369 - Tarea2 Compañeros

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos

aleatorios y distribuciones de probabilidad
Portada
PROBABILIDAD
Tarea 2 – Experimentos aleatorios y distribuciones de

Probabilidad
Presentado por:
Cristian Esneider Muñoz Ñañez
Julián Antonio Gaviria
Andrea Hoyos
Edwin Córdoba
Yuheidy Yiseth Barrios
Código Curso: 100402_369
Presentado a:
Erica Zulay Diaz
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
(UNAD)
2020
Introducción (mínimo 2 párrafos de 10 líneas de texto cada uno)
En este trabajo se profundizará en el tema de la probabilidad realizando

una serie de ejercicios sobre problemáticas que se pueden presentar en
la vida cotidiana que para el desarrollo de los mismos se aplicarán
temas relacionados a diversos tipos de distribución probabilística como
lo son la distribución hipergeométrica la cual modela el número de
eventos en una muestra de tamaño fijo cuando usted conoce el número
total de elementos en la población de la cual proviene la muestra;
Distribución binomial que describe el número de éxitos al realizar n
experimentos independientes entre sí, acerca de una variable aleatoria;
Distribución poisson que hace referencia a la modelización de
situaciones, en las que se interesa determinar el número de hechos de
cierto tipo, se pueden producir en un intervalo de tiempo o de espacio;
La distribución normal, la cual es capaz de aproximar satisfactoriamente
el valor de una variable aleatoria continua a una situación ideal. Estos
temas son fundamentales para diseñar un escenario de acontecimientos
resultantes de un experimento.
Objetivos
El grupo presenta máximo 3 objetivos, uno general y dos específicos.
Objetivo general.
Comprender como a través de la probabilidad e identificar
correctamente los tipos de variables aleatorios se pueden plantear
soluciones a casos cotidianos, que se aplican en muchas áreas como
industriales, hospitales etc.
Objetivos específicos.
 Comprender los diferentes tipos de variables de distribución que

presenta la probabilidad
 Implementar correctamente las diferentes funciones de
probabilidad de acuerdo a cada una de las características
planteadas en los ejercicios.
Ejercicio 2
El grupo entrega aquí, de manera organizada, el análisis, desarrollo y
solución de ESTUDIO DE CASO que selecciono y explico cada estudiante
a sus compañeros de grupo.
Solución al estudio de caso 1: El grupo entrega aquí, de manera
organizada, el análisis, desarrollo y solución del ESTUDIO DE CASO
presentado
RESPONSABLE ROL SELECCIONADO

Cristian Esneider Evaluador - Compilador
Muñoz Ñañez.
C.C. 1084261664
a. Distribución Hipergeométrica: De 60 personas

seleccionadas de una determinada empresa, 20 de ellas son
tecnólogos y 40 son profesionales de cierta área de la
lingüística. Si se selecciona aleatoriamente una muestra de 12
personas, ¿Cuál es la Probabilidad de que:
1. 6 de ellos sean tecnólogos?
 Sacamos las variables según el caso planteado.
𝑁 = 60 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝐾 = 20 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝑛 = 12 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝑥 = 6 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
 Reemplazamos en la fórmula.
20 60 − 20
()( )
𝑃(𝑋 = 𝑥) = 6 12 − 6
(60
12)
20 40
(
)( )
𝑃(𝑋 = 𝑥) = 6 6
(60
12)
(20𝐶6)(40𝐶6)
𝑃(𝑋 = 𝑥) =
(60𝐶12)
(38760)(3838380)
𝑃(𝑋 = 𝑥) =
(1,399 ∗ 1012 )
(1,487 ∗ 1011 )
𝑃(𝑋 = 𝑥) =
(1,399 ∗ 1012 )
𝑃(𝑋 = 𝑥) = 0,1063
Rta/: La probabilidad de que 6 de ellos sean tecnólogos es del 10,63%.
2. 7 de ellos sean profesionales?

𝑁 = 60 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝐾 = 40 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝑛 = 12 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
𝑥 = 7 𝑝𝑒𝑟𝑠𝑜𝑛𝑎𝑠
 Reemplazamos en la fórmula.
40 60 − 40
( )( )
𝑃(𝑋 = 𝑥) = 7 12 − 7
(60
12)
40 20
( )( )
𝑃(𝑋 = 𝑥) = 7 5
(60
12)
( 40𝐶7)(20𝐶5)
𝑃(𝑋 = 𝑥) =
(60𝐶12)
(18643560)(15504)
𝑃(𝑋 = 𝑥) =
(1,399 ∗ 1012 )
(2,890 ∗ 1011 )
𝑃(𝑋 = 𝑥) =
(1,399 ∗ 1012 )
𝑃(𝑋 = 𝑥) = 0,2065
Rta/: La probabilidad de que 7 de ellos sean profesionales es del 20,65%.
b. Distribución Binomial: (Distribución binomial). En una

empresa el 25% de los empleados tienen estudios de posgrado.
Se elige aleatoriamente una muestra de 20 trabajadores. Si X
es la variable aleatoria que representa el número de
trabajadores con postgrado, encuéntrese:
𝒏
 Formula: 𝑷(𝑿) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙
n= Número de ensayos.
p= Probabilidad de éxito.
x= Número de casos exitosos.

n= 20 trabajadores
p=0.25
1. 𝑷(𝑿 ≤ 𝟒)
𝑃(𝑋 ≤ 4) = 𝑃(𝑋 = 4) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 1)
20 20
𝑃(𝑋 ≤ 4) = (( ) (0,25)4 (1 − 0,25)20−4 ) + (( ) (0,25)3 (1 − 0,25)20−3 ) +
4 3
20 20
(( ) (0,25)2 (1 − 0,25)20−2 ) + (( ) (0,25)1 (1 − 0,25)20−1 )
2 1
𝑃(𝑋 ≤ 4) = ((4845)(0,25)4 (0,75)16 ) + ((1140)(0,25)3 (0,75)17 )

+ ((190)(0,25)2 (0,75)18 ) + ((20)(0,25)(0,75)19 )
𝑃(𝑋 ≤ 4) = (0,1896) + (0,1338) + (0,0669) + (0,0211)
𝑷(𝑿 ≤ 𝟒) = (𝟎, 𝟒𝟏𝟏𝟒)
Conclusión: Cuando 𝑿 ≤ 4 la probabilidad es de 41,14%.
2. 𝑷(𝑿 < 𝟒)
𝑃(𝑋 < 4) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 1)
20 (0,25)3 (1 20
𝑃(𝑋 < 4) = (( ) − 0,25)20−3 ) + (( ) (0,25)2 (1 − 0,25)20−2 )
3 2
20
+ (( ) (0,25)1 (1 − 0,25)20−1 )
1
𝑃(𝑋 < 4) = ((1140)(0,25)3 (0,75)17 ) + ((190)(0,25)2 (0,75)18 ) + ((20)(0,25)(0,75)19 )
𝑃(𝑋 < 4) = (0,1338) + (0,0669) + (0,0211)
𝑷(𝑿 < 𝟒) = 𝟎, 𝟐𝟐𝟏𝟖
Conclusión: Cuando 𝑿 < 4 la probabilidad es de 22,18%.
3. 𝑷(𝑿 ≥ 𝟔)
 Para este punto buscamos una ecuación equivalente, para

este caso, es la siguiente:
𝑃(𝑋 ≥ 𝑎) = 1 − 𝑃(𝑥 ≤ 𝑎 − 1)
 Reemplazamos los valores:

𝑃(𝑋 ≥ 6) = 1 − 𝑃(𝑥 ≤ 6 − 1)
𝒏
𝑷(𝑿 ≥ 𝟔) = 𝟏 − 𝑷(𝒙 ≤ 𝟓) 𝑷(𝑿) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙
 Encontramos 𝑃(𝑥 ≤ 5)
𝑷(𝒙 ≤ 𝟓) = 𝑃(𝑋 = 5) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 1)
20 20
𝑷(𝑿 ≤ 𝟓) = (( ) (0,25)5 (1 − 0,25)20−5 ) + (( ) (0,25)4 (1 − 0,25)20−4 )
5 4
20 20
+ (( ) (0,25)3 (1 − 0,25)20−3 ) + (( ) (0,25)2 (1 − 0,25)20−2 )
3 2
20
+ (( ) (0,25)1 (1 − 0,25)20−1 )
1
𝑷(𝑿 ≤ 𝟓) = ((15504)(0,25)5 (0,75)15 ) + ((4845)(0,25)4 (0,75)16 ) +

((1140)(0,25)3 (0,75)17 ) + ((190)(0,25)2 (0,75)18 ) + ((20)(0,25)(0,75)19 )
𝑷(𝑿 ≤ 𝟓) = (0,2023) + (0,1896) + (0,1338) + (0,0669) + (0,0211)
𝑷(𝑿 ≤ 𝟓) = 𝟎, 𝟔𝟏𝟑𝟕
 Reemplazamos valores en 𝑷(𝑿 ≥ 𝟔) = 𝟏 − 𝑷(𝒙 ≤ 𝟓).

𝑷(𝑿 ≥ 𝟔) = 1 − 𝑃(𝑥 ≤ 5)
𝑷(𝑿 ≥ 𝟔) = 1 − 𝟎, 𝟔𝟏𝟑𝟕
𝑷(𝑿 ≥ 𝟔) = 0,3863
Conclusión: Cuando 𝑿 ≥ 6 la probabilidad es del 38,63%.
4. 𝑷(𝑿 > 𝟔)
 Para este punto buscamos una ecuación equivalente, para

este caso, es la siguiente:
𝑃(𝑥 > 𝑎) = 1 − 𝑃(𝑥 ≤ 𝑎)
 Reemplazamos los valores:
𝑷(𝑿 > 𝟔) = 𝟏 − 𝑷(𝒙 ≤ 𝟔)
𝒏
 Encontramos 𝑃(𝑥 ≤ 6) 𝑷(𝑿) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙
𝑷(𝒙 ≤ 𝟔) = 𝑃(𝑋 = 6) + 𝑃(𝑋 = 5) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 1)
20 (0,25)6 (1 20 20
𝑷(𝑿 ≤ 𝟔) = (( ) − 0,25)20−6 ) + (( ) (0,25)5 (1 − 0,25)20−5 ) + (( ) (0,25)4 (1 − 0,25)20−4 ) +
6 5 4
20 (0,25)3 (1 20 20
(( ) − 0,25)20−3 ) + (( ) (0,25)2 (1 − 0,25)20−2 ) + (( ) (0,25)1 (1 − 0,25)20−1 )
3 2 1
𝑷(𝑿 ≤ 𝟔) = ((38760)(0,25)6 (0,75)14 ) + ((15504)(0,25)5 (0,75)15 ) +

((4845)(0,25)4 (0,75)16 ) + ((1140)(0,25)3 (0,75)17 ) + ((190)(0,25)2 (0,75)18 ) +
((20)(0,25)(0,75)19 )
𝑷(𝑿 ≤ 𝟔) = (0,1686) + (0,2023) + (0,1896) + (0,1338) + (0,0669) + (0,0211)
𝑷(𝑿 ≤ 𝟔) = 𝟎, 𝟕𝟖𝟐𝟑
 Reemplazamos valores en 𝑷(𝑿 > 𝟔) = 𝟏 − 𝑷(𝒙 ≤ 𝟔).

𝑷(𝑿 > 𝟔) = 1 − 𝑃(𝑥 ≤ 6)
𝑷(𝑿 > 𝟔) = 1 − 𝟎, 𝟕𝟖𝟐𝟑

𝑷(𝑿 > 𝟔) = 0,2177
Conclusión: Cuando 𝑋 > 6 la probabilidad es del 21,77%.
𝒏
5. 𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) 𝑷(𝑿) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙
𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) = 𝑃(𝑋 = 8) + 𝑃(𝑋 = 7) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 5) + 𝑃(𝑋 = 4) +

𝑃 ( 𝑋 = 3) + 𝑃 ( 𝑋 = 2)
20 20
𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) = (( ) (0,25)8 (1 − 0,25)20−8 ) + (( ) (0,25)7 (1 − 0,25)20−7 ) +
8 7
20 20 20
(( ) (0,25)6 (1 − 0,25)20−6 ) + (( ) (0,25)5 (1 − 0,25)20−5 ) + (( ) (0,25)4 (1 −
6 5 4
20 20
0,25)20−4 ) + (( ) (0,25)3 (1 − 0,25)20−3 ) + (( ) (0,25)2 (1 − 0,25)20−2 )
3 2
𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) = ((125970)(0,25)8 (0,75)12 ) + ((77520)(0,25)7 (0,75)13 )

+ ((38760)(0,25)6 (0,75)14 ) + ((15504)(0,25)5 (0,75)15 )
+ ((4845)(0,25)4 (0,75)16 ) + ((1140)(0,25)3 (0,75)17 )
+ ((190)(0,25)2 (0,75)18 )
𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) = (0,0608) + (0,1124) + (0,1686) + (0,2023) + (0,1896) + (0,1338) + (0,0669)

𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) = 0,9344
Conclusión: Cuando 𝟐≤𝑿≤𝟖 la probabilidad es del 93,44%.
6. 𝑷(𝟐 ≤ 𝑿 < 𝟖)
𝑷(𝟐 ≤ 𝑿 < 𝟖) = 𝑃(𝑋 = 7) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 5) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 2)

𝑷(𝟐 ≤ 𝑿 < 𝟖)
20 20
= (( ) (0,25)7 (1 − 0,25)20−7 ) + (( ) (0,25)6 (1 − 0,25)20−6 )
7 6
20 20
+ (( ) (0,25) (1 − 0,25)
5 20−5
) + (( ) (0,25)4 (1 − 0,25)20−4 )
5 4
20 20
+ (( ) (0,25)3 (1 − 0,25)20−3 ) + (( ) (0,25)2 (1 − 0,25)20−2 )
3 2
𝑷(𝟐 ≤ 𝑿 < 𝟖)
= ((77520)(0,25)7 (0,75)13 ) + ((38760)(0,25)6 (0,75)14 )
+ ((15504)(0,25)5 (0,75)15 ) + ((4845)(0,25)4 (0,75)16 )
+ ((1140)(0,25)3 (0,75)17 ) + ((190)(0,25)2 (0,75)18 )
𝑷(𝟐 ≤ 𝑿 < 𝟖) = (0,1124) + (0,1686) + (0,2023) + (0,1896) + (0,1338) + (0,0669)
𝑷(𝟐 ≤ 𝑿 < 𝟖) = 0,8736
Conclusión: Cuando 𝟐 ≤ 𝑿 < 𝟖 la probabilidad es del 87,36%.
7. 𝑷(𝟐 < 𝑿 ≤ 𝟖)
𝑷(𝟐 < 𝒙 ≤ 𝟖) = 𝑃(𝑋 = 8) + 𝑃(𝑋 = 7) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 5) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 3)
20) (0,25)8 (1 − 0,25)20−8 ) + ((20) (0,25)7 (1 − 0,25)20−7 )

𝑷(𝟐 < 𝒙 ≤ 𝟖) = ((
8 7
+ ((20) (0,25)6 (1 − 0,25)20−6 ) + ((20) (0,25)5 (1 − 0,25)20−5 )
6 5
20 20
+ (( ) (0,25)4 (1 − 0,25)20−4 ) + (( ) (0,25)3 (1 − 0,25)20−3 )
4 3
12
𝑷(𝟐 < 𝒙 ≤ 𝟖) = ((125970)(0,25)8 (0,75) ) + ((77520)(0,25)7 (0,75)13 ) + ((38760)(0,25)6 (0,75)14 )
+ ((15504)(0,25)5 (0,75)15 ) + ((4845)(0,25)4 (0,75)16 ) + ((1140)(0,25)3 (0,75)17 )
𝑷(𝟐 < 𝑿 ≤ 𝟖) = (0,0608) + (0,1124) + (0,1686) + (0,2023) + (0,1896) + (0,1338)
𝑷(𝟐 < 𝑿 ≤ 𝟖) = 𝟎, 𝟖𝟔𝟕𝟓
Conclusión: Cuando 𝟐<𝑿≤𝟖 la probabilidad es del 86,75%.
8. 𝑷(𝟐 < 𝑿 < 𝟖)

𝑷(𝟐 < 𝑿 < 𝟖) = 𝑃(𝑋 = 7) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 5) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 3)
20 20
𝑷(𝟐 < 𝑿 < 𝟖) = (( ) (0,25)7 (1 − 0,25)20−7 ) + (( ) (0,25)6 (1 − 0,25)20−6 )
7 6
20 5 20−5 20
+ (( ) (0,25) (1 − 0,25) ) + (( ) (0,25)4 (1 − 0,25)20−4 )
5 4
20 3 20−3
+ (( ) (0,25) (1 − 0,25) )
3
𝑷(𝟐 < 𝑿 < 𝟖)
= ((77520)(0,25)7 (0,75)13 ) + ((38760)(0,25)6 (0,75)14 )
+ ((15504)(0,25)5 (0,75)15 ) + ((4845)(0,25)4 (0,75)16 )
+ ((1140)(0,25)3 (0,75)17 )
𝑷(𝟐 < 𝑿 < 𝟖) = (0,1124) + (0,1686) + (0,2023) + (0,1896) + (0,1338)

𝑷(𝟐 < 𝑿 < 𝟖) = 0,8067
Conclusión: Cuando 𝟐<𝑿<𝟖 la probabilidad es del 80,67%.
𝒏
9. 𝑷(𝑿 = 𝟒) 𝑷(𝑿) = ( ) 𝒑𝒙 (𝟏 − 𝒑)𝒏−𝒙
𝒙
 Recordamos las variables del caso planteado.

n= 20 trabajadores
p=0.25
 Reemplazamos en la fórmula
20
𝑃(𝑋 = 4) = ( ) (0,25)4 (1 − 0,25)20−4
4
𝑃(𝑋 = 4) = (4845)(0,25)4 (0,75)16

𝑃(𝑋 = 4) = 0,1896
Conclusión: Cuando 𝑿=𝟒 la probabilidad es del 18,96%.
c. Distribución Poisson: En el estudio de cierto organismo acuático

se toman gran número de muestras de un estanque y se midió el
número de organismos que había en cada muestra. Se encontró
que el promedio de organismos por muestra fue de tres. Encontrar
la Probabilidad de que:
Formula:
1. La siguiente muestra que se tome contenga uno o más

organismos.
Sacamos las variables del problema.
𝝀 = 𝟑 − 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑜𝑟𝑔𝑎𝑛𝑖𝑠𝑚𝑜𝑠
𝑿 ≥ 𝟏 − 𝑁𝑢𝑚. 𝑑𝑒 𝑜𝑟𝑔𝑎𝑛𝑖𝑠𝑚𝑜𝑠,
 Para 𝑿 ≥ 𝟏 realizamos la siguiente operación.
(𝑋 ≥ 1) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3)
 Encontramos el valor de las probabilidades y luego las sumamos.
𝝀𝒙 𝒆−𝝀
(𝑋 ≥ 1) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) 𝒑(𝑿) =
𝒙!
1 2 3
(𝑋 ≥ 1) =
3 (2,71828)−3 3 (2,71828)−3 3 (2,71828)−3
+ +
1! 2! 3!
−3
(𝑋 ≥ 1) =
3 (2,71828) 9 (2,71828)−3 27 (2,71828)−3
+ +
1 2 6
(𝑋 ≥ 1) = 0,5974
Conclusión: Hay un 59,74% de probabilidad en que la muestra que se tome

contenga uno o más organismos, esto cuando el promedio de organismos por
muestra es de 3.
2. La próxima muestra tomada contenga exactamente dos

organismos.
 Sacamos las variables del problema.
𝝀 = 𝟑 − 𝑃𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑿 = 𝟐 − 𝑁ú𝑚. 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜𝑠
 Reemplazamos en la fórmula:
𝝀𝒙 𝒆−𝝀
𝒑(𝑿) =
𝒙!
32 (2,71828)−3
𝑝(𝑋 = 2) =
2!
9 (2,71828)−3
𝑝(𝑋 = 2) =
2
𝑝(𝑋 = 2) = 0,2240
Conclusión: La probabilidad de que la próxima muestra tomada contenga

exactamente dos organismos es del 22,40%, esto cuando el promedio de
organismos por muestra es de 3.
d. Distribución Normal: En comparación con las baterías

tradicionales, las baterías de iones de litio se cargan más rápido,
duran más y tienen una densidad de potencia más alta, lo que las
hace más livianas y les da una mayor duración. Estas baterías
duran en promedio 6 años, con una desviación estándar de 0,9
años. Suponiendo que la duración de las baterías está
normalmente distribuida, encuéntrese la Probabilidad de que una
batería de litio dada dure entre de 4 y 7 años.
Fórmula:
𝟏 𝟏 𝑿−𝝁 𝟐
𝒇(𝒙) = 𝒆 𝟐 𝝈 )
− (
√𝟐𝝅𝝈
 Sacamos las variables que pide el problema.
Desviación estándar 𝝈 = 𝟎, 𝟗
Media - Promedio 𝝁=𝟔
1. Encontrar la probabilidad de que una batería de litio dada dure

entre 4 y 7 años.
𝑷(𝟒 ≤ 𝒙 ≤ 𝟕)
2. Con base en la fórmula planteada, encontramos la distribución Z,

𝑿−𝝁
la cual está establecida por la siguiente fórmula: 𝒁= 𝝈
Reemplazando estos valores, cuando X=4. 𝒁 = 𝟒−𝟔

𝟎.𝟗 = −𝟐. 𝟐𝟐
Reemplazando estos valores, cuando X=7. 𝒁 = 𝟕−𝟔

𝟎.𝟗 = 𝟏. 𝟏𝟏
3. Con base a la Tabla de Distribución Normal Estandarizada,

sacamos las áreas bajo la curva, cuando:
𝒁 = −2.22 ⇒ 𝑨= 𝟎. 𝟒𝟖𝟔𝟖
𝒁= 1.11 ⇒ 𝑨 = 𝟎. 𝟑𝟔𝟔𝟓
 Representación gráfica:
4. Se suman las dos áreas 𝑨𝟏 y 𝑨𝟐 :
𝑷(𝟒 ≤ 𝒙 ≤ 𝟕) = 𝐴1 + 𝐴2
𝑷(𝟒 ≤ 𝒙 ≤ 𝟕) = 0.4868 + 0.3665
𝑷(𝟒 ≤ 𝒙 ≤ 𝟕) = 𝟎. 𝟖𝟓𝟑𝟑
Conclusión: La probabilidad de que una batería de litio dada dure entre 4 y 7
años es del 85,33%.


presentado
Yuheidy Yiseth Barrios
Estudios de caso estudiante N°21:
a. Distribución Hipergeométrica: Un lote de 40 artículos contiene

5 defectuosos. Se elige una muestra aleatoria de 8 artículos. ¿Cuál
es la Probabilidad de que 3 de ellos sean defectuosos?
Solución
Datos
N=total de población=40
R=éxito de población =5
N=muestra=8
X=número de éxitos de la muestra=3
Fórmula para resolver
𝑅 𝑁− 𝑅
𝑝(𝑥) 𝑥 𝑛− 𝑥
𝑁
𝑛
Remplazamos valores
5 40 − 5 5! 35!
∗
𝑝(𝑥) 3 8 − 3 = 3! 2! 5! 30! = 42.710
40 40!
8 8! 32!
Aplicamos la regla de la factorial
1Tomado y adaptado de Gutiérrez, Banegas, Ana Laura. Probabilidad y estadística Enfoque por competencias, Grupo
Editorial Mc Graw Hill, 2012.
𝑛 𝑛!
( ) = 𝑘!(𝑛−𝑘)!
𝑘
porcentaje
p(x = 3) = 42.7%
la probabilidad de que 3 de ellos sea defectuoso es de 42.7%


presentado

Julian Antonio Gaviria
a. Distribución Hipergeométrica: En un auditorio se encuentran

reunidas 7 personas, de las cuales 2 son hombres. Una persona
elige aleatoriamente 4 de dichas personas. ¿Cuál es la
Probabilidad de elegir:
𝑡𝑝 𝑡𝑞
( 𝑟 ) (𝑡 − 𝑟)
𝑃(𝑥, = 𝑟) = (1)
𝑇
(𝑡)
T=Tamaño de la población
Z=El número de éxitos en la población
Xi=El número de éxitos en la muestra
t= Es el tamaño de la muestra o el número de ensayos
Ct=combinación
¿Cero Mujeres?
Si definimos valores
𝑇=7
𝑍=5
𝑡= 4
𝑇−𝑧 =7−5=2
𝑡 − 𝑥𝑜 = 4 − 𝑥𝑜
Solución de las combinaciones

𝑛!
𝑛𝐶𝑟 = (2)
𝑟! (𝑛 − 𝑟)!
Si remplazamos la ecuación 2 en 1 obtenemos la ecuación general

para este caso.
5! 2!
( )( )
0! (5 − 0)! (4 − 0)! (2 − 4))!
𝑃𝑥 =
7!
4! (7 − 4)!
La combinación no puede realizarse al ser imposible escoger una

muestra de 4 personas sin tomar una mujer ya que solo tenemos
hombres, de una forma u otra debemos tomar una mujer
¿Un hombre?
Si definimos valores
𝑇=7
𝑍=2
𝑡= 4
𝑇−𝑧 =7−2=5
𝑡 − 𝑥𝑜 = 4 − 𝑥𝑜
2! 5!
( )( )
1! (2 − 1)! (3)! (5 − 3))!
𝑃𝑥 = = 𝟎, 𝟓𝟕𝟏
7!
4! (7 − 4)!
¿Dos hombres?
2! 5!
( )( )
(2 (5
2! − 2)! (2)! − 2))!
𝑃𝑥 = = 𝟎, 𝟐𝟖𝟔
7!
4! (7 − 4)!
b. Distribución Binomial: Una empleada de servicios generales

debe de empezar sus quehaceres laborales todas las mañanas a las
7:00 AM, se retarda 2 horas o más el 30% de las veces en empezar.
El jefe de talento humano que no llega sino a las 8:00 AM hace
semanalmente monitoreo, para verificar las instalaciones de trabajo
estén en óptimas condiciones de aseo entre las 9:00 AM y las 10:00
AM. ¿Cuál es la Probabilidad de que dos mañanas de las cinco en que
el jefe de talento humano hace la verificación, las instalaciones estén
en óptimas condiciones?
Ecuación general:
𝑃(𝑡) = 𝑛𝑖𝐶𝑡 𝑆 𝑡 (1 − 𝑆)𝑛−𝑡
Donde:
𝑛 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠
𝐶𝑡: 𝑐𝑜𝑚𝑏𝑖𝑛𝑎𝑐𝑖ó𝑛
𝑆 = 𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 é𝑥𝑖𝑡𝑜 𝑒𝑛 𝑐𝑎𝑑𝑎 𝑒𝑛𝑠𝑎𝑦𝑜
𝑡: 𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎 𝑑𝑒𝑓𝑖𝑛𝑖𝑑𝑎 𝑐𝑜𝑚𝑜 𝑒𝑙 𝑛ú𝑚𝑒𝑟𝑜 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠

𝑛!
 𝑛𝐶𝑟 = 𝑟!(𝑛−𝑟)!
Si definimos valores:
 𝑛=5
 1 − 𝑆 = 0,3
 𝑆 = 0,7
5!
 𝑃(𝑡 = 2) = 2!(5−2)! (0,7)2 (1 − 0,7)5−2 = 0,132
c. Distribución Poisson: Ciertos automóviles llegan a una garita de

peaje aleatoriamente a una tasa de 500 autos cada hora. Encuentre
la Probabilidad de que durante un periodo de un minuto lleguen:
1. Cinco automóviles.
𝑡 = 500 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎 ÷ 60 𝑚𝑖𝑛 = 8,33
𝑡 𝑥 𝑒 −𝑡
𝑃(𝑟) =
𝑟!
Valores conocidos: t: 8,33
e: Constante logaritmo neperiano
Remplazando:
8,335 𝑒 −8,33
 𝑃(𝑟 = 5) = = 0,08
5!
2. Cuando más, tres automóviles.

8,330 𝑒 −8,33
 𝑃(𝑟 = 0) = = 0,00024
0!
8,331 𝑒 −8,33
 𝑃(𝑟 = 1) = = 0,002
1!
8,332 𝑒 −8,33
 𝑃(𝑟 = 2) = = 0,0084
2!
8,333 𝑒 −8,33
 𝑃(𝑟 = 3) = = 0,023
3!
Sumamos los resultados= 0,0338
3. Menos de ocho automóviles.

8,330 𝑒 −8,33
 𝑃(𝑟 = 0) = = 0,00024
0!
8,331 𝑒 −8,33
 𝑃(𝑟 = 1) = = 0,002
1!
8,332 𝑒 −8,33
 𝑃(𝑟 = 2) = = 0,0084
2!
8,333 𝑒 −8,33
 𝑃(𝑟 = 3) = = 0,023
3!
8,334 𝑒 −8,33
 𝑃(𝑟 = 4) = = 0,048
4!
8,335 𝑒 −8,33
 𝑃(𝑟 = 5) = = 0,08
5!
8,336 𝑒 −8,33
 𝑃(𝑟 = 6) = = 0,112
6!
8,337 𝑒 −8,33
 𝑃(𝑟 = 7) = = 0,1331
7!
Sumamos las probabilidades=0,4079
d. Distribución Normal: Si los valores de Azúcar en sangre total de los seres

humanos están distribuidos aproximadamente en forma normal con μ=90 mg/dl
y σ=9mg/dl. Hallar la Probabilidad de que un individuo elegido al azar de dicha
población tenga un valor de azúcar en sangre de:
1. Al menos 82 mg/dl .
Tomando la fórmula de desviación estándar en función de la varianza
𝒌−𝝁
𝒁=
𝝈
Valores conocidos:
K= 82
𝝁= Media: 90
𝝈= 9
Resolviendo:
82 − 90 8
𝑍= = − = −0.88
9 9
La probabilidad es de =0,1894
Pero como es al menos entonces seria P(x)=1-0,1894=0,8106
1. Cuando mucho 110 𝑚𝑔/𝑑𝑙 .

110 − 90 20
𝑍= = = 2,22
9 9
La probabilidad de cuando mucho sea 110 es 0,9868

2. Menos de 140 𝑚𝑔/𝑑𝑙 .
140 − 90 50
𝑍= = = 5,55
9 9
Como no se encontró en tablas este valor tan alto se recurrió a
Excel dando como resultado 0,99.

presentado
Andrea Hoyos Revisor
a. Distribución Hipergeométrica: Cada uno de 12 refrigeradores de

un tipo ha sido devuelto a un distribuidor debido a que se escucha un
sonido agudo cuando el refrigerador está funcionando. Suponga que 7
de estos refrigeradores tienen un compresor defectuoso y que los otros
5 tienen problemas menos serios. Si los refrigeradores se examinan en
orden aleatorio, sea X el número entre los primeros 6 examinados que
tienen un compresor defectuoso.
1. Calcule 𝑷(𝑿 = 𝟒).
Sea la formula
𝑘
( ) (𝑁−𝐾
𝑛−𝑥
)
𝑝(𝑥) = { 𝑥
𝑁
𝑛
1.
N=12
K=7
n=5
X=4
7 12 − 7
( )( )
𝑃(𝑥 = 4) = { 4 5 − 4
12
5
7 5
( )( )
𝑃(𝑥 = 4) = { 4 1
12
5
7 5
( )( )
𝑃(𝑥 = 4) = { 4 1
12
5
7 5
( ) ( ) 35 ∗ 5 175
𝑃(𝑥 = 4) = { 4 1 = = = 0.2209
12 792 792
5
1. Determine la Probabilidad de que X exceda su valor medio por

más de 1 desviación estándar.
b. Distribución Binomial: Un jugador de softball tiene un promedio de

bateo de 0,25 (ósea un hit en cada 4 veces que vaya a batear) si se
supone que se puede aplicar la distribución binomial y pasa a batear 4
veces en un cierto día, ¿Cuál es la probabilidad de que:
1. ¿Logre un solo hit?

2. ¿Dé por lo menos un hit?
𝑃(𝑥) = 𝑛𝐶𝑥. 𝑝 𝑥 . 𝑞 (𝑛−𝑥)

n: 4
p: 0.25
q: 1-p= 1-0.25=0.75
1. X= 1 (un solo hit)

𝑃(𝑥 = 1) = 4𝐶1 ∗ 0.251 ∗ 0.75(4−1)
𝑃(𝑥 = 1) = 4 ∗ 0,25 ∗ 0.4218
𝑃(𝑥 = 1) = 0.4218 = 42.18%
2. ¿Dé por lo menos un hit?
𝑃(𝑥 ≥ 1) = 1 − 𝑃(0)
Si 𝑃(0) = 4𝐶0 ∗ 0.250 ∗ 0.75(5−0) =0.949
𝑃(𝑥 ≥ 1) = 1 − 0.949 = 0.051 = 0.51%
c. Distribución Poisson: El nuevo Coronavirus (COVID-19) ha sido

catalogado por la Organización Mundial de la Salud como una
emergencia en salud pública de importancia internacional (ESPII). La
Probabilidad de que una persona infectada por COVID-19 fallezca al día
de hoy está dada por el 0,03. Encuéntrese la probabilidad de que
fallezcan menos de 3 de las próximas 500 personas infectadas.
𝑃(𝑥 < 3) = 𝑃(𝑥 = 0) + 𝑃 (𝑥 + 1) + 𝑃(𝑥 = 2)

𝑒 −500 ∗ 5003
𝑃(𝑥 = 3) =
3!
𝑒 −500 ∗ 5003 2.7182−500 ∗ 1500
𝑃(𝑥 = 3) = =
3! 3∗1
0.1500
𝑃(𝑥 = 3) = = 0%
3
d. Distribución Normal: La cantidad de gaseosa diaria, en litros, que sirve
una máquina que se localiza en la confitería de un Cinema es una variable
aleatoria X que tiene una distribución continua uniforme con A = 4 y B = 9.
Calcule la probabilidad de que en un día determinado la cantidad de gaseosa
que sirve esta máquina sea
1. a lo sumo 7.5 litros;

2. más de 6.3 litros, pero menos de 8.3 litros;
3. al menos 9.2 litros

presentado
Edwin Córdoba Entregas
Estudios de caso estudiante N°5:

a. Distribución Hipergeométrica: Dieciocho individuos tienen una cita para someterse a
una prueba de manejo en una oficina de tránsito en particular un cierto día, ocho de los
cuales realizarán la prueba por primera vez. Suponga que seis de estos individuos son
asignados de manera aleatoria a un examinador en particular, y sea X el número de
personas, entre estos seis, que están realizando la prueba por primera vez.
1. ¿Cuál es el tipo de distribución que tiene X (nombre y valores de todos los
parámetros)?
Tipo de Distribución Hipergeométrica
Parámetros
Nombre Valor
N=Tamaño de Población 18
Y=Número de éxitos en la población 8
n=Tamaño de la muestra 6
x=Número de éxitos en la muestra Valor que se da a x en cada situación
N-Y=Numero de fracasos en la población 10
n-x=Numero de fracasos en la muestra 6-x
2. Calcule 𝑃(𝑋=2).
(8𝐶2)(18 − 8𝐶6 − 2)
𝑃(𝑥 = 2) = = 0,31674208
18𝐶6
La probabilidad de que, en los 6 individuos asignados de manera aleatoria, salgan dos
individuos que van a presentar las prueba por primera vez es de 0,31674208.
3. Calcule 𝑃(𝑋≤2).
(8𝐶0)(18 − 8𝐶6 − 0)
𝑃(𝑥 = 0) = = 0,01131222
18𝐶6
(8𝐶1)(18 − 8𝐶6 − 1)
𝑃(𝑥 = 1) = = 0,10859729
18𝐶6
(8𝐶2)(18 − 8𝐶6 − 2)
𝑃(𝑥 = 2) = = 0,31674208
18𝐶6
𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) = 0,01131222 + 0,10859729 + 0,31674208

= 0,43665158
La probabilidad de que, en los 6 individuos asignados de manera aleatoria, salgan cero, uno
o dos individuos que van a presentar las prueba por primera vez es de 0,43665158.
4. Calcule 𝑃(𝑋≥2).
𝑃(𝐴̅) = 1 − 𝑃(𝐴)
𝐴 = {0,1}
𝑃(𝐴̅) = 1 − 0.11990949 = 0,88009051
La probabilidad de que, en los 6 individuos asignados de manera aleatoria, salgan dos o

mayor a dos individuos que van a presentar las prueba por primera vez es de 0,88009051.
5. Calcule la media y la desviación estándar para X.

𝑥=2
𝑛=6
𝑝 = 0,31674208
Media
𝜇 = 𝑛𝑝
𝑀 = 6 ∗ 0,31674208
𝑀 = 1,90045248
El promedio cuando x=2 es de: 1,90045248
Desviación Estándar
𝑁−𝑛
𝜎 = √𝑛𝑝𝑞.
𝑁−1
𝑞 =1−𝑝
𝑞 = 0,68325792
𝑁 = 18
18 − 6
𝜎 = √1,90045248 ∗ 0,68325792 ∗
18 − 1
𝜎 = 0,95738585566
La desviación estándar cuando x=2 es 0,95738585566
b. Distribución Binomial: Noticias RCN reportó el 20 de agosto de 2019 que 3 de cada

100 niños en Colombia presenta una alergia dermatológica de algún tipo. Considere que se
selecciona una muestra aleatoria de 34 niños y sea X la cantidad de niños en la muestra que
tienen una alergia dermatológica. Así, 𝑋~𝐵𝑖𝑛(34,0.03).
𝑃 = 𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑒𝑛𝑒𝑟 é𝑥𝑖𝑡𝑜

𝑞 = (1 − 𝑝) = 𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑒𝑛𝑒𝑟 𝑢𝑛 𝑓𝑟𝑎𝑐𝑎𝑠𝑜
𝑟 = 𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 é𝑥𝑖𝑡𝑜𝑠 𝑑𝑒𝑠𝑒𝑎𝑑𝑜𝑠 𝑎𝑙 𝑟𝑒𝑎𝑙𝑖𝑧𝑎𝑟 𝑢𝑛 𝑝𝑟𝑜𝑐𝑒𝑠𝑜 𝑑𝑒 𝐵𝑒𝑟𝑛𝑜𝑢𝑙𝑙𝑖.
𝑛
= 𝐸𝑙 𝑛𝑢𝑚𝑒𝑟𝑜 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑒𝑛𝑠𝑎𝑦𝑜𝑠 𝑜 𝑖𝑛𝑡𝑒𝑛𝑡𝑜𝑠 𝑢𝑡𝑖𝑙𝑖𝑧𝑎𝑑𝑜𝑠 (𝐸𝑠𝑡𝑒 𝑛𝑢𝑚𝑒𝑟𝑜 𝑒𝑠 𝑓𝑖𝑗𝑜 𝑑𝑢𝑟𝑎𝑛𝑡𝑒 𝑒𝑙 𝑒𝑥𝑝𝑒𝑡𝑖𝑒𝑚𝑡𝑜)
Se definen los valores
𝑃 = 0,03
𝑞 = 0,97
𝑟 = {0,1,2}
𝑛 = 34
1. Determine 𝑃(𝑋≤2) 𝑦 𝑃(𝑥<3).

𝑷(𝑿 = 𝒓 = 𝟎) = 0,355008675
𝑷(𝑿 = 𝒓 = 𝟏) = 0,373308091
𝑷(𝑿 = 𝒓 = 𝟐) = 0,190502582
𝑷(𝑿 ≤ 𝟐) 𝒚 𝑷(𝑿 < 𝟑) = 0,918819348
La probabilidad de que salgan 0,1 o 2 niños con una alergia dermatológica en la muestra es
de 0,918819348.
2. Determine 𝑃(𝑋≥6).
𝑃(𝐴̅) = 1 − 𝑃(𝐴)
𝐴 = {0,1,2,3,4,5}
𝑷(𝑿 = 𝒓 = 𝟎) = 0,355008675
𝑷(𝑿 = 𝒓 = 𝟏) = 0,373308091
𝑷(𝑿 = 𝒓 = 𝟐) = 0,190502582
𝑷(𝑿 = 𝒓 = 𝟑) = 0,062846213
𝑷(𝑿 = 𝒓 = 𝟒) = 0,015063654
𝑷(𝑿 = 𝒓 = 𝟓) = 0,002795317
𝑃(≥ 6) =0,99952453
𝑃(𝐴̅) = 1 − 0,99952453 = 0.00047547
La probabilidad de que salgan 6 o más niños con una alergia dermatológica es de

0.00047547.
3. Determine 𝑃(1≤𝑋≤7).
𝑷(𝑿 = 𝒓 = 𝟏) = 0,373308091
𝑷(𝑿 = 𝒓 = 𝟐) = 0,190502582
𝑷(𝑿 = 𝒓 = 𝟑) = 0,062846213
𝑷(𝑿 = 𝒓 = 𝟒) = 0,015063654
𝑷(𝑿 = 𝒓 = 𝟓) = 0,002795317
𝑷(𝑿 = 𝒓 = 𝟔) = 0,000417857
𝑷(𝑿 = 𝒓 = 𝟕) = 0,000051693
𝑷(𝟏 ≤ 𝑿 ≤ 𝟕) = 0,99999408161
La probabilidad de que salgan entre 1 y 7 niños en la muestra es de 0,99999408161.
4. En una muestra de 50 niños, ¿cuál es la Probabilidad de que ninguno tenga una

alergia dermatológica?
Se definen los valores
𝑃 = 0,03
𝑞 = 0,97
𝑟 = {0}
𝑛 = 50
𝑷(𝑿 = 𝒓 = 𝟎) = 0,218065375
La probabilidad de que en una muestra de 50 niños no salga ninguno con una alergia
dermatológica es de 0,218065375.
c. Distribución Poisson: En promedio en una intersección ocurren tres accidentes viales

por mes. ¿Cuál es la Probabilidad de que en un determinado mes en esta intersección
ocurran:
Parámetros
𝑒 = 2,71828
𝜆=3
𝑘 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜𝑠 𝑑𝑒𝑠𝑒𝑎𝑑𝑜𝑠 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑖𝑒𝑚𝑝𝑜
1. Exactamente 4 accidentes.
34 ∗ 2,71828−3
𝑷(𝒌 = 𝟒) = = 0,168031356
4!
La probabilidad de que ocurran exactamente 4 accidentes en un mes es de 0,168031356 .
2. ¿A lo sumo dos?
30 ∗ 2,71828−3
𝑷(𝒌 = 𝟎) = = 0,049787068
0!
31 ∗ 2,71828−3
𝑷(𝒌 = 𝟏) = = 0,149361205
1!
32 ∗ 2,71828−3
𝑷(𝒌 = 𝟐) = = 0,224041808
2!
𝑷(𝒌 = 𝟎) + 𝑷(𝒌 = 𝟏) + 𝑷(𝒌 = 𝟐) = 0,049787068 + 0,149361205 + 0,224041808
= 0.423190081
La probabilidad de que ocurran como máximo dos accidentes en el mes es de
0.423190081.
d. Distribución Normal: Un fabricante vende lámparas led en cajas de 2000. ¿Cuál es la

Probabilidad de que alguna caja contenga no más del 2,5% de lámparas defectuosas si se
considera el proceso de producción como un experimento binomial con 𝑝=0,025 (p= la
Probabilidad de que alguna lámpara sea defectuosa)?
𝒙−𝝁
𝒁=
𝝈
n=2000
𝑝 = 0,025
𝑞 = 1 − 𝑝 = 0,975
𝑀𝑒𝑑𝑖𝑎 𝜇 = 𝑛 ∗ 𝑝
𝜇=2000*0,025= 50
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎 𝑉 = 𝑛 ∗ 𝑝 ∗ 𝑞
𝑉 = 2000 ∗ 0,025 ∗ 0,975 = 48,75
𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡á𝑛𝑑𝑎𝑟 𝜎 = √𝑛 ∗ 𝑝 ∗ 𝑞
𝜎 = √2000 ∗ 0,025 ∗ 0,975 = 6,982
𝒙−𝝁
𝒁=
𝝈
2,5 − 50
𝑍= = −6,80
6,982
𝑧 = 0,0000000000052
𝑃(𝐴̅) = 1 − 𝑃(𝐴)
𝑃(𝐴̅) = 1 − 0,0000000000052 = 0,9999999999948
La probabilidad de que alguna caja contenga no más del 2,5% de bombillas defectuosas es
de 0,9999999999948 ó 𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑛𝑑𝑜 𝑠𝑒 𝑝𝑢𝑒𝑑𝑒 𝑑𝑒𝑐𝑖𝑟 𝑞𝑢𝑒 𝑒𝑠 𝑖𝑔𝑢𝑎𝑙 𝑎 1.
Ejercicio 3
Mentefacto:
El grupo presenta un mentefacto sobre los conceptos e ideas

fundamentales de la unidad 2, tomando como base los cuadros
sinópticos elaborados individualemente en el ejercicio Nº 1 y la
resolución del ejercicio Nº 2 (involucrando las ideas y conclusiones
generales, de cada uno de los casos de estudio).
Conclusiones (mínimo 1 por cada participante)

(No borrar este encabezado)
ESTUDIANTE CONCLUSIÓN
Edwin Reifer Cordoba En conclusión, se aplicaron los conocimientos
adquiridos en las lecturas de las referencias del
entorno de conocimiento, donde se aprendió el
concepto de variable aleatoria y sus tipos que
son variable aleatoria continua y variable
aleatoria discreta. También se aplicaron los
conocimientos de distribuciones discreta de
probabilidad y distribuciones continuas de
probabilidad y en base a estos conocimientos
se desarrollaron los ejercicios de distribuciones
hipergeométricas, distribuciones binomiales,
distribuciones de Poisson y distribuciones
normales, se aplicaron sus fórmulas para la
resolución de problemas.
Cristian Esneider Se realizaron ejercicios planteados aplicando
Muñoz Ñañez los tipos de distribución probabilística como
distribución hipergeométrica la cual modela el
número de eventos en una muestra, la
Distribución binomial que describe el número
de éxitos al realizar n experimentos
independientes entre sí, acerca de una variable
aleatoria y que la distribución poisson hace
referencia a la modelización de situaciones, se
pueden producir en un intervalo de tiempo o
de espacio; La distribución normal, la cual es
capaz de aproximar satisfactoriamente el valor
de una variable aleatoria continua a una
situación ideal.
Referencias bibliográficas en formato APA. (Mínimo una por cada

participante, no pueden repetir referencias)
(No borrar este encabezado)
ESTUDI REFERENCIA
ANTE
Cristian HIPERGEOMÉTRICA, D. (16 de 04 de 2020).
Esneider DISTRIBUCIÓN HIPERGEOMÉTRICA. Obtenido de
Muñoz https://www.uv.es/ceaces/base/modelos%20de%20probab
Ñañez ilidad/hipergeometrica.htm
Edwin Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp.

Reifer 245-261. Recuperado de
Cordoba http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258
&docID=11013767&tm=1470693471527

369 - Tarea2 Compañeros

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

369 - Tarea2 Compañeros

Загружено:

Авторское право:

Доступные форматы

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

Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos

Tarea 2 – Experimentos aleatorios y distribuciones de

Cristian Esneider Muñoz Ñañez

Julián Antonio Gaviria

Yuheidy Yiseth Barrios

Código Curso: 100402_369

Erica Zulay Diaz

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Introducción (mínimo 2 párrafos de 10 líneas de texto cada uno)

En este trabajo se profundizará en el tema de la probabilidad realizando

 Comprender los diferentes tipos de variables de distribución que

RESPONSABLE ROL SELECCIONADO

a. Distribución Hipergeométrica: De 60 personas

1. 6 de ellos sean tecnólogos?

 Sacamos las variables según el caso planteado.

Rta/: La probabilidad de que 6 de ellos sean tecnólogos es del 10,63%.

2. 7 de ellos sean profesionales?

 Sacamos las variables según el caso planteado.

Rta/: La probabilidad de que 7 de ellos sean profesionales es del 20,65%.

b. Distribución Binomial: (Distribución binomial). En una

 Sacamos las variables según el caso planteado.

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

𝑃(𝑋 ≤ 4) = ((4845)(0,25)4 (0,75)16 ) + ((1140)(0,25)3 (0,75)17 )

𝑃(𝑋 ≤ 4) = (0,1896) + (0,1338) + (0,0669) + (0,0211)

𝑷(𝑿 ≤ 𝟒) = (𝟎, 𝟒𝟏𝟏𝟒)

Conclusión: Cuando 𝑿 ≤ 4 la probabilidad es de 41,14%.

𝑃(𝑋 < 4) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 1)

𝑃(𝑋 < 4) = (0,1338) + (0,0669) + (0,0211)

𝑷(𝑿 < 𝟒) = 𝟎, 𝟐𝟐𝟏𝟖

Conclusión: Cuando 𝑿 < 4 la probabilidad es de 22,18%.

 Para este punto buscamos una ecuación equivalente, para

 Reemplazamos los valores:

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

𝑷(𝑿 ≤ 𝟓) = ((15504)(0,25)5 (0,75)15 ) + ((4845)(0,25)4 (0,75)16 ) +

𝑷(𝑿 ≤ 𝟓) = (0,2023) + (0,1896) + (0,1338) + (0,0669) + (0,0211)

 Reemplazamos valores en 𝑷(𝑿 ≥ 𝟔) = 𝟏 − 𝑷(𝒙 ≤ 𝟓).

Conclusión: Cuando 𝑿 ≥ 6 la probabilidad es del 38,63%.

 Para este punto buscamos una ecuación equivalente, para

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

𝑷(𝑿 ≤ 𝟔) = ((38760)(0,25)6 (0,75)14 ) + ((15504)(0,25)5 (0,75)15 ) +

𝑷(𝑿 ≤ 𝟔) = (0,1686) + (0,2023) + (0,1896) + (0,1338) + (0,0669) + (0,0211)

 Reemplazamos valores en 𝑷(𝑿 > 𝟔) = 𝟏 − 𝑷(𝒙 ≤ 𝟔).

𝑷(𝑿 > 𝟔) = 1 − 𝟎, 𝟕𝟖𝟐𝟑

Conclusión: Cuando 𝑋 > 6 la probabilidad es del 21,77%.

𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) = 𝑃(𝑋 = 8) + 𝑃(𝑋 = 7) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 5) + 𝑃(𝑋 = 4) +

𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) = ((125970)(0,25)8 (0,75)12 ) + ((77520)(0,25)7 (0,75)13 )

𝑷(𝟐 ≤ 𝑿 ≤ 𝟖) = (0,0608) + (0,1124) + (0,1686) + (0,2023) + (0,1896) + (0,1338) + (0,0669)

Conclusión: Cuando 𝟐≤𝑿≤𝟖 la probabilidad es del 93,44%.

𝑷(𝟐 ≤ 𝑿 < 𝟖) = 𝑃(𝑋 = 7) + 𝑃(𝑋 = 6) + 𝑃(𝑋 = 5) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 2)

𝑷(𝟐 ≤ 𝑿 < 𝟖) = 0,8736

Conclusión: Cuando 𝟐 ≤ 𝑿 < 𝟖 la probabilidad es del 87,36%.

20) (0,25)8 (1 − 0,25)20−8 ) + ((20) (0,25)7 (1 − 0,25)20−7 )

+ ((15504)(0,25)5 (0,75)15 ) + ((4845)(0,25)4 (0,75)16 ) + ((1140)(0,25)3 (0,75)17 )

𝑷(𝟐 < 𝑿 ≤ 𝟖) = (0,0608) + (0,1124) + (0,1686) + (0,2023) + (0,1896) + (0,1338)

𝑷(𝟐 < 𝑿 ≤ 𝟖) = 𝟎, 𝟖𝟔𝟕𝟓

Conclusión: Cuando 𝟐<𝑿≤𝟖 la probabilidad es del 86,75%.

8. 𝑷(𝟐 < 𝑿 < 𝟖)

𝑷(𝟐 < 𝑿 < 𝟖) = (0,1124) + (0,1686) + (0,2023) + (0,1896) + (0,1338)

Conclusión: Cuando 𝟐<𝑿<𝟖 la probabilidad es del 80,67%.

 Recordamos las variables del caso planteado.

𝑃(𝑋 = 4) = (4845)(0,25)4 (0,75)16

Conclusión: Cuando 𝑿=𝟒 la probabilidad es del 18,96%.