TRABAJO COLABORATIVO 2

PROBABILIDAD

CINDY JOHANNA SUAREZ SERRANO

CODIGO: 1096202957
RONALD ADRINA AYASO ESTRADA
CDIGO: 1140829967
CRIS ALLEN CADENA AGUDELO
CODIGO: 1096195416
JEAN PAUL BEARD
CDIGO: 1121847498

GRUPO: 100404A_220

TUTOR
ELKIN ORLANDO VELEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA (UNAD)

TUNJA
2015

Tabla de contenido
Pg.
1.

Introduccin

2.

Objetivos

3.

Cuadro sinptico

4.

Resumen y experimentos aleatorios

5.

Estudio caso 1

6.

Informe

10

7.

Ejercicios Ronald Adrin

17

8.

Ejercicios Cindy Johanna

19

9.

Ejercicios Cris Allen

21

10.

Ejercicios Jean Paul

23

11.

Conclusiones

25

12.

Referencias bibliogrficas

26

INTRODUCCIN
La probabilidad es una disciplina terico practica que ha estado presente durante
muchos aos, esto no es ajeno a toda las actividades que realizamos en nuestro
diario vivir pues en muchos casos hemos hecho uso de la probabilidad para
predecir ciertos acontecimientos, de ah la importancia del estudio de este curso
que nos lleva a conocer sin nmero de situaciones y a realizar ejercicios prcticos
relacionados con la probabilidad.
Por medio de esta actividad realizaremos un recorrido por ejemplos prcticos que
aplican las temticas estudiadas en la primera unidad del mdulo. Por lo anterior,
los conocimientos y competencias que desarrollaremos al final del curso, nos
permitirn profundizar, afianzar y complementar conceptos de la Probabilidad,
para aplicar en el futuro inmediato en el desarrollo de la vida laboral de nuestra
profesin.
Este trabajo es tambin nuestra primera experiencia colaborativa y demuestra lo
enriquecedor que puede llegar a ser el trabajar en esta modalidad; nos permite
ver, que a pesar de estar separados por grandes distancias, es posible
intercambiar ideas y posturas similares o contrarias pero al final constructivas para
todo el grupo de trabajo.

OBJETIVOS

Identificar las distintas variables que nos ofrece cada ejercicio con el fin de
poder aplicar la frmula adecuada.
Realizar cada ejercicio indicando los pasos efectuados para el desarrollo de
cada uno de ellos.
Entender mediante ejercicios prcticos claramente los temas estudiados en
las unidades de estudio.
Comprender la temtica propuesta en el presente curso encausndola
hacia las competencias que debemos desarrollar.
Afianzar el manejo de las herramientas utilizadas en la educacin a
distancia.
Introducir los conceptos a estudiar en el contexto de nuestra vida laboral.

5
Variable aleatoria discreta uniforme

Distribucin uniforme discreta

Toma solo un nmero fnito de valores posibles n

Permite determinar los lmites de las probabilidades de variables

aleatorias
discretas o continuas
Teorema
de Chbyshev

Variable aleatoria discreta x

Esperanza matemtica y varianza de una variable aleatoria

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

Medida de posicin para la distribucin de X

UNIDAD 2
Distribucin: f(x): funcin de densidad
de probabilidad
Valores contenidos
en un intervalo

Continua

Tipos de variables
Discreta
El nmero de valores que puede tomar es fnito

Una Funcin
Variables aleatorias
Asigna un nmero real a cada resultado
Denotan con una letra mayscula X

CUADRO SINPTICO

APORTES JEAN PAUL

Estudio de caso
INFORME A PRESENTAR:
Prepare un informe en el que como mnimo, incluya:
1. Por medio de las suposiciones de Seligman, calcule la probabilidad de que la
estatura de un solo varn adulto chino escogido al azar sea menor o igual a 154
cm
2. Los resultados de la pregunta 1, concuerdan con las probabilidades de
Seligman?
3. Comente acerca de la validez de las suposiciones de Seligman Hay algn
error bsico en su razonamiento?
4. Con base en los resultados anteriores, argumente si considera o no que Deng
Xiaping tomo en cuenta la estatura al elegir a su suceso
SOLUCIN:
1. Por medio de las suposiciones de Seligman, calcule la probabilidad de que
la estatura de un solo varn adulto chino escogido al azar sea menor o igual
a 154 cm.
u=167.8 cm

o=6.8 cm

0.50.4788

0.0212

P ( x 154 )=P Z

154167.8
6.8

P=( Z 2.03 )

2. Los resultados de la pregunta 1, concuerdan con las probabilidades de

Seligman?
6

La probabilidad dad por Seligman es de 1/40 es decir de 0,025.

La probabilidad terica segn la distribucin normal es de 0,0212.
Un valor muy cercano que concuerda con la premisa de Seligman.

3. Comente acerca de la validez de las suposiciones de Seligman Hay algn

error bsico en su razonamiento?
Existe un error en el razonamiento de Seligman. Relacionar las probabilidades de
una decisin (a favor o contra) con las probabilidades de ser ms alto o ms bajo
de un umbral de estatura.

4. Con base en los resultados anteriores, argumente si considera o no que Deng

Xiaping tomo en cuenta la estatura al elegir a su sucesor.
No se considera un criterio terico utilizado en el razonamiento de Deng Xiaping,
desde el punto de vista estadstico.
Esta estimacin (medicin) obedece a un criterio netamente emprico; aunque los
resultados coinciden en parte con la teora, Deng Xiaping no tomo en cuenta la
estatura para elegir a sus sucesor.

Captulo 4 ejercicio 4
Un jugador tiene tres oportunidades de lanzar una moneda para que aparezca una
cara, el juego termina en el momento en que cae una cara o despus de tres
intentos, lo que suceda primero. Si en el primero, segundo o tercer lanzamiento
aparece cara el jugador recibe $20000, $40000 o $80000 respectivamente, si no
cae cara en ninguno de los tres pierde $200000. Si X representa la ganancia del
jugador:
a.

Encuentre la funcin de probabilidad f(x)

La probabilidad de que aparezca una cara es 1/2, la probabilidad de que

aparezca dos caras seguidas es (1/2)(1/2) = (1/4), la probabilidad de que
aparezcan tres caras seguidas es (1/2)(1/2)(1/2) = 1/8, que es la misma
probabilidad de que no aparezca una sola cara, por tanto la distribucin de
probabilidad es:

f ( x )=

b.

1
x=20000
2
1
x=40000
4
1
x=80000
8
1
x=200000
8

Encuentre el valor esperado E(x), la varianza V(x) y la desviacin

estndar S(x).

El valor esperado est definido por:

E ( x )= f (x) x

( 12 )+40000( 14 )+80000 ( 18 )200000 ( 18 )

E ( x )=20000

E ( x )=10000+10000+1000025000
E ( x )=5000
La varianza V(x)
2 ( x )=V ( x ) =E [ ( x )2 ]= [ ( xu )2 f ( x ) ]

( 12 )+( 400005000) ( 14 )+( 800005000 ) ( 18 )+(2000005000) ( 18 )

2 ( x )=( 200005000 )2

2 ( x )=112500000+306250000+703125000+5253125000
2 ( x )=6375000000

La desviacin estndar (x)

( x )= 6375000000=79844

Captulo 5 ejercicio 4
Suponga que la probabilidad de que una persona dada crea un rumor acerca
de las transgresiones de cierta actriz famosa es de 0,8. Cul es la probabilidad
de que:

a. la sexta persona en escuchar este rumor sea la cuarta en creerlo?

b. la tercera persona en escuchar este rumor sea la segunda en creerlo?
c.

a. P= 0,8
N=6
X=4

g(x,0,0,8)

x-1
g(x,p)= q
.p
3

P( x=4)=g(4;0,0,8) = 0,2 . 0,8

= 0,0064

b. P= 0,8
X=2
1
P(x=2) =g(2;0,0,8)=0,2 .0,8
= 0,16

Captulo 6 ejercicio 6
En una panadera se cortan panecillos con un peso que se ajusta a una
distribucin normal de media 100 g y desviacin tpica 9. Cul es la probabilidad
de obtener un panecillo cuyo peso oscile entre 80 g y la media?
= 100 y = 9
P ( 80< x< 100 )=z 1=

x 80100 20
=
=
=2.22

9
9

P ( 80< x< 100 )=z 1=

x 100100 0
=
= =0.00

9
9

P (2.22< z <0.00 )=P ( z <0.00 ) ( 1P ( z> 2.22 ) )=0.5000( 10.98679 ) =0.50000.01321=0.48679

La probabilidad de tener un panecillo con un peso entre 80 g y 100 g es de
0.48679

10

APORTES DE RONALD ADRINA AYASO ESTRADA

CAPITULO 4: VARIABLES ALEATORIAS
Una variable aleatoria es una funcin que asigna un nmero real a cada uno de
los resultados del espacio muestral de un experimento aleatorio. Ellas se denotan
con una letra mayscula, como X.
se define a X como una funcin porque transforma todos los posibles resultados
del espacio muestral en cantidades numricas reales.
EJEMPLO: si lanzamos una moneda el espacio muestral de este experimento nos
da dos resultados; cara y sello.
Pero si asignamos valores a (cara)X=0 y (sello)X=1 transformamos los dos
posibles resultados en cantidades numricos.
-VARIABLE ALEATORIA DISCRETA
Una variable aleatoria X es discreta si el nmero de valores que puede tomar es
finito (o infinito contable).
La distribucin de probabilidad de una variable aleatoria X es una descripcin
del conjunto de posibles valores de X, junto con la probabilidad asociada con cada
uno de estos valores. Esta distribucin bien puede ser una grfica, una tabla o una
ecuacin que da la probabilidad de cada valor de la variable aleatoria y se
Considera como el resumen ms til de un experimento aleatorio.
Toda distribucin de probabilidad debe satisfacer cada uno de los dos requisitos
Siguientes:

-VARIABLE ALEATORIA CONTINUA

Se dice que una variable aleatoria X es continua si el nmero de valores que
puede tomar estn contenidos en un intervalo (finito o infinito) de nmeros reales
Dichos valores pueden asociarse a mediciones en una escala continua, de manera
que no haya huecos o interrupciones.
En algunos casos la variable aleatoria considerada continua en realidad es
discreta, pero como el rango de todos los valores posibles es muy grande,
entonces es ms conveniente utilizar un modelo basado en una variable aleatoria
continua
VALOR ESPERADO Y VARIANZA DE UNA VARIABLE ALEATORIA
El valor esperado (tambin llamado media o esperanza matemtica) de una
11

variable aleatoria discreta X es una medida de posicin para la distribucin de X.

Se simboliza con y se calcula al sumar el producto de cada valor de X con su
probabilidad correspondiente. La media o valor esperado de una
variable aleatoria discreta X es:

EJEMPLO 1.6.
Tenemos la siguiente distribucin de una variable aleatoria X.

Varianza de una variable aleatoria es una medida de la dispersin de la

distribucin de probabilidad de sta. Se calcula ponderando el cuadrado de
cadadesviacin con respecto a la media, con la probabilidad asociada con la
desviacin.
la varianza de una variable aleatoria discreta X con media X y funcin de
probabilidad f(x), es:

-TEOREMA DE CHBYSHEV
Para demostrar cmo la desviacin estndar es indicadora de la dispersin de la
distribucin de una variable aleatoria, el matemtico ruso Pafnuty Lvovich
Chbyshev desarroll un teorema en el que ofrece una garanta mnima acerca de
la probabilidad de que una variable aleatoria asuma un valor dentro de k
desviaciones estndar alrededor de la media.
Para cualquier variable aleatoria X con media y desviacin estndar , la
probabilidad de que X tome un valor contenido en k desviaciones estndar de la
media, siendo k una constante positiva cualquiera, es cuando menos
12

Simblicamente, el teorema se expresa de cualquiera de las siguientes maneras:

La desigualdad de Chbyshev es muy importante, ya que permite determinar los

lmites de las probabilidades de variables aleatorias discretas o continuas sin tener
que especificar sus funciones de probabilidad. Este teorema asegura que la
probabilidad de que una variable aleatoria se aleje de la media no ms de k
desviaciones estndar, es menor o igual a 1/k2 para algn valor de k >1.Aunque la
garanta no siempre es muy precisa, la ventaja sobre este teorema es su gran
generalidad por cuanto es aplicable a cualquier variable aleatoria con cualquier
distribucin de probabilidad, ya sea discreta o continua.
CAPITULO 4
1.- Un embarque de 8 televisores contiene 2 unidades defectuosas. Un hotel
realiza una compra al azar de 3 de los televisores. Si X es una variable aleatoria
discreta que representa el nmero de unidades defectuosas que compra el hotel:
a.- Encuentre la funcin de probabilidad f(x)
b.- Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar S(x)

SOLUCIN LITERAL A:
X
F(x)

1
0,25

2
0,25

3
0,25

4
0,25

5
0,25

6
0,25

7
0,25

8
0,25

Para que una distribucin de probabilidad sea denominada funcin de

probabilidad debe satisfacer las siguientes propiedades:

Entonces podemos observar que todos los valores de f(x) son positivos, esto es
0. Adems se cumple el segundo requisito:
13

 f ( x ) =0,25+0,25+0,25+ 0,25+ 0,25+0,25+0,25+ 0,25=1

Por lo tanto, la funcin f(x) es una funcin de probabilidad.

SOLUCIN LITERAL B:
-Para encontrar el valor esperado E(x) debemos usar la formula

Entonces para nuestro caso tenemos lo siguiente:

x = x=[ ( 1 0,25 ) + ( 2 0,25 ) + ( 3 0,25 )+ ( 4 0,25 ) + ( 5 0,25 ) + ( 6 0,25 )+ ( 7 0,25 ) + ( 8 0,25 ) ] =9

-Para encontrar la varianza debemos usar la frmula:

Entonces tenemos para nuestro caso:

14

2
4
6
8
( 20,25)
2
= ( 20,25)+ ( 7 0,25 ) + =202
( 20,25)+ ( 5 20,25 ) +
( 20,25)+ ( 3 20,25 ) +
( 120,25 ) +

-para medir la desviacin estndar debemos hallar la raz cuadrada de

la varianza, para nuestro caso entonces seria:
x = 2022 =14,21
CAPITULO 5
3) a- Cul es la probabilidad de que una mesera se rehus a servir bebidas
alcohlicas a dos menores si ella verifica al azar las identificaciones de 5
estudiantes entre 9 estudiantes ,de los cuales 4 no tienen la edad legal para
beber?.
Solucin: se utiliza una distribucin hipergeometrica
Datos: Total de poblacin N= 9; Muestra. 5=n; k= 4; x=2
N
(
n
f ( x , N , k , n )=

K k
x x
n!
=
(
m! nm ) !
N
n

( )

Remplazamos los datos:

9
(
5
f ( 2,9,4,5 )=

4!
5!
4 4
2 2
2 !2! 3 !2!
610
=
=
=0.476190476
9!
126
9
5 !4 !
5

) (

)(

()

0.476190476100=47.61
15

RTA: La probabilidad de que la mesera se rese a servir las bebidas alcohlicas

es de 47.61%.
b.Culeslaprobabilidaddequealrevisarlasidentificacionesdelos5estudiantesde
lgrupode9, no encuentre ninguna que sea de alguno que no tenga la edad
legal para beber?
Solucin: se utiliza una distribucin hipergeometrica
Datos: Total de poblacin N= 9; Muestra. 5=n; k= 4; x=0
N
(
n
f ( x , N , k , n )=

K k
x x
n!
=
m! ( nm ) !
N
n

( )

Remplazamos los datos:

9
(
5
f ( 2,9,4,5 )=

4!
5!
4 4
0 0
0 !4 ! 5 !0 ! 11
=
=
=0.00793650793
9!
126
9
5 !4 !
5

) (

)(

()

0.00793650793100=0.79

RTA la probabilidad de que no tenga la edad para

beber es de 70%
CAPITULO 6
6.- En una panadera se cortan panecillos con un peso que se ajusta a una
distribucin normal de media 100 g y desviacin tpica 9. Cul es la probabilidad
de obtener un panecillo cuyo peso oscile entre 80 g y la media?
SOLUCIN.
Sea X la variable aleatoria continua que representa el peso de cada panecillo.
Esta variable sigue una distribucin normal N (100 g, 9 g). el porcentaje de
panecillos con peso entre 80 y 100 gramos implica calcular la probabilidad
P(80 X 100).
=100 y

=9

p (80 < x < 100)= y =

( X ) 80100 20
=
=
=2.22

9
9

16

p (80 < x < 100)= y =

( X ) 100100 O
=
= =0

9
9

p (-2.22< y < 0)= p (y < 0) - [-1 p (y > -2.22) ]

= 0.5 (1 0.98679) = 0.50 0.01321 = 0.48679
La probabilidad de tener un panecillo con un peso entre 80g y 100g es de
48.67%

17

APORTES DE CINDY JOHANNA SUAREZ

RESUMEN DEL CAPITULO 6
DISTRIBUCIONES CONTINUAS DE PROBABILIDAD

Una distribucin de probabilidad es continua cuando los resultados posibles del

experimento son obtenidos de variables aleatorias continuas, es decir, de variables
cuantitativas que pueden tomar cualquier valor, y que resultan principalmente del
proceso de medicin.
Ejemplos de variables aleatorias continuas son:
La estatura de un grupo de personas
El tiempo dedicado a estudiar
La temperatura en una ciudad

Ejemplos:
x Variable que nos define el nmero de burbujas por envase de vidrio que son generadas
en un proceso dado.
x0, 1, 2, 3, 4, 5, etc., etc. burbujas por envase
xVariable que nos define el nmero de productos defectuosos en un lote de 25 productos.
x0, 1, 2, 3,....,25 productos defectuosos en el lote
xVariable que nos define el nmero de alumnos aprobados en la materia de probabilidad
en un grupo de 40 alumnos.
x0, 1, 2, 3, 4, 5,....,40 alumnos aprobados en probabilidad
DISTRIBUCIN EXPONENCIAL
La distribucin de Poisson calcula el nmero de eventos sobre alguna rea de
oportunidad (intervalo de tiempo o espacio), la distribucin exponencial mide el
paso del tiempo entre tales eventos. Si el nmero de eventos tiene una
distribucin de Poisson, el lapso entre los eventos estar distribuido
exponencialmente.
La probabilidad de que el lapso de tiempo sea menor que o igual a cierta
cantidad x es:

p ( x x )=1e .t

t= Lapso de tiempo
18

e= Base del logaritmo natural aproximadamente igual a 2,718281828

= Tasa promedio de ocurrencia
DISTRIBUCIN UNIFORME
Es una distribucin en el intervalo [a, b] en la cual las probabilidades son las
mismas para todos los posibles resultados, desde el mnimo de a hasta el mximo
de b. El experimento de lanzar un dado es un ejemplo que cumple la distribucin
uniforme, ya que todos los 6 resultados posibles tienen 1/6 de probabilidad de
ocurrencia.
Funcin de densidad de una distribucin uniforme (altura de cada rectngulo
en la grfica anterior) es:
f ( x )= Altura=

1
ab

a= Mnimo valor de la distribucin

b = Mximo valor de la distribucin
b - a = Rango de la distribucin
La media, valor medio esperado o esperanza matemtica de una distribucin
uniforme se calcula empleando la siguiente frmula:
E ( x )==

a+ b
2

La varianza de una distribucin uniforme se calcula empleando la siguiente

frmula:
2=

( ba ) 2
12

donde la desviacion estardar es = 2

La probabilidad de que una observacin caiga entre dos valores se calcula
de la siguiente manera:
p ( x1 x x 2 )=

x 2x 1
ba

CAPITULO 4
19

7.- Un piloto privado desea asegurar su avin por 50.000 dlares. La compaa de
seguros estima que puede ocurrir una prdida total con probabilidad de 0.002, una
prdida de 50% con una probabilidad de 0.01 y una de 25% con una probabilidad
de 0.1. Si se ignoran todas las otras prdidas parciales, que prima debe cargar
cada ao la compaa de seguros para obtener una utilidad media de US $5000
ux=e ( x )= ( x . f ( x ) )
x+ 0.002+ ( x0.01 ) +( x0.1)
u x =E ( x )=
u x =E ( x ) =0.002x +0.01 x +0.1 x
500=0.112 x

500
0.112 x

x=4464.28

El valor de la prima de la compaa debe cada ao 446.28

CAPITULO 5
2.- Un estudio examin las actitudes nacionales acerca de los antidepresivos. El
estudio revel que 70% cree que los antidepresivos en realidad no curan nada,
slo disfrazan el problema real. De acuerdo con este estudio, de las siguientes 5
personas seleccionadas al azar:
a.- Cul es la probabilidad de que al menos 3 tengan esta opinin?
Solucin: Aplicamos la distribucin binominal
X =3,4,5
n= 5
p= 0.7
q= 0.3
Utilizamos la frmula:
20

( nx ) . p q
x

f ( x ; p , n) =

nx

Reemplazamos
px 3=

( 53 ). ( 0. 7 ) . (0. 3 )+( 54 ) . ( 0. 7 ) . (0. 3 )+( 55 ). (0. 7 ) . ( 0.3)

3

px 3=0.03087+ 0.36015+0.16807=0.83692

La probabilidad de que al menos 3 tenga esa opinin es de 83.6%

b.- Cul e la probabilidad de que mximo 3 tengan esta opinin?

X= 0,1, 2, 3
n= 5
p= 0.7
q= 0.3
Se utiliza la frmula:

( nx ) . p . q
x

f ( x ; p , n) =

nx

Reemplazamos:
5
3
px 3=

( 50 ) .( 0.7 ). (0. 3 )+( 51 ). (0. 7 ) . (0. 3 )+( 52 ) .( 0.7 ) . (0. 3 )+

0

).

( 0. 73 ) . ( 0.3 2 )
px 3=0.00243+ 0.02835+ 0.3087=0.47178

21

La probabilidad mximo 3 tenga esa opinin es de 4701%

c.- De cuantas personas se esperara que tuvieran esta opinin.
Ux = E(x) = np
Ux = np = 5x 0.7 = 3.5
Se espera que 3.5 personas tengan esa opinin
CAPITULO 6
5.- El Departamento de Talento Humano de una universidad ha hecho un
estudio sobre la distribucin de las edades del profesorado y ha observado
que se distribuyen normalmente con una media de 27 aos y una desviacin
tpica de 2,5 aos. De un total de 400 profesores hallar:
a) Cuntos profesores hay con edad menor o igual a 30 aos?
P ( X 30 )
Z=

Z=

X
6
N

3027
=1.2
2.5

Z =1.2 A=0.3849

22

P ( X 30 ) =0.5+0.3849=0.8849
Por lo tanto hay 0.8849 (400) profesores con edad menor o igual a 30aos # de
profesores = 354
b) Cuntos de 40 aos o ms?
P ( X 40 )
Z=

X
6

Z=

4027
=5.2
2.5

Z =5.2 A=0.4990

P ( X 40 )=0.50.4990=0.0013=0.1
# de profesores de 40 o ms aos son 0.0013(400) = 1

23

APORTES DE CRIS ALLEN CADENA

CAPITULO 4

3.- Una empresa ha medido el nmero de errores que cometen las

secretarias recin contratadas a lo largo de los ltimos tres aos (X),
encontrando que stas cometen hasta cinco errores en una pgina de 20
lneas y que esta variable aleatoria representa la siguiente funcin de
probabilidad. Si se escoge una secretaria al azar, cual es la probabilidad de
que cometa mximo 2 errores? Cul es la probabilidad de que cometa
exactamente 2 errores?

X
f
X)

0
0,5
0

1
0,2
8

2
0,0
7

3
0,0
6

4
5
0,0 0,0
5
4

La probabilidad de que comenta mximo 2 errores es de

F: (0) + (2)= 0.5+0.28+0,07= 0,85
La probabilidad de que comenta exactamente 2 errores es de F: (2)= 0.07

CAPITULO 5
5.- En el metro de la ciudad de Medelln, los trenes deben detenerse solo
unos cuantos segundos en cada estacin, pero por razones no explicadas, a
menudo se detienen por intervalos de varios minutos. La probabilidad de
que el metro se detenga en una estacin ms de tres minutos es de 0,20.
a.- Halle la probabilidad de que se detenga ms de tres minutos por primera
vez, en la cuarta estacin desde que un usuario lo abordo?
Probabilidad que se detenga = 0.20
Probabilidad que no se detenga= 0.80
La probabilidad de que se detenga en la cuarta estacin.
24

0.80x0.80x0.80x0.20= 0.1024
Rta: 10,24%
b.- Halle la probabilidad de que se detenga ms de tres minutos por primera
vez antes de la cuarta estacin desde que un usuario lo abordo?
Probabilidad que se detenga = 0.20
Probabilidad que no se detenga= 0.80
Probabilidad que se detenga antes de la segunda estacin es de. 0.80x0.20=0.16
La

probabilidad

de

que

se

detenga

antes

de

la

tercera

estacin

0.20+0,16+0.128=0.488
Rta: la probabilidad que se detenga ms de 3 minutos por primera vez antes de la
cuarta estacin es de 48.8%

CAPITULO 6
1.- Los coeficientes intelectuales de 600 aspirantes de cierta universidad se
distribuyen aproximadamente normal con una media de 115 y una desviacin
estndar de 12. Si la universidad requiere de un coeficiente intelectual de al
menos 95.
a.- cuntos de estos estudiantes sern rechazados sobre esta base sin
importar sus otras calificaciones?

Z=

XN
0

Reemplazamos Z=

95115
= 1.6666= O.0485
12

P (X95)= 1-0.0485
P (X95)= 0.9515= 95.15%
P (X95)= 4.85%= 600= 2.910
25

Sern rechazados 29 personas

b.- si se considera que un coeficiente intelectual mayor a 125 es muy
superior cuntos de estos estudiantes tendran un coeficiente intelectual
muy superior al del grupo
Desviacin de estndar: 12
Media de consciente intelectual: 115
Formula: Z =

XN
0

Se reemplaza
Z=

125115
12

= - 0,833= 0,2033

P(X125) = 1-0.2033
P(X125) =0.7967= 79.67%
P(X125)= 20.33% * 600= 121.98
Sern aproximadamente 122 personas que tiene un cociente intelectual superior.

26

CONCLUSIONES
Entendimos mediante ejercicios prcticos claramente los temas estudiados en las
unidades de estudio. De igual forma comprendimos algunas relevancias de la
temtica propuesta en el presente curso encausndola hacia las competencias
que debemos desarrollar.
Comprendimos que el uso de herramientas en lnea nos permiten comunicarnos
con nuestros compaeros de manera fcil y hacer un trabajo en donde todos
aportemos un aporte significativo para poder realizar un anlisis, depuracin y
consolidado de trabajo.
El desarrollo del trabajo, permiti medir los conocimientos adquiridos frente a la
solucin de problemas.
Consideramos que la aplicacin de las Probabilidades puede ser de uso cotidiano
y va a permitir la medicin de riesgos y ventajas que se pueden presentar en
diversas situaciones.
Gracias al desarrollo de este taller me he dado cuenta que las variables aleatorias
y las distribuciones de probabilidad son de gran utilidad ya que dando un buen uso
de las frmulas que estas nos ofrecen podemos dar solucin rpida a problemas
que se nos pueden presentar en cualquier parte de nuestro trabajo, ya sea en
investigacin o en la vida cotidiana.

27

REFERENCIAS BIBLIOGRAFICAS

Robayo.Adriana.2007.Modulo de probabilidad. UNAD. Bogot. D.C.

Canavos. George 1988. Probabilidad y estadstica. McGraw Hill. Mxico.

28