PROBABILIDAD

UNIDAD 2: FASE 6-DISTRIBUCIONES DE PROBABILIDAD

ELY FELETH PEREZ

1073999578
MARIA CAMILA QUINTER

GUSTAVO ADOLFO MARRIAGA

1065568015
HUMBERTO ANTONIO ROJAS AYALA
1.065.658.268
JESUS GENES RAMOS
1.102.847.331
GRUPO_100402_368

ARMANDO PERDOMO
TUTOR

UNIVERSIDAD NACIONAL ABIERTA Y ADISTANCIA

UNAD
MAYO DE 2018
 INTRODUCCION

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.

Se dice que es una variable aleatoria X es Continua si el número de valores que

Variable Aleatoria Continua
puedan tomar están contenidos en un intervalo (finito o infinito) d número reales.
CAPITULO 4

El Valor esperado (también llamado media o esperanza matemática) de una

Valor Esperado y Varianza de una variable aleatoria discreta X es una medida de posición para la distribución de X.
Variable Aleatoria. Se simboliza con μ y se calcula al sumar el producto de cada valor de X con su
probabilidad correspondiente.
UNIDAD DOS

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.

Una empresa nueva de buses del Sistema

Integrado de Transporte de Bogotá (SITP) ha
comenzado a dar servicio en un nuevo barrio. Se
ha registrado el número de usuarios que hay en
este barrio en el servicio a primera hora de la
mañana (5:00 a.m.). La tabla adjunta muestra la
proporción de cada uno de los días de la semana.

Si X es la variable que representa el número de usuarios que la empresa debe atender a la

hora de inicio del servicio, con base en esta información y haciendo uso de los conceptos de
variables aleatorias discretas y función de probabilidad, prepare un informe en el que debe
incluir como mínimo lo siguiente

1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.

2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.

3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho

usuarios del barrio esperando el servicio

4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del
barrio esperando este servicio.

5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro

usuarios del barrio en este servicio

6. El numero esperado de usuarios de este servicio y su desviación estándar

7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la
empresa.

SOLUCIÓN.

1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.

Para esta solución utilizaremos la siguiente ecuación.

2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.

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

ESTUDIO DE CASO 2- MARIA CAMILA QUINTERO

La distribución de probabilidad binomial es una distribución de probabilidad discreta que se

presenta con mucha frecuencia.

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.

Un estudio del Departamento de Transporte de Illinois concluyó que 78.5% de quienes

ocupaban los asientos delanteros de los vehículos utilizaba cinturón de seguridad. Esto
significa que los dos ocupantes de la parte delantera utilizaban cinturones de seguridad.
Suponga que decide comparar la información con el uso actual que se da al cinturón de
seguridad, para lo cual selecciona una muestra de 8 vehículos.

Usando sus conocimientos sobre distribuciones discretas de probabilidad, presente un

informe en el que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución binomial. Identifíquelos

 Solo hay dos posibles resultados, utilizan el cinturón de seguridad (éxito) o
no lo utilizan (fracaso).
  Que si los ocupantes del asiento tienen cinturón, no implica que los de otro
vehículo también los tenga.
 La probabilidad de que tengan los cinturones es siempre constante
(p=0,785).

2. Diagrama de barras de la distribución de probabilidad binomial que representa

esta situación.

Tabla de distribución de probabilidad Binomial n=8 y p=0,785

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

3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de los

8 vehículos seleccionados utilicen cinturones de seguridad
 n!
P ( X=x )= n p x (1− p)n−x ; x=0,1,2,3 ,… ; n =
()
x ()
x x ! ( n−x ) !
P ( X=5 )=( 8 ) 0,785 (1−0,785)
5 8−5
=0,165902026
5
⇒ P ( X =5 )=0,1659 ⇒ 16,59 %
4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los
8 vehículos utilicen cinturón de seguridad

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.

E ( X ) =n∗p=( 8 )∗( 0,785 )=6,28 ⇒ E ( X )=6,28

SOLUCIÓN CASO 3- GUSTAVO ADOLFO MARRIAGA

Baloto es un juego novedoso de tipo loto en

línea, de suerte y azar, donde el
jugador elige 5 números del 1 al 43 y
una súper balota con números del 1 al 16 a
través de una terminal de venta.
El juego consiste en acertar 5, 4 o 3
números en cualquier orden de una matriz
del 1 al 43 y otro número (super balota) del
1 al 16.

El jugador señala en un tarjetón los 6

números que escoge. Los números están
representados en 43 balotas amarillas numeradas del 1 al 43 y 16 balotas rojas numeradas
del 1 al 16. Cada número aparece una sola vez y las balotas ganadoras se seleccionan sin
reemplazo. El premio acumulado se entrega a quien haga coincidir los seis números. En la
tabla aparecen las opciones para ganar
Usando sus conocimientos sobre distribuciones discretas de probabilidad, presente un
informe en el que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución Hipergeométrica.

Identifíquelos
N: Tamaño población 43
n: Tamaño muestra extraída 39
d: Número de elementos en la muestra 5
X: Número total de la muestra 5

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

3. La empresa encargada del sorteo informa que, Hasta el sorteo anterior, la

posibilidad de “pegarle al gordo” era de 1 en 8 millones, mientras que ahora
será de 1 en 15 millones. Explique esta afirmación.

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

4. El sorteo también otorga otros premios (ver tabla). Presente la probabilidad

de obtener los premios que incluyen acertar la súper balota.

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

Rta: La probabilidad de tener los cuatro aciertos y 1 acierto de la superbalota. Es del

0.0000506%

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

Rta: La probabilidad de que acierte 3 balotas de 5 con un acierto de superbalota es

del 0.0005064%

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%

5. Presente la probabilidad de obtener los premios que no incluyen acertar la

súper balota.

43 C 5=962598

43 C 4=123.410

43 C 3=12341

43 C 2=903

43 C 1=43

6. Con base en los resultados obtenidos, ¿usted invertiría dinero en el BALOTO?

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.

Debo asumir un riesgo bastante alto. Así que mi respuesta es NO

ESTUDIO DE CASO 4- HUMBERTO ANTONIO ROJAS AYALA

La distribución de probabilidad de Poisson describe el número de veces que se presenta un

evento durante un intervalo específico. El intervalo puede ser de tiempo, distancia, área o
volumen. La distribución 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 más grande sea el intervalo,
mayor será la probabilidad; además, el número de veces que se presenta un evento en un
intervalo no influye en los demás intervalos.
Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para describir la
distribución de errores en una entrada de datos, el número de rayones y otras
imperfecciones en las cabinas de automóviles recién pintados, el número de partes
defectuosas en envíos, el número de clientes que esperan mesa en un restaurante, el
número de accidentes en una carretera en un periodo determinado.

Los padres preocupados porque sus hijos son “propensos a

accidentes” pueden estar tranquilos, de acuerdo a un
estudio realizado por el Departamento de Pediatría de la
Universidad de California, San Francisco. 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. El estudio determinó que el
número promedio de lesiones por año para niños en
edad escolar es de dos.

Usando sus conocimientos sobre distribuciones de probabilidad discretas, presente un

informe que como mínimo contenga:

1. Esta situación cumple con los supuestos de la distribución Poisson.

Identifíquelos

 Se observa la realización de hechos de cierto tipo durante un cierto periodo de

tiempo o a lo largo de un espacio de observación.

 La probabilidad de que se produzcan un número x de éxitos en un intervalo de

amplitud t no depende del origen del intervalo (Aunque, sí de su amplitud).

 La probabilidad de que se produzcan 2 o más hechos en un intervalo infinitésimo es

un infinitésimo de orden superior a dos. En consecuencia, en un intervalo infinitésimo
podrán producirse O ó 1 hecho, pero nunca más de uno.

 La probabilidad de que ocurra un hecho en un intervalo infinitésimo es prácticamente

proporcional a la amplitud del intervalo.

 Los hechos a observar tienen naturaleza aleatoria; pueden producirse o no de una

manera no determinística.

 Si en estas circunstancias aleatorizados de forma que la variable aleatoria X

signifique o designe el "número de hechos que se producen en un intervalo de tiempo
o de espacio", la variable X se distribuye con una distribución de parámetro λ . Así :
λ ⇒ p(x )

2. Probabilidad de que un niño sufra tres lesiones durante el año

λ=2
x=3

Utilizaremos la siguiente formula

e− λ∗λ x
f ( x , λ )=
x!

e−2 . ( 2 )3
P ( x ≥ 3 )=
3!
3 !=3∗2∗1=6

( 0.1353∗8 )
¿ =0,1804
6
¿ 18,04 %

3. Probabilidad de que un niño sufra más de tres lesiones durante el año

P ( x>3 )=1−P ( x ≤ 3 )
3
e− λ∗λi
P ( x ≤ 3 )= ∑
i=0 i!

Luego

¿ P ( x =0 ) + P ( x=1 )+ P ( x=2 )+ P ( x=3 )

( e−2∗20 ) ( e−2∗21 ) ( e−2∗22 ) ( e−2∗23 )
¿ + + +
0! 1! 2! 3!

Sacamos factor común:

−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 %

5. Número de lesiones esperado por año y su desviación estándar. Dentro de que

limites se espera entonces que caiga el número de lesiones por año.

λ=2=E ( x )
δ 2=2
r =√ 2
E ( x )=δ 2=λ

Limites

λ−δ ; λ +δ

( 2− √ 2 , 2+ √ 2 )

6. ¿Realmente, pueden estar tranquilos los padres? Sustente su opinión en los

resultados obtenidos

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

El Coeficiente intelectual C.I. de un individuo es medido en una escala que va de 45 a 155.

Un C.I. de 100 es el promedio. En la figura siguiente se puede ver que la mayoría de la
población tiene el C.I. alrededor de 100. Existen menos personas que tienen el 7CI menor a
85 y muy pocos tienen el CI por encima de 115.

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.

Asumiendo que las puntuaciones en un test de inteligencia se distribuyen normalmente y

sabiendo que las puntuaciones CI tienen promedio 100 y desviación estándar 15, usted debe
presentarle un informe acerca de sus resultados.

Usando sus conocimientos sobre la distribución de probabilidad normal, presente un informe

que como mínimo contenga:

1. Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.

2. Porcentaje de personas podrían tener un C.I. superior a 95.

3. Probabilidad de que una persona tenga un C.I. entre 85 y 90

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).

5. Puntuación de C.I. que es superada solo por el 10% de los sujetos.

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

Tipificación variable aleatoria

X ≈ N  ( 100, 15)    ⇒  Z ≈ N (0,1)

1. Porcentaje de personas que podrían tener un C.I. inferior o igual a 95. 
Porcentaje ≤95

Z = X -μ /σ
Z = 95 -100 /15 = 0,33 = 33%

2. Porcentaje de personas podrían tener un C.I. superior a 95.

Porcentaje ≥95

100-33 = 67%

3. Probabilidad de que una persona tenga un C.I. entre 85 y 90

Z1 = 85-100 /15 = 1 se busca el valor en la tabla Z ≈ N (0,1)

PX≤85 =0,8413 = 84,13%

PX ≥85 = 1-0,8413 = 0,1583 = 15,83%

Z2 = 90-100 /15 = 0,66 se busca el valor en la tabla Z ≈ N (0,1)

PX ≤90  = 0,7454 = 74,54%

P 85≥X≤90 =74,54% - 15,83% = 58,71%

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). 

La puntuación debe ser menor al promedio dado de 45 puntos

5. Puntuación de C.I. que es superada solo por el 10% de los sujetos. 

La puntuación mayor del promedio dado 155 puntos

 CONCLUSION

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.

Siendo la probabilidad una rama de la matemática, evidenciamos que es elemento básico de

un sistema de lógica formal con un conjunto de reglas de inferencia que definen un sistema
deductivo, práctico en nuestras vidas cotidianas y laborales.
 BIBLIOGRAFIA

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