Tarea 2 - Experimentos Aleatorios y Distribuciones de Probabilidad - Grupo 100402 - 357

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
TAREA 2 - EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE PROBABILIDAD.
PRESENTADO POR:
EDGAR PÉREZ CHAPARRO: CÓDIGO 1057579726
WILMER FERNEY BAYONA: CÓDIGO 1052412491
YHON ALEXANDER BONILLA: CÓDIGO 1053610685
LINA SOFIA MORA MELO: 1.077.149.186
PRESENTADO A:
NAYIVES XILENA TRUJILLO
GRUPO: 100402_357
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

CEAD: DUITAMA
NOVIEMBRE - 2019
INTRODUCCIÓN
En el siguiente documento damos a conocer el desarrollo de la Tarea 2 -Experimentos aleatorios

y distribuciones de probabilidad, donde por medio de un mentefacto se mostrara conceptos e
ideas fundamentales de la unidad 2, además se incluirá conclusiones generales, a partir de cada
uno de los casos de estudio abordados, de igual manera se presentara el análisis y desarrollo de
ejercicios relacionados con el tema de distribuciones de probabilidad discreta las cuales son la
distribución hipergeométrica, binomial, y de Poisson, de igual forma las distribuciones de
probabilidad continua la cuales son la distribución normal, y esto con el propósito de que
nosotros como estudiantes aprendemos a resolver ejercicios y nos apropiemos de los conceptos
básicos de la probabilidad condicional y distribuciones de probabilidad las cuales permiten
contextualizarlas con el propósito de ponerlas en práctica en el ámbito cotidiano y laboral.
Dichos conceptos son de alta importancia ya que brindan las herramientas para tomar las mejores
decisiones para poder adaptarse en este cambiante y complejo mundo dentro del ámbito
empresarial, cuya característica principal está ligada a nuestra ignorancia sobre los resultados de
la experiencia, el hecho de que ocurra un suceso puede cambiar la probabilidad de los demás. El
proceso de realizar la historia clínica, explorar y realizar pruebas complementarias ilustra este
principio, para analizar esta problemática es necesario analizar la base conceptual de las
variables aleatorias, distribuciones discretas y distribuciones continuas y así con el análisis de
estas, tomar las mejores decisiones al analizar un conjunto de datos.
OBJETIVOS
General
Identificar los conceptos básicos de probabilidad condicional y las distribuciones de

Probabilidad. con el fin de ponerlos en práctica en la solución de problemas.
Específicos
 Dar a conocer los conceptos e ideas fundamentales de la unidad 2, por medio de un

mentefacto.
 Mostrar el desarrollo y solución de ejercicios de distribución binomial,
hipergeométrica, normal y de poisson.
 Apropiarse de las diferentes teorías para afianzar conocimientos sobre probabilidad
condicional y las distribuciones de Probabilidad.
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
Yhon Alexander Bonilla Gaitán Evaluador
a. Distribución Hipergeométrica: Una empresa manufacturera recibe un lote que

contiene 100 artículos de los cuales cinco son defectuosos. La compañía revisa
constantemente los lotes – que recibe para establecer la calidad del material. Si la calidad
de un lote recibido es baja, regresa al proveedor el lote completo. Suponga que la
compañía recibe el lote y lo acepta si hay sólo 1 o menos piezas defectuosas en una
muestra de tamaño 6 sin reposición. ¿Cuál es la probabilidad de que se acepte un lote de
100 artículos que contenga 5 defectuosos?
SOLUCION:
Para hallar la probabilidad de que se acepte un lote de 100 artículos que contenga 5 defectuosos
aplicamos distribución hipergeométrica ya que el número de artículos supera los 50.
Datos
Rechazo: calidad baja: número de defectos >1
Aceptación: calidad alta: número de defectos ≤1
Número de individuos que presentan éxito: k=100-5=95
N=100
n=6
p=k/N=95/100=0,95
𝑛
𝑃(𝑋 = 𝑥) = ( ) ∗ 𝑝 𝑥 ∗ (1 − 𝑝)𝑛−𝑥
𝑥
Sustituyendo resulta:
6
𝑃(𝑋 = 5) = ( ) ∗ 0.955 ∗ (1 − 0.95)6−5
5
𝑃(𝑋 = 5) = 0,2321
La probabilidad de que se acepte un lote de 100 artículos que contengan 5 defectuosos es

23,21%.
b. Distribución Binomial: La probabilidad de fallar durante el vuelo para cada uno de los
seis motores de un avión es 0.0005. Suponiendo que los seis motores trabajan
independientes, determine la probabilidad que en un vuelo determinado
1. No ocurra ninguna falla de motor
2. No ocurra más de una falla
3. Ocurra exactamente dos fallas.
SOLUCION:
La fórmula de la distribución binomial es:
𝑃𝑘 = 𝐶𝑘𝑛 𝑝𝑘 𝑞 𝑛−𝑘
Los datos que tenemos son:
p=0,00005 (probabilidad de falla de motores)
q=1-0,00005=0,9995
n= 6 motores
Así, la probabilidad que en un vuelo:
No ocurra falla en el motor:
𝑃𝑥=0 = 𝐶06 0,000052 0,99956 = 0,997
La probabilidad que en un vuelo determinado no ocurra ninguna falla del motor es de 99,7%.
No ocurra más de una falla
𝑃𝑥≥1 = 1 − 𝑃𝑥=0
= 1 − 0,997 = 0,003
La probabilidad de que no ocurra más de una falla es de 0,3%.
Ocurra exactamente dos fallas
𝑃𝑥=2 = 𝐶26 0,000052 0,99954 = 0,0000374
La probabilidad que ocurra exactamente dos fallas 0,00374%
c. Distribución Poisson: El número de casos admitidos de emergencia en cierto hospital

en 1 hora es una variable aleatoria con distribución de Poisson con X = 3. Determinar -
la probabilidad que en cierta hora
1. Ningún caso de emergencia es admitido.
2. Más de 3 casos de emergencia son admitidos.
SOLUCION
La fórmula de la distribución de poisson es:
𝑒 −𝛾 𝛾 𝑘
𝑃𝑥=𝑘 =
𝑘!
λ es el promedio de número de casos admitidos de emergencia en cierto hospital en una hora

=3
e =2,71828
La probabilidad que en cierta hora:
Ningún caso de emergencia es admitido:
K=0
2,71828−3 30
𝑃𝑥=0 = = 0,04979
0!
La probabilidad de ningún caso de emergencia es admitido es de 4,979%.
Mas de 3 casos de emergencia son admitidos:
𝑃𝑋≥3 = 1 − 𝑃𝑋≤3
𝑃𝑋≤3 = 𝑃𝑋=0 + 𝑃𝑋=1 + 𝑃𝑋=2
𝑃𝑋≤3 = 0,04979 + 0,14936 + 0,2240
𝑃𝑋≤3 = 0,42315
𝑃𝑋≤3 = 1 − 0,42315 = 0,57685
La probabilidad de más de 3 casos de emergencias es admitidos es de 57,68%.
d. Distribución Normal: De acuerdo con la Organización de Naciones Unidas (ONU), en

Latinoamérica se tiene una esperanza de vida al nacer de 73.4 años y una desviación
estándar de 4.3714 años. Si la esperanza de vida de una persona sigue una distribución
normal, calcula:
1. La probabilidad de que una persona sobrepase los 80 años de vida.
2. La probabilidad de que una persona al nacer tenga una esperanza de vida entre 70 y 75
años.
3. ¿A partir de qué valor se tiene el 10% más alto de la esperanza de vida al nacer?
SOLUCION:
Empleamos la distribución normal estandarizada N (0,1).

𝑋−𝜇
𝑍=
𝜎
μ 73,4 es la media
σ 4,3714 es la desviación
X es la variable aleatoria
𝑋 = 𝑁(73,4;4,3714)
La probabilidad que una persona sobrepase los 80 años de vida:
80 − 73,4
𝑃(𝑋 ≥ 80) = 𝑃(𝑍 < )
4,3714
𝑃(𝑋 ≥ 80) = 𝑃(𝑍 < 1,51)
𝑃(𝑋 ≥ 80) = 1 − 𝑃(𝑍 < 1,51)
𝑃(𝑋 ≥ 80) = 1 − 0 − 9344
𝑃(𝑋 ≥ 80) = 0,07
La probabilidad de que un persona sobrepase los 80 años de vida es 0,07
La probabilidad que una persona al nacer tenga una esperanza de vida entre 70 y 75 años:
𝑃(70 < 𝑋 < 75) = 𝑃(𝑋 < 75) − 𝑃(𝑋 < 70)
75 − 73,4 70 − 73,4
𝑃(70 < 𝑋 < 75) = 𝑃 (𝑍 < ) − 𝑃(𝑍 < )
4,3714 4,3714
𝑃(70 < 𝑋 < 75) = 𝑃(𝑍 < 0,37) − 𝑃(𝑋 < −0,78)
𝑃(70 < 𝑋 < 75) = 0,6443 − 0,2176
𝑃(70 < 𝑋 < 75) = 0,43

La probabilidad de que una persona al nacer tenga una esperanza de vida entre 70 y 75 años es
de 0,43.
A partir de qué valor se tiene el 10% más alto de la esperanza de vida al nacer:
El 10 % corresponde a un 0,1. En la tabla de distribución normal el valor de Z para un

probabilidad de 0,1 es de 0,5398. El valor es:
µ
𝑍=𝑋−
𝜎
73,4
0,5398 = 𝑋 −
4,3714
0,5398 ∗ 4,3714 + 73,4 = 𝑋
75,75 = 𝑋
A partir de qué valor se tiene el 10% más alto de la esperanza de vida al nacer es 75,75.

Wilmer Ferney Bayona Cely Entregas
e. Distribución Hipergeométrica: El edificio Nantes está compuesto por 30

apartamentos. De ellos, 10 están habitados por matrimonios con sólo dos hijos hombres.
Los otros 20 están habitados por matrimonios con sólo dos hijas. Se va a demoler el
edificio para construir - uno de 60 departamentos, para lo cual se procede a desalojar
parcialmente el edificio sorteando mensualmente una familia, la que debe retirarse.
¿Cuál es la probabilidad que al cabo de año y medio quede en el edificio el mismo
número de mujeres y de hombres?
RESPUESTA:
La probabilidad que al cabo de año y medio quede en el edificio el mismo número de mujeres y
de hombres es de 0,043.
N= 30*4personas= 60
Apartamentos habitados con sólo 2 hijos varones: 10/30 = 1/3
Apartamentos habitados con sólo 2 hijas hembras: 20/30 = 2/3
Número de hombres= 10*3= 30
Número de mujeres= 20*3= 60
-Mensualmente se desaloja 1 familia:
1 año y medio: 18 meses: 18 familias.
18-30= 12 familias
n= 12*4personas= 48
Probabilidad de que queden en el edificio:

N° de Mujeres = N° de Hombres
24 mujeres
24 hombres
Individuos que presentan ''éxito'' k=24
p= k/N
p= 24/60
p= 0,4
Para hallar la probabilidad de que dé al cabo de año y medio quede en el edificio el mismo
número de mujeres y de hombres aplicamos la Distribución Hipergeométrica. Dado que N es
grande: N>50, aproximamos a la Distribución Binomial:
Sustituyendo tenemos:
f. Distribución Binomial: En una escuela profesional de cuatro años, el 50% de los

alumnos están - en el primer año, el 25% en el segundo, el 15% en tercero y el 10% en
cuarto. Se selecciona 5 alumnos al azar. ¿Cuál es la probabilidad que: 1? ¿Exactamente
2 sean del primer año? 2. Ninguno sea del tercero o cuarto año?
RESPUESTA:
La probabilidad de que 2 sean del primer año es 0.03905, de que ninguna sea del tercer o cuarto
año es 0.0061
Una distribución binomial es una distribución de probabilidad discreta que conociendo la

probabilidad de éxito de un evento se quiere determinar que en n experimento tengamos x éxitos,
la función de probabilidad es:
P (X = x) = n!/((n-x)!*x!)*pˣ*(1-p)ⁿ⁻ˣ
a) probabilidad de exactamente 2 sean del primer año:
Entonces en este caso p = 0.50, n = 5 y se desea saber la probabilidad de X = 2
P (X = 2) = 5!/((5-2)!*2!)*0.5^5*(1-0.5)³
= 0.03906
b) La probabilidad de ninguna sea del tercero o cuarto año:
Entonces en este caso p = 0.15+ 0.10= 0.25, n = 5 y se desea saber la probabilidad de X = 0
P (X = 0) = 5!/((5-0)!*0!)*0.35^5*(1-0.35)^5
= 0.0061
g. Distribución Poisson: Suponga que cierta enfermedad rara afecta al 0.1% de la

población grande. 5,000 persona se escogen aleatoriamente de esta población y son
sometidos a un examen para detectar la enfermedad.
1. ¿Cuál es el número esperado de personas con dicha enfermedad?
2. ¿Cuál es la probabilidad que exactamente 10 personas son afectadas por la enfermedad?
RESPUESTA:
El número esperado de personas con la enfermedad es 5 personas y la probabilidad que

exactamente 10 personas estén infectadas es 0.01813279= 18,113179%
Usare el Teorema de aproximación de binomial a Poisson para resolver este problema, puesto
que X: Número de personas afectadas de dicha enfermedad es tal que
X →B(n= 5000, p =0,001)
Como E[X]= np ya que X es binomial, entonces E[X]= 5000*(0,001) = 5
Como λ = np = 5, entonces P(X=10) = (〖 e〗^ (-5) 5^10)/10!=0.018113179
h. Distribución Normal: Entre mayo y junio de 2011, la cotización del dólar a la venta
tuvo una media de $16.9205 y una desviación estándar de $0.2695. Si la cotización del
dólar sigue una distribución normal, determina: 1. La probabilidad de que la venta de un
dólar sobrepase los $18. 2. La probabilidad de que la cotización del dólar a la venta sea
menor a los $15. 3. Con tu equipo, investiga qué factores intervienen en la cotización del
dólar. Discute con ellos qué consecuencias trae una devaluación del peso frente al dólar.
RESPUESTA:
1. La probabilidad de que la venta de un dólar sobrepase los 18$: 0,0002.
2. La probabilidad de que la cotización del dólar a la venta sea menor a los 0,0001.
3. Los factores que intervienen en la cotización del dólar son el nivel inflacionario, deuda
pública, nivel de divisas, estabilidad política y productividad del país, especulación, valor de
otras divisas, entre otros. Las consecuencias principales que trae una devaluación del peso frente
al dólar es el aumento de los precios a nivel generalizado de los productos importados, así como
aquellos cuya producción depende de la importación de materia prima y por lo tanto el aumento
de la liquidez monetaria (demanda de dinero).


----- -----
Es importante que las respuestas de cada ítem las resalten en un color diferente o las indiquen
como respuestas, esto va para cada uno de los numerales que tenga el punto. (borrar esta
instrucción antes de la entrega)

Edgar Pérez Chaparro Revisor
m. Distribución Hipergeométrica: A menudo los biólogos que estudian un ambiente

específico etiquetan y liberan a sujetos con el fin de estimar de tamaño de la población
o la prevalencia de ciertas características en ella. Los biólogos capturan a 10 animales
de una especie que se piensa extinta (o casi extinta) los etiquetan y los liberan en cierta
región. Después de un periodo secciona en la región una muestra aleatoria de 15 animales
de ese tipo. ¿Cuál es la probabilidad de que 5 de los animales seleccionados estén
etiquetados, si hay 25 animales de este tipo en la región?
Solución
Formula
𝐶𝑥𝑘 ∗ 𝐶𝑛−𝑥
𝑁−𝐾
𝑝(𝑥) =
𝐶𝑛𝑁
C = símbolo de las combinaciones.
N = tamaño de la población.
N = tamaño de la muestra.
K = número de éxitos en la población.
X = número de éxitos en la muestra.
N- k = número de fracasos en la población.
N-x = número de fracasos en la muestra.
Tenemos los siguientes datos

N = 25
n = 15
K = 10
x=5
Remplazamos los valores en la fórmula
𝐶510 ∗ 𝐶15−5
25−10
𝑝(𝑥) = 25
𝐶15
Desarrollamos
𝐶510 ∗ 𝐶10
15
𝑝(𝑥) = 25
𝐶15
Luego hallamos cada uno de estos combinatorios
10! 10! 3628800

𝐶510 = = = = 252
5! ∗ (10 − 5)! 5! ∗ 5! 14400
15
15! 15! 1307674368000
𝐶10 = = = = 3003
10! ∗ (15 − 10)! 10! ∗ 5! 435456000
25
25! 25! 15511210043330985984000000
𝐶15 = = = = 3268760
15! ∗ (15 − 25)! 15! ∗ 10! 4745288746598400000
Luego remplazamos en la fórmula
252 ∗ 3003 756756

𝑝(𝑥) = = = 0.231
3268760 3268760
Rta: La probabilidad de que 5 de los animales seleccionados estén etiquetados es de 23,1 %.
n. Distribución Binomial: Un cuerpo se encuentra en reposo en el punto (0,0). Se lanza

un dado 10 veces y por cada número mayor que 2 que aparece, el cuerpo se desplaza una
unidad de longitud hacia la derecha, en caso contrario se desplaza una unidad hacia la
izquierda. Calcular la probabilidad que después de los 10 lanzamientos el cuerpo se

encuentre a:
1. 8 unidades de longitud a la derecha del origen.
2. 3 unidades a la derecha del origen.
3. 2 unidades a la izquierda del origen.
Solución
1. Calcular la probabilidad que después de los 10 lanzamientos el cuerpo se encuentre

a:
8 unidades de longitud a la derecha del origen.
Para empezar, debemos de conocer lo siguiente:
Cuando se lanza un dado 10 veces
Probabilidad de sacar un número mayor que 2= (3,4,5,6) = 4/6 = 0,66
Probabilidad de sacar un número menor que 2= (1) = 1/6 = 0,16
Luego aplicamos la formula
𝑛!
𝑝𝑛,𝑟 = 𝑝𝑟 𝑞 𝑛−𝑟
𝑟! (𝑛 − 𝑟)!
p = la probabilidad de tener un éxito.
Q = (1-p) = la probabilidad de tener un fracaso.
R = el número de éxitos deseados al realizar un proceso de Bernoulli.
N = el número total de ensayos o intentos utilizados (este número es fijo durante el
experimento).
Tenemos los siguientes datos:

n = 10
r=8
Probabilidad (x>2): p = 0,66
q = 1-q = 0.34
Remplazamos los valores en a formula
10!
𝑝10,8 = 0,668 ∗ 0,3410−8
8! (10 − 8)!
10!
𝑝10,8 = 0,668 ∗ 0,342
8! ∗ 2!
3628800
𝑝10,8 = 0,03600406063 ∗ 0,1146
80640
𝑝10,8 = 45(0,03600406063 ∗ 0,1146)
𝑝10,8 = 𝟎. 𝟏𝟖𝟓 = 18,5%
Rta: La probabilidad que después de los 10 lanzamientos el cuerpo se encuentre a:
8 unidades de longitud a la derecha del origen es del 18,5%
2. Calcular la probabilidad que después de los 10 lanzamientos el cuerpo se encuentre

a
3 unidades a la izquierda del origen.
n = 10
r=3
Probabilidad (x>2): p = 0,66
q = 1-q = 0.34
10!
𝑝10,3 = 0,663 ∗ 0,3410−3
3! (10 − 3)!
10!
𝑝10,3 = 0,663 ∗ 0,347
3! ∗ 7!
3628800
𝑝10,3 = 0,287496 ∗ 0,0005252335
30240
𝑝10,3 = 120(0,287496 ∗ 0,0005252335)
𝑝10,3 = 120(0,287496 ∗ 0,0005252335)
𝑝10,3 = 𝟎. 𝟎𝟏𝟖𝟏 = 𝟏, 𝟖𝟏%
3 unidades a la derecha del origen es del 1,81%
2. Calcular la probabilidad que después de los 10 lanzamientos el cuerpo se encuentre a
2 unidades a la izquierda del origen.
n = 10
r=2
Probabilidad (x<2): p = 0,16
q = 1-q = 0,84
10!
𝑝10,2 = 0,162 ∗ 0,8410−2
2! (10 − 2)!
10!
𝑝10,2 = 0,162 ∗ 0,848
2! ∗ 8!
3628800
𝑝10,2 = 0,0256 ∗ 0,24787589111
80640
𝑝10,2 = 45(0,0256 ∗ 0,24787589111)
𝑝10,2 = 𝟎, 𝟐𝟖𝟓 = 28,5%
2 unidades a la izquierda del origen es del 28,5%
o. Distribución Poisson: Ciertos automóviles llegan a una garita de peaje aleatoriamente

con un promedio de 300 autos por hora. ¿Cuál es la probabilidad que
1. ¿Llegue exactamente 1 automóvil durante un periodo de 1 minuto?
2. ¿Lleguen por lo menos 2 automóviles en un período de 1 minuto?
Solución
1. ¿Cuál es la probabilidad que llegue exactamente 1 automóvil durante un periodo de 1

minuto?
Lo primero que tenemos que hacer es sacar es la proporción que llega por minuto, si tenemos
que llegan 300 autos llegan en una hora (60 minutos).
300______ 60 minutos
x ________ 1 minuto
1 ∗ 300
𝑥= =5
60
X = 5 carros por minuto
Luego aplicamos la formula
𝜆𝑥 𝑒 −𝜆
𝑃(𝑥) =
𝑥!
P(x) = probabilidad d x éxitos dado el valor de 1.

𝜆 = número promedio (valor esperado) de ocurrencias por unidad de tiempo, espacio o volumen.
e = 2.71828 base de los logaritmos naturales o neperianos.
x = número de éxitos deseados por unidad de tiempo, espacio o volumen
𝜆 = 5 carros llegan por minuto
𝑥=1
Reemplazamos en la formula
51 𝑒 −5 5 ∗ 0,0067
𝑃(1) = = = 0,033 = 3,3%
1! 1
Rta. La probabilidad de que llegue exactamente 1 automóvil durante un periodo de 1 minuto es

del 3,3%
2. ¿Cuál es la probabilidad que llegue exactamente 2 automóvil durante un periodo de 1

minuto?
Datos
𝜆 = 5 carros llegan por minuto
𝑥=2
Reemplazamos en la formula
52 𝑒 −5 25 ∗ 0.0067 0,1675
𝑃(2) = = = = 0,083 = 8,3%
2! 2 2
Rta. La probabilidad de que llegue exactamente 2 automóvil durante un periodo de 1 minuto es

del 8,3%
p. Distribución Normal: De acuerdo con la Organización de Naciones Unidas (ONU), los

años de educación promedio son de 8.1 y una varianza de 3.1 en países latinoamericanos.
Suponiendo que los años de educación promedio se distribuyen como una normal,
calcula la probabilidad de que un país:
3. Tenga más de 10 años de educación promedio.
4. Tenga entre 7.5 y 10.5 años de educación promedio.
5. ¿A partir de qué valor se tiene el 5% más bajo de educación?
Solución
Para solucionar este ejercicio empleamos la distribución normal estandarizada N (0,1).
Fórmula
𝑋−𝜇
𝑍=
𝜎
Donde:
μ = es la media
σ = es la desviación
X= variable aleatoria
Tenemos los siguientes datos
μ = 8,1
𝜎 2 = 3,1
𝜎 = √3,1 = 1,76
1.La probabilidad de que una persona tenga más de 10 años de educación promedio.
Reemplazamos los valores en la fórmula
10 − 8,1 1,9
𝑍= = = 1,079
1,76 1,76
Entonces nos queda así

𝑃(𝑋 ≥ 10) = 𝑃(𝑍 < 1,079)
𝑃(𝑋 ≥ 10) = 1 − 𝑃(𝑍 < 1,079)
𝑃(𝑋 ≥ 10) = 1 − 0,1423
𝑃(𝑋 ≥ 10) = 𝟎, 𝟖𝟓𝟕𝟕
Rta La probabilidad de que una persona tenga más de 10 años de educación promedio en países
latinoamericanos es de 85,77%
2. La probabilidad de que una persona tenga entre 7.5 y 10.5 años de educación promedio
Resolvemos:
𝑃(7,5 < 𝑋 < 10,5) = 𝑃(𝑋 < 10,5) − 𝑃(𝑋 < 7,5)
10,5 − 8,1 7,5 − 8,1

𝑃(7,5 < 𝑋 < 10,5) = 𝑃 (𝑍 < ) − 𝑃 (𝑍 < )
1,76 1,76
𝑃(7,5 < 𝑋 < 10,5) = 𝑃(𝑍 < 1,36) − 𝑃(𝑍 < −0,34)
𝑃(7,5 < 𝑋 < 10,5) = 0,9131 − 0,3669
𝑃(7,5 < 𝑋 < 10,5) = 𝟎, 𝟓𝟒𝟔
Rta: La probabilidad de que una persona tenga entre 7.5 y 10.5 años de educación promedio en
países latinoamericanos es de 54,6%
El 5 % corresponde a un 0,05. En la tabla de distribución normal el valor de Z para un

probabilidad de 0,05 es de 0,5199.
Calculamos el valor y esto se hace despejando x de la siguiente fórmula.

𝑋−𝜇
𝑍=
𝜎
𝑧∗𝜎+𝜇 =𝑋
Aplicamos valores a la fórmula
0,5199 ∗ 176 + 8,1 = X
0,9150 + 8,1 = X
X = 𝟗, 𝟎𝟏𝟓
Rta: A partir del valor 9,015 se tiene el 5% más bajo de educación.


LINA SOFIA MORA MELO VIGIA DE TIEMPO
q. Distribución Hipergeométrica: A menudo los biólogos que estudian un ambiente

específico etiquetan y liberan a sujetos con el fin de estimar de tamaño de la población
o la prevalencia de ciertas características en ella. Los biólogos capturan a 10 animales
de una especie que se piensa extinta (o casi extinta) los etiquetan y los liberan en cierta
región. Después de un periodo secciona en la región una muestra aleatoria de 15 animales
de ese tipo. ¿Cuál es la probabilidad de que 5 de los animales seleccionados estén
etiquetados, si hay 25 animales de este tipo en la región?
Probabilidad hipergeométrica
𝐶𝑥𝑘 ∗ 𝐶𝑛−𝑥
𝑁−𝐾
𝑝(𝑥) =
𝐶𝑛𝑁
𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑠𝑒𝑟 𝑒𝑡𝑖𝑞𝑢𝑒𝑡𝑎𝑑𝑜𝑠
𝑞 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑛𝑜 𝑒𝑠𝑡𝑎𝑟𝑙𝑜𝑖
10
𝑝=
25
𝑝 = 0,4
𝑞 = 0,6
𝑛 = 15
𝑥=5
𝐶𝑛, 𝑘 = 𝑛!/𝑘! (𝑛 − 𝑘)!
𝐶15,5 = 15!/5! 10! = 15 ∗ 14 ∗ 13 ∗ 12 ∗ 11 ∗ 10!/5 ∗ 4 ∗ 3 ∗ 2 ∗ 1 ∗ 10! = 𝟑𝟎𝟎𝟑

𝑃 (𝑥 = 5) = 3003(0,4)⁵(0,6)¹⁰
𝑃 (𝑥 = 5) = 0,1859 = 𝟏𝟖, 𝟓𝟗%
r. Distribución Binomial: Una fábrica emplea un patrón de aceptación de los artículos

producidos antes de embarcarlos. El plan consiste en lo siguiente: cajas de 25 artículos
son preparados para su embarque; un inspector toma un artículo al azar, lo inspecciona
y lo devuelve a la caja; un segundo y un tercero efectúan el mismo procedimiento. Si
cualquiera de los tres inspectores encuentra un artículo defectuoso, la caja no se embarca.
¿Cuál es la probabilidad de:
1. embarcar una caja que contenga tres artículos defectuosos?
2. no embarcar una caja que contiene sólo un artículo defectuoso?
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑠𝑢𝑐𝑒𝑠𝑜𝑠 𝑓𝑎𝑣𝑜𝑟𝑎𝑏𝑙𝑒𝑠 / 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑠𝑢𝑐𝑒𝑠𝑜𝑠 𝑝𝑜𝑠𝑖𝑏𝑙𝑒𝑠
𝑃 (𝑑𝑒𝑓𝑒𝑐𝑡𝑢𝑜𝑠𝑜𝑠 ) = 3/25 ∗ 3/25 ∗ 3/25 = 0,12 ∗ 0,12 ∗ 0,12 = 𝟎, 𝟎𝟎𝟐
𝑃 = 1 − 0,04 = 𝟎, 𝟗𝟔
s. Distribución Poisson: En Colombia, 6% de los 30 millones de usuarios de internet que

hay utilizan Twitter. (Torres, 2010). Si conoces a 15 personas que sean asiduas a las
redes sociales:
1. ¿Cuál es la probabilidad de que 9 o más utilicen Twitter?
2. ¿Cuál es la probabilidad de que máximo dos usen esa red?
𝑋 ≈ 𝑃𝑜𝑖𝑠𝑠 (𝜆 = 𝑥)
𝑒 −⅄ ∗ ⅄𝑥
𝑃(𝑋 = 𝑥) =
𝑥!
 Probabilidad de que 9 o más utilicen Twitter:

𝑋 ≈ 𝑃𝑜𝑖𝑠𝑠 (𝜆 = 30 ∗ 0,06 = 1,8)
𝑝(𝑋 ≥ 9) = 1 − 𝑝(𝑥 < 9)
𝑝(𝑋 < 9) = 𝑝(𝑋 = 0) + 𝑝(𝑋 = 1) + 𝑝(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑝(𝑋 = 5)

+ 𝑃(𝑋 = 6) + 𝑃(𝑋 = 7) + 𝑃(𝑋 = 8) + 𝑃(𝑋 = 9)
𝑒 −1,8 ∗ 1,80
𝑃(𝑋 = 0) =
1!
𝑷(𝑿 = 𝟎) = 𝟎, 𝟏𝟔𝟓𝟑
𝑒 −1,8 ∗ 1,81
𝑃(𝑋 = 0) =
1!
𝑃(𝑋 = 0) = 0,2975
𝑒 −1,8 ∗ 1,82
𝑃(𝑋 = 0) =
1!
𝑃(𝑋 = 0) = 0,2678
𝑒 −1,8 ∗ 1,83
𝑃(𝑋 = 0) =
1!
𝑃(𝑋 = 0) = 0,1607
𝑒 −1,8 ∗ 1,84
𝑃(𝑋 = 0) =
1!
𝑃(𝑋 = 0) = 0,0723
𝑒 −1,8 ∗ 1,85
𝑃(𝑋 = 0) =
1!
𝑃(𝑋 = 0) = 0,0260
𝑒 −1,8 ∗ 1,86
𝑃(𝑋 = 0) =
1!
𝑃(𝑋 = 0) = 0,0078
𝑒 −1,8 ∗ 1,87
𝑃(𝑋 = 0) =
1!
𝑃(𝑋 = 0) = 0,002
𝑒 −1,8 ∗ 1,88
𝑃(𝑋 = 0) =
1!
𝑃(𝑋 = 0) = 0,0004
𝑒 −1,8 ∗ 1,89
𝑃(𝑋 = 0) =
1!
𝑃(𝑋 = 0) = 0,0009
𝑃(𝑋 < 9) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5)

+ 𝑃(𝑋 = 6) + 𝑃(𝑋 = 7) + 𝑃(𝑋 = 8) + 𝑃(𝑋 = 9)
𝑃(𝑋 < 9) = 0,1653 + 0,2975 + 0,2678 + 0,1607 + 0,0723 + 0,0260 + 0,0078 + 0,002
+ 0,0004 + 0,00009
𝑃(𝑋 < 9) = 0,9999
𝑃(𝑋 < 9) = 1 − 0,9999
𝑃(𝑋 < 9) = 0,0001
Probabilidad de que máximo 2 usen esta red
𝑝(𝑋 ≤ 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)
𝑃(𝑋 ≤ 2) = 0,1653 + 0,2975 + 0,2678
𝑃(𝑋 ≤ 2) = 0,7306
t. Distribución Normal: De acuerdo con la Organización de Naciones Unidas (ONU), los

años de educación promedio son de 8.1 y una varianza de 3.1 en países latinoamericanos.
Suponiendo que los años de educación promedio se distribuyen como una normal,
calcula la probabilidad de que un país:
1. Tenga más de 10 años de educación promedio.
𝜇 = 8,1
𝜎^2 = 3,1
𝜎^2 = 3,1
𝜎 = 𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛
𝜇 = 𝑚𝑒𝑑𝑖𝑎
𝑋 = 𝑣𝑎𝑟𝑖𝑎𝑏𝑙𝑒 𝑎𝑙𝑒𝑎𝑡𝑜𝑟𝑖𝑎
𝑋 ≈ 𝑁 (𝜇 = 8,1; 𝜎 = 1,76)
10 − 8,1
𝑃(𝑋 ≥ 10) = 𝑃(𝑍 < )
1,76
𝑃(𝑋 ≥ 10) = 𝑃(𝑍 < 1,08)
𝑃(𝑋 ≥ 10) = 1 − 𝑃(𝑍 < 1,08)
𝑃(𝑋 ≥ 10) = 1 − 0,1400
𝑃(𝑋 ≥ 10) = 0,86
𝑃(7,5 < 𝑋 < 10,5) = 𝑃(𝑋 < 10,5) − 𝑃(𝑋 < 7,5)
10,5 − 8,1 7,5 − 8,1

𝑃(7,5 < 𝑋 < 10,5) = 𝑃 (𝑍 < ) − 𝑃 (𝑍 < )
1,76 1,76
𝑃(7,5 < 𝑋 < 10,5) = 𝑃(𝑍 < 1,36) − 𝑃(𝑍 < −0,34)
𝑃(7,5 < 𝑋 < 10,5) = 0,9130 − 03669
𝑃(7,5 < 𝑋 < 10,5) = 0,55
𝑍 = 𝑋 − 𝜇/𝜎
8,1
0,5199 = 𝑥 −
1,76
0,5199 ∗ 1,76 + 8,1 = 𝑥
𝒙 = 𝟗, 𝟎𝟏𝟓
EJERCICIO 3
MENTEFACTO
CONCLUSIONES
ESTUDIANTE CONCLUSIÓN
Yhon Alexander Bonilla Gaitán Una variable aleatoria es una medida o
cantidad que varía en función del resultado
concreto que se observa al realizar el
experimento aleatorio.
Yhon Alexander Bonilla Gaitán La variable aleatoria que se puede contar o es
numerable es un variable discreta, cuando
toma un valor infinito se denomina continuo.
Yhon Alexander Bonilla Gaitán Las distribuciones de probabilidad es una
función que asigna a cada suceso definido
sobre la variable la probabilidad.
Wilmer Ferney Bayona C De acuerdo a lo anteriormente planteado se
puede determinar que la probabilidad, así
como en la vida hay muchas maneras de
desarrollar dependiendo de la perspectiva que
se presente.
Edgar Pérez Chaparro La distribución binomial es una distribución
de probabilidad discreta y son las más
utilizadas, puesto que esta es aplicada en
diferentes áreas como, mercadotecnia,
medicina, investigación de opiniones, entre
otras. Estas distribuciones permiten analizar
situaciones donde los resultados obtenidos
pueden pertenecer a dos categorías, es decir
que ocurra un evento determinado o que no lo
haga, este puede ser un éxito o un fracaso.
Edgar Pérez Chaparro La distribución de poisson es una distribución
de probabilidad discreta esta nos permite
calcular el número de ocurrencias de un
suceso en un intervalo determinado de
tiempo, como por ejemplo el número de
llamadas telefónicas por minuto, es decir
hallar la probabilidad de ocurrencia del
número de llamadas en un minuto.
Lina Sofia Mora En la distribución de Poisson el número
medio de eventos en el espacio temporal o
región especifica de interés, por lo general
esta media se representa por el símbolo
lambda griega
Lina Sofia Mora En la distribución binomial la variable

aleatoria X, expresa el número de éxitos
obtenidos en las n pruebas, es decir los
valores que puede tomar X es de 0 hasta
infinito
Referencias bibliográficas
ESTU REFERENCIA
DIAN
TE
Yhon M. Pliego López, R. M. Pérez, Estadística I (2004) 2nd ed., pp. 27-94. Madrid:
Alexan Paraninfo. Recuperado
der de http://bibliotecavirtual.unad.edu.co:2081/ps/i.do?id=GALE%7CCX405240000
Bonilla 6&v=2.1&u=unad&it=r&p=GVRL&sw=w&asid=b039aa4c3b2b62b99f8129c3bb
Gaitán 3ab609
Yhon Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y estadística
Alexan 1. Distrito Federal, MÉXICO: Grupo Editorial Patria. Recuperado
der de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=1123
Bonilla 0886&p00=conceptos+generales+estad%C3%ADstica+descriptiva&ppg=46
Gaitán
Edgar Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 279 -
Pérez 301. Recuperado
Chapar de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&d
ro ocID=11013767&tm=1470693471527
Edgar García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso.
Pérez Pp. 221-243. Recuperado de https://bibliotecavirtual.unad.edu.co:2538
Chapar
ro
Lina Sánchez, J. (2018). Distribución binomial. Recuperado
Sofia de http://hdl.handle.net/10596/19010
Mora
Melo
Lina https://es.slideshare.net/ofeliapaola/cuadros-comparativos-de-distribucion-
Sofia poisson-y-distribucion-binomial
Mora
Wilmer Anónimo (s,f) Distribución de probabilidad
Ferney Link
Bayona :https://es.wikipedia.org/wiki/Distribuci%C3%B3n_de_probabilidad_continua

Tarea 2 - Experimentos Aleatorios y Distribuciones de Probabilidad - Grupo 100402 - 357

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

Tarea 2 - Experimentos Aleatorios y Distribuciones de Probabilidad - Grupo 100402 - 357

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 aleatorios y distribuciones de

TAREA 2 - EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE PROBABILIDAD.

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

En el siguiente documento damos a conocer el desarrollo de la Tarea 2 -Experimentos aleatorios

Identificar los conceptos básicos de probabilidad condicional y las distribuciones de

 Dar a conocer los conceptos e ideas fundamentales de la unidad 2, por medio de un

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

Solución al estudio de caso 1: El grupo entrega aquí, de manera organizada, el análisis,

a. Distribución Hipergeométrica: Una empresa manufacturera recibe un lote que

Rechazo: calidad baja: número de defectos >1

Aceptación: calidad alta: número de defectos ≤1

Número de individuos que presentan éxito: k=100-5=95

La probabilidad de que se acepte un lote de 100 artículos que contengan 5 defectuosos es

La fórmula de la distribución binomial es:

Los datos que tenemos son:

p=0,00005 (probabilidad de falla de motores)

Así, la probabilidad que en un vuelo:

No ocurra falla en el motor:

𝑃𝑥=0 = 𝐶06 0,000052 0,99956 = 0,997

No ocurra más de una falla

La probabilidad de que no ocurra más de una falla es de 0,3%.

Ocurra exactamente dos fallas

𝑃𝑥=2 = 𝐶26 0,000052 0,99954 = 0,0000374

La probabilidad que ocurra exactamente dos fallas 0,00374%

c. Distribución Poisson: El número de casos admitidos de emergencia en cierto hospital

Los datos que tenemos son:

λ es el promedio de número de casos admitidos de emergencia en cierto hospital en una hora

La probabilidad que en cierta hora:

Ningún caso de emergencia es admitido:

La probabilidad de ningún caso de emergencia es admitido es de 4,979%.

Mas de 3 casos de emergencia son admitidos:

𝑃𝑋≤3 = 𝑃𝑋=0 + 𝑃𝑋=1 + 𝑃𝑋=2

𝑃𝑋≤3 = 0,04979 + 0,14936 + 0,2240

𝑃𝑋≤3 = 1 − 0,42315 = 0,57685

La probabilidad de más de 3 casos de emergencias es admitidos es de 57,68%.

d. Distribución Normal: De acuerdo con la Organización de Naciones Unidas (ONU), en

Empleamos la distribución normal estandarizada N (0,1).

Los datos que tenemos son:

La probabilidad que una persona sobrepase los 80 años de vida:

𝑃(𝑋 ≥ 80) = 𝑃(𝑍 < 1,51)

𝑃(𝑋 ≥ 80) = 1 − 𝑃(𝑍 < 1,51)

𝑃(𝑋 ≥ 80) = 1 − 0 − 9344

𝑃(𝑋 ≥ 80) = 0,07

La probabilidad de que un persona sobrepase los 80 años de vida es 0,07

𝑃(70 < 𝑋 < 75) = 0,6443 − 0,2176

𝑃(70 < 𝑋 < 75) = 0,43

El 10 % corresponde a un 0,1. En la tabla de distribución normal el valor de Z para un

0,5398 ∗ 4,3714 + 73,4 = 𝑋

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

e. Distribución Hipergeométrica: El edificio Nantes está compuesto por 30

Apartamentos habitados con sólo 2 hijos varones: 10/30 = 1/3

Apartamentos habitados con sólo 2 hijas hembras: 20/30 = 2/3

Número de hombres= 10*3= 30

Número de mujeres= 20*3= 60

-Mensualmente se desaloja 1 familia:

1 año y medio: 18 meses: 18 familias.

Probabilidad de que queden en el edificio:

Individuos que presentan ''éxito'' k=24

f. Distribución Binomial: En una escuela profesional de cuatro años, el 50% de los

Una distribución binomial es una distribución de probabilidad discreta que conociendo la

a) probabilidad de exactamente 2 sean del primer año:

Entonces en este caso p = 0.50, n = 5 y se desea saber la probabilidad de X = 2