PROBABILIDAD

CÓDIGO: 100402A_474

Unidad 1 y 2
Técnicas de conteo, teoría de probabilidad, probabilidad
condicional y distribuciones de Probabilidad.

XIMENA ZORANY POSSO PINCHAO

Código: 1033788287

SONIA PATRICIA ESPITIA PINEDA

Código: 1033755083

Grupo: 100402_110

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BÁSICAS TECNOLOGÍA E INGENIERÍA
DICIEMBRE DE 2018
BOGOTÁ D.C
 PASO 5 - EVALUACIÓN FINAL

Resumen

Variable discreta: es aquella que está en condiciones de adoptar valores de un

conjunto numérico dado. Es decir: solo adquiere valores de un conjunto, no
cualquier valor.
Entre los valores potencialmente observables de una variable discreta existe una
distancia que resulta imposible de “completar” con valores intermedios. Por lo
tanto, entre dos valores hay, al menos, un valor que no es observable.
La suma de las probabilidades de los sucesos debe ser igual a uno y cada suceso
debe tener probabilidad mayor que cero y menor que uno (0 ≤ 𝑥 ≤ 1)

Ejercicio 2

Prueba de la FDA. Como reglamentación se conoce que la duración máxima de

patente para un nuevo medicamento es 17 años. Restando el tiempo requerido
por la FDA para probar y aprobar el medicamento, es decir, el tiempo que una
compañía tiene para recuperar costos de investigación y desarrollo y obtener una
utilidad. Suponga que la distribución de tiempos de vida de patente para nuevos
medicamentos es como se muestra a continuación:
Años, 3 4 5 6 7 8 9 10 11 12 13
x
P(x) 0,03 0,05 0,07 0,10 0,14 0,20 0,18 0,12 0,07 0,03 0,01

a. Encuentre el número esperado de años de vigencia de patente para un

nuevo medicamento.
b. Encuentra la desviación estándar de x.
c. Encuentra la probabilidad de que x caiga en el intervalo µ ± 2σ
Solución
a. El valor esperado E es la media de la variable aleatoria discreta X y se
representa de siguiente forma:

𝐸(𝑋) = ∑(𝑥𝑖 ∗ 𝑃(𝑥𝑖 ))

𝑥𝑖
𝐸(𝑋) = (3 ∗ 0,03) + (4 ∗ 0,05) + (5 ∗ 0,07) + (6 ∗ 0,10) + (7 ∗ 0,14) + (8 ∗ 0,20)
+ (9 ∗ 0,18) + (10 ∗ 0,12) + (11 ∗ 0,07) + (12 ∗ 0,03) + (13 ∗ 0,01)
𝐸(𝑋) = 0,09 + 0,20 + 0,35 + 0,60 + 0,98 + 1,60 + 1,62 + 1,20 + 0,77 + 0,36 + 0,13
𝐸(𝑋) = 7,9

El valor esperado de personas esperando en un día aleatorio es 7,90

b. Para calcular la desviación típica debemos hallar primero la varianza que se
calcula con la siguiente fórmula:

𝜎 2 = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2

Ya tenemos el valor de [𝐸(𝑋)]2 que es el que hallamos anteriormente, solo lo

elevamos al cuadrado, ahora vamos a calcular 𝐸(𝑋 2 ) que es elevar X al cuadrado
y multiplicarlo por su probabilidad

𝐸(𝑋 2 ) = (9 ∗ 0,03) + (16 ∗ 0,05) + (25 ∗ 0,07) + (36 ∗ 0,10) + (49 ∗ 0,14)
+ (64 ∗ 0,20) + (81 ∗ 0,18) + (100 ∗ 0,12) + (121 ∗ 0,07)
+ (144 ∗ 0,03) + (169 ∗ 0,01)
𝐸(𝑋 2 ) = 0,27 + 0,8 + 1,75 + 3,60 + 6,86 + 12,8 + 14,58 + 12 + 8,47 + 4,32 + 1,69
𝐸(𝑋 2 ) = 67,14

Ahora podemos calcular la varianza

𝜎 2 = 𝐸(𝑋 2 ) − [𝐸(𝑋)]2
𝜎 2 = 67,14 − (7,90)2
𝜎 2 = 4,73

La desviación típica será la raíz de la varianza

𝜎 = √𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎
𝜎 = √4,73
𝜎 = 2,17

c. Para hallar la probabilidad del intervalo µ ± 2σ debemos calcular primero qué

valores caen dentro de este así que lo hacemos de la siguiente manera

µ ± 2σ donde µ es el valor esperado que es el mismo valor de la media y σ es la

desviación estándar

7,90 + (2 ∗ 2,17) = 12,24

7,90 − (2 ∗ 2,17) = 3,56
El intervalo que nos queda es (3,56, 12,24), dado que es una variable aleatoria
discreta tomaremos los valores entre estos dos números que se encuentran en la
tabla y sumaremos sus probabilidades para obtener la respuesta
𝑃[3,56 < 𝑋 < 12,24]
= 𝑃[𝑋 = 4] + 𝑃[𝑋 = 5] + 𝑃[𝑋 = 6] + 𝑃[𝑋 = 7] + 𝑃[𝑋 = 8] + 𝑃[𝑋 = 9]
+ 𝑃[𝑋 = 10] + 𝑃[𝑋 = 11] + 𝑃[𝑋 = 12]
𝑃[3,56 < 𝑋 < 12,24] = 0,05 + 0,07 + 0,10 + 0,14 + 0,20 + 0,18 + 0,12 + 0,07 + 0,03
𝑃[3,56 < 𝑋 < 12,24] = 0,96
 Resumen

Capítulo 4 Variable aleatoria y distribuciones discretas de probabilidad

Distribución de probabilidad de Poisson

Es una distribución de probabilidad que se aplica para variables aleatorias
discretas, ya que mide la frecuencia relativa de un evento en función a una
unidad de tiempo, a una de espacio, o bien, a una de volumen.
Esta distribución fue ideada por el matemático y físico francés Simeón
Denise Poisson (1781– 1840) quien la publicó en 1837. A esta distribución
también se le conoce como la ley de eventos improbables, ya que a medida
que sucedan más eventos por tiempo, espacio o volumen, es menor su
probabilidad de ocurrencia.
La distribución de Poisson permite describir el comportamiento de la
probabilidad en problemas como:
 Número de llegadas de clientes por hora a un banco, un restaurante, o
bien, una tienda.
 Número de accidentes por semana en una escuela, empresa o
carretera.
 El número de imperfecciones por centímetro 2 en los toldos de las
carrocerías de automóviles nuevos.
 El número de bacterias por mililitro de agua en un depósito de agua
potable de la ciudad.
Esta distribución de probabilidades de Poisson es el resultado de las
siguientes hipótesis:
 Los eventos suceden uno a la vez, es decir, la probabilidad de que
ocurran dos o más eventos en el mismo instante es cero.
 La probabilidad de ocurrencia del evento de interés es constante para
dos intervalos distintos de tiempo, espacio o volumen.
 El número de eventos por tiempo, espacio o volumen permanece
constante. Esto significa que, el número esperado de eventos en un
lapso de tiempo, espacio o volumen es el mismo en cualquier otro lapso
de tiempo, espacio o volumen. Por ejemplo, si a un banco llegan 12
clientes por hora, este mismo comportamiento se observa en cualquier
hora laborable.
  La ocurrencia de un evento de interés en un lapso de tiempo, espacio o
volumen es independiente de su ocurrencia en algún otro lapso de
tiempo, espacio o volumen.
Con base en las hipótesis anteriores, la función de probabilidad de Poisson
(4.6) puede expresarse como:
𝜆𝑥 𝑒 −𝜆 𝜆𝑥
𝑃(𝑥) = (4.6) o bien, como: 𝑃(𝑥) = 𝑥!𝑒 𝜆 (4.6)
𝑥!

𝑃(𝑥) = probabilidad de x éxitos dado el valor de 1.

𝜆 = número promedio (valor esperado) de ocurrencias por unidad de tiempo,
espacio o volumen.
𝑒 = 2.71828 base de los logaritmos naturales o neperianos.
𝑥 = número de éxitos deseados por unidad de tiempo, espacio o volumen.
Sus valores (enteros positivos) varían de 0, 1, 2, 3 …∞

Ejercicio 5

De acuerdo con un estudio realizado por el Departamento de Pediatría de la

Universidad Nacional en Bogotá, 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. Si el número promedio de lesiones por año para
niños en edad escolar es de dos. ¿cuáles son las probabilidades de estos
eventos?

𝝀𝒙 𝒆−𝝀
Probabilidad de Poisson: 𝑷(𝒙) = (𝟒. 𝟔)
𝒙!

𝑃(𝑥) = probabilidad de x éxitos dado el valor de 1.

𝜆 = número promedio (valor esperado) de ocurrencias por unidad de tiempo,
espacio o volumen.
𝑒 = 2.71828 base de los logaritmos naturales o neperianos.
𝑥 = número de éxitos deseados por unidad de tiempo, espacio o volumen.
Sus valores (enteros positivos) varían de 0, 1, 2, 3 …∞

a. Probabilidad de que un niño en edad escolar sufrirá dos lesiones

durante el año.
 22 ∗ 2,71828−2
𝑃(𝑥 = 2) =
2∗1
4 ∗ 0,1353
𝑃(𝑥 = 2) = = 0,27 = 27%
2
La Probabilidad de que un niño en edad escolar sufrirá dos lesiones durante
el año es de 27%.
b. Probabilidad de que un niño en edad escolar sufrirá dos o más
lesiones durante el año.

𝑃(𝑋 ≥ 2) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)]

𝑃(𝑋 ≥ 2) = 1 − [0 + 0,1353 + 0,27]
𝑃(𝑋 ≥ 2) = 0,5947 = 59,47%
La Probabilidad de que un niño en edad escolar sufrirá dos o más lesiones
durante el año es de 59,47%.

c. Probabilidad de que un niño en edad escolar sufrirá a lo sumo una

lesión durante el año.
𝑃(𝑋 ≤ 1) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1)
𝑃(𝑋 ≤ 1) = 0 + 0,1353
𝑃(𝑋 ≤ 1) = 0,1353 = 13,53%
La probabilidad de que un niño sufra en edad escolar sufrirá a lo sumo una
lesión durante el año es de 13,53%.
 REFERENCIAS BIBLIOGRÁFICAS

 Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.

Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11
013767&ppg=177

 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico

Nacional. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10
436604&ppg=128

 Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página

241 a 278 Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&
docID=11013767&tm=1470693471527

 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico

Nacional. Página 178 a 222. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=183&
docID=10436604&tm=1470693651415

 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica:

Probabilidad e inferencia. Página 46 a 57. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=47&d
ocID=10995669&tm=1470693596054

 Sánchez, J. (2018). Distribución binomial. Recuperado de

http://hdl.handle.net/10596/17785

 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=1489690264128