La secretaria de salud frente a la calidad del agua

aceptación del 23%. Construya una ta

x 10

p(x) 0.23
 Los resultados detectados en el laboratorio de
normalment

Media 33.61

Desviación E 45.97
 Distribución binomial – Anexo 1

salud frente a la calidad del agua en la ciudad de Bogotá determino que la variable PH tiene una probabilida
ptación del 23%. Construya una tabla con valores entre el 0 y 10 aplicando la distribución Binomial.

4. ¿Cuál es la probabili
x P(X=x)
sumo a 4

0 0.073 7% p(x≥4)

1 0.219 22%

¿Cuál es la probabilida
2 0.294 29%
menos de

3 0.234 23% p(x<7)

4 0.122 12%

5 0.044 4%

6 0.011 1%

7 0.002 0%

8 0.000 0%

9 0.000 0%

10 0.000 0%

Suma 100% 100%

 Distribución normal – Anexo 3

os detectados en el laboratorio de aguas – Hidrolab, determina que la variable Alcalinidad Total se distribuye
normalmente. Calcule las siguientes probabilidades:

ALCALINIDAD
1. ¿Cuál es la probabilidad de que Alcalinidad Total sea mayor a
TOTAL

1.61 58.09% 0.580923229661 esta es la probabilidad de 0 a 43

1.7 41.91% 0.419076770339

la probabilidad de los mayores a 43, s
restar 1-p(x>43)
2.6

1.61
la probabilidad de que Alcalinidad Total sea mayor a 43, es 4
1.61

1.61

1.61

1.8 ¿Cuál es la probabilidad de que Alcalinidad Total sea superior a

1.61 40.87% 0.408739920129 esta es la probabilidad de 0 a 23

1.71 59.13% 0.591260079871

la probabilidad de lossuperiores a 23
de restar 1-p(x>23)
1.8

82.4
la probabilidad de que Alcalinidad Total seasuperior a 23, es de
87

91.8
89.2

103

93.8

112.8

112.6

90.2

80.6

87.2

37.4

28.6

7.5

28.4

26.2

28.8

25.6

29.3

29.2

29.9

36.6

28.6

26.6

18.9

25.6
17.3

16.9

201

201

201

201

201

201

7.5

7.1

7.1

6.9

5.7

6.2

6.2

7.4

7.1

7.7

7.1

7.4

2.4

2.9

2.7
3.4

2.5

2.5

2.3

2.6

1.9

2.1

2.2

29.2

35.6

39.2

18.5

15.2

13

26.6

27.6

5.1

40

30.1

31.9

12.3

9.8

10.2
11.7

14

16

13.9

41.6

38.4

53.1

44.5

15.1

6.6

9.1

8.9

30.4

25.5

47.4

48.6

10.1

8.8

15.5

6.6

7.2
17.8

7.7

6.4

6.6

6.8

5.9

1.61

3.1

1.61

2.9

2.3

4.2

2.5

2.8

3.6

2.6

1.61

1.61

1.9

1.61

1.61

1.61
1.61

3.42

1.8

1.61

1.61

5.1

5.8

6.5

3.8

4.9

4.4

4.25

6.1

6.6

1.61

1.61

1.8

1.61

1.61

1.61

1.61
1.61

1.61

1.61

1.61

7.3

1.61

17.75

10.6

1.61

1.61

6.2

10.2

8.2

8.9

6.5

1.61

1.61

9.6

2.1

2.7

3.1
 7

8.3

8.4

3.9

2.8

2.6

1.61

1.61

2.8

6.3

7.1

1.61

2.2

3.4

1.61

1.61

1.61

1.9

1.61

1.8
1.61

6.8

8.9

4.8

7.9

6.7

7.9

7.5

7.3

3.7

4.7

4.6

1.61

1.61

1.61

1.61

2.2

3.4

4.8

3.7

5.3
4.7

2.7

1.61

1.61

3.9

4.2

4.6

3.8

4.8

6.3

1.61

1.61

1.61

1.61

4.3

5.5

6.3

14.1

18

6.2

8.7
 9

7.9

8.9

10.9

8.9

8.5

4.5

3.5

5.8

3.6

1.61

2.5

2.3

4.3

4.6

1.61

5.4

13.3

17.81

31.2

8.6

5.4

4.5
 6

11.4

11.3

7.6

1.3

1.61

1.7

1.61

32.31

1.61

1.61

1.61

3.42

39.6

55.6

72.3

35.8

33.8

26

35

45.9

50.2

1.61
1.61

2.1

1.61

1.61

1.61

1.61

1.61

1.61

1.9

3.8

4.6

5.7

3.7

4.9

7.2

4.7

5.2

5.6

33.2

30.4

28.4

43.6

18.8
 39.4

39

15.9

28.9

31.8

8.1

29.2

21.4

8.2

10.9

149

130

130.35

98.5

138.5

142

153.7

167.5

122.05

137.6

154.3

166.8

36
10.3

80.2

72.4

72.4

82.4

65

66

123

85.2

99.2

14

16.1

48.6

47.6

47.6

76.3

92.8

76.9

90.4

50.5

43.1

50.8

68.2
40.2

10.6

97.2

102.8

109.3

112

112.6

100.8

110

27

54

69

25.4

26.4

20

128.2

15

26.2

94

11.8

54.1

52

55.6
50.2

47.3

104.8

96.4

35

43

60.6

14

65.2

63

74.2

59.2

65.2

116.4

128.6

145.2

113.8

101

129.6

138.6

113.6

117

66.54
10.3

75

81.2

125.4

131.6

163.4

155

185.6

201

147.4

154.6

24.4

12.7

25

27

24.2

20

24.9

24.7

21

24.9

26

27.8
38.8

40.2

34.6

40.4

25.2

68.6

22.7

40

63.8

57.8

9.7

12.4

44.4

22.2

18.4

17.9

14.2

16.8

95.2

76.4

65.6

68.6

67.8
67.8

67.6

67.4

67.2

64

67.6

67.4

10.5

20

68

34.2

80.2

74

22.2

22.4

82.2

76.2

54.8

70.2

66.4

10.75

11.19

10.68
11.32

9.4

14.65

9.46

12.46

10.26

10.23

8.21

9.11

201

201

201

201

102.1

201

201

201

145.2

10.5

9.7

9.1

8.2

8.8
6.4

10.2

9.5

13.7

10.6

8.9

57.6

71

69.6

67.6

63.6

69

68

69

69.8

47.6

48.4

45

43.8

43.4

64

16.6

59.8
 73

62.4

105.6

111.4

96.2

2.4

16.2

16.2

2.2

1.7

1.61

1.61

10.7

1.61

1.8

1.61

1.61

1.61

1.61

1.61

2.1

1.61

10.6
10.5

12.6

10.2

7.1

8.2

7.8

8.9

7.4

3.9

4.1

4.1

2.2

3.5

26

17.1

20.5

16.8

3.7

8.2

15.8
 8.2

13.2

7.4

9.5

9.6

9.1

8.2

140.2

1.61

1.61

1.61

1.61

1.61

1.61

1.61

1.61

1.61
 Paso 2. Identificación del problema

PH tiene una probabilidad de

bución Binomial.

4. ¿Cuál es la probabilidad de sea a lo

sumo a 4? la probabilidad de que al menos sea 5 es de
94,31%
p(x≥4) 94.31%

¿Cuál es la probabilidad de que sean

menos de 7? la probabilidad de que sean más de 5 es del
99,79%
p(x<7) 99.79%
linidad Total se distribuye El análisis de las pruebas de laboratorio determi
continuo. Determ

HIERRO
idad Total sea mayor a 43?
TOTAL

s la probabilidad de 0 a 43 0.1

0.23
ad de los mayores a 43, sale de
restar 1-p(x>43)
0.16

0.13
otal sea mayor a 43, es 41,91%
0.14

0.2

0.2

ad Total sea superior a 23? 0.2

s la probabilidad de 0 a 23 0.23

0.21
dad de lossuperiores a 23, sale
e restar 1-p(x>23)
0.21

0.08
l seasuperior a 23, es del 59,13%
0.1

0.08
0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.11

0.13

0.13

0.22

0.04

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.2

0.2
0.2

0.2

0.09

0.15

0.08

0.2

0.2

0.2

0.65

0.18

0.08

0.08

0.08

0.2

0.2

0.2

0.27

0.2

0.2

0.2

0.2

0.08

0.08
0.08

0.11

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.39

0.58

0.24

0.2

0.38

0.39

0.77

0.28

0.15

0.28

0.35

0.28

0.24

0.23
0.37

0.79

0.53

0.56

0.21

0.37

0.13

0.08

0.13

0.13

0.2

0.21

0.2

0.24

0.2

0.2

0.08

0.15

0.29

0.53

0.25

0.59

0.14
0.27

0.2

0.2

0.43

0.2

0.9

0.2

0.09

0.12

0.1

0.44

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.12

0.08

0.14

0.11

0.2
0.2

0.2

0.2

0.2

0.2

0.08

0.08

0.08

0.08

0.08

0.2

0.2

0.2

0.3

0.2

0.2

0.15

0.08

0.1

0.09

0.23

0.2

0.2
0.2

0.2

0.34

0.08

0.08

0.18

0.1

0.14

0.05

0.23

0.2

0.2

0.2

0.2

0.37

0.13

0.5

0.35

0.22

0.2

0.35

0.36

0.36
0.26

0.3

0.09

0.51

1.01

0.92

0.81

0.29

0.26

0.8

1.08

0.97

1.06

1.08

0.17

0.5

0.17

0.13

0.19

0.32

0.2

0.2

0.2
0.71

0.11

0.08

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.16

0.08

0.23

0.21

0.18

0.03

0.26

0.2

0.21

0.2

0.08

0.08
0.89

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.08

0.84

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.14

0.08

0.12

0.25

0.2
0.2

0.25

0.2

0.2

0.2

0.2

0.38

0.11

0.18

0.08

0.2

0.2

0.25

0.2

0.2

0.43

0.33

0.2

0.17

0.08

0.14

0.1

0.1
0.25

0.2

0.2

0.3

0.08

1.09

0.16

0.11

0.14

0.2

0.33

0.24

0.26

0.23

0.13

0.14

0.16

0.13

0.03

0.23

0.2

0.32

0.22
0.08

0.13

0.13

0.2

0.2

0.2

0.2

0.2

0.2

0.32

0.08

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.2

0.2

0.11
0.09

0.18

0.1

0.2

0.06

0.2

0.2

0.2

0.2

0.2

0.12

0.08

0.11

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.23

0.2
0.2

0.09

0.1

0.2

0.2

0.2

0.2

0.1

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.24

0.2

0.2

0.2

0.08

0.2

0.08
0.08

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.08

0.79

0.2

0.12

0.24

0.2

0.2

0.2

0.2

0.2

0.08

0.08

0.19

0.08
0.08

0.2

0.2

0.2

0.2

0.2

0.21

0.08

0.49

0.41

0.39

0.2

0.2

0.18

0.21

0.15

0.17

0.09

0.2

0.35

0.42

0.2

0.2
0.2

0.2

0.25

0.15

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.08

0.11

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.09
0.33

0.2

0.26

0.2

0.2

0.34

0.2

0.14

0.2

0.2

0.14

0.08

0.09

0.2

0.2

0.2

0.2

0.2

0.09

0.26

0.1

0.53

0.08
0.72

0.2

0.2

0.2

1.24

1.12

0.85

0.2

0.2

0.13

0.1

0.08

0.37

0.2

0.2

0.23

0.2

0.2

0.2

0.2

0.09

0.1

0.11
0.08

0.14

0.17

0.16

0.2

0.2

0.19

0.13

0.11

0.25

0.29

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.09

0.08

0.08

0.08

0.2
0.2

0.2

0.2

0.2

0.2

0.28

0.08

1.06

0.15

0.22

0.2

0.2

0.2

0.2

0.3

0.28

0.46

0.21

0.19

0.23

0.53

0.2

0.2
0.2

0.2

0.28

0.2

0.32

0.29

0.29

0.27

0.24

0.15

0.2

0.2

0.2

0.47

0.21

0.18

0.19

0.12

0.2

0.2

0.2

0.3

0.08
0.12

0.08

0.08

0.08

0.2

0.2

0.2

0.38

0.2

0.11

0.08

0.08

0.18

0.2

0.2

0.2

0.08

0.18

0.13

0.06

0.2

0.13

0.27
0.21

0.08

0.2

0.05

0.2

0.2

0.2

0.22

0.13

0.1

0.08

0.2

0.2

0.2

0.2

0.2

0.2
roblema

Distribución de Poisson – An

Mediante una inspección de los contaminantes en algunas veredas del país

promedio de 5 UNT por hora. Realice una tabla de distribución de Poisso
siguientes probabilidades:

x 5

x P(X=x)

0 0.007

1 0.034

2 0.084

3 0.140

4 0.175

5 0.175

6 0.146

7 0.104

8 0.065

9 0.036

10 0.018
 11 0.008

12 0.003

Suma 1

Distribución Uniforme Continua – Anexo 4

ebas de laboratorio determina que el Hierro Total tiene un comportamiento uniformemente

continuo. Determine las siguientes probabilidades:

Maximo 1.24 Formula: P(X=x)=(d-c)/(b-a)

Minimo 0.03 b: es el valor máximo del conjunto

a: valor mínimo del conjunto

c: el valor mínimo en la pregunta de

probabilidad a determinar
d: el valor máximo en la pregunta de
probabilidad a determinar

5. La probabilidad que el Hierro Total sea máximo hasta 1

b 1.24

a 0.03 P(0 ≤ X ≤ 1)

c 0 82.64%

d 1

La probabilidad que el Hierro Total sea máximo hasta 1., es del 82,64%

La probabilidad que el Hierro Total este entre 0.2 y 1

b 1.24

a 0.03 P(0.3 ≤ X ≤ 1.08)

c 0.2 66.12%

d 1

La probabilidad que el Hierro Total este entre 0.2 y 1, es de 66,12%

ción de Poisson – Anexo 2

unas veredas del país, se determina que el Turbiedad presenta un

distribución de Poisson para k entre 0 y 12, donde determine las
ntes probabilidades:

2. Que sean más de 4 UNT

la probabilidad de que sean
es de 23,585%
1% p(x>6) 23.58%

3%

8% Que salgan a lo sumo 10 UNT.

La probabilidad de que salga
del 80.73%.
14% p(3≤x≤8) 80.73%

18%

18%

15%

10%

7%

4%

2%
 1%

0%

100%

Distribución Hipergeométrica – Ane

En algunos comedores escolares la calidad del agua potable presenta u

perjudica el consumo. Se detecta que de 30 comedores escolares hay 9
niveles permisibles en cuanto al color aparente con platino de cobalto

3. Si se sacan de forma aleatoria 20 comedores.

¿Cuál es la probabilidad de determinar 8?

P(k=4)

0.088047 8.80%

Si se sacan de forma aleatoria 20 comedores, la probabilidad de

determinar 8, es del 8,80%

3. Si se sacan de forma aleatoria 13 comedores.

¿Cuál es la probabilidad de determinar 4?

s del 82,64%

P(k=4)

0.309245 30.92%
 Si se sacan de forma aleatoria 13 comedores, la probabilidad de
determinar 4, es del 30,92%

de 66,12%
a probabilidad de que sean más de 6 UNT,
es de 23,585%

a probabilidad de que salganentre 3 y 8, es

del 80.73%.
n Hipergeométrica – Anexo 5

del agua potable presenta una variable con color aparente que
omedores escolares hay 9 de ellos que están por encima de los
ente con platino de cobalto correspondiente al agua potable.

N 30 # de experimentos

N1 9 # que favorece al evento N1

k 8 # de eventos cuya probabilidad se esta calculando

n 20 # de ensayos que se realiza

la probabilidad de

N 30 # de experimentos

N1 9 # que favorece al evento N1

k 4 # de eventos cuya probabilidad se esta calculando

n 13 # de ensayos que se realiza

 la probabilidad de
%
 • Distribución de Poisson.

Definición:

Una distribución de probabilidad discreta, que muestra como el conjunto de valore

esta probabilidad en la variable aleatoria X está dada por la d

Propiedades del modelo

1) Esperanza: E(X)
2) Varianza: V(X) =
La esperanza y la varianza
3) La suma de dos variables aleatorias independientes con distribución de Poisson
de Poisson, de parámetro igual a la

La distribución de poisson es útil, ya que en situaciones donde hay sucesos imp

probabilidad de un suceso con re

a)
Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las probabilidades
cheques sin fondos en cualquiera de dos días consecutivos?
a)      
x = variable que nos define el número de cheques sin fondo que llegan al banco en un día cu
l = 6 cheques sin fondo por día
e = 2.718
𝑝(𝑥=4,𝜆=6)=((6)^4 (2.718)^(−6))/4=((1296)(0.00248))/24=0.13392

b)
x= variable que nos define el número de cheques sin fondo que llegan al banco en dos días c
l = 6 x 2 = 12 cheques sin fondo en promedio que  llegan al banco en dos días consecutivos
Nota: l siempre debe de estar en función de x siempre o dicho de otra forma, debe “hablar” d
 
𝑝(𝑥=10,𝜆=12)=((12)^10 (2.718)^(−12))/10!=((6.1917364𝐸10)(0.00000151))/3628800=0.1
 

DISTRIBUCIÓN DE POISSON, recuperado de

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/05Distr%20Pois
 Paso 4. concepto.

Definición:

tra como el conjunto de valores con probabilidad no nula no es finito, sino numerable, de allí que
e aleatoria X está dada por la distribución de Poisson, si denota lo siguiente:

Propiedades del modelo de Poisson

1) Esperanza: E(X) = λ.
2) Varianza: V(X) = λ.
La esperanza y la varianza coinciden.
ntes con distribución de Poisson resulta en una nueva variable aleatoria, también con distribución
isson, de parámetro igual a la suma de parámetros

Utilidad:
aciones donde hay sucesos impredecibles o de ocurrencia aleatoria, además permite conocer la
obabilidad de un suceso con resultado discreto.

Ejemplo

ía, ¿cuáles son las probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado, b) 10
s?

o que llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc, etc.

/24=0.13392

o que llegan al banco en dos días consecutivos = 0, 1, 2, 3, ......, etc., etc.

al banco en dos días consecutivos
cho de otra forma, debe “hablar” de lo mismo que x.

4𝐸10)(0.00000151))/3628800=0.104953

SON, recuperado de
/sabaticorita/_private/05Distr%20Poisson.htm
 REFERENCIAS

Monroy, S. (2008). Distribuciones de probabilidad. En: Estadística Descri

187 – 219). Recuperado dehttps://bibliotecavirtual.unad.edu.co:2538/lib/u
docID=3192101&ppg=188  

Llinás, S. H. (2017). . En: Estadística descriptiva y distribuciones de prob

de https://ebookcentral-proquest-com.bibliotecavirtual.unad.edu.co/lib/un

Llinás, S. H. (2017). Teorema de Bayes. En: Estadística descriptiva y dist

Recuperado de https://ebookcentral-proquestcom.bibliotecavirtual.unad.e
docID=5486680&ppg=276

Espejo I. (2006). Distribución de probabilidad uniforme continua. En: Esta

problemas, 3th ed. [Online]. España: Servicio de publicaciones de la Univ
Recuperado dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reade
ppg=228&docID=10844601&tm=1485306164106

DISTRIBUCIÓN DE POISSON, recuperado de

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/0
 REFERENCIAS

abilidad. En: Estadística Descriptiva. Editorial: Instituto Técnico Nacional. (pp.

avirtual.unad.edu.co:2538/lib/unadsp/reader.action?

riptiva y distribuciones de probabilidad. (pp. 188 - 241). Recuperado

otecavirtual.unad.edu.co/lib/unadsp/reader.action?docID=5486680&ppg=206

n: Estadística descriptiva y distribuciones de probabilidad. (pp. 258 - 295).

estcom.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?

ad uniforme continua. En: Estadística descriptiva y probabilidad: teoría y

cio de publicaciones de la Universidad de Cádiz. (pp. 195 – 199).
.edu.co:2077/lib/unadsp/reader.action?
164106

do de
ndustrial/sabaticorita/_private/05Distr%20Poisson.htm