Paso 3 Probabilidad

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
Vicerrectoría Académica y de Investigación - VIACI

PROBABILIDAD
PASO 3
EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE PROBABILIDAD
CONTINUA
GRUPO 100402_3
PRESENTADO A
LUZ ANA ABAD
PRESENTADO POR
YURANY MARCELA ÁVILA C.C. 53’075.647
KRISTIAN CAMILO RUIZ C.C. 80.854.022
NATALIF CRISTINA MEJIA
MAURICIO RAMÍREZ GÓMEZ CC 79.642.077
JHON ALEXANDER SÁNCHEZ AMAYA CC. 79.189.337
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
NOVIEMBRE- 2018
PROBABILIDAD
DESARROLLO DE LA ACTIVIDAD
1. Cuadro sinóptico
PROBABILIDAD
2. Estudio de caso 1
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 Ilustración 1. Estudio de caso 1
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:
PROBABILIDAD
1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.
2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.

𝑋<0 0
0≤𝑋<2 0,02
2≤𝑋<3 0,07
3≤𝑋<5 0,19
5≤𝑋<6 0,37
𝐹(𝑋) =
6≤𝑋<8 0,5
8 ≤ 𝑋 < 10 0,66
10 ≤ 𝑋 < 12 0,8
12 ≤ 𝑋 < 15 0,92
{ 15 ≤ 𝑋 1
3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho usuarios

del barrio esperando el servicio
𝑃(𝑋 = 8) = 𝑃(𝑋 ≤ 8) − 𝑃(𝑋 < 8) = 0,66 − 0,5 = 0,16
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del barrio
esperando este servicio
𝑃(𝑋 ≥ 6) = 1 − 𝑃(𝑋 < 6) = 1 − 0,37 = 0,63
PROBABILIDAD
5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro usuarios del
barrio en este servicio
𝑃(𝑋 ≥ 4) = 1 − 𝑃(𝑋 < 4) = 1 − 0,19 = .81
6. El numero esperado de usuarios de este servicio y su desviación estándar

9
𝜇 = ∑ 𝑥𝑖 𝑝𝑖 = 0 ∗ 0.02 + 2 ∗ 0.05 + 3 ∗ 0.12 + 5 ∗ 0.18 + 6 ∗ 0.13 + 8 ∗ 0.16 + 10 ∗ 0.14

𝑖=1
+ 12 ∗ 0.12 + 15 ∗ 0.08 = 7,46
𝜎 = √∑ 𝑝𝑖 (𝑥𝑖 − 𝜇)2 =
𝑖=1
[0,02 ∗ (0 − 7,46)2 + 0.05 ∗ (2 − 7,46, )2 + 0.12 ∗ (3 − 7,46)2 + 0.18 ∗ (5 − 7,46)2

+ 0.13 ∗ (6 − 7,46)2 + 0.16 ∗ (8 − 7,46)2 + 0.14 ∗ (10 − 7,46)2 + 0.12
1
∗ (12 − 7,46)2 + 0.08 ∗ (15 − 7,46)2 ]2
= 3,78
7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la empresa.
La cantidad de usuario que se esperan en la hora de inicio es de 7,46 ≈ 7 personas con una
variación respecto a la media de 3,74.
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
PROBABILIDAD
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.
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 binomial. Identifíquelos
 Supuesto 1: Solo hay dos resultados mutuamente excluyentes, que los ocupantes de la
parte delantera de un vehículo usen (éxito) o no (fracaso) el cinturón de seguridad.
 Supuesto 2: Variable aleatoria es resultado de conteos, la muestra se hizo con 8
vehículos por tanto esta es la cantidad fija de pruebas.
 Supuesto 3: la probabilidad de éxito es la misma de un ensayo a otro, puesto que la
probabilidad de usar el cinturón es la misma para todos los ensayos (78.5%)
 Supuesto 4: Las pruebas son independientes ya el resultado de un vehículo no influye en
los demás.
2. Diagrama de barras de la distribución de probabilidad binomial que representa esta

situación
La fórmula a utilizar es
𝑛
𝑝[𝑋 = 𝑥] = ( ) 𝑃 𝑥 (1 − 𝑃)𝑛−𝑥
𝑥
PROBABILIDAD
Los parámetros de distribución
n P Q= 1-P
8 0,785 0,215
La tabla es la siguiente
Probabilidad
x p[X=x] binomial*
1 p[X=1] 0,000133361
2 p[X=2] 0,00170423
3 p[X=3] 0,012444839
4 p[X=4] 0,056797668
5 p[X=5] 0,165902026
6 p[X=6] 0,302867653
7 p[X=7] 0,315948315
8 p[X=8] 0,144197342
*Calculo efectuado con la formula en Excel (=DISTR.BINOM.N(E3;$A$2;$B$2;0))
3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de los 8

vehículos seleccionados utilicen cinturones de seguridad
La fórmula de probabilidad binomial es

PROBABILIDAD
𝑛
𝑝[𝑋 = 𝑥] = ( ) 𝑃 𝑥 (1 − 𝑃)𝑛−𝑥
𝑥
n=número de ensayos
P= es la probabilidad de éxito en cada ensayo
x=es la variable aleatoria
Entonces:
8
𝑝[𝑋 = 5] = ( ) (0,785)5 (1 − 0,785)8−5
5
8
𝑝[𝑋 = 5] = ( ) (0,785)5 (0,215)3
5
𝑝[𝑋 = 5] = 0,165902026
𝑝[𝑋 = 5] = 16,59%
De acuerdo a lo anterior, la probabilidad de que los ocupantes de la parte delantera en
exactamente 5 de los 8 vehículos seleccionados utilicen cinturones de seguridad es de
16,59%
4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los 8

vehículos utilicen cinturón de seguridad
Para este punto usaré la tabla que relacioné en el punto dos y la cual fue calculada en
Excel con la formula. La tabla es la siguiente
Probabilidad
x p[X=x] binomial*
1 p[X=1] 0,000133361
2 p[X=2] 0,00170423
3 p[X=3] 0,012444839
4 p[X=4] 0,056797668
5 p[X=5] 0,165902026
6 p[X=6] 0,302867653
7 p[X=7] 0,315948315
8 p[X=8] 0,144197342
PROBABILIDAD
𝑃(𝑥 ≥ 5) = 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 7) + 𝑃(𝑋 = 8)

𝑃(𝑥 ≥ 5) = 𝑃(𝑋 = 0,165902026) + 𝑃(𝑋 = 0,302867653) + 𝑃(𝑋 = 0,315948315)
+ 𝑃(𝑋 = 0,144197342)
𝑃(𝑥 ≥ 5) = 0,928915336
𝑃(𝑥 ≥ 5) = 92,89%
De acuerdo a lo anterior, la probabilidad de que los ocupantes de la parte delantera de por

lo menos 5 de los 8 vehículos utilicen cinturón de seguridad es de 92,89%
5. Probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8

vehículos utilicen cinturón de seguridad
Para este punto usaré la tabla que relacioné en el punto dos y la cual fue calculada en
Excel con la formula
La tabla es la siguiente
Probabilidad
x p[X=x] binomial*
1 p[X=1] 0,000133361
2 p[X=2] 0,00170423
3 p[X=3] 0,012444839
4 p[X=4] 0,056797668
5 p[X=5] 0,165902026
6 p[X=6] 0,302867653
7 p[X=7] 0,315948315
8 p[X=8] 0,144197342
𝑃(𝑥 ≤ 5) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5)

PROBABILIDAD
𝑃(𝑥 ≥ 5) = 𝑃(𝑋 = 0,000133361) + 𝑃(𝑋 = 0,00170423) + 𝑃(𝑋 = 0,012444839)
+ 𝑃(𝑋 = 0,056797668) + 𝑃(𝑋 = 0,165902026)
𝑃(𝑥 ≥ 5) = 0,236982125
𝑃(𝑥 ≥ 5) = 23,69%
De acuerdo a lo anterior, la probabilidad de que los ocupantes de la parte delantera de

máximo 5 de los 8 vehículos utilicen cinturón de seguridad es del 23,69%
6. Número de vehículos esperado en los que los ocupantes de la parte delantera

utilizan el cinturón de seguridad.
La fórmula es 𝜀 =𝑛∗𝑃
𝜀 = 𝑣𝑎𝑙𝑜𝑟 𝑑𝑒 𝑣𝑒ℎ𝑖𝑐𝑢𝑙𝑜𝑠 𝑒𝑠𝑝𝑒𝑟𝑎𝑑𝑜 𝑞𝑢𝑒 𝑢𝑠𝑒𝑛 𝑒𝑙 𝑐𝑖𝑛𝑡𝑢𝑟𝑜𝑛 𝑑𝑒 𝑠𝑒𝑔𝑢𝑟𝑖𝑑𝑎𝑑
n=número de ensayos
P= es la probabilidad de éxito en cada ensayo
Entonces;
𝜀 = 8 ∗ 0,785
𝜀 = 6,28
Se espera que entre 6 y 7 vehículos sus ocupantes en la parte delantera utilicen el cinturón
de seguridad.
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.
PROBABILIDAD
El jugador señala en un tarjetón los 6 números que escoge. Los números están representados en
43 balotas amarillas numeradas del 1 a las 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:
 Esta situación cumple con los supuestos de la distribución Hipergeométrica.

Identifíquelos
Antes de calcular las probabilidades, debemos identificar el tipo de variable aleatoria que
interviene en este problema y sus respectivos parámetros.
Teniendo que, sea X el número de aciertos en una nuestra de 5, los cuales se toman de un lote de
43 elementos de los cuales 6 son números acertados. Esto significa que X es una variable
aleatoria
Hipergeométrica con parámetros

N = 43 = Número total de balotas
k = 6 = Números de éxitos
PROBABILIDAD
N-k = 37 = Números no ganadores
n = 5 = Muestra
x= 5, 4 ó 3 = Número de aciertos
y por lo tanto su distribución de probabilidad es

𝑘 𝑁−𝑘
( )( )
ℎ(𝑥, 𝑁, 𝑘, 𝑛) = 𝑥 𝑛 − 𝑥
𝑁
𝑛
Entonces según la información que tenemos
6 37
( )( )
ℎ(𝑥, 43,6,5) = 𝑥 5 − 𝑥
43
5
Podemos concluir que al observar que esta situación planteada si cumple con los supuestos de la
Distribución Hipergeométrica por las siguientes razones:
 Porque este tipo de distribución se caracteriza por ser un tipo de muestreo aleatorio y por
tal razón no permite remplazo.
 Este tipo de distribución espera dos tipos de resultados, en este caso ganadores y no
ganadores.
 Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números del 1

al 43 y la súper balota).
Para el cálculo de esta probabilidad utilizamos la siguiente distribución:

𝑘 𝑁−𝑘
( )( )
ℎ(𝑥, 𝑁, 𝑘, 𝑛) = 𝑥 𝑛 − 𝑥
𝑁
𝑛
teniendo en cuenta los siguientes datos
n = 5 = Muestra
PROBABILIDAD
x= 5, 4 ó 3 = Número de aciertos
 5 números del 1 al 43
𝑘 𝑁−𝑘
( )( )
ℎ(𝑥, 𝑁, 𝑘, 𝑛) = 𝑥 𝑛 − 𝑥
𝑁
𝑛
5 43 5
( )( − )
𝑃(5) = 5 5 5
43
5
5 38
( )( )
𝑃(5) = 5 0
43
5
5! 38!
× 0! 38!
𝑃(5) = 5! 0!
43!
5! 38!
5! 38!
× 0! 38!
𝑃(5) = 5! 0!
43!
5! 38!
1
𝑃(5) = = 0,00000103885
962598
La probabilidad de que salga una bola de las 16 de la súper bola es 1/16, por lo tanto, la
probabilidad de que obtenga el Gran acumulado es 0,625
1 1 1
Entonces tenemos que, 962598 ∗ 16 = 15401558, por lo que la probabilidad de obtener el “Gran
1
acumulado” con los 6 números (5 números del 1 al 43 y la súper balota) es de 15401568
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.
PROBABILIDAD
De acuerdo al resultado obtenido en la pregunta pasada se observa que efectivamente la

probabilidad de pegarle al gordo es de 1 en 15401568, es decir, de aproximadamente 1 en 15
millones por lo que la empresa encargada del sorteo está en lo correcto, además al 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.
 5 aciertos del a 1 al 43 y 1 acierto del 1 al 16

n = 5 = Muestra
x= 5 = Número de aciertos
𝑘 𝑁−𝑘
( )( )
ℎ(𝑥, 𝑁, 𝑘, 𝑛) = 𝑥 𝑛 − 𝑥
𝑁
𝑛
PROBABILIDAD
5 43 5
( )( − )
𝑃(5) = 5 5 5
43
5
5 38
( )( )
𝑃(5) = 5 0
43
5
5! 38!
× 0! 38!
𝑃(5) = 5! 0!
43!
5! 38!
1
𝑃(5) = = 0,00000103885
962598
La probabilidad de que salga una bola de las 16 de la súper bola es 1/16, que es igual a 0,0625.
Entonces tenemos que
1 1 1
∗ =
962598 16 15401558
Entonces la probabilidad de obtener 5 aciertos del a 1 al 43 y 1 acierto del 1 al 16 es de

1
15401568

n = 5 = Muestra
𝑘 𝑁−𝑘
( )( )
ℎ(𝑥, 𝑁, 𝑘, 𝑛) = 𝑥 𝑛 − 𝑥
𝑁
𝑛
PROBABILIDAD
5 43 5
( )( − )
𝑃(4) = 4 5 4
43
5
5 38
( )( )
𝑃(4) = 4 1
43
5
5! 38!
× 1! 37!
𝑃(4) = 4! 1!
43!
5! 38!
5 ∗ 38
𝑃(4) = = 0,0001973825
6,8512015𝑒 −46
Entonces tenemos que 0,0001973825 ∗ 0,0625 = 0,0000123363, por lo que la probabilidad

de obtener 4 aciertos del a 1 al 43 y 1 acierto del 1 al 16 es de 0,0000123363

n = 3 = Muestra
𝑘 𝑁−𝑘
( )( )
ℎ(𝑥, 𝑁, 𝑘, 𝑛) = 𝑥 𝑛 − 𝑥
𝑁
𝑛
PROBABILIDAD
5 43 5
( )( − )
𝑃(3) = 3 5 3
43
5
5 38
( )( )
𝑃(3) = 3 2
43
5
5! 38!
× 2! 36!
𝑃(3) = 3! 2!
43!
5! 38!
10 ∗ 703
𝑃(3) =
6,8512015𝑒 −46
7030
𝑃(3) = = 0,00730315251
6,8512015𝑒 −46
La probabilidad de que salga una bola de las 16 de la super bola es 1/16, que es igual a 0,0625.


n = 2 = Muestra
𝑘 𝑁−𝑘
( )( )
ℎ(𝑥, 𝑁, 𝑘, 𝑛) = 𝑥 𝑛 − 𝑥
𝑁
𝑛
PROBABILIDAD
5 43 5
( )( − )
𝑃(2) = 2 5 2
43
5
5 38
( )( )
𝑃(2) = 2 3
43
5
5! 38!
×
𝑃(2) = 2! 3! 3! 35!
43!
5! 38!
10 ∗ 0,16666666666
𝑃(2) =
6,8512015𝑒 −46
1,66666666667
𝑃(2) = = 1,2579603𝑒 −49
6,8512015𝑒 −46
Entonces tenemos que 1,2579603𝑒 −49 ∗ 0,0625 = 7,8622516𝑒 −50 , por lo que la probabilidad
de obtener 2 aciertos del a 1 al 43 y 1 acierto del 1 al 16 es de 7,8622516𝑒 −50

n = 1 = Muestra
𝑘 𝑁−𝑘
( )( )
ℎ(𝑥, 𝑁, 𝑘, 𝑛) = 𝑥 𝑛 − 𝑥
𝑁
𝑛
PROBABILIDAD
5 43 5
( )( − )
𝑃(1) = 1 5 1
43
5
5 38
( )( )
𝑃(1) = 1 4
43
5
5! 38!
× 4! 34!
𝑃(1) = 1! 4!
43!
5! 38!
5 ∗ 73815
𝑃(1) =
6,8512015𝑒 −46
369075
𝑃(1) = = 0,38341550678
6,8512015𝑒 −46

5. Presente la probabilidad de obtener los premios que no incluyen acertar la súper

balota.
5 aciertos del 1 al 43
5 43 5
( )( − )
𝑃(5) = 5 5 5
43
5
PROBABILIDAD
5 38
( )( )
𝑃(5) = 5 0
43
5
5! 38!
× 0! 38!
𝑃(5) = 5! 0!
43!
5! 38!
1
𝑃(5) = = 0,00000103885
962598
4 números del 1 al 43
5 43 5
( )( − )
𝑃(4) = 4 5 4
43
5
5 38
( )( )
𝑃(4) = 4 1
43
5
5! 38!
× 1! 37!
𝑃(4) = 4! 1!
43!
5! 38!
5 ∗ 38
𝑃(4) = = 0,0001973825
6,8512015𝑒 −46
5 43 5
( )( − )
𝑃(3) = 3 5 3
43
5
5 38
( )( )
𝑃(3) = 3 2
43
5
PROBABILIDAD
5! 38!
× 2! 36!
𝑃(3) = 3! 2!
43!
5! 38!
10 ∗ 703
𝑃(3) =
6,8512015𝑒 −46
7030
𝑃(3) = = 0,00730315251
6,8512015𝑒 −46
5 43 5
( )( − )
𝑃(2) = 2 5 2
43
5
5 38
( )( )
𝑃(2) = 2 3
43
5
5! 38!
×
𝑃(2) = 2! 3! 3! 35!
43!
5! 38!
10 ∗ 0,16666666666
𝑃(2) =
6,8512015𝑒 −46
1,66666666667
𝑃(2) = = 1,2579603𝑒 −49
6,8512015𝑒 −46
5 43 5
( )( − )
𝑃(1) = 1 5 1
43
5
PROBABILIDAD
5 38
( )( )
𝑃(1) = 1 4
43
5
5! 38!
× 4! 34!
𝑃(1) = 1! 4!
43!
5! 38!
5 ∗ 73815
𝑃(1) =
6,8512015𝑒 −46
369075
𝑃(1) = = 0,38341550678
6,8512015𝑒 −46
6. Con base en los resultados obtenidos, ¿usted invertiría dinero en el BALOTO?
Con base a los resultados obtenidos en los puntos desarrollados anteriormente yo no invertiría en
el baloto porque la probabilidad de ganar un premio es demasiado base, incluso la probabilidad
de ganarse el menor premio es del 3% por lo que es poco probable que esto suceda.
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
PROBABILIDAD
de clientes que esperan mesa en un restaurante, el 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

2. Probabilidad de que un niño sufra tres lesiones durante el año
3. Probabilidad de que un niño sufra más de tres lesiones durante el año
4. Probabilidad de que un niño sufra una lesión en los siguientes tres meses del año
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.
6. Realmente, pueden estar tranquilos los padres? Sustente su opinión en los resultados obtenidos
1. Esta situación cumple con los supuestos de la distribución Poisson. Identifíquelos
Sí los cumple, ya que los requisitos son:
1. Que la probabilidad sea proporcional a la longitud del intervalo.

2. Que los sucesos de estudio deben ser independientes.
PROBABILIDAD
2. Probabilidad de que un niño sufra tres lesiones durante el año
La ecuación que se necesita para resolver este ejercicio es la siguiente:
𝜆𝑘 ∗ 𝑒 −𝑘
𝑃(𝑋 = 𝑘) =
𝑘!
X: Número de lesiones que puede sufrir un niño en un año
λ= 2 lesiones/año
k = 3 lesiones
λ: Número medio de veces que ocurre un suceso en el intervalo de tiempo establecido.
e= 2,71828 (Es una constante)
𝜆𝑘 ∗ 𝑒 −𝑘
𝑃(𝑋 = 𝑘) =
𝑘!
(23 ∗ 2,71828−2 )
𝑃 (𝑋 = 3) = = 0,1804 = 18,04%
3!
(23 ∗ 2,71828−2 )
𝑃 (𝑋 = 3) = = 0,1804 = 18,04%
3∗2∗1
La probabilidad de que un niño sufra 3 lesiones al año es de 18.04%
3. Probabilidad de que un niño sufra más de tres lesiones durante el año
𝑃 ( 𝑋 > 3) = 1 − 𝑃(𝑋 ≤ 3)
1 − 〔𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3)〕
(20 ∗ 2,71828−2 )
𝑃 (𝑋 = 0) = = 0.1353 = 13,53%
0!
PROBABILIDAD
(21 ∗ 2,71828−2 )
𝑃 (𝑋 = 1) = = 0.2706 = 27.06%
1!
(22 ∗ 2,71828−2 )
𝑃 (𝑋 = 2) = = 0.2706 = 27.06%
2!
(23 ∗ 2,71828−2 )
𝑃 (𝑋 = 3) = = 0.1804 = 18,04%
3!
1 − (0.1353 + 0.2706 + 0.2706 + 0.1804)
1 − 0.8569
𝑃(𝑋 > 3) = 0.1431 = 14.31%
La probabilidad de que un niño sufra más de 3 lesiones en un año es del 14,31%
4. Probabilidad de que un niño sufra una lesión en los siguientes tres meses del año
Cambiar el intervalo me obliga a cambiar de variable.
Y: Número de lesiones que puede sufrir un niño en 3 meses.
La media se puede hallar con una regla de 3 simple.
12 𝑚𝑒𝑠𝑒𝑠 → 2 𝑙𝑒𝑠𝑖𝑜𝑛𝑒𝑠
3 𝑚𝑒𝑠𝑒𝑠 → 𝑥
6
= 0.5
12
λ= 0.5 lesiones/3 meses
k=1
0.51 ∗ 2,71828−0.5
𝑃( 𝑋 = 1) = = 0.3032 = 3.03%
1!
La probabilidad de que un niño sufra una lesión en los siguientes 3 meses del año es del 3,03%
PROBABILIDAD
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.
E=Valor esperado.
Var= Varianza
𝐸(𝑋)
𝑉𝑎𝑟(𝑋) = 2
Por las características de la distribución de Poisson, el valor esperado y la varianza son ambos
λ, por tanto:
σ=Desviación estándar.
σ= √2
Los valores que toma una variable con valor medio a y desviación σ se puede esperar que estén
entre a-3σ y a+3σ
Los valores caerán entre:
2 − 3𝜎
2 − 3(√2)
2 − 3(1.4142) = −2.2426
2 + 3(1.4142) = 6.2426
Es decir que se puede esperar que haya entre 0 y 6 lesiones por año. (Ya que no se pueden poner
valores negativos, el intervalo comienza en 0).
6. Realmente, ¿pueden estar tranquilos los padres? Sustente su opinión en los resultados
obtenidos
PROBABILIDAD
Pueden estar tranquilos, a pesar de que las probabilidades sean relativamente altas en algunos
casos, siguen siendo menos del 30%, y en el lapso de 3 meses, son del 3%, y eso es relativamente
poco, por tal razón, se puede considerar que los niños están seguros.
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.
2. Porcentaje de personas podrían tener un C.I. superior a 95.
3. Probabilidad de que una persona tenga 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).
5. Puntuación de C.I. que es superada solo por el 10% de los sujetos.
6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos
DATOS EJERCICIO
PROBABILIDAD
𝜇: 𝑚𝑒𝑑𝑖𝑎
𝜇: 100
𝜎: 𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝑆𝑡𝑎𝑛𝑑𝑎𝑟
𝜎: 15
X=95
Tipificación variable aleatoria
X ≈ N (100, 15) ⇒ Z ≈ N (0,1)
1. Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.
Porcentaje X≤95
𝑋−µ
Fórmula para aplicar distribución normal: 𝑧: 𝜎
95 − 100
𝑃(𝑥 ≤ 95) = 𝑃 (𝑍 ≤ ) = 𝑃(𝑍 ≤ −0,33) ≅ 0,3707 ⤍∴ P ≅ 37,07%
15
2. Porcentaje de personas podrían tener un C.I. superior a 95.
Porcentaje X>95
95 − 100
𝑃(𝑥 > 95) = 1 − 𝑃(𝑥 < 95) = 1 − 𝑃 (𝑍 > ) = 1 − 𝑃(𝑍 < −0,33) =
15
1 − 0,3707 = 0,6293 ⤍∴ P ≅ 62,93%
3. Probabilidad de que una persona tenga un C.I. entre 85 y 90
85 − 100
𝑃(𝑥 ≥ 85) = 1 − 𝑃(𝑥 ≤ 85) = 𝑍1 ( ) = −1 ⤍ P = 1 − 0,1587 = 0,8413 ⤍∴ P ≅ 84,13%
15
De acuerdo con la tabla la primer Z es 0,1587

PROBABILIDAD
90 − 100
𝑃(𝑥 ≤ 90) ⤍ 𝑃 = 1 − (𝑥 ≤ 95) ⤍ 𝑍2 = ( ) = −0,67 ⤍ P = 1 − 0,2514 = 0,7475
15
⤍∴ P ≅ 74,75%
De acuerdo con la tabla la segunda Z es 0,2514
Calculo probabilidad 85≥X≤90:
P(85≤x≤90) =P_1-P_2=0,8413-0,7475=0,0938→∴P(85≤x≤90) ≈9,38%
La probabilidad de que una persona tenga un C.I. entre 85 y 90 es del 9,38%
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−µ
𝑧:
𝜎
𝑧𝜎 = 𝑥 − µ
𝑥 = µ + 𝑧𝜎
𝑥 = 100 + (−0,525) ∗ 15
𝐶𝐼 = 92,125
5. Puntuación de C.I. que es superada solo por el 10% de los sujetos.
𝑋−µ
𝑧:
𝜎
𝑥 = 100 + (−1,285) ∗ 15
𝐶𝐼 = 80,72
PROBABILIDAD
6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos.
𝑋−µ
𝑧:
𝜎
𝑥 = 100 − 0,675 ∗ 15
𝐶𝐼 = 89,875
𝑋−µ
𝑧:
𝜎
𝑥 = 100 − 0,675 ∗ 15
𝐶𝐼 = 89,875
𝑋−µ
𝑧:
𝜎
𝑥 = 100 + 0,675 ∗ 15
𝐶𝐼 = 110,125
PROBABILIDAD
Bibliografía
Blanco, E. (24 de octubre de 2018). Aplicacion de la Distribucion Binomial. Obtenido de

youtube: https://www.youtube.com/watch?time_continue=1220&v=3MktJVyN2tc
Blanco, E. (26 de octubre de 2018). Ejemplo aplicación de la distribución Normal. Obtenido de

youtube: https://www.youtube.com/watch?v=kEG-wCV2erM
Blanco, E. (25 de octubre de 2018). Ejemplo aplicación de la distribución Poisson. Obtenido de

youtube: https://www.youtube.com/watch?v=PxeKl0yHREA
Blanco, E. (23 de octubre de 2018). Ejemplo variables aleatorias, Valor Esperado y Varianza.
Obtenido de youtube: https://www.youtube.com/watch?v=A12_8TYeHK0
Minitab Inc. (2017). Distribución de Poisson. Obtenido de support.minitab.com:

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-
and-random-data/supporting-topics/distributions/poisson-distribution/
Minitab Inc. (2017). support.minitab.com. Obtenido de Distribución hipergeométrica:

https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-
and-random-data/supporting-topics/distributions/hypergeometric-distribution/
Querelle y Cia Ltda. (2015). Distribución binomial de probabilidades. Obtenido de

profesorenlinea.cl:
http://www.profesorenlinea.cl/matematica/Distribucion_binomial.html
Sánchez, J. (2018). Distribución binomial. Recuperado de http://hdl.handle.net/10596/17785

Paso 3 Probabilidad

Hochgeladen von

Dokumentinformationen

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Paso 3 Probabilidad

Hochgeladen von

Copyright:

Verfügbare Formate

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

Vicerrectoría Académica y de Investigación - VIACI

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Una empresa nueva de buses del Sistema Integrado

servicio a primera hora de la mañana (5:00 a.m.).

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

3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho usuarios

𝑃(𝑋 = 8) = 𝑃(𝑋 ≤ 8) − 𝑃(𝑋 < 8) = 0,66 − 0,5 = 0,16

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

𝜇 = ∑ 𝑥𝑖 𝑝𝑖 = 0 ∗ 0.02 + 2 ∗ 0.05 + 3 ∗ 0.12 + 5 ∗ 0.18 + 6 ∗ 0.13 + 8 ∗ 0.16 + 10 ∗ 0.14

+ 12 ∗ 0.12 + 15 ∗ 0.08 = 7,46

[0,02 ∗ (0 − 7,46)2 + 0.05 ∗ (2 − 7,46, )2 + 0.12 ∗ (3 − 7,46)2 + 0.18 ∗ (5 − 7,46)2

Un estudio del Departamento de Transporte de Illinois concluyó

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

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

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

La fórmula de probabilidad binomial es

4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los 8

𝑃(𝑥 ≥ 5) = 𝑃(𝑋 = 5) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 7) + 𝑃(𝑋 = 8)

De acuerdo a lo anterior, la probabilidad de que los ocupantes de la parte delantera de por

5. Probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8

𝑃(𝑥 ≤ 5) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5)

De acuerdo a lo anterior, la probabilidad de que los ocupantes de la parte delantera de

6. Número de vehículos esperado en los que los ocupantes de la parte delantera

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

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

Hipergeométrica con parámetros

y por lo tanto su distribución de probabilidad es

 Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números del 1

Para el cálculo de esta probabilidad utilizamos la siguiente distribución:

3. La empresa encargada del sorteo informa que, Hasta el sorteo anterior, la

De acuerdo al resultado obtenido en la pregunta pasada se observa que efectivamente la

 5 aciertos del a 1 al 43 y 1 acierto del 1 al 16

N = 43 = Número total de balotas

Entonces la probabilidad de obtener 5 aciertos del a 1 al 43 y 1 acierto del 1 al 16 es de

 4 aciertos del a 1 al 43 y 1 acierto del 1 al 16

N = 43 = Número total de balotas

Entonces tenemos que 0,0001973825 ∗ 0,0625 = 0,0000123363, por lo que la probabilidad

 3 aciertos del a 1 al 43 y 1 acierto del 1 al 16

N = 43 = Número total de balotas

Entonces tenemos que 0,00730315251 ∗ 0,0625 = 0,00456447031, por lo que la probabilidad

 2 aciertos del a 1 al 43 y 1 acierto del 1 al 16

 1 aciertos del a 1 al 43 y 1 acierto del 1 al 16

N = 43 = Número total de balotas

Entonces tenemos que 0,38341550678 ∗ 0,0625 = 0,02396346917, por lo que la probabilidad

5. Presente la probabilidad de obtener los premios que no incluyen acertar la súper

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

Los padres preocupados porque sus hijos son

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

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

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

Sí los cumple, ya que los requisitos son:

1. Que la probabilidad sea proporcional a la longitud del intervalo.

La ecuación que se necesita para resolver este ejercicio es la siguiente:

X: Número de lesiones que puede sufrir un niño en un año

λ: Número medio de veces que ocurre un suceso en el intervalo de tiempo establecido.

e= 2,71828 (Es una constante)

La probabilidad de que un niño sufra 3 lesiones al año es de 18.04%

3. Probabilidad de que un niño sufra más de tres lesiones durante el año

1 − 〔𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3)〕

1 − (0.1353 + 0.2706 + 0.2706 + 0.1804)

La probabilidad de que un niño sufra más de 3 lesiones en un año es del 14,31%

Cambiar el intervalo me obliga a cambiar de variable.