TRABAJO COLABORATIVO

FASE 2 DISTRIBUCIONES DE PROBABILIDAD

INFORME A LOS CASOS DE ESTUDIO

PROBABILIDAD
GRUPO 100402A_291

INTEGRANTE
JUDY MARCELA PEALOZA CDIGO: 52711256
ESNEIDER ALEXANDER CANENCIO CDIGO: 80798930
NINO ALEXANDER ARIAS CDIGO: 79968373
CARLOS E. PARRA CDIGO: 80818553

TUTOR
LUIS ALEXANDER SARAVIA ROA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

NOVIEBRE 2016
BOGOTA

Contenido

INTRODUCCION........................................................................................................3
OBJETIVOS................................................................................................................4
DESARROLLO DE LAS ACTIVIDADES....................................................................5
ESTUDIO DE CASO No. 1 (Esneider Canencio)...................................................5
ESTUDIO DE CASO No. 3 (Carlos Parra)..............................................................7
ESTUDIO DE CASO No. 4 (Nino Arias)................................................................10
ESTUDIO DE CASO No. 5 (Judy Pealoza)........................................................12
CONCLUSION..........................................................................................................13
BIBLIOGRAFIA.........................................................................................................14

INTRODUCCION

En el presente trabajo se presenta un resumen de los contenidos de la unidad dos,

para lograr un reconocimiento de los temas y lograr un mejor desempeo en el
desarrollo de las problemticas propuestas, las cuales se les da solucin en el
mismo trabajo. Este trabajo se desarrolla con base en los conocimientos adquiridos
en las lecturas de la Unidad dos, analizando los diferentes mtodos de distribucin
de probabilidades.

OBJETIVOS

Identificar variables aleatorias y distribuciones de probabilidad

Establecer las distribuciones de probabilidad para el desarrollo de casos de

estudio.

Desarrollar cada uno de los ejercicios propuestos para un mejor

entendimiento de los mtodos de distribucin propuestos para la unidad
dos.

Variable
aleatoria

Aleatoria
s
VARIABL
ES

Distribucin
contina

Continua
s

Distribucin
discreta

Discretas

Esperanza
matemtica
Uniform
e
Binomi
al

PROBABILIDA
D
UNIDAD 2

Negativ
a

Distribucio
nes

Discretas

Hipergeometr
ica

Geomtri
ca

Poisso
n

Distribucio
nes

Uniform
e
Continua
s

Normal y
estndar
Aplicacion
es

Exponencial y
cuadrado

ESTUDIO DE CASO No. 1 (Esneider Canencio)

Para entregar una Tarjeta de crdito en los bancos del grupo Aval, los analistas del
banco clasifican o califican al cliente en funcin de la probabilidad de que resulte
rentable. Una tabla habitual de calificaciones es la siguiente:

La calificacin es la suma de los puntos de los seis rubros. Por ejemplo, Sushi
Brown tiene menos de 25 aos (12 puntos); ha vivido en el mismo domicilio
durante dos aos (0 puntos); desde hace cuatro aos es dueo de un automvil
(13 puntos), por el que realiza pagos de $75 (6 puntos); realiza gastos domsticos
de $200 (10 puntos) y posee una cuenta de cheques (3 puntos). La calificacin que
obtendra sera de 44. Despus, con una segunda tabla, se convierten las
calificaciones en probabilidades de rentabilidad del cliente, as:

La puntuacin de Sushi (44) se traducira en una probabilidad de rentabilidad

aproximada de 0.81. En otras palabras, 81% de los clientes como Sushi generaran
dinero a las operaciones con tarjeta del banco. A continuacin se muestran los
resultados de las entrevistas con los tres posibles clientes.

Prepare un informe en el que como mnimo, incluya:

1.- Califique a cada uno de estos clientes y calcule la probabilidad de que

resulten rentables.

Nombre Edad

Tiempo
viviendo
en la
misma
direccin

Antige
pago
dad con mensual
autom
del
vil
automvil

cuenta de
costo de
cheques o Total
vivienda
ahorro

David

42

$140

$300

Ambas

Puntaje

18

20

13

10

15

80

La puntuacin de David es de 80, la probabilidad de que este cliente sea

rentable es del 95%.

Eda
Nombre
d

Tiempo
viviendo
en la
misma
direccin

Antige
pago
dad con mensual
autom
del
vil
automvil

cuenta de
costo de
cheques o Total
vivienda
ahorro

Edward

23

$99

$200

Solo
cheques

Puntaje

12

13

10

44

La puntuacin de Edward es de 44, la probabilidad de que este cliente sea

rentable es del 82%.

Eda
Nombre
d

Tiempo
viviendo
en la
misma
direccin

Antige
pago
dad con mensual
autom
del
vil
automvil

Ann

33

$175

Puntaje

20

cuenta de
costo de
cheques o Total
vivienda
ahorro
Propietari
a
12

Ninguna
0

39

La puntuacin de Ann es de 39, la probabilidad de que este cliente sea

rentable es del 77%.

2.- Cul es la probabilidad de que los tres resulten rentables?

La probabilidad de que los tres resulten rentables, se puede determinar por
la siguiente ecuacin, ya que los sucesos son independientes:

P( A)P( B)P(C )

0.950.820.77=0.59

3.- Cul es la probabilidad de que ninguno sea rentable?

La probabilidad de que ninguno sea rentable, se puede determinar por la
siguiente ecuacin, ya que por la probabilidad condicional se resta 1 a la
probabilidad de cada uno de los clientes rentables:

P(A )=10.95=0.05
P(B)=10.82=0.18

P(C)=10.77=0.23

4. Determine la distribucin de probabilidad total del nmero de clientes

rentables entre este grupo de tres clientes.

0.
8

David

0.
4

Banco

Edward

0.
7

Ann

P (t )= P ( Ai )P(

B
)
Ai

0.9
5

Rentable

0.0
5

Rentable

0.7
7

Rentable

P (t )=0.80.95=0.76
P (t )=0.40.05=0.328
P (t )=0.70.77=0.539

5. -Redacte un breve resumen de sus hallazgos.

Se puede analizar que el cliente con mayor rentabilidad es David, ya que tiene su
situacin econmica y su rentabilidad personal es ms favorable para el banco.

ESTUDIO DE CASO No. 3 (Carlos Parra)

El Baloto, es la lotera en lnea de Colombia, supervisado por ETESA (Empresa

territorial para la salud). Es un juego que consiste en acertar 6, 5, 4 o 3 nmeros en
cualquier orden de una matriz del 1 al 45; El jugador seala en un tarjetn los 6

nmeros que escoge. Los nmeros estn representados en 45 balotas numeradas

del 1 al 45. Cada nmero aparece una sola vez y las balotas ganadoras se
seleccionan sin reemplazo. El premio acumulado se entrega a quien haga coincidir
los seis nmeros.
1. Esta situacin cumple con los supuestos de la distribucin
Hipergeomtrica? Identifquelos (Sugerencia: Divida los 45 nmeros en dos
grupos: ganadores y no ganadores)
Si cumple con la distribucin Hipergeomtrica ya que la podemos validar de la
siguiente manera, hay una poblacin se tomar como N, estn compuesto por
unos elementos que cumplen una propiedad la cantidad de dichos elementos se
denomina con la letra d, luego debemos extraer una muestra n de la poblacin y a
distribucin nos dar la probabilidad de lo que estemos buscando.
- N/ son los 45 nmeros.
- d/ cantidad de elementos
- x / elementos con propiedad
Los elementos que cumplen la propiedad son 6 que ha salido en el sorteo. La
muestra que se toma es la de los 6 nmeros La probabilidad que nos da el mtodo
Hipergeomtrica es la de tener 0 a 6 ganadores
2. Usando la distribucin de probabilidad Hipergeomtrica determinar la
probabilidad de que el jugador acierte los 6 nmeros
La frmula para comprobar dicha probabilidad es la siguiente
d N d
(
)
x nx
P ( x )=
N
n

Solucin para acertar 6 (seis) nmeros

6 456
(
)
6 66
P (6 ) =
45
6
1( 39 )
0
P (6 )=
45
6
P (6 )=

1
45
39! .6 !

P (6 )=

39! .6 !
6!
=
45
45.44 .43 .42.41 .40

P (6 ) =

720
5864443200

P (6 )=

1
=1.22773804 x 107
8145060

3. La empresa encargada del sorteo informa que la probabilidad de que

coincidan todos los nmeros es de 1 en 8145060. Qu significa esto en
trminos de probabilidad? Coincide esto con su respuesta anterior.
Esto significa que existen 8.145.060 combinaciones posibles de 6 nmeros de un
total de 45 y solo una combinacin es la combinacin ganadora.
P (6 )=

1
=1.22773804 x 107
8145060

Si coincide con el punto anterior ya que se llego a la misma fraccin

4) Calcule la probabilidad, para hacer coincidir 3 de los 6 nmeros
ganadores.

d N d
(
)
x nx
P ( x )=
N
n
Solucin para acertar 3 (tres ) nmeros
6 456
(
)
3 63
P (6 ) =
45
6
6.5 .4 39
( )
3!
3
P (6 )=
45
6
39.38 .37
3!
P (6 )=
45.44 .43 .42 .41.40
6!
20.

P (6 )=

20.9139 182780
=
8145060 8145060

P (6 )=0.02244059589
La probabilidad para que coincida 3 de los 6 nmeros ganadores es de:
0.02244059589
5) Calcule la probabilidad de que coincidan 4 de los 6 nmeros ganadores
d N d
(
)
x nx
P ( x )=
N
n
Solucin para acertar 4 (cuatro) nmeros

6 456
(
)
4 64
P (6 ) =
45
6
6.5 39
( )
2! 2
P (6 )=
45
6
39.38
2!
P (6 )=
8145060
15.

P (6 )=

15.741
11115
741
=
=
8145060 8145060 543004

P (6 )=0.01364630831
La probabilidad para que coincida 4 de los 6 nmeros ganadores es de:
0.01364630831
6) Calcule la probabilidad de que coincidan 5 de los 6 nmeros ganadores
d N d
(
)
x nx
P ( x )=
N
n
Solucin para acertar 5 (cinco) nmeros
6 456
(
)
5 65
P (6 ) =
45
6
6( 39 )
1
P (6 ) =
45
6
P (6 )=

6.39
8145060

P (6 )=

234
39
=
8145060 1357510

P (6 )=2.872807014 .105 =0.00002872807014

La probabilidad para que coincida 5 de los 6 nmeros ganadores es de:
0.00002872807014
7) Con base en los resultados obtenidos, usted invertira dinero en el
BALOTO?
No invertira dinero en el BALOTO puesto que las probabilidades de ganar son
bajas

ESTUDIO DE CASO No. 4 (Nino Arias)

La distribucin de probabilidad de Poisson describe el nmero de veces que se

presenta un evento durante un intervalo especfico. El intervalo puede ser de
tiempo, distancia, rea o volumen. La distribucin 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 ms grande sea el intervalo, mayor ser la probabilidad; adems,
el nmero de veces que se presenta un evento en un intervalo no influye en los
dems intervalos.

Esta distribucin posee diversas aplicaciones. Se le utiliza como modelo para

describir la distribucin de errores en una entrada de datos, el nmero de rayones
y otras imperfecciones en las cabinas de automviles recin pintados, el nmero
de partes defectuosas en envos, el nmero de clientes que esperan mesa en un
restaurante, el nmero de accidentes en una carretera en un periodo determinado.
La compaa de aviacin Delta Airlines, se caracteriza por su responsabilidad y
cuidado con el equipaje de sus pasajeros, por lo que pocas veces se pierde
equipaje. En la mayora de los vuelos no se pierden maletas; en algunos se pierde
una; en unos cuantos se pierden dos; pocas veces se pierden tres, etc. Suponga
que una muestra aleatoria de 1 000 vuelos arroja un total de 300 maletas perdidas.
De esta manera, el nmero promedio de maletas perdidas por vuelo es de 0.3.

Prepare un informe en el que como mnimo, incluya:

1.- Esta situacin cumple con los supuestos de la distribucin Poisson?

Identifquelos
Cumple con el primer supuesto, que dice que la probabilidad es proporcional a la
longitud del intervalo, en este caso de 1000 vuelos se pierden 300 maletas,
existe un promedio de 0.3 maletas perdidas por vuelo.

que

Cumple con el segundo supuesto, debido a que el nmero de veces que se

presenta un evento en un intervalo influye en los otros intervalos, ya que es una
muestra aleatoria y los intervalos son independientes, es decir si es m sgrande el
intervalo tendr mayor probabilidad.
2.- Determine cul es la probabilidad de que en un vuelo no se pierda ninguna
maleta
X e
(
)
P X=
x
La probabilidad que no se pierda ninguna maleta es
0 3

(0.3) e
P ( X )=
0
P ( X )=.7408

En 74% de los vuelos no habr maletas perdidas

3.- Determine cul es la probabilidad de que en un vuelo se pierda
exactamente una maleta
X e
(
)
P X=
x
La probabilidad que se pierda una maleta es
1 3

(0.3) e
P ( X )=
1
P ( X )=.2222

En 22% de los vuelos habr 1 maletas perdida

4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos
y cuatro maletas
Partiendo de la frmula de poisson donde
P ( X )=

X e
x

La probabilidad que se pierdandos maletas es

2 3

P ( X )=

(0.3) e
2

P ( X )=.033
Partiendo de la frmula de poisson donde
X

P ( X )=

e
x

La probabilidad que se pierdan tres maletas es

(0.3)3 e3
P ( X )=
3
P ( X )=.00333
Partiendo de la frmula de poisson donde
P ( X )=

X e
x

La probabilidad que se pierdan cuatro maletas es

4 3

P ( X )=

(0.3) e
4

P ( X )=.00025

5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo

ms de cuatro maletas

Partiendo de la frmula de poisson donde

P ( X )=

X e
x

La probabilidad que se pierdan cuatro maletas es

4 3

P ( X )=

(0.3) e
4

P ( X )=.00025

6.- En qu momento debe sospechar el supervisor de la Aerolnea que en un

vuelo se estn perdiendo demasiadas maletas?
El momento en el que se pierden ms maletas es cuando se recogen para ser
trasladadas al avin

ESTUDIO DE CASO No. 5 (Judy Pealoza)

Para una poblacin grande de personas sin hogar, Wong y Piliavin (2001)
examinaron factores de estrs, recursos y agotamiento psicolgico empleando la
Escala de Depresin del Centro de Estudios Epidemiolgicos (CESD), un
cuestionario de evaluacin comunitario.

Entre las personas sin hogar, la puntuacin media del cuestionario CESD es 23,5
con una desviacin estndar de 7.5 y se considera que para la Variable X =
puntuacin del CESD, la distribucin es normal. Como trabajador en el rea de
admisiones en un refugio para personas sin hogar, usted es el encargado de
aplicar el CESD y debe evaluar los resultados para las nuevas personas que
lleguen al centro.

Dentro de las polticas del refugio se encuentra que cualquier persona cuya
puntuacin sea de 20 o ms puntos en el CESD debe enviarse a ver a un doctor.

Prepare un informe en el que como mnimo, incluya:

1. La probabilidad de que una persona que llegue al refugio sea enviado a

ver al doctor
Para este tenemos que 23,5 de desviacin estndar
3,5 para variable
X= 20/3,5 = 33.3% probable
Calculando igual, la probabilidad:
P= 20/30 = 2/3 66.7% probable
Como 66.7 es mayor que 33.3 es ms probable que llegue al refugio sea enviado
al ver al doctor.

2. La probabilidad de que una persona que llegue al refugio tenga una

puntacin de 10 o menos puntos
Identificado este valor de distribucin normal se tiene que

VALOR Z = -1,8
AREA BAJO LA CURVA= 0,4641

Para calcular la probabilidad solicitada entonces:

rea comprendida entre Z calculado y al a izquierda de la campana as:
0.5 0,4641 = 0,0359

La probabilidad de que una persona que llegue al refugio tenga una puntuacin de
10 o menos puntos es 3.59%
3. La probabilidad de que una persona que llegue al refugio tenga una
puntuacin entre 16 y 20 puntos

La probabilidad de que una persona que llegue al refugio tenga una puntuacin
entre 16 y 20 es 16, 41%

4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser
enviadas a los servicios de prevencin de suicidios, Qu puntuacin
hace calificar a una persona que llega al refugio para este servicio?
Se pretende a partir de la probabilidad o porcentaje dado llegar al nmero o
puntuacin.

Teniendo encuentra que 15% = 0,1500 entonces se encuentra Z

VALOR Z

AREA BAJO A LA
CURVA

0,38

0,1500

Ahora con el valor de Z remplazamos el valor en la ecuacin despejada

anteriormente para hallar x
Entonces: la puntuacin de una persona que llega al refugio para que sea enviada
al servicio de prevencin de suicidios es una calificacin de 26,35 o ms.

5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a
un servicio de orientacin laboral para mejorar sus recursos. Qu
puntuacin permite calificar a una persona para acceder a este servicio?

Teniendo en cuenta que el 25% en la tabla entonces se encuentra Z negativo por ir

a la izquierda

VALOR Z

AREA BAJO A LA
CURVA

-0,67

0,2500

Ahora con el valor de Z remplazamos el valor en la ecuacin despejada

anteriormente para hallar x
Entonces: la puntuacin de una persona que llega el refugio para que sea enviada
al servicio de orientacin laboral para mejorar sus recursos en una calificacin de
18, 47 o menos

CONCLUSIONES

La distribucin de poisson es de suma importancia cuando se necesita una

aproximacin binomial, es decir si el nmero de pruebas es grande, pero la
probabilidad de xito es pequea.

Los ejercicios desarrollados son actan como ente principal para la

formacin del profesional, debido a que se pone en prctica los conceptos
aprendidos y estudiados en la Unidad 2 y esto facilita un aprendizaje ntegro
y formal.

La distribucin hipergeomtrica ayuda a realizar muestreos aleatorios en

donde se tenga que extraer una muestra sin tener la necesidad de volver a
insertar esta muestra al conjunto de elementos.

BIBLIOGRAFIA
Canavos, G.C (1988), Probabilidad y estadstica, aplicaciones y mtodos.
Editorial McGraw Hill, Mxico.
Troya, Vanessa. 2012 Febrero 2. PROBABILIDAD TOTAL Y TEOREMA DE
BAYES. Recuperado de: https://www.youtube.com/watch?v=kd_F14sNZPY
Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=11013767&ppg=177

Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico

Nacional. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=10436604&ppg=128