87 Tarea 2 PDF

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
Escuela de ciencias básicas tecnología e ingeniería
Presentado por:
Andrés Felipe Valenzuela
1077843590
Fabio Alonso Contreras Montes
79043681
Rolando Hermida Manjarrés
17657700
Probabilidad
Presentado a:
Luis Alexander Saravia Roa
CEAD JOSE ACEVEDO Y GOMEZ

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
04 DE NOVIEMBRE 2019
Introducción
Es evidente que la estadística tiene una relevancia importante
en prácticamente todos los aspectos de nuestra vida, ya que
con su aplicación es posible recopilar datos que, después de
ser analizados, nos permiten tomar decisiones. Y es en este
punto donde la PROBABILIDAD se destaca como esa parte
integral que se ocupa de medir cuantitativamente la
posibilidad de que ocurra un determinado suceso.
En nuestro proceso formativo, el estudio y conocimiento de la
PROBABILIDAD nos brinda herramientas para argumentar
resultados, cuando no estamos seguros de un evento y esta
nos indica, toda la gama de valores que pueden representarse
como resultado de un experimento.
El presente documento hace parte del objetivo fundamental
del curso y pretende dar bases para el conocimiento y
comprensión de esta rama de la estadística.

Objetivos
Objetivo General
• Adquirir los conceptos fundamentales de la Teoría de Probabilidad

y cada uno de sus procesos
Objetivos Específicos
• Conocer y comprender la integridad de la Probabilidad

condicional y distribuciones de Probabilidad
• Probar y aplicar correctamente los fundamentos de
probabilidad.
• Entender los conceptos de Variables aleatorias discretas,

continuas y distribuciones
Cuadro sinóptico
Varianza y desviación
estándar de una variable
aleatoria discreta
Variables
aleatorias Media y desviación estándar
discretas y de una distribución binomial
continuas
Media y varianza de la
distribución de probabilidad
hipergeométrica
Probabilidad
Distribuciones Distribución de probabilidad
condicional y
discretas de de Poisson
distribuciones de
probabilidad
probabilidad
Distribución de
probabilidad normal
Distribuciones
continuas de Distribución normal
probabilidad
Tabla de distribución de
probabilidad normal
estándar
Cuadro sinóptico
Cuadro sinóptico
Rolando Hermida Manjarrés
Ejercicio 2
Solución al estudio de caso 1:
RESPONSABLE ROL SELECCIONADO

Andrés Felipe compilador
Valenzuela Velasco
Caso 1:
a. Distribución Hipergeométrica: una empresa manufacturera
recibe un lote que contiene 100 artículos de los cuales cinco son
defectuosos. La compañía revisa constantemente 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 solo 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?
R/ para hallar la probabilidad de aceptar un lote de 100 artículos
que contenga 5 defectuosos, aplicamos la distribución
hipergeométrica. Dado que N es grande: N>50, aproximamos a la
distribución binomial:
Datos:
Rechazo: calidad baja: N° de defectos >1
Aceptación: calidad alta: N° de defectos ≤ 1
N° de individuos que presentan éxito: k=100-5=95
N=100
n=6
p= k/N=95/100=0,95
∗ ∗ 1
5 ∗ 0,95 ∗ 1 0,95
5 0,2321
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 un vuelo determinado
1. No ocurra ninguna falla de motor
2. No ocurra más de una falla
3. Ocurra exactamente dos fallas

R/
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. Mas de 3 casos de emergencia son admitidos
R/ distribución de Poisson:
∧ ∗ ∧ / !
µ: promedio de número de casos admitidos de emergencia en
cierto hospital en 1 hora
µ=3
e=2,71828
la probabilidad que en cierta hora

1. Ningún caso de emergencia es admitido
k=0
!,"#$!$ %&
0 0,04979
'!
2. Mas de 3 casos de emergencia admitidos son
*3 1 +3
+3 0 , ,1 , ,2
+3 0,04979 , 0,14936 , 0,2240
+3 0,42315
*3 1 0,42315 0,57685
La probabilidad de ningún caso de emergencia es admitido es de

0,04979 y de más de 3 casos de emergencia son admitidos es de
0,57685
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 sobrepaso 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 que valor se tiene el 10% más alto de la

esperanza de vida al nacer?
R/ datos:
µ=73,4
σ=4,3714
empleamos la distribución normal estandarizada, esto es N(0,1).

Entonces la variable X la denotaos por Z:
Z=X-µ/σ
Donde:
σ=desviación
µ=media
X=variable aleatoria
X≈N (µ=73,4; σ=4,3714)

1. La probabilidad de que una persona sobrepase los 80 años de
vida.
$' " ,1
* 80 / 0 1, "#1
* 80 / 0 1,51
* 80 1 / 0 1,51
* 80 1 0,9344
* 80 0,07
2. La probabilidad de que una persona al nacer tenga una

esperanza de vida entre 70 y 75 años.
70 0 0 75 0 75 0 70
" " ,1 "' " ,1
70 0 0 75 /0 /0
1, "#1 1, "#1
40 06 / 0 0,37 /0 0,78
40 06 0,6433 0,2176
40 06 0,43
3. ¿A partir de que valor se tiene el 10% más alto de la

esperanza de vida al nacer?
R/ el 10% más alto es la probabilidad de tener una esperanza de
vida de 0,1. En la tabla de distribución normal el valor de Z para
una probabilidad de 0,1 es de 0,5398. El valor que representa
dicho % seria el siguiente:
Z=X-µ/σ
0,5398 = x - 73,4 / 4,3714
0,5398 * 4,3714 + 73,4 = x
X= 75,75
Solución al estudio de caso 2: El grupo entrega aquí, de manera

organizada, el análisis, desarrollo y solución del ESTUDIO DE
CASO presentado
Fabio Contreras Alertas
Estudios de caso estudiante N°2:
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?
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?
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. ¿Cuál es el
número esperado de personas con dicha enfermedad? ¿Cuál es la
probabilidad que exactamente 10 personas son afectadas por la
enfermedad?
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.
DESARROLLO - Estudios de caso estudiante N°2:
e. Aptos habitados con sólo 2 hijos varones: 10/30 = 1/3

Aptos 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 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:
〖2 3 4 5/6 ∗ 7〗^6 ∗ 9 7 : 4
〖2 3 ;< <=/;< ∗ >, < ;<

∗ 9 >, < <= ;<
〖2 3 ;< >, <?
f. La probabilidad de que 2 sean del primer año es 0.03905, de

que ninguna sea del tercer o cuarto año es 0.0061
Se emplea la función de probabilidad, esta 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:
En el 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. 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 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 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
h. La probabilidad de que la venta de un dólar sobrepase los

18$: 0,0002. Y la probabilidad de que la cotización del dólar
a la venta sea menor a los 0,0001.
Datos: μ= 8,1 - σ^2= 3,1 y σ= √3,1= 1,76

Empleamos la distribución normal estandarizada,

esto es N(0,1). Entonces la variable X la denotamos por
Z:
Z= X - μ/σ
dónde: σ=desviación; μ=media ; X= variable aleatoria
X≈N (μ= 16,9205; σ= 0,2695)
1. La probabilidad de que la venta de un dólar sobrepase los

18$: 0,86.
P(X\geq 18)= P(Z<\frac{18-16,9205}{0,2695})
P(X\geq 18)= P(Z<4) ; P(X\geq 18)= 1- P(Z<4)
P(X\geq 18)= 1- 0,9998 ; P(X\geq 18)= 0,0002
1. La probabilidad de que la cotización del dólar a la venta

sea menor a los $15
9C 9F. H;>C
2 3 + 9C D E0
>. ;FHC
2 3 + 9C >, >>>9
2 3 + 9C D E0 I, 9;

CASO presentado

Rolando Hermida Manjarrés Entregas
i. 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?
La distribución hipergeométrica es especialmente útil en todos aquellos casos en los que

se extraigan muestras o se realicen experiencias repetidas sin devolución del elemento
extraído o sin retornar a la situación experimental inicial.
Las consideraciones a tener en cuenta en una distribución hipergeométrica:

 El proceso consta de "n" pruebas, separadas o separables de entre un conjunto de
"N" pruebas posibles.
 Cada una de las pruebas puede dar únicamente dos resultados mutuamente
excluyentes.
 El número de individuos que presentan la característica A (éxito) es "k".
 En la primera prueba las probabilidades son: P(A)= p y P(A)= q; con p+q=1.
En estas condiciones, se define la variable aleatoria X = “N.º de éxitos obtenidos”. La
función de probabilidad de esta variable sería:
K L K
∗
7 J 6 6 5 6
L
5
MN5OP L QRSRñN OP 7NUVRWXó5, Z L° X5OX\XO]N^ _]P … . , 5 aRSRñN OP VR S]P^abR, 6
\RVNb _]P aNSR VR \RbXRUVP
N = 25
n = 15
x=5
k =10
K K!
6 K! 5 K !
K L K
∗
7 J 6 6 5 6
L
5
9> ;C 9>
∗
7 J C C 9C C
;C
9C
9>! 9C
∗
C! 9> C ! 9>
7 J C
;C!
9C! ;C 9C !
9>! 9C!
∗
C! 9> C ! 9>! 9C 9> !
7 J C
;C!
9C! ;C 9C !
9>! 9C!
∗ ;C; ∗ ?>>? ICFICF
C! C ! 9>! C !
7 J C >, ;?9C
;C! ?;F=IF> ?;F=IF>
9C! 9> !
7 J C >, ;?9C
7 J C ;?, 9C%
Conclusión
La probabilidad de que 5 de los animales seleccionados dentro de la muestra aleatoria de

15 animales de este tipo pertenezcan a los 10 animales etiquetados es de 23,15%
j. Distribución Binomial: En una feria (hace mucho tiempo), comprando un boleto de

10 soles se podía participar en un juego que consistía en lanzar 6 argollas para embocar
en una botella de madera. Los premios del juego eran: Una bolsa de caramelos (valor 1
sol) al enhorcar de 1 a 3 argollas, Un tarro de duraznos (valor 4 soles) al embocar 4
argollas. Una botella de vermouth (valor 17 soles) al enhorcar 5 argollas. Una caja de
cigarrillos (valor 31 soles) al enhorcar las 6 argollas. # Sabiendo que el jugador
promedio tiene una probabilidad 1/3 de embocar cada una de las argollas, y que se
vende un promedio de 729 boletos por día, determinar cuáles son los ingresos netos
diarios del dueño del juego.
Un experimento aleatorio, se denomina ensayo de Bernoulli, si se caracteriza por:
 Consiste en n ensayos repetidos.

 Cada ensayo tiene dos resultados: éxito (E) o fracaso (F).
 La probabilidad de éxito de cada ensayo es siempre la misma P(E) = p. La
probabilidad de fracaso es P(F) = q = 1 − p.
 Los ensayos son independientes.
El número de éxitos X=K en n-ensayos de un experimento binomial se llama una variable

aleatoria binomial. La distribución de probabilidad de nuestra variable aleatoria X se
llama Distribución Binomial de probabilidad y se expresa mediante la siguiente fórmula:
f f!
d e ∗ g
∗h g
∗ g
∗h g
f ! !
donde:
p k es la probabilidad de que nuestra variable aleatoria binomial sea igual a K, es decir,

tengamos K éxitos.
p es la probabilidad de éxito de un solo ensayo
q=1-p es la probabilidad de fallo en un solo ensayo.
El jugador promedio tiene una probabilidad 1/3 de embocar cada una de las argollas y que
se venden por día 729 boletos en promedio tenemos que:
p = 1/3 embocar cada una de las argollas.
q = 2/3 de no embocar.
Los ingresos netos diarios del dueño del juego dependen de las embocadas de las argollas
y del valor de los premios.
6 1g 2 g
6! 1g 2 g
d e ∗ ∗ ∗ ∗
3 3 6 ! ! 3 3
Evaluamos las probabilidades para cada valor de k (0,1,2,3,4,5,6) que se puede presentar
6! 1 ' 2 '
720 64 F<
d 0e ∗ i j ∗i j ∗ 1∗
6 0 ! 0! 3 3 720 729 I;H
6! 1 # 2 #
720 1 32 1 32 9H;
d 1e ∗ i j ∗i j ∗ ∗ 6∗ ∗
6 1 ! 1! 3 3 120 3 243 3 243 I;H
6! 1 ! 2 !
720 1 16 1 16 ;<>
d 2e ∗ i j ∗i j ∗ ∗ 15 ∗ ∗
6 2 ! 2! 3 3 48 9 81 9 81 I;H
6! 1 2 720 1 8 1 8 9F>
d 3e ∗ i j ∗i j ∗ ∗ 20 ∗ ∗
6 3 ! 3! 3 3 36 27 27 27 27 I;H
6! 1 1 2 1
720 1 4 1 4 F>
d 4e ∗ i j ∗i j ∗ ∗ 15 ∗ ∗
6 4 ! 4! 3 3 48 81 9 81 9 I;H
6! 1 2 720 1 2 1 2 9;
d 5e ∗ i j ∗i j ∗ ∗ 6∗ ∗
6 5 ! 5! 3 3 120 243 3 243 3 I;H
6! 1 2 720 1 16 1 9
d 6e ∗ i j ∗i j ∗ ∗ 1∗ ∗1
6 6 ! 6! 3 3 720 9 81 729 I;H
Calculamos la ganancia en soles por cada probabilidad, sabiendo que se venden 729
boletos:
d 1e 10 0 ∗ 64 640 soles
d 1e 10 1 ∗ 192 9 ∗ 192 1728 soles
d 2e 10 1 ∗ 240 9 ∗ 240 2160 soles
d 3e 10 1 ∗ 160 9 ∗ 160 1440 soles
d 4e 10 4 ∗ 60 6 ∗ 60 360 soles
d 5e 10 17 ∗ 12 7 ∗ 12 84 soles
d 6e 10 31 ∗ 1 21 ∗ 1 21 soles
Sumamos los resultado 640 + 1728 + 2160 + 1440 + 360 – 84 – 21 y nos da una ganancia
de $6223 soles
Conclusión
Los ingresos netos diarios del dueño del juego son de $6223 soles.
k. Distribución Poisson: Suponga que 1,800 células de cierto tipo se distribuyen

aleatoriamente en un microscopio, el cuál mediante rejillas se ha dividido en 900 áreas
iguales. 1. ¿Cuál es el número de áreas que no contienen células? 2. ¿Cuál es el número
de áreas que contienen exactamente una célula?
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 probabilidad de nuestra variable aleatoria X viene dada por la siguiente expresión:
∗ k
donde:
 Nuestra variable aleatoria discreta puede tomar los valores:

 donde es la media del número de sucesos en el intervalo que estemos tomando, ya
sea de tiempo, distancia, volumen, etc. Es importante entender que este valor es una
media en el sentido estrictamente estadístico de la palabra y como tal se calculará
mediante dicha expresión y no debe calcularse nunca con una regla de
proporcionalidad o regla de tres.
 Se debe cumplir la condición de normalización
 La desviación típica es
 Cuando realizamos un experimento contando sucesos y obtenemos un valor x, su
error vendrá determinado por la raíz de x.
Para nuestro ejercicio tenemos que:
1800
l 2 m P 2,71828
900
1. ¿Cuál es el número de áreas que no contienen células?
2' ∗ !
1 ∗ 0,13534
0 0,13534 13,534 %
0! 1
f 0,13534 * 900 = 121,81 áreas

2. ¿Cuál es el número de áreas que contienen exactamente una célula?
2# ∗ !
2 ∗ 0,13534
1 0,27068 27,068 %
0! 1
f 0,27068 * 900 = 243,61 áreas
Conclusión
1800 células de cierto tipo se distribuyen aleatoriamente en un microscopio, el cuál

mediante rejillas se ha dividido en 900 áreas iguales, 121,81 áreas no contienen células y
243,61 áreas contienen exactamente 1 célula.
k. Distribución Normal: Uno de los graves problemas que se enfrentan actualmente es la

falta de agua y la contaminación de los acuíferos. De acuerdo con cifras de la semarnat
(Secretaría del Medio Ambiente y Recursos Naturales) a través de Conagua
(Estadísticas del Agua en México, 2010, México, 2010), de 2002 a 2008 en el país las
descargas residuales tuvieron una media de 7.795 km /año con una desviación estándar
de 0.2311 km /año (1 km equivale a mil millones de metros cúbicos). Suponiendo que
las descargas residuales se distribuyen normalmente, encuentra la probabilidad de que,
en un año, las descargas residuales sean: 1. Menores a 7.5 km 2. Estén entre 7.5 y 7.9
km 3. ¿A partir de qué valor se tiene el 10% más bajo de descargas residuales?
Una variable aleatoria continua, X, sigue una distribución normal de media μ y desviación
típica σ, y se designa por N(μ, σ), si se cumplen las siguientes condiciones:
1. La variable puede tomar cualquier valor: (-∞, +∞)
2. La función de densidad, es la expresión en términos de ecuación matemática de la

curva de Gauss:
1 # r t
n ! s
o√2q
El c a mp o de ex i st e n c i a es cu al q ui e r v al o r re a l , es d e ci r , ( - ∞, + ∞ ).
Es s i mé t ri c a re s p e ct o a l a m e d i a µ . Ti e n e un má x i m o e n l a m ed i a µ .
C r e c e h a st a l a m e di a µ y d e c r e c e a p a rt i r d e e l l a . E n l o s p u nt o s µ −
σ y µ + σ p r e s e nt a p u nt o s de i n fl e x i ó n.
El e j e d e a b s c i s a s e s u n a a sí n t ot a d e l a c u rv a . E l á r e a d e l r e c i nt o
d et e rmi n ado p o r l a f un ci ó n y e l e j e d e a bs ci s a s e s i g ua l a l a
unidad.
A l s e r s i mé t ri c a r e s p e c t o a l e j e q u e p as a p o r x = µ , d e j a un á re a
i g ual a 0. 5 a l a i z q ui e r da y o t ra i g ua l a 0 . 5 a l a d e r e c h a. L a
p r o b a bi l i d a d e q ui v a l e a l á r ea e n c e r r a da ba jo l a c u rv a .
Tenemos la siguiente información:
μ= 7795 (descargas residuales tuvieron una media de 7.795 km /año)
σ= 0,231 (desviación estándar de 0.2311 km /año)
Empleamos la distribución normal estandarizada, esto es N(0,1). Entonces la variable X la

denotamos por Z:
Z= X - μ/σ
Donde:
σ=desviación
μ=media
X= variable aleatoria
X≈N (μ= 7795; σ= 0,2311)
1. En un año las descargas residuales sean menores a 7.5 km

", ","u
0 7,5 /0 )
',! ##
0 7,5 /0 1,276
D J 0 I, C >, 9>>;
2. La probabilidad de que las descargas residuales estén entre 7.5 y 7.9 km
7,5 0 0 7,9 0 7,9 0 7,5
7,9 7,795 7,5 7,795

7,5 0 0 7,9 i/ 0 j i/ 0 j
0,2311 0,2311
7,5 0 0 7,9 / 0 0,454 /0 1,276
7,5 0 0 7,9 0,6736 0,1002
D I, C 0 J 0 I, H >, CI?<
3. ¿A partir de qué valor se tiene el 10% más bajo de descargas residuales?
El 10% más bajo es la probabilidad de tener una descarga residual de -0,1. En la tabla de
distribución normal el valor de Z para una probabilidad de 0,1 es de 0,4601. El valor que
representa dicho % sería el siguiente:
Z= X - μ/σ
0,4601= X-7,795/0,2311
0,4601 * 0,2311 + 7,795= X
0,1063 + 7,795= X
X = 7,90

CASO presentado
(No borrar este encabezado)
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)
Ejercicio 3
Mentefacto:
Unidad 2 probabilidad
estudia: variables aleatorias
condicional y distribuciones Formulas
discretas y continuas,
de probabilidad
distribuciones discretas de
probabilidad y distribuciones
continuas de probabilidad
Variables aleatorias Distribuciones discretas Distribuciones

discretas y continuas de probabilidad continuas de
probabilidad
Estudia la varianza y desviación Estudia la distribución de Estudia la distribución de

estándar de una variable aleatoria probabilidad de Poisson probabilidad normal, la
discreta, de una distribución distribución normal y las
binomial y de la distribución de tablas de distribución de
probabilidad hipergeométrica probabilidad normal
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).
Conclusiones (mínimo 1 por cada participante)
ESTUDIANTE CONCLUSIÓN
Rolando Hermida Manjarrés La distribución de probabilidad
describe el comportamiento de
fenómenos estadísticos, lo cual
consiste en un listado de las
probabilidades de todos los
resultados posibles que podrían
presentarse si se efectúa un
experimento.
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.
ESTUDIANTE REFERENCIA
• Fabio Contreras M • Rodríguez, F. & Pierdant, A.
(2014). Estadística para
administración. (Pp. 150-152).
• García, Á. M. Á. (2005).
Introducción a la teoría de la
probabilidad. primer curso. (Pp.
195-221).
• Rodríguez, F. & Pierdant, A.

administración. (Pp. 245-261).
• García, Á. M. Á. (2005).
Introducción a la teoría de la
probabilidad. primer curso. (Pp.
221-243).
• Rodríguez, F. & Pierdant, A.

administración. (Pp. 279 -301).
Rolando Hermida Manjarrés Support.minitab.com. (2019).

Distribuciones de probabilidad
continuas y discretas - Minitab.
[online] Available at:
https://support.minitab.com/es-
mx/minitab/18/help-and-how-
to/probability-distributions-and-
random-data/supporting-
topics/basics/continuous-and-
discrete-probability-distributions/
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)

87 Tarea 2 PDF

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

87 Tarea 2 PDF

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

CEAD JOSE ACEVEDO Y GOMEZ

Es evidente que la estadística tiene una relevancia importante

en prácticamente todos los aspectos de nuestra vida, ya que

con su aplicación es posible recopilar datos que, después de

ser analizados, nos permiten tomar decisiones. Y es en este

punto donde la PROBABILIDAD se destaca como esa parte

integral que se ocupa de medir cuantitativamente la

posibilidad de que ocurra un determinado suceso.

En nuestro proceso formativo, el estudio y conocimiento de la

PROBABILIDAD nos brinda herramientas para argumentar

resultados, cuando no estamos seguros de un evento y esta

nos indica, toda la gama de valores que pueden representarse

como resultado de un experimento.

El presente documento hace parte del objetivo fundamental

del curso y pretende dar bases para el conocimiento y

comprensión de esta rama de la estadística.

• Adquirir los conceptos fundamentales de la Teoría de Probabilidad

• Conocer y comprender la integridad de la Probabilidad

• Entender los conceptos de Variables aleatorias discretas,

RESPONSABLE ROL SELECCIONADO

b. Distribución Binomial: la probabilidad de fallar durante el vuelo

3. Ocurra exactamente dos fallas

la probabilidad que en cierta hora

La probabilidad de ningún caso de emergencia es admitido es de

d. Distribución Normal: de acuerdo con la organización de

3. ¿a partir de que valor se tiene el 10% más alto de la

empleamos la distribución normal estandarizada, esto es N(0,1).

X≈N (µ=73,4; σ=4,3714)

2. La probabilidad de que una persona al nacer tenga una

3. ¿A partir de que valor se tiene el 10% más alto de la

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

Estudios de caso estudiante N°2:

e. Distribución Hipergeométrica: El edificio Nantes está compuesto por

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

g. Distribución Poisson: Suponga que cierta enfermedad rara afecta al

h. Distribución Normal: Entre mayo y junio de 2011, la cotización del

DESARROLLO - Estudios de caso estudiante N°2:

e. Aptos habitados con sólo 2 hijos varones: 10/30 = 1/3

Para hallar la probabilidad de que al cabo de año y medio quede

〖2 3 ;< <=/;< ∗ >, < ;<

〖2 3 ;< >, <?

f. La probabilidad de que 2 sean del primer año es 0.03905, de

Se emplea la función de probabilidad, esta es:

a) probabilidad de exactamente 2 sean del primer año:

Entonces en este caso p = 0.50, n = 5 y se desea saber la

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

En el caso p = 0.15+ 0.10= 0.25, n = 5 y se desea saber la

P(X = 0) = 5!/((5-0)!*0!)*0.35^5*(1-0.35)^5 = 0.0061

g. La probabilidad de que 2 sean del primer año es 0.03905, de

Una distribución binomial es una distribución de probabilidad

a) probabilidad de exactamente 2 sean del primer año:

Entonces p=0.50, n=5 y se desea saber la probabilidad

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 p = 0.15+ 0.10= 0.25, n = 5 y se desea

P(X = 0) = 5!/((5-0)!*0!)*0.35^5*(1-0.35)^5= 0.0061

h. La probabilidad de que la venta de un dólar sobrepase los

Datos: μ= 8,1 - σ^2= 3,1 y σ= √3,1= 1,76

Empleamos la distribución normal estandarizada,

dónde: σ=desviación; μ=media ; X= variable aleatoria

P(X = 2) = 5!/((5-2)!2!)0.5^5*(1-0.5)³ = 0.03906

P(X = 0) = 5!/((5-0)!0!)0.35^5*(1-0.35)^5 = 0.0061

P(X = 2) = 5!/((5-2)!2!)0.5^5*(1-0.5)³= 0.03906

P(X = 0) = 5!/((5-0)!0!)0.35^5*(1-0.35)^5= 0.0061