Академический Документы
Профессиональный Документы
Культура Документы
ARMANDO PERDOMO
TUTOR
A continuación con la elaboración de estos casos propuestos por la guía buscamos que el
grupo comprenda y aplique en forma clara y pertinente los fundamentos de las
Distribuciones discretas y continuas de probabilidad estudiados en la unidad y su aplicación
en situaciones de diferentes problemas en contextos del desarrollo profesional donde es
oportuna y acertada su aplicabilidad.
Es una función que asigna un número real a cada resultado en el espacio muestral de
Concepto de Variable Aleatoria
un experimento aleatorio. Ellos se denotan por la letra mayúscula X
Se dice que una variable aleatoria es X es Discreta si el número que pueda tomar es
Variable Aleatoria Discreta finito (o infinito contable) a cada resultado en el espacio muestral de un
experimento aleatorio.
PROBABILIDAD
Para demostrar cómo la desviación estándar es indicadora de la dispersión de la
Teorema de CHÉBYSHEV distribución de una variable aleatoria, se desarrolló un teorema en el que ofrece
una garantía mínima acerca de la probabilidad de que una variable aleatoria asuma
un valor dentro de k desviación estándar alrededor de la media.
La variable aleatoria más sencilla es aquella que toma sólo un número finito de
Distribución Uniforme Discreta
valores posibles n, cada una con la misma probabilidad.
CAPITULO 5 Distribución Binomial Sus áreas de aplicación incluyen inspección de calidad, ventas, mercadotecnia,
medicina, investigación de opiniones, estas distribuciones permiten enfrentar
circunstancias en la que los resultados pertenecen a dos categorías.
Distribución Binomial Negativa y La variable aleatoria X el número de ensayos realizados hasta obtener un éxito, ella
Geométrica. tiene un distribución geométrica con parámetro P y se expresa
x−1
f ( x ; p )=( 1− p ) . p x=1,2… … . .
Sea N el número de elementos de un conjunto de los cuales K son determinados
Distribución Hipergeométrica como éxitos y N – K como fallas, se trata ahora de determinar la probabilidad de x
éxitos en n ensayos de los N elementos del conjunto donde k ≤ N y n ≤ N .
CAPITULO 5
La variable aleatoria representa el número de eventos independientes que ocurren a
Distribución POISSON una velocidad constante. Esta distribución esta empleada para analizar problemas
de líneas de espera, confiabilidad y control de calidad.
UNIDAD DOS Con esta ley de probabilidad, la probabilidad de que al hacer un experimento
Distribución Uniforme
aleatorio, el valor de X este comprometido en cierto subintervalo de (a, b) depende
únicamente de la longitud del mismo, no de su posición.
Distribución Normal y uso de la Se caracteriza porque los valores se distribuyen formando una campana de Gauss, en
Distribución Normal Estándar. torno a un valor central que coincide con el valor medio de la distribución.
CAPITULO 6 Esta pareja se utiliza como modelo para la distribución de tiempos entre la
Distribución Exponencial y Chi
presentación de eventos sucesivos.
cuadrado
Distribución t-Studen La distribución t- Studen se construye como un cociente entre una normal y la raíz de
una x 2 independientes.
ESTUDIO DEL CASO 1- ELY FELETH PEREZ
Supongamos que X es una variable aleatoria discreta y que x es uno de sus valores posibles.
La probabilidad de que la variable aleatoria X tome el valor específico x se representa por
medio de P( X =x) . La función de probabilidad de una variable aleatoria es una
representación de las probabilidades de todos los resultados posibles. Esta representación
podría ser algebraica, gráfica o tabular. En el caso de las variables aleatorias discretas, un
sencillo método es enumerar las probabilidades de todos los resultados posibles de acuerdo
con los valores de x.
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del
barrio esperando este servicio.
7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la
empresa.
SOLUCIÓN.
Número de 0 2 3 5 6 8 10 12 15
usuarios (X)
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
Probabilida 0.02 0.07 0.19 0.37 0.5 0.66 0.8 0.92 1
d
acumulada
F ( 0 )=0.02 →
F ( 2 )=F ( 0 ) + F ( 2 )=0.02+ 0.05=0.07
F ( 3 ) =F ( 0 ) + F ( 2 ) + F (3 )=0.02+0.05+0.12=0.19
F ( 5 ) =F ( 0 ) + F ( 2 ) + F ( 3 )+ F ( 5 )=0.02+0.05+ 0.12+ 0.18=0.37
F ( 6 )=… F ( 5 ) + F ( 6 )=0.02+0.05+ 0.12+ 0.18+0.13=0.5
F ( 8 )=… F ( 6 )+ F ( 8 )=0.02+0.05+ 0.12+ 0.18+0.13+0.16=0.66
F ( 10 ) =… F ( 8 ) + F ( 10 )=0.02+0.05+0.12+0.18+ 0.13+0.16+0.14=0.8
F ( 12 )=… F ( 12 )=0.02+0.05+0.12+0.18+ 0.13+0.16+0.14 +0.12=0.92
F ( 15 ) =… F ( 15 )=0.02+ 0.05+ 0.12+0.18+0.13+ 0.16+0.14+ 0.8=1
3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho
usuarios del barrio esperando el servicio.
La probabilidad haya solo 8 usuarios es de: 0.16.
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del
barrio esperando este servicio.
P ( X >6 )=P ¿
P ( X >6 )=0.13+0.16+ 0.14+0.12+0.08=0.63
La probabilidad de que haya mas de 6 usuarios es de :0.63
5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro
usuarios del barrio en este servicio.
P ( X < 4 )=P ( X =0 ) + P ( X =2 )+ P ( X =3 )
P ( X < 4 )=0.02+ 0.05+0.12=0.19
La probabilidad de que haya menos de 4 usuarios es :0.19
Una de sus características consiste en que sólo hay dos posibles resultados en un
determinado ensayo del experimento y los resultados son mutuamente excluyentes; Otra
característica de la distribución binomial es el hecho de que la variable aleatoria es el
resultado de conteos. Es decir, se cuenta el número de éxitos en el número total de
ensayos. Una tercera característica de una distribución binomial consiste en que la
probabilidad de éxito es la misma de un ensayo a otro.
n p
0 4,5657E-06
0,00013336
1 1
2 0,00170423
0,01244483
3 9
0,05679766
4 8
0,16590202
5 6
0,30286765
6 3
0,31594831
7 5
0,14419734
8 2
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8 9
8
P ( X ≥5 )=∑ 8 0,785i (1−0,785)n−i=¿ 0,1659+0,3028+0,3159+ 0,144197342¿
()
i=5 i
⇒ P ( X ≥5 )=0,9289 ⇒ 92,89 %
5. Probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8
vehículos utilicen cinturón de seguridad
5
P ( X ≤5 )=∑ 8 0,785i (1−0,785)n−i=¿ 4,5657 E−06+ 0,00013+ 0,0017+0,0124+ 0,05679+0,1659=0
()
i=0 i
⇒ P ( X ≤5 )=0,2369 ⇒ 23,69 %
6. Número de vehículos esperado en los que los ocupantes de la parte delantera
utilizan el cinturón de seguridad.
Formula:
d N−d
P ( X=x )=
( x )( d−x )
( Nn )
2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números
del 1 al 43 y la súper balota).
N=43
d=5
n=6
x=1
43 C 5=962598
962598∗16=15´ 401.568
a. 1 en 8 millones:
Anteriormente era así eran 45 números con 6 balotas
Muestra: 45
d: 6
45 C 6=8 ´ 145.060
Rta: 8´145.060
b. Hoy en día
1 en 15 millones
1 de 43
1 de 16 (super balota)
( 43 C 5 )( 16 )=¿
962598∗16=15´ 401.568
Rta=15´401.568
d N−d
P ( X=x )=
( x )( d−x )
( Nn )
1) (5) Aciertos del 1 al 43 y (1) cierto de superbalota del 1 al 16
1)962598∗16=15´ 401.568
5 43−5 ( 1 ) 38
P ( X=5 )=
( 5 )( 5−5 )
=
( 0 ) = 1∗1 =0,00001038
43 962598 962598
(5)
Rta: La probabilidad de que coja los 5 aciertos con 1 acierto de la super balota es de
0,0000001%
2 ¿ 43 C 5=962.598
5 43−5
( )( ) ( 1 ) (38 )
5 5−5 0 1∗1
P ( X=5 )= = = =0,00000103885
43 962598 962598
(5)
Rta :Probabilidad de tener los cinco aciertos y nada de aciertos de la superbalota. Es
del 0,000103%
3 ¿ ( 43 C 4 ) ( 16 )=1974560
4 43−4
P ( X=4 )=
( 4 )( 4−4 ) ( 1 )( 1 )
= =
1
=0,000008103
43 123410 123410
(4)
1 16−1
P ( X=1 ) =
( 1 )( 1−1 ) ( 1 )( 1 ) 1
= = =¿ 0,0625
1 16 16
(16 )
0,000008103∗0,0625=0,000000506
4) 43 C 4=123.410
4 43−4
P ( X=4 )=
( 4 )( 4−4 ) ( 1 )( 1 )
= =
1
=0,000008103
43 123410 123410
(4)
5 ¿ ( 43 C 3 ) ( 16 ) =197456
3 43−3 ( 1 ) 40
P ( X=3 )=
( 3 )( 3−3 )
=
( 0 ) = 1∗1 = 1 =0,00008103
( 433) 12341 12341 12341
1 16−1
( X =1 )=
( 1 )( 1−1 ) ( 1 ) (1 ) 1
= = =¿ 0,0625
1 16 16
(16)
total=0,00008103∗0,0625=0,000005064
6 ¿ ( 43 C 3 )=12341
3 43−3 ( 1 ) 40
P ( X=3 )=
( 3 )( 3−3 )
=
( 0 ) = 1∗1 = 1 =0,00008103
( 433) 12341 12341 12341
7 ¿ ( 43 C 2 ) ( 16 )=14448
2 43−2 ( 1 ) 41
P ( X=2 )=
( 2 )( 2−2 )
=
( 0 ) = 1∗1 = 1 =0,001107419
43 903 903 903
( 2)
1 16−1
( X =1 )=
( 1 )( 1−1 ) ( 1 ) (1 ) 1
= = =¿ 0,0625
1 16 16
(16)
Total= 0,001107419*0,0625=0,000069213
Rta: La probabilidad de que tenga los 2 aciertos de los 5 con la superbalota es del
0,00692%
8 ¿ ( 43 C 1 ) ( 16 )=688
1 43−1 ( 1 ) 42
P ( X=1 ) =
( 1 )( 1−1 )
=
( 0 ) = 1∗1 = 1 =0,023255813
43 43 43 43
(1)
1 16−1
( X =1 )=
( 1 )( 1−1 ) ( 1 ) (1 ) 1
= = =¿ 0,0625
1 16 16
(16)
Total= 0,023255813 *0,0625=0,001453488
Rta: La probabilidad de que tenga 1 acierto de los 5 con la superbalota es del 0,1453%
43 C 5=962598
43 C 4=123.410
43 C 3=12341
43 C 2=903
43 C 1=43
Gracias a la ayuda de la probabilidad nos permite calcular que opciones tengo para ganarme
el baloto, en mi opinión en caso del baloto es muy bajo el porcentaje de acertar; tendría que
invertir mucho dinero para poder aumentar la probabilidad de ganármelo.
e−2 . ( 2 )3
P ( x ≥ 3 )=
3!
3 !=3∗2∗1=6
( 0.1353∗8 )
¿ =0,1804
6
¿ 18,04 %
P ( x>3 )=1−P ( x ≤ 3 )
3
e− λ∗λi
P ( x ≤ 3 )= ∑
i=0 i!
Luego
−2 20 2 1 22 23
¿e ( + + + )
0 ! 1 ! 2 ! 3!
8
¿ e−2 (1+2+2+
6 )
38
¿ e−2 ( )
6
=0,8571
Entonces:
P ( x>3 )=1−0,8571
P ( x>3 )=0,1429
¿ 14,29 %
4. Probabilidad de que un niño sufra una lesión en los siguientes tres meses del
año
λ
=promedio de tiempo
4
P ( x=1 )
λ=2
λ 2
= =0,5
4 4
Entonces:
P ( x=1 )=P(1,0.5)
e−0,5 ( 0,5 )1
¿
1!
¿ 0,3032
¿ 30,32 %
λ=2=E ( x )
δ 2=2
r =√ 2
E ( x )=δ 2=λ
Limites
λ−δ ; λ +δ
( 2− √ 2 , 2+ √ 2 )
Los padres podrían estar tranquilos, ya que el porcentaje que se accidente un niño 3 veces
al año es del 18,04 %. Y de que sufra lesiones más de 3 veces durante el año, es de 14,29
%.
ESTUDIO DE CASO 5- JESUS ALBERTO GENES
Una empresa que recluta personal para multinacionales, aplica un test de inteligencia a
todos los posibles candidatos. Una persona que desea ser contratada, acaba de presentar el
test y le informan que ha obtenido C.I. igual a 95.
4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el 30%
inferior (puntuación de CI que deja el 30% de sujetos por debajo).
6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos
Solución
Datos:
μ: media
μ = 100
σ: desviación estándar
σ= 15
Z = X -μ /σ
Z = 95 -100 /15 = 0,33 = 33%
100-33 = 67%
4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el 30%
inferior (puntuación de CI que deja el 30% de sujetos por debajo).
El hombre siempre busca una forma o manera de descubrir la solución de algún problema
que se presente, por eso la teoría de la probabilidad es una teoría que forma parte
importante y fundamental en la vida diaria del hombre ya que es útil en todos los campos.
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
Temáticas de estudio: Distribuciones discretas de probabilidad
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
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&docID=10995669&tm=1470693596054
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional. Página 223
a 254 Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=194&docID=10436604&tm=1470693683773