Tarea 2-Experimentos Aleatorios y Distribuciones de Probabilidad Rocio Ramirez Q

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
EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE

PROBABILIDAD
PRESENTADO POR:
ROCIO DE JESUS RAMIREZ QUINTERO
CÓDIGO: 49.789.424
NUMERO DE GRUPO:
100402_276
PRESENTADO A:
ANUAR DE JESUS OYOLA
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA-UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
INGENIERÍA DE SISTEMAS
AGUACHICA CESAR
INTRODUCCION
Una variable aleatoria es un valor numérico que corresponde al

resultado de un experimento aleatorio, el número de lanzamientos de
un dado hasta que aparece el seis, el número de llamadas que se
reciben en un teléfono en una hora, el tiempo de espera a que llegue
un autobús.
Las variables aleatorias, como las estadísticas, pueden ser discretas o
continuas.
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.
Objetivos
General:
Identificar los elementos básicos de la teoría de probabilidad con

énfasis en el modelado de los fenómenos aleatorios. Reconocer
situaciones prácticas en las que las principales distribuciones de
probabilidad, discretas y continuas pueden presentarse.
Específicos:
 Conocer las distribuciones de probabilidad de variable continua.

 Calcular la probabilidad de que una variable aleatoria tome
determinados valores, a partir de su función de densidad o de su
función de distribución.
 Calcular probabilidades en distribuciones normales,
Hipergeometrica, Binominales y Poisson.
CUADRO SINÓPTICO
Discretas: es una variable que no puede tomar
algunos valores dentro de un mínimo conjunto
numerable, quiere decir, no acepta cualquier
valor, únicamente aquellos que pertenecen al
Variables
conjunto.
Aleatorias,
Continuas: puede tomar un valor fijo dentro de
Discretas y
un intervalo determinado. Y siempre entre dos Continuas
valores observables va a existir un tercer valor
intermedio que también podría tomar la
Distribución Binominal: es una distribución de
variable continua.
probabilidad discreta que cuenta el número de
éxitos en una secuencia de n ensayos de
Bernoulli independientes entre sí, con una
probabilidad fija p de ocurrencia del éxito entre
los ensayos.
Distribución de Poisson: es una distribución de

Distribuciones
probabilidad discreta que expresa, a partir de
discretas de una frecuencia de ocurrencia media, la Probabilidad
Probabilidad probabilidad de que ocurra un determinado condicional y las
número de eventos durante cierto período de
distribuciones de
tiempo.
Probabilidad.
Distribución Hipergeometrica: es una
distribución discreta relacionada con
Una distribución continua describe las muestreos
aleatorios y sin reemplazo.
probabilidades Suponga
de los posibles que se
valores de tiene
una
una
variable aleatoria continua. Una variabled
población de N elementos de los cuales,
pertenecen a la categoría
aleatoria continua es unaAvariable
y N-d a aleatoria
la B. con
un conjunto de valores posibles (conocido
Distribuciones
como el rango) que es infinito y no se puede
contar.
Continuas de
Probabilidad
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
Rocio de Jesús Ramírez Quintero Entregas
Estudios de caso estudiante N°1:1
a. Distribución Hipergeométrica: De 60 personas seleccionadas

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:
b. 6 de ellos sean tecnólogos?
c. 7 de ellos sean profesionales?
N=número total de la población
K=numero de éxitos de la población
n=numero de de la muestra
X =numero de éxitos de la muestra
FUNCION DE PROBABILIDAD
K N−K
P ( x) =
( X )( n−x )
( Nn )
N=60
K=20
n=12
x=6
1
Tomado y adaptado de Gutiérrez, Banegas, Ana Laura. Probabilidad y estadística Enfoque por competencias, Grupo
Editorial Mc Graw Hill, 2012.
20 60−20 20 40
P ( x=6 )=
( 6 )( 12−6 ) ( 6 )( 6 )
= =0,106316982
60 60
(12) (12)
a. 7 de ellos sean profesionales?

N=60
K=40
n=12
x=7
40 60−40 40 40
P ( x=7 )=
( 7 )( 12−7 ) ( 7 )( 5 )
= =0,206558707
60 60
( 12) (12 )
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:
p= n p x ( 1− p )
n− x
Numero de ensayos=n
x()
Probabilidad de éxito= p
Número de casos exitosos=x
N=20
P=0.25
X p(x)
0 0,003171212
1 0,021141413
2 0,066947808
3 0,133895615
4 0,189685455
5 0,202331152
6 0,168609293
7 0,112406195
8 0,060886689
9 0,027060751
10 0,009922275
11 0,00300675
12 0,000751688
13 0,000154192
14 2,56987E-05
15 3,4265E-06
16 3,56927E-07
17 2,79942E-08
18 1,55524E-09
19 5,45697E-11
20 9,09495E-13
1. P( X ≤ 4)
p ( x ≤ 4 /20,0.25 )= p ( x=4 ) + p ( x =3 ) + p ( x=2 )+ p ( x=1 ) + p( x=0)=¿
p ( x ≤ 4 )= p ( 0.1897 ) + p ( 0.1339 ) + p ( 0.0669 )+ p ( 0.0211 )+ p (0.0032)

p ( x ≤ 4 )=0,414841503
p ( x=4 )=0.1897
2. P( X < 4)
N=20 P=0.25 X < 4
p ( x< 4 /20,0.25 )= p ( x =0 ) + p ( x =1 )+ p ( x=2 ) + p ( x=3 )
( 0,003171212 ) + ( 0,021141413 ) + ( 0,066947808 )+ ( 0,133895615 )
¿ 0,225156048
3. P( X ≥ 6)
p ( x ≥ 6/20,0.25 )= p ( x=7 )( 0,112406195 )+ p ( x=8 )( 0,060886689 ) +¿
p ( x=9 ) ( 0,027060751 )+ p ( x=10 )( 0,009922275 ) + p ( x=11) ( 0,00300675 ) +¿
p ( x=12 )( 0,000751688 ) + p ( x=13 ) ( 0,000154192 )+ p ( x=14 ) ( 2,56987E-05 )
+ p ( x=15 ) ( 3,4265E-06 ) + p ( x =16 ) (3,56927E-070.18797 )+ p ( x=17 )( 2,79942E-08 ) +¿
p ( x=18 ) (1,55524E-09 )+ p ( x=19 ) ( 5,45697E-11 ) + p ( x=20 ) ( 9,09495E-13 )=¿
0,214218052
p ( x=6 )=0,168609293
4. P( X > 6)
p ( x ≥ 6/20,0.25 )= p ( x=7 )( 0,112406195 )+ p ( x=8 )( 0,060886689 ) +¿
p ( x=9 ) ( 0,027060751 )+ p ( x=10 )( 0,009922275 ) + p ( x=11) ( 0,00300675 ) +¿
p ( x=12 )( 0,000751688 ) + p ( x=13 ) ( 0,000154192 )+ p ( x=14 ) ( 2,56987E-05 )
+ p ( x=15 ) ( 3,4265E-06 ) + p ( x =16 ) (3,56927E-070.18797 )+ p ( x=17 )( 2,79942E-08 ) +¿
p ( x=18 ) (1,55524E-09 )+ p ( x=19 ) ( 5,45697E-11 ) + p ( x=20 ) ( 9,09495E-13 )=0,214218052
5. P(2 ≤ X ≤ 8)
p ( 2≤ x ≤ 8/20,0.25 ) =p ( x=2 )+ p ( x=3 ) + p ( x=4 ) + p ( x=5 ) + p ( x=6 ) +¿
p ( x=7 ) + p ( x=8 )
( 0,066947808 ) + ( 0,133895615 ) + ( 0,189685455 ) + ( 0,202331152 )+ ¿
( 0,168609293 ) + ( 0,112406195 )+ ( 0,060886689 )=0,934762207
6. P(2 ≤ X <8)
p ( 2≤ x< 8/20,0.25 )= p ( x=2 ) + p ( x=3 ) + p ( x=4 ) + p ( x =5 ) + p ( x=6 ) +¿
p ( x=7 )
( 0,066947808 ) + ( 0,133895615 ) + ( 0,189685455 ) + ( 0,202331152 )+ ¿
( 0,168609293 ) + ( 0,112406195 )=0,873875518
7. P(2< X ≤ 8)
p ( 3≤ x ≤ 8 /20,0.25 )= p ( x =3 ) + p ( x=4 )+ p ( x=5 )+ p ( x=6 )+ p ( x=7 )+ ¿
p ( x=8 )
( 0,133895615 ) + ( 0,189685455 ) + ( 0,202331152 )+¿
( 0,168609293 ) + ( 0,112406195 )+ ( 0,060886689 )=0,8678144
8. P(2< X< 8)
p ( 2< x< 8/20,0.25 )= p ( x=3 ) + p ( x=4 ) + p ( x =5 ) p ( x=6 )+ p ( x=7 )
( 00,133895615.1339 ) + ( 0,189685455 ) + ( 0,202331152 ) + ( 0,168609293 ) +(0,112406195)=

0,806927711
9. P( X =4 )
N=20 P=0.25 X=4

p ( x=4 /20,0.25 )=¿
p(x=4)= 20 × 0.254 × ( 1−0,25 )

20−4
4 ( )
p ( x=4 )=0,189685455
10. 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:
11. La siguiente muestra que se tome contenga uno o más
organismos.
Planteamiento:
λ=3
K ≥1
e=2,7182818
λ x∗e−λ
P( x )=
K!
P ( X ≥1 ) =P ( X=1 ) + P ( X=2 ) + P ( X =3 ) +… P ( X=12 )

P ( A )=1−P ( Ã )
P ( ( X ≥1 )) =1−P ( X =1 )
1 −3
( X =1 )= 3 ∗e
1!
¿ 0,149361205
12. La próxima muestra tomada contenga exactamente dos

organismos.
Planteamiento:
λ=3
K=2
e=2,7182818
λ x∗e−λ
P( x )=
K!
P ( X=2 )=¿
2 −3
( X =2 )= 3 ∗e
2!
¿ 0,224041808
1. 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.
Desarrollo:
Si X = Años de duración promedio de una batería de litio.
Media= 6 Años
Desviación Estándar= 0.9 Años
Probabilidad= Entre 4 y 7 años
X N (6 ; 0.9)
P( 4< X< 7)=P(X ≤7)– P( X ≤4)
¿ FX (7)– Fx ( 4)=0.85360559
¿ Fx(7)=0.86673974
¿ Fx( 4)=0.01313415
La probabilidad de que dure entre 7 y 7 años es de 0.085360559

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).
Conclusiones
ESTUDIANTE CONCLUSIÓN
Rocio de Jesús Ramírez Quintero
La probabilidad es la posibilidad u
oportunidad de que suceda un
evento particular. La probabilidad
involucrada es una porción o
fracción cuyo valor varía entre
cero y uno exclusivamente.
Observamos un evento que no
tiene posibilidad de ocurrir (es
decir, el evento nulo), tiene una
probabilidad de cero, mientras
que un evento que seguramente
ocurrirá (es decir, el evento
cierto), tiene una probabilidad de
uno.
La regla más evidente para las
probabilidades es que deben
variar en valor de 0 a 1. Un
evento imposible tiene una
probabilidad cero de ocurrir, y un
evento cierto tiene una
probabilidad uno de ocurrir. La
probabilidad simple se refiere a la
probabilidad de ocurrencia de un
evento simple.
Una distribución de probabilidad
para una variable aleatoria
discreta es un listado
mutuamente excluyente de todos
los resultados posibles para esa
variable aleatoria, tal que una
probabilidad particular de
ocurrencia esté asociada con cada
resultado.
Referencias bibliográficas en formato APA.
ESTU REFERENCIA
DIAN
TE
Rocio  www.geogebra.org
de  Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.
Jesús Pp. 150-152. Recuperado
Ramír de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ez ppg=258&docID=11013767&tm=1470693471527
Quint  Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.
ero Pp. 245-261. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527
 Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.
Pp. 279 -301. Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=3227823&ppg=296

Idioma

¡Te damos la bienvenida a Scribd!

Tarea 2-Experimentos Aleatorios y Distribuciones de Probabilidad Rocio Ramirez Q

Cargado por

Información del documento

Título original

Derechos de autor

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Descripción:

Copyright:

Tarea 2-Experimentos Aleatorios y Distribuciones de Probabilidad Rocio Ramirez Q

Título original:

Cargado por

Descripción:

Copyright:

Títulos relacionados

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

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

EXPERIMENTOS ALEATORIOS Y DISTRIBUCIONES DE

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA-UNAD

Una variable aleatoria es un valor numérico que corresponde al

Identificar los elementos básicos de la teoría de probabilidad con

 Conocer las distribuciones de probabilidad de variable continua.

Distribución de Poisson: es una distribución de

Solución al estudio de caso 1: El grupo entrega aquí, de manera

a. Distribución Hipergeométrica: De 60 personas seleccionadas

N=número total de la población

K=numero de éxitos de la población

X =numero de éxitos de la muestra

a. 7 de ellos sean profesionales?

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

variable aleatoria que representa el número de trabajadores con

p ( x ≤ 4 /20,0.25 )= p ( x=4 ) + p ( x =3 ) + p ( x=2 )+ p ( x=1 ) + p( x=0)=¿

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

( 00,133895615.1339 ) + ( 0,189685455 ) + ( 0,202331152 ) + ( 0,168609293 ) +(0,112406195)=

N=20 P=0.25 X=4

p(x=4)= 20 × 0.254 × ( 1−0,25 )

10. Distribución Poisson: En el estudio de cierto organismo

acuático se toman gran número de muestras de un estanque y se

P ( X ≥1 ) =P ( X=1 ) + P ( X=2 ) + P ( X =3 ) +… P ( X=12 )

12. La próxima muestra tomada contenga exactamente dos

1. Distribución Normal: En comparación con las baterías

La probabilidad de que dure entre 7 y 7 años es de 0.085360559

El grupo presenta un mentefacto sobre los conceptos e ideas

Referencias bibliográficas en formato APA.

Intereses relacionados

Documentos similares a Tarea 2-Experimentos aleatorios y distribuciones de probabilidad Rocio Ramirez Q

Más de yolima

Popular en Belief

Títulos relacionados

Calificar

Compartir