de probabilidad, valor esperado, varianza y
desviación estándar, además de algunas distribuciones de probabilidad tanto discretas como continuas,
etc.
Este estudio nos sirve como guía experimental y contribuye a visualizar la importancia de la
probabilidad no solo en el ámbito educativo sino también con el fin de desarrollar las competencias
necesarias como la decisión y previsión frente a los problemas reales de la vida cotidiana.
Cuando hablamos de probabilidad pensamos simplemente en el azar o en algo fortuito. Sin

embargo, el tema va más allá, ya que más que una serie de sucesos extraordinarios, la probabilidad nos
enseña que deben existir las condiciones mínimas que deben ser verificadas para que un conjunto de
sucesos se presente indicando su grado de certidumbre o certeza. Por tanto, el empleo de la
probabilidad se ha extendido tanto, que además de los juegos de azar, hoy se aplica en casi todo
ámbito del ser humano, en los negocios, a nivel profesional, en la política, afectando incluso sus
decisiones a corto, mediano y largo plazo, ya que los fenómenos aleatorios impregnan la vida y el
entorno general del ser humano, llegando a constituir verdaderos problemas complejos que requieren
ser estudiados y comprendidos.
Cuadro Sinóptico
Está dada por

VARIABLE ALEATORIA Sí el número de valor que puede tomar
DISCRETA F 𝑋 =𝑛 1
es finito.
Puede asumir un número infinito de Está caracterizada

VARIABLEALEATORIA valores dentro de un determinado rango. por la Variable f 𝑥
CONTINUA
VALOR ESPERADO Y La varianza de una variable aleatoria es una

VARIANZA medida de la dispersión de la distribución de
probabilidad de ésta.
Los ensayos son independientes. Cada

ensayo es de tipo Bernoulli. Se tiene sólo Características:
dos resultados posibles: "éxito" o "fracaso”. 1. Tendencia Central
DISTRIBUCION La probabilidad de éxito de cada ensayo, se 2. Variación
BINOMIAL denota por p, y permanece constante. 3. Asimetría
f(x,p,r)= x-1Cr-1 qx-r

La variable aleatoria estaba definida como el .pr x=r,r+1,r+r+2+....
DISTRIBUCION
BINOMIAL
número de ensayos Bernoulli necesarios para
NEGATIVA obtener el primer éxito
Se caracteriza por la existencia de éxitos y/o 𝑘 𝑁−𝑘
𝑥 𝑛−𝑥 𝐶𝑥𝑘 𝐶𝑛𝑁−𝑘
−𝑥
fracasos en una población conocida, y de la cual 𝑝𝑥 = 𝑁 =
DISTRIBUCION 𝐶𝑛𝑁
se extrae una muestra sin remplazo donde se 𝑛
HIPERGEOMETRICA
obtiene x elementos identificados como éxitos y con x≤k
n – x identificados como fracasos.
𝑓 𝑥 =𝑃 𝑋=𝑥 =
identificados
Expresa, acomo partirfracasos.
de una frecuencia de 𝑒 −ʎ
ocurrencia media, la probabilidad de que ocurra X=0,1,2,…..;o en
DISTRIBUCION DE 𝑥!
POISSON un determinado número de eventos durante cualquier otro punto o
cierto período de tiempo. valor.
1
𝑃 𝑋𝐼 =
𝑛
Se dice que sigue una distribución uniforme y su función de distribución la
DISTRIBUCION continua en un intervalo real (a,b), y se función escalonada.
UNIFORME CONTINUA representa por (a,b), si su función de densidad 1
es constante en dicho intervalo y nula fuera de 𝐹 𝑋 = ∑1 −∞, 𝑥 𝑥𝑖 .
𝑛
él.
Describe el comportamiento de una variable f x ( x)  𝑘 𝑎<𝑥<

DISTRIBUCION discreta que puede tomar n valores distintos
UNIFORME DISCRETA con la misma probabilidad cada uno de ellos
La distribución normal es la más

Se trata de Se trata de una variable usual en estadística y muchos tests
DISTRIBUCION aleatoria continua (la variable puede estadísticos se basan en una
NORMAL tomar cualquier valor real). La función de
supuesta "normalidad".
Resumen
densidad tieneindividual
forma de campana
una variable aleatoria continua (la variable puede
tomar cualquier valor real). La función de densidad
DISTRIBUCION Es la única variable aleatoria La función generadora es:
tiene forma de campana.
EXPONENCIAL Continua cuya tasa de fallos es 𝑚 𝑡 =∝∕∝ −𝑡, 𝑠𝑖𝑡−∝≤ 0
constante
DISTRIBUCION Es una distribución de probabilidad continua con un parámetro k que

CHI CUADRADO representa los grados de libertad de la variable aleatoria.
RESPONSABLE ROL SELECCIONADO

Vanessa Bahos Revisor
ESTUDIO DE CASO 11
Supongamos que X es una variable aleatoria discreta y que x es uno de sus valores posibles. La
probabilidad de que la variable aleatoria X tome el valor específico x se representa por medio de P(X =
x). La función de probabilidad de una variable aleatoria es una representación de las probabilidades de
todos los resultados posibles. Esta representación podría ser algebraica, gráfica o tabular. En el caso de
las variables aleatorias discretas, un sencillo método es enumerar las probabilidades de todos los
resultados posibles de acuerdo con los valores de x.
Una empresa nueva de buses del Sistema Integrado de

Transporte de Bogotá (SITP) ha comenzado a dar
servicio en un nuevo barrio.
Se ha registrado el número de usuarios que hay en este barrio en el servicio a primera hora de la
mañana (5:00 a.m.). La tabla adjunta muestra la proporción de cada uno de los días de la semana.
Número de usuarios 0 2 3 5 6 8 10 12 15
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
Si X es la variable que representa el número de usuarios que la empresa debe atender a la hora de
inicio del servicio, con base en esta información y haciendo uso de los conceptos de variables
aleatorias discretas y función de probabilidad, prepare un informe en el que debe incluir como mínimo
lo siguiente:
1
Tomado y adaptado Newball P., Estadística para administración y economía. 6ª edición Pearson. 2008
Para el desarrollo de la actividad se diligencia una tabla en Excel con los principales datos requeridos
Función de probabilidad (𝑷 𝑿 = 𝒙 )), valor proporción entregada en el ejercicio.
Función de probabilidad acumulada (𝑷 𝑿 ≤ 𝒙 ), valor hallado con la formula 𝑃 𝑋 ≤ 𝑥 =
∑𝑋≤𝑥 𝑝 𝑋𝑖 , para este se suma el dato actual con el anterior.
Con la formula 𝑬 𝒙 = µ = ∑ 𝑿 ∗ 𝑷 , se calcula el número esperado de usuarios del servicio
Varianza, valor calculado con la formula 𝑺𝟐 = ∑ 𝒙 − µ 𝟐
∗𝒑 𝒙
Número de 𝑷 𝑿=𝒙 𝑷 𝑿≤𝒙) 𝑬 𝒙 𝑺𝟐 = ∑ 𝒙 − µ 𝟐
usuario ) =∑ 𝑿∗𝑷 ∗𝒑 𝒙
(X)
0 0,02 0,02 0,00 1,11
2 0,05 0,07 0,10 1,49
3 0,12 0,19 0,36 2,39
5 0,18 0,37 0,90 1,09
6 0,13 0,5 0,78 0,28
8 0,16 0,66 1,28 0,05
10 0,14 0,8 1,40 0,90
12 0,12 0,92 1,44 2,47
15 0,08 1 1,20 4,55
Total 61 1 µ 7,46 14,33
1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.

Grafica función de probabilidad
0.18
0.16
Proporción
0.14
0.13
0.12 0.12
0.08
0.05
0.02
0 2 3 5 6 8 10 12 15
Número de usuarios
2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.
Grafica función de probabilidad

Proporción acumulada
1
0.92
0.8
0.66
0.5
0.37
0.02 0.07 0.19
0 2 3 5 6 8 10 12 15
Número de usuarios
3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho usuarios del
barrio esperando el servicio
Se busca en la tabla el número de usuarios correspondiente a 8 y se toma el valor de la probabilidad

para X=8
𝑷 𝑿 = 𝒙)
𝑷 𝑿 = 𝟖 = 𝟎, 𝟏𝟔 = 𝟎, 𝟏𝟔 ∗ 𝟏𝟎𝟎 = 𝟏𝟔%
La probabilidad es del 16 %
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del barrio
esperando este servicio
 Para hallar esta probabilidad se suman las probabilidades de 𝑃 𝑋 > 6 .
𝑃 𝑋 > 6 = 𝑃 𝑋 = 8 + 𝑃 𝑋 = 10 + 𝑃 𝑋 = 12 + 𝑃 𝑋 = 15
𝑃 𝑋 > 6 = 0,16 + 0,14 + 0,12 + 0,08
𝑷 𝑿 > 𝟔 = 𝟎, 𝟓 = 𝟎, 𝟓 ∗ 𝟏𝟎𝟎 = 𝟓𝟎%
La probabilidad de que sean más de 6 usuarios es del 50%
5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro usuarios del
barrio en este servicio
Para hallar esta probabilidad se suman las probabilidades de 𝑃 𝑋 ≤ 3 .
𝑋 ≤3 =𝑃 𝑋 =0 +𝑃 𝑋 =2 +𝑃 𝑋 =3
𝑃 𝑋 ≤ 3 = 0,02 + 0,05 + 0,12
𝑷 𝑿 ≤ 𝟑 = 𝟎, 𝟏𝟗 = 𝟎, 𝟏𝟗 ∗ 𝟏𝟎𝟎 = 𝟏𝟗%
La probabilidad de que sean menos de 4 usuarios es del 19%
6. El numero esperado de usuarios de este servicio y su desviación estándar
De acuerdo a los datos de la tabla con la varianza se puede calcular la desviación estándar
𝑆 = √ 𝑆2 , 𝑆 = √14,33 = 3,79.
De igual manera teniendo en cuenta los datos suministrados en la tabla el número de usuarios esperado
es de 6 personas, que es el dato que se localiza en la tabla en la probabilidad acumulada del 50%, con
una desviación estándar de 3,79.
7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la empresa
Teniendo en cuenta los cálculos y análisis realizado a la información suministrada por la nueva
empresa de buses del Sistema Integrado de transporte, encontramos que el número de usuarios en
promedio que atenderá por día en el barrio será de 6 personas, la cual tendrá una variación de 3,79, es
decir de 3 o 4 (6 ±4) ó (6 ±3) personas por día de acuerdo al promedio de usuarios esperado por día.

Elizabeth López Vásquez Compilador
ESTUDIO DE CASO 2
La distribución de probabilidad binomial es una distribución de

probabilidad discreta que se presenta con mucha frecuencia.
Una de sus características consiste en que sólo hay dos posibles
resultados en un determinado ensayo del experimento y los
resultados son mutuamente excluyentes; Otra característica de la
distribución binomial es el hecho de que la variable aleatoria es
el resultado de conteos. Es decir, se cuenta el número de éxitos en el número total de ensayos. Una
tercera característica de una distribución binomial consiste en que la probabilidad de éxito es la misma
de un ensayo a otro.
Un estudio del Departamento de Transporte de Illinois concluyó que 78,5% de quienes ocupaban los
asientos delanteros de los vehículos utilizaba cinturón de seguridad. Esto significa que los dos
ocupantes de la parte delantera utilizaban cinturones de seguridad. Suponga que decide comparar la
información con el uso actual que se da al cinturón de seguridad, para lo cual selecciona una muestra
de 8 vehículos.
Presente un informe en el que como mínimo incluya:
1. Esta situación cumple con los supuestos de la distribución binomial. Identifíquelos

Aquí se tiene una distribución de probabilidad discreta, pues se cuenta con un número de éxitos y
de ensayos independientes entre sí que es igual a n.
Tenemos una probabilidad fija de ocurrencia del éxito que es igual a p, aquí en este problema
planteado solo dos resultados son posibles y es que utilice o no el cinturón de seguridad.
A uno de estos se denomina «éxito» y tiene una probabilidad de ocurrencia p y al otro, «fracaso», con
una probabilidad igual a q. En la distribución binomial el problema se repite n veces, de forma
independiente, y se trata de calcular la probabilidad de un determinado número de éxitos.
𝑝 = 78,5 = 0,785
𝑞 = 21,5 = 0,215
𝑛=8 𝑥=5
2. Diagrama de barras de la distribución de probabilidad binomial que representa esta

situación
X: Variable aleatorio: Que los ocupantes del vehículo usen cinturón de seguridad.
1 1 1 1 1 1 1 1 1
𝑃 0 = × × × × × × × = = 0,0039 = 0,39%
2 2 2 2 2 2 2 2 256
8 8! 8×7×6×5×4×3×2×1 8
𝑃 1 = 0,0039 = ( ) = = = =8
1 1! 8 − 1 1×7×6×5×4×3×2×1 1
2 8−1
= 8 0, 39 0, 61
= 8 0,1521 0, 0314
= 0,03820 = 3,82%
8 8! 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1 56
𝑃 2 = 0,0039 = ( ) = = = = 28
2 2! 8 − 2 2×1×6×5×4×3×2×1 2
2 8−2
= 28 0, 39 0, 61
= 28 0,1521 0,0515
= 0,2193282 = 21,93%
8 8! 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1 336
𝑃 3 = 0,0039 = ( ) = = = = 56
3 3! 8 − 3 3×2×1×5×4×3×2×1 6
2 8−3
= 56 0, 39 0, 61
= 56 0,1521 0,0844
= 0,7188 = 71,88%
8 8! 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1 1680
𝑃 4 = 0,0039 = ( ) = = = = 70
4 4! 8 − 4 4×3×2×1×4×3×2×1 24
2 8−4
= 70 0, 39 0, 61
= 70 0,1521 0,1384
= 1,4735 = 147%
8 8! 8 × 7 × 6 × 5 × 4 × 3 × 2 × 1 336
𝑃 5 = 0,0039 = ( ) = = = = 56
5 5! 8 − 5 5×4×3×2×1×3×2×1 6
2 8−5
= 56 0, 39 0, 61
= 56 0,1521 0,2269
= 1,9326 = 193,26%
PORCENTAJE
P5 193.26%
P4 147%
P3 71.88%
P2 21.93%
P1 3.82%
0% 50% 100% 150% 200% 250%
3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de los 8 vehículos

seleccionados utilicen cinturones de seguridad
𝑛 𝑥 𝑛−𝑥
𝑝 𝑞
𝑥
𝑝 = 78,5 = 0,785
𝑞 = 21,5 = 0,215
𝑛=8 𝑥=5
8 2 2 8−5
= ( ) 0,785 0,215
5
8 8! 8×7×6×5×4×3×2×1 336
( )= = = = 56
5 5! 8 − 5 5×4×3×2×1×3×2×1 6
= 56 0, 616225 0,0099
= 0, 342959 𝑉𝑒𝑐𝑒𝑠
= 34,2959%
𝐸𝑠 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑎 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝑒𝑛 5 𝑑𝑒 8 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜𝑠
4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los 8 vehículos
utilicen cinturón de seguridad
La probabilidad que por lo menos 5 de los 8 vehículos utilicen el cinturón quiere decir que hasta un
32% de los vehículos lo hace, es decir que equivale a un porcentaje de 147% de veces que ocurriría el
hecho. Esto nos confirma que cuando aumenta el número de las veces que ocurre el evento también
aumenta el porcentaje de casos de éxito.
5. Probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8 vehículos utilicen
cinturón de seguridad
La probabilidad de que máximo 5 de los 8 vehículos utilicen el cinturón quiere decir que hasta un 40%
de los vehículos lo hace, es decir que equivale a un porcentaje de 193,26% de veces que ocurriría el
hecho. Esto nos confirma que cuando aumenta el número de las veces que ocurre el evento también
aumenta el porcentaje de casos de éxito.
6. Número de vehículos esperado en los que los ocupantes de la parte delantera utilizan el
cinturón de seguridad.
8
El número de vehículos esperados es de = 𝟓𝟔 𝐯𝐞𝐡í𝐜𝐮𝐥𝐨𝐬
5
Aquí podemos observar que al aumentar la muestra, también aumenta la cantidad de

vehículos esperados y su probabilidad.

Erika Acevedo Maldonado Entregas
ESTUDIO DE CASO 3
Baloto es un juego novedoso de tipo loto en
línea, de suerte y azar, donde el jugador elige 5
números del 1 al 43 y una súper balota con
números del 1 al 16 a través de una terminal de
venta.
El juego consiste en acertar 5, 4 o 3 números en
cualquier orden de una matriz del 1 al 43 y otro
número (super balota) del 1 al 16.
El jugador señala en un tarjetón los 6 números que escoge. Los números están representados en 43
balotas amarillas numeradas del 1 al 43 y 16 balotas rojas numeradas del 1 al 16. Cada número aparece
una sola vez y las balotas ganadoras se seleccionan sin reemplazo. El premio acumulado se entrega a
quien haga coincidir los seis números. En la tabla aparecen las opciones para ganar
Usando sus conocimientos sobre distribuciones discretas de probabilidad, presente un informe en el

que como mínimo incluya:
1. Esta situación cumple con los supuestos de la distribución Hipergeométrica.

Identifíquelos.
Si cumple, porque una distribución hipergeométrica es una de las distribuciones de probabilidad

discreta. Se utiliza para calcular la probabilidad de una selección aleatoria de un objeto sin repetición.
Esta situación cumple con los supuestos de la distribución hipergeométrica debido a que cada variable
aleatoria tiene dos posibles resultados, éxito o fracaso, en este caso según la elección de las balotas;
además cumple con que se busca obtener el número de éxitos, el tamaño de muestra es mayor a uno y
finalmente los n elementos de muestra aleatoria son dependientes debido a que la extracción de una
balota influye en el resultado final del baloto teniendo en cuenta que son sin reemplazo.
Su función de probabilidad es:

(m )(𝑁
k 𝑛
− 𝑚
− 𝑘
)
𝑃 𝑥 =
(𝑁𝑛)
Donde
𝑎 𝑎!
=
𝑏 𝑏! 𝑎 − 𝑏 !
Se tiene que x es el número de aciertos en una muestra de 5, tomados de un lote de 43 aciertos de los
cuales 6 son números acertados. Esto es X es una variable aleatoria.
Hipergeométrica con parámetros:
N= 43= Número total de balotas

K= 6 = Números de éxitos
N – k = 37 = Números fallidos o no ganadores
n= 5 = Muestra
x = 5,4 ó 3 = Número de aciertos
Distribución de probabilidad es:

(𝑘𝑥)(𝑁𝑛 − 𝑘
− 𝑥
)
ℎ 𝑥, 𝑁, 𝑘, 𝑛 =
(𝑁𝑛)
37
6
h x, 43,6,5 = ( ) 5−𝑥
𝑥 (43 )
5
2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números del 1 al 43 y

la súper balota).
Probabilidad Balotas Amarillas

(S) C (x) = 1
(N-S) C (n-x) = 1
(N) C (n) = 962598
P(xa) = 1,03886E-06
Probabilidad Balotas Rojas

(S) C (x) = 1
(N-S) C (n-x) = 1
(N) C (n) = 16
P(xr) = 0,0625
N= 43
R= 6
n= 5
X= 3 (5,4 0 3 números balota)
X: número de éxitos de la muestra
N: Total de la muestra
R: Cantidad de éxitos
P(X) = (CR, X * CN-n, R-X) /CN, n

CR, X= C 6,3 = 6*5*4 / 3.2*1 = 120 / 12= 10
CN, n = C 43,5 = 146611080 calculado con calculadora de combinaciones

CN-n, R-X = C 38,83= 50616
Px= 10* 50616/ 146611080= 0.00345= 0,35%
R//: La probabilidad es del 0,35%
3. La empresa encargada del sorteo informa que, Hasta el sorteo anterior, la posibilidad de
“pegarle al gordo” era de 1 en 8 millones, mientras que ahora será de 1 en 15 millones.
Explique esta afirmación.
En términos de probabilidad:
1
= 0,000000125
8000000
1
= 6,6666−8 ⇔ 0,00000067
15000000
R//: Dado esta situación aumentaría la poca probabilidad ya que esta no permite reemplazo, lo que
también permite que la probabilidad al ya ocurrir un sorteo favorable la probabilidad disminuye.
4. El sorteo también otorga otros premios (ver tabla). Presente la probabilidad de obtener
los premios que incluyen acertar la súper balota.
N = 43 Total balotas
n= 4 Muestras
C= 4 Cantidad de elementos que cumple característica deseada
X= 4
43−4
4 39
∗ ( ) 1∗ 0 1
4 4−4
𝑃 4 = = = = 8.103071064−6
(43
4
) 123410 123410
16−1
1 15
∗ ( ) 1∗ 0 1
1 1−1
𝑃 1 = = = = 0.0625
(16
1
) 16 16
𝑃𝑇 = 𝑃 4 ∗ 𝑃1 = 0.000008103071064 ∗ 0.0625 = 5064419415 𝑥10−07
PT= 0.0000005064419415
n= 3 Muestras
X= 3
43−3
3 40
∗ ( ) 1∗ 0 1
3 3−3
𝑃 3 = = = = 8.103071064𝑥10−05
(43
3
) 12341 12341
16−1
1 15
1 ∗ ( 1−1
) 1∗ 0 1
𝑃 1 = = = = 0.0625
(16
1
) 16 16
𝑃𝑇 = 𝑃 3 ∗ 𝑃1 = 0.000008103071064 ∗ 0.0625 = 0,5064419415 𝑥10−06
PT= 0.000005064419415
n= 2 Muestras
X= 2
43−2
2 41
∗ ( ) 1∗ 0 1
2 2−2
𝑃 2 = = = = 1.107419712𝑥10−03
(43
2
) 903 903
16−1
1 15
∗ ( ) 1∗ 0 1
1 1−1
𝑃 1 = = = = 0.0625
(16
1
) 16 16
𝑃𝑇 = 𝑃 2 ∗ 𝑃1 = 0.001107419712 ∗ 0.0625 = 6.9213732 𝑥10−05
PT =0.000069213732
n= 1 Muestras
X= 1
43−1
1 42
∗ ( ) 1∗ 0 1
1 1−1
𝑃 1 = 43 = = = 0,023255813
(1) 43 43
16−1
1 15
∗ ( ) 1∗ 0 1
1 1−1
𝑃 1 = 16 = = = 0.0625
(1) 16 16
𝑃𝑇 = 𝑃 1 ∗ 𝑃1 = 0.023255813 ∗ 0.0625 = 1,453488313 𝑥10−03
PT =0.001453488313
n= 0 Muestras
X= 0
43−0
0 43
∗ ( ) 1∗ 0 1
0 0−0
𝑃 0 = 43 = = =1
(0) 1 1
16−1
1 15
∗ ( ) 1∗ 0 1
1 1−1
𝑃 1 = 16 = = = 0.0625
(1) 16 16
𝑃𝑇 = 𝑃 0 ∗ 𝑃1 = 1 ∗ 0.0625 = 0,0625
PT =0.0625
5. Presente la probabilidad de obtener los premios que no incluyen acertar la súper balota.
DE 5
P(X)= (c x). (N – C / n – x)
(N/n)
n= 0 Muestras
X= 0
n= 5 Muestras
X= 5 Número de aciertos
16−0
0 16
∗ ( ) 1∗ 0 1
0 0−0
𝑃 0 = 16 = = =1
(0) 1 1
43−5
5 38
∗ ( 5−5 ) 1∗ 0 1
5
𝑃 5 = 43 = = = 1,038855265−6
(5) 962598 962598
𝑃𝑇 = 𝑃 0 ∗ 𝑃5 = 1 ∗ 0.000001038855265 = 1,038855265𝑥10−6
PT =1.038855265 X10 -6
n= 4 Muestras
X= 4
(N/n)
43−4
4 39
∗ ( ) 1∗ 0 1
4 4−4
𝑃 4 = = = = 8.103071064𝑥10−6
(43
4
) 123410 123410
16−0
0 16
∗ ( ) 1∗ 0 1
0 0−0
𝑃 0 = = = =1
(16
0
) 1 1
𝑃𝑇 = 𝑃 4 ∗ 𝑃0 = 1 ∗ 0.000008103071064 = 8,103071064𝑥10−6
PT =8.103071064 X10 -6
6. Con base en los resultados obtenidos, ¿usted invertiría dinero en el BALOTO?
No invertiría dinero en el baloto, dado que dichas probabilidades son muy bajas, es muy difícil de
acertar.

Viviana María Giraldo Evaluador
ESTUDIO DE CASO 42
La distribución de probabilidad de Poisson describe el número de veces que se presenta un evento
durante un intervalo específico. El intervalo puede ser de tiempo, distancia, área o volumen. La
distribución se basa en dos supuestos. El primero consiste en que la probabilidad es proporcional a la
longitud del intervalo. El segundo supuesto consiste en que los intervalos son independientes. En otras
palabras, cuanto más grande sea el intervalo, mayor será la probabilidad; además, el número de veces
que se presenta un evento en un intervalo no influye en los demás intervalos.
Esta distribución posee diversas aplicaciones. Se le utiliza como
modelo para describir la distribución de errores en una
entrada de datos, el número de rayones y otras
imperfecciones en las cabinas de automóviles recién
pintados, el número de partes defectuosas en envíos, el
número de clientes que esperan mesa en un restaurante, el
Ilustración 1. Estudio de caso 4
número de accidentes en una carretera en un periodo
determinado.
Los padres preocupados porque sus hijos son “propensos a accidentes” pueden estar tranquilos, de
acuerdo a un estudio realizado por el Departamento de Pediatría de la Universidad de California, San
Francisco. Los niños que se lesionan dos o más veces tienden a sufrir estas lesiones durante un tiempo
relativamente limitado, por lo general un año o menos. El estudio determinó que el número promedio
de lesiones por año para niños en edad escolar es de dos.
Usando sus conocimientos sobre distribuciones de probabilidad discretas, presente un informe que
como mínimo contenga:
1. Esta situación cumple con los supuestos de la distribución Poisson. Identifíquelos
Si cumple. Estos requisitos son aleatorios e independientes, además ocurre en un periodo determinado.
2. Probabilidad de que un niño sufra tres lesiones durante el año.
M= 2 (número promedio de meses de accidentes por año)

X= 3 lesiones
P (x=k) = Mk e-M
K!
P(x=3) = 23 e-2 = 8e-2 = 0,18045…≈18%

3! 6
3. Probabilidad de que un niño sufra más de tres lesiones durante el año.
P(x≥3) = 1- P(x<3)
P(x<3) =P(0) + P(1)+ P(2)
P(0)= 20 e-2 = 1*e-2 = e-2 = 0,13534…
0! 1
P(1)= 21 e-2 = 2* e-2 = 2e-2 = 0,27067…
1! 1
P(2)= 22 e-2 = 4* e-2 = 2e-2 = 0,27067…

2! 2
P(x≥3) = {-(0.13534+0,27067+0,27067)}
P(x≥3) = 0,320327 ≈ 32,3%
4. Probabilidad de que un niño sufra una lesión en los siguientes tres meses del año
2 accidentes ---> 12 meses
M2 ---> 3 meses
M2 =2 accidentes*3meses = 0,5%
12 meses
5. Número de lesiones esperado por año y su desviación estándar. Dentro de que limites se espera
entonces que caiga el número de lesiones por año.
El valor esperado (y la varianza) de una variable aleatorio y con distribución de poisson son iguales a
M. En este caso, el número esperado por año es de 2. (M=2)
La desviación estándar es= √M =√2
6. ¿Realmente, pueden estar tranquilos los padres? Sustente su opinión en los resultados
obtenidos.
No pueden estar tranquilos, ya que la probabilidad inmediata de sufrir lesiones es muy alta.

Deiby Andrés López Alertas
ESTUDIO DE CASO 5
El Coeficiente intelectual C.I. de un individuo es medido en una escala que va de 45 a 155. Un C.I. de
100 es el promedio. En la figura siguiente se puede ver que la mayoría de la población tiene el C.I.
alrededor de 100. Existen menos personas que tienen el CI menor a 85 y muy pocos tienen el CI por
encima de 115.
Una empresa que recluta personal para multinacionales, aplica un test de inteligencia a todos los
posibles candidatos. Una persona que desea ser contratada,
acaba de presentar el test y le informan que ha obtenido
C.I. igual a 95.
Asumiendo que las puntuaciones en un test de inteligencia

se distribuyen normalmente y sabiendo que las puntuaciones CI tienen promedio 100 y desviación
estándar 15, usted debe presentarle un informe acerca de sus resultados.
Usando sus conocimientos sobre la distribución de probabilidad normal, presente un informe que
como mínimo contenga:
1. Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.
𝜇: 𝑚𝑒𝑑𝑖𝑎 𝜇 = 100
𝜎: 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑒𝑠𝑡á𝑛𝑑𝑎𝑟 𝜎 = 15
Tipificación variable aleatoria

𝑋 ≈ 𝑁 100, 15 ⇒ 𝑍 ≈ 𝑁 0,1
𝑷𝒐𝒓𝒄𝒆𝒏𝒕𝒂𝒋𝒆 ≤ 𝟗𝟓
𝑋 −𝜇 95 − 100
𝑃 𝑋 ≤ 95 = 𝑃 𝑋 − 𝜇 ≤ 95 − 100 = 𝑃 ( ≤ )
𝜎 15
𝑋 −𝜇
𝑍 =
𝜎
95 − 100
𝑍 = = −0.33
15
𝑃 𝑋 ≤ 95 = 𝑃 𝑍 ≤ −0.33
Usando la tabla normal estándar se concluye que:
𝑷 𝒁 ≤ −𝟎. 𝟑𝟑 = 𝟎. 𝟑𝟕𝟎𝟕 ∗ 𝟏𝟎𝟎 = 𝟑𝟕%
El 37% de personas podrían tener un C.I. inferior o igual a 95.
2. Porcentaje de personas podrían tener un C.I. superior a 95.
𝑋 ≈ 𝑁 100, 15 ⇒ 𝑍 ≈ 𝑁 0,1
𝑷𝒐𝒓𝒄𝒆𝒏𝒕𝒂𝒋𝒆 > 𝟗𝟓
𝑋 −𝜇 95 − 100
𝑃 𝑋 > 95 = 𝑃 𝑋 − 𝜇 > 95 − 100 = 𝑃 ( > )
𝜎 15
𝑋 −𝜇
𝑍 =
𝜎
95 − 100
𝑍 = = −0.33
15
𝑃 𝑋 > 95 = 𝑃 𝑍 > −0.33

𝑷 𝒁 > −𝟎. 𝟑𝟑 = 𝟎. 𝟔𝟐𝟗𝟑 ∗ 𝟏𝟎𝟎 = 𝟔𝟑%
El 63% de personas podrían tener un C.I. inferior o igual a 95.
3. Probabilidad de que una persona tenga un C.I. entre 85 y 90
𝑋 ≈ 𝑁 100, 15 ⇒ 𝑍 ≈ 𝑁 0,1
𝑷𝒐𝒓𝒄𝒆𝒏𝒕𝒂𝒋𝒆 𝟖𝟓 < 𝑿 < 𝟗𝟎
𝑃 85 < 𝑋 < 90 = 𝑃 85 − 100 < 𝑋 − 𝜇 < 90 − 100
85 − 100 𝑋 −𝜇 90 − 100
=𝑃 ( < < )
15 𝜎 15
𝑋 −𝜇
𝑍 =
𝜎
85 − 100
𝑍 = = −1
15
90 − 100
𝑍 = = −0.67
15
𝑃 85 < 𝑋 < 90 = 𝑃 −1 < 𝑍 < −0.67

𝑷 −𝟏 < 𝒁 < −𝟎. 𝟔𝟕 = 𝟎. 𝟎𝟗𝟐𝟕 ∗ 𝟏𝟎𝟎 = 𝟗. 𝟐𝟕%
El 9.27% de personas podrían tener un C.I. entre 85 y 90.
4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el 30%
inferior (puntuación de CI que deja el 30% de sujetos por debajo).
𝑿 ≤ ?
𝑋 −𝜇
𝑍 =
𝜎
𝑍∗𝜎 = 𝑋−𝜇
𝑋 = 𝑍∗𝜎+ 𝜇
Se busca el valor de Z de acuerdo con el dato del 30% en la tabla normal estándar y este valor
corresponde a:
𝑍 = −0.524401
𝑋 = −0.524401 ∗ 15 + 100
𝑿 = 𝟗𝟐. 𝟏𝟐𝟓
La puntuación en el C.I. que habría que sacar en el test de inteligencia para estar en el 30%
inferior es de 92.125.
5. Puntuación de C.I. que es superada solo por el 10% de los sujetos.
𝑿 > ?
𝑋 −𝜇
𝑍 =
𝜎
corresponde a:
𝑍 = 1.2815
𝑋 = 1.2815 ∗ 15 + 100
𝑿 = 𝟏𝟏𝟗. 𝟐𝟐𝟐
La puntuación en el C.I. que es superada solo por el 10% de los sujetos es de 119.222.
6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos
Para esto se averigua el puntaje donde está el 25% superior e inferior
Inferior:
𝑋 −𝜇
𝑍 =
𝜎
corresponde a:
𝑍 = −0.675
𝑋 = −0.675 ∗ 15 + 100
𝑿 = 𝟖𝟗. 𝟖𝟕𝟓
Superior:
𝑋 −𝜇
𝑍 =
𝜎
corresponde a:
𝑍 = 0.675
𝑋 = 0.675 ∗ 15 + 100
𝑿 = 𝟏𝟏𝟎. 𝟏𝟐𝟓
Los valores de C.I. entre los que se encuentran el 50% central de los sujetos esta entre
𝟖𝟗. 𝟖𝟕𝟓; 𝟏𝟏𝟎. 𝟏𝟐𝟓 .
CONCLUSIONES
 El desarrollo del anterior trabajo nos permitió aprender y comprender los conceptos estudiados
como parte de la temática de la unidad 2, con el fin de poder aplicar dichos conocimientos en los
diferentes casos de estudio, en el cual aplicamos además las técnicas probabilísticas y así logramos
investigar, analizar y resolver los problemas planteados.
 También aprendimos que cuando no se está seguro de los resultados de un evento, es posible
emplear técnicas de probabilidad como las variables aleatorias y las distribuciones de probabilidad
para lograr visualizar el gran número de probabilidades que se puedan presentar y así tener una
vista más amplia y la magnitud del caso que se estudia.
 Los datos que proporcionan los estudios de probabilidad, son de vital importancia, para tomar
medidas correctivas a problemas que se pueden estar presentando en una empresa, además nos
sirven para mejorar y controlar la calidad de los productos o servicios.
 El desarrollo de esta fase nos permitió analizar fenómenos de casos reales, los cuales fueron
resueltos con ayuda del estudio e interpretación de los materiales de apoyo y del uso de métodos de
distribución de probabilidades.
 Con el trabajo realizado pudimos experimentar los resultados posibles en un suceso, a esto lo
podemos llamar todos los resultados exitosos o en su defecto los fracasos que se pueden presentar.
Además, permitió diferenciar entre cada una de las diferentes distribuciones de probabilidad de
acuerdo con sus características y fundamentos.
BIBLIOGRAFÍA
Mata, A. D. (2013). Estadística aplicada a la Administración y a la Economía - Primera Edición.

México,DF: Mc Graw Hill.
MateFacil. (15 de 10 de 2015). https://www.youtube.com. Obtenido de
https://www.youtube.com/watch?v=EisaSQ1j_Kk
M Gil, G. A. (2014). Ejercicios de estadística teórica: Probabilidad e inferencia. Madrid: Editorial

Universidad Autónoma de Madrid.
unad&it=r&p=GVRL&sw=w&asid=b039aa4c3b2b62b99f8129c3bb3ab609.
M. Pliego López, R. M. (2004). Estadística I 2nd ed.,. En R. M. M. Pliego López, Estadística I 2nd
ed., (págs. 27-94). Madrid: Paraninfo: Recuperado de
http://bibliotecavirtual.unad.edu.co:2081/ps/i.do?id=GALE%7CCX4052400006&v=2.1&u=unad&it=r
&p=GVRL&sw=w&asid=b039aa4c3b2b62b99f8129c3bb3ab609
Martínez, C. (2011). Estadística Básica Aplicada. Ecoe, 4a edición. Recuperado de:

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=239&docID=10560355&tm=1
489690264128.
Peña, D. (2014). Fundamentos de Estadística. Alianza Editorial S.A. Edición electrónica.

Disponible en la base de datos de la biblioteca de la UNAD.
Rodríguez, F. &. (2014). Estadística para administración. En F. &. Rodríguez, Estadística para
administración (págs. 187-240 / 280-298). Bogotá, D.C.: Biblioteca virtual UNAD.
Vanegas, C. E. (17 de 11 de 2013). Probabilidad Conceptos. Probabillidad Conceptos.

Bogotá, Cundinamarca, Colombia: OVI unad. Monroy, S. (2008). Estadística Descriptiva. Editorial:
Instituto Técnico Nacional. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436604&ppg=128
Wikipedia. (02 de 08 de 2108). https://es.wikipedia.org. Obtenido de

https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial

58 - Paso 3

Cargado por

Copyright:

Formatos disponibles

58 - Paso 3

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

58 - Paso 3

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de

Deiby Andrés López – Código 1037577854

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Cuando hablamos de probabilidad pensamos simplemente en el azar o en algo fortuito. Sin

Está dada por

Puede asumir un número infinito de Está caracterizada

VALOR ESPERADO Y La varianza de una variable aleatoria es una

Los ensayos son independientes. Cada

f(x,p,r)= x-1Cr-1 qx-r

Describe el comportamiento de una variable f x ( x)  𝑘 𝑎<𝑥<

La distribución normal es la más

DISTRIBUCION Es una distribución de probabilidad continua con un parámetro k que

RESPONSABLE ROL SELECCIONADO

Una empresa nueva de buses del Sistema Integrado de

1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.

Grafica función de probabilidad

2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.

Grafica función de probabilidad

Se busca en la tabla el número de usuarios correspondiente a 8 y se toma el valor de la probabilidad

𝑃 𝑋 > 6 = 0,16 + 0,14 + 0,12 + 0,08

𝑷 𝑿 > 𝟔 = 𝟎, 𝟓 = 𝟎, 𝟓 ∗ 𝟏𝟎𝟎 = 𝟓𝟎%

La probabilidad de que sean más de 6 usuarios es del 50%

𝑃 𝑋 ≤ 3 = 0,02 + 0,05 + 0,12

6. El numero esperado de usuarios de este servicio y su desviación estándar

RESPONSABLE ROL SELECCIONADO

La distribución de probabilidad binomial es una distribución de

Presente un informe en el que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución binomial. Identifíquelos

2. Diagrama de barras de la distribución de probabilidad binomial que representa esta

0% 50% 100% 150% 200% 250%

3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de los 8 vehículos

𝐸𝑠 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑎 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 𝑒𝑛 5 𝑑𝑒 8 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜𝑠

Aquí podemos observar que al aumentar la muestra, también aumenta la cantidad de

RESPONSABLE ROL SELECCIONADO

Usando sus conocimientos sobre distribuciones discretas de probabilidad, presente un informe en el

1. Esta situación cumple con los supuestos de la distribución Hipergeométrica.

Si cumple, porque una distribución hipergeométrica es una de las distribuciones de probabilidad

Su función de probabilidad es:

N= 43= Número total de balotas

Distribución de probabilidad es:

2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números del 1 al 43 y

Probabilidad Balotas Amarillas

Probabilidad Balotas Rojas

P(X) = (CR, X * CN-n, R-X) /CN, n

CN, n = C 43,5 = 146611080 calculado con calculadora de combinaciones

R//: La probabilidad es del 0,35%

C= 4 Cantidad de elementos que cumple característica deseada

𝑃𝑇 = 𝑃 4 ∗ 𝑃1 = 0.000008103071064 ∗ 0.0625 = 5064419415 𝑥10−07

C= 3 Cantidad de elementos que cumple característica deseada

𝑃𝑇 = 𝑃 3 ∗ 𝑃1 = 0.000008103071064 ∗ 0.0625 = 0,5064419415 𝑥10−06

C= 2 Cantidad de elementos que cumple característica deseada

𝑃𝑇 = 𝑃 2 ∗ 𝑃1 = 0.001107419712 ∗ 0.0625 = 6.9213732 𝑥10−05

C= 1 Cantidad de elementos que cumple característica deseada

𝑃𝑇 = 𝑃 1 ∗ 𝑃1 = 0.023255813 ∗ 0.0625 = 1,453488313 𝑥10−03

C= 0 Cantidad de elementos que cumple característica deseada

C= 0 Cantidad de elementos que cumple característica deseada

C= 5 Cantidad de elementos que cumple característica deseada

C= 4 Cantidad de elementos que cumple característica deseada

6. Con base en los resultados obtenidos, ¿usted invertiría dinero en el BALOTO?