Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Presentado a :
Nelson Barranza
Presentado por:
Erick Zayas
Rosa Mendoza
Eduard Vásquez
Juan Camilo Polo
Universidad Libre
Seccional Barranquilla
Contaduría Publica
Quinto semestre
2019
Tabla de Contenido.
1. Introducción
2. Objetivo General.
3. Objetivos específicos
4. Justificación.
5. Propósito.
6. Distribución binomial.
6.1 Propiedades de la distribución Binomial
6.2 Condiciones de la distribución Binomial.
6.3 Formula de la distribución Binomial.
6.4 Ejercicio de la distribución Binomial.
7. Distribución de Poisson.
7.1 Características de la distribución de Poisson.
7.2 Propiedades de la distribución de Poisson.
7.3 Distribución de Poisson como una aproximación a la Distribución Binomial.
7.4 Ejercicios de la distribución de Poisson.
8. Distribución hipergeométrica.
8.1 Característica de la distribución hipergeométrica.
8.2 La diferencia entre las distribuciones hipergeométrica y binomial.
8.3 Ejercicios de la distribución Hipergeométrica.
9. Conclusión.
10. Bibliografía
1. Introducción
A partir de estos conocimientos, podemos ir mas a fondo con cada una de las
distribuciones y poner en práctica su aplicación en los diferentes problemas que
encontraremos a los largo del trabajo.
2. Objetivo general
Esta investigación tiene como objetivo principal conocer, identificar y aplicar las diferentes
probabilidades de distribución, nos proponemos entonces a la investigación para conocer la
exactitud de la probabilidad de ocurrencia de un evento o fenómeno que pasa en la vida
cotidiana, así mismo, identificar cual distribución es apropiaba para cada fenómeno,
analizando la problemática y entrando en el contexto para así ponerla en práctica. Esto es útil
porque ayuda a resolver problemas estadísticos y así ajustar de la manera más exacta posible
aquellos fenómenos de azar en los más variados campos tanto de la ciencia como de la vida
cotidiana.
5. Propósito
El propósito de este trabajo es conocer e identificar las diferentes distribuciones, saber en qué
momento utilizarlas y cual utilizar.
Para que una variable aleatoria se considere que sigue una distribución binomial, tiene que
cumplir las siguientes propiedades:
En cada ensayo, experimento o prueba solo son posibles dos resultados (éxito o
fracaso).
La probabilidad del éxito ha de ser constante. Esta se representa mediante la letra p.
La probabilidad de que salga cara al lanzar una moneda es 0,5 y esta es constante
dado que la moneda no cambia en cada experimento y las probabilidades de sacar
cara es constate.
La probabilidad de fracaso ha de ser también constate. Esta se representa mediante la
letra q = 1-p. Es importante fijarse que mediante esa ecuación, sabiendo p o sabiendo
q, podemos obtener la que nos falte.
El resultado obtenido en cada experimento es independiente del anterior. Por lo tanto
lo que ocurra en cada experimento no afecta a los siguientes.
Los sucesos son mutuamente excluyentes, es decir, no pueden ocurrir los 2 al mismo
tiempo. No se puede ser hombre y mujer al mismo tiempo o que al lanzar una moneda
salga cara y cruz al mismo tiempo.
Los sucesos son colectivamente exhaustivos, es decir, al menos uno de los 2 ha de
ocurrir. Si no se es hombre, se es mujer y si se lanza una moneda, si no sale cara ha
de salir cruz.
La variable aleatoria que sigue una distribución binomial se suele representar como
X~(n,p). n representa el número de ensayos o experimentos y p la probabilidad de
éxito.
𝑝 (𝑥 = 7) = 30,5049
𝑝 (𝑥 = 7 ) ≈ 3,050
La probabilidad de que los estudiantes obtengan 7 aciertos es de 3,050%
b.
x= 0
n= 15
p= 0,7
q= 0,7
𝑝 (𝑥 ≥ 1) = 1 − 𝑝 (𝑥 = 0)
15
𝑃 ( 𝑥 = 0 ) = ( ) . (0,7)0 . (0,7)15 = 0,004747
0
𝑝 ( 𝑥 ≥ 1) = 1 − 𝑝 ( 𝑥 = 0) + 𝑝 ( 𝑥 ≥ 1) = 1 − 0,004747 = 0,995253
𝑝 (𝑥 ≥ 1) = 1 − 𝑝 (𝑥 = 0) ≈ 99,5253
La probabilidad de que los estudiantes obtengan algún acierto es de 99.5353%.
2. Una fábrica elabora lapiceros, se determino que al año unos 30% de lapiceros de color
negro salen defectuosos, calcular:
a. La probabilidad de que los tres salgan defectuosos
b. Probabilidad de que solamente 1 sea defectuosos
x: 3
n:3
p: 0,3
q: 1- 0,3 = 0,7
a.
3
𝑝 (𝑥 = 3) = ( ) . (0,3)3 . (0,7)0
3
𝑝( 𝑥 = 3) = 0,027 ≈ 2,7%
a. Marque mas de 6
b. Marque al menos 6
a.
N: 8
X= 6
P: 0,85
Q: 1- 0,85 = 0,15
8
𝑝 (𝑥 = 8) = ( ) . (0,85)8 . (0,15)0 = 0,2725
8
La probabilidad de que un jugador de basketball enceste mas de 6 veces es del 65,73%
b.
N: 8
X:6
P: 0,85
Q: 1-0,85= 0,15%
4. En un colegio el 40% de los alumnos cuentan con útiles escolares completos. Para
realizar una encuesta, el colegio selección 10 estudiantes al azar. Se pide:
a. Probabilidad de que la mitad de estudiantes tengan los útiles escolares
b. Probabilidad de que alguno tenga los útiles
c. Probabilidad de que como máximo tres no tengan los útiles
a.
N: 10 estudiantes
X: 5 porque es la mitad
P: 0,4
Q: 1- 0,4 = 0,6
10
𝑃(𝑋 = 5) = ( ) ( 0,4)⁵ ∙ (0,6)⁵ = (252) ∙ (0,4)⁵ ∙ (0,6)⁵ = 0,200658
5
𝑝 (𝑥 = 5) = 0,200658 ≈ 20,0658
La probabilidad de que la mitad de los estudiantes de un colegio tomando una muestra de 10
es de 20,0658.
b.
La probabilidad de que alguno de los alumnos tengan sus útiles escolares tomando una
muestra de 10 es de 99, 395.
c.
P(X ≥ 7) = P (X = 7) + P(X = 8) + P(X = 9) + P(X = 10)
La probabilidad de que como máximo tres tengan sus útiles escolares tomando una muestra
de 10 es de 5,4805%
a.
X: numero de unidades pagadas a contado
N: 6 unidades
P: 0,3
q. 1- 0,3= 0,7
𝑃(𝑋 ≥ 2) = 1 − 𝑃(𝑋 < 2) = 1 − 𝑃(𝑋 = 0) − 𝑃( 𝑋 = 1)
P(X = 1) = ( 6 1)0,3¹ ∙ 0,75 = 6 ∙ 0,3 ∙ 0,75 = 0,302526
b.
P(X ≥ 4) = P(X = 4) + P(X = 5) + P(X = 6)
7. Distribución de Poisson
La distribución de Poisson es una distribución de probabilidad discreta que se aplica a las
ocurrencias de algún suceso durante un intervalo determinado. Nuestra variable aleatoria x
representará el número de ocurrencias de un suceso en un intervalo determinado, el cual
podrá ser tiempo, distancia, área, volumen o alguna otra unidad similar o derivada de éstas.
La Distribución de Poisson se llama así en honor a Simeón Dennis Poisson (1781-1840),
francés que desarrolló esta distribución basándose en estudios efectuados en la última parte
de su vida.
El número de vehículos que pasan por una caseta de cobro en las horas de mayor tráfico sirve
como ejemplo para mostrar las características de una distribución de probabilidad de Poisson.
El promedio (media) de los arribos de vehículos por hora de gran tráfico puede estimarse a
partir de los datos anteriores del tráfico.
Si dividimos las horas de gran tráfico en periodos (intervalos) de un segundo cada uno,
encontraremos que los siguientes enunciados son verdaderos:
1. La probabilidad de que exactamente un vehículo llegue por segundo a una caseta
individual es un número muy pequeño y es constante para que cada intervalo de un
segundo.
2. La probabilidad de que dos o más vehículos lleguen en un intervalo de un segundo
es tan reducida que podemos asignarle un valor cero.
3. El número de vehículos que llegan en determinado intervalo de un segundo es
independiente del momento en que el intervalo de un segundo ocurre durante la hora
de gran tráfico.
4. El número de llegadas en cualquier intervalo de un segundo no depende del número
de arribos de cualquier otro intervalo de un segundo.
Ahora bien, podemos generalizar partiendo de las cuatro condiciones que hemos descrito
en este ejemplo, si estas condiciones se cumplen nos apoyaremos en una distribución de
probabilidad de Poisson para describirlos.
1) Esperanza: E(X) = λ.
2) Varianza: V(X) = λ.
Z ~ P(λ = λ1 + λ2)
Este resultado se extiende inmediatamente al caso de n variables aleatorias independientes
con distribución de Poisson. En este caso, la variable suma de todas ellas sigue una
distribución de Poisson de parámetro igual a la suma de los parámetros.
1.
2.
N: 100
P: 0,3
Lambda: 100* 0,03 = 3
X=5
e: 2,718281828
(35 )
𝑝 ( 𝑥 = 5) = (𝑒 −3 ) = 0,10081 ≈ 10,081
5!
3. Supongamos que hay 300 errores de impresión a los largo de 500 hojas para
publicidad. Cual es la probabilidad de que una hoja contenga 2 errores.
N: 300 errores
P: 1/ 500
X: 2
Lambda: 300. 1/500
Lambda: 0,6
0,62 . 𝑒 −0,6
𝑝(2):
2!
(0,36)(0,549)
𝑝 (2) =
2.1
4. En una panaderia llegan un cliente cada minuto, cual es la probabilidad que lleguen
3 en los próximos 5 minutos.
Lambda 5
X: 3
53 𝑒 −5
𝑝 (5) = = 0,1404 ≈ 14,04%
3!
8. Distribución hipergeométrica.
Los experimentos que tienen este tipo de distribución tienen las siguientes características:
Utilice la distribución binomial con poblaciones tan grandes que el resultado de una prueba
prácticamente no tiene efecto sobre la probabilidad de que el próximo resultado sea un evento
o un no evento.
Utilice la distribución hipergeométrica con poblaciones que sean tan pequeñas que el
resultado de un ensayo tiene un gran efecto en la probabilidad de que el próximo resultado
sea un evento o un no evento.
3 5−3
(2) (2 − 2)
𝑝 (𝑥 = 2)
5
(2)
3 2
(2) (0)
𝑝(𝑥 = 2)
5
2
3𝐶2.2𝐶0
𝑝 (𝑥 = 2)
5𝐶2
3! 2!
.
2! (3 − 2)! 0! (2 − 0)!
𝑃(𝑋 = 2)
5!
2! (5 − 2)!
3! 2!
.
2! (1)! 0! (2)!
𝑃(𝑋 = 2)
5!
3! (2)!
3
𝑃(𝑋 = 2)
10
𝑃(𝑋 = 2) = 𝑂, 3 ≈ 30%
La probabilidad de seleccionar 2 mujeres al azar de una muestra de 5 es del 30%
3. En una tienda hay 20 variedades de jabón, de las cuales 8 son de Rexona, Que
probabilidad hay de que al extraer una muestra al azar de 12 flores, se incluyen 3 de
Rexona
N:20
n: 12
m=8
k:3
8 20 − 8
(3) (12 − 3)
𝑝(𝑥 = 3)
20
(12)
8 12
(3) ( 9 )
𝑝(𝑥 = 3)
20
(12)
9𝐶3.12𝐶9
𝑝(𝑥 = 3)
20𝐶12
𝑃(𝑋 = 3)0,0978 ≈ 9,78
La probabilidad de extraer doce jabones en los que se incluyen 3 de la marca de Rexona
es del 9,78%
N:12
n=8
m=9
k=6
8 20 − 8
(4) ( 6 − 4 )
𝑝(𝑥 = 4)
20
(6)
8𝐶6. 12𝑐6
𝑝(𝑥 = 4)
20𝑐6
𝑝(𝑥 = 4) = 0,04767 ≈ 4,767
https://economipedia.com/definiciones/distribucion-binomial.html
https://www.ecured.cu/Distribuci%C3%B3n_binomial
https://www.gestiopolis.com/que-es-la-distribucion-de-poisson/
http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t6.htm
https://support.minitab.com/es-mx/minitab/18/help-and-how-to/probability-distributions-and-
random-data/supporting-topics/distributions/hypergeometric-distribution/
http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/03Ddistr%20Hipergeo
metrica.htm
https://www-ebooks7-24-com.sibulgem.unilibre.edu.co/stage.aspx?il=&pg=&ed=83