238 - Tarea 2 .KKS

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Unidad 2: Tarea 2 - Experimentos aleatorios y distribuciones de

probabilidad
PROBABILIDAD
ESTUDIANTES:
JOYCE KATRIN SMITH

KAREM SOFIA PEREZ
JORGE ALVARO CASAS
FEDERMAN ANDRES ANGULO
GRUPO:
100402_238
TUTOR:
EDGAR ELIECER BLANCO
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD
2020
Introducción
La probabilidad es un método por el cual se obtiene la frecuencia de un

suceso, aplicando un experimento realizado de forma significativa, esta forma
de conocer la repetición de este evento, y ayuda diariamente a tener nociones
sobre cómo resolver problemas cotidianos en los que está inmersa la
probabilidad.
Por ello, el presente trabajo es de vital importancia, porque ha
permitido tener claridad sobre conceptos sobre Probabilidad condicional y
distribuciones de Probabilidad, siendo así que se muestra un cuadro sinóptico
de los temas de la unidad, la solución de diversos estudios de caso y un
Mentefacto sobre el contenido dado.
Con este trabajo se presenta la forma idónea para utilizar e
implementar en los ejercicios que serían en todo el transcurso del periodo
académico lo cual obtendremos las bases fundamentales para realizar dichos
procesos en la formación de este curso y ser aplicados en nuestra vida
cotidiana.
Objetivos
General:
Conocer y aplicar los conceptos de probabilidad condicional y

distribuciones de probabilidad, con el propósito de desarrollar los
compendios de casos de estudios y su aplicación en la vida diaria,
enfocada en las variables aleatorias discretas y continuas, y las
distribuciones de las mismas.
Específicos:
 Analizar las distribuciones de probabilidad, en la aplicación de

ejercicios.
 Conocer claramente sobre la probabilidad condicional y las
variables.
Ejercicio 1
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:
RESPONSABLE ROL SELECCIONADO
JORGE ALVARO ALERTAS
CASAS
Estudios de caso estudiante N°1
a. Distribución Hipergeométrica: De 60 personas seleccionadas de

una determinada empresa, 20 de ellas son técnicos y 40 son
profesionales de cierta área de la lingüística. Si se selecciona
aleatoriamente una muestra de 12 personas, ¿Cuál es la Probabilidad
de que:
1. 6 de ellos sean tecnólogos?
N = “número total de la población: 60”

K = “número de éxitos de la Población: 20”
n = “número de muestras: 12”
X = “Numero de tecnólogos en la muestra de 12”
P(X= 6)
En Excel utilizamos la formula =DISTR.HIPERGEOM.N(6;12;20;60;0)
P(X = 6 ) = 0,10631698
Respuesta: la Probabilidad de que 6 de ellos sean tecnólogos es de

0,10631698
2. 7 de ellos sean profesionales?


Y = “Numero de tecnólogos en la muestra de 12”
P(Y = 7 )
P(Y = 7 ) = 0,20655871
Respuesta: la Probabilidad de que 7 de ellos sean profesionales es de

0,20655871
b. Distribución Binomial: (Distribución binomial). En una empresa el

25% de los empleados tienen estudios de posgrado. Se elige
aleatoriamente una muestra de 20 trabajadores. Si X es la variable
aleatoria que representa el número de trabajadores con postgrado,
encuéntrese:
n = “número de ensayos: 20 trabajadores”

Éxito = “Se selecciona un trabajador con posgrado”
p = “probabilidad de éxito: 0.25”
X = “número de trabajadores con posgrado en la muestra de 20”
P ᷈ B( 20, 0.25)
x 0 1 2 3 4 5
p 0,003171 0,021141 0,066947 0,133895 0,189685 0,202331
(X=x) 21 41 808 62 45 15
6 7 8 9 10 11 12
0,168609 0,11240 0,060886 0,027060 0,009922 0,003006 0,000751
29 62 69 75 28 75 69
13 14 15 16 17 18 19
0,0001541 2,5699E- 3,4265E- 3,5693E- 2,7994E- 1,5552E- 5,457E- 9,0949E-
9 05 06 07 08 09 11
Si X es la variable aleatoria que representa el número de trabajadores con

postgrado, encuéntrese:
En Excel utilizamos la formula =DISTR.BINOM.N(0;20;0,25;0)
1. 𝑃(𝑋 ≤ 4)
P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4) = 0,4148415
𝑃 (𝑋 ≤ 4) = 0,4148415
2. 𝑃(𝑋 < 4)
P(X=0) + P(X=1) + P(X=2) + P(X=3) = 0,22515605
𝑃 (𝑋 < 4) = 0,22515605
3. 𝑃(𝑋 ≥ 6)
P(X=6) + P(X=7) + P(X=8) ……… + P(X=20) = 0,38282735
𝑃 (𝑋 ≥ 6) = 0,38282735
4. 𝑃(𝑋 > 6)
P(X=7) + P(X=8) + P(X=9) ……… + P(X=20) = 0,21421805
𝑃 (𝑋 > 6) = 0,21421805
5. 𝑃(2 ≤ 𝑋 ≤ 8)
P(X=2) + P(X=3) + P(X=4) + P(X=5) + P(X=6) + P(X=7) + P(X=8) =

0,934762207
𝑃 (2 ≤ 𝑋 ≤ 8) = 0,934762207
6. 𝑃(2 ≤ 𝑋 < 8)
P(X=2) + P(X=3) + P(X=4) + P(X=5) + P(X=6) + P(X=7) = 0,873875518
𝑃 (2 ≤ 𝑋 < 8) = 0,873875518
7. 𝑃(2 < 𝑋 ≤ 8)
P(X=3) + P(X=4) + P(X=5) + P(X=6) + P(X=7) + P(X=8) = 0,8678144
𝑃 (2 < 𝑋 ≤ 8) = 0,8678144
8. 𝑃(2 < 𝑋 < 8)
P(X=3) + P(X=4) + P(X=5) + P(X=6) + P(X=7) = 0,80692771
𝑃 (2 < 𝑋 < 8) = 0,80692771
9. 𝑃(𝑋 = 4)
𝑃 (𝑋 = 4) = 0,18968545
c. Distribución Poisson: En el estudio de cierto organismo acuático se

toman gran número de muestras de un estanque y se midió el número
de organismos que había en cada muestra. Se encontró que el
promedio de organismos por muestra fue de tres. Encontrar la
Probabilidad de que:
Formula
e−λ λ X
P(X)
X!
𝝀=3
X = “Numero ciertos organismos acuáticos en un muestra”
0 1 2 3 4 5 6 7
0,04978 0,14936 0,224041 0,22404 0,16803 0,10081 0,05040 0,02160

707 121 808 181 136 881 941 403
En Excel utilizamos la formula =POISSON.DIST(0;3;0)
1. La siguiente muestra que se tome contenga uno o más organismos.
P (X ≥ 1)
En Excel utilizamos la formula = =POISSON.DIST(0;3;0)
1- Fx( 0 ) = 1- 0,04978707 = 0,95021293
Nota: la probabilidad de que todos los posibles valores en la distribución de

posisson es 1.
2. La próxima muestra tomada contenga exactamente dos organismos.
P (X = 2)
En Excel utilizamos la formula =POISSON.DIST(2;3;0) = 0,22404181
P (X = 2) = 0,22404181
Respuesta: la Probabilidad de que la próxima muestra tomada contenga

exactamente dos organismos es de 0,22404181.
d. Distribución Normal: En comparación con las baterías tradicionales,

las baterías de iones de litio se cargan más rápido, duran más y tienen
una densidad de potencia más alta, lo que las hace más livianas y les
da una mayor duración. Estas baterías duran en promedio 6 años, con
una desviación estándar de 0,9 años. Suponiendo que la duración de
las baterías está normalmente distribuida, encuéntrese la Probabilidad
de que una batería de litio dada dure entre de 4 y 7 años.
X = “La duración de una batería de litio en años”
X ᷈ N(6, 0,92)
P (4 ≤ 𝑋 ≤ 7)
P = Fx (4) - Fx (7)
En Excel utilizamos la formula = DISTR.NORM.N(4;6;0,9;1) = 0,01313415
Fx (4) = 0,01313415
En Excel utilizamos la formula = DISTR.NORM.N(7;6;0,9;1) = 0,86673974
Fx (7) = 0,86673974
P (4 ≤ 𝑋 ≤ 7) = 0,86673974 - 0,01313415 = 0,85360559

Respuesta: la Probabilidad de que una batería de litio dada dure entre de 4 y

7 años es de 0,85360559


JOYCE KATRIN SMITH ENTREGAS
Estudios de caso estudiante N°2:
a. Distribución Hipergeométrica: Un lote de 40 artículos contiene 5

defectuosos. Se elige una muestra aleatoria de 8 artículos. ¿Cuál es la
Probabilidad de que 3 de ellos sean defectuosos?
N=número total de la población,

n=número de la muestra,
k=número de éxitos de la población,
x=número de éxitos de la muestra
k N −k
P ( X=x )=
( n )( n−x )
( Nn )
N=40
n=8
k=5
x=3
5 ∗ 40−5
P ( X=3 )=
( 3 ) ( 8−3 )
( 408)
5 ∗ 35
P ( X=3 )=
( 3) ( 5 )
(408 )
( 10 )∗( 324,632 )
P ( X=3 )=
( 76,904,685 )
3,246,320
P ( X=3 )=
76,904,685
P ( X=3 )=0,0422
La Probabilidad de que 3 artículos sean defectuosos, es del 4,22%
b. Distribución Binomial: En cierta zona geográfica, el 10% de las

personas son analfabetas. ¿Cuál es la Probabilidad de que una muestra
aleatoria de 15 adultos el número de analfabetas sea:
P ( X=k )= (nk ) p (1− p)

k n−k
p=probabilidad de éxito que ocurra el evento
n= número total de veces que se lleva a cabo el experimento
k= número total de veces que se ocurre el evento
p=10%  0,10
n=15
1. ¿Exactamente 6?
p=0,10
n=15
k=6
P ( X=6 )= 15 ∗( 0,10 )6∗(1−0,10)15−6

( )
6
P ( X=6 )=( 5005 )∗( 0,000001 )∗(0,9)9
P ( X=6 )=( 5005 )∗( 0,000001 )∗(0,387)
P ( X=6 )=0,001936
La probabilidad que sean exactamente 6 adultos analfabetas, es de 0,19%

2. ¿Menos de 5?
p=0,10
n=15
k<5
Se bene obtener las probabilidades menores que 5, por lo tanto se obtiene:
P ( x<5 )=P ( x =0 ) + P ( x=1 )+ P ( x=2 ) + P ( x=3 ) + P ( x=4 )
P ( X=0 )= (150 )∗( 0,10 ) ∗(1−0,10)

0 15−0
P ( X=0 )=( 1 )∗ (1 )∗0,20=0,20
P ( X=1 ) = 15 ∗( 0,10 )1∗(1−0,10)15−1

( )
1
P ( X=1 ) =( 15 )∗( 0,10 )∗( 0,228 ) =0,342
P ( X=2 )= (152)∗( 0,10 ) ∗(1−0,10)

2 15−2
P ( X=2 )=( 105 )∗( 0,01 )∗( 0,254 )=0,266
P ( X=3 )= 15 ∗( 0,10 )3∗(1−0,10)15−3

( )
3
P ( X=3 )=( 455 )∗( 0,001 )∗( 0,282 )=0,128
P ( X=4 )= (154 )∗( 0,10) ∗(1−0,10)

4 15−4
P ( X=4 )=( 1365 )∗( 0,0001)∗( 0,313 )=0,042
P ( x<5 )=P ( x =0 ) + P ( x=1 )+ P ( x=2 ) + P ( x=3 ) + P ( x=4 )

P ( x<5 )=0,20+0,342+0,266+ 0,128+0,042
P ( x<5 )=0,978 ≈ 0,98
La probabilidad que sean menos de 5 adultos analfabetas, es de 98%
3. ¿3 o más?
p=0,10
n=15
k≥3
P ( X=3 )=0,128
P ( X=4 )=0,042
P ( X=5 )=( 155)∗( 0,10 ) ∗(1−0,10)

5 15−5
=0,010
P ( X=6 )=0,0019
P ( X=7 )= 15 ∗( 0,10 )7∗( 1−0,10 )15−7=0,00027

( )
7
P ( X=8 )= (158 )∗( 0,10 ) ∗( 1−0,10 )

8 15−8
=0,000030
P ( X=8 )= 15 ∗( 0,10 )8∗( 1−0,10 )15−8=0,000030

( )
8
P ( X=9 )=0,0000027
P ( X=15 )=0,0000000
Y de esta forma se hallan todas las probabilidades.

La probabilidad que sean 3 o más adultos analfabetas, es de 18,41%
4. ¿Entre 3 y 5 inclusive?
p=0,10
n=15
k=3≤x≤5
P ( X=3 )=0,128
P ( X=4 )=0,042
P ( X=5 )=0,010
P ( 3≤ x ≤ 5 ) =P ( x=3 )+ P ( x=4 ) + P ( x=5 )
P ( 3≤ x ≤ 5 ) =0,128+0,042+0,010
P ( 3≤ x ≤ 5 ) =0,18
La probabilidad que sea entre 3 y 5 inclusive adultos analfabetas, es de

18,18%
5. Menos de 7 pero más de 4?
p=0,10
n=15
k=7<x>4
P ( X=5 )=0,010
P ( X=6 )=0,0019
P ( 7< x >4 )=P ( x=5 ) + P ( x=6 )
P ( 7< x >4 )=0,010+ 0,0019
P ( 7< x >4 )=0,0119 ≈ 0,012
La probabilidad que sea menos de 7 pero más de 4 adultos analfabetas, es de

1,2%
c. Distribución Poisson: Un Call center de la empresa de telefonía

Movistar puede recibir un máximo de 8 llamadas por minuto, en
promedio se reciben 5 llamadas cada minuto. Encuéntrese las
Probabilidades de que el número de llamadas recibidas en el siguiente
minuto por el call center sea:
μ x∗e− x
P ( x) =
x!
μ=media del número de ocurrencia en un intervaloespecifico
e=2,71828 base de loslogaritmos neperiano
x=número de ocurrencia (éxito)
Se procede a obtener cada probabilidad de poisson, en base al problema con

las formulas usadas en Excel.
1. Máximo 6.
μ=5
e=2,71828
x≤6
Se hace la suma de las probabilidades, hasta el intervalo 6.
La probabilidad de que el número de llamadas recibidas en el siguiente

minuto por el call center sea máximo 6, es del 76%.
2. Menos de 4.
μ=5
e=2,71828
x <4
Se tienen en cuenta las probabilidades menores que 4


minuto por el call center sea menos de 4, es del 27%.
3. Al menos 3.
μ=5
e=2,71828
x ≤ 3Se tienen en cuenta las probabilidades menores o igual a 3.

minuto por el call center sea al menos 3, es del 73%
4. Tan grande que lo sature.
μ=5
e=2,71828
x=8
Se tienen en cuenta las probabilidades iguales a 8, es decir todas las que se

están solicitando.

minuto por el call center sea tan grande que lo sature, es del 7%
5. Entre 2 y 7.
μ=5
e=2,71828
2> x <7
Se tienen en cuenta las probabilidades mayores a 2 y menores a 7.

minuto por el call center sea entre 2 y 7, es del 64%
6. Una o más pero menos de 8.
μ=5
e=2,71828
1 ≥ x <8
Las probabilidades están en rangos mayores o iguales a 1, pero menores que

8

minuto por el call center sea una o más pero menos de 8, es del 86%
7. No más de 3 pero más de 1.
μ=5
e=2,71828
1> x <3
Las probabilidades están en rangos mayores a 1, menores a 3

minuto por el call center sea no más de 3 pero más de 1, es del 22%
8. Más de 2 pero menos de 6.
μ=5
e=2,71828
2< x <6

minuto por el call center sea más de 2 pero menos de 6, es del 49,1%
9. Ninguna.

minuto por el call center sea ninguna llamada, es del 0,7%
d. Distribución Normal: El pan de Almendra alto en proteína es el

producto más exitoso de Fitcook by Mary Méndez, este producto se
distribuye en las principales ciudades del País. Las cajas en las cuales
se empaca este producto tienen una longitud promedio de 32
centímetros y una desviación estándar de 3 centímetros. Si se supone
que las longitudes están distribuidas normalmente, ¿qué porcentaje de
las cajas son:
En pro del análisis de la variable aleatoria x, distribuida normalmente, se

transforma la variable x en una escala estandarizada z, usando la siguiente
ecuación.
X−μ
Z=
σ
Resultado que el valor x, se transforma en un valor z, cuya probabilidad está

en la tabla.
Z=valor a obtener , para identificar en la tabla de la distribución normal
X =variable aleatoria
μ=media muestral
σ =desviación muestral
1. más largas que 33.8 centímetros?

X−μ
Z=
σ
X =33,8
μ=32
σ =3
33,8−32 1,8
Z= = =0,6
3 3
Con este valor se ubica en la gráfica el punto desde el cual se desea conocer
el área bajo la gráfica sabiendo además que desde el valor de z=0 hacia la
derecha tenemos un área de 0,5, con esto al recurrir a la tabla para z=0,6,
obtenemos el valor de 0,7422 en la tabla de la normal acumulada.
( 1−P ( x <33,8 ) )=1−0,7422=0,2578
El porcentaje cuando las cajas se empacan con una longitud más largas que
33.8 centímetros, es de 25,78%
2. de entre 31,3 y 35.5 centímetros de longitud?
X =31,3
μ=32
σ =3
31,3−32 −0,7
Z= = =−0,23
3 3
el área bajo la gráfica sabiendo que tenemos un área de 0.5, con esto al
recurrir a la tabla para z=-0,23, obtenemos el valor de 0,4013 en la tabla de
la normal acumulada.
0,4013 ≈ 40,13 %
X =35,5
μ=32
σ =3
35,5−32 3,5
Z= = =1,16
3 3
recurrir a la tabla para z=1,16, obtenemos el valor de 0.8749 en la tabla de
la normal acumulada.
0,8749 ≈ 87,49 %
Se restan los valores originados por Z
0,8749−0,4013=0,4736
El porcentaje cuando las cajas se empacan entre 31,3 y 35.5 centímetros de

longitud, es de 47,36%
3. ¿más cortas que 27.5 centímetros?

X =27,5
μ=32
σ =3
27,5−32 −4,5
Z= = =−1,5
3 3
recurrir a la tabla para z=-1.5, obtenemos el valor de 0.0606 en la tabla de la
normal acumulada.
0.0606 ≈ 6,06 %
El porcentaje cuando las cajas que se empacan sean más cortas que 27.5
centímetros, es de 6,06%

FEDERMAN ANDRES ANGULO
a. Distribución Hipergeométrica: En un auditorio se encuentran

reunidas 7 personas, de las cuales 2 son hombres. Una persona
elige aleatoriamente 4 de dichas personas. ¿Cuál es la
Probabilidad de elegir:
tp tq
P ( x ,=r )=
( r )( t−r )
(1)
T
(t)
 T =Tamaño de la población
 Z=El número de éxitos enla población
 Xi=El número de éxitos en lamuestra
 t=Es el tamaño de la muestra o el número de ensayos
 Ct =combinación
1
Tomado y adaptado de Gutiérrez, Banegas, Ana Laura. Probabilidad y estadística Enfoque por competencias, Grupo
Editorial Mc Graw Hill, 2012.
1. ¿Cero Mujeres?
Si definimos valores
T =7
Z=5
t=4
T −z=7−5=2
t−xo=4−xo
Solución de las combinaciones
n!
n C r= (2)
r ! ( n−r ) !
Si remplazamos la ecuación 2 en 1 obtenemos la ecuación general

para este caso.
5! 2!
( 0! (5−0 ) ! (4−0) ! ( 2−4¿ ) ! )
) (
P=
x
7!
4 ! (7−4 ) !
La combinación no puede realizarse al ser imposible escoger una

muestra de 4 personas sin tomar una mujer ya que solo tenemos
hombres, de una forma u otra debemos tomar una mujer
2. ¿Un hombre?
Si definimos valores
T =7
Z=2
t=4
T −z=7−2=5
t−xo=4−xo
2! 5!
P x=
( )(
1 ! ( 2−1 ) ! (3)! ( 5−3¿ ) ! ) =0,571
7!
4 ! ( 7−4 ) !
3. ¿Dos hombres?
2! 5!
P x=
( )(
2! ( 2−2 ) ! (2)! ( 5−2¿ ) !
=0,286
)
7!
4 ! ( 7−4 ) !
b. Distribución Binomial: Una empleada de servicios generales

debe de empezar sus quehaceres laborales todas las mañanas a
las 7:00 AM, se retarda 2 horas o más el 30% de las veces en
empezar. El jefe de talento humano que no llega sino a las 8:00
AM hace semanalmente monitoreo, para verificar las
instalaciones de trabajo estén en óptimas condiciones de aseo
entre las 9:00 AM y las 10:00 AM. ¿Cuál es la Probabilidad de
que dos mañanas de las cinco en que el jefe de talento humano
hace la verificación, las instalaciones estén en óptimas
condiciones?
Ecuación general:
P ( t ) =niCt St (1−S)n−t
Donde:
n=Número de ensayos
Ct :combinación
S=Probabilidad de éxito en cada ensayo
t :Variable aleatoriadefinida como elnúmero de éxitos
n!
 n C r=
r ! ( n−r ) !
Si definimos valores:
 n=5
 1−S=0,3
 S=0,7
5!
 P ( t=2 )= ( 0,7 )2(1−0,7)5−2=0,132
2! ( 5−2 ) !
c. Distribución Poisson: Ciertos automóviles llegan a una garita

de peaje aleatoriamente a una tasa de 500 autos cada hora.
Encuentre la Probabilidad de que durante un periodo de un
minuto lleguen:
1. Cinco automóviles.
t=500 por hora ÷ 60 min=8,33
t x e−t
P ( r )=
r!
Valores conocidos:
t : 8,33
e: Constante logaritmo neperiano
Remplazando:
8,335 e−8,33
 P ( r=5 ) = =0,08
5!
2. Cuando más, tres automóviles.
8,330 e−8,33
 P ( r=0 )= =0,00024
0!
8,331 e−8,33
 P ( r=1 )= =0,002
1!
8,33 2 e−8,33
 P ( r=2 ) = =0,0084
2!
8,333 e−8,33
 P ( r=3 )= =0,023
3!
Sumamos los resultados= 0,0338
3. Menos de ocho automóviles.
8,330 e−8,33
 P ( r=0 )= =0,00024
0!
8,331 e−8,33
 P ( r=1 )= =0,002
1!
8,33 2 e−8,33
 P ( r=2 ) = =0,0084
2!
8,333 e−8,33
 P ( r=3 )= =0,023
3!
8,33 4 e−8,33
 P ( r=4 ) = =0,048
4!
8,335 e−8,33
 P ( r=5 ) = =0,08
5!
8,336 e−8,33
 P ( r=6 )= =0,112
6!
8,337 e−8,33
 P ( r=7 )= =0,1331
7!
Sumamos las probabilidades=0,4079
d. Distribución Normal: Si los valores de Azúcar en sangre total

de los seres humanos están distribuidos aproximadamente en
forma normal con μ=90 mg/dl y σ =9 mg/ dl . Hallar la Probabilidad de
que un individuo elegido al azar de dicha población tenga un
valor de azúcar en sangre de:
1. Al menos 82 mg/dl.
Tomando la fórmula de desviación estándar en función de la

varianza
k−μ
 Z=
σ
Valores conocidos:
K= 82
μ= Media: 90
σ= 9
Resolviendo:
82−90 −8
 Z= = =−0.88
9 9
La probabilidad es de =0,1894
Pero como es al menos entonces seria P(x)=1-0,1894=0,8106
2. Cuando mucho 110mg/dl .
110−90 20
Z= = =2,22
9 9
La probabilidad de cuando mucho sea 110 es 0,9868
3. Menos de 140 mg/dl .
140−90 50
Z= = =5,55
9 9
Como no se encontró en tables este valor tan alto se recurrió a

Excel dando como resultado 0,99

KAREN SOFIA PEREZ YEPES COMPILADOR
a. Distribución Hipergeométrica: Cada uno de 12 refrigeradores de un tipo

ha sido devuelto a un distribuidor debido a que se escucha un sonido agudo
cuando el refrigerador está funcionando. Suponga que 7 de estos
refrigeradores tienen un compresor defectuoso y que los otros 5 tienen
problemas menos serios. Si los refrigeradores se examinan en orden
aleatorio, sea X el número entre los primeros 6 examinados que tienen un
compresor defectuoso.
1. Calcule la probabilidad de que sean 4 los refrigeradores con compresor

defectuoso, entre los primeros 6 examinados.
P ( X=4 ) .
 P ( X=4 )=0,378
Respuesta: la Probabilidad de que 4 de los refrigeradores tengan un

compresor defectuoso es de 0,10631698.
2
2. Calcule la probabilidad de que sean máximo 4 los refrigeradores con

compresor defectuoso, entre los primeros 6 examinados.
P( X ≤ 4) .
P ( X ≤ 4 ) =P ( X=1 ) + P ( X=2 )+ P ( X =3 ) ++ P ( X=4 )
 P ( X=1 ) =0,0075
 P ( X=2 )=0,1136
 P ( X=3 )=0,378
 P ( X=4 )=0,378
 P ( X ≤ 4 ) =0,0075+0,1136+ 0,378+0,378=0,8771
Respuesta: la Probabilidad de que 4 o menos refrigeradores tengan un

compresor defectuoso es de 0,8771.
3. Determine la Probabilidad de que X exceda su valor medio por más de

1 desviación estándar.

K 7
μ=n =6 x =3,5
N 12
n. K ( N−K ) ( N −n) 6 x 7(12−6)(12−7)

σ 2= = =0,7954
N 2 (N −1) 122 (12−1)
σ =0,8918
X =μ+σ =3,5+0.8918=4,39 ≈ 5
 P ( X ≥5 )=P ( X=5 )+ P ( X =6 )
 P ( X=5 )=0,1136
 P ( X=6 )=0,0075
 P ( X ≥5 )=P ( X=5 )+ P ( X =6 ) =0,1212
Respuesta: la Probabilidad de que X exceda su valor medio por más de 1

desviación estándar es de 0,8771.
b. Distribución Binomial: Un jugador de softball tiene un promedio de

bateo de 0,25 (ósea un hit en cada 4 veces que vaya a batear) si se supone
que se puede aplicar la distribución binomial y pasa a batear 4 veces en un
cierto día, ¿Cuál es la probabilidad de que:
n = “número de ensayos: 4”
Éxito = “Haga un hit”
p = “probabilidad de éxito: 0.25”
X = “número de Hits en la muestra de 4”
P ᷈ B (4, 0.25)
X 0 1 2 3 4
p 0,3164062 0,210937 0,0039062
(X=x) 5 0,421875 5 0,046875 5
Si X es la variable aleatoria que representa el número Hits.
En Excel utilizamos la formula =DISTR.BINOM.N(X;4;0,25;0)
1. Logre un solo hit?
Si x=1
P ( X=1 ) =0,4218
2. ¿Dé por lo menos un hit?
P ( X ≥1 ) =P ( X=1 ) + P ( X=2 ) + P ( X =3 ) + P ( X=4 )
P ( X ≥1 ) =0,421875+0,2109375+0,046875+0,00390625=0,6836
c. Distribución Poisson: El nuevo Coronavirus (COVID-19) ha sido

catalogado por la Organización Mundial de la Salud como una emergencia en
salud pública de importancia internacional (ESPII). La Probabilidad de que
una persona infectada por COVID-19 fallezca al día de hoy está dada por el
0,03. Encuéntrese la probabilidad de que fallezcan menos de 3 de las
próximas 500 personas infectadas.
 Formula
ε− λ . λ X
P ( X=x )= ; λ=n. p
X!
λ=500 x 0,03=15
X = “Numero fallecidos en una muestra”
Se calcula la probabilidad de que fallezcan menos de 3 de las próximas 500

personas infectadas.
P ( X <3 )
En Excel utilizamos la formula =POISSON.DIST(X;15;0)
 P ( X <3 ) =P ( X=2 ) + P ( X=1 ) + P( X=0)
 P ( X=2 )=3,44 x 10−5
 P ( X=1 ) =4,588 x 10−6
P ( X=0 )=3,059 x 10−7
Entonces
P ( X <3 ) =3,93 x 10−5.

Respuesta: la Probabilidad de que fallezcan menos de 3 de las próximas 500

personas infectadas es de 3,93 x 10−5.
d. Distribución Normal: La cantidad de gaseosa diaria, en litros, que sirve

una máquina que se localiza en la confitería de un Cinema es una variable
aleatoria X que tiene una distribución continua uniforme con A = 4 y B = 9.
Calcule la probabilidad de que en un día determinado la cantidad de gaseosa
que sirve esta máquina sea
Se calcula f ( x) teniendo en cuenta:
{
en A ≤ x ≤ B
B−A
f ( x) .
.
0 en otro caso
Siendo A=4 y B=9
{
en 4 ≤ x ≤ 9
5
f ( x) .
.
0 en otro caso
Para calcular la probabilidad acumulada se aplica la siguiente formula:
D−C
P ( d < x< c )=
B− A
Siendo:
A y B la distribución continua en litros de gaseosa que se sirve en el cinema.
D y C el rango propuesto que se desea hallar, siendo D el límite máximo y C

el mínimo.
1. a lo sumo 7.5 litros.
D= 9 L
C= 7.5 L
9−7,5
P ( d < x< c )= =0,3
9−4
Respuesta: la Probabilidad de que se sirva en un día a lo sumo 7.5 Litros de

gaseosa en el cinema es del 0.3.
2. Más de 6.3 litros, pero menos de 8.3 litros;
D= 8.3 L
C= 6.3 L
8.3−6.3
P ( d < x< c )= =0,4
9−4
Respuesta: la Probabilidad de que se sirvan en un día más de 6.3 y menos

de 8.3 Litros de gaseosa en el cinema es del 0.4.
3. Al menos 9.2 litros
Teniendo en cuenta lo siguiente:
{
en 4 ≤ x ≤ 9
5
f ( x) .
.
0 en otro caso
P ( X >9,2 ) =0
Respuesta: la Probabilidad de que se sirvan al menos 9.2 litros de gaseosa

en el cinema es 0, ya que el máximo valor que puede tomar es 9 litros según
lo propuesto en el problema.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de Investigación - VIACI
Ejercicio 3
Mentefacto:
Podemos decir que la distribución de probabilidad

su importancia radica en la solución de situaciones
técnicas de carácter científico, meteorológicas,
industrial, de la naturaleza etc.
Conclusiones
ESTUDIANTE CONCLUSIÓN
La actividad anterior, de una forma u otra fue
significativa, ya que permitió conocer a
JOYCE KATRIN SMITH profundidad los conceptos de Probabilidad
condicional y distribuciones de Probabilidad, al
momento de usarlas en problemas cotidianos, de
conocer las variables cualitativas discretas y
continuas y sus distribuciones; todo ello para
conocer los resultados de los experimentos que
apliquemos.
Por medio del presente trabajo podemos concluir
que es importante tener un buen manejo de los
temas planteados este esta unidad, ya que estos
nos desarrollan distintas habilidades al momento
KAREN SOFIA PEREZ de interpretar casos que se nos presenten en el día
a día sean a nivel personal o laboral, mediante un
conjunto de diversos métodos matemáticos que
tienen como objetivo obtener, presentar y analizar
datos (ya sean números o cualidades), estas se
vuelven representativas y significativas.
JORGE ALVARO En el presente trabajo se pretende aplicar el
CASAS concepto de probabilidad condicional y
distribuciones de probabilidad, en el desarrollo de
los casos de estudio y su aplicación en la vida
diaria, logrando identificar las variables y en qué
casos se pueden aplicar las diferentes
distribuciones asociadas en la guía de actividades y
rubrica de evaluación. De otra parte se pretende
aprende a graficar los parámetros de las
distribuciones continuas y discretas
Referencias bibliográficas
ESTUD REFERENCIA
IANTE
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer
JOYCE curso. Pp. 221-243. Recuperado de https://ebookcentral-proquest-
KATRI com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
N docID=4722054&ppg=222
SMITH
KAREM Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 150-
SOFIA 152. Recuperado de
PEREZ http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527
JORGE
ALVARO Distribuciones de probabilidad, (2014) Recuperado de
CASAS
https://www.sergas.es/Saudepublica/Documents/1899/Ayuda_Epidat_4_Distrib
uciones_de_probabilidad_Octubre2014.pdf
Distribución Binomial Negativa, recuperado de

https://rpubs.com/jacoboposada11/166565

238 - Tarea 2 .KKS

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

238 - Tarea 2 .KKS

Cargado por

Copyright:

Formatos disponibles

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

Unidad 2: Tarea 2 - Experimentos aleatorios y distribuciones de

JOYCE KATRIN SMITH

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

La probabilidad es un método por el cual se obtiene la frecuencia de un

Conocer y aplicar los conceptos de probabilidad condicional y

 Analizar las distribuciones de probabilidad, en la aplicación de

Estudios de caso estudiante N°1

a. Distribución Hipergeométrica: De 60 personas seleccionadas de

1. 6 de ellos sean tecnólogos?

N = “número total de la población: 60”

Respuesta: la Probabilidad de que 6 de ellos sean tecnólogos es de

2. 7 de ellos sean profesionales?

N = “número total de la población: 60”

n = “número de muestras: 12”

En Excel utilizamos la formula =DISTR.HIPERGEOM.N(7;12;40;60;0)

Respuesta: la Probabilidad de que 7 de ellos sean profesionales es de

b. Distribución Binomial: (Distribución binomial). En una empresa el

n = “número de ensayos: 20 trabajadores”

Si X es la variable aleatoria que representa el número de trabajadores con

En Excel utilizamos la formula =DISTR.BINOM.N(0;20;0,25;0)

P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4) = 0,4148415

P(X=0) + P(X=1) + P(X=2) + P(X=3) = 0,22515605

P(X=6) + P(X=7) + P(X=8) ……… + P(X=20) = 0,38282735

P(X=7) + P(X=8) + P(X=9) ……… + P(X=20) = 0,21421805

P(X=2) + P(X=3) + P(X=4) + P(X=5) + P(X=6) + P(X=7) + P(X=8) =

P(X=2) + P(X=3) + P(X=4) + P(X=5) + P(X=6) + P(X=7) = 0,873875518

P(X=3) + P(X=4) + P(X=5) + P(X=6) + P(X=7) + P(X=8) = 0,8678144

8. 𝑃(2 < 𝑋 < 8)

P(X=3) + P(X=4) + P(X=5) + P(X=6) + P(X=7) = 0,80692771

𝑃 (2 < 𝑋 < 8) = 0,80692771

c. Distribución Poisson: En el estudio de cierto organismo acuático se

0,04978 0,14936 0,224041 0,22404 0,16803 0,10081 0,05040 0,02160

En Excel utilizamos la formula =POISSON.DIST(0;3;0)

1. La siguiente muestra que se tome contenga uno o más organismos.

En Excel utilizamos la formula = =POISSON.DIST(0;3;0)

1- Fx( 0 ) = 1- 0,04978707 = 0,95021293

Nota: la probabilidad de que todos los posibles valores en la distribución de

2. La próxima muestra tomada contenga exactamente dos organismos.

En Excel utilizamos la formula =POISSON.DIST(2;3;0) = 0,22404181

Respuesta: la Probabilidad de que la próxima muestra tomada contenga

d. Distribución Normal: En comparación con las baterías tradicionales,

X = “La duración de una batería de litio en años”

En Excel utilizamos la formula = DISTR.NORM.N(4;6;0,9;1) = 0,01313415

En Excel utilizamos la formula = DISTR.NORM.N(7;6;0,9;1) = 0,86673974

P (4 ≤ 𝑋 ≤ 7) = 0,86673974 - 0,01313415 = 0,85360559

Respuesta: la Probabilidad de que una batería de litio dada dure entre de 4 y

Solución al estudio de caso 2:

RESPONSABLE ROL SELECCIONADO

Estudios de caso estudiante N°2:

a. Distribución Hipergeométrica: Un lote de 40 artículos contiene 5

N=número total de la población,

La Probabilidad de que 3 artículos sean defectuosos, es del 4,22%

b. Distribución Binomial: En cierta zona geográfica, el 10% de las

P ( X=k )= (nk ) p (1− p)

p=probabilidad de éxito que ocurra el evento

n= número total de veces que se lleva a cabo el experimento

k= número total de veces que se ocurre el evento

P ( X=6 )= 15 ∗( 0,10 )6∗(1−0,10)15−6

P ( X=6 )=( 5005 )∗( 0,000001 )∗(0,9)9

P ( X=6 )=( 5005 )∗( 0,000001 )∗(0,387)

La probabilidad que sean exactamente 6 adultos analfabetas, es de 0,19%

Se bene obtener las probabilidades menores que 5, por lo tanto se obtiene: