GRUPO100402 352 Paso3

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
Escuela de Ciencias Administrativas, Contables Económicas y de Negocios

1000402-352 Probabilidad.
UNIDAD 2 PASO 3
EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE PROBABILIDAD
CONTINUA
POR:
ANYI CAROLINA BELTRAN. Cod:
MARIA CRISTINA ROSAS. Cod:
OSCAR ALIRIO CARREÑO PERDOMO Cod: 74181424
LEIDY CAROLINA TORRES CC. 1.053.586.629
TRABAJO PRESENTADO EN EL ÁREA DE

PROBABILIDAD Grupo 100402-352
TUTOR(A)
AZUCENA GIL
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

(UNAD)
ESCUELA DE CIENCIAS ADMINISTRATIVAS CONTABLES, ECONÓMICAS

DE NEGOCIOS
5/11/2018
1
 El grupo revisa y discute los resúmenes realizados por cada uno de los integrantes del grupo, sobre los temas de la unidad, y
consolida en un cuadro sinóptico los aspectos teóricos de la unidad que sirven de sustento a la solución de cada caso.
CUADRO SINÓPTICO
VALOR ESPERADO EN LA TOMA DE DECISIONES:
Si el administrador de la Oficina de la Tesorería del Gobierno del Distrito

Federal (GDF) se pregunta, ¿cuántos contribuyentes espero recibir en los próximos días?;
responder a su pregunta le permitirá determinar el número de empleados que requerirá para
seguir prestando un servicio de calidad. Entonces, este analista, deberá obtener un número
es- timado de contribuyentes para estos días (un promedio) y tomar una decisión. La
herramienta requerida, en este caso, recibe el nombre de media o valor esperado de una
distribución de probabilidad discreta. El valor esperado de una variable aleatoria discreta es
una media ponderada de todos los resultados posibles que presenta esta variable aleatoria.
En esta media ponderada, los ponderadores o pesos son las probabilidades que están
relacionadas, como ya se dijo, con cada uno de los valores numéricos de la variable.
DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL:
Es una distribución de probabilidad de una gran cantidad de variables aleatorias discretas

cuyos resultados experimentales son generados mediante un proceso conocido como de
Bernoulli. Su nombre se establece en honor del matemático suizo Jacob Bernoulli (1654–
1705). Esta distribución de probabilidad se ocupa de experimentos en donde su resultado
sólo puede tomar un solo valor de dos posibles, por lo que estos resultados son mutuamente
excluyentes. Por ejemplo, considere usted la siguiente pregunta en una entrevista: ¿Trabajó
usted la semana pasada? Sus posibles respuestas son: sí, o bien, no. Dos posibles resultados,
es una binomial y, por tanto, un entrevistado sólo puede responder a una de ellas; es decir,
las respuestas se excluyen mutuamente.
CÁLCULO DE PROBABILIDADES EN UNA DISTRIBUCIÓN BINOMIAL
Si se conoce la probabilidad de que en un experimento determinado se producirá un éxito,

entonces es posible determinar cuántos éxitos habrá en un número determinado de
experimentos. Matemáticamente, un experimento que presenta un proceso de Bernoulli
puede definirse mediante los siguientes símbolos:
P = la probabilidad de tener un éxito.
q = (1 - p) 5 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)
Y calcularse con la relación:

n!
P(n , r) = pr q n−r
r ! ( n−r ) !
MEDIA Y DESVIACION ESTANDAR DE UNA DISTRIBUCIÓN BINOMIAL:
Como ya se indicó en el tema anterior, se cuenta con las fórmulas de cálculo de la media y
la desviación estándar de la distribución de probabilidad de una variable aleatoria, por lo
que, en el caso de una distribución binomial, este cálculo se simplifica considerablemente
dado que sólo tenemos dos posibles resultados.
La media de una distribución binomial se calcula mediante (4.2):
µ=VE ( X )= E ( X )=np (4.2)

ESTUDIOS DE CASO
Solución al estudio de caso 1:

Oscar Carreño Perdomo
ESTUDIO DE CASO 11
Supongamos que X es una variable aleatoria discreta y que x es uno de sus valores posibles.
La probabilidad de que la variable aleatoria X tome el valor específico x se representa por
medio de P(X = x). La función de probabilidad de una variable aleatoria es una
representación de las probabilidades de todos los resultados posibles. Esta representación
podría ser algebraica, gráfica o tabular. En el caso de las variables aleatorias discretas, un
sencillo método es enumerar las probabilidades de todos los resultados posibles de acuerdo
con los valores de x.
Una empresa nueva de buses del Sistema Integrado

de Transporte de Bogotá (SITP) ha comenzado a
dar servicio en un nuevo barrio. Se ha registrado el
número de usuarios que hay en este barrio en el
servicio a primera hora de la mañana (5:00 a.m.).
La tabla adjunta muestra la proporción de cada uno de los días de la semana.
Número de 0 2 3 5 6 8 10 12 15
usuarios
Proporción 0.0 0.05 0.1 0.18 0.1 0.1 0.14 0.1 0.08
2 2 3 6 2
Si X es la variable que representa el número de usuarios que la empresa debe atender a la

hora de inicio del servicio, con base en esta información y haciendo uso de los conceptos de
variables aleatorias discretas y función de probabilidad, prepare un informe en el que debe
incluir como mínimo lo siguiente
1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.

X 0 2 3 5 6 8 10 12 15
P(X=x) 0,02 0,05 0,12 0,18 0,13 0,16 0,14 0,12 0,08
1
Tomado y adaptado de Díaz, A. (2015) Estadística aplicada a la Administración y la Economía.
Grafica de la variable X
Funcion de Probabilidad
0.2
0.18
0.18
0.16
0.16
0.14
0.14
0.12 0.13
0.12 0.12
0.1
0.08
0.08
0.06
0.04 0.05
0.02
0.02
0
0 2 3 5 6 8 10 12 15
2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.
X f F
0 0,02 0,02
2 0,05 0,07
3 0,12 0,19
5 0,18 0,37
6 0,13 0,5
8 0,16 0,66
10 0,14 0,8
12 0,12 0,92
15 0,08 1
Para los valores menores que 0, P (X=x)=0

Para los valores entre que 0 y 2, FX(x)=∑P(X=a)= P(x=0)= 0,02
Para los valores entre que 2 y 3, FX(x)=∑P(X=a)= P(x=0) + P(x=2)= 0,02 + 0,005 = 0,07
Para los valores entre que 3 y 5, FX(x)=∑P(X=a)= P(x=0) + P(x=2) + P(x=3) =
0,02 + 0,005 + 0,12 = 0,19
De igual forma.
Para los valores entre que 5 y 6 FX(x)= 0,37

Para los valores entre que 15 FX(x)= 1
0 Si x< 0
{
0,02 Si 0 ≤ x <2
0,07 Si 2≤ x <3
0,19 Si 3 ≤ x <5
F x 0,37 Si 5≤ x <6
0,5 Si 6 ≤ x <8
0,66 Si 8 ≤ x <10
0,8 Si 10 ≤ x <12
0,92 Si 12≤ x <15
1 Si≥ 15
3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho

usuarios del barrio esperando el servicio
La probabilidad de 8 usuarios es de 0,16, o sea que es igual a 16% de los usuarios.
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios

del barrio esperando este servicio.
P = 0,16+ 0,14 +0,12 +0,08 = 0,5= 50%
5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro

usuarios del barrio en este servicio
P = 0,02+ 0,05 +0,12 =0,19 = 19%
6. El numero esperado de usuarios de este servicio y su desviación estándar

X 0 2 3 5 6 8 10 12 15
P(X=x) 0,02 0,05 0,12 0,18 0,13 0,16 0,14 0,12 0,08
xi∙P(X=xi) 0 0,1 0,36 0,9 0,78 1,28 1,4 1,44 1,2
E(x)= 7,46
∑xi∙P(X=xi)
E ( x )=∑ x i ∙ P( X =x i)=7,46
El numero esperado de usuarios del servicio es de 7.
σ =√ V ar ( X )=√ ∑¿ ¿ ¿
X 0 2 3 5 6 8 10 12 15
P( x=x ) 0,02 0,05 0,12 0,18 0,13 0,16 0,14 0,12 0,08
x i−E( x ) -7,46 -5,46 -4,46 -2,46 -1,46 0,54 2,54 4,54 7,54
¿¿ 55,651 29,8116 19,891 6,0516 2,1316 0,291 6,451 20,611 56,851
6 6 6 6 6 6
¿¿ 1,1130 1,49058 2,3869 1,0892 0,2771 0,046 0,903 2,4733 4,5481
3 9 9 1 6 2
Var (X ) 14,328 σ =3,78529
4
E( x )=∑ xi ∙7,46
P( X=xi )
σ =√ V ar ( X )=√ ∑¿ ¿ ¿
σ
cv = =51 % laVariable es dispersa
E(x)
Este coeficiente de variación tan grande (mayor de 30%), indica que la variable presenta
una alta dispersión, lo cual refleja problemas en el servicio para los usuarios.
7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la
empresa
La empresa nueva de buses del Sistema Integrado de Transporte de Bogotá (SITP), presenta
un número de usuarios que, según el tiempo de llegada y el número de datos, se espera una
desviación en la probabilidad de que cualquier usuario llegue a su destino con tiempo, es
decir que, entre más número de usuarios, el tiempo del recorrido disminuye, según lo que se
pudo establecer en la desviación de varianza.
Anyi Carolina Beltran
La distribución de probabilidad binomial es una distribución de probabilidad discreta que se

presenta con mucha frecuencia.
Una de sus características consiste en que sólo hay dos posibles resultados en un
determinado ensayo del experimento y los resultados son mutuamente excluyentes; Otra
característica de la distribución binomial es el hecho de que la variable aleatoria es el
resultado de conteos. Es decir, se cuenta el número de éxitos en el número total de ensayos.
Una tercera característica de una distribución binomial consiste en que la probabilidad de
éxito es la misma de un ensayo a otro.
Un estudio del Departamento de Transporte de Illinois

concluyó que 78.5% de quienes ocupaban los asientos
delanteros de los vehículos utilizaba cinturón de
seguridad. Esto significa que los dos ocupantes de la
parte delantera utilizaban cinturones de seguridad.
Suponga que decide comparar la información con el uso
actual que se da al cinturón de seguridad, para lo cual
selecciona una muestra de 8 vehículos.
Ilustración 1. Estudio de caso 2
Usando sus conocimientos sobre distribuciones discretas de probabilidad, presente un

informe en el que como mínimo incluya:
1. Esta situación cumple con los supuestos de la distribución binomial identifíquelos
Una de las características consiste en que solo hay dos posibles resultados en un
determinado ensayo entonces el problema nos indica que las dos posibilidades son que los
dos ocupantes lleven cinturón de seguridad o que no (que solo uno lo lleve o que ninguno
de los dos lo lleve) ósea, el cinturón lo llevan los que ocupan los asientos delanteros para
que el ensayo sea exitoso de lo contrario el ensayo es negativo y estas dos posibilidades son
mutuamente excluyentes, también podemos identificar que en el problema la probabilidad
de éxito es la misma de un ensayo a otro.
2. Diagrama de barras de la distribución de probabilidad binomial que representa esta

situación.
n!
P(n , r) = pr q n−r
r ! ( n−r ) !
Tenemos que se selecciona una muestra de 8 vehículos y vamos a verificar la probabilidad

de 1 hasta 8 de que esa cantidad de vehículos tengan puesto el cinturón de seguridad.
Distribucion binomial
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8
Numero de éxitos de
Probabilidad
la muestra
0 0,0000045657
1 0,000133361
2 0,00170423
3 0,012444839
4 0,056797668
5 0,165902026
6 0,302867653
7 0,315948315
8 0,144197342
3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de los 8

vehículos seleccionados utilicen cinturones de seguridad.
P 8!
( 8,5 ) = ∗0.785 5∗0.2153
5 ! ( 8−5 ) !
P 40320
( 8,5 ) = ∗0.29809∗0.0099383
720
P(8.5 )=0.1659
La probabilidad de que los ocupantes de la parte delantera estén usando cinturón de

seguridad en 5 de los 8 carros es de 16.59%
4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los 8

vehículos utilicen cinturón de seguridad.
Se nos pide hallar la probabilidad de que hayan “por lo menos 5” carros de los 8 que
cumplan la condición, entonces calculamos la probabilidad de 5 hasta 8 y las sumamos.
P ( x ≥ 5 )=P ( X =5 ) + P ( X=6 )+ P ( X =7 ) + P ( X =8 )
Ya tenemos los datos correspondientes a cada una de esas probabilidades gracias a la

tabla, entonces solo tenemos que reemplazar en la ecuación.
P ( x ≥ 5 )=0,165902026+ 0,302867653+ 0,315948315+0,144197342
P ( x ≥ 5 )=0.928915336
La probabilidad de que al menos 5 de los 8 carros lleven cinturón es de

aproximadamente 93%
5. Probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8

vehículos utilicen cinturón de seguridad.
Procedemos de la misma manera que en el problema anterior.

P ( x ≤ 5 )=P ( X=0 ) + P ( X=1 ) + P ( X =2 )+ P ( X =3 ) + P ( X=4 )+ P ( X =5 )
Reemplazamos con los valores de nuestra tabla
P ( x ≤ 5 )=0,0000045657+ 0,000133361+0,00170423+ 0,012444839+ 0,056797668+ 0,165902026=¿
P ( x ≤ 5 )=0.2369866897
La probabilidad de que máximo 5 de los 8 carros lleven el cinturón es de

aproximadamente 24%
6. Número de vehículos esperado en los que los ocupantes de la parte delantera

utilizan el cinturón de seguridad
Tenemos que el valor esperado se calcula a partir de la sumatoria de el producto de los

resultados deseados por su probabilidad empezando desde la cantidad mínima hasta la
máxima de resultados deseados posibles, ósea mediante la siguiente expresión matemática:
n
E ( x )=∑ x i P( X i)
i=1
9
E ( x )=∑ x i P( X i)
i=1
x 1=0y P ( X 1 ) =0,0000045657
x 2=1y P ( X 1 ) =0,000133361
Y así sucesivamente hasta x 9, puesto que son 9 resultados los que pueden ocurrir, desde 0
hasta 8
9
E ( x )=∑ x i P( X i)=( 0∗0,0000045657 ) + ( 1∗0,000133361 ) + ( 2∗0,00170423 )+ ( 3∗0,012444839 )+ ( 4∗0,0567976
i=1
Esto quiere decir que la cantidad esperada de vehículos en los que los ocupantes de la parte
delantera utilizan el cinturón de seguridad es de entre 6 y 7 carros.

María Cristina Rosas
ESTUDIO DE CASO 3
Baloto es un juego novedoso de tipo loto en línea, de suerte y

azar, donde el jugador elige 5 números del 1 al 43 y una súper
balota con números del 1 al 16 a través de una terminal de venta.
El juego consiste en acertar 5, 4 o 3 números en cualquier orden de una matriz del 1 al 43 y
otro número (súper balota) del 1 al 16.
El jugador señala en un tarjetón los 6
números que escoge. Los números están
representados en 43 balotas amarillas
numeradas del 1 al 43 y 16 balotas rojas
numeradas del 1 al 16. Cada número
aparece una sola vez y las balotas
ganadoras se seleccionan sin reemplazo.
El premio acumulado se entrega a quien
haga coincidir los seis números. En la
tabla aparecen las opciones para ganar
Usando sus conocimientos sobre distribuciones discretas de probabilidad, presente un

informe en el que como mínimo incluya:
1. Esta situación cumple con los supuestos de la distribución Hipergeométrica.

Identifíquelos
Si cumple, porque una distribución hipergeométrica es una distribución discreta

relacionada con muestreos aleatorios y sin reemplazo.
Los experimentos que tienen este tipo de distribución tienen las siguientes
características:
a) Al realizar un experimento con este tipo de distribución, se esperan dos tipos
de resultados.
b) Las probabilidades asociadas a cada uno de los resultados no son constantes.
c) Cada ensayo o repetición del experimento no es independiente de los demás.
d) El número de repeticiones del experimento (n) es constante.
Dónde:
N = Número total de elementos
K = número de resultados exitosos en los N elementos
n = Número de elementos extraídos
x = número de elementos exitosos en los n elementos
 Se tiene una muestra de tamaño N, cuyo experimento consiste
en extraer al azar y sin sustitución n elementos del conjunto N, donde se
tendrán r número de resultados exitosos y (N-r) números de resultados
fracasados.
 El tamaño de la muestra n es grande en comparación con el número N de
elementos de la población, es decir, n/N > 0.05
 La variable aleatoria hipergeométrica “x” es el número de resultados r en la
muestra de n elementos
2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números

del 1 al 43 y la súper balota).
k N −k
( )(
x n−x )
P ( x) = ¿ ¿
N
n ( )
Para las balotas amarillas y ganarse el premio gordo:
N=43
K=5
n=5
x=5
Para de 43 balotas sacar 5 y que todas sean acertadas queda:
(55 )( 43−5
5−5 )
P ( x=5 )= ¿ ¿
43
( )
5
(55 )(380)
P ( x=5 )= ¿ ¿
43
5( )
1∗1
P ( x=5 )= =0,00001038
962598
Para las balotas rojas y ganarse el premio gordo:

N=16
K=1
n=1
x=1
1 16−1
( )(
1 1−1 )
P ( x=1 )= ¿ ¿
16
( )
1
(11 )(150 )
P ( x=1 )= ¿ ¿
16
( )1
1∗1
P ( x=1 )= =0,0625
16
P ( Ganar el gran acumulado )=P ( X =5 )∗P( X=1)

P ( Ganar el gran acumulado )=P(0,00001038)∗P (0,0625)
P ( Ganar el gran acumulado )=0,00000006487
 La probabilidad de Ganar el gran acumulado es de 0,00000006487

posibilidades.
3. La empresa encargada del sorteo informa que, Hasta el sorteo anterior, la

posibilidad de “pegarle al gordo” era de 1 en 8 millones, mientras que ahora
será de 1 en 15 millones. Explique esta afirmación.
P ( Ganar el gran acumulado )=0,0000000648
1
P ( Pegarle al gordo en este sorteo )= =0,0000000667
15.000 .000
Hay más oportunidad de pegarle al gordo en este sorteo, aunque no deja de ser
escasa, hay un 0,00000019% más posibilidades.
4. El sorteo también otorga otros premios (ver tabla). Presente la probabilidad de

obtener los premios que incluyen acertar la súper balota.
N=43
K=5
n=5
x=4,3,2,1,0
k N −k
( )(
x n−x )
P ( x) = ¿ ¿
N
n ( )
Para obtener los premios que incluyen acertar la súper balota
( 54 )( 43−5
5−4 )
P ( x=4 )= ¿ ¿
43
( )
5
( 54 )(381)
P ( x=4 )= ¿ ¿
43
5( )
5∗38
P ( x=4 )= =0,0000197
962598
P ( x=4 )=0,0000197∗0,0625=0,000000123
( 53)( 43−5
5−3 )
P ( x=3 )= ¿ ¿
43
( )5
( 53)( 382)
P ( x=3 )= ¿ ¿
43
5( )
10∗703
P ( x=3 )= =0,000730
962598
P ( x=3 )=0,000730∗0,0625=0,00000456
(52 )( 43−5
5−2 )
P ( x=2 )= ¿ ¿
43
( )5
5 38
2 3 ( )( )
P ( x=2 )= ¿ ¿
43
5 ( )
10∗8436
P ( x=2 )= =0,0876
962598
P ( x=2 )=0,0876∗0,0625=0,000547
(51 )( 43−5
5−1 )
P ( x=1 )= ¿ ¿
43
( )5
(51 )(384 )
P ( x=1 )= ¿ ¿
43
5( )
5∗73815
P ( x=1 )= =0,383
962598
P ( x=1 )=0,383∗0,0625=0,0239
( 50 )(43−5
5−0 )
P ( x=0 )= ¿ ¿
43
( )
5
( 50)(385 )
P ( x=0 )= ¿ ¿
43
5 ( )
1∗501942
P ( x=0 )= =0,521
962598
P ( x=0 )=0,521∗0,0625=0,0325
Para ganarse el premio gordo:

N=16
K=1
n=1
x=1
(11)(16−1
1−1 )
P ( x=1 )= ¿ ¿
16
( )
1
(11 )(150 )
P ( x=1 )= ¿ ¿
16
( )
1
1∗1
P ( x=1 )= =0,0625
16
P ( obtener los premios que incluyen acertar la súper balota )=P ( X =4 )+ P ( X=3 ) + P ( X =2 )+ P ( X=1 ) + P ( X=0 )
P=0 ,000000123+ 0,00000456+0,000547+0,0239+0,0325=0,0569
P ( obtener los premios que incluyen acertar la súper balota )=0,0569
5. Presente la probabilidad de obtener los premios que no incluyen acertar la

súper balota.
N=43
K=5
n=5
x= 5,4,3
k N −k
( )(
x n−x )
P ( x) = ¿ ¿
N
n ( )
Para obtener los premios que no incluyen acertar la súper balota.
(55 )( 43−5
5−5 )
P ( x=5 )= ¿ ¿
43
( )5
5 38
5 0 ( )( )
P ( x=5 )= ¿ ¿
43
5 ( )
1∗1
P ( x=5 )= =0,00001038
962598
P ( X=5 )=0,00001038∗0,9375=0,000000973
( 54 )( 43−5
5−4 )
P ( x=4 )= ¿ ¿
43
( )
5
( 54 )(381)
P ( x=4 )= ¿ ¿
43
5( )
5∗38
P ( x=4 )= =0,0000197
962598
P ( X=5 )=0,0000197∗0,9375=0,00000184
( 53)( 43−5
5−3 )
P ( x=3 )= ¿ ¿
43
( )5
( 53)( 382)
P ( x=3 )= ¿ ¿
43
5( )
10∗703
P ( x=3 )= =0,000730
962598
P ( X=5 )=0,000730∗0,9375=0,0000684
Para no ganarse el premio gordo:

N=16
K=1
n=1
x=0
1 16−1
( )(
0 1−0 )
P ( x=0 )= ¿ ¿
16
1( )
( 10)(151)
P ( x=0 )= ¿ ¿
16
( )
1
1∗15
P ( x=0 )= =0,9375
16
P ( obtener los premios que no incluyen acertar la súper balota )=¿ P ( X =5 ) + P ( X=4 ) + P ( X =3 )
P=0,000000973+ 0,00000184+0,00000684=0,00000712
P ( obtener los premios que no incluyen acertar la súper balota )=0,00000712
6. Con base en los resultados obtenidos, ¿usted invertiría dinero en el BALOTO?
No invertiría en el baloto debido a que las probabilidades de ganar son muy pocas,
incluso disminuyendo el número de aciertos las probabilidades de ganar en
cualquier modalidad 3,4 o 5 aciertos es muy baja, aun sabiendo el porcentaje de
acertar en la súper balota y el porcentaje de obtener los premios que no incluyen
acertar la súper balota también es mínimo.
ESTUDIO DE CASO 42
Leidy Carolina Torres ESTUDIO DE CASO 43
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.
Los padres preocupados porque sus hijos son “propensos a

accidentes” pueden estar tranquilos, de acuerdo a un estudio
realizado por el Departamento de Pediatría de la
Universidad de California, San Francisco. Los niños que se
lesionan dos o más veces tienden a sufrir estas lesiones
durante un tiempo relativamente limitado, por lo general un
año o menos. El estudio determinó que el número Ilustración 2. Estudio de caso 4
promedio de lesiones por año para niños en edad escolar
es de dos.
Usando sus conocimientos sobre distribuciones de probabilidad discretas, presente un

informe que como mínimo contenga:
3
Para aplicar una distribución binomial, la probabilidad de que ocurra un éxito debe
permanecer igual en cada ensayo, No obstante, la mayor parte del muestreo se realiza sin
reemplazos. Por lo tanto, si la población es pequeña, la probabilidad de cada observación
cambiará. Esto supone que la población es finita; es decir, se conoce el número de
elementos de la población, que es relativamente reducido
DISTRIBUCIÓN HIPERGEOMÉTRICA
( C sx )( C Nn−x−s )
P ( x) =
C nN
Donde:
N representa el tamaño de la población.
S es el número de éxitos en la población.
x es el número de éxitos en la muestra; éste puede asumir los valores 0, 1, 2, 3… n es el
tamaño de la muestra o el número de ensayos.
C es el símbolo de combinación
el número de veces que se presenta un evento en un intervalo no influye en los demás

intervalos. La distribución también constituye una forma restrictiva de la distribución
binomial cuando la probabilidad de un éxito es muy pequeña y n es grande.
DISTRIBUCIÓN DE POISSON
μ x e−μ
P x=
( )
x!
Donde:
μ(mu) Es la media de la cantidad de veces (éxitos) que se presenta un evento en un
intervalo particular.
e es la constante 2.71828 (base del sistema de logaritmos neperianos).
x es el número de veces que se presenta un evento.
P(x) es la probabilidad de un valor específico de x.
La media de número de éxitos,μ puede determinarse con nπ; en este caso, n es el número
total de ensayos, y π, la probabilidad de éxito.
MEDIA DE UNA DISTRIBUCIÓN DE POISSON

μ=nπ
La varianza de Poisson también es igual a su media.

 Los padres preocupados porque sus hijos son “propensos a accidentes”

pueden estar tranquilos, de acuerdo a un estudio realizado por el Departamento de
Pediatría de la Universidad de California, San Francisco. Los niños que se lesionan
dos o más veces tienden a sufrir estas lesiones durante un tiempo relativamente
limitado, por lo general un año o menos. El estudio determinó que el número
promedio de lesiones por año para niños en edad escolar es de dos.
1. Esta situación cumple con los supuestos de la distribución Poisson. Identifíquelos

La variable aleatoria es el número de veces que ocurre un evento durante un intervalo
definido.
La probabilidad de que ocurra el evento es proporcional al tamaño del intervalo.
Los intervalos no se superponen y son independientes.
2. Probabilidad de que un niño sufra tres lesiones durante el año

μ x e−μ
P ( x)=
x!
Donde: μ=2
23 e−2 8∗0.1353
P ( 3 )= = =0,1804
3! 6
3. Probabilidad de que un niño sufra más de tres lesiones durante el año
P>3=1−Σ P ≤ 3
20 e−2
P ( x=0 )= =0,1353
0!
21 e−2
P x=1 =
( ) =0,2706
1!
22 e−2
P ( x=2 )= =0,2706
2!
23 e−2
P x=3 =
( ) =0,18 04
3!
P>3=1−0,1353+0,2706+ 0,2706+0,1804=0,1431
4. Probabilidad de que un niño sufra una lesión en los siguientes tres

meses del año
21 e−2
P ( x=1 )= =0,2706
1!
12 meses
1 año= =4 periodos
3 meses
21 e−2 0,2706
P 4 periodos =
( ) = =0,06765
1! 4
5. Número de lesiones esperado por año y su desviación estándar. Dentro de que

limites se espera entonces que caiga el número de lesiones por año.
¿ de lesiones esperadas por año=μ=2
varianza=σ 2=μ=2
desviacion estandar=σ= √ σ 2=√ 2=1.4142
los limitesen el que podemos encontrar la media se define por : μ ± 2 σ
μ−2σ =2−2 ( 1,4142 )=−0,8284
μ+2 σ =2+ 2 ( 1,4142 )=4,8284
limites son : [ −0.82 , 4.82 ]
6. ¿Realmente, pueden estar tranquilos los padres? Sustente su opinión en los
resultados obtenidos
Si los padres pueden estar tranquilos pues las probabilidades a las que sus hijos sean sujetos
a accidentes en un año son bajas, también la probabilidad después de tres lesiones tiende a
bajar.
REFERENCIAS BIBLIOGRÁFICAS
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica: Probabilidad e

inferencia. Página 46 a 57. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=47&docID=10995669&tm=1470693596054
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica: Probabilidad e
inferencia. Página 58 a 77. Recuperado de
ppg=59&docID=10995669&tm=1470694057290
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Recuperado de http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?
ppg=224&docID=3192101&tm=1512261758930
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional. Página
178 a 222. Recuperado de
ppg=183&docID=10436604&tm=1470693651415
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional. Página
223 a 254 Recuperado de
ppg=194&docID=10436604&tm=1470693683773
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 280 a 298.
ppg=297&docID=11013767&tm=1470693984628
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 241 a 278.
ppg=258&docID=11013767&tm=1470693471527
Sánchez, J. (2018). Distribución binomial. Recuperado de
http://hdl.handle.net/10596/17785

GRUPO100402 352 Paso3

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

GRUPO100402 352 Paso3

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

Escuela de Ciencias Administrativas, Contables Económicas y de Negocios

TRABAJO PRESENTADO EN EL ÁREA DE

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS ADMINISTRATIVAS CONTABLES, ECONÓMICAS

Si el administrador de la Oficina de la Tesorería del Gobierno del Distrito

DISTRIBUCIÓN DE PROBABILIDAD BINOMIAL:

Es una distribución de probabilidad de una gran cantidad de variables aleatorias discretas

CÁLCULO DE PROBABILIDADES EN UNA DISTRIBUCIÓN BINOMIAL

Si se conoce la probabilidad de que en un experimento determinado se producirá un éxito,

P = la probabilidad de tener un éxito.

q = (1 - p) 5 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

Y calcularse con la relación:

MEDIA Y DESVIACION ESTANDAR DE UNA DISTRIBUCIÓN BINOMIAL:

La media de una distribución binomial se calcula mediante (4.2):

µ=VE ( X )= E ( X )=np (4.2)

Solución al estudio de caso 1:

Una empresa nueva de buses del Sistema Integrado

Si X es la variable que representa el número de usuarios que la empresa debe atender a la

1. Grafica de la función de probabilidad de la variable aleatoria X: Número de usuarios.

2. Función de probabilidad acumulada de la variable aleatoria X: Número de usuarios.

Para los valores menores que 0, P (X=x)=0

Para los valores entre que 5 y 6 FX(x)= 0,37

3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho

4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios

5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro

6. El numero esperado de usuarios de este servicio y su desviación estándar

El numero esperado de usuarios del servicio es de 7.

Solución al estudio de caso 2:

Anyi Carolina Beltran

La distribución de probabilidad binomial es una distribución de probabilidad discreta que se

Un estudio del Departamento de Transporte de Illinois

Usando sus conocimientos sobre distribuciones discretas de probabilidad, presente un

1. Esta situación cumple con los supuestos de la distribución binomial identifíquelos

2. Diagrama de barras de la distribución de probabilidad binomial que representa esta

Tenemos que se selecciona una muestra de 8 vehículos y vamos a verificar la probabilidad

3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de los 8

La probabilidad de que los ocupantes de la parte delantera estén usando cinturón de

4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los 8

Ya tenemos los datos correspondientes a cada una de esas probabilidades gracias a la

P ( x ≥ 5 )=0,165902026+ 0,302867653+ 0,315948315+0,144197342

La probabilidad de que al menos 5 de los 8 carros lleven cinturón es de

5. Probabilidad de que los ocupantes de la parte delantera de máximo 5 de los 8

Procedemos de la misma manera que en el problema anterior.

P ( x ≤ 5 )=P ( X=0 ) + P ( X=1 ) + P ( X =2 )+ P ( X =3 ) + P ( X=4 )+ P ( X =5 )

Reemplazamos con los valores de nuestra tabla

P ( x ≤ 5 )=0,0000045657+ 0,000133361+0,00170423+ 0,012444839+ 0,056797668+ 0,165902026=¿

La probabilidad de que máximo 5 de los 8 carros lleven el cinturón es de

6. Número de vehículos esperado en los que los ocupantes de la parte delantera

Tenemos que el valor esperado se calcula a partir de la sumatoria de el producto de los

Solución al estudio de caso 3:

Baloto es un juego novedoso de tipo loto en línea, de suerte y

Usando sus conocimientos sobre distribuciones discretas de probabilidad, presente un

1. Esta situación cumple con los supuestos de la distribución Hipergeométrica.

Si cumple, porque una distribución hipergeométrica es una distribución discreta

2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números

Para de 43 balotas sacar 5 y que todas sean acertadas queda:

Para las balotas rojas y ganarse el premio gordo:

P ( Ganar el gran acumulado )=P ( X =5 )∗P( X=1)

P ( Ganar el gran acumulado )=0,00000006487

 La probabilidad de Ganar el gran acumulado es de 0,00000006487