152 Tarea 2

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
Portada
TAREA 2 - EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE

PROBABILIDAD.
ANDRES FELIPE JACOBO PEREZ
JEISON ANDRES TABARES
CAMILO ANDRES ALZATE
EDWIN ALBERTO BERMUDEZ
LUIS ALEXANDER SARAVIA
PROBABILIDAD
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
UNAD
ABRIL 2019
Introducción (mínimo 2 párrafos de 10 líneas de texto cada uno)

(No borrar este encabezado)
El siguiente trabajo tiene como objetivo comprender los conceptos

propios de la probabilidad condicional y las distribuciones de
Probabilidad concernientes a la unidad 1, en temas relacionados con
Variables aleatorias discretas y continuas, distribuciones discretas de
probabilidad y distribuciones continuas de probabilidad. Aplicando estos
temas y conceptos en la solución de ejercicios prácticos que nos
permiten llevar a su contexto diario el aprendizaje realizado.
Conocer y distinguir cada uno de los conceptos de la probabilidad y sus

aplicaciones son de vital importancia para aclarar todas las dudas y
especulaciones que se hagan frente un caso aleatorio.
Objetivos
El grupo presenta máximo 3 objetivos, uno general y dos especificos.
 Conocer las distribuciones de probabilidad de variable continua.

 Calcular la probabilidad de que una variable aleatoria tome
determinados valores, a partir de su función de densidad o de su
función de distribución.
 Conocer la distribución normal.
 Calcular probabilidades en distribuciones normales.
 Ajustar una distribución binomial por una normal
 Ajustar un conjunto de datos a una distribución normal
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
EDWIN ALBERTO Entregas
BERMÚDEZ
Estudio de caso 1:
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.
Datos
N=7
n=2
M=2
N-M: 5
a.
𝐶𝑘𝑀 𝐶𝑛−𝑘
𝑁−𝑀
𝑝(𝑥 = 𝑘) =
𝐶𝑛𝑁
5
𝐶𝑥2 𝐶2−𝑥
𝑝(𝑥 = 𝑘) =
𝐶27
b.
La Media dada por:

𝑀
𝜇 = 𝑛( )
𝑁
2
𝜇 = 2 ( ) = 0.57
7
La varianza dada por:
𝑀 𝑁−𝑀 𝑁−𝑛
𝜎² = 𝑛 ( ) ( )( )
𝑁 𝑁 𝑁−1
2 5 7−2
𝜎² = 2 ( ) ( ) ( )
7 7 7−1
𝜎² = 0.34
c.
𝐶02 𝐶25
𝑝(0) = = 0.48
𝐶27
𝐶12 𝐶15
𝑝(1) = 7 = 0.48
𝐶2
𝐶22 𝐶05
𝑝(2) = 7 = 0.048
𝐶2
Histograma
0.6
0.48 0.48
0.5
0.4
P(x)
0.3
Probabilidades de
0.2
frecuencia
0.1 0.048
0
1 2 3
x

presentado
ANDRES FELIPE JACOBO
Estudio de Caso 2
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 ese 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.
Solución:
𝑛!
𝑷(𝒙) = 𝑃𝑟 𝑠 𝑛−𝑟
𝑟! (𝑛 − 𝑟)!
Si
n: Numero de ensayos
r: Numero de éxitos
P: Probabilidad de ensayo
25!
a) 𝑃(0) = ∗ (0,1)0 ∗ (1 − 0,1)25−0 = 0,072
0!(25−0)!
25!
𝑃(1) = ∗ (0,1)1 ∗ (1 − 0,1)25−1 = 0,19
1! (25 − 1)!
25!
𝑃(2) = ∗ (0,1)2 ∗ (1 − 0,1)25−2 = 0,26
2! (25 − 2)!
25!
𝑃(3) = ∗ (0,1)3 ∗ (1 − 0,1)25−3 = 0,22
3! (25 − 3)!
25!
𝑃(4) = ∗ (0,1)4 ∗ (1 − 0,1)25−4 = 0,13
4! (25 − 4)!
𝑃 ≥ 5 = 1 − ∑ 𝑥 < 5 = 𝟎, 𝟎𝟗𝟖
25!
b) 𝑷(0) = 0!(25−0)! ∗ (0,1)0 ∗ (1 − 0,1)25−0 = 0,072
25!
𝑝(1) = ∗ (0,1)1 ∗ (1 − 0,1)25−1 = 0,199
1! (25 − 1)!
25!
𝑝(2) = ∗ (0,1)2 ∗ (1 − 0,1)25−2 = 0,266
2! (25 − 2)!
25!
𝑝(3) = ∗ (0,1)3 ∗ (1 − 0,1)25−3 = 0,226
3! (25 − 3)!
25!
𝑝(4) = ∗ (0,1)4 ∗ (1 − 0,1)25−4 = 0,138
4! (25 − 4)!
25!
𝑝(5) = ∗ (0,1)5 ∗ (1 − 0,1)25−5 = 0,065
5! (25 − 5)!
25!
𝑝(6) = ∗ (0,1)6 ∗ (1 − 0,1)25−6 = 0,024
6! (25 − 6)!
𝒑 ≤ 𝟔 = 𝟎, 𝟗𝟗𝟏
25!
c) 𝑝(0) = 0!(25−0)! (0,1)0 (1 − 0,1)25−0 = 0,072
25!
𝑝(1) = (0,1)1 (1 − 0,1)25−1 = 0,199
1! (25 − 1)!
25!
𝑝(2) = (0,1)2 (1 − 0,1)25−2 = 0,266
2! (25 − 2)!
25!
𝑝(3) = (0,1)3 (1 − 0,1)25−3 = 0,226
3! (25 − 3)!
25!
𝑝(4) = (0,1)4 (1 − 0,1)25−4 = 0,138
4! (25 − 4)!
𝑝 > 4 = 1 − 0.902 = 0,098
25!
d) 𝑃(4) = 4!(25−4)! (0,1)4 (1 − 0,1)25−4 = 0,138
25!
e) 𝑃(3) = 3!(25−3)! (0,1)3 (1 − 0,1)25−3 = 0,226
25!
𝑃(4) = (0,1)4 (1 − 0,1)25−4 = 0,138
4! (25 − 4)!
25!
𝑃(5) = (0,1)5 (1 − 0,1)25−5 = 0,065
5! (25 − 5)!
𝑃 (3 𝑎 5 ) = 0,430
25!
f) 𝑝(21) = 21!(25−21)! (0,9)21 (1 − 0,9)25−21 = 𝟎. 1384
25!
𝑝(22) = (0,9)22 (1 − 0,9)25−22 = 0.2264
22! (25 − 22)!
25!
𝑝(23) = (0,9)23 (1 − 0,9)25−23 = 0.2658
23! (25 − 23)!
25!
𝑝(24) = (0,1)24 (1 − 0,1)25−24 = 0.1994
24! (25 − 24)!
25!
𝑝(25) = (0,9)25 (1 − 0,9)25−25 = 0.0717
25! (25 − 25)!
𝑝 > 20 = 0.9017

presentado

JEISON ANDRES TABARES
Estudio de caso 3
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.
𝜆𝑘
𝑃(𝑋 = 𝑘) = ∗ 𝑒 −𝜆
𝑘!
𝜆=3
30
𝑃(0) = ∗ 𝑒 −3 = 0,0498
0!
31
𝑃(1) = ∗ 𝑒 −3 = 0,1494
1!
32
𝑃(2) = ∗ 𝑒 −3 = 0,224
2!
33
𝑃(3) = ∗ 𝑒 −3 = 0,224
3!
34
𝑃(4) = ∗ 𝑒 −3 = 0,168
4!
𝑃(≤ 4) = 0,8153
B. Menos de 3
30
𝑃(0) = ∗ 𝑒 −3 = 0,0498
0!
31
𝑃(1) = ∗ 𝑒 −3 = 0,1494
1!
32
𝑃(2) = ∗ 𝑒 −3 = 0,224
2!
𝑃(< 3) = 0,4232
C. Al menos 4
30
𝑃(0) = ∗ 𝑒 −3 = 0,0498
0!
31
𝑃(1) = ∗ 𝑒 −3 = 0,1494
1!
32
𝑃(2) = ∗ 𝑒 −3 = 0,224
2!
33
𝑃(3) = ∗ 𝑒 −3 = 0,224
3!
1 − 𝑃(≥ 4) = 0,3528
D. Quede saturado
𝐐𝐮𝐞𝐝𝐞 𝐬𝐚𝐭𝐮𝐫𝐚𝐝𝐨 𝐏(𝐤 = 𝟓)
35
𝑃(5) = ∗ 𝑒 −3 = 0,1
5!
E. Entre 1 y 3
31
𝑃(1) = ∗ 𝑒 −3 = 0,149
1!
32
𝑃(2) = ∗ 𝑒 −3 = 0,224
2!
33
𝑃(3) = ∗ 𝑒 −3 = 0,224
3!
𝑃(𝑒𝑛𝑡𝑟𝑒 1 𝑦 3) = 0,59
F. Una o más pero menos de 5

31
𝑃(1) = ∗ 𝑒 −3 = 0,1494
1!
32
𝑃(2) = ∗ 𝑒 −3 = 0,224
2!
33
𝑃(3) = ∗ 𝑒 −3 = 0,224
3!
34
𝑃(4) = ∗ 𝑒 −3 = 0,168
4!
𝑃(𝑒𝑛𝑡𝑟𝑒 1 𝑎 4) = 0,765
G. Más de 2 pero menos de 5

33
𝑃(3) = ∗ 𝑒 −3 = 0,224
3!
34
𝑃(4) = ∗ 𝑒 −3 = 0,168
4!
𝑃(𝑒𝑛𝑡𝑟𝑒 3 𝑦 4) = 0,7655
H. Ninguna
30
𝑃(0) = ∗ 𝑒 −3 = 0,0498
0!
I. Si se cuenta el número de llamadas en 5 minutos, cual es la

probabilidad de que se reciban 4 llamadas
𝜇 = 3 ∗ 5 = 15
154
𝑃(4) = ∗ 𝑒 −15 = 0,0006
4!

presentado
EDWIN ALBERTO BERMUDEZ Entregas
Estudio de caso 4:
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
menos 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?
Datos
μ = 70 kg
σ = 12,5 kg
Distribución normal
𝑿−𝝁
𝒛=
𝝈
a. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese
ms de 80 kg?
𝑋 − 𝜇 80 − 70
𝑧= = = 0,8
𝜎 12,5
0.8 Valor que ubicamos en la tabla de distribución normal 0,7881
𝑃(≤ 80) = 0,78814
b. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese
entre 50 kg y 85 kg?
𝑋 − 𝜇 50 − 70
𝑧= = = −1,6
𝜎 12,5
𝑋 − 𝜇 85 − 70
𝑧= = = 1,2
𝜎 12,5
𝑃( 50 ≤ 𝑥) = 0,0547
𝑃( 85 ≤ 𝑥) = 0,8849
𝑃(50 ≤ 𝑥 ≤ 85) = 0,0547 − (1 − 0,8849) = 0.06
c. ¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?
𝑃 = 1 − 0,93 = 0,07
esta probabilista la ubicamos en la tabla de distribución normal para determinar

Z
𝑍 = −1,48
−1,48 = (𝑋 − 70)/12,5
𝑋 = 51,50 𝑘𝑔
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).
Mentefacto:
Calcula las
probabilidades PROBABILIDAD Suposiciones
CONDICIONAL Y // e intuiciones
de eventos en
experimentos DISTRIBUCIONES DE
aleatorios PROBABILIDAD
Unidad 2
VARIABLES VARIABLES DISTRIBUCIONES DISTRIBUCION

VARIABLES
ALEATORIAS ALEATORIAS DISCRETAS ES CONTINUAS
ALEATORIAS
DISCRETAS CONTINUAS
las distribuciones Las distribuciones
Variable que
Son aquellas que Toma cualquier discretas son continuas son
toma diferentes
toman un número valor numérico aquellas en las que aquellas que
valores numéricos
limitado de producto de una la variable puede presentan un
mediante un
valores, medición, el cual pude tomar un numero infinito
proceso de contar
generalmente está referido a un número de posibles
o medir, como
números enteros, rango o intervalo determinado de soluciones:.
producto de un
que son producto de valores valores
experimento  Distribución
de un conteo resultados.
aleatorio  Distribución Normal.
. Binomial
 Distribución de
Bernoulli.
 Distribución
Poisson.
 Distribución
hipergeométric
a
Conclusiones (mínimo 1 por cada participante)
ESTUDIANTE CONCLUSIÓN
EDWIN ALBERTO BERMUDEA Debido a la necesidad de modelar
lo observable la probabilidad
constituye un importante
parámetro en la determinación de
las diversas casualidades
obtenidas tras una serie de
eventos esperados dentro de un
rango estadístico, un modelo
resulta extremadamente útil,
siempre que se corresponda con
la realidad que pretende
representar o predecir, por ellos
es necesario conocer cada
distribución de la probabilidad en
casos específicos, sus usos y
formas de aplicarlos
Jeison Andrés Tabares Duque Podemos concluir que las
diferentes distribuciones son
indispensables para determinar el
resultado de diferentes eventos en
la estadística y la probabilidad,
con lo que podemos estimar el
resultado esperado.
Referencias bibliográficas en formato APA. (Mínimo una por cada

participante, no pueden repetir referencias)
ESTUD REFERENCIA
IANTE
ANDRE Rodríguez, F. & Pierdant, A. (2014). Estadística para
S administración. Pp. 150-152. Recuperado de
FELIPE http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.
JACOB action?ppg=258&docID=11013767&tm=1470693471527
O
CAMIL García, Á. M. Á. (2005). Introducción a la teoría de la
O probabilidad. primer curso. Pp. 195-221. Recuperado de
ANDRE https://bibliotecavirtual.unad.edu.co:2538
S
ALZAT
E
JEISON Rodríguez, F. & Pierdant, A. (2014). Estadística para
ANDRE administración. Pp. 245-261. Recuperado de
S http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.
TABAR action?ppg=258&docID=11013767&tm=1470693471527
ES
EDWIN García, Á. M. Á. (2005). Introducción a la teoría de la

ALBER probabilidad. primer curso. Pp. 221-243. Recuperado de
TO https://bibliotecavirtual.unad.edu.co:2538
BERMU
DEZ
EDWIN Rodríguez, F. & Pierdant, A. (2014). Estadística para
ALBER administración. Pp. 279 -301. Recuperado de
TO http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.
BERMU action?ppg=258&docID=11013767&tm=1470693471527
DEZ

152 Tarea 2

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

152 Tarea 2

Cargado por

Copyright:

Formatos disponibles

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

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

TAREA 2 - EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE

ANDRES FELIPE JACOBO PEREZ

JEISON ANDRES TABARES

CAMILO ANDRES ALZATE

EDWIN ALBERTO BERMUDEZ

LUIS ALEXANDER SARAVIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

Introducción (mínimo 2 párrafos de 10 líneas de texto cada uno)

El siguiente trabajo tiene como objetivo comprender los conceptos

Conocer y distinguir cada uno de los conceptos de la probabilidad y sus

 Conocer las distribuciones de probabilidad de variable continua.

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

La Media dada por:

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

a. Al menos cinco autos sean negros.

𝑝 > 4 = 1 − 0.902 = 0,098

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

RESPONSABLE ROL SELECCIONADO

La distribución de probabilidad de Poisson describe el número de veces

Esta distribución posee diversas aplicaciones. Se le utiliza como modelo

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

F. Una o más pero menos de 5

G. Más de 2 pero menos de 5

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

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

𝑃(≤ 80) = 0,78814

esta probabilista la ubicamos en la tabla de distribución normal para determinar

El grupo presenta un mentefacto sobre los conceptos e ideas

VARIABLES VARIABLES DISTRIBUCIONES DISTRIBUCION

Conclusiones (mínimo 1 por cada participante)

Referencias bibliográficas en formato APA. (Mínimo una por cada

EDWIN García, Á. M. Á. (2005). Introducción a la teoría de la

También podría gustarte