PASO 3 - EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE PROBABILIDAD

CONTINUA

SOLANGE QUINTERO LOVERA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

PROBABILIDAD

GACHETA

2018
PASO 3 - EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE PROBABILIDAD
CONTINUA

LUZ ANA ABAD

GRUPO COLABORATIVO:100402_13

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

PROBABILIDAD

GACHETA

2018
 ESTUDIO DE CASO 1

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.

Números de 0 2 3 5 6 8 10 12 15
usuarios
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

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

 Numero de Usuarios
0.2
0.18
0.16
0.14
0.12
0.1
0.08
0.06
0.04
0.02
0
0 2 3 5 6 8 10 12 14 16

Numero de Usuarios

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

Columna1
1.4

1.2

0.8

0.6

0.4

0.2

0
0 2 4 6 8 10 12 14 16

Columna1

3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho usuarios del
barrio esperando el servicio

P(8) = .16 =16%

La probabilidad que haya 8 personas esperando el servicio es de 16%

4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del barrio
esperando este servicio
 𝑃(𝑥 > 6) = 𝑃(8) + 𝑃(10) + 𝑃(12) + 𝑃(15)

1
𝑃(𝑥 > 6) = 0.16 + 0.14 + 0.12 + 0.08 = = 50%
2

La probabilidad de que sean mas de 6 personas esperando es del 50%

5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro usuarios del barrio
en este servicio

𝑃(𝑥 < 4) = 𝑃(3) + 𝑃(2) + 𝑃(0)

𝑃(𝑥 < 4) = 0.12 + 0.05 + 0.02 = 0.19 = 19%

La probabilidad de que sean menos de 4 personas esperando es del 19%

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

Número de usuarios
0
2
3
5
6
8
10
12
15

N = 16

0+2+3+5+6+8+10+12+15 61
Promedio = = = 4.06
15 15

X= 6.7

61 2 61 2 61 2 61 2 61 2 61 2 61 2 61 2 61 2
(0 − ) + (2 − ) + (3 − ) + (5 − ) + (6 − ) + (8 − ) + (10 − ) + (12 − ) + (15 − )
𝑆2 15 15 15 15 15 15 15 15 15
15

𝑆 2 = 24.194
S = 6.77

7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la empresa
 En la empresa la probabilidad es que sean más de 8 usuarios y entre más usuarios sean mayores que 8 la
probabilidad disminuye

Distribución uniforme
discreta:
CUADRO SINÓPTICO
La variable aleatoria discreta
más sencilla es aquella que
toma sólo un número finito de
valores posibles n, cada uno
con la misma probabilidad.

Cuando puede
tomar un numero
finito o infinito
DISTRIBUCIONES
numerable de
DE PROBABILIDAD
DISCRETA valores

Distribución geométrica

Es la variable aleatoria X el
número de ensayos Bernoulli
realizados hasta obtener un
éxito y con parámetro “p”.

Experimentos
Distribución uniforme
aleatorios y continua

Corresponde al caso de una

distribuciones variable aleatoria que sólo
puede tomar valores