UNIDADES 1 Y 2.

EVALUACION FINAL POA (PRUEBA OBJETIVA

ABIERTA)

NAYELI GISELA MOLINA ARRIETA

CODIGO: 1096218392

ANA MILENA DONADO CORTES

CODIGO:1040374272

LUZ LEIDY PEREZ

CODIGO:1045504588

DUVAN ALBERTO VASQUEZ

CODIGO:1036637957

TUTOR

FRANCISCO JAVIER PEREIRA LOPEZ

(LICENCIADO EN MATEMATICAS, ESPECIALISTA EN PEDAGOJIA PARA

EL DESARROLLO DEL APRENDIZAJE AUTONOMO)

GRUPO
100402_295
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
ADMINISTRACION DE EMPRESA
CEAD-TURBO
DICIEMBRE 2019
 INTRODUCCIÓN

En el desarrollo de esta actividad el término de probabilidad se emplea

de manera cotidiana, sin necesidad de ser matemáticos; por ejemplo, al
intentar pronosticar el estado de tiempo, se está empleando la
probabilidad ya que se trata con el azar y la incertidumbre. Existen 3
enfoques diferentes de probabilidad, los cuales serán desarrollados en la
presente unidad. Asimismo, existen eventos de pendientes que llevan a
calcular probabilidades condicionales o el inverso del patrón usual de
probabilidad condicional (teorema de Bayes), que se estudiará junto con
el desarrollo de las técnicas de conteo, como permutaciones y
combinaciones.
 Objetivos General:

El estudiante resuelve casos de estudio, utilizando los conceptos

propios de la probabilidad condicional y las distribuciones de
Probabilidad, donde comprenden las unidades vistas.

Objetivos Específicos:

 Identificar los conceptos fundamentos y métodos de la

probabilidad
 aplicar los conceptos básicos de probabilidad, técnicas de conteo y
axiomas de Probabilidad en la resolución de problemas.

 Entender el concepto de variable aleatoria, discretas y continuas.

1. Un productor de sobres de correos sabe por experiencia que el
peso de los sobres está distribuido aproximadamente en forma
normal con μ=1.95 gramos y σ =0.05 gramos. ¿Alrededor de cuantos
sobres pesan dos gramos o más se pueden encontrar en un
paquete de 120 sobres?
Se calcula la probabilidad de que un sobre pese más de 2 gramos
empleando la distribución normal y luego se utiliza este valor para
determinar en número de sobre que pesan 2 o más gramos en un grupo
de 120 sobre.
Datos:
μ=1.95, σ =0.05
x−μ 2−1.95
z= , con x=2 → z = =1
σ 0.05
p(x ≥2)= p( z ≥1)=1−0.8413=0.1587

Sea n el número de sobres que pesan más de 2 gramos en un grupo de

120 sobres.
n=0.1583∗120 ≈ 19 sobres
Respuesta: alrededor de 19 sobres en un grupo de 120 sobres pesan
dos gramos o más.
2. (D. Binomial) Se estima que, en todo el mundo, 1% de las
personas entre 15 y 49 años está infectado con el virus de la
inmunodeficiencia humana (VIH) (según datos de los Institutos
Nacionales de Salud). En las pruebas para el VIH, se combinan
las muestras de sangre de 36 personas.
a. ¿Cuál es la probabilidad de que una muestra combinada sea
positiva para el VIH?

f ( x )= (nx) p ( 1− p)
x n− x
distribución binomial

n=36 # personas
p=0.01

x ≥ 1 para que sea positiva debe haber por lo menos una persona
infectada.
p ( x ≥ 1 )=1− p ( x=0 )=0.3035 %

b. ¿Es improbable que una muestra combinada de este tipo sea

positiva?
La respuesta al literal a. demuestra que es posible que sea positiva.
3. (D. Hipergeométrica) De 30 personas seleccionadas de una
determinada empresa, 12 de ellas son tecnólogos y 18 son
profesionales de ciertas áreas de las ciencias. Si se selecciona
aleatoriamente una muestra de 8 personas, ¿Cuál es la
probabilidad de que:
r N−r
h ( x )=
( x )( n−x )

( Nn )
N=30 # de personas.
n=8 tamaño de la muestra
r # posibles de éxitos. Varia en cada caso.
x # de éxitos. Varia en cada caso.

a. 4 de ellas sean tecnólogos?

Para este caso r =12, x=4.
12 18
h ( x=4 )=
( 4 )( 4 )
=0.2587
30
(8)
Respuesta: para una muestra de 8 personas la probabilidad de que 4
sean tecnólogos es de 0.2587.
b. 5 de ellos sean profesionales?
Para este caso r =18, x=5.
18 12
h ( x=5 ) =
( 5 )( 3 )
=0.3220
30
(8)
Respuesta: para una muestra de 8 personas la probabilidad de que 5
sean profesionales es de 0.3220.
4. (Realizar una aproximación a la D. Normal) Un fabricante
vende lámparas en cajas de 1000. ¿Cuál es la probabilidad de
que alguna caja contenga no más del 1% de lámparas
defectuosas si se considera el proceso de producción como un
experimento binomial con p=0.01 (la probabilidad de que alguna
lámpara sea defectuosa)?
Aproximación Normal
n=1000 , p=0.01
μ=np=1000∗0.01=10
σ =√ np(1−p)=3.1464

El 1% de 1000 es 10, es decir, se pregunta por la probabilidad de que

hallan menos de 10 lámparas defectuosas.
x−μ 10−10
z= = =0
σ 3.1464
Así:
p ( x ≤ 10 )= p ( z ≤ 0 )=0.5

Respuesta: la probabilidad de que la caja tenga menos del 1% de

lámparas defectuosas es de 0.5.
5. (D. Poisson) Enfermedades en grupos: El neuroblastoma, una
forma rara de cáncer, se produce en 11 niños de cada millón, por
lo que su probabilidad es 0.000011. Cuatro casos de
neuroblastoma ocurrieron en Oak Park, Illinois, donde había
12,419 niños.
a. Suponiendo que el neuroblastoma ocurre como es usual,
encuentre el número medio de casos en grupos de 12,429 niños.
El número medio r está dado por:
12429∗11
r= =0.1367
1000000
b. Usando la media no redondeada del inciso (a), determine la
probabilidad de que el número de casos de neuroblastoma en un
grupo de 12,429 niños sea 0 o 1.

λ x e− λ
h ( x )= para λ=0.1367
x!

0.1367 0 e−0.1367
h0=
( ) =0.8722
0!

0.13671 e−0.1367
h ( 1 )= =0.1192
1!
p ( x=0 ∨ x=1 )=h ( 0 ) +h ( 1 )=0.9915

c. ¿Cuál es la probabilidad de más de un caso de neuroblastoma?

p ( x>1 ) =1− p ( x ≤ 1 )=1−0.9914=0.0085

d. ¿El grupo con cuatro casos parece atribuible a la casualidad?

¿Por qué sí o por qué no?
No es casualidad, porque desde que la probabilidad sea diferente de
cero existe la posibilidad de ocurrencia del evento y este ejemplo es uno
de esos casos especiales con probabilidades casi imposible pero que
sucede.
Análisis Ejercicio N° 1:

1. Un productor de sobres de correos sabe por experiencia que el

peso de los sobres está distribuido aproximadamente en forma
normal con μ=1.95 gramos y σ =0.05 gramos. ¿Alrededor de cuantos
sobres pesan dos gramos o más se pueden encontrar en un
paquete de 120 sobres?
Para desarrollar este ejercicio, primeramente, identificar el tipo de
distribución de probabilidad que se propone para su solución, en este
caso, la distribución normal, que matemáticamente tiene una ecuación
bastante complicada:
2
− ( x− μ)
1 2σ
2

f ( x )= e
σ √2 π
Pero para evitar esa ecuación se convierte a la distribución normal
estándar, donde μ=0 y σ =1 mediante la fórmula:
2
−z
x−μ 1 2
z= y f ( z )= e
σ √2 π
Para este ejercicio μ=1.95, σ =0.05. Sin embargo, para efecto prácticos se
trabaja mediante tablas de distribución normal estándar como la
siguiente:

Figura 1: Tabla de distribución estándar. (Anderson, Sweeney, Williams

(2008) p. 955)
Este ejercicio tiene dos momentos, en el primero se emplea la
distribución normal para determinar la probabilidad de que un sobre
pese dos o más gramos y luego hallar el número de sobre de un grupo
de 120 sobre que pesan dos o más gramos.
a. Se calcula la probabilidad de que un sobre pese más de dos gramos
usando la distribución estándar, para esto, empleamos la tabla
referenciada anteriormente basado en el valor de z obtenido en la
transformación:
x−μ 2−1.95
z= , donde x =2, μ=1.95 ,σ =0.05 → z = =1
σ 0.05
Ahora se debe tener presente que la tabla muestra el valor de z
acumulado por debajo, es decir, la probabilidad para valore menores de
z: p(z ≤1) y se necesita es: p(z ≥1). Este problema se resuelve de la
siguiente forma:
p ( z ≥ 1 )=1− p(z ≤1)

Empleando la tabla se tiene:

p ( z ≥ 1 )=1− p ( z ≤ 1 )=1−0.8413=0.1587

Finalmente, la probabilidad de que el sobre pesa dos o más gramos es:

p ( x ≥ 2 )= p(z ≥1)=0.1587

b. El siguiente paso es determinar la cantidad de sobre con peso

superior o igual a dos gramos dentro de un grupo de 120 sobres. Para
eso se multiplica la probabilidad encontrada por los 120 sobres.
Sea n el número de sobre con peso superior o igual a dos gramos, así n
es:
n= p ( x ≥2 )∗120=19.04

Como no se puede tener 31.74 sobres, se aproximan el valor a 19

sobres. Así las cosas, el número de sobres que pesa dos o más gramos
en un grupo de 120 teniendo presente que el peso tiene una distribución
normal es de aproximadamente 32 sobres.
Análisis Ejercicio N° 2:

2. (D. Binomial) Se estima que, en todo el mundo, 1% de las personas

entre 15 y 49 años está infectado con el virus de la inmunodeficiencia
humana (VIH) (según datos de los Institutos Nacionales de Salud). En
las pruebas para el VIH, se combinan las muestras de sangre de 36
personas.

a. ¿Cuál es la probabilidad de que una muestra combinada sea

positiva para el VIH?
b. ¿Es improbable que una muestra combinada de este tipo sea
positiva?

RTA: La probabilidad de que la muestra combinada no es improbable la

probabilidad de es 0.303586

Explicación.

Una distribución binomial es una distribución de probabilidad discreta

que conociendo la probabilidad de éxito de un evento se quiere
determinar que en n experimento tengamos x éxitos, la función de
probabilidad es:

P( X =x)=n !/((n−x) !∗x !)∗p ˣ∗(1− p)ⁿ ⁻ ˣ

Entonces en este caso p = 0.01, n = 36 y se desea saber la probabilidad

de que en la muestra combinada tenga VIH esto es que al menos una de
ellas tenga VIH X ≥ 1
P( X ≥ 1)=1−P( X=0)

P( X =0)=36 ! /((36−0)!∗0 !)∗0.01⁰∗(1−0.01)³⁶⁻ ⁰=0.6964

P( X ≥ 1)=1−0.6964=0.303586

Análisis Ejercicio N° 3:

3.1 (D. Hipergeométrica) De 30 personas seleccionadas de una

determinada empresa, 12 de ellas son tecnólogos y 18 son profesionales
de ciertas áreas de las ciencias. Si se selecciona aleatoriamente una
muestra de 8 personas, ¿Cuál es la probabilidad de que:

a. 4 de ellas sean tecnólogos?

Distribución hipergeométrica
N= número de la población
n= número de muestra
d= posibilidad de éxito
x= éxitos según el problema

en el caso de que 4 de ellos sean tecnólogos usaremos la ecuación

así.

1
 12 18
P( X =4 )=
( 4 )( 4 )

( 308)
P ( X=4 )=0.2587 % de probabilidad de que 4 de ellos sean tecnologos , dentro de una muestra
de 8 perosnas

b. 5 de ellos sean profesionales?

18 30−18
P( X =5)=
( 5 )( 8−5 )

( 308)
P ( X=5 )=0,3220 % de probabilidad que 5 personas sean profesionales ,
entre 8 personas .

Link de explicación del desarrollo del ejercicio.

https://youtu.be/0ipfW8OIams

Análisis Ejercicio N° 4:

42. (Realizar una aproximación a la D. Normal) Un fabricante vende

lámparas en cajas de 1000. ¿Cuál es la probabilidad de que alguna caja
contenga no más del 1% de lámparas defectuosas si se considera el
proceso de producción como un experimento binomial con p=0,01 (la
probabilidad de que alguna lámpara sea defectuosa)?

RTA:

La probabilidad de que alguna lámpara salga defectuosa es:

2
0,9979

Explicación paso a paso :

Datos ;

n=1000

p=0,01

q=0,99

Los Parámetros de una distribución binomial normal ;

Media :μ=n·p

Varianza :V =n·p·q

Desviación: σ=√(V )

n ≥ 30 ; n·p ≥5 ; n·q ≥ 5

Sustituir ;

Media :
μ=(1000)·( 0,01)

μ=10

Para hallar la varianza procedemos :

V =(1000)·(0,01) ·(0,99)

V =9,9

Desviación:

σ =√ 9,9

σ =3,146

Probabilidad de que alguna lampara sea defectuosa ;

P( x ≥1)=1−P( x ≤ 1)

Normal estándar :

Z=[( x −μ) /σ ]
Se sustituye

Z=[( 1−10)/3,14]

Z=−2,86

Valor de la taba1 ;

P( x ≥1)=0,0021

0,0021=1−P(x ≤ 1)

P( x ≤1)=1−0,0021
P( x ≤1)=0,99

Análisis Ejercicio N° 5:

53. (D. Poisson) Enfermedades en grupos El neuroblastoma, una

forma rara de cáncer, se produce en 11 niños de cada millón, por lo que
su probabilidad es 0.000011. Cuatro casos de neuroblastoma ocurrieron
en Oak Park, Illinois, donde había 12,419 niños.

a. Suponiendo que el neuroblastoma ocurre como es usual,

encuentre el número medio de casos en grupos de 12,429 niños.
3
 b. Usando la media no redondeada del inciso (a), determine la
probabilidad de que el número de casos de neuroblastoma en un
grupo de 12,429 niños sea 0 o 1.
c. ¿Cuál es la probabilidad de más de un caso de neuroblastoma?
d. ¿El grupo con cuatro casos parece atribuible a la casualidad? ¿Por
qué sí o por qué no?

Se determinan la probabilidad solicitada según el caso

La distribución Poisson es una distribución de probabilidad discreta

usada en estadística para medir la probabilidad de que ocurra cierta
cantidad de eventos en un tiempo determinado o en un espacio
determinado, entre otros.

Análisis

La función de probabilidad de la distribución Poisson es:

P( x , λ)=exp(− λ)∗λ ∧ k /k !

Donde k es la cantidad deseada de eventos en un tiempo determinado.

λ es la cantidad de eventos que ocurren en promedio, en dicho tiempo.

El número medio λ de los 12429 son 4

Nos piden la probabilidad de que sea cero o 1:

A continuación, vemos la explicación detallada paso a paso de como

hallar la probabilidad.
P(0,4)=exp(−4)∗4 ∧ 0/0 !=0.018325

P(1,4)=exp(−4)∗4 ∧1/1 !=0.073262

Más de 1 es 1 menos la probabilidad de 0 y 1:

P( x ≥1)=1−0.018325−0.073262=0.908421

No es atribuible a la casualidad: pues la probabilidad de mayor que 1 es

alta.

Las variables aleatorias de Poisson tienen la propiedad de ser infinitamente

divisibles.
 Conclusiones

A través de estos Casos y con las bases teóricas que nos proporcionan
los tutores podemos experimentar sobre aquello que la realidad no
permitía, para lograr conclusiones sobre la probabilidad de sucesos
potenciales en sistemas complejos. La probabilidad constituye un
importante parámetro en la determinación de las diversas casualidades
obtenidas tras una serie de eventos esperados dentro de un rango
estadístico, por ello es necesario conocer cada distribución de la
probabilidad en el caso específico sus usos y formas de aplicarla.
 Bibliografía

 Rodríguez, F. J., & Pierdant, R. A. I. (2014). Estadística para

administración. (Pp. 177-183).

 García, Á. M. Á. (2005). Introducción a la teoría de la

probabilidad. primer curso. (Pp. 29-50).

 Rodríguez, F. & Pierdant, A. (2014). Estadística para

administración. (Pp. 245-261). García