CASO PRACTICO UNIDAD 3

BENJAMIN BUTTON

CORPORACIÒN UNIVERSITARIA DE ASTURIAS

PROGRAMA DE ADMINISTRACIÒN Y DIRECCIÒN DE EMPRESAS
BOGOTA
2020

ALIRIO SANABRIA MEJIA

i
 Tabla de contenidos

1. Marco teórico……………………………………………………………………………...3
2. Planteamiento del problema.………………………………………………………………5
3. Resultados.……...…………………………………………………………………………6
4. Conclusiones….…………………………………………………………………………...9
5. Lista de referencias.......…………………………………………………………………...9

ii
 Marco teórico

La probabilidad es una medida de la certidumbre asociada a un suceso o evento futuro y suele

expresarse como un número entre 0 y 1 (o entre 0 % y 100 %).

Una forma tradicional de estimar algunas probabilidades sería obtener la frecuencia de un

acontecimiento determinado mediante la realización de experimentos aleatorios, de los que se
conocen todos los resultados posibles, bajo condiciones suficientemente estables. Un suceso puede
ser improbable (con probabilidad cercana a 0), probable (probabilidad intermedia) o seguro (con
probabilidad uno).

La teoría de la probabilidad se usa extensamente en áreas como la estadística, la física, la

matemática, las ciencias, la administración, contaduría, economía y la filosofía para sacar
conclusiones sobre la probabilidad discreta de sucesos potenciales y la mecánica subyacente
discreta de sistemas complejos, por lo tanto es la rama de las matemáticas que estudia, mide o
determina los experimentos o fenómenos aleatorios.

En teoría de la probabilidad y estadística, 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.

División de distribuciones

Esta división se realiza dependiendo del tipo de variable a estudiar. Las cuatro principales (de las
que nacen todas las demás) son:

a) Si la variable es una variable discreta (valores enteros), corresponderá una distribución

discreta, de las cuales existen:

 Distribución binomial (eventos independientes).

En estadística, la distribución binomial es una distribución de probabilidad discreta que cuenta el

número de éxitos en una secuencia de n ensayos de Bernoulli independientes entre sí, con una
probabilidad fija p de ocurrencia del éxito entre los ensayos. Un experimento de Bernoulli se
caracteriza por ser dicotómico, esto es, solo dos resultados son posibles. A uno de estos se
denomina «éxito» y tiene una probabilidad de ocurrencia p y al otro, «fracaso», con una
probabilidad2 q = 1 - p. En la distribución binomial el anterior experimento se repite n veces, de
forma independiente, y se trata de calcular la probabilidad de un determinado número de éxitos.
Para n = 1, la binomial se convierte, de hecho, en una distribución de Bernoulli.

iii
  Distribución de Poisson (eventos independientes).

En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de

probabilidad discreta que expresa, a partir de una frecuencia de ocurrencia media, la
probabilidad de que ocurra un determinado número de eventos durante cierto período de
tiempo. Concretamente, se especializa en la probabilidad de ocurrencia de sucesos con
probabilidades muy pequeñas, o sucesos «raros».

Fue propuesta por Siméon-Denis Poisson, que la dio a conocer en 1838 en su trabajo
Recherches sur la probabilité des jugements en matières criminelles et matière civile
(Investigación sobre la probabilidad de los juicios en materias criminales y civiles).

 Distribución hipergeométrica (eventos dependientes).

En teoría de la probabilidad la distribución hipergeométrica es una distribución discreta

relacionada con muestreos aleatorios y sin reemplazo. Suponga que se tiene una población
de N elementos de los cuales, d pertenecen a la categoría A y N-d a la B. La distribución
hipergeométrica mide la probabilidad de obtener x ( 0 ≤ x ≤ d ) elementos de la categoría
A en una muestra sin reemplazo de n elementos de la población original.

b) Si la variable es continua, esto significa que puede tomar cualquier valor dentro de un intervalo,
la distribución que se generará será una distribución continua, también llamada distribución normal
o gaussiana.

iv
 Planteamiento del problema

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.
 Número de visitas que recibe en una hora www.iep.edu.es.
 Enciclopedias vendidas por un vendedor a domicilio tras visitar 18 casas.

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

0,8 y 0,2

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!

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.

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.

v
 Resultados

1. Se sabe que el avión tiene 145 pasajeros y supongamos que hay p hombres, mujeres y
niños menores de 12 años. Se define la variable aleatoria

X : Se selecciona un pasajero al azar

Entonces se tendría que la variable aleatoria sigue una distribución Bernoulli

Esta distribución se usa cuando se quiere calcular la probabilidad de que un evento ocurra en un
intento con una probabilidad de acierto p y una probabilidad de fracaso de q.

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

Se quiere calcular el número de visitas que recibe en una hora cierto lugar. Suponiendo que el
lugar recibe un promedio de m visitas por hora, entonces la variable aleatoria

X : Número de visitas que recibe el lugar

Sigue una distribución de Poisson con parámetro mt. Así, si para saber el número de visitas en
una hora se tendría que mt = m

Esto se tiene debido a que la Distribución de Poisson busca calcular la probabilidad de que un
evento ocurra dentro de un periodo de tiempo.

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

Se quiere calcular la probabilidad de que un vendedor haya vendido x enciclopedias tras 18 visitas.
Si suponemos que el vendedor tiene una probabilidad p de vender una enciclopedia, entonces la
variable aleatoria

X : Enciclopedias vendidas

Esta es la distribución binomial, la cual busca calcular la probabilidad de que un evento ocurra

tras n intentos, teniendo una probabilidad de éxito p y una probabilidad de fracaso de 1−p.

2. En nuestro caso:

n = 10
p = 0.8

vi
El valor esperado utilizado probabilidad es para determinar una aproximación a los resultados
previstos. El valor esperado multiplica la probabilidad de cada resultado por el posible resultado.
Luego sabemos que el valor esperado es igual a :

n * p = 10 * 0.8 = 8

La varianza es la medida de que indica que tan disperso es un conjunto de datos. Si la varianza es
pequeña, significa que los valores del conjunto están agrupados. Si la varianza es grande, significa
que los números están más dispersos.

Por otro lado, sabemos que la varianza de una distribución binomial viene dada por:

(n * p * q) donde q es 1-p (es el complemento de la probabilidad de éxito)

Quedando la expresión de la siguiente manera

n*p*(1-p) evaluando tenemos:

10 * 0.8 * (1-0.8) = 8*(0.2) = 1.6

2. P (x = k) = (n k) donde k = 0,1,2,3...n

Donde el número combinatorio (n k) es:

, y sabiendo que k = x, la respuesta correcta es la opción b:

vii
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.

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.

Entonces:
F(x){1/2 par ½ impar
los valores pares son {2,4,6}, los impares {1,3,5}, lo cual implica que sumando un sexto por
cada caso, vemos que hay una probabilidad de un medio de obtener un valor par.
De esta forma, la probabilidad de conseguir dos impares y un par:
P(2Impares)=(1/2)^2 = 1/2 = 0,25
Probabilidad del 25%.
b) primero, vamos a obtener cuantas posibilidades pueden aparecer en tres lanzamientos, serían
seis posibilidades en cada lanzamiento, multiplicadas da un total de seis al cubo, es decir, 216.
6^3=216
De esas 216, nos importan sólo {2,4,6}, serían 3 posibilidades en cada lanzamiento, tres al cubo,
27 posibilidades.
3^3=27
Entonces, 27 posibilidades entre 216, es igual a 0.125, es decir, un octavo.
F(x){1/8 pares 7/8 otro lanzamiento
Ahora, para obtener tu probabilidad:
P(4lanzamientos)=(7/8)^5=0,586
Lo cual indica que es altamente probable que ocurra, el 58% de la probabilidad de que ocurra.

viii
 Conclusiones
 Se lograron determinar los valores requeridos en el caso al encontrar claridad en el
material brindado para su desarrollo.

 Se logra comprender la importancia de los diferentes métodos utilizados para realizar

análisis probabilísticos dentro de diferentes escenarios y así poderlos aplicar dentro de
nuestro ámbito laboral.

Lista de referencias

https://www.sergas.es/Saude-publica/Epidat-4-1--13--Distribuci%C3%B3ns-de-probabilidade
https://fisicaymates.com/distribucion-de-poisson/
https://www.ecured.cu/Distribuci%C3%B3n_normal
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_Bernoulli
https://economipedia.com/definiciones/distribucion-binomial.html

ix