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

Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118

Unidad 2: Tarea 2
Experimentos aleatorios y distribuciones
de probabilidad

Presentado por

ANYI CAROLINA ARAGON SANCHEZ – Código: 1.016.091.061

NANCY LILIANA GOMEZ – Código: 1.098.233.429
SILVIA JULIETH ORTIZ MOTTA – Código: 1.096.214.610
LIZZETH LORENA REY – Código: 1.096.215.910
LEONARDO ENRIQUE SALDANA – Código: 1.069.730.884

Grupo: 100402_118

Tutora

AZUCENA GIL

Universidad Nacional Abierta y a Distancia “UNAD”

Abril– 2019
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118

Introducción

mínimo 2 párrafos de 10 líneas de texto cada uno

En el siguiente trabajo se encontrara una serie de casos de estudio en donde se utilizan los
conceptos propios de la probabilidad condicionalidad y las diferentes distribuciones de
probabilidad.
El concepto de probabilidad nace con el deseo del hombre de conocer con certeza los eventos
futuros. Es por ello que el estudio de probabilidades surge como una herramienta utilizada por
los nobles para ganar en los juegos y pasatiempos de la época. El desarrollo de estas
herramientas fue asignado a los matemáticos de la corte.

Con el tiempo estas técnicas matemáticas se perfeccionaron y encontraron otros usos muy
diferentes para la que fueron creadas. Actualmente se continúo con el estudio de nuevas
metodologías que permitan maximizar el uso de la computación en el estudio de las
probabilidades disminuyendo, de este modo, los márgenes de error en los cálculos.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118

Objetivos

General

Dar solución a los estudios de casos establecidos, aplicando los conceptos básicos de la

Unidad 2: Experimentos aleatorios y distribuciones de probabilidad, brindando formulas y

pasos que faciliten el aprendizaje de manera práctica.

Específicos

 Utilizar conceptos para la solución de casos.

 Entender las diferencias entre variables aleatorias, discretas y continuas

 Desarrollar diferentes tipos de mapas conceptuales.

.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118

Desarrollo del ejercicio 2

Solución al estudio de caso 1

RESPONSABLE ROL SELECCIONADO
Silvia Julieth Ortiz Motta Entregas

Estudio de caso 1:

Distribución Hipergeométrica: Una compañía tiene siete solicitantes para dos puestos de trabajo:
tres mujeres y cuatro hombres. Suponga que los siete solicitantes están igualmente calificados y
que no se da preferencia para elegir género alguno. Sea x igual al número de mujeres escogido
para ocupar las dos posiciones.
a. Escriba la fórmula para p(x), la distribución de probabilidad de x.
b. ¿Cuáles son la media y la varianza de esta distribución?
c. Construya un histograma de probabilidad para x.

Distribución Hipergeométrica

N= Número total de la población= 7 solicitantes

M= Número de éxitos de la población= 3 puestos de trabajo
n= Número de la muestra=2

1 Tomado y adaptado Mendenhall Beaver Beaver, Introducción a la probabilidad y estadística. 14ª edición 2015
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118
N-M= Número de fracasos
x= número de mujeres escogido para ocupar las dos posiciones= 0, 1, 2

a. Escriba la fórmula para p(x), la distribución de probabilidad de x.

𝑪𝟑𝒌 𝑪𝟕−𝒌
𝟐−𝒙
𝑷(𝒙 = 𝒌) =
𝑪𝟕𝟐

b. ¿Cuáles son la media y la varianza de esta distribución?

Media
𝑀
𝜇 = 𝑛( )
𝑁
3
𝜇 = 2( )
7
𝜇 = 2 ∗ 0,4285
𝜇 = 𝟎, 𝟖𝟓𝟕𝟏

Varianza

𝑀 𝑁−𝑀 𝑁−𝑛
𝜎2 = 𝑛 ( ) ( )( )
𝑁 𝑁 𝑁−1
3 4 7−2
𝜎2 = 2 ( ) ( ) ( )
7 7 6
𝝈𝟐 = 𝟎, 𝟒𝟎𝟖𝟏

d. Construya un histograma de probabilidad para x.

𝐶03 𝐶2−0
7−3
𝑃(0) = = 𝟎, 𝟐𝟖𝟓𝟕
𝐶27
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118
𝐶13 𝐶2−1
7−3
𝑃(1) = = 𝟎, 𝟓𝟕𝟏𝟒
𝐶27
𝐶23 𝐶2−2
7−3
𝑃(2) = = 𝟎, 𝟏𝟒𝟐𝟖
𝐶27

Histograma de probabilidad para x

P(x=1), 0.5714
0.6
0.5
0.4 P(x=0), 0.2857
0.3
P(x=2), 0.1428
0.2
0.1 Series1
0
P(x=0) P(x=1) P(x=2)

Solución al estudio de 2
RESPONSABLE ROL SELECCIONADO

Estudio de caso 22:

Distribución Binomial: La preferencia por el color de un auto cambia con los años y de acuerdo
con el modelo particular que seleccione el cliente. En año reciente, suponga que 10% de todos
los autos de lujo que se vendieron eran negros. Si 25 autos de ese año y tipo se seleccionan al
azar, encuentre las siguientes probabilidades:

2
Tomado y adaptado de Lind, Marchall. Estadística Aplicada a los Negocios y la Economía. Ed. Mc Graw Hill
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118

𝒑 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑜𝑐𝑢𝑟𝑟𝑎 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 = 10% = 0,1%

𝒒 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑛𝑜 𝑜𝑐𝑢𝑟𝑟𝑎 𝑒𝑙 𝑒𝑣𝑒𝑛𝑡𝑜 = 90% = 0,9%

𝒏 = 𝑛ú𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑥𝑝𝑒𝑟𝑖𝑚𝑒𝑛𝑡𝑜𝑠 = 25

Fórmula
𝒏
𝑷(𝒙) = ( ) 𝑷𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙

a. Al menos cinco autos sean negros.

25
𝑃(4) = ( ) 0,14 (1 − 0,1)25−4 = 0,1384
4
25
𝑃(3) = ( ) 0,13 (1 − 0,1)25−3 = 0,2263
3
25
𝑃(2) = ( ) 0,12 (1 − 0,1)25−2 = 0,2658
2
25
𝑃(1) = ( ) 0,11 (1 − 0,1)25−1 = 0,1994
1
25
𝑃(0) = ( ) 0,10 (1 − 0,1)25−0 = 0,07178
0

𝑃(𝑥 ≤ 5) = 1 − 0,07178 + 0,1994 + 0,2658 + 0,2263 + 0,1384

𝑃(𝑥 ≤ 5) = 1 − 0,90168
𝑃(𝑥 ≤ 5) = 0,09832
𝑃(𝑥 ≤ 5) = 98,32%

b. A lo sumo seis autos son negros.

25
𝑃(6) = ( ) 0,16 (1 − 0,1)25−6 = 0,02392
6
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118
25
𝑃(5) = ( ) 0,15 (1 − 0,1)25−5 = 0,0645
5
25
𝑃(4) = ( ) 0,14 (1 − 0,1)25−4 = 0,1384
4
25
𝑃(3) = ( ) 0,13 (1 − 0,1)25−3 = 0,2263
3
25
𝑃(2) = ( ) 0,12 (1 − 0,1)25−2 = 0,2658
2
25
𝑃(1) = ( ) 0,11 (1 − 0,1)25−1 = 0,1994
1
25
𝑃(0) = ( ) 0,10 (1 − 0,1)25−0 = 0,07178
0

𝑃(𝑥 ≤ 6) = P(o) + P(1) + P(2) + P(3) + P(4) + P(5) + P(6)

𝑃(𝑥 ≤ 6) = 0,9901
𝑃(𝑥 ≤ 6) = 99,01%

c. Más de cuatro autos son negros.

25
𝑃(4) = ( ) 0,14 (1 − 0,1)25−4 = 0,1384
4
25
𝑃(3) = ( ) 0,13 (1 − 0,1)25−3 = 0,2263
3
25
𝑃(2) = ( ) 0,12 (1 − 0,1)25−2 = 0,2658
2
25
𝑃(1) = ( ) 0,11 (1 − 0,1)25−1 = 0,1994
1
25
𝑃(0) = ( ) 0,10 (1 − 0,1)25−0 = 0,07178
0

𝑃(𝑥 > 4) = 1 − 𝑃(𝑥 ≤ 4) = 1 − 0,9017 = 0,0983

d. Exactamente cuatro autos son negros.

25
𝑃(4) = ( ) 0,14 (1 − 0,1)25−4 = 0,1384
4
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118

e. Entre tres y cinco autos (inclusive) son negros.

25
𝑃(5) = ( ) 0,15 (1 − 0,1)25−5 = 0,0645
5
25
𝑃(4) = ( ) 0,14 (1 − 0,1)25−4 = 0,1384
4
25
𝑃(3) = ( ) 0,13 (1 − 0,1)25−3 = 0,226
3

𝑃(3 ≤ 𝑥 ≤ 5) = 0,226 + 0,138 + 0,064 = 𝟎, 𝟒𝟐𝟖

f. Más de veinte autos no son negros.

25
𝑃(21) = ( ) 0,121 (1 − 0,1)25−21 = 8,29𝑋10−18
21
25
𝑃(22) = ( ) 0,122 (1 − 0,1)25−22 = 1,676𝑋10−19
22
25
𝑃(23) = ( ) 0,123 (1 − 0,1)25−23 = 2,43𝑥10−21
23
25
𝑃(24) = ( ) 0,124 (1 − 0,1)25−24 = 2,25𝑥10−23
24
25
𝑃(25) = ( ) 0,125 (1 − 0,1)25−25 = 1𝑥10−25
25

𝑃(𝑥 > 20) = 8,29𝑋10−18 + 1,676𝑋10−19 + 2,43𝑥10−21 + 2,25𝑥10−23 + 1𝑥10−25

= 𝟖, 𝟒𝟔𝒙𝟏𝟎−𝟏𝟖

Solución al estudio de caso 3:

RESPONSABLE ROL SELECCIONADO
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118
Estudio de caso 33:

La distribución de probabilidad de Poisson

Un conmutador puede manejar un máximo de 5 llamadas por minuto. Si la experiencia indica que
se recibe un promedio de 3 llamadas por minuto.

Utilice la distribución Poisson para encontrar las probabilidades de que el número de llamadas
recibidas por el conmutador en 1 minuto sea:

Solución al estudio de caso 4

RESPONSABLE ROL SELECCIONADO

Estudio de caso 44:

Distribución Normal: Supóngase que se sabe que los pesos de cierto grupo de personas están
distribuidos aproximadamente de forma normal con media 𝜇=70 𝑘𝑔 y desviación estándar
𝜎=12,5 𝑘𝑔. Use sus conocimientos sobre la distribución normal para responder:
a. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese
más de 80 kg?

3
Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
4
Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118
Distribución Normal
Completar los datos en amarillo

Media, m 70 Generación de Dist

Desviación estándar, s 12,5 NORMINV(rand(),m
𝑿−𝝁 67,958429
𝒁= Límites del gráfico
x
𝝈 zmin
zmax
-4
4
z

Probabilidad Acum
xmin
xmax
80 − 70 
( x )2
𝑧= = 0,8 f ( x) 
1
e 2 2 Pr(x<xmin)
12,5 2 2 Pr(x>xmax)
Pr(xmin<x<xmax)
1

Ubicamos 0,8 en la tabla de distribución z

-4
x
20
f (x )
1,071E-05
F(x)
3,167E-05
-3,8 22,5 2,336E-05 7,235E-05
normal -3,6
-3,4
25
27,5
4,895E-05
9,858E-05
0,0001591
0,0003369
-3,2 30 0,0001907 0,0006871 Gráfico de Probabi

𝑷(𝒙 ≤ 𝟖𝟎𝒌𝒈) = 𝟎, 𝟕𝟖𝟖𝟏𝟒𝟒𝟔 -3

-2,8
32,5
35
0,0003545
0,0006332
0,0013499
0,0025551 0,035 z
-2,6 37,5 0,0010866 0,0046612 x
-2,4 40 0,0017916 0,0081975 0,03F(x)
-2,2 42,5 0,002838 0,0139034

Probability Density
0,025
-2 45 0,0043193 0,0227501
-1,8 47,5 0,006316 0,0359303 0,02
-1,6 50 0,0088737 0,0547993
-1,4 52,5 0,0119782 0,0807567 0,015
-1,2 55 0,0155349 0,1150697
0,01
-1 57,5 0,0193577 0,1586553
-0,8 60 0,0231753 0,2118554 0,005
-0,6 62,5 0,026658 0,2742531
-0,4 65 0,0294616 0,3445783 0
0
-0,2 67,5 0,0312834 0,4207403
1,27676E-15 70 0,0319154 0,5
0,2 72,5 0,0312834 0,5792597
0,4 75 0,0294616 0,6554217
0,6 77,5 0,026658 0,7257469
0,8 80 0,0231753 0,7881446
1 82,5 0,0193577 0,8413447 0,035

0,03

Densidad de probabilidad
1,2 85 0,0155349 0,8849303
0,025
1,4 87,5 0,0119782 0,9192433
1,6 90 0,0088737 0,9452007 0,02
1,8 92,5 0,006316 0,9640697
2 95 0,0043193 0,9772499 0,015
2,2 97,5 0,002838 0,9860966
0,01
2,4 100 0,0017916 0,9918025
2,6 102,5 0,0010866 0,9953388 0,005
2,8 105 0,0006332 0,9974449
3 107,5 0,0003545 0,9986501 0
20 30
3,2 110 0,0001907 0,9993129
b. Cuál es la probabilidad de que una persona elegida al azar de este grupo pese entre 50
3,4
3,6
112,5
115
9,858E-05
4,895E-05
0,9996631
0,9998409
3,8 117,5 2,336E-05 0,9999277

kg y 85 kg? 4 120 1,071E-05 0,9999683

50−70 85−70
𝑍= = −1,6 𝑍= = 1,2
12,5 12,5

 Ubicamos -1,6

𝑷(𝒙 ≤ 𝟓𝟎𝒌𝒈) = 𝟎, 𝟎𝟓𝟒𝟕𝟗𝟗𝟑

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118
 Ubicamos 1,2
𝑷(𝒙 ≤ 𝟖𝟓𝒌𝒈) = 𝟎, 𝟖𝟖𝟒𝟗𝟑
𝑷(𝟓𝟎 ≤ 𝟖𝟓) = 𝑷(𝟓𝟎 ≤ 𝒙) − (𝟏 − 𝒑(𝟖𝟓 ≤ 𝑥))
𝑷(𝟓𝟎 ≤ x𝟖𝟓) = 𝟎, 𝟎𝟔
Completar los datos en amarillo

Media, m 50 Generación de Distribución normal

Desviación estándar, s 12,5 NORMINV(rand(),mean,standard_dev)
31,83422
Límites del gráfico
zmin -4 x Probabilidad Acumulada
z
zmax 4  xmin 8 0,0 35
0,0 3
xmax 11 0,0 25

( x )2
0,0 2


0,0 15

1
f ( x) 
0,0 1

2 2 Pr(x<xmin) 0,04%
e Pr(x>xmax) 99,91%
0,0 05
0

2 2
0 20 40 60 80 100 120

Pr(xmin<x<xmax) 0,05%
0,035

0,03

0,025

z x f (x ) F(x) 0,02

0,015

-4 0 1,071E-05 3,167E-05 0,01

0,005

-3,8 2,5 2,336E-05 7,235E-05 0

0 20 40 60 80 100 120
-3,6 5 4,895E-05 0,0001591
-3,4 7,5 9,858E-05 0,0003369
-3,2 10 0,0001907 0,0006871 Gráfico de Probabilidad acumulada
-3 12,5 0,0003545 0,0013499
-2,8 15 0,0006332 0,0025551 0,035 z -0,88 39 1,1
-2,6 17,5 0,0010866 0,0046612 x 39 1
-2,4 20 0,0017916 0,0081975 0,03F(x) 18,94% 0,9

Probabilidad Acumulada
-2,2 22,5 0,002838 0,0139034
Probability Density

0,025 0,8
-2 25 0,0043193 0,0227501
0,7
-1,8 27,5 0,006316 0,0359303 0,02 0,6
-1,6 30 0,0088737 0,0547993
0,015 0,5
-1,4 32,5 0,0119782 0,0807567
0,4
-1,2 35 0,0155349 0,1150697
0,01 0,3
-1 37,5 0,0193577 0,1586553
0,2
-0,8 40 0,0231753 0,2118554 0,005 18,94%
-0,6 42,5 0,026658 0,2742531 0,1
-0,4 45 0,0294616 0,3445783 0 0
0 20 40 60 80 100 120
-0,2 47,5 0,0312834 0,4207403
1,27676E-15 50 0,0319154 0,5
0,2 52,5 0,0312834 0,5792597
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118

c. ¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?
1 − 0,93 = 0,07
𝑧 = −1,48)

𝟕𝟎
−𝟏, 𝟒𝟖 = 𝒙 −
𝟏𝟐, 𝟓
−𝟏𝟖, 𝟓 + 𝟕𝟎 =
𝒙 = 𝟓𝟏, 𝟓𝟎 𝒌𝒈
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402_118
 |

Desarrollo del ejercicio 3

Mentefacto

PROBABILIDAD

Distribución de probabilidad binomial: Es una Distribución de probabilidad Distribución de probabilidad

distribución de probabilidad de una gran cantidad
de variables aleatorias discretas cuyos resultados
experimentales son generados mediante un
proceso conocido como de Bernouili. Se ocupa de
experimentos en donde su resultado sólo puede
tomar un solo valor de dos posibles, por lo que
estos resultados son mutuamente excluyentes
hipergeométrica: Determina la
probabilidad de tener un determinado
número de éxitos en una muestra que
se obtuvo de una población con un
determinado número de éxitos.
Distribución de probabilidad de Poisson: Es una distribución uniforme: Es la distribución
de probabilidad que se aplica para variables aleatorias continua de probabilidad en la cual
discretas, ya que mide la frecuencia relativa de un evento en todos los valores que toma la
función a una unidad de tiempo, a una de espacio, o bien, a una variable en el intervalo o rango que
de volumen
la define tienen el mismo valor de
probabilidad.

Distribución normal Z: El valor Z es un estadístico

Distribución de probabilidad exponencial:
mide el paso del tiempo entre un suceso y otro,
de ahí que esta última distribución sea una
distribución de probabilidad continua.
La distribución normal: es una distribución con
forma de campana donde las desviaciones estándar
sucesivas con respecto a la media establecen
valores de referencia para estimar el porcentaje de
observaciones de los dato.
de prueba para las pruebas Z que mide la diferencia
entre un estadístico observado y su parámetro
hipotético de población en unidades de la desviación
estándar.
|

Conclusiones

Estudiante Conclusión

Anyi Aragón

Los diferentes tipos de distribuciones nos permiten prever eventos que

Nancy Gómez puedan ocurrir, teniendo en cuenta lo que ha sucedido anteriormente (datos
históricos).
La distribución de la probabilidad nos ayuda a describir la manera en que
varían todos los resultados de un experimento aleatorio ya que nos permite
conocer todos los posibles resultados que se podrían obtener cuando se hace
un experimento aleatorio.
Silvia Ortiz
Con el mentefacto logramos ilustrar de una manera diferente los temas de la
Unidad 2, permitiéndonos identificar los conceptos más importantes y con
esto dar solución a los estudios casos planteados en la Tarea 2.
Lizzeth Rey
Una variable discreta siempre es numérica.

Las variables continuas son variables numéricas que tienen un número

infinito de valores entre dos valores cualesquiera.

Leonardo La distribución estadística muestra qué valores son comunes y no comunes.

Saldaña Una distribución de probabilidad de una variable aleatoria es una función que
asigna a cada suceso definido sobre la variable aleatoria la probabilidad de
que dicho suceso ocurra.

Una variable aleatoria continua es aquella que puede tomar cualquier valor
en algún intervalo de valores acotados o no acotados.