346 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 1: Tarea 1 – Espacio

muestral, eventos, operaciones y axiomas de probabilidad
Portada
(No borrar este encabezado)
Probabilidad
Tarea 2 Experimentos Aleatorios y Distribuciones de

Probabilidad
Presentado al tutor:
Érica Zulay Díaz
Entregado por:
Harvey Alonso Sánchez Pinilla CC: 11366910
Didier Armando Pardo CC: 1121877664
Grupo: 100402_346
Universidad nacional abierta y a distancia – Unad

Escuela de ciencias básicas tecnología e ingeniería
Noviembre 2019
Introducción (mínimo 2 párrafos de 10 líneas de texto cada

uno)
Introducción
La presente tarea consta de tres ejercicios; en el primero, cada

estudiante debe realizar de forma individual un cuadro sinóptico y dejar
evidencia de este publicándolo en el foro colaborativo, este debe
ilustrar los contenidos de la unidad 2, la importancia de las temáticas y
la aplicación en la vida diaria. Usando como apoyo el material
encontrado en el entorno de conocimiento y demás fuentes de consulta
encontradas en internet. En el segundo ejercicio cada estudiante
escogerá tres (3) estudio de caso e informa la selección en el foro
colaborativo; los cuales, corresponden a las temáticas “Variables
aleatorias Disretas y Continuas, “Distribuciones discretas de
probabilidad”, y “Distribuciones Continuas de probabilidad”.
El tercer ejercicio, se realizará un mentefacto que ilustre los conceptos

e ideas fundamentales de la unidad 2, empleando como insumo los
cuadros sinópticos elaborados individualmente 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). Al final todos los
aportes deben ser compilados en un mismo informe, y cada estudiante
debe aportar con por lo menos una conclusión y una referencia
bibliográfica teniendo en cuenta que no se pueden repetir, evidenciado
el trabajo conjunto y coordinado de todos y cada de los integrantes del
grupo.
Objetivos General
Resolver casos de estudio, utilizando los conceptos propios de la

probabilidad condicional y las distribuciones de Probabilidad.
Objetivos Específicos
 Realizar un Mentefacto de forma colaborativa a partir de los

cuadros sinópticos realizados de forma individual por cada de
uno de los integrantes del grupo en el cual se ilustre los
conceptos e ideas fundamentales de la unidad.
 Reconocer la Importancia de las temáticas de la unidad 2 y

como estas se aplican a las temáticas en la vida diaria.
Cuadro sinóptico:
El grupo diseña y presenta en un cuadro sinóptico el resumen de los
conceptos teóricos de la unidad 1 que dan sustento a la solución de los
estudios de caso propuestos y solucionados por el grupo.
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
Harvey Alonso Sánchez Compilador y entregas
Estudio de caso 1
Estudios de caso estudiante N°1:1
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?
Tenemos la función de probabilidad así:
k N −k
P ( x) =
( x )( n−x )
( Nn )
Donde
N es la población que son los 100 articulo N=100
1
K es el número de éxitos de la población, que son los 5 celulares

dañados que hay en la población k=5
n es el de número de la muestra, que son los 6 celulares que sacan

n=6
x es el numero de éxitos de la muestra, y preguntan que solo 1 celular

puede estar dañado en la muestra de 6 para aceptar el lote. x=1
Reemplazamos los datos en la ecuación.
5 100−5
P ( 1 )=
( 1 )( 6−1 )
(1006 )
(5 ) 95
( )
5
P ( 1 )=
(1192052400 )
( 5 )( 57940519 )
P ( x) = =0,243028
(1192052400 )
La probabilidad de que salga 1 celular dañado en un muestra de 6

celulares del lote de 100, es de 24,30%. Ósea que la probabilidad de
que el lote de 100 celulares y 5 sean defectuosos es de 24,30%
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.
p ( x=k ) = n ∗p x (1− p) n−x

()
x
n=numero de ensayos n=6
p=probabilidad de éxito p=0.0005

x=numero de casos exitosos
1. No ocurra ninguna falla de motor
x=0 porque esperamos que no falle
p ( x=0 )= 6 ∗( 0.0005 ) (1−0.0005)6−0

0
()
0
¿ 1∗1∗( 0,9995 )6=0,997
La probabilidad de que no ocurra una falla de motor en el avión es

99,7%
2. No ocurra más de una falla
x≤1
Tenemos que la probabilidad de que la variable tome el valor menor o

igual a 1 será:
( p ≤1 ) =p ( x=0 )+ p ( x=1 )
En este caso ya tenemos del punto anterior cuanto es la probabilidad

cuando la variable es igual a cero. Ahora debemos encontrar la
probabilidad cuando la variable es igual a 1.
p ( x ≤ 1 )= 6 ∗( 0.0005 ) (1−0.0005)6−1
1
()1
¿ 6∗( 0.0005 )∗(0.9995)5
¿ 6∗( 0.0005 )∗ ( 0.9975 )
¿ 0.0029
Ahora realizamos la suma de las dos probabilidades.
( p ≤1 ) =p ( x=0 )+ p ( x=1 )
¿ 0.997+ 0.0029
¿ 0.9999
Esto quiere decir que la probabilidad de que ocurra más de una falla
es:
99.99 %
3. Ocurra exactamente dos fallas.
x=2
Tenemos que la probabilidad de que la variable tome el valor igual a 2:
p ( x=2 )= 6 ∗( 0.0005 ) (1−0.0005)6−2

2
()
2
¿ 15∗(0.00000025)∗(0.9995)4
¿ 15∗( 0.00000025 )∗( 0.99800 )
¿ 0.000003742
Esto quiere decir que la probabilidad de que fallen dos motores es de:
0.00037 %
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.
Tenemos la fórmula:
e− μ∗μ k
p ( x=k ) =
k!
La media o promedio de éxitos por horas es μ=3
El número de casos admitidos por hora (éxito) es “x”
1. Ningún caso de emergencia es admitido.

x=0
Ahora reemplazamos en la formula
e−3∗30
p ( x=0 )=
0!
e−3∗1
¿
1
¿ e−3
p ( x=0 )=0.04978
≅ 4.978 % de probabilidad de que ningun caso sea admitido
2. Más de 3 casos de emergencia son admitidos.
x >3
p ( x>3 )= p ( x=4 ) + p ( x=5 )+ p ( x=6 ) …+¿
En este caso la variable discreta de Poisson no está acotada.
Sabiendo que la probabilidad de que ocurra un suceso “a” es igual a 1

menos la probabilidad de que ocurra lo contrario (el suceso “a”
negado).
p ( a )=1− p(á)
Entonces la probabilidad de que ocurran más de 3 éxitos.
p ( x>3 )=1− p(x ≤3)
p ( x ≤ 3 )= p ( x=3 ) + p ( x=2 ) + p ( x =1 )+ p (x=0)

Debemos calcular cada uno por separado.
e−3∗3 3 0.04978∗27
p ( x=3 )= = =0.2240
3! 6
e−3∗3 2 0.04978∗9
p ( x=2 )= = =0.2240
2! 2
e−3∗31 0.04978∗3
p x=1 =
( ) = =0.1493
1! 1
p ( x=0 )=0.04978
Ahora realizamos la suma
0.2240+0.2240+ 0.1493+0.04978=0.64708
Entonces reemplazamos
p ( x>3 )=1− p(x ≤3)
p ( x>3 )=1−0.64708=0.35292
Entonces la probabilidad que mas de 3 casos sean admitidos

aproximadamente será:
p ( x>3 ) ≅ 35.292%
Solución al estudio de caso 5: El grupo entrega aquí, de manera organizada, el análisis,

Didier Armando Pardo Alertas
Estudios de caso estudiante N°5:
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?
P(x) = Ck,x * C(N-k);(n-x)/ CN,n
Cn,k = n!/k!(n-k)!
N=5
n = 15
x=5
k = 10
Ck,x = C10,5 = 10!/5!5!= 10*9*8*6*6*5!/5!*5*4*3*2*1 =252
C(N-k);(n-x) = C15,10 = 15!/10!*5*4*3*2*1 = 15*14*13*12*11/120

= 3003
CN,n = C25,15 = 3268760
P(x) = 252*3003/3268760 = 0,2315
La probabilidad de que 5 de los animales seleccionados estén

etiquetados es de 23,15%
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:
¿Embarcar una caja que contenga tres artículos defectuosos?
La probabilidad es de 0,002
¿No embarcar una caja que contiene sólo un artículo defectuoso?
SOLUCIÓN
1.
P (defectuosos) = 3/25*3/25*3/25 = 0,12*0,12*0,12 = 0,002
P (1 defectuoso) = 1/25 = 0,04
2.
P = 1-0,04 = 0,96
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:
¿Cuál es la probabilidad de que 9 o más utilicen Twitter?
¿Cuál es la probabilidad de que máximo dos usen esa red?
La probabilidad de máximo es 0,7306
Solución
1.
X=Poiss (λ=x)
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)
P(X=0) = e^-1,8* 1,8^0/0!
P(X=0) = 0,1653
P(X=1) = e^-1,8* 1,8^1/1!
P(X=1) = 0,2875
P(X=2) = e^-1,8* 1,8^2/2!
P(X=2) = 0,2678
P(X=3) = e^-1,8* 1,8^3/3!
P(X=3) = 0,1607
P(X=4) = e^-1,8* 1,8^4/4!
P(X=4) = 0,0723
P(X=5) = e^-1,8* 1,8^5/5!
P(X=5) = 0,0260
P(X=6) = e^-1,8* 1,8^6/6!
P(X=6) = 0,0078
P(X=7) = e^-1,8* 1,8^7/7!
P(X=7) = 0,002
P(X=8) = e^-1,8* 1,8^8/8!

P(X=8) = 0,0004
P(X=9) = e^-1,8* 1,8^9/9!
P(X=9) = 0,00009
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
2.
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
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:
Tenga más de 10 años de educación promedio.
La probabilidad es 0,86
Tenga entre 7.5 y 10.5 años de educación promedio.
¿A partir de qué valor se tiene el 5% más bajo de educación?
A partir del valor de 9,015
Solución
Datos
µ= 8,1
ó^2= 3,1
ó = √3,1 = 1,76
La distribución normal estandarizada
N (0,1)
La variable X la denotamos por Z
Z = X - µ/ó
1.
P (X > 10) = P (Z<10-8,1/1,76)
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

2.
P (7,5 < X < 10,5) = P (X<10,5) – P (X<7,5)
P (7,5 < X < 10,5) = P (Z<10,5 – 8,1/ 1,76) – P (Z<7,5- 8,1 / 1,76)
P (7,5 < X < 10,5) = P (X<1,36) – P (X<-0,34)
P (7,5 < X < 10,5) = 0,9130 – 0,3669
P (7,5 < X < 10,5) = 0,55
3.
Z= X - µ/ó
0,5199= X -8,1/1,76
0,5199*1,76+8,1= X
X= 9,015
Solución al estudio de caso #: El grupo entrega aquí, de manera organizada, el análisis,
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)
MENTEFACTO
Conclusiones (mínimo 1 por cada participante)

ESTUDIANTE CONCLUSIÓN
Harvey Alonso Sánchez Se reconoció la importancia de las
temáticas de la unidad 2 y como estas se
aplican a las situaciones en la vida diaria
y en las diferentes ramas de la ciencia.
Didier Armando Pardo El uso de la probabilidad en los diferentes
casos nos permite analizar de forma
detallada las situaciones planteadas a la
hora de recaudar datos, en pro de hallar
una solución a las problemáticas de las
diferentes áreas. Al término del desarrollo
de esta guía nos permite ampliar el
conocimiento profundizando sobre los
diferentes métodos a implementar.
Referencias bibliográficas en formato APA. (Mínimo una por cada

participante, no pueden repetir referencias)
ESTUDI REFERENCIA
ANTE
Harvey García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. Primer
Alonso curso. Pp. 221-291. Recuperado de:
Sánche https://bibliotecavirtual.unad.edu.co:2538
z
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 245-
301. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527
Didier Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.
Armand Recuperado de
o Pardo http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer
curso. Recuperado de https://bibliotecavirtual.unad.edu.co:2538

346 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

346 Tarea 2

Cargado por

Copyright:

Formatos disponibles

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

Plantilla para entrega de la Unidad 1: Tarea 1 – Espacio

Tarea 2 Experimentos Aleatorios y Distribuciones de

Universidad nacional abierta y a distancia – Unad

Introducción (mínimo 2 párrafos de 10 líneas de texto cada

La presente tarea consta de tres ejercicios; en el primero, cada

El tercer ejercicio, se realizará un mentefacto que ilustre los conceptos

Resolver casos de estudio, utilizando los conceptos propios de la

 Realizar un Mentefacto de forma colaborativa a partir de los

 Reconocer la Importancia de las temáticas de la unidad 2 y

Estudios de caso estudiante N°1:1

a. Distribución Hipergeométrica: Una empresa manufacturera

Tenemos la función de probabilidad así:

N es la población que son los 100 articulo N=100

K es el número de éxitos de la población, que son los 5 celulares

n es el de número de la muestra, que son los 6 celulares que sacan

x es el numero de éxitos de la muestra, y preguntan que solo 1 celular

Reemplazamos los datos en la ecuación.

La probabilidad de que salga 1 celular dañado en un muestra de 6

b. Distribución Binomial: La probabilidad de fallar durante el

p ( x=k ) = n ∗p x (1− p) n−x

n=numero de ensayos n=6

p=probabilidad de éxito p=0.0005

x=numero de casos exitosos

1. No ocurra ninguna falla de motor

x=0 porque esperamos que no falle

p ( x=0 )= 6 ∗( 0.0005 ) (1−0.0005)6−0

¿ 1∗1∗( 0,9995 )6=0,997

La probabilidad de que no ocurra una falla de motor en el avión es

2. No ocurra más de una falla

Tenemos que la probabilidad de que la variable tome el valor menor o

En este caso ya tenemos del punto anterior cuanto es la probabilidad

¿ 6∗( 0.0005 )∗(0.9995)5

¿ 6∗( 0.0005 )∗ ( 0.9975 )

Ahora realizamos la suma de las dos probabilidades.

3. Ocurra exactamente dos fallas.

Tenemos que la probabilidad de que la variable tome el valor igual a 2:

p ( x=2 )= 6 ∗( 0.0005 ) (1−0.0005)6−2

¿ 15∗( 0.00000025 )∗( 0.99800 )

c. Distribución Poisson: El número de casos admitidos de

La media o promedio de éxitos por horas es μ=3

El número de casos admitidos por hora (éxito) es “x”

1. Ningún caso de emergencia es admitido.

Ahora reemplazamos en la formula

≅ 4.978 % de probabilidad de que ningun caso sea admitido

2. Más de 3 casos de emergencia son admitidos.

p ( x>3 )= p ( x=4 ) + p ( x=5 )+ p ( x=6 ) …+¿

En este caso la variable discreta de Poisson no está acotada.

Sabiendo que la probabilidad de que ocurra un suceso “a” es igual a 1

Entonces la probabilidad de que ocurran más de 3 éxitos.

p ( x>3 )=1− p(x ≤3)

p ( x ≤ 3 )= p ( x=3 ) + p ( x=2 ) + p ( x =1 )+ p (x=0)

Debemos calcular cada uno por separado.

Ahora realizamos la suma

p ( x>3 )=1− p(x ≤3)

Entonces la probabilidad que mas de 3 casos sean admitidos

Solución al estudio de caso 5: El grupo entrega aquí, de manera organizada, el análisis,

Distribución Hipergeométrica: A menudo los biólogos que estudian

P(x) = Ck,x * C(N-k);(n-x)/ CN,n

Ck,x = C10,5 = 10!/5!5!= 10*9*8*6*6*5!/5!*5*4*3*2*1 =252

C(N-k);(n-x) = C15,10 = 15!/10!*5*4*3*2*1 = 15*14*13*12*11/120

CN,n = C25,15 = 3268760

P(x) = 252*3003/3268760 = 0,2315

Ck,x = C10,5 = 10!/5!5!= 1098665!/5!54321 =252

C(N-k);(n-x) = C15,10 = 15!/10!54*321 = 1514131211/120

P (defectuosos) = 3/253/253/25 = 0,120,120,12 = 0,002