122 Tarea2

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 2: Tarea 2 - Experimentos

aleatorios y distribuciones de probabilidad
Participante
Julián Eduardo Torrado Ascanio 1094579517

Yair Díaz
Jhon Hender Rueda
Tutor
Azucena Gil
Grupo 100402_122
Universidad Nacional Abierta y a Distancia – UNAD

Probabilidad
abril de 2020
Introducción (mínimo 2 párrafos de 10 líneas de texto cada

uno)
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.
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
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
Jhon Hender Rueda alertas
a. 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?
2. 7 de ellos sean profesionales?
Solución. Distribución hipergeométrica, Consiste en tomar un numero

de grupo de N personas n de ellas, donde en las N personas, hay c
personas que cumplan con la característica deseada de y desea saber
que la probabilidad de que en este grupo tomado x personas tengan
Ecuación de la distribución hipergeométrica
r C x N−r C n−x
elementos P(x)= NC n
x= 6
r= 20
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
P(x=6) =0, 10632
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
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:
1. P( X ≤ 4)
2. P( X < 4)
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.
P= 25% = 0.25% probabilidad que ocurra
q= 75% = 0.75% probabilidad que no ocurra
n= 20 la muestra que son los trabajadores
x = variable aleatoria
( nx) p q
x n−x
P ¿=0) =(200 )*0.25 ¿ 0.75 = 1 * 1* 0.00317121193 = 0.0032

0 20−0
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
P(x=7) = (207 ) *0.25 7

* 0.7520−7 = 77520 * 0.0000610 * 0.02376 = 0.1124
20
P(x=8) = ( ) * 0.258 * 0.7520−8 = 125970 * 0.00001525878 *
8
0.03167635202 =0.0609
1.( X ≤ 4)
P(x= ≤4) = (0.0032) + (0.0211) + (0.0669) + (0.1339) + (0.1897) = 0.4148

= 41.48%
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%
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)
P(2< X< 8) = (0.1339) + (0.1897) + (0.2023) + (0.1686) + (0.1124)

=0.8069 = 80.69%
9. P( X =4 )
P(x=4) = (204 ) * 0.25 4

* 0.7520−4 = 4845 * 0.00391 * 0.01002 = 0.1897
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:
1. La siguiente muestra que se tome contenga uno o más
organismos.
2. La próxima muestra tomada contenga exactamente dos
organismos.
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!
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%
3. La próxima muestra tomada contenga exactamente dos

organismos.
2,71828−3 0.04978716883
P(x=2) = 32. =9* = 0.2240 = 22.40%
2! 2
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.
Solución.
Promedio en años
3 4 5 6
x−μ
Z= σ
X = la probabilidad que dure una batería de litio

μ=¿ Años en promedio
σ =¿ Desviación estándar
P(z =4)
4−6
Z= 0.9 = - 2.22
P(z= 7)
7−6
Z= = 1.11
0.9
Datos de Z respecto a la tabla de distribución de probabilidad normal

estándar
Z = -2.22 = 0.48679
Z= 1.11 0.366650
Resultado final
P(4¿ x <7) = p(-2.22¿ z <¿1.11) =0.48679 + 0.36650 = 0.85329


CASO presentado
Yair Diaz evaluador
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?
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 !
La probabilidad de que 3 de los artículos sean defectuosos es de 4,3%
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:
1. ¿Exactamente 6?
2. ¿Menos de 5?
3. ¿3 o más?
4. ¿Entre 3 y 5 inclusive?
5. Menos de 7 pero más de 4?
Solución:
1. ¿Exactamente 6?
n=15 p=0,10 k =6 q=0,90
p ( x=k ) = n pk∗qn−k
()
k
p ( x=6 )= (156) 0,1 ∗0,9

6 15−6
=0,0019→ 0,19 %
2. ¿Menos de 5?
p ( x=0 )=(150) 0,1 ∗0,9 6 15−0

=0,2059
15
p ( x=1 )=( ) 0,1 ∗0,9
6 15−1
=0,3432
1
p ( x=2 )=( 15 ) 0,1 ∗0,9

6 15−2
=0,2669
2
15
p ( x=3 )=( ) 0,1 ∗0,9
6 15−3
=0,1285
3
p ( x=4 )=( 15 ) 0,1 ∗0,96 15−4

=0,0428
4
p ( x<5 )=0,2059+0,3432+0,2669+ 0,1285+ 0,0428=0,9872

La probabilidad de que el número de analfabetas sea menor de 5 es

del 98,72%
3. ¿3 o más?
p ( x ≥ 3 )=1−p ( x <3 )
p ( x ≥ 3 )=1−( 0,2059+0,3432+0,2669 )=0,184
La probabilidad de que el número de analfabetas sea 3 o más es del

18,4%
4. ¿Entre 3 y 5 inclusive?
p ( 3≤ x ≤ 5 ) =p ( x=3 )+ p ( x=4 ) + p( x =5)
p ( x=5 )= 15 0,16∗0,915−5=0,0105
( )
5
p ( 3≤ x ≤ 5 ) =0,1285+0,0428+0,0105=0,1818
LA probabilidad de que el número de analfabetas este entre 3 y 5 es

del 18,18%
5. Menos de 7 pero más de 4?
p ( 4 < x<7 )= p ( x=5 ) + p( x=6)
p ( x=6 )= 15 0,16∗0,915−6 =0,0019

( )
6
p ( 4 < x<7 )=0,0105+ 0,0019=0,0124
La probabilidad de que el número de analfabetas este entre 4 y 7 es

del 1,24%
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:
1. Máximo 6.
2. Menos de 4.
3. Al menos 3.
4. Tan grande que lo sature.
5. Entre 2 y 7.
6. Una o más pero menos de 8.
7. No más de 3 pero más de 1.
8. Mas de 2 pero menos de 6.
9. Ninguna.
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!
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.
P ( x ≤ 6 )=0,007+0,034+ 0,084+0,14 +0,175+0,175+0,146=0,761
La Probabilidad de que el número de llamadas recibidas en el siguiente

minuto por el call center sea máximo 6 es del 76,1%
2. Menos de 4.
P ( x< 4 )=0,007+0,034 +0,084+ 0,14=0,265

minuto por el call center sea menos de 4 es del 26,5%
3. Al menos 3.
P ( 3≤ x )=1−(0,007+ 0,034+0,084)=0,875

minuto por el call center sea al menos 3 es del 87,5%
4. Tan grande que lo sature.

P ( x> 8 )=1−(0,007+ 0,034+0,084+ 0,14+0,175+ 0,175+0,146+0,104 +0,065)=0,07

minuto por el call center sea tan grande que lo sature es del 7%
5. Entre 2 y 7.
P ( 2< x<7 )=0,14 +0,175+0,175+0,146=0,636

minuto por el call center sea entre 2 y 7 es del 63,6%
6. Una o más pero menos de 8
P ( 1≤ x< 8 )=0,034 +0,084+ 0,14+0,175+ 0,175+ 0,146+0,104=0,858

minuto por el call center sea Una o más pero menos de 8 es del 85,8%
7. No más de 3 pero más de 1.
P ( 1< x ≤ 3 )=0,084 +0,14=0,224

minuto por el call center sea No más de 3 pero más de 1 es del 22,4%
8. Mas de 2 pero menos de 6.
P ( 2< x< 6 )=0,14 +0,175+0,175=0,49

minuto por el call center sea Mas de 2 pero menos de 6 es del 49%
9. Ninguna.
e−5 50
P ( 0 )= =0,007
0!
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:
1. más largas que 33.8 centímetros?
2. de entre 31,3 y 35.5 centímetros de longitud?
3. más cortas que 27.5 centímetros?
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
El 27,43 % de las cajas son más largas que 33.8 centímetros

2. de entre 31,3 y 35.5 centímetros de longitud?
P ( 31,3< x< 35,5 )=P ( X <35,5 ) −P ( X <31,3)

35,5−32 31,3−32
(
P ( 31,3< x< 35,5 )=P Z <
3 ) (
−P Z <
3 )
P ( 31,3< x< 35,5 )=P ( Z <1,16 ) −P ( Z ←0.23 )
P ( 31,3< x< 35,5 )=0.877−0.4041=0.4729

El 47,29 % de las cajas son más de entre 31,3 y 35.5 centímetros de
longitud
3. más cortas que 27.5 centímetros?
27,5−32
(
P ( x ≤ 27,5 )=P Z <
3 )
P ( x ≤ 27,5 )=P ( Z ←1,5 )
P ( x ≤ 27,5 )=0,0668
El 6,68 % de las cajas son más cortas que 27.5 centímetros de

longitud

CASO presentado

Julian Eduardo Torrado entregas
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:
1. ¿Cero Mujeres?
2. ¿Un hombre?
3. Dos hombres?
La fórmula que permite calcular la distribución hipergeometrica está

dada por la ecuación:
|K||N-K|
|X||n-k|
P(x) = ------------------------
|N|
|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
¿La probabilidad de elegir Cero Mujeres?

N=7
K=5
n=4
x=0
| 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 |
P(x=0) = 0.0571 probabilidad de elegir cero mujeres
¿la probabilidad de elegir Un hombre?
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 |
P(x=1) = 0.571 probabilidad de elegir un hombre
¿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(x=2) = 0.285 probabilidad de elegir dos hombres
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 optimas 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?
p es la probabilidad de éxito
n es el tamaño de la muestra
x es el numero de éxitos en 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
p2=P [ x=2 ] = 5 ( 0.49)( 0.027)

2 ()
p2=P [ x=2 ] = 5 ( 0.01323)
2 ()
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
p2=P [ x=2 ] = 5 ( 0.01323)

2 ()
p2=P [ x=2 ] =10(0.01323)
p2=P [ x=2 ] =0.1323
La probabilidad de que el jefe de talento humano haga la verificación y

encuentre las instalaciones en buenas condiciones es de 0.1323
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.
2. Cuando más, tres automóviles.
3. Menos de ocho automóviles.
Para calcular que probabilidad lleguen 5 autos durante un minuto

hacemos un regla de 3
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)
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
1. RTA/ Cuando más, tres automóviles es de

P(x<=3)= P(x=0)+P(x=1)+P(x=2)+P(x=3) =0.04238
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!
(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
( 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
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
Rta/Menos de ocho automóviles seria de 0.45296081
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 .
2. Cuando mucho 110mg/dl .
3. Menos de 140 mg/dl.
Datos:
Media de los Datos (μ) = 90 mg/dl

Desviación Estándar (σ) = 9 mg/dl
Se plantea la siguiente relación a partir de los datos
suministrados.
N(90; 9)
Estos datos se deben Normalizar o Tipificar, mediante la

fórmula siguiente:
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)
P((< 82 mg/dl) = 1 – 0,8887 = 0,1113
P(Azúcar < 82 mg/dl) = 11,13%
2. Cuando mucho 110 mg/dl.

X = 110 mg/dl
Se Normaliza.
Z = (110 – 90)9
Z = 20/9 = 2,2222
El valor en la Tabla de Distribución Normal es 0,9868
En consecuencia, la Probabilidad de que cuando mucho un

individuo registre 110 mg/dl es:
P(Azúcar ≤ 110 mg/dl) = 98,68%
3. Menos de 140 mg/dl.
X = 140 mg/dl
Tipificando.
Z = (140 – 90)/9
Z = 50/9 = 5,5556
P(Z ≤ 5,56) = 1
Por lo que la Probabilidad para que posea menos de 140 mg/dl

un individuo es de la Unidad (1), que equivale al 100%
P(Azúcar ≤ 140 mg/dl) = 100%
La Probabilidad que un individuo seleccionado aleatoriamente

(azar) tenga al menos 82 mg/dl de Azúcar en la sangre es de
11,13 %; cuando mucho 110 mg/dl es de 98,68 % y menos
de 140 mg/dl es de 100 %.

CASO presentado
(No borrar este encabezado)

Ejercicio 3
Mentefacto:
El grupo presenta un mentefacto sobre los conceptos e ideas

fundamentales de la unidad 2, tomando como base los cuadros
sinópticos elaborados individualemente 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).
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
Binominal. Media Binominal Varianza Binominal Desviación

(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
Conclusiones (mínimo 1 por cada participante)
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.
Referencias bibliográficas en formato APA. (Mínimo una por cada

participante, no pueden repetir referencias)
(No borrar este encabezado)
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?
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&

122 Tarea2

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

122 Tarea2

Cargado por

Copyright:

Formatos disponibles

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

Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos

Julián Eduardo Torrado Ascanio 1094579517

Universidad Nacional Abierta y a Distancia – UNAD

Introducción (mínimo 2 párrafos de 10 líneas de texto cada

El grupo entrega aquí, de manera organizada, el análisis, desarrollo y

a. de una determinada empresa, 20 de ellas son técnicos y 40 son

Solución. Distribución hipergeométrica, Consiste en tomar un numero

Ecuación de la distribución hipergeométrica

P(x=6) =0, 10632

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

P= 25% = 0.25% probabilidad que ocurra

q= 75% = 0.75% probabilidad que no ocurra

n= 20 la muestra que son los trabajadores

P ¿=0) =(200 )*0.25 ¿ 0.75 = 1 * 1* 0.00317121193 = 0.0032

P(x=7) = (207 ) *0.25 7

P(x= ≤4) = (0.0032) + (0.0211) + (0.0669) + (0.1339) + (0.1897) = 0.4148

P(2< X< 8) = (0.1339) + (0.1897) + (0.2023) + (0.1686) + (0.1124)

P(x=4) = (204 ) * 0.25 4

c. Distribución Poisson: En el estudio de cierto organismo

3. La próxima muestra tomada contenga exactamente dos

Distribución Normal: En comparación con las baterías tradicionales,

X = la probabilidad que dure una batería de litio

Datos de Z respecto a la tabla de distribución de probabilidad normal

P(4¿ x <7) = p(-2.22¿ z <¿1.11) =0.48679 + 0.36650 = 0.85329

Solución al estudio de caso 2: El grupo entrega aquí, de manera

a. Distribución Hipergeométrica: Un lote de 40 artículos contiene

La probabilidad de que 3 de los artículos sean defectuosos es de 4,3%

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

personas son analfabetas. ¿Cuál es la Probabilidad de que una

n=15 p=0,10 k =6 q=0,90

p ( x=6 )= (156) 0,1 ∗0,9

p ( x=0 )=(150) 0,1 ∗0,9 6 15−0

p ( x=2 )=( 15 ) 0,1 ∗0,9

p ( x=4 )=( 15 ) 0,1 ∗0,96 15−4

p ( x<5 )=0,2059+0,3432+0,2669+ 0,1285+ 0,0428=0,9872

La probabilidad de que el número de analfabetas sea menor de 5 es

p ( x ≥ 3 )=1−( 0,2059+0,3432+0,2669 )=0,184

La probabilidad de que el número de analfabetas sea 3 o más es del

p ( 3≤ x ≤ 5 ) =p ( x=3 )+ p ( x=4 ) + p( x =5)

LA probabilidad de que el número de analfabetas este entre 3 y 5 es

5. Menos de 7 pero más de 4?

p ( 4 < x<7 )= p ( x=5 ) + p( x=6)

p ( x=6 )= 15 0,16∗0,915−6 =0,0019

p ( 4 < x<7 )=0,0105+ 0,0019=0,0124

La probabilidad de que el número de analfabetas este entre 4 y 7 es

c. Distribución Poisson: Un Call center de la empresa de telefonía

P ( x ≤ 6 )=0,007+0,034+ 0,084+0,14 +0,175+0,175+0,146=0,761

La Probabilidad de que el número de llamadas recibidas en el siguiente

P ( x< 4 )=0,007+0,034 +0,084+ 0,14=0,265

La Probabilidad de que el número de llamadas recibidas en el siguiente

La Probabilidad de que el número de llamadas recibidas en el siguiente

4. Tan grande que lo sature.

P ( x> 8 )=1−(0,007+ 0,034+0,084+ 0,14+0,175+ 0,175+0,146+0,104 +0,065)=0,07

P ( 2< x<7 )=0,14 +0,175+0,175+0,146=0,636

La Probabilidad de que el número de llamadas recibidas en el siguiente

6. Una o más pero menos de 8

P ( 1≤ x< 8 )=0,034 +0,084+ 0,14+0,175+ 0,175+ 0,146+0,104=0,858

La Probabilidad de que el número de llamadas recibidas en el siguiente

7. No más de 3 pero más de 1.

P ( 1< x ≤ 3 )=0,084 +0,14=0,224

La Probabilidad de que el número de llamadas recibidas en el siguiente

8. Mas de 2 pero menos de 6.

P ¿=0) =(200 )0.25 ¿ 0.75 = 1 1* 0.00317121193 = 0.0032