Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -

VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos aleatorios y

distribuciones de probabilidad
PROBABILIDAD

DEYSI YOHANNA DELGADO RUBIO

1090175579

DEYSIMICH@HOTMAIL.COM

CÓDIGO: 201508

TUTOR

LEIDY JOHANNA BOTERO

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - CEAD - PAMPLONA

VICERRECTORÍA ACADÉMICA Y DE INVESTIGACIÓN - VIACI
ESCUELA DE CIENCIAS AGRÍCOLAS, PECUARIAS Y DEL MEDIO AMBIENTE

ZOOTECNIA

09/06/2019
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Introducción

Variables aleatorias

Una variable aleatoria es, una función que asigna un número real a cada resultado en el
espacio muestral de un experimento aleatorio. Se denota con una letra mayúscula tal como X.
En este tema se verá la importancia de cuantificar los resultados de un experimento aleatorio
sabiendo que ellos pueden ser cualitativos o cuantitativos.

Para facilitar estos cálculos se acude a una función que ubica el espacio muestral en el
conjunto de los números reales, esta es conocida como variable aleatoria. Se puede definir
como variables aleatorias cuyos valores sean contables o no, y al ser una caracterización
cuantitativa de los resultados de un espacio muestral, ellas pueden ser discretas o continuas.

Variable aleatoria X es discreta si el número de valores que puede tomar es finito (o infinito
contable).

Distribución de probabilidad de una variable aleatoria X es una descripción del conjunto de

posibles valores de X, junto con la probabilidad asociada con cada uno de estos valores. Esta
distribución bien puede ser una gráfica, una tabla o una ecuación que da la probabilidad de
cada valor de la variable aleatoria y se considera como el resumen más útil de un experimento
aleatorio.

Esperanza matemática y varianza de una variable aleatoria

El valor esperado (también llamado media o esperanza matemática) de una variable aleatoria
discreta X es una medida de posición para la distribución de X. Se simboliza con µ y se
calcula al sumar el producto de cada valor de X con su probabilidad correspondiente.

DISTRIBUCIÓN BINOMIAL

Definición
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Es una de las distribuciones de probabilidad más útiles (control de calidad, producción,

investigación). Tiene que ver con el experimento aleatorio que produce en cada ensayo o
prueba uno de dos resultados posibles mutuamente excluyentes: ocurrencia de un criterio o
característica específico (llamado éxito) y no ocurrencia de éste (llamado fracaso). Los
términos o calificativos de "éxito y fracaso" son solo etiquetas y su interpretación puede no
corresponder con el resultado positivo o negativo de un experimento en la realidad.

DISTRIBUCIÓN BINOMIAL NEGATIVA y GEOMÉTRICA

Definición

En la distribución geométrica, la variable aleatoria estaba definida como el número de ensayos

Bernoulli necesarios para obtener el primer éxito. Suponga ahora que se desea conocer el
número de ensayos hasta obtener r éxitos; en este caso la variable aleatoria es denominada
binomial negativa.

La distribución binomial negativa o distribución de Pascal es una generalización de la

distribución geométrica donde la variable aleatoria X es el número de ensayos Bernoulli
efectuados hasta que se tienen r éxitos, con una probabilidad constante de éxito p. Se dice
entonces que X tiene una distribución binomial negativa con parámetros p y r = 1, 2, 3,...

Distribución Hipergeométrica.

Supongamos que tenemos una población de tamaño N y de ella se selecciona una muestra
de tamaño n para verificar si cada elemento tiene o no una cierta característica, esto se puede
manejar en términos de éxito y de fracaso. Si el tamaño de la muestra n es pequeño en
comparación con el tamaño de la población N ( n / N ≤ 5% ) podemos considerar los intentos
como independientes y asumir que probabilidad de obtener un éxito en un elemento es la
misma en cada intento, por lo que podemos aplicar la distribución binomial.

Sin embargo si el tamaño de la muestra n es grande en comparación con el tamaño de la

población N entonces la probabilidad de obtener un éxito en un intento se ve afectada por los
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

resultados en intentos anteriores es decir que son dependientes. Cuando pasa esto el número
x de éxitos sigue lo que se conoce como una distribución hipergeométrica de probabilidad.

Es importante remarcar que tanto la distribución binomial como la distribución hipergeométrica

persiguen un mismo objetivo (el número de éxitos en una muestra que contiene n
observaciones), la diferencia entre ellas es que la hipergeométrica considera no solo a los
elementos de la muestra, sino también a los elementos de la población.

En resumen la distribución hipergeométrica es aquella en la que se considera la existencia de

éxitos y/o fracasos en una población conocida, y de la cual se extrae una muestra sin
remplazo donde también existen éxitos o fracasos.

Su principal aplicación es en el muestreo de aceptación y control de calidad donde de un lote

de artículos se toma una muestra y se analiza para decidir si se acepta o rechaza todo el lote.

Criterios o propiedades que la caracterizan.

1. La población N del conjunto de unidades o elementos es de orden finito, de los cuales una
parte: k "son éxitos", y otra parte son "fracasos".

2. Cada elemento puede ser caracterizado como éxito o fracaso.

3. Se obtiene una muestra aleatoria de n elementos todos a la vez (sin reemplazamiento) y no

de forma independiente. No son pruebas repetidas.

4. El tamaño de la muestra aleatoria n es grande relativamente en comparación con el tamaño

de la población. Generalmente ( n)/N>5%

5. Se busca la probabilidad de x= número de éxitos a partir de los k resultados o elementos y

(n-x) fracasos a partir de los N-k elementos así clasificados, al obtener una muestra aleatoria
de tamaño n.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Distribución Poisson.

Sea X una variable aleatoria que representa el número de eventos aleatorios independientes
que ocurren con igual rapidez en un intervalo de medida. Se tiene entonces que la función de
probabilidad de esta variable, se expresa por:

Donde y es parámetro de tendencia central de la distribución y representa el número promedio

o cantidad esperada de ocurrencias (éxitos) del evento aleatorio por unidad de medida o por
muestra; e=2.71828 y x=Número de ocurrencias específicas para el cual se desea conocer la
probabilidad respectiva. Según sea el valor de ʎ, se define toda una familia de probabilidades
de Poison. La probabilidad de que una variable aleatoria de Poison X sea menor o igual a un
valor de x se halla por la función de distribución acumulativa.

Distribución uniforme discreta.

Describe el comportamiento de una variable discreta que puede tomar n valores distintos con
la misma probabilidad cada uno de ellos. Un caso particular de esta distribución, ocurre
cuando los valores son enteros consecutivos. Esta distribución asigna igual probabilidad a
todos los valores enteros entre el límite inferior y el límite superior que definen el recorrido de
la variable.

Distribución uniforme continua.

Una variable aleatoria se dice que sigue una distribución uniforme continua en un intervalo
real (a,b), y se representa por (a,b), si su función de densidad es constante en dicho intervalo
y nula fuera de él; es decir:

Distribución Normal.

La distribución normal es de suma importancia en estadística por tres razones principales:

Numerosas variables continuas de fenómenos aleatorios tienden a comportarse

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

probabilísticamente mediante ésta.

Es el límite al que convergen tanto variables aleatorias continúas como discretas.

Proporciona la base de la inferencia estadística clásica debido a su relación con el teorema

del límite central

Objetivos
El grupo presenta máximo 3 objetivos, uno general y dos especificos.

(No borrar este encabezado)

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Ejercicio 2

El grupo entrega aquí, de manera organizada, el análisis, desarrollo y solución de

ESTUDIO DE CASO que selecciono y explico cada estudiante a sus compañeros de
grupo.
Solución al estudio de caso 1: El grupo entrega aquí, de manera organizada,
el análisis, desarrollo y solución del ESTUDIO DE CASO presentado
RESPONSABLE ROL SELECCIONADO

(No borrar este encabezado)

Distribución Hipergeométrica: Una compañía tiene siete solicitantes para dos

puestos de trabajo: tres mujeres y cuatro hombres. Suponga que los siente
solicitantes están igualmente calificados y que no se da preferencia para elegir
género alguno. Sea x igual al número de mujeres escogido para ocupar las dos
posiciones.
a. Escriba la fórmula para p(x), la distribución de probabilidad de x.
b. ¿Cuáles son la media y la varianza de esta distribución?
c. Construya un histograma de probabilidad para x.
Solución
Planteamiento:
N= 7 solicitantes
x=2
k= 2 puestos de trabajos
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

n=2
Candidatos:
2 mujeres
4 hombres
X: número de mujeres escogido para ocupar las dos posiciones.

a.Escriba la fórmula para p(x), la distribución de probabilidad de x.

Distribución Hipergeométrica:

P(x)= Ck,x* CN-k;n-x /CN,n

Cn,k = n!/k!(n-k)!
P(x) = C2,2 * C7-2;2-2 / C7,2
P(x) =1*5/21
P(x) =0,2381

b. ¿Cuáles son la media y la varianza de esta distribución?

Media:
μ= n*p
μ= 2*0,2381= 0,48
Varianza:
σ² = npq (N-n/N-1)
σ² = 0,37(5/6)
σ² = 0,30
c. Construya un histograma de probabilidad para x.

Podemos utilizar un gráfico de barras, llamado un histograma de la

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

distribución de probabilidad, para ilustrar las probabilidades de que X se

queda en rangos seleccionados

Solución al estudio de caso 2: El grupo entrega aquí, de manera organizada,

el análisis, desarrollo y solución del ESTUDIO DE CASO presentado
RESPONSABLE ROL SELECCIONADO

(No borrar este encabezado)

Estudio de caso 21:

Distribución Binomial: La preferencia por el color de un auto cambia con los

años y de acuerdo con el modelo particular que seleccione el cliente. En año
reciente, suponga que 10% de todos los autos de lujo que se vendieron eran
negros. Si 25 autos de es año y tipo se seleccionan al azar, encuentre las
siguientes probabilidades:

a. Al menos cinco autos sean negros.

b. A lo sumo seis autos son negros.
c. Más de cuatro autos son negros.
d. Exactamente cuatro autos son negros.
e. Entre tres y cinco autos (inclusive) son negros.
f. Más de veinte autos no son negros..

Solución

Planteamiento:

1 Tomado y adaptado de Lind, Marchall. Estadística Aplicada a los Negocios y la Economía. Ed. Mc Graw Hill
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Hay que distinguir que no se pude aplicar la distribución de Poisson, ya que nos
indican una probabilidad y no una media, por lo tanto se aplica Teorema de Bayes,
que nos da una probabilidad:

10% de los autos de lujos son negros

n= 25

a. Al menos cinco autos sean negros.

10%*25 = 2,5

P = 5/25*0,1 = 0,02 = 2%

b. A lo sumo seis autos son negros.

P= 6/25*0,10= 0,024 = 2,4%

c. Más de cuatro autos son negros.

P= 4/25*0,10 = 0,016

P = 1-0,016 =0,984 = 98,4%

d. Exactamente cuatro autos son negros.

P= 4/25*0,10 = 0,016

e. Entre tres y cinco autos (inclusive) son negros.

f. Más de veinte autos no son negros.

P = 20/25 *0,9 = 0,72 = 72%

Solución al estudio de caso 3: El grupo entrega aquí, de manera organizada,

el análisis, desarrollo y solución del ESTUDIO DE CASO presentado

RESPONSABLE ROL SELECCIONADO

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Estudio de caso 32:

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.

Un conmutador puede manejar un máximo de 5 llamadas por minuto. Si la

experiencia indica que se recibe un promedio de 3 llamadas por minuto. Utilice la
distribución Poisson para encontrar las probabilidades de que el número de
llamadas recibidas por el conmutador en 1 minuto sea:

a. A lo sumo 4.

b. Menos de 3.

c. Al menos 4.

d. Quede saturado.

e. Entre 1 y 3.

2 Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

f. Una o más pero menos de 5.

g. Más de 2 pero menos de 5.

h. Ninguna.

i. Si se cuenta el número de llamadas en 5 minutos, cual es la probabilidad de

que se reciban 4 llamadas.

Solución

Usando la Tabla de Distribución de Poisson o en excel

a. A lo sumo 4.

P(x<=4)=81,53 %

b. Menos de 3.

P(x<3)=42,32 %

c. Al menos 4.

P(x>=4)=26,89 %

d. Quede saturado.

P(x=5)=91,61 %

e. Entre 1 y 3.

P(1<=x<=3)=59,74 %

f. Una o más pero menos de 5.

P(1<=x<5)=76,55 %

g. Más de 2 pero menos de 5.

P(2<x<5) =39,21 %
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

h. Ninguna.

P(x=0)=4,98 %

i. Si se cuenta el número de llamadas en 5 minutos, cual es la probabilidad de

que se reciban 4 llamadas.

P(x=4, media=3(5))=0,09 %

Solución al estudio de caso 4: El grupo entrega aquí, de manera organizada,

el análisis, desarrollo y solución del ESTUDIO DE CASO presentado
RESPONSABLE ROL SELECCIONADO

(No borrar este encabezado)

Distribución Normal: Supóngase que se sabe que los pesos de cierto grupo de
personas están distribuidos aproximadamente de forma normal con media 𝜇=70
𝑘𝑔 y desviación estándar 𝜎=12,5 𝑘𝑔. Use sus conocimientos sobre la distribución
normal para responder:
a. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo
pese ms de 80 kg?
b. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo
pese entre 50 kg y 85 kg?
c. ¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?

Ejercicio 3

Mentefacto:

El grupo presenta un mentefacto sobre los conceptos e ideas fundamentales de

la unidad 2, tomando como base los cuadros sinópticos elaborados
individualemente en el ejercicio Nº 1 y la resolución del ejercicio Nº 2
(involucrando las ideas y conclusiones generales, de cada uno de los casos de
estudio).
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

Conclusiones (mínimo 1 por cada participante)

(No borrar este encabezado)

ESTUDIANTE CONCLUSIÓN
Mediante el desarrollo de los ejercicios
de casos de la presente guía, nosotros
como estudiantes utilizamos los
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

conceptos propios de la probabilidad

condicional y las distribuciones de
Probabilidad

Es importante colocar el nombre de cada estudiante tanto en conclusiones como

en referencias. Si el estudiante no participa, el compilador deja indicado el nombre
del compañero que no aportó y el espacio de la aportación se dejará en blanco.
(borrar esta instrucción antes de la entrega)

Referencias bibliográficas en formato APA. (Mínimo una por cada

participante, no pueden repetir referencias)
(No borrar este encabezado)
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación -
VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402

ESTUDIANTE REFERENCIA

Es importante colocar el nombre de cada estudiante tanto en conclusiones como

en referencias. Si el estudiante no participa, el compilador deja indicado el nombre
del compañero que no aportó y el espacio de la aportación se dejará en blanco.
(borrar esta instrucción antes de la entrega)