ESTADISTICA I

ANDRES FABIAN OLAYA MENDEZ

CASO PRÁCTICO

UNIDAD 3: VARIABLES ALEATORIAS Y DISTRIBUCIONES DE

PROBABILIDAD

CORPORACION UNIVERSITARIA DE ASTURIAS

PROGRAMA DE ADMINISTRACION Y DIRECCION DE EMPRESAS

BOGOTÁ - COLOMBIA

2019

DOCENTE: MILCON MONTENEGRO GAMBA

 TABLA DE CONTENIDO

1. INTRODUCCIÓN..................................................................................................................... 3
Objetivo General ............................................................................................................................. 3
Objetivos específicos ...................................................................................................................... 3
2. DESARROLLO ......................................................................................................................... 4
Enunciado........................................................................................................................................ 4
3. CONCLUCIÓN ......................................................................................................................... 8
BIBLIOGRAFÍA................................................................................................................................. 9
 1. INTRODUCCIÓN.

La estadística es una herramienta que nos ayuda a tomar decisiones en presencia de un

resultado. En este caso práctico se da parte para estimar parámetros de la población a partir
de la información obtenida en muestras. Esta estimación va a estar siempre asociada a una
mayor o menor incertidumbre, por muy grande que sea el tamaño de la muestra que
estudiemos. Demostrando la variable aleatoria como la función que asocia a cada elemento
del espacio muestral Ω un número real y así permitirnos identificar y distinguir las
diferentes variable

Objetivo General

Analizar para estimar la frecuencia de una determinada característica, si nuestro estudio

tiene suficientes sujetos, la frecuencia relativa es la mejor aproximación que tenemos a la
probabilidad en nuestro medio. La probabilidad no solo se refiere a variables nominales
también se puede aplicar a cualquier otro tipo de variable.

Objetivos específicos

 Identificar qué es una variable aleatoria y sus características numéricas.

 Conocer los distintos tipos de distribuciones discretas.
 Estudiar los diferentes tipos de distribuciones continuas.
 2. DESARROLLO

Enunciado

CASO PRÁCTICO
1. ¿Qué modelo de distribución podrían seguir las siguientes variables aleatorias?

 Número de hombres, mujeres y niños (menores de 12 años, de cualquier sexo), en

un avión con 145 pasajeros.

RTA. Las variables de Bernoulli pueden tomar dos valores numéricos, 0 y 1, donde 1
corresponde a un evento y 0 corresponde a un no evento. Una variable aleatoria X sigue
una distribución de Bernoulli si P(X = 1) = p y P(X = 0) = 1 – p, donde p es la probabilidad
de ocurrencia del evento.

 Número de visitas que recibe en una hora www.iep.edu.es.

RTA. La distribución de Poisson se especifica por un parámetro: lambda (λ). Este

parámetro es igual a la media y la varianza. Cuando lambda aumente a valores lo
suficientemente grandes, la distribución normal (λ, λ) podría utilizarse para aproximar la
distribución de Poisson. Utilice la distribución de Poisson para describir el número de veces
que un evento ocurre en un espacio finito de observación.

 Enciclopedias vendidas por un vendedor a domicilio tras visitar 18 casas.

RTA. La distribución binomial es una distribución discreta que modela el número de
eventos en un número de ensayos fijo. Cada ensayo tiene dos resultados posibles, y evento
es el resultado de interés en un ensayo. Utilice la distribución binomial para describir un
proceso donde los resultados se pueden etiquetar como un evento o un no evento y cuando
esté interesado en la ocurrencia de un evento y no en su magnitud.
(minitab)

2. Si ℜ sigue la Distribución B (10; 0; 8), su valor esperado y su varianza valen…

a) 8 y 0,2
b) 0,8 y 1,6
c) 8 y 16
d) 0,8 y 0,2
RTA. Las distribuciones Binomiales se escriben como B(n,p). Asumiendo que
n=10 y p=0.8, el valor esperado e=np=8, y la varianza var=np(1-p)=1.6.
 # INTENTO x
FORMULA = PROBABILIDAD ÉXITO
# INTENTO 10
PROBABILIDAD
ÉXITO 0,8
MEDIA 8

MEDIA * (1-
VARIANZA = PROBALIDAD ÉXITO)
PROBABILIDAD
ÉXITO 0,8
MEDIA 8
CONSTANTE 1
VARIANZA 1,6
3. ¿Qué falta en la f(x) de cuantía de una variable B(n, p): P(ξ = x) = ¿? px (1 - p) n
- x?

a) n! / x!
b) n! / [x! (n - x)!]
c) x! / [n! (x - n)!]
d) x! / n!
RTA. En los datos dados se indica que es una distribución binomial, el número de pruebas
que se realizan es n y la probabilidad de éxito es p.
n x
 p 1  p 
n x
f ( x)   x
 
x  0,1,2,..., n
n n!
Entonces   x! n  x 
 x
 

Tomamos los elementos de x en x y los combinamos de n en x

Bajo estos parámetros la respuesta es la b. n! / [x! (n - x)!]

CASO PRÁCTICO
 Se efectúan lanzamientos consecutivos de un dado correcto. Resuelva las siguientes
cuestiones:
a) Determine razonadamente la distribución de probabilidad de la v.a ξ: “número de
lanzamientos que deben efectuarse hasta conseguir el primer resultado par”.
Calcular la probabilidad de que se requieran 3 lanzamientos.
RTA. Espacio muestral es {1,2,3,4,5,6}
Espacio del evento es {2,4,6}

Deducimos en primer lugar que las posibilidades pares son 3 de 6, es decir los pares
son 2, ,4 y 6, los impares son 1, 3 y 5, concluimos que la posibilidad de cada
resultado es de 1/6, y que sea par o impar es de:

1/6 + 1/6 + 1/6 + 1/6 + 1/6 + 1/6 = 100%

P(número par)= p= {2,4,6}

p= 1/6 + 1/6 + 1/6 =3/4 = 1/2

P(número par)= ½

Si lanzamos el dado la probabilidad que sea par o impar es del 50%, pero la
posibilidad que en 3 sea par planteamos lo siguiente:

Que se lance y sean 2 pares o 2 impares es la misma:

1/2 ^ 2 = 0,25 0,25

100% 25,00%
b) Determine razonadamente la distribución de probabilidad de la v.a μ: “número
de lanzamientos que deben efectuarse hasta conseguir 3 pares”. Calcular la
probabilidad de que se requieran 5 lanzamientos.

RTA. Dada la posibilidad en 3 lanzamientos cuales son las posibilidades, son 6 lo elevamos
al cubo que es la cantidad de lanzamientos que se harán:

6 ^ 3 = 216

La posibilidades son los numero pares que son 3 también lo elevamos al cubo:

3 ^ 3 = 27

Dividimos la cantidad de posibilidades entre la cantidad de lanzamientos:

27
= 0,125 = 1/8
216
Ahora, para obtener tu probabilidad:

7/8 ^ 5 = 0,51 0,51

100% 51,29%

Resumen en el siguiente, cuadro:

6 ^ 3 = 216

3 ^ 3 = 27 0,125 1/8

7/8 ^ 5 = 0,51 0,51

100% 51,29%

El espacio muestral cambia, pues el número total de resultados posibles para el

lanzamiento del dado es 63=216, en cada lanzamiento hay tres posibilidades así que
el número de casos favorables es 33=27, la probabilidad de obtener 3 pares es
número de casos favorables sobre número de casos posibles =27/216=0.125 esto es
12.5%, así la probabilidad de obtener pares es 1/8, y la probabilidad de obtener
impares en cada lanzamiento es 7/8.
Al calcular la probabilidad de que se requieran 5 lanzamientos se obtiene 51.29%.
(DATOS)
 3. CONCLUCIÓN

Las variables aleatorias es toda función que asocia a cada elemento del espacio muestral Ω
un número real y la distribuciones de probabilidad es en teoría la distribución de
probabilidad de una variable aleatoria es una función que asigna a cada suceso definido
sobre la variable la probabilidad de que dicho suceso ocurra. La distribución de
probabilidad está definida sobre el conjunto de todos los sucesos y cada uno de los sucesos
es el rango de valores de la variable aleatoria. También puede decirse que tiene una relación
estrecha con las distribuciones de frecuencia. De hecho, una distribución de probabilidades
puede comprenderse como una frecuencia teórica, ya que describe cómo se espera que
varíen los resultados.

La distribución de probabilidad está completamente especificada por la función de

distribución, cuyo valor en cada x real es la probabilidad de que la variable aleatoria sea
menor o igual que x.
 BIBLIOGRAFÍA

(2019), D. M. (s.f.). https://wpd.ugr.es/~bioestad/guia-de-r/practica-3/#4. Obtenido de

https://wpd.ugr.es/~bioestad/guia-de-r/practica-3/#4:
https://wpd.ugr.es/~bioestad/guia-de-r/practica-3/#4
DATOS, E. H. (s.f.). https://dados.wordpress.com/2006/12/01/probabilidad/. Obtenido de
https://dados.wordpress.com/2006/12/01/probabilidad/
https://www.centro-virtual.com/campus/course/view.php?id=77&section=3. (2019).
https://www.centro-virtual.com/campus/course/view.php?id=77&section=3.
Obtenido de https://www.centro-
virtual.com/campus/course/view.php?id=77&section=3: https://www.centro-
virtual.com/campus/course/view.php?id=77&section=3
minitab, s. (s.f.). https://support.minitab.com/es-mx/minitab/18/help-and-how-
to/probability-distributions-and-random-data/supporting-
topics/distributions/binomial-distribution/. Obtenido de
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-
distributions-and-random-data/supporting-topics/distributions/binomial-distribution/