Está en la página 1de 16

TRABAJO COLABORATIVO FASE 2

PROBABILIDAD

Presentado por:
Andres Felipe Rios Losada COD: 1075297470
Luceidy Joven COD:
Luis ngel Gutirrez COD:

Presentado a: Diana Milena Caliman

Grupo: 100402_133

UNAD-Universidad Nacional Abierta y a Distancia


Neiva-Huila
08/05/2017
INTRODUCCION

El desarrollo de habilidades estadsticas es indispensable en mltiples disciplinas,


puesto que nos sirve como herramienta de trabajo, ya sea para realizar estudios de
tipo cuantitativo o para lograr la sistematizacin de informacin de informacin
referente a problemticas sociales.
Estudiaremos los conceptos de variable aleatoria, distribucin discreta y continua,
medidas de tendencia central, distribucin binomial y negativa, distribucin
hipergeometrica y geomtrica, la distribucin de poisson, la distribucin normal
estndar, entre otros. De acuerdo al problema plateado seleccionaremos el mtodo
de distribucin que creamos adecuado y le daremos su respectiva solucin.
MAPA CONCEPTUAL
ESTUDIO DE CASO 1

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.
2.- Con los datos anteriores construya una variable aleatoria que represente el
nmero de clientes rentables para el banco y determine: Cul es la probabilidad
de que los tres resulten rentables?
3.- Cul es la probabilidad de que ninguno sea rentable?
4.- Determine la distribucin de probabilidad total del nmero de clientes rentables
entre este grupo de tres clientes.
5.- Redacte un breve resumen de sus hallazgos.

Desarrollo de la actividad

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


resulten rentables.

aos Tiempo Antigedad Pago de Costos


domicilio auto auto vivienda

David 42 9 2 140 300


puntos 18 20 13 4 10

Edward 23 2 3 99 20
puntos 12 0 13 6 10

Ann 33 5 7 175 propietario


puntos 0 20 3 4 12

2.- Con los datos anteriores construya una variable aleatoria que represente
el nmero de clientes rentables para el banco y determine: Cul es la
probabilidad de que los tres resulten rentables?

Es el producto de las probabilidades, ya que son sucesos independientes p


(3rentables) 0.95 * 0.808 * 0.772=0.5925872

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

La probabilidad de que ninguno sea rentable es el producto de las probabilidades p


(ninguno rentable) = (1-.095) (1-0.808) (1-0.772) =0.05 * 0.192 * 0.228= 0.0021888
4.- Determine la distribucin de probabilidad total del nmero de clientes
rentables entre este grupo de tres clientes.

Ya solo nos quedan las probabilidades de 1 rentables y 2 restables para simplificar


cuentas recordemos las probabilidades de no rentabilidad para un rentable se toma
la probabilidad de rentabilidad de 1 y los de no

P (1 rentables) = 0.95* 0.192 * 0.228+ 0.05 * 0.808 * 0.228+ 0.05 * 0.192* 0.772 =
0.0415872+ 0.0092112+ 0.0074112= 0.0582096

Y para dos rentables se toman dos rentables y uno que no se suman las

P (2 rentables) = 0.95 * 0.808 * 0.228 + 0.95 * 0.192* 0.772+ 0.05* 0.808 * 0.772=
0.1750128+ 0.1408128+ 0.0311888= 0.3470144
Luego, en resumen

P (0 rentables) = 0.0021888
P (1 rentables) = 0.0582096
P (2 rentables) = 0.3470144
P (3 rentables) = 0.5925872
Total= 1.0000000

5.- Redacte un breve resumen de sus hallazgos.

Vamos claramente en el estudio de posibilidades que David rentable ya que tiene


un no califican al cliente en funcin de la probabilidad de que resulte rentable una
tabla habitual de calificaciones
De 25 aos (12 puntos) ha vivido en el mismo domicilio durante dos aos (0 puntos)
desde hace cuatro aos, en otras palabras, el 81% de los clientes como suche
generan dinero a las operaciones con tarjeta del banco grupo aval

De que resulten rentables

cuentas Total, probabilidad


punto

ambas
15 80 0.95

cheques
3 44 0.805

ninguna
0 39 0.772

Probabilidades de no rentabilidad de cada uno

Clientes rentables entre este grupo de tres clientes


D= 0.05, 0.192, 0.228 de los otros dos, se suman los tres casos posibles

Probabilidades de los tres casos rentabilidad y tiene un patrimonio ms slido y un


mejor comportamiento de pagos y un respaldo econmico para los clientes
siguientes

Dueo de un automvil (13 puntos) por el que realiza pagos de $75 (6 puntos)
realiza gastos domsticos de $2
A continuacin, se muestran los resultados de las entrevistas con los tres posibles
clientes otorgar las tarjetas de crdito (10 puntos) y posee una cuenta de cheques
(3 puntos) la calificacin que obtendra seria de 44 despus con una segunda tabla,
se convierten las calificaciones en probabilidades de rentabilidad del cliente

ESTUDIO DE CASO 2

La distribucin de probabilidad binomial es una distribucin de probabilidad discreta


que se presenta con mucha frecuencia. Una de sus caractersticas consiste en que
slo hay dos posibles resultados en un determinado ensayo del experimento y los
resultados son mutuamente excluyentes; Otra caracterstica de la distribucin
binomial es el hecho de que la variable aleatoria es el resultado de conteos. Es
decir, se cuenta el nmero de xitos en el nmero total de ensayos. Una tercera
caracterstica de una distribucin binomial consiste en que la probabilidad de xito
es la misma de un ensayo a otro.

Un estudio del Departamento de Transporte de Illinois concluy que 76.2% de


quienes ocupaban los asientos delanteros de los vehculos utilizaba cinturn de
seguridad. Esto significa que los dos ocupantes de la parte delantera utilizaban
cinturones de seguridad. Suponga que decide comparar la informacin con el uso
actual que se da al cinturn de seguridad, para lo cual selecciona una muestra de
10 vehculos.

Presente un informe en el que como mnimo incluya:

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


Identifquelos

Esta situacin no cumple completamente los requisitos de una distribucin


binomial, ya que se pueden presentar tres posibles opciones:

* La primera puede ser cuando el conductor usa el cinturn y la otra persona no lo


usa.
* La segunda opcin es cuando el conductor no usa el cinturn y la otra persona si
lo usa.
* La tercera opcin es cuando ninguna de las dos personas usa el cinturn.
* Solo hay posibilidades de que en un vehculo en particular los ocupantes de la
parte delantera utilicen o no el cinturn de seguridad.
* La probabilidad de que los ocupantes utilicen cinturn de seguridad es la misma
para cualquier vehculo la cual corresponde al 76.2%.
* Hay una cantidad fija de 10 pruebas, ya que se verifican 10 vehculos.
* Las pruebas son independientes ya que el resultado de un vehculo no influye en
los dems.

2. Elabore un diagrama de barras para la distribucin de probabilidad


binomial que representa esta situacin

x p(x)
0 0,0000005831
1 0,0000186701
2 0,0002689912
3 0,0022965974
4 0,0128676999
5 0,0494379191
6 0,1319036918
7 0,2413220004
8 0,2897384941
9 0,2061444748
10 0,0660008781

Distribucion Binomial (10, 0,762)

0.300000
0.250000
0.200000
P(X)

0.150000
0.100000
0.050000
-
0 1 2 3 4 5 6 7 8 9 10
P(X)
3. Cul es la probabilidad de que los ocupantes de la parte delantera en
exactamente 6 de los 10 vehculos seleccionados utilicen cinturones de
seguridad?

106 (0.762)6 (0.238)106 = 210 (0.195762) (0.003208) = 0.131903

De esta manera se concluye que la probabilidad de que exactamente 6 de los 10


vehculos utilicen los cinturones de seguridad es de aproximadamente del 13%.

4. Cul es la probabilidad de que los ocupantes de la parte delantera de por


lo menos 6 de los 10 vehculos utilicen cinturn de seguridad?

( 7) = ( = 6) + ( = 7) + ( = 8) + ( = 9) + ( = 10)

( 7) = 0,131904 + 0,241322 + 0,289738 + 0,206144 + 0,066001

( 7) = 0.935110

La probabilidad de que los ocupantes de la parte delantera que al menos 6 de los


10 vehculos usen los cinturones de seguridad es de 93.5%

5. Cul es la probabilidad de que los ocupantes de la parte delantera de


mximo 6 de los 10 vehculos utilicen cinturn de seguridad?

( 6) = ( = 0) + ( = 1) + ( = 2) + ( = 3) + ( = 4) + ( = 5)
+ ( = 6)

( 6) = 0,000001 + 0,000019 + 0,000269 + 0,002297 + 0,012868 + 0,049438 +


0,131904

( 6) = 0.196794
La probabilidad de que los ocupantes de la parte delantera de mximo 6 de los 10
vehculos utilicen el cinturn de seguridad es del 20%

6. Encuentre el valor esperado del nmero de vehculos en los que los


ocupantes de la parte delantera utilizan el cinturn de seguridad?

( > 6) = ( = 7) + ( = 8) + ( = 9) + ( = 10)

( > 6) = 0,241322 + 0,289738 + 0,206144 + 0,066001 = 0,803205

( 6) = 1 ( > 6) = 1 0,803205 = 0,196795

El valor esperado en una distribucin binomial seria:

(, )

() =

(10,0.762)() = 10 0.762 = 7,62

ESTUDIO DE CASO 4

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:

Solucin:

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


Identifquelos

La situacin presentada cumple 2 distribuciones la primera seria:


La probabilidad es proporcional: Cuanto mayor sea la extensin del intervalo,
tanto mayor ser la probabilidad.
Este primer supuestos e cumple cuando se afirma que por cada 1000 vuelos se
pierden en 300 maletas es decir que en 2000 vuelos se perdern 600, lo cual
como se puede observar es totalmente proporcional.
La segunda distribucin: Los intervalos son independientes.
Esto se afirma al poder observar que al tomar intervalos distintos no se afecta la
proporcionalidad de la probabilidad con respecto a la extensin

2.- Determine cul es la probabilidad de que en un vuelo no se pierda ninguna


maleta

Utilizando la frmula de distribucin de poisson.


Sea X el nmero de maletas perdidas por vuelo. Entonces X se distribuye como
una Poisson con parmetro =0.3.
0.3 0.3
(; 0.3) =
!
Remplazamos x por 0 que corresponde a la posibilidad de que se pierdan 0
maletas quedando:
0.3 0.30
(0; 0.3) =
0!
Operamos y tenemos como resultado:
( = 0) = 0.74
Lo que nos indica que la probabilidad de que en un vuelo no se pierda ninguna
maleta es de 74%.

3.- Determine cul es la probabilidad de que en un vuelo se pierda


exactamente una maleta
(0.3)1 ( 0.3 )
(1) = =
1!

Operamos y tenemos como resultado:


(1): 0.22
Lo que nos indica que la probabilidad de que en un vuelo se pierda una sola
maleta es de 22%.

4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos


y cuatro maletas
1. = (2 4) = 42 (; 0.3) = 40 (; 0.3) 10 (; 0.3)
2.
Operamos y tenemos como resultado:
= (2 4) = 0.037
Lo que nos indica que la probabilidad de que en un vuelo se pierdan entre 2 y 4 es
de 3.7%.
5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo
ms de cuatro maletas

La distribucin de Poisson nos da conocer la probabilidad en sub intervalos


conocidos y el determinar la probabilidad que se pierdan las 4 maletas al no
fijarse un intervalo es imposible hacerlo por medio de este sistema de distribucin
de probabilidad.

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


se estn perdiendo demasiadas maletas?

La probabilidad de que en un vuelo se pierdan tres maletas es igual al 0.33 % y al


aumentar el nmero de maletas la probabilidad va atender cada vez ms a cero,
por tal razn en el momento que se pierdan ms de tres maletas el supervisor de
la aerolnea debe sospechar que en el vuelo se estn perdiendo demasiadas
maletas y algo est mal en el proceso.
CONCLUSIONES

Desarrollando esta actividad podemos darnos cuenta de la 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.
Tambin podemos concluir que logramos identificar y comprender los
conocimientos estudiados a lo largo de la segunda unidad acadmica del curso y
se comprenden los principios y aplicaciones que tiene la probabilidad en los distintos
campos disciplinares.
BIBLIOGRAFIA

Rodrguez, F. & Pierdant, A. (2014). Estadstica para administracin.


Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11013
767&ppg=177
Monroy, S. (2008). Estadstica Descriptiva. Editorial: Instituto Tcnico Nacional.
Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436
604&ppg=128
Martn, J. y Ruiz, L. (2004). Estadstica I: Probabilidad. 2nd ed. Madrid:
Paraninfo. vii-viii. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE%7CCX40
52400005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickType=
AboutThisPublication
&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE%7C3
BDC
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadstica terica:
Probabilidad e inferencia. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10995
669&ppg=19