37 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 2: Tarea 2 - Experimentos

aleatorios y distribuciones de probabilidad
Portada
Tarea 2 - Experimentos aleatorios y distribuciones de

probabilidad
Luis Hernán Rueda Naranjo .1005131912

Martha Cecilia Morales .1002621608
Sebastián Rivera cod.1012410180
Juan David Forigua

Tutor
Escuela de Ciencias Básicas, Tecnología e Ingeniería

Universidad Nacional Abierta y a Distancia
Abril-2020
INTRODUCCIÓN
Durante la realización de esta actividad se resuelven diversas

situaciones expresadas a lo largo de la guía de actividades, con el fin
de utilizar diferentes conceptos propios de probabilidad en situaciones
definidas, lo primero en realizar es una recopilación de los diferentes
conceptos que debemos aplicar, tales como Variables aleatorias
discretas y continua, Distribuciones discretas de Probabilidad, entre
otros; al finalizar pasamos a la parte lúdica donde como mencione
inicialmente se busca dar solución a diferentes ejercicios, los cuales
posteriormente vamos a compartir en el grupo colaborativo con el fin
de ampliar y compartir aprendizajes.
Objetivos
Resolver los diferentes casos de estudio, utilizando recursos

conceptuales indicados en la actividad
 Resolver los 4 ejercicios aplicando debidamente las

distribuciones.
 Exponer en el grupo diferentes aprendizajes obtenidos en la
realización de la actividad
 Comprender los diferentes métodos de distribución como lo son
Hipergeométrica, Binomial, Poisson, Normal,
Ejercicio 2
Solución al estudio de caso 1:
RESPONSABLE ROL SELECCIONADO
Solución al estudio de caso 2: El grupo entrega aquí, de manera

organizada, el análisis, desarrollo y solución del ESTUDIO DE
CASO presentado
Luis Hernán Rueda
Estudios de caso estudiante N°: 2
Tomado y adaptado de Gutiérrez, Banegas, Ana Laura. Probabilidad y

estadística Enfoque por competencias, Grupo Editorial Mc Graw Hill,
2012.
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?
Definimos y organizamos los datos adaptándolos al ejercicio
N=40 k=5 n=8 x=3
5 ∗ 35
¿ p ( x=3 )=
( 3) ( 5 )
( 408)
10∗324632
¿ p ( x=3 )=
76904685
¿ p ( x=3 )=0.04
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?
p ( x=k ) = n pk (1− p)n−k

() k
n=numero de intentos
p=probabilidad de éxito
n=15
p=10/100=0.10
k=6
p ( x=6 )= 15 0.106 (1−0.10)15−6

( )6
p ( x=6 )=5005∗010 6 (.90)9
p ( x=6 )=0.0019
2. ¿Menos de 5?
P(x<5)=1,2,3,4
n=15
p=0.10
k=1
p ( x=1 )= 15 .101 (1−0.10)15−1

( )
1
p ( x=1 )=15∗0.10 ( 0.228768 )
p ( x=1 )=0.343
n=15
p=0.10
k=2
p ( x=k ) = n pk (1− p)n−k

() k
p ( x=2 )= 15 0.102 (1−0.10)15−2

( )2
p¿
p¿
n=15
p=0.10
k=3
p ( x=k ) = n pk (1− p)n−k

() k
p ( x=3 )= 15 0.10 3 (1−0.10)15−3

( )3
p ( x=3 )=455∗0.0010 ( 0.28 )
p ( x=3 )=0.127
n=15
p=0.10
k=4
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=4 )= 15 0.10 4 ¿
( )
4
p ( x=4 )=1365∗0.00010 ( 0.31 )
p ( x=4 )=0.042
P(x<5)=p(x=1)+p(x=2)+p(x=3)+p(x=4)
P(x<5)=0.343+0.26+ 0.127+0.042p(x<5)=0.772
3. ¿3 o más?
n=15
p=0.10
k=3
p ( x=k ) = n pk (1− p)n−k

()
k
p ( x=3 )= 15 0.10 3 (1−0.10)15−3

( )
3
p ( x=3 )=455∗0.0010 ( 0.28 )
p ( x=3 )=0.127
n=15
p=0.10
k=4
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=4 )= 15 0.10 4 ¿
( )
4
p ( x=4 )=1365∗0.00010 ( 0.31 )
p ( x=4 )=0.042
n=15
p=0.10
k=5
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=5 )= 15 0.10 5 ( 1−0.10 )

15−5
( )
5
p ( x=5 )=3003∗0.000010(0.348)
p ( x=5 )=0.010
n=15
p=10/100=0.10
k=6
p ( x=6 )= 15 0.106 (1−0.10)15−6

( )
6
p ( x=6 )=5005∗010 6 (.90)9
p ( x=6 )=0.0019
n=15
p=10/100=0.10
k=7
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=7 )= 15 0.107 (1−0.10)15−7

( )
7
p ( x=7 )=6435∗0.0000001(.43)
p ( x=7 )=0.000277
n=15
p=10/100=0.10
k=8
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=8 )= 15 .10 8 (1−0.10)15−8

( )
8
p ( x=8 )=6435∗0.00000001(0.4782)
p ( x=8 )=0.00003
n=15
p=10/100=0.10
k=9
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=9 )= 15 0.109 (1−0.10)15−9

( )
9
p ( x=9 )=5005∗0.10 9 (0.5314)
p ( x=9 )=0.0000026
n=15
p=10/100=0.10
k=10
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=10 )= 15 0.10 10(1−0.10)15−10

( )
10
p ( x=10 )=3003∗0.1010 (0.5904)
p ( x=10 )=0.0000001
n=15
p=10/100=0.10
k=11
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=11 )= 15 0.1011 (1−0.10)15−11

( )
11
p ( x=11)=0.0000000089
=15
p=10/100=0.10
k=12
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=12 )= 15 0.1012 (1−0.10)15−12

( )
12
p ( x=12 )=0,000000000331695
=15
p=10/100=0.10
k=13
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=13 )= 15 0.10 13(1−0.10)15−13

( )
13
p ( x=13 )=0,000000000008505
=15
p=10/100=0.10
k=14
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=14 ) = 15 0.1014 (1−0.10)15−14

( )
14
p ( x=14 ) =0,000000000000135
=15
p=10/100=0.10
k=15
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=15 )= 15 0.10 15(1−0.10)

( )
15
p ( x=15 )=0,0000000000000009
=
p ( x=3 ) + p ( x=4 ) + p ( x=5 )+ p ( x=6 ) + p ( x=7 ) + p ( x=8 ) + p ( x =9 ) + p ( x=10 ) + p ( x=11 ) + p ( x =12 )+ p ( x=13 ) +
=0,1812097092403359
4. ¿Entre 3 y 5 inclusive?
n=15
p=0.10
k=3
p ( x=k ) = n pk (1− p)n−k

()
k
p ( x=3 )= 15 0.10 3 (1−0.10)15−3

( )
3
p ( x=3 )=455∗0.0010 ( 0.28 )
p ( x=3 )=0.127
n=15
p=0.10
k=4
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=4 )= 15 0.10 4 ¿
( )
4
p ( x=4 )=1365∗0.00010 ( 0.31 )
p ( x=4 )=0.042
n=15
p=0.10
k=5
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=5 )= 15 0.10 5 ( 1−0.10 )

15−5
( )
5
p ( x=5 )=3003∗0.000010(0.348)
p ( x=5 )=0.010
n=15
p=0.10
k=5
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=5 )= 15 0.10 5 ( 1−0.10 )

15−5
( )
5
p ( x=5 )=3003∗0.000010(0.348)
p ( x=5 )=0.010
=P(x=3)+p(x=4)+p(x=5)
=0.127+ 0.042+ 0.010
=0.179
=p(x=5
5. Menos de 7 pero más de 4?
n=15
p=0.10
k=5
p ( x=k ) = n pk ( 1− p )
n−k
()
k
p ( x=5 )= 15 0.10 5 ( 1−0.10 )

15−5
( )
5
p ( x=5 )=3003∗0.000010(0.348)
p ( x=5 )=0.010
n=15
p=10/100=0.10
k=6
p ( x=6 )= 15 0.106 (1−0.10)15−6

6 ( )
p ( x=6 )=5005∗010 6 (.90)9
p ( x=6 )=0.0019
=p(x=5)+p(x=6)
=0.011
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.
μ X . e−μ
P X=
( )
x!
μ=5
x=6
μ X . e−μ
P ( X )=
x!
56∗2.7182−5
p ( 6 )=
6!
p ( 6 )=0.1462
μ=5
x=5
μ X . e−μ
P ( X )=
x!
55∗e−5
p ( 5 )=
5!
p ( 5 )=0.1754
μ=5
x=4
μ X . e−μ
P ( X )=
x!
5 4∗e−5
p ( x) =
4!
p ( x ) =0.1754
μ=5
x=3
μ X . e−μ
P ( X )=
x!
53∗e−5
p ( 3 )=
3!
p ( 3 )=0.1403
μ=5
x=2
μ X . e−μ
P ( X )=
x!
52∗e−5
p ( 2 )=
2!
p ( 2 )=0.084
μ=5
x=1
μ X . e−μ
P X=
( )
x!
1 −5
5 ∗e
p ( 1 )=
1!
p ( 1 )=0.033
μ=5
x=0
μ X . e−μ
P ( X )=
x!
50∗e−5
p ( 0 )=
0!
p ( 0 )=0.006
=0.006+0.033+0.084 +0.1403+0.1754 +0.1754+0.1462=0.7603
2. Menos de 4.
=5
x=3 μ
μ X . e−μ
P ( X )=
x!
53∗e−5
p ( 3 )=
3!
p ( 3 )=0.1403
μ=5
x=2
μ X . e−μ
P ( X )=
x!
52∗e−5
p ( 2 )=
2!
p ( 2 )=0.084
μ=5
x=1
μ X . e−μ
P ( X )=
x!
51∗e−5
p ( 1 )=
1!
p ( 1 )=0.033
μ=5
x=0
μ X . e−μ
P ( X )=
x!
50∗e−5
p ( 0 )=
0!
p ( 0 )=0.006
=0.006+0.033+0.084 +0.1403=0.2633
3. Al menos 3.
=5
x=3 μ
μ X . e−μ
P X=
( )
x!
3 −5
5 ∗e
p ( 3 )=
3!
p ( 3 )=0.1403
4. Tan grande que lo sature.
μ =5
x=9
μ X . e−μ
P X=
( )
x!
59∗e−5
p ( 9 )=
9!
p ( 9 )=0.036
5. Entre 2 y 7.
μ=5
x=7
μ X . e−μ
P ( X )=
x!
57∗e−5
p ( 7 )=
7!
p ( 7 )=.1044
μ=5
x=6
μ X . e−μ
P ( X )=
x!
56∗2.7182−5
p ( 6 )=
6!
p ( 6 )=0.1462
μ=5
x=5
μ X . e−μ
P ( X )=
x!
55∗e−5
p ( 5 )=
5!
p ( 5 )=0.1754
μ=5
x=4
μ X . e−μ
P X=
( )
x!
5 4∗e−5
p x=
( )
4!
p ( x ) =0.1754
μ=5
x=3
μ X . e−μ
P ( X )=
x!
53∗e−5
p ( 3 )=
3!
p ( 3 )=0.1403
μ=5
x=2
μ X . e−μ
P ( X )=
x!
52∗e−5
p ( 2 )=
2!
p ( 2 )=0.084
=0.084+ 0.1403+0.1754+ 0.1754+0.1462+0.1044 =0.8257
6. Una o más pero menos de 8
μ=5
x=7
μ X . e−μ
P ( X )=
x!
57∗e−5
p ( 7 )=
7!
p ( 7 )=.1044
μ=5
x=6
μ X . e−μ
P ( X )=
x!
56∗2.7182−5
p ( 6 )=
6!
p ( 6 )=0.1462
μ=5
x=5
μ X . e−μ
P ( X )=
x!
55∗e−5
p ( 5 )=
5!
p ( 5 )=0.1754
μ=5
x=4
μ X . e−μ
P X=
( )
x!
5 4∗e−5
p x=
( )
4!
p ( x ) =0.1754
μ=5
x=3
μ X . e−μ
P ( X )=
x!
53∗e−5
p ( 3 )=
3!
p ( 3 )=0.1403
μ=5
x=2
μ X . e−μ
P ( X )=
x!
52∗e−5
p ( 2 )=
2!
p ( 2 )=0.084
μ=5
x=1
μ X . e−μ
P ( X )=
x!
51∗e−5
p ( 1 )=
1!
p ( 1 )=0.033
=0.084+ 0.1403+0.1754+ 0.1754+0.1462+0.1044 =0.8587
7. No más de 3 pero más de 1.
μ=5
x=3
μ X . e−μ
P X=
( )
x!
3 −5
5 ∗e
p ( 3 )=
3!
p ( 3 )=0.1403
μ=5
x=2
μ X . e−μ
P ( X )=
x!
52∗e−5
p ( 2 )=
2!
p ( 2 )=0.084
=0.1403+0.084 =0.2243
8. Mas de 2 pero menos de 6.
μ=5
x=5
μ X . e−μ
P ( X )=
x!
55∗e−5
p ( 5 )=
5!
p ( 5 )=0.1754
μ=5
x=4
μ X . e−μ
P ( X )=
x!
5 4∗e−5
p ( x) =
4!
p ( x ) =0.1754
μ=5
x=3
μ X . e−μ
P X=
( )
x!
3 −5
5 ∗e
p ( 3 )=
3!
p ( 3 )=0.1403
=0.1754+ 0.1754+0.1403=0.4911
9. Ninguna
μ=5
x=0
μ X . e−μ
P X=
( )
x!
50∗e−5
p 0=
( )
0!
p ( 0 )=0.006
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?
X=33.8
σ=3
μ=32
x−μ
z=
σ
33.8−32
z= =0.6
3
Buscamos en la tabla para ver a que porcentaje corresponde y

tenemos que es 0.72
El 72% de las cajas superan los 33.8 cm

2. más cortas que 27.5 centímetros?
3. X=27.5
4. σ=3
5. μ=32
x−μ
z=
σ
27.5−32
z= =1.5
3
Revisando la tabla es 0.06=lo cual indica que el porcentaje de cajas

que son menores a 27.5 es el 6%
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)
Solución al estudio de caso 3
RESPONSABLE: Martha Cecilia ROL SELECCIONADO

Morales
Estudios de caso estudiante N°31:
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?
1
N: número total de población

K: número de éxitos de la población
n: numero de la muestra
x: número de éxitos de la muestra
¿Cero Mujeres?
N=7
K=5
n=4
x=0

5 ∗ 7−5
¿ p ( x=0 )=
( 0 ) ( 4−5 )
( 74)
5∗ 2
¿ p ( x=0 )=
( 0 ) ( −1)
(74)
( 1 )∗( 1 ) 1
¿ p ( x=0 )=
( 35 )
= 35
=0.029
P(x=0) = 0.029 probabilidad de elegir cero mujeres
¿Un hombre?
 N=7
 K=2
 n=4
 x=1
2 ∗ 7−2
( 1 ) ( 4−1 )
 ¿ p ( x=1 )=
(74 )
2∗5
( 1 ) (3 )
 ¿ p ( x=1 )=
( 74 )
( 2 )∗( 10 ) 20
 ¿ p ( x=1 )=
( 35 ) = 35 =0.571
P(x=1) = 0.571 probabilidad de elegir un hombre
¿Dos hombres?
 N=7
 K=2
 n=4
 x=2
2 ∗ 7−2
( 2 ) ( 4−2 )
 ¿ p ( x=2 )=
(74 )
2∗5
( 2 ) (2 )
 ¿ p ( x=2 )=
(74)
( 1 )∗( 10 ) 10
 ¿ p ( x=2 )=
( 35 ) = 35 =0.285
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 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?
(nk) p q
k n−k
p=probabilidad que ocurra
q=probabilidad de no ocurra
n= total de experimentos
k= total de éxitos
¿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=30%=0.30
q=70%=0.70
n= 5
k= 2
(52 )(0.30) (0.70)

2
=10(0.09) (0.343) = 0.3087
5−2
30.87% es probabilidad de que este en óptimas condiciones

las instalaciones.
a. 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.
e− μ · μ k
p ( x=k ) =
k!
1.Cinco automóviles.
μ=8.33*minuto
K=5
e =2.7182818284590452
e−8.33 ·8.335
p ( x=5 )= = 0.08060662297914336
5!
2.Cuando más, tres automóviles.
p ( x ≤ 3 )=¿ p ( x=0 ) + p ( x=1 ) + p ( x=2 )+ p ( x=3 )
· 8.330
−8.33
e
p ( x=0 )= =0.000241172044878559
0!
e−8.33 · 8.331
p ( x=1 )= = 0.0020089631338383961
1!
−8.33 2
e · 8.33
p ( x=2 )= = 0.0083673314524369199
2!
·8.333
−8.33
e
p ( x=3 )= = 0.0232332903329331809
3!
p ( x ≤ 3 )= p ( x=0 ) + p ( x=1 ) + p ( x=2 )+ p ( x=3 )
=0.03385075696408705509
p ( x>3 )=¿1- p ( x ≤ 3 )=¿ 1-0.03385075696408705509
=0.9661 Cuando más, tres automóviles
3.Menos de ocho automóviles.
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 )
e−8.33 · 8.330
p ( x=0 )= =0.000241172044878559
0!
e−8.33 · 8.331
p ( x=1 )= = 0.0020089631338383961
1!
· 8.332
−8.33
e
p ( x=2 )= = 0.0083673314524369199
2!
·8.333
−8.33
e
p ( x=3 )= = 0.0232332903329331809
3!
· 8.33 4
−8.33
e
p ( x=4 )= = 0.0483833271183333493
4!
e−8.33 ·8.335
p ( x=5 )= = 0.08060662297914336
5!
e−8.33 · 8.336
p ( x=6 )= = 0.1119088615693773648
6!
e−8.33 ·8.33 7
p ( x=7 )= = 0.1331715452675590641
7!
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 )
= 0.407921 Menos de ocho automóviles
b. 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 .
Media de los Datos (μ) = 90 mg/dl

Desviación Estándar (σ) = 9 mg/dl
Z = (x – μ) /σ
1. Al menos 82 mg/dl.
X = 82 mg/dl
Z = (82 – 90/9)
Z = – 8/9 = – 0,8889
Z = 0,8887
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
Z = (110 – 90) /9
Z = 20/9 = 2,2222
Z = 2,2222
0,9868
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
P (Azúcar ≤ 140 mg/dl) = 100%

Solución al estudio de caso 4: El grupo entrega aquí, de manera

organizada, el análisis, desarrollo y solución del ESTUDIO DE
CASO presentado
(No borrar este encabezado)
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)
Ejercicio 3
MENTEFACTO:
Conclusiones
ESTUDIANTE CONCLUSIÓN
Luis Hernán Rueda Naranjo Se logra desarrollar cada uno de
los puntos de la guía de
actividades, haciendo uso de los
diferentes tipos de distribuciones,
finalizando con un aprendizaje
practico como lo es saber que en
la tarea de calcular
probabilidades ya sea en la vida
cotidiana o en casos ficticios, se
deben identificar algunas
condiciones especiales para lograr
utilizar el tipo de distribución
correcta y con esto tener un
resultado probabilísticamente
cercano a la realidad.
Martha Cecilia Morales Comprendimos toda la temática
de la unidad 2, así como la
aplicación de distribución de
Poisson y la distribución Normal
las cuales son útiles para el
desarrollo de casos diarios.
Referencias bibliográficas en formato APA.
ESTU REFERENCIA
DIAN
TE
Luis [ CITATION fis \l 3082 ];[ CITATION sup \l 3082 ]
Hernán
Rueda
Naranj
o
Martha García, Á. M. Á. (2005). Introducción a la teoría de la
Cecilia probabilidad. primer curso. Pp. 195-221. Recuperado
Morale de https://ebookcentral-proquest-
s com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=4722054&ppg=196.
Rodríguez, F. & Pierdant, A. (2014). Estadística para

administración. Pp. 150-152. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/rea
der.action?
ppg=258&docID=11013767&tm=1470693471527

37 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

37 Tarea 2

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

Tarea 2 - Experimentos aleatorios y distribuciones de

Luis Hernán Rueda Naranjo .1005131912

Juan David Forigua

Escuela de Ciencias Básicas, Tecnología e Ingeniería

Durante la realización de esta actividad se resuelven diversas

Resolver los diferentes casos de estudio, utilizando recursos

 Resolver los 4 ejercicios aplicando debidamente las

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

Estudios de caso estudiante N°: 2

Tomado y adaptado de Gutiérrez, Banegas, Ana Laura. Probabilidad y

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

Definimos y organizamos los datos adaptándolos al ejercicio

N=40 k=5 n=8 x=3

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

p ( x=k ) = n pk (1− p)n−k

p ( x=6 )= 15 0.106 (1−0.10)15−6

p ( x=6 )=5005∗010 6 (.90)9

p ( x=1 )= 15 .101 (1−0.10)15−1

p ( x=1 )=15∗0.10 ( 0.228768 )

p ( x=k ) = n pk (1− p)n−k

p ( x=2 )= 15 0.102 (1−0.10)15−2

p ( x=k ) = n pk (1− p)n−k

p ( x=3 )= 15 0.10 3 (1−0.10)15−3

p ( x=3 )=455∗0.0010 ( 0.28 )

p ( x=4 )=1365∗0.00010 ( 0.31 )

p ( x=k ) = n pk (1− p)n−k

p ( x=3 )= 15 0.10 3 (1−0.10)15−3

p ( x=3 )=455∗0.0010 ( 0.28 )

p ( x=4 )=1365∗0.00010 ( 0.31 )

p ( x=5 )= 15 0.10 5 ( 1−0.10 )

p ( x=6 )= 15 0.106 (1−0.10)15−6

p ( x=6 )=5005∗010 6 (.90)9

p ( x=7 )= 15 0.107 (1−0.10)15−7

p ( x=8 )= 15 .10 8 (1−0.10)15−8

p ( x=9 )= 15 0.109 (1−0.10)15−9

p ( x=9 )=5005∗0.10 9 (0.5314)

p ( x=10 )= 15 0.10 10(1−0.10)15−10

p ( x=10 )=3003∗0.1010 (0.5904)

p ( x=11 )= 15 0.1011 (1−0.10)15−11

p ( x=12 )= 15 0.1012 (1−0.10)15−12

p ( x=13 )= 15 0.10 13(1−0.10)15−13

p ( x=14 ) = 15 0.1014 (1−0.10)15−14

p ( x=15 )= 15 0.10 15(1−0.10)

p ( x=k ) = n pk (1− p)n−k

p ( x=3 )= 15 0.10 3 (1−0.10)15−3

p ( x=3 )=455∗0.0010 ( 0.28 )

p ( x=4 )=1365∗0.00010 ( 0.31 )

p ( x=5 )= 15 0.10 5 ( 1−0.10 )

p ( x=5 )= 15 0.10 5 ( 1−0.10 )

=0.127+ 0.042+ 0.010

5. Menos de 7 pero más de 4?

p ( x=5 )= 15 0.10 5 ( 1−0.10 )

p ( x=6 )= 15 0.106 (1−0.10)15−6

Un Call center de la empresa de telefonía Movistar puede recibir un

=0.006+0.033+0.084 +0.1403+0.1754 +0.1754+0.1462=0.7603

4. Tan grande que lo sature.

=0.084+ 0.1403+0.1754+ 0.1754+0.1462+0.1044 =0.8257

6. Una o más pero menos de 8

=0.084+ 0.1403+0.1754+ 0.1754+0.1462+0.1044 =0.8587

7. No más de 3 pero más de 1.

8. Mas de 2 pero menos de 6.