Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
PROBABILIDAD
ESTUDIANTES:
GRUPO:
100402_238
TUTOR:
EDGAR ELIECER BLANCO
Introducción
Objetivos
General:
Específicos:
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
P(X = 6 ) = 0,10631698
P(Y = 7 )
P(Y = 7 ) = 0,20655871
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
1. 𝑃(𝑋 ≤ 4)
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
𝑃 (𝑋 ≤ 4) = 0,4148415
2. 𝑃(𝑋 < 4)
𝑃 (𝑋 < 4) = 0,22515605
3. 𝑃(𝑋 ≥ 6)
𝑃 (𝑋 ≥ 6) = 0,38282735
4. 𝑃(𝑋 > 6)
𝑃 (𝑋 > 6) = 0,21421805
5. 𝑃(2 ≤ 𝑋 ≤ 8)
𝑃 (2 ≤ 𝑋 ≤ 8) = 0,934762207
6. 𝑃(2 ≤ 𝑋 < 8)
𝑃 (2 ≤ 𝑋 < 8) = 0,873875518
7. 𝑃(2 < 𝑋 ≤ 8)
𝑃 (2 < 𝑋 ≤ 8) = 0,8678144
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
9. 𝑃(𝑋 = 4)
𝑃 (𝑋 = 4) = 0,18968545
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
P (X ≥ 1)
P (X = 2)
P (X = 2) = 0,22404181
X ᷈ N(6, 0,92)
P (4 ≤ 𝑋 ≤ 7)
P = Fx (4) - Fx (7)
Fx (4) = 0,01313415
Fx (7) = 0,86673974
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 )
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
3,246,320
P ( X=3 )=
76,904,685
P ( X=3 )=0,0422
p=10% 0,10
n=15
1. ¿Exactamente 6?
p=0,10
n=15
k=6
P ( X=6 )=0,001936
2. ¿Menos de 5?
p=0,10
n=15
k<5
3. ¿3 o más?
p=0,10
n=15
k≥3
P ( X=3 )=0,128
P ( X=4 )=0,042
P ( X=6 )=0,0019
P ( X=9 )=0,0000027
P ( X=15 )=0,0000000
4. ¿Entre 3 y 5 inclusive?
p=0,10
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
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 ) =0,128+0,042+0,010
P ( 3≤ x ≤ 5 ) =0,18
p=0,10
n=15
k=7<x>4
P ( X=5 )=0,010
P ( X=6 )=0,0019
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
μ x∗e− x
P ( x) =
x!
1. Máximo 6.
μ=5
e=2,71828
x≤6
2. Menos de 4.
μ=5
e=2,71828
x <4
3. Al menos 3.
μ=5
e=2,71828
μ=5
e=2,71828
x=8
5. Entre 2 y 7.
μ=5
e=2,71828
2> x <7
μ=5
e=2,71828
1 ≥ x <8
μ=5
e=2,71828
1> x <3
minuto por el call center sea no más de 3 pero más de 1, es del 22%
μ=5
e=2,71828
2< x <6
9. Ninguna.
X−μ
Z=
σ
X =variable aleatoria
μ=media muestral
σ =desviación muestral
X =33,8
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
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.
El porcentaje cuando las cajas se empacan con una longitud más largas que
33.8 centímetros, es de 25,78%
X =31,3
μ=32
σ =3
31,3−32 −0,7
Z= = =−0,23
3 3
Con este valor se ubica en la gráfica el punto desde el cual se desea conocer
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
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
la normal acumulada.
0,4013 ≈ 40,13 %
X =35,5
μ=32
σ =3
35,5−32 3,5
Z= = =1,16
3 3
Con este valor se ubica en la gráfica el punto desde el cual se desea conocer
el área bajo la gráfica sabiendo que tenemos un área de 0.5, con esto al
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 %
0,8749−0,4013=0,4736
X =27,5
μ=32
σ =3
27,5−32 −4,5
Z= = =−1,5
3 3
Con este valor se ubica en la gráfica el punto desde el cual se desea conocer
el área bajo la gráfica sabiendo que tenemos un área de 0.5, con esto al
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%
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
tp tq
P ( x ,=r )=
( r )( t−r )
(1)
T
(t)
T =Tamaño de la población
Ct =combinación
1
Tomado y adaptado de Gutiérrez, Banegas, Ana Laura. Probabilidad y estadística Enfoque por competencias, Grupo
Editorial Mc Graw Hill, 2012.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
1. ¿Cero Mujeres?
Si definimos valores
T =7
Z=5
t=4
T −z=7−5=2
t−xo=4−xo
n!
n C r= (2)
r ! ( n−r ) !
5! 2!
( 0! (5−0 ) ! (4−0) ! ( 2−4¿ ) ! )
) (
P=
x
7!
4 ! (7−4 ) !
2. ¿Un hombre?
Si definimos valores
T =7
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
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 ) !
Ecuación general:
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
P ( t ) =niCt St (1−S)n−t
Donde:
n=Número de ensayos
Ct :combinación
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 ) !
1. Cinco automóviles.
t x e−t
P ( r )=
r!
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Valores conocidos:
t : 8,33
Remplazando:
8,335 e−8,33
P ( r=5 ) = =0,08
5!
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!
8,330 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!
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
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!
1. Al menos 82 mg/dl.
k−μ
Z=
σ
Valores conocidos:
K= 82
μ= Media: 90
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
σ= 9
Resolviendo:
82−90 −8
Z= = =−0.88
9 9
La probabilidad es de =0,1894
110−90 20
Z= = =2,22
9 9
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
140−90 50
Z= = =5,55
9 9
P ( X=4 ) .
n = “número de muestras: 6”
P ( X=4 )=0,378
2
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
P( X ≤ 4) .
n = “número de muestras: 6”
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
n = “número de muestras: 6”
K 7
μ=n =6 x =3,5
N 12
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
n = “número de ensayos: 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=1
P ( X=1 ) =0,4218
P ( X ≥1 ) =0,421875+0,2109375+0,046875+0,00390625=0,6836
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Formula
ε− λ . λ X
P ( X=x )= ; λ=n. p
X!
λ=500 x 0,03=15
P ( X <3 )
Entonces
{
en A ≤ x ≤ B
B−A
f ( x) .
.
0 en otro caso
{
en 4 ≤ x ≤ 9
5
f ( x) .
.
0 en otro caso
D−C
P ( d < x< c )=
B− A
Siendo:
D= 9 L
C= 7.5 L
9−7,5
P ( d < x< c )= =0,3
9−4
D= 8.3 L
C= 6.3 L
8.3−6.3
P ( d < x< c )= =0,4
9−4
{
en 4 ≤ x ≤ 9
5
f ( x) .
.
0 en otro caso
P ( X >9,2 ) =0
Ejercicio 3
Mentefacto:
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
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
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