Documentos de Académico
Documentos de Profesional
Documentos de Cultura
122 Tarea2
122 Tarea2
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Participante
Tutor
Azucena Gil
Grupo 100402_122
Las variables aleatorias permiten definir la probabilidad como una función numérica (de
variable real) en lugar de como una función de un conjunto dado, las distribuciones de
probabilidad están relacionadas con las distribuciones de frecuencias. Una distribución de
frecuencias teórica es una distribución de probabilidades que describe la forma en que se
espera que varíen los resultados. Debido a que estas distribuciones tratan sobre
expectativas de que algo suceda, resultan ser modelos útiles para hacer inferencias y para
tomar decisiones en condiciones de incertidumbre.
El presenta trabajo trata sobre el desarrollo y comprensión de la unidad 2 – probabilidad
condicional y distribuciones de probabilidad; las cuales se deberán leer, para luego
presentar un cuadro sinóptico de cada uno de los temas abordados en la unidad.
El desarrollo de este trabajo nos afianza conocimientos necesarios para nuestra vida
laboral, haciendo de nosotros profesionales idóneos.se resuelven casos de estudio,
utilizando los conceptos propios de la Probabilidad condicional y las distribuciones de
Probabilidad.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Objetivos
El grupo presenta máximo 3 objetivos, uno general y dos
especificos.
Objetivos general
La elaboración de este trabajo nos ayudó a comprender los contenidos de la unidad 2,
analizando los contenidos y logrando conocimientos con cada uno de los temas abordados
en esta fase de trabajo.
Objetivo especifico
Comprender y aplicar en forma clara y pertinente los fundamentos de los conceptos
básicos de probabilidad condicional y distribuciones de probabilidad.
Analizar e interpretar situaciones y problemas en el contexto del desarrollo profesional
donde es oportuna y acertada su aplicación de la probabilidad.
Desarrollar problemas de la vida cotidiana de los siguientes temas
Variables aleatorias discretas y continuas
Distribuciones discretas de la probabilidad
Distribuciones continúas de la probabilidad
Dichos conceptos permiten afianzarnos y tener un contexto claro para aplicarlos a nuestra
vidas en nuestro diarios vivir y ser mejores profesionales
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Ejercicio 2
r C x N−r C n−x
elementos P(x)= NC n
x= 6
r= 20
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
n= 12
N= 60
20 60−20 20 40
P(x=6) =
( 6 )( 12−6 ) ( 6 )( 6 ) ( 38760 )( 3838380 ) 14877560880
= = = 139935884476 = 0, 10632
60 60 1399358845
( 12) 12
X=7
r=40
n=12
N=60
40 60−40 40 20
P(X=7) =
( 7 )( 12−7 ) ( 7 )( 5 )
=
18643560∗15504 28904975424
= 139935884476 = 139935884476 = 0, 20656
(6012) (6012)
P(X=7) = 0, 20656
3. P( X ≥ 6)
4. P( X > 6)
5. P(2 ≤ X ≤ 8)
6. P(2 ≤ X <8)
7. P(2< X ≤ 8)
8. P(2< X< 8)
9. P( X =4 )
SOLUCCION.
x = variable aleatoria
( nx) p q
x n−x
20
P(x=1) = ( ) * 0.25 ∗0.75
1 20−1
= 20 * 0.25 * 0.00423 = 0.0211
1
20
P(x=2) = ( ) * 0.25 ∗0.75
2 20−2
= 190 * 0.0625 * 0.00564 = 0.0669
2
20
P(x=3) = ( ) * 0.25 * 0.75
3 20−3
= 1140 * 0.0156 * 0.00752 = 0.1339
3
20
P(x=4) = ( ) * 0.25 * 0.75
4 20−4
= 4845 * 0.00391 * 0.01002 = 0.1897
4
20
P(x=5) = ( ) * 0.25 * 0.75
5 20−5
= 15504 * 0.000976 * 0.01336 = 0.2023
5
20
P(x=6) = ( ) * 0.25 * 0.75
6 20−6
= 38760 * 0.000244 * 0.01782 = 0.1686
6
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
20
P(x=8) = ( ) * 0.258 * 0.7520−8 = 125970 * 0.00001525878 *
8
0.03167635202 =0.0609
1.( X ≤ 4)
2. P( X < 4)
P(x ¿ 4 ) = (0.0032) +( 0.0211) + (0.0669) +( 0.1339) = 0.2251
22.51%
3. P ( x ≥ 6)
P(x ≥ ¿ = 1 – [(0.0032) + (0.0211) + (0.0669) + (0.1339) + (0.1897) +
(0.2023)] = 0.3829 = 38.29%
4. P( X> 6)
P(x¿ 6) = 1 – [(0.0032) + (0.0211) + (0.0669) + (0.1339) + (0.1897) +
(0.2023) + (0.1686)] =0.7857 =1-(0.7857) = 21.43%
5. P (2≤ X ≤ 8)
P(2≤ 2 x ≤8 = (0.0669) + (0.1339) + (0.1897) + (0.2023) + (0.1686)+
(0.1124) +(0.0609) = 0.9347 = 93.47%
6. P(2≤ X < 8)
P(2≤ x< 8¿ =(0.0669) + (0.1339) + (0.1897) + (0.2023) + (0.1686)+
(0.1124) = 0.8738 = 87.38%
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
7. P (2< X ≤ 8)
P ( 2< X ≤8 )= (0.1339) + (0.1897) + (0.2023) + (0.1686)+ (0.1124)
+(0.0609) = 0.8678 = 86.78%
8 . P(2< X <8)
9. P( X =4 )
Solución.
e = 271828
μ=3
1. La siguiente muestra que se tome contenga uno o más
organismos.
e−μ
P(x=x) = μ x .
1!
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¿ 1) = 1-p(x=0)
271828−3 0.04978716883
P(x=0) = 30 . =3* = 0.1494
0! 0
P(x¿ 1 ¿ = 1-(0.1494) =85.06%
Solución.
Promedio en años
3 4 5 6
x−μ
Z= σ
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
σ =¿ Desviación estándar
P(z =4)
4−6
Z= 0.9 = - 2.22
P(z= 7)
7−6
Z= = 1.11
0.9
Z = -2.22 = 0.48679
Z= 1.11 0.366650
Resultado final
Solución:
N=40 n=8 x =3 k=5
k N −k
p ( x) =
( x )( n−x )
( Nn )
5 40−5 5! 35 !
p ( 3 )=
( )(
3 8−3 ) =
3 !∗2! 32 !∗3! )
( =0,042→ 4,2 %
40 40 !
(8) 32!∗8 !
Solución:
1. ¿Exactamente 6?
p ( x=k ) = n pk∗qn−k
()
k
2. ¿Menos de 5?
15
p ( x=1 )=( ) 0,1 ∗0,9
6 15−1
=0,3432
1
3. ¿3 o más?
p ( x ≥ 3 )=1−p ( x <3 )
4. ¿Entre 3 y 5 inclusive?
p ( x=5 )= 15 0,16∗0,915−5=0,0105
( )
5
p ( 3≤ x ≤ 5 ) =0,1285+0,0428+0,0105=0,1818
Solución:
μ=5
e=2,718
e− μ μ k
P ( x=k ) =
k!
e−5 50
P ( 0 )= =0,007
0!
e−5 51
P ( 1 )= =0,034
1!
e−5 52
P ( 2 )= =0,084
2!
e−5 5 3
P 3=
( ) =0,14
3!
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
e−5 5 4
P ( 4 )= =0,175
4!
e−5 5 5
P ( 5 )= =0,175
5!
e−5 56
P ( 6 )= =0,146
6!
e−5 5 7
P ( 7 )= =0,104
7!
e−5 58
P ( 8 )= =0,065
8!
1. Máximo 6.
2. Menos de 4.
3. Al menos 3.
P ( 3≤ x )=1−(0,007+ 0,034+0,084)=0,875
5. Entre 2 y 7.
9. Ninguna.
e−5 50
P ( 0 )= =0,007
0!
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
1. más largas que 33.8 centímetros?
33,8−32
(
P ( x ≥ 33,8 )=P Z <
3 )=0,72575
P ( x ≥ 33,8 )=1−0,72575=0,2743
27,5−32
(
P ( x ≤ 27,5 )=P Z <
3 )
P ( x ≤ 27,5 )=P ( Z ←1,5 )
P ( x ≤ 27,5 )=0,0668
|K||N-K|
|X||n-k|
P(x) = ------------------------
|N|
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
|n|
Donde:
– Número de elementos de población (N)
– Tamaño de la muestra (m)
– Cantidad de eventos en la población completa con un
resultado favorable (o desfavorable) de la característica
estudiada (n).
X: Numero de éxitos de la muestra
| 5 | | 7 - 5 | | 5 | | 2 |
5! 2!
| 0 | | 4 - 5 | | 0 | | -1| .
0 ! 5! 1! 1 !
P(x = 0) = ___________= ________ = _________=2/35=0.0571
7!
| 7 | | 7 |
4!3!
| 4 | | 4 |
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
N=7
K=2
n=4
x=1
| 2 | | 7 - 2 | | 2 | | 5 |
| 1 | | 4 - 2 | | 1 | | 2 |
P(x = 1) = ____________ =___________= 2*10/35
| 7 | | 7 |
| 4 | | 4 |
¿Dos hombres?
N=7
K=2
n=4
x=2
| 2 | | 7 - 2 | | 2 | | 5 |
| 2 | | 4 - 2 | | 1 | | 2 |
P(x = 1) = -------------- = -------------- = 1*10/35
|7| |7|
|4| |4|
p es la probabilidad de éxito
n es el tamaño de la muestra
q=-p
valores
p=0.70
n =5
x=2
q=0.30
pk = p [ x=k ] = n pk q n−k
()k
p2=P [ x=2 ] = 5 ¿ ¿)
()
2
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
5!
c 52=
2 ! ( 5−2 ) !
5!
c 52=
2 ! ( 3) !
5!
c 52=
2 ! 3!
5∗4∗3 !
c 52=
2! 3 !
20
c 52=
2
c 52=10
1. Cinco automóviles.
2. Cuando más, tres automóviles.
3. Menos de ocho automóviles.
1)
500 60 minutos
X 1 minuto
500
x=
60
x =8.33
la probabilidad de que llegue 5 autos en un minuto es de 8.33%
2)
ⅇλ λx
p ( x) =
x!
Para (x=3)
X=3
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )3
P(x=3)=
3!
(0.000336)(512)
P(x=3)=
6
X=0.028
Para (x=2)
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
X=2
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )2
P(x=2)=
2!
P(x=2)=¿ ¿
X=0.01073
Para (x=1)
X=1
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )1
P(x=1)=
1!
P(x=1)=¿ ¿
X=0.00268
Para (x=0)
X=0
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )0
P(x=0)=
0!
P(x=0)=¿ ¿
X= 0.00033
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
λ x
ⅇ λ
p ( x) =
x!
Para (x=7)
X=7
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )7
P(x=7)=
7!
(0.000336)(2.097 .152)
P(x=7)=
7!
X= 0.13962
Para (x=6)
X=6
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )6
P(x=6)=
6!
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
(0.000336)(262.144)
P(x=6)=
6!
X= 0.12216
para (x=5)
X=5
λ=8
e =2.7182
( 2.7182 )−8 ( 8 )5
p(x=5)=
5!
(0.000336)(32.768)
P(x=5)=
120
P(x=5)=0.09160366
Para (x=4)
X=4
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )4
P(x=4)=
4!
(0.000336)(4096)
P(x=4)=
4!
X=0.05726
Para (x=3)
X=3
λ =8
e =2.7182
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
( 2.7182 )−8 ( 8 )3
P(x=3)=
3!
(0.000336)(512)
P(x=3)=
6
X=0.028
Para (x=2)
X=2
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )2
P(x=2)=
2!
X=0.01073
Para (x=1)
X=1
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )1
P(x=1)=
1!
X=0.00268
Para (x=0)
X=0
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
λ =8
e =2.7182
( 2.7182 )−8 ( 8 )0
P(x=0)=
0!
( 2.7182 )−8
P(x=0)=
1
X= 0.00033
P(x<8)= 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)= 0.45296081
Datos:
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Z = (x – μ)/σ
1. Al menos 82 mg/dl.
X = 82 mg/dl
Entonces tipificando se tiene:
Z = (82 – 90/9)
Z = – 8/9 = – 0,89
En la Tabla de Distribución Normal se tiene que el valor es Z =
0,81327
Como se pide al menos 82 mg/dl, se tiene que la Probabilidad
es:
P(< 82 mg/dl) = 1 – P(z ≤ 0,8887)
X = 110 mg/dl
Se Normaliza.
Z = (110 – 90)9
Z = 20/9 = 2,2222
Tipificando.
Z = (140 – 90)/9
Z = 50/9 = 5,5556
P(Z ≤ 5,56) = 1
Ejercicio 3
Mentefacto:
Distribución binominal. Cuenta con un número de éxitos en una secuencia de n ensayos de Bernoulli
independiente entre sí, con una probabilidad fija p de ocurrencias del éxito entre los ensayos
n!
P(X=K)= (nk) p q (nk)= k ! ( n−k
K n−k
)!
Distribución de poisson. A Partir de una frecuencia de ocurrencias media la probabilidad que ocurre un
Distribuciones
probabilística
número de eventos individuales que ocurran en un periodo de tiempo P(x)=
ux e−u
discretas x!
Distribución hipergeometrica. Mide la probabilidad de obtener x (0 ≤ x ≤ d ¿ elementos de
una determinada clase formada por d elementos pertenecientes a una población de N elementos
C C
r x n−r n−x
P(x)=
NC n
La distribución normal. Estándar, o tipificada o reducida, es aquella que tiene por media el valor 0
u=0 y por desviación típica la unidad ∝=1
Distribución t student (n). surge cuando se plantea estudiar el cociente entre una variable aleatoria
con distribución normal estándar y la raíz cuadrada del cociente entre una variable aleatoria con
distribución ji – cuadrado y su grado de libertad (n) siendo las dos variables independiente
Distribuciones
probabilísticas
Distriducion uniforme o rectangular (a,b) Cualquiera que sea la distribución F de cierta variable X,
continuas la variable transformada Y = F(X) sigue una distribución uniforme en el intervalo (0,1).
Probabilidad
condicional y Distribución cauchy ( μ , σ ). La distribución de Cauchy depende de dos parámetros: escala () y
distribuciones de situación (); en el caso particular de que = 1 y = 0, recibe el nombre de distribución de
Cauchy estándar
probabilidad
(nk) p q
Distribucion binomial distribución de poisson distribución hipergeometrica P(X=K)=
Formulas de
K n−k
P(x)=
x −u
r C x n−r C n−x
u edistribuciones
P(x)=
xprobabilísticas
! NC n
discretas
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
ESTUDIANTE CONCLUSIÓN
JULIAN EDUARDO TORRADO Se resolvieron casos de estudio,
utilizando los conceptos propios
de la Probabilidad condicional y
las distribuciones de Probabilidad.
JHON HENDER RUEDA Se comprendieron y aplicaron en
forma clara y pertinente los
fundamentos de los conceptos
básicos de probabilidad
condicional y distribuciones de
probabilidad.
YAIR DÍAZ Se analizaron e interpretaron
situaciones y problemas en el
contexto del desarrollo
profesional donde es oportuna y
acertada su aplicación de la
probabilidad.
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
ESTU REFERENCIA
DIAN
TE
JULIA Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 279
-301. Recuperado de https://ebookcentral-proquest-
N com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
EDUAR docID=3227823&ppg=296
DO García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso.
Pp. 267-291. Recuperado de https://bibliotecavirtual.unad.edu.co:2538
TORRA
DO
ASCAN
IO
YAIR Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp.
DÍAZ 150-152. Recuperado de
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. Pp. 195-221. Recuperado de https://ebookcentral-
proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
docID=4722054&ppg=196
JHON Sánchez, J. (2018). Distribución Binomial. Recuperado de
HENDE http://hdl.handle.net/10596/19010
R Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y
RUEDA estadística 1. Distrito Federal, MÉXICO: Grupo Editorial Patria.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=11230886&p00=conceptos+generales+estad
%C3%ADstica+descriptiva&