Fase 2 - 100402 - 145

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
Probabilidad
TRABAJO COLABORATIVO FASE 2
EDWIN EMIRO ACOSTA

CDIGO: 9143215
WILLIAM ADOLFO FLOREZ
CDIGO: 8.771.265
EDUAR LUILLI GOMEZ GARCIA
CDIGO: 94313714
LUISA FERNANDA FRANCO CARDONA
CDIGO: 1.113.309.554
LUIS ALBERTO NIEVES MARTINEZ
CDIGO 10.693.578
GRUPO: 100402_145
UNIVERSIDAD NACIONAL ABIERTA Y ADISTANCIA - UNAD

PROBABILIDAD
MAYO DE 2016

Probabilidad
TRABAJO COLABORATIVO FASE 2
EDWIN EMIRO ACOSTA

CDIGO: 9143215
WILLIAM ADOLFO FLOREZ
CDIGO: 8.771.265
EDUAR LUILLI GOMEZ GARCIA
CDIGO: 94313714
LUISA FERNANDA FRANCO CARDONA
CDIGO: 1.113.309.554
LUIS ALBERTO NIEVES MARTINEZ
CDIGO 10.693.578
PRESENTADO A
JOSE HECTOR MAESTRE LIC, MG, ESP.
GRUPO: 100402_145
UNIVERSIDAD NACIONAL ABIERTA Y ADISTANCIA - U N A D

PROBABILIDAD
MAYO DE 2016

Probabilidad
CONTENIDO
Introduccin................................................................................................................4
Objetivos.....................................................................................................................5
Cuadro Sinptico......................6
Caso Uno...................................................................................................................10
Caso Dos...................................................................................................................14
Caso Tres..................................................................................................................16
Caso
Cuatro...............................................................................................................19
Caso Cinco................................................................................................................21
Conclusiones.............................................................................................................25
Referencias Bibliogrficas.........................................................................................26

Probabilidad
INTRODUCCIN
En el presente trabajo se presenta el desarrollo de la actividad de la fase dos del
curso de probabilidad, donde se pretende demostrar la capacidad de anlisis,
evaluacin y resolucin de problemas del da a da, la temtica abordada para tal fin
est compuesta por Los temas correspondientes a los contenidos de la Unidad 2 del
curso de Probabilidad y son:
Variable aleatoria discreta y continua, valor esperado y varianza.
Distribucin binomial.
Distribucin binomial negativa y geomtrica.
Distribucin de Poisson.
Distribucin hipergeomtrica.
Distribucin uniforme discreta y uniforme continua.
Distribucin normal.
Distribucin chi cuadrado y t de student.
La probabilidad y la estadstica son dos ramas tan importantes de las matemticas
para cada uno de nosotros es por ello que han ganado importantes lugares en
diferentes mbitos tanto laborales como personales de investigacin,
administrativos o productivos, en mercados de riesgo e inclusive hasta en reas de
ciencias de la salud, porque son un instrumento elemental para la toma de una
decisin ya sea econmica, tcnica o productiva.

Probabilidad
OBJETIVOS
General
Adquirir criterios que
permitan comprender, seleccionar y aplicar tcnicas
probabilsticas durante el anlisis de problemas especficos.
Especfico
Revisar, analizar e interiorizar los conceptos tericos presentados en la unidad dos
del curso.

Probabilidad
CUADRO SINPTICO
RESUMEN
CONCEPTOS APORTE
TEORICOS
ESTUDIANTE
Variable aleatoria es una funcin
que asigna un nmero real a cada
resultado en el espacio muestral. Se
denotan con letras maysculas
como por ejemplo X, Y, etc.
Variable aleatoria discreta: Es
aquella cuando el nmero de
valores que toma es finito.
Variable aleatoria contina. Es
aquella cuando el nmero de
valores que puede tomar estn
contenidos en un intervalo (finito o
infinito) de nmeros reales.
Valor esperado: Tambin llamado
media o esperanza matemtica. Es
Variable aleatoria una medida de posicin para la
discreta y continua, distribucin de X. Se simboliza con
valor esperado y y se calcula al sumar el producto William Flrez
varianza
de cada valor de X con su
probabilidad correspondiente. En
otras palabras, la media o valor
esperado de una variable aleatoria
discreta X es:
E(X) = = xi f(xi)
Varianza: es una medida de la
dispersin de la distribucin de
probabilidad de sta. Se calcula
ponderando el cuadrado de cada
desviacin con respecto a la media,
con la probabilidad asociada con la
desviacin.
TEMAS
P
R
O
B
A
B
I
L
I
D
A
D
Distribucin
binomial,
Este tipo de experimento aleatorio William Flrez

particular es denominado ensayo de
Bernoulli. Sus dos resultados
posibles son denotados por xito y
fracaso y se define por p la
probabilidad de un xito y 1-p la
probabilidad de un fracaso.
Es un experimento aleatorio que

Probabilidad
consiste de n ensayos repetidos
tales que:
Los ensayos son independientes
Cada ensayo es de tipo Bernoulli.
Esto es, tiene slo dos resultados
posibles: xito o fracaso.
La probabilidad de xito de cada
ensayo, denotada por p, permanece
constante.
Considere ahora una serie de

ensayos
Bernoulli
con
una
Distribucin
probabilidad constante de xitos p,
binomial negativa y en la que el nmero de ensayos no
Eduar Luilly
geomtrica
es fijo como en la distribucin Gmez Garca
binominal si no que estos se
realizan hasta que se obtiene el
primer xito.
Distribucin
de La distribucin de Poisson es
Luis Alberto
Poisson
una distribucin
de Nieves
probabilidad discreta que expresa, a Martinez
partir de una frecuencia de
ocurrencia media, la probabilidad de
que ocurra un determinado nmero
de eventos durante cierto perodo
de tiempo.
La funcin de masa o probabilidad
de la distribucin de Poisson es
Donde
k es el nmero de
ocurrencias del evento o
fenmeno (la funcin nos da la
probabilidad de que el evento
suceda precisamente k veces).
es un parmetro positivo
que representa el nmero de
veces que se espera que ocurra
el fenmeno durante un intervalo
dado. Por ejemplo, si el suceso
estudiado tiene lugar en

Probabilidad
promedio 4 veces por minuto y
estamos interesados en la
probabilidad de que
ocurra k veces dentro de un
intervalo de 10 minutos,
usaremos un modelo de
distribucin de Poisson con =
104 = 40.
e es la base de los logaritmos

naturales (e = 2,71828...)
Se utiliza la frmula de distribucin
de poisson para determinar dicha
probabilidad, as
x e
(
)
Px=
X!
La ley hipergeomtrica es la ley de

``captura sin reposicin''. En una
poblacin de tamao, se extrae al
azar una muestra (subconjunto) de
tamao. Entre los individuos de la
poblacin hay
que estn
``marcados'' (poseen una cierta
Distribucin
caracterstica). El nmero
de
hipergeomtrica
individuos marcados entre los
individuos seleccionados, sigue la
ley hipergeomtrica de parmetros,
y. La variable aleatoria toma sus
valores en el conjunto , y para todo
:
Donde por convencin, si.
Esta ley se encuentra con
frecuencia en los juegos de azar.
Distribucin
Distribucin Uniforme Discreta
uniforme discreta y La variable aleatoria toma cada uno
uniforme continua
de los valores con una probabilidad
idntica.
Media y varianza.
k
Xi
= i=1
K
Luisa
Fernanda
Franco
Cardona
Luisa
Fernanda
Franco
Cardona

Probabilidad
k
( Xi )2
= i=1
Distribucin normal
La distribucin normal fue estudiada

por Gauss. Se trata de una variable
aleatoria continua (la variable puede
tomar cualquier valor real). La
funcin de densidad tiene forma de
campana.
Dos parmetros determinan una
Eduar Luilly
distribucin normal: la media y la Gmez Garca
desviacin tpica. Cuanto mayor sea
la desviacin tpica mayor es la
dispersin de la variable.
La distribucin normal es simtrica
respecto de la media.
Distribucin
chi Es una distribucin de probabilidad
cuadrado y t de continua con un parmetro K que Eduar
Luilly
student
representa los grados de libertad de Gmez Garca
la variable aleatoria.

Probabilidad
ESTUDIO DE CASO 1
La distribucin de probabilidad binomial es una distribucin de probabilidad discreta
que se presenta con mucha frecuencia. Una de sus caractersticas consiste en que
slo hay dos posibles resultados en un determinado ensayo del experimento y los
resultados son mutuamente excluyentes; Otra caracterstica de la distribucin
binomial es el hecho de que la variable aleatoria es el resultado de conteos. Es
decir, se cuenta el nmero de xitos en el nmero total de ensayos. Una tercera
caracterstica de una distribucin binomial consiste en que la probabilidad de xito
es la misma de un ensayo a otro.
Un estudio del Departamento de Transporte de Illinois concluy que 76.2% de
quienes ocupaban los asientos delanteros de los vehculos utilizaba cinturn de
seguridad. Esto significa que los dos ocupantes de la parte delantera utilizaban
cinturones de seguridad. Suponga que decide comparar la informacin con el uso
actual que se da al cinturn de seguridad, para lo cual selecciona una muestra de
12 vehculos.
INFORME A PRESENTAR:
Presente un informe en el que como mnimo incluya:
1. Esta situacin cumple con los supuestos de la distribucin binomial?
Identifquelos.
Esta situacin cumple los supuestos de la distribucin binomial:

Probabilidad
El nmero de pruebas es una cantidad fija. En este caso son 12 vehculos que
se verificaran.
La probabilidad de un xito (los ocupantes utilizan cinturn de seguridad) es la

misma para cada prueba: 76.2%.
En un vehculo los ocupantes de la parte delantera utilizan cinturn de seguridad

o no lo hacen, existen solo dos posibles resultados).
Las pruebas son independientes. Si, en el tercer vehculo seleccionado en la

muestra, todos los ocupantes utilizan cinturn de seguridad, esto no inuye en
los resultados de los otros vehculos.
2. Elabore un diagrama de barras para la distribucin de probabilidad

binomial que representa esta situacin.
probabilidad binomial
0.3
0.26 0.25
0.25
0.18
0.2
p(x)
0.14
0.15
0.09
0.1
0.05
0
0.01
0.04
0.03
6
vehiculo
10
11
12

Probabilidad
3. Cul es la probabilidad que los ocupantes de la parte delantera en
exactamente 7 de los 12 vehculos seleccionados utilicen cinturones de
seguridad?
Para determinar la probabilidad de que los ocupantes de exactamente 7 vehculos
de la muestra utilicen cinturn de seguridad, aplique la frmula
P ( x )=n x x ( 1 )nx En este caso:
x =7|
n=12 =0.762 P
12 7 ( O.762 )7 (10.762 )127
792(0.149171) (0.000764)
0.0902
De esta manera, se concluye que la probabilidad de que los ocupantes de
exactamente 7 de los 12 vehculos de la muestra utilicen cinturones de seguridad es
de aproximadamente 9%.
4. Cul es la probabilidad que los ocupantes de la parte delantera de por lo
menos 7 de los 12 vehculos utilicen cinturn de seguridad?
Como los eventos son mutuamente excluyentes, es decir, que la muestra de 12
vehculos no tiene el total de 3 ni, al mismo tiempo, un total de 7 vehculos en que
los ocupantes utilizan cinturn de seguridad. Por esta razn se determina la
probabilidad de cada uno de estos resultados los cuales se suman enseguida.
x7
n=12 =0.762
P
P ( x=7 ) + P ( x=8 ) + P ( x=9 ) + P ( x =10 ) + P ( x=11 ) + P ( x=12 )
7
127
P ( x=7 )=12 7 ( O .762 ) ( 10.762 )
P ( x=8 )=12 8 ( O .762 )8 ( 10.762 )128=495 ( 0.1136 ) ( 3.208 )=0.1805
P ( x=9 )=12 9 (O .762 ) ( 10.762 )
P ( x=10 )=12 10 ( O.762 )10 ( 10.762 )1210=66 ( 0.066 ) ( 0.0566 )=0.2467
129
=792 ( 0.149171) ( 0.000764 )=0.0902
=220 ( 0.0866 ) ( 0.0134 )=0.2569

Probabilidad
11
1211
12
1212
P ( x=11 )=12 11 ( O.762 ) ( 10.762 )
P ( x=12 )=12 12 (O .762 ) ( 10.762 )
=12 ( 0.0502 ) ( 0.238 )=0.1436
=1 ( 0.0383 ) ( 1 )=0.0383
0.0902+0.1805+0.2569+0.2467+ 0.1467+0.0383
0.9562
La probabilidad de seleccionar 12 automviles y hallar que los ocupantes de 7 o

ms vehculos utilizaban cinturn de seguridad es de 95.62%
5. Cul es la probabilidad que los ocupantes de la parte delantera de
mximo 7 de los 12 vehculos.
x7
n=12 =0.762
P
P ( x=1 )+ P ( x=2 ) + P ( x=3 ) + P ( x=4 ) + P ( x=5 )+ P ( x=6 ) + P ( x=7 )
P ( x=1 )=12 1 ( O.762 )1 ( 10.762 )121=12 ( 0.762 ) ( 1.3878 )=1.269
P ( x=2 )=12 2 ( O.762 ) ( 10.762 )
P ( x=3 )=12 3 ( O .762 )3 ( 10.762 )123=220 ( 0.4424 ) ( 2.450 ) =2.385
P ( x=4 )=12 4 (O .762 ) (10.762 )
P ( x=5 )=12 5 ( O .762 )5 ( 10.762 )125=792 ( 0.2569 ) ( 4.3255 )=8.801
P ( x=6 )=12 6 (O .762 ) ( 10.762 )
P ( x=7 )=12 7 ( O .762 ) ( 10.762 )
122
=66 ( 0.5806 ) ( 5.831 )=2.235
124
=495 ( 0.3371 ) ( 1.0294 )=1.718
126
=924 ( 0.1957 ) ( 1.81744 )=0.0328
127
=792 ( 0.149171) ( 0.000764 )=0.0902

Probabilidad
1.269+2.235+2.385+1.718+8.801+0.0328+ 0.0902
16.531
La probabilidad de seleccionar 12 automviles y hallar que los ocupantes de 7 o

menos vehculos utilizaban cinturn de seguridad es de 16.5%
6. Encuentre el valor esperado del nmero de vehculos en los que los

ocupantes de la parte delantera utilizan el cinturn de seguridad?
x
1
2
3
4
5
6
7
8
9
10
11
12
TOTAL:
P(x)
0,00000126 0,00000126
9
9
0,00002235 0,0000447
0,0002385 0,0007155
0,001718
0,006872
0,008801
0,044005
0,0328
0,1968
0,0902
0,6314
0,1805
1,444
0,2569
2,3121
0,2467
2,467
0,1436
1,5796
0,0383
0,4596
0,99978111 9,14213846
9
9
El valor esperado del nmero de vehculos en los que los ocupantes de la parte
delantera utilizan el cinturn de seguridad es de 9,142.

Probabilidad
ESTUDIO DE CASO 2
El Baloto, es la lotera en lnea de Colombia, supervisado por ETESA (Empresa
territorial para la salud). Es un juego que consiste en acertar 6, 5, 4 o 3 nmeros en
cualquier orden de una matriz del 1 al 45; El jugador seala en un tarjetn los 6
nmeros que escoge. Los nmeros estn representados en 45 balotas numeradas
del 1 al 45. Cada nmero aparece una sola vez y las balotas ganadoras se
seleccionan sin reemplazo. El premio acumulado se entrega a quien haga coincidir
los seis nmeros.
Presente un informe en el que como mnimo incluya:
1. Esta situacin cumple con los supuestos de la distribucin
Hipergeomtrica? Identifquelos (Sugerencia: Divida los 45 nmeros en
dos grupos: ganadores y no ganadores).
Los elementos de la muestra se pueden extraer uno a uno y simultneamente, sin
reposicin.
Se esperan dos tipos de resultados, en la poblacin y en la muestra asociados con
el xito y el fracaso.
Las probabilidades para cada uno de los resultados no son constantes, esto se
debe a la no reposicin del elemento extrado en cada ensayo.
Los ensayos del experimento no son independientes.
2. Usando la distribucin de probabilidad Hipergeomtrica determinar la
probabilidad de que el jugador acierte los 6 nmeros.
Se identifica el tipo de variable aleatoria que interviene en el problema y sus
respectivos parmetros. Sea X el nmero de balotas ganadoras en una muestra de
6, tomadas de una urna de cristal que contiene 45 balotas de las cuales 6 son las
ganadoras. Esto es, X es una variable aleatoria hipergeomtrica con parmetros:
N= 45, k = 6 y n = 6.
Su distribucin de probabilidad es:

Probabilidad
6 39
(
x )( 6x )
h ( x ; 45; 6 ; 6 )=
( 456)
La probabilidad de que el jugador acierte las 6 balotas ganadoras est dada por:
6 39
6 0
P ( x=6 )=
=1.22774E-07
45
6
( )( )
( )
6 39
5 1
P ( x=5 )=
=2.87291E-05
45
6
( )( )
( )
6 39
4 2
P ( x=4 )=
=0.001364631
45
6
( )( )
( )
6 39
3 3
P ( x=3 )=
=0 .022440596
45
6
( )( )
( )
3. La empresa encargada del sorteo informa que la probabilidad de que

coincidan todos los nmeros es de 1 en 8145060. Qu significa esto en
trminos de probabilidad? Coincide esto con su respuesta anterior.
El sorteo tambin otorga un premio si el jugador hace coincidir 3, 4 o 5 de los
nmeros ganadores
1
=0.0000001227738039989880
8145060
El resultado propuesto por la empresa es igual al encontrado para la probabilidad de
que el jugador acierte los seis nmeros.
4. Calcule la probabilidad, para hacer coincidir 3 de los 6 nmeros ganadores.
5. Calcule la probabilidad de que coincidan 4 de los 6 nmeros ganadores.
6. Calcule la probabilidad de que coincidan 5 de los 6 nmeros ganadores.

Probabilidad
7. Con base en los resultados obtenidos, usted invertira dinero en el
BALOTO?
ESTUDIO DE CASO 3
La distribucin de probabilidad de Poisson describe el nmero de veces que se
presenta un evento durante un intervalo especfico. El intervalo puede ser de
tiempo, distancia, rea o volumen. La distribucin 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 ms grande sea el intervalo, mayor ser la probabilidad; adems,
el nmero de veces que se presenta un evento en un intervalo no influye en los
dems intervalos.
Esta distribucin posee diversas aplicaciones. Se le utiliza como modelo para
describir la distribucin de errores en una entrada de datos, el nmero de rayones y
otras imperfecciones en las cabinas de automviles recin pintados, el nmero de
partes defectuosas en envos, el nmero de clientes que esperan mesa en un
restaurante, el nmero de accidentes en una carretera en un periodo determinado.
La compaa de aviacin Delta Airlines, se caracteriza por su responsabilidad y
cuidado con el equipaje de sus pasajeros, por lo que pocas veces se pierde
equipaje. En la mayora de los vuelos no se pierden maletas; en algunos se pierde
una; en unos cuantos se pierden dos; pocas veces se pierden tres, etc. Suponga

Probabilidad
que una muestra aleatoria de 1 000 vuelos arroja un total de 300 maletas perdidas.
De esta manera, el nmero promedio de maletas perdidas por vuelo es de 0.3.
Prepare un informe en el que como mnimo, incluya:
1. Esta situacin cumple con los supuestos de la distribucin Poisson?
Identifquelos.
2. Determine cul es la probabilidad de que en un vuelo no se pierda ninguna
maleta.
3. Determine cul es la probabilidad de que en un vuelo se pierda exactamente una
maleta.
4. Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y
cuatro maletas.
5. Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms de
cuatro maletas.
6. En qu momento debe sospechar el supervisor de la Aerolnea que en un vuelo
se estn perdiendo demasiadas maletas?
SOLUCIN
1. Esta situacin cumple con los supuestos de la distribucin Poisson?
Identifquelos.
El problema o situacin de prdidas de maletas si cumple con los dos supuestos de
la distribucin, as
El primero consiste en que la probabilidad es proporcional a la longitud del

intervalo.
El nmero promedio de maletas perdidas por vuelo es de 0.3.

De 1 000 vuelos arroja un total de 300 maletas perdidas.
El segundo supuesto consiste en que los intervalos son independientes.
En la mayora de los vuelos no se pierden maletas.

En algunos se pierde una maleta.
En unos cuantos se pierden dos maletas.
Pocas veces se pierden tres MALETAS.
2. Determine cul es la probabilidad de que en un vuelo no se pierda ninguna
maleta.
Se utiliza la frmula de distribucin de poisson para determinar dicha probabilidad,
as

Probabilidad
x
P ( x )=
e
X!
0.3
0(e0.3 )
P ( 0 )=
La probabilidad de no perder ninguna maleta es del 74% de los vuelos.
3. Determine cul es la probabilidad de que en un vuelo se pierda
exactamente una maleta.
P ( x )=
x e
X!
0.3
1(e0.3)
P ( 1 )=
La probabilidad de que se extrave una maleta es del 22% de los vuelos.

4. Determine cul es la probabilidad de que en un vuelo se pierdan entre dos
y cuatro maletas.
x
P ( x )=
e
X!
Donde,
P (2 X 4 )=P ( X 4 )P (X 2)
Entonces,
0.3
2(e0.3)
P ( 2 )=

Probabilidad
0.3
4 (e0.3 )
P ( 4 )=
P ( X 4 )P ( X 2 )=0.025 6.07 =6.045
La probabilidad de que en un vuelo se pierdan entre dos y cuatro maletas es
de -6.045%
5. Podra establecer cul es la probabilidad de que se pierdan en un vuelo

ms de cuatro maletas
x
P ( x )=
e
X!
Donde,
P ( X 4 )=1P ( X 4 )
Entonces,
0.3
0.3
0(e )
P ( 0 )=
0.3
1(e0.3)
P ( 1 )=
0.3
2(e0.3)
P ( 2 )=

Probabilidad
0.3
3(e0.3 )
P ( 3 ) =
0.3
4 (e0.3 )
P ( 4 )=
Entonces,
P ( X 4 )=1P ( X 4 )
P ( X 4 )=1P ( 0.7408+0.2222+0.0607+ 0.00333+0.00025 )
( X 4 )=1P ( X 4 ) =0.02355
La probabilidad de que se pierdan en un vuelo ms de cuatro maletas es de
0.023552.355%
6. En qu momento debe sospechar el supervisor de la Aerolnea que en un
vuelo se estn perdiendo demasiadas maletas?
P ( x )=
x e
X!
0.3
1(e0.3)
P ( 1 )=
El supervisor debe sospechar desde el momento en que se empieza a perder una
maleta, ya que esto significa que es del 22% de los vuelos en la que se empieza a
perder maletas y esto no estara dentro de la norma y calidad de la aerolnea.
ESTUDIO DE CASO 4
Para una poblacin grande de personas sin hogar, Wong y Piliavin (2001)
examinaron factores de estrs, recursos y agotamiento psicolgico empleando la
Escala de Depresin del Centro de Estudios Epidemiolgicos (CESD), un
cuestionario de evaluacin comunitario.

Probabilidad
Entre las personas sin hogar, la puntuacin media del cuestionario CESD es 23,5
con una desviacin estndar de 7.5 y se considera que para la Variable X =
puntuacin del CESD, la distribucin es normal. Como trabajador en el rea de
admisiones en un refugio para personas sin hogar, usted es el encargado de aplicar
el CESD y debe evaluar los resultados para las nuevas personas que lleguen al
centro.
Dentro de las polticas del refugio se encuentra que cualquier persona cuya
puntuacin sea de 20 o ms puntos en el CESD debe enviarse a ver a un doctor.
1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al
doctor.
Es de 68.09%
2. La probabilidad de que una persona que llegue al refugio tenga una puntacin
de 10 o menos puntos.
Es de 46.41%
3. La probabilidad de que una persona que llegue al refugio tenga una puntuacin
entre 16 y 20 puntos
( 0.3191 )( 0.1586 )=0.1605=16.05

La probabilidad de que una persona que llegue al refugio tenga una puntuacin
entre 16 y 20 puntos es de 16.05%
4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser
enviadas a los servicios de prevencin de suicidios, Qu puntuacin hace
calificar a una persona que llega al refugio para este servicio?
100 15 =85 %
85 0,85
0,85 0,5=0,35
Z =1,04
1,04=
x=(1,047,5)+23,5=31,3
5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a un
servicio de orientacin laboral para mejorar sus recursos. Qu puntuacin
permite calificar a una persona para acceder a este servicio?
25 =0,25 en latabla de distribucin normal Z es0,67
x=( 0.687.5 )+ 23.5=18.48
Z =0,67

Probabilidad
ESTUDIO DE CASO 5
Para entregar una Tarjeta de crdito en los bancos del grupo Aval, los analistas del
banco clasifican o califican al cliente en funcin de la probabilidad de que resulte
rentable. Una tabla habitual de calificaciones es la siguiente:
Edad
Tiempo vivido
Menos de
25 (12 pts.)
25 - 29
(5 pts.)
30 - 34
(0 pts.)
35 +
(18 pts.)
< 1 ao
1 - 2 Aos
3 - 4 Aos
5 + aos

Probabilidad
en la misma
direccin
Antigedad
con automvil
Pago mensual
del automvil
Costo de
vivienda
Cuenta de
cheques o
ahorros
(9 pts.)
(0 pts.)
Ninguna
(18 pts.)
0 - 1 Ao
(12 pts.)
(13 pts.)
2 - 4 Aos
(13 pts.)
$ 100 - $
Ninguna $ 1 - $ 199
299 (4
(15 pts.)
(6 pts.)
pts.)
$ 200 - $
$ 1 - $ 199
Propia
399 (10
(0 pts.)
(12 pts.)
pts.)
Solo
Solo
Ambas
cheques ahorros (2
(15 pts.)
(3 pts.)
pts.)
(20 pts.)
5 + aos
(3 pts.)
$ 300 +
(0 pts.)
Vive con
parientes
(24 pts.)
Ninguna
(0 pts.)
La calificacin es la suma de los puntos de los seis rubros. Por ejemplo, Sushi
Brown tiene menos de 25 aos (12 puntos); ha vivido en el mismo domicilio
durante dos aos (0 puntos); desde hace cuatro aos es dueo de un automvil
(13 puntos), por el que realiza pagos de $75 (6 puntos); realiza gastos domsticos
de $200 (10 puntos) y posee una cuenta de cheques (3 puntos). La
calificacin que obtendra sera de 44. Despus, con una segunda tabla, se
convierten las calificaciones en probabilidades de rentabilidad del cliente, as:
Puntuacin
Probabilidad
30
.70
40
.78
50
.85
60
.90
70 80 90
.94 .95 .96
La puntuacin de Sushi (44) se traducira en una probabilidad de rentabilidad

aproximada de 0.81. En otras palabras, 81% de los clientes como Sushi
generaran dinero a las operaciones con tarjeta del banco. A continuacin se
muestran los resultados de las entrevistas con los tres posibles clientes.
Nombre
Edad
Tiempo de vivir en el mismo domicilio
Antigedad con el auto
Pago mensual del auto
Costo de vivienda
Cuenta de cheques o ahorros
David
Edward
Ann
Born
Brendan
McLaughlin
42
23
33
9
2
5
2
3
7
$140
$99
$175
$300
$200
Propietaria
Ambas Solo cheques Ninguna
Tomado y adaptado de Anderson, D., Sweeney D., Estadstica para Negocios.

Cengage Learning 2011

Probabilidad
1. Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables.
2. Cul es la probabilidad de que los tres resulten rentables?
3. Cul es la probabilidad de que ninguno sea rentable?
4. Determine la distribucin de probabilidad total del nmero de clientes rentables
entre este grupo de tres clientes.
5. Redacte un breve resumen de sus hallazgos.
SOLUCIN
1. Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables.
David
Born
Edad
42=18
Tiempo de vivir
9=20
Antigedad con auto
2=13
Pago cuotas auto
140=4
Costo de vivienda
300=10
Cuentas ahorro, cheques
Ambas=15
TOTALES
80
Nombre
David Born
Edward Brendan
Anna McLaughlin
Edward
Brendan
23=12
2=0
3=13
99=6
200=10
Cheques=3
44
Ann
McLaughlin
33=0
5=20
7=3
175=4
Prop= 12
Ninguna
39
80 = .95%
44 = .81%
39 = .74%
2. Cul es la probabilidad de que los tres resulten rentables?

P(x=3) =
____3!_______________ *(0.95)3* (0.05)0

3! (3-3)!
1*0.8573*1 =0.857
Probabilidad de pago de David 85.75%

P(x=3) =
______3!______ *(0.81)3* (0.19)0 = 0.5314

3! ( 3-3)!
Probabilidad de pago de Edward 53.14%

P(x= 3) = _____3!_______ =(0.74)3*(0.26)0 = 0.4052

Probabilidad
3! (3-3)!
Probabilidad de pago de Anna = 40.52%
3. Cul es la probabilidad de que ninguno sea rentable?
P (x= 0) =
=
___n!______ *px *q(n-x)

x!(n-x)
_____3!_______ *(095)0 *(0.05) 3 = 0.000125 = 0.012 %

0!(3-0)
Probabilidad de David = 0.12%

P (x=0) = ____3!______ = (0.81) 0 * (0.19) 3 = 0.0006859 = 0.68%
0! (3-0)
Probabilidad de Edward = 0.68%
P (x= 0 ) = ____3!______ = (0.74)0* (026)3 = 0.0175 = 1.75 %
0!(3-0) !
Probabilidad de Anna=1.75%
4. Determine la distribucin de probabilidad total del nmero de clientes rentables
entre este grupo de tres clientes.
V ( x) = varianza
V(x) = n*q*p
David =
= desviacin estndar = v(x)
V(x) = 3*(85.75) %*q

V(x) 257.25
= 257.25 = 16.03
Edward= V(x) = 3(53.14)

159.42
Anna = V(x) = 3(40.52)
121.56
=159.42 = 12.626
121.56 = 11.025
5. Redacte un breve resumen de sus hallazgos.

Se ve como mediante la utilizacin de las variables aleatorias, lo que en un principio
pareca. Que todos los clientes por la calificacin producan una confiabilidad, al
aplicarles variables ANNA, fue presentando menor rentabilidad, con mayores
opciones de riesgo para recuperacin de cartera, mientras que Edward a pesar de

Probabilidad
ser el ms joven y no tener vivienda propia sus caractersticas lo presentan como un
cliente confiable, David que es el ms maduro de los tres, representa mayor
confiabilidad para la adjudicacin de tarjeta. Sin tener vivienda propia.
CONCLUSIONES
En este trabajo se pusieron en prctica y se analizaron los conceptos bsicos de
probabilidad, y cmo se puede emplear el anlisis de probabilidades para
proporcionar informacin til para la toma de decisiones en diversos situaciones.
Mediante la solucin de los diferentes estudios de casos presentados por cada uno
de nosotros, afianzamos en los conceptos de:
Variable aleatoria discreta y continua, valor esperado y varianza

Distribucin binomial.
Distribucin binomial negativa y geomtrica.
Distribucin de Poisson.
Distribucin hipergeomtrica.

Probabilidad
Distribucin uniforme discreta y uniforme continua.

Distribucin normal.
Distribucin chi cuadrado y t de student.
REFERENCIAS BIBLIOGRAFICAS
Evans, M (2004). Probabilidad y estadstica, la ciencia de la incertidumbre.

Barcelona: Libert. Recuperado de: http://books.google.com.co/books?
id=ZU3MEKZFgsMC&pg=PA29&dq=Propiedades+b
%C3%A1sicas+de+probabilidad&hl=es&sa=X&ei=BmNgUfEOYe_sQTmioDgAg&ved=0CDQQ6wEwAQ#v=onepage&q=Propiedades
%20b%C3%A1sicas%20de%20probabilidad&f=false
Llins, H. (2006). Estadstica descriptiva y distribuciones de probabilidad.

Bogot: Uninorte. Recuperado de: http://books.google.com.co/books?
id=3Tkb8HJ5toUC&pg=PA257&dq=Variables+aleatorias+continuas+y+sus+di
stribuciones+de+probabilidad&hl=es&sa=X&ei=tWlgU57fF7K0sQTdkYHgBw

Probabilidad
&ved=0CC8Q6wEwAA#v=onepage&q=Variables%20aleatorias%20continuas
%20y%20sus%20distribuciones%20de%20probabilidad&f=false
Instituto Tecnolgico de Chihuahya. Curso de Probabilidad y Estadstica.

Recuperado
de:
http://www.itch.edu.mx/academic/industrial/sabaticorita/amarillo.htm
Morales, Adriana (2010) Modulo Probabilidad. Bogot D.C., Universidad

Nacional Abierta
y a
distancia
UNAD. Recuperado
de:
http://datateca.unad.edu.co/contenidos/100402/modulo_probabilidad_2010I.p
df
Universidad Oberta Cataluna U.O.C. Variables aleatorias discretas
Universidad Oberta Cataluna U.O.C. Distribucin Normal de probabilidad
Walpole, R (1999). Probabilidad y estadstica para ingenieros . Mxico;

Hispanoamericana.

Fase 2 - 100402 - 145

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Fase 2 - 100402 - 145

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

EDWIN EMIRO ACOSTA

UNIVERSIDAD NACIONAL ABIERTA Y ADISTANCIA - UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

EDWIN EMIRO ACOSTA

UNIVERSIDAD NACIONAL ABIERTA Y ADISTANCIA - U N A D

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Este tipo de experimento aleatorio William Flrez

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Considere ahora una serie de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

e es la base de los logaritmos

La ley hipergeomtrica es la ley de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

La distribucin normal fue estudiada

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

La probabilidad de un xito (los ocupantes utilizan cinturn de seguridad) es la

En un vehculo los ocupantes de la parte delantera utilizan cinturn de seguridad

Las pruebas son independientes. Si, en el tercer vehculo seleccionado en la

2. Elabore un diagrama de barras para la distribucin de probabilidad

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

P ( x=7 )=12 7 ( O .762 ) ( 10.762 )

P ( x=8 )=12 8 ( O .762 )8 ( 10.762 )128=495 ( 0.1136 ) ( 3.208 )=0.1805

P ( x=9 )=12 9 (O .762 ) ( 10.762 )

P ( x=10 )=12 10 ( O.762 )10 ( 10.762 )1210=66 ( 0.066 ) ( 0.0566 )=0.2467

=792 ( 0.149171) ( 0.000764 )=0.0902

=220 ( 0.0866 ) ( 0.0134 )=0.2569

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

P ( x=11 )=12 11 ( O.762 ) ( 10.762 )

P ( x=12 )=12 12 (O .762 ) ( 10.762 )

=12 ( 0.0502 ) ( 0.238 )=0.1436

La probabilidad de seleccionar 12 automviles y hallar que los ocupantes de 7 o

P ( x=1 )=12 1 ( O.762 )1 ( 10.762 )121=12 ( 0.762 ) ( 1.3878 )=1.269

P ( x=2 )=12 2 ( O.762 ) ( 10.762 )

P ( x=3 )=12 3 ( O .762 )3 ( 10.762 )123=220 ( 0.4424 ) ( 2.450 ) =2.385

P ( x=4 )=12 4 (O .762 ) (10.762 )

P ( x=5 )=12 5 ( O .762 )5 ( 10.762 )125=792 ( 0.2569 ) ( 4.3255 )=8.801

P ( x=6 )=12 6 (O .762 ) ( 10.762 )

P ( x=7 )=12 7 ( O .762 ) ( 10.762 )

=66 ( 0.5806 ) ( 5.831 )=2.235

=495 ( 0.3371 ) ( 1.0294 )=1.718

=924 ( 0.1957 ) ( 1.81744 )=0.0328

=792 ( 0.149171) ( 0.000764 )=0.0902

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

La probabilidad de seleccionar 12 automviles y hallar que los ocupantes de 7 o

6. Encuentre el valor esperado del nmero de vehculos en los que los

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

3. La empresa encargada del sorteo informa que la probabilidad de que

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

El primero consiste en que la probabilidad es proporcional a la longitud del

El nmero promedio de maletas perdidas por vuelo es de 0.3.

El segundo supuesto consiste en que los intervalos son independientes.

En la mayora de los vuelos no se pierden maletas.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

La probabilidad de que se extrave una maleta es del 22% de los vuelos.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

5. Podra establecer cul es la probabilidad de que se pierdan en un vuelo

3!___________ (0.95)3 (0.05)0

3! (0.81)3 (0.19)0 = 0.5314

_n!____ px q(n-x)

_3!___ (095)0 (0.05) 3 = 0.000125 = 0.012 %

V(x) = 3(85.75) %q