TRABAJO COLABORATIVO No.

Por:
JAMIR GONZÁLEZ TIQUE
PUBLIO ALFONSO MANCIPE
ELKIN MAURICIO MORALES

A:
TUTOR: LUIS ALEXANDER SARAVIA ROA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BÁSICAS, TECNOLOGÍA E INGENIERÍA
CURSO DE PROBABILIDAD
MAYO DE 2011
 INTRODUCCIÓN

Con los principios de Probabilidad, las propiedades básicas y leyes, se definen las
variables aleatorias y se establece la diferencia entre variables aleatorias discretas
y continuas, en términos de su función de probabilidad, valor esperado, varianza y
desviación estándar y se desarrolla la desigualdad de Chébyshev que se aplica a
cualquier variable aleatoria discreta o continua.

Posteriormente se inicia el estudio de las distribuciones de probabilidad, es

pertinente comentar que en todo fenómeno, los datos obtenidos tienen un
comportamiento específico, es así como el análisis de las distribuciones de
probabilidad permite determinar que distribución de probabilidad es la pertinente
para un conjunto de datos.

Las distribuciones de probabilidad son de tipo discreto y continuo, según la

variable aleatoria que este en cuestión, luego en este aparte se estudiaran dichas
distribuciones, sus principios, la función que la identifica, sus propiedades y los
campos de aplicación de las mismas.

Bienvenidos a el mundo de las distribuciones de probabilidad, será un camino muy

interesante y ameno, por los ejemplos propuestos y las situaciones analizadas.
 OBJETIVOS GENERAL

Comprender e interiorizar los tipos de distribuciones de probabilidad que existen,

sus características, sus parámetros y los campos de aplicación que tienen dichas
distribuciones.

OBJETIVOS ESPECÍFICOS

 Conceptualizar variable aleatoria discreta y continua.

 Conceptualizar función de probabilidad de una variable aleatoria discreta.

 Definir función de densidad de una variable aleatoria continua.

 Obtener probabilidades de eventos haciendo uso de la función de

probabilidad de una variable aleatoria discreta.

 Establecer las propiedades de la función de distribución de probabilidad

acumulada de una variable aleatoria discreta.

 Obtener y graficar la función de probabilidad acumulada de una variable

aleatoria discreta y continua, dada su función de probabilidad.

 Obtener probabilidades de eventos que involucren variables aleatorias

discretas o continuas, haciendo uso de su función de distribución
acumulada.

 Definir y obtener el valor esperado y varianza de una variable aleatoria,

tanto discreta como continua.
 TRABAJO COLABORATIVO No. 2

Desarrollar un TALLER DE EJERCICIOS PROPUESTOS POR EL GRUPO, que

comprendan los contenidos de los capítulos 4, 5 y 6 de la Unidad 2 y que permitan
profundizar en los temas allí tratados. Los temas que corresponden a los
contenidos de los capítulos 4, 5 y 6 de la Unidad 2 del curso de
Probabilidad son:

• Variable aleatoria discreta y continua, valor esperado y varianza

• Distribución binomial,
• Distribución binomial negativa y geométrica
• Distribución de Poisson
• Distribución hipergeometrica
• Distribución uniforme discreta y uniforme continua
• Distribución normal
 EJERCICIOS PROPUESTOS POR JAMIR GONZÁLEZ TIQUE
CAPITULO UNO
VARIABLES ALEATORIAS

1 .- Una variable aleatoria continua X que puede asumir valores entre X=1 y X=3
tiene una función de probabilidad dada por f(x) = ½. Demuestre que el
Área bajo la curva es igual a 1.
∞
 F(x) dx = 1
-∞

Respuesta

P (1≥X≥3= 1

2.- Una variable aleatoria continua X pude asumir valores entre X=2 y x=5 tiene
una función de densidad dada por f(x) = 2 (1+x) / 27. Encuentre:
a.- P(X < 4)
b. P (3 < X < 4)

Respuesta

P(a ≤ X≤ b)=  f(x) dx

b
4
a. - P(X < 4) =  f(x) dx =2
2
4
b. P (3 < X < 4)=  f(x) dx
3

3.- Una persona pide prestado un llavero con cinco llaves, y no sabe cuál es la que
abre un candado. Por tanto, intenta con cada llave hasta que consigue
Abrirlo. Sea la variable aleatoria X que representa el número de intentos
necesarios para abrir el candado.
a.- Determine la función de probabilidad de X. b.-
¿Cuál es el valor de P ( X ≤ 1)

Respuesta

Como el numero de probabilidades esta dado por 5p5=120

F(x)=p(X=x)=X/120
¿Cuál es el valor de P (X ≤ 1) =5/120=4.16%

4. Un embarque de 7 impresoras contiene 2 defectuosas.Un hotel realiza una

compra al azar de 3 impresoras x es el numero de impresoras defectuosas
compradas por el hotel, determine la media o valor esperado de x.

Respuesta

Es una Distribución Hipergeometrica

x=hg. (3, 2,7) su media esta dada por

x=hg. (n, R, N)
→Ex =nR/N= 3*2/7=6/7=0.857

5. Al invertir en acciones financieras, una persona puede lograr una ganancia de

4000 dólares en un año con probabilidad de 0.3 o bien tener una perdida de 1000
dólares con probabilidad de 0.7.Cual seria la ganancia esperada de esa persona.

Respuesta

Ex=$(4000) (0.3)-(1000) (0.7)

=$1200-$700=$500

$ 500 seria la ganancia esperada por esta persona

6. Suponga que un comerciante de joyería antigua esta interesado en comprar una

gargantilla de oro para la cual las probabilidades de poder venderla con una
ganancia de $250, $100, al costo, o bien con una perdida de $150 son:
respectivamente: 0.22, 0.36, 0.28, 0.14. ¿Cual es la ganancia esperada del
comerciante?

Respuesta
Ex = ($250) (0.22)+ ($100) (0.36)+ ($0) (0.28)+ ($-150) (0.14)=$70

$70 seria la ganancia esperada por el comerciante

7. X: numero de imperfecciones por cada 10 metros de tela sintética en
rollos.Encontrar el número promedio de imperfecciones por cada 10 metros de
tela.

x 0 1 2 3 4
f(x) 0.41 0.37 0.16 0.05 0.01

Respuesta

Ex = 0(0.41)+1(0.37)+2(0.16)+3(0.05)+4(0.01)=0.88

Ex=0.88 promedio de imperfecciones

8. Un piloto privado desea asegurar su avión por 50.000 dolares.La compañía de

seguros estima que puede ocurrir una perdida total con probabilidad de 0.002, una
perdida del 50% con una probabilidad de 0.01 y una de 25% con una probabilidad
de 0.1.Si se ignoraran todas las otras perdidas parciales, ¿Qué prima debe cargar
cada año la compañía de seguros para obtener una utilidad media de US$500?

Respuesta

Calculamos la media

Ex= (-50000) (0.002)+ (-25000) (0.5)+ (-12500) (0.25)=-15725

Entonces µ=I-C

500=I-15725 → I=$16225
CAPITULO DOS
DISTRIBUCIONES DE PROBABILIDAD DISCRETA

9. Una empresa industrial compra varias maquinas de escribir nuevas al final de

cada año, dependiendo el numero exacto de la frecuencia de reparaciones en el
año anterior.Suponga que el numero de maquinas x, que se compara cada año
tiene la siguiente distribución de probabilidad

X 0 1 2 3

f(x) 1/10 3/10 2/5 1/5

encuentre el valor esperado de x

Respuesta

Ex=0(0/10)+1(3/10)+2(2/5)+3(1/5)
=0+3/10+4/5+3/5=3+8+6/10

=17/10 es el valor esperado

10. Una ama de casa permite a sus hijos pequeños mirar la televisión un máximo
de 200 horas por mes y solo después de terminar sus tareas escolares.Ella lleva
un control riguroso del tiempo que sus hijos mantienen la televisión encendida
cada mes, de modo que se trata de una variable continua, que medida en
unidades de 100 horas, tiene la siguiente función de densidad:

X para 0≤x≤1
f(x)= 2-x para 1≤x≤2
0 en otro caso

Determine la probabilidad de que, durante un mes cualquiera, los niños vean la

televisión menos de 120 horas.

Respuesta

Calculamos
1 1.2

P (x≤120)= ∫ xdx + ∫ (2-x) dx

0 1
1 1.2
=x2/2∫ + (2x-x2/2) ∫
0 1

=1/2+(2(1.2)-(1.22/2))-(2-1/2)

=1/2+2.4-0.72-2+1/2

=2.4-0.72-1=0.68
P (x≤120)=0.68 P (x≤120)=0.68

11. En un juego de azar, una mujer gana $10000 si saca una reina o un az, y gana
$20000 si saca un rey de una baraja de 52 cartas.Pierde si saca cualquier otra
carta. ¿Cuanto se espera que pague si el juego es justo?

Respuesta

Ex= ($1000) (C52+C52)/52+ ($2000) (C52/52)

4 4 4

=$1000(0.1538)+ ($2000) (0.076)

=$153.846+$153.8=$307.6

El precio justo seria de $307.6

CAPITULO TRES
DISTRIBUCIONES DE PROBABILIDAD CONTINUA

12.- Un profesor dispone en su archivo de 15 preguntas sobre un tema específico

de la materia, seis de ellas son de teoría. Si desea preparar un
Cuestionario de 5 preguntas. Cual es la probabilidad de que 2 de las preguntas
sean de teoría?

Respuesta
P(x=2)= 6 15-6 6 9
2 x 15-2 = 2 = 3
15 15
5 5

13.- Según un estudio publicado por un grupo de sociólogos de la Universidad de

Massachussets, aproximadamente el 60% de los consumidores del tranquilizante
Valium en dicho estado, tomaron el fármaco por problemas psicológicos,
Determine la probabilidad de que entre los siguientes 8
Consumidores entrevistados en este estado, por lo menos 5 hayan comenzado a
tomarlo por problemas psicológicos.
Respuesta
x= numero consumidores con problemas
P=0.6
N=8

į=nxp=0.6.8=0,8
-0,8 5
P(x=5)=1E x 0,8
5į

14 La probabilidad de que una persona que vive en cierta ciudad tenga un

perro se estima en 0.3. Determine la probabilidad de que la décima persona
entrevistada al azar en dicha ciudad sea la quinta en poseer un perro.

Respuesta

P=0.3 n=10 x=5

 10 
P( x  5)   0.35 x 0.7 5  252(0,3) 5 (0.7) 5
5 
P( x  5  0.1029  10.29%

15 Un científico inyecta un germen patógeno a varios ratones a la vez, hasta

que haya 2 que han contraído la enfermedad. Si la probabilidad de contraer
el padecimiento es de 1/6 ¿cual es la probabilidad de que sean necesarios 8
ratones?

Respuesta

P=1/6 n=8 x=2

2 6
 8 1   5 
P( x  2)        28x (0.0277)(0.334897
 2  6   6 
P( x  2)  0.26040  26.04%
 EJERCICIOS PROPUESTOS POR PUBLIO ALFONSO MANCIPE

EJERCICIO 1 TEMA: DEFINICIÓN DE

VARIABLE ALEATORIA
DISCRETA, DISTRIBUCIÓN
DE PROBABILIDAD Y VALOR
ESPERADO PARA UNA
VARIABLE ALEATORIA
DISCRETA
TRABAJO COLABORATIVO DOS ESTUDIANTE QUE LO
PROPUSO: PUBLIO
ALFONSO MANCIPE

PLANTEAMIENTO
si tenemos 10,000 boletos de una rifa cuyo premio principal es un viaje que vale
4,800 cual es nuestra esperanza matemática?. Si también hay un segundo premio
de $1.200 y un tercer premio con valor de $400, cuanto pagan en promedio.
si la rifa se repite muchas veces perderíamos 99.97% de las veces y ganaríamos
cada uno de los premios 0.01% de las veces, en promedio ganaríamos?

FUNDAMENTACIÓN TEÓRICA PROBLEMA O EJERCICIO

VARIABLE ALEATORIA DISCRETA
Se dice que una variable aleatoria X es discreta
si el numero de valores que
Puede tomar es finito (o infinito contable).
Frecuentemente el interés recae en la
probabilidad de que una variable aleatoria tome
un valor particular, para ello se requiere primero
definir claramente la variable aleatoria. Sera
importante pues, acordar la siguiente
simbología: {X = x} denotara el evento formado
por todos los resultados para los que X = x y
P(X = x) será la probabilidad de dicho evento.
La distribución de probabilidad de una variable
aleatoria X es una descripción
Del conjunto de posibles valores de X, junto con
la probabilidad asociada con cada uno de estos
valores. Esta distribución bien puede ser una
grafica, una tabla o una ecuación que da la
probabilidad de cada valor de la variable
aleatoria y se considera como el resumen más
útil de un experimento aleatorio.
SOLUCION
E(x) = es 4,800. 1/ 10,000=
$0.48 por boleto
podemos argumentar que en
conjunto los 10,000 boletos
pagan $4,800+ $1,200, + $400=
$6,400 o en promedio $6,400/
10,000= $0.64 por boleto
p(x) = 1/x = 1/10,000
así = 0(0.9997) + 4,800(0.0001)
+ 1,200(0.0001) + 400(0.0001) =
$0.64,
que es la suma de los productos
obtenidos al multiplicar cada
cantidad por la probabilidad
correspondiente
Toda distribución de probabilidad debe
satisfacer cada uno de los dos requisitos
siguientes:
• ΣP(X = x) = 1
• 0 ≤ P(X = x) ≤ 1
EL VALOR ESPERADO (también Llamado
media o esperanza matemática) de una
variable aleatoria discreta X es una medida de
posición para la distribución de X.
Se simboliza con _ y se calcula al sumar el
producto de cada valor de X con su
probabilidad correspondiente. En otras
palabras, la media o valor esperado de una
variable aleatoria discreta X es:

μ X = E(X ) Σ x [x *f (x)]

Las posibilidades que se gane es del 0,48 pesos por boleto y que
pierda 0,64 pesos por boleto

Tomado de Probabilidad y estadística. Aplicaciones y métodos, George C.

Canavos. McGraw Hill. México. 1988

CHRISTENSEN, Howard B. (1999). Estadística Pasó a Paso. México: Editorial

McGraw Hill.
 EJERCICIO 2 TEMA: DEFINICIÓN DE VARIABLE
ALEATORIA CONTINUA,
DISTRIBUCIÓN DE PROBABILIDAD
Y VALOR ESPERADO PARA UNA
VARIABLE ALEATORIA CONTINUA

TRABAJO COLABORATIVO DOS ESTUDIANTE QUE LO PROPUSO:

PUBLIO ALFONSO MANCIPE

PLANTEAMIENTO
Una ferretería registró las ventas de cemento por bultos de 50 Kilos en el último año, tal
como se puede observar en la siguiente tabla:

Nº DE BULTOS 13 - 17 - 21 - 25 - 29 - 33 -
0–4 5-8 9 - 12 37-40
16 20 24 28 32 36
MARCA CLASE 2,0 6,5 10,5 14,5 18,5 22,5 26,5 30,5 34,5 38,5
Nº DE DÍAS 2 8 20 45 55 60 36 18 15 4
F(x) 0,0076 0,0304 0,0760 0,1711 0,2091 0,2281 0,1369 0,0684 0,0570 0,0152
F(x)ACUMULADO 0,0076 0,0380 0,1141 0,2852 0,4943 0,7224 0,8593 0,9278 0,9848 1,0000
MARC * DENS 0,015 0,198 0,798 2,481 3,869 5,133 3,627 2,087 1,968 0,586

Significa que por ejemplo en 20 días se vendieron entre 9 y 12 bultos de cemento por
día. Con base a la información anterior realice ó determine: ¿Cuál es la probabilidad de
que se vendan en días, como máximo 16 bultos?

cuál es la probabilidad de que se vendan en días, entre 9 y 28 bultos?

FUNDAMENTACIÓN TEÓRICA PROBLEMA O EJERCICIO

VARIABLE ALEATORIA CONTINUA P (vendan en días, como máximo
Una variable continua, es aquella que puede 16 bultos) = (2 + 8 + 20 + 45) /
tomar un valor cualquiera para un determinado 263 = 75/263 = 0.2852
intervalo. O sea en la práctica los valores para
esta variable solo están limitados por la
precisión de los instrumentos de medición, en P (vendan en días, entre 9 y 28
el caso de medidas como el peso, por dar un bultos) = (20 + 45 + 55 + 60 +
ejemplo; o sea siempre va a haber un valor
36) / 263 = 216/263 = 0.8213
entre dos valores que pueda tomar una
variable continua. Se dice que una variable
aleatoria X es continua si el número de valores
que puede tomar están contenidos en un
intervalo (finito o infinito) de números reales.
f (x) ≥ 0
P(a ≤ X ≤ b) = P(a < X ≤ b) = P(a ≤ X < b) = P(a
< X < b)
para − ∞ < x < ∞
LA DISTRIBUCION DE PROBABILIDAD de
una variable aleatoria continua X está
caracterizada por una función f(x) que recibe el
nombre de función de densidad de
probabilidad. Esta función f(x) no es la misma
función de probabilidad de una variable
aleatoria discreta.

LA MEDIA Y LA VARIANZA de una variable

aleatoria continua se definen de manera similar
al caso de la variable aleatoria discreta. En las
definiciones, la integración sustituye a la
sumatoria.

Así mismo, la VARIANZA de

vendan en días, como máximo 16 bultos es de 28,52%. Y que vendan

en días, entre 9 y 28 bultos es de 82,13%

CHRISTENSEN, Howard B. (1999). Estadística Pasó a Paso. México: Editorial McGraw

Hill.
 EJERCICIO 3 TEMA: DISTRIBUCIÓN BINOMIAL
TRABAJO COLABORATIVO ESTUDIANTE QUE LO PROPUSO: PUBLIO
DOS ALFONSO MANCIPE

PLANTEAMIENTO
Una empresa tiene 3 tipos de alarmas de seguridad independientes, cada una tiene una
probabilidad de funcionar de 0,92. Sea X, el número de alarmas que se activan cuando
se ponen en funcionamiento. Si el comportamiento de la variable aleatoria, tiene una
Distribución de probabilidad Binomial;

FUNDAMENTACIÓN TEÓRICA PROBLEMA O EJERCICIO

Es una distribución de
probabilidad discreta que mide el Determine la media, la varianza y la desviación
número de éxitos en una estándar.
secuencia de n ensayos
independientes de Bernoulli con
una probabilidad fija p de
ocurrencia del éxito entre los E(X) = 3 * 0.92 = 2.76 Y VAR (X) = 3 *
ensayos. 0.92 * (1-0.92) = 0.2208 S0
La distribución binomial es una
S ( X )  0.2208 = 0.47
distribución de probabilidad
discreta. Nos permite determinar
la probabilidad de que un seceso ¿Cuál es la probabilidad de que ninguna se active?
se pueda presentar exactamente
X veces en repetidos ensayos.
 3
P( X  x)  b( x;3,0.92)     0.92  1  0.92
0 3 0
Sea p la probabilidad de éxitos  
0
en un solo ensayo y q= 1-p la
  1  0.92  0.08  0.000512
probabilidad de fallo; la 3! 6 0 3

probabilidad de que el suceso se 3  0 !0 ! 6

presente exactamente X veces
en N ensayos esta dado por la P(X=0) =DISTR.BINOM(0;3;0,92;0) = 0,000512
relación:

p(x) = NCXpXqN-x

P(X=0) =DISTR.BINOM(x;n;p;0)
EL 0.05% es la probabilidad de que ninguna alarma se active

Daniel, W. (1990). Bioestadística. Limusa Wiley

 EJERCICIO 4 TEMA: DISTRIBUCIÓN BINOMIAL
NEGATIVA Y GEOMÉTRICA
TRABAJO COLABORATIVO DOS ESTUDIANTE QUE LO PROPUSO:
PUBLIO ALFONSO MANCIPE

PLANTEAMIENTO
La probabilidad de que una persona que vive en cierta ciudad tenga un perro se
estima en 0.3. Determine la probabilidad de que la decima persona entrevistada al
azar en dicha ciudad sea la quinta en poseer un perro.
FUNDAMENTACIÓN TEÓRICA PROBLEMA O EJERCICIO
En estadística la distribución binomial negativa SOLUCION
es una distribución de probabilidad discreta que Entonces X se distribuye
incluye a la distribución de Pascal. geométricamente con p = 0.3.
El número de experimentos de Bernoulli de
parámetro θ independientes realizados hasta la P (x≤5) =DISTR.GEOM
consecución del k-ésimo éxito es una variable (5;10;0,3;1) = 0,0515 = 5,15%
aleatoria que tiene una distribución binomial
negativa con parámetros k y θ. P (x≤5) = g ( X;0.3) = 0.7 10-5
La distribución geométrica es el caso concreto de 0.3 = 0,0515 = 5,15%
la binomial negativa cuando k = 1.
Propiedades.
Su función de probabilidad es

Para enteros x mayores o iguales que k, donde

.

Su media es
Si se piensa en el número de fracasos

únicamente y si se cuentan también los

k-1 éxitos.
Su varianza es en ambos casos.

DISTRIBUCIÓN GEOMÉTRICA
Si la probabilidad de éxito en cada ensayo es p,
entonces la probabilidad de que x ensayos sean
necesarios para obtener un éxito es
para x = 1, 2, 3,....
Equivalentemente, la probabilidad de que haya x
fallos antes del primer éxito es
para x = 0,1, 2, 3,....
El valor esperado de una variable aleatoria X
distribuida geométricamente es
y dado que Y = X-1,
En ambos casos, la varianza es

la probabilidad de que la decima persona entrevistada al azar en dicha

ciudad sea la quinta en poseer un perro es de 5,15%
SPIEGEL, Murray R. (1991). Estadística. Serie de compendios Schaum. México:
Trillas.
 EJERCICIO 5 TEMA: DISTRIBUCIÓN
HIPERGEOMÉTRICA
TRABAJO COLABORATIVO ESTUDIANTE QUE LO PROPUSO:
DOS PUBLIO ALFONSO MANCIPE

PLANTEAMIENTO
Un lote contiene 100 piezas de un proveedor de tubería local y 300 unidades de
un proveedor de tubería del estado vecino. Si se seleccionan cuatro piezas al azar
y sin reemplazo,
(a) ¿cuál es la probabilidad de que todas sean del proveedor local?

FUNDAMENTACIÓN TEÓRICA PROBLEMA O EJERCICIO

Distribución hipergeométrica
En teoría de la probabilidad la distribución
hipergeométrica es una distribución discreta
relacionada con muestreos aleatorios y sin
reemplazo. Supóngase que se tiene una
población de N elementos de los cuales, d
pertenecen a la categoría A y N-d a la B. La
distribución hipergeométrica mide la
probabilidad de obtener x ( ) hipergeométrica y la probabilidad
elementos de la categoría A en una
muestra de n elementos de la población
original.
Propiedades
La función de probabilidad de una variable
aleatoria con distribución hipergeométrica
puede deducirse a través de razonamientos
combinatorios y es igual a
SOLUCIÓN:
¿cuál es la probabilidad de que
todas sean del proveedor local?
Sea X igual al número de piezas de
la muestra del proveedor local.
Entonces, x tiene una distribución
pedida es P(x=4). Por consiguiente,
N=300+100, n=100+100 y k=4
luego:
P(x = 4) =
DISTR.HIPERGEOM(0;4;200;300)=
0.0119= 1,19%

Donde N es el tamaño de población, n es el

tamaño de la muestra extraída, d es el
número de elementos en la población P (X=2) = 100C4 * 300-100C4-4
original que pertenecen a la categoría 300C4
deseada y x es el número de elementos en P (X=2)= 100C4 * 200C0
la muestra que pertenecen a dicha 300C4
categoría. La notación hace referencia al
coeficiente binomial, es decir, el número de =3921225*1/330791175=
combinaciones posibles al seleccionar b 0,01185408
elementos de un total a. = 1,19%
El valor esperado de una variable aleatoria
X que sigue la distribución hipergeométrica
es

y su varianza,

En la fórmula anterior, definiendo

Y se obtiene

La distribución hipergeométrica es aplicable

a muestreos sin reemplazo y la binomial a
muestreos con reemplazo. En situaciones
en las que el número esperado de
repeticiones en el muestreo es
presumiblemente bajo, puede aproximarse
la primera por la segunda. Esto es así
cuando N es grande y el tamaño relativo de
la muestra extraída, n/N, es pequeño

la probabilidad de que todas sean del proveedor local es de 1,19%

CHRISTENSEN, Howard B. (1999). Estadística Pasó a Paso. México: Editorial

McGraw Hill.
 EJERCICIO 6 TEMA: DISTRIBUCIÓN UNIFORME DISCRETA Y
UNIFORME CONTINUA
TRABAJO COLABORATIVO ESTUDIANTE QUE LO PROPUSO: PUBLIO
DOS ALFONSO MANCIPE

PLANTEAMIENTO
La variable aleatoria X tiene una distribución discreta uniforme sobre los enteros 91 < X <
100. Determinar la media y la varianza de X.

FUNDAMENTACIÓN TEÓRICA PROBLEMA O EJERCICIO

Distribución uniforme discreta SOLUCIÓN:
En teoría de la probabilidad, la distribución
uniforme discreta es una distribución de
probabilidad que asume un número finito de   100  91  95.5 X 
2 100  91  1  1
2
 8.25
X
valores con la misma probabilidad. 2 12
Si la distribución asume los valores reales
, su función de probabilidad es

y su función de distribución la función

escalonada
Su media estadística es
y su varianza
La esperanza matemática es de 95,5 y su varianza de 8,25

CHRISTENSEN, Howard B. (1999). Estadística Pasó a Paso. México: Editorial McGraw

Hill.
 EJERCICIO 7 TEMA: DISTRIBUCIÓN DE POISSON
TRABAJO ESTUDIANTE QUE LO PROPUSO: PUBLIO
COLABORATIVO ALFONSO MANCIPE
DOS

PLANTEAMIENTO
Se sabe que el número de quejas por semana que llegan a un parque de
diversiones que abre todos los días es una variable aleatoria que se ajusta
bien a la distribución Poisson. En promedio se reciben 9 quejas por semana
(el parque abre todos los días).
FUNDAMENTACIÓN PROBLEMA O EJERCICIO
TEÓRICA
En teoría de Solución.
probabilidad y Calcular la probabilidad que en una semana se
estadística, la
reciban más de 12 quejas.
distribución de
Poisson es una X  número quejas/ semana  9
12
distribución de P X  12  1  P X  12  1  x; 9 
x 0
probabilidad discreta.
1 
12
e 9 9 x
1 
     
1.234 10  4  1.1106 10 3  4.998 10 3  0.01499  0.03373 0.06072  
Así tiempo fijo si estos 
x 0 x! 0.09109  0.1171 0.1317  0.1317  0.1185  0.09702  0.07276 
eventos ocurren con  1  0.875542 0.124458
una frecuencia media p( x >12) = 1 - POISSON (12;9;1) = 1-0,8755 =
conocida y son 0,1245 = 12,45%
independientes del
tiempo discurrido
desde el último
evento.

es el principal modelo
de probabilidad
empleado para
analizar problemas de
líneas de espera,
confiabilidad y control
de calidad; como el
número de personas
que llegan a un lugar
determinado en un
tiempo definido, los
defectos en piezas
similares para el
material, el numero de
bacterias en un
cultivo, el número de
goles anotados en un
partido de futbol, el
numero de fallas de
una maquina en una
hora o en un día, la
cantidad de vehículos
que transitan por una
autopista, el número
de llamadas
telefónicas por minuto,
etc.
La distribución
Poisson representa la
probabilidad de que
un evento aislado
ocurra un numero
especifico de veces
en un intervalo de
tiempo (o un espacio)
dado, al fijarse la tasa
de acontecimientos en
un continuo temporal
(o espacial). Su
parámetro es λ, el
número promedio de
ocurrencias del
experimento aleatorio.
En muchos casos se
denota como ℘(x; λ).

La función de masa
de la distribución de
Poisson es
La probabilidad que en una semana se reciban más de 12 quejas es de
12,45%

SPIEGEL, Murray R. (1991). Estadística. Serie de compendios Schaum.

México: Trillas.
 EJERCICIO 8 TEMA: DISTRIBUCIÓN NORMAL
TRABAJO ESTUDIANTE QUE LO PROPUSO: PUBLIO
COLABORATIVO ALFONSO MANCIPE
DOS

PLANTEAMIENTO
Un programa de capacitación, se ha diseñado con el propósito de mejorar la
habilidad, destreza y calidad para desarrollar las actividades propias de sus
oficios por parte de los trabajadores de una línea de producción. El programa
es autoaplicable y por esto los operarios requieren diferente número de horas
para terminarlo. Un estudio de participantes anteriores, revela que el tiempo
promedio dedicado al programa es de 120 horas. Sabiendo que el tiempo se
distribuye normalmente con una desviación estándar de 30 horas.

FUNDAMENTACIÓN PROBLEMA O EJERCICIO

TEÓRICA
DISTRIBUCION SOLUCIÓN
NORMAL O (a) ¿Cuál es la probabilidad de un operario elegido
GAUSSIANA aleatoriamente tarde más de 120 horas en terminar el
Es el modelo de curso?
distribución más X  M 120  120 0
P( X  x)  Z ( x;120,120,30)  Z     0.000
S 30 30
utilizado en la
=1-DISTR.NORM(120;120;30;1)= 1-0.5 = 0.5
práctica, ya que
multitud de
(b) ¿Cuál es la probabilidad de un operario gaste
fenómenos se
entre 100 a 135 horas en acabar el curso?
comportan según X  M 1 X  M 2 120  100 120  135
P( X  x)  Z1( x;120,100,30)  Z 2( x;120,135,30)  Z    
una distribución S S 30 30
normal. 
20 15
  0.6666  0.5  0.7475  0.3085  0.439
30 30
Esta distribución de
=DISTR.NORM(120;100;30;1)-
caracteriza porque
DISTR.NORM(120;135;30;1) = 0,4390
los valores se
distribuyen formando
(c) ¿Cuál es la probabilidad de que el participante
una campana de
gaste menos de 150 horas en terminar el curso?
Gauss, en torno a un X  M 120  150 30
P( X  x)  Z ( x;120,150,30)  Z      1.00
valor central que S 30 30
coincide con el valor =DISTR.NORM(120;150;30;1) = 0,1587
medio de la
distribución:
Si X ~ N(μ,σ2),
entonces
La ventaja, de las
probabilidades para
cada valor de la
curva se encuentra
recogidas en una
tabla.
La importancia de
esta distribución
radica en que
permite modelar
numerosos
fenómenos
naturales, sociales y
psicológicos.
Mientras que los
mecanismos que
subyacen a gran
parte de este tipo de
fenómenos son
desconocidos, por la
enorme cantidad de
variables
incontrolables que
en ellos intervienen,
el uso del modelo
normal puede
justificarse
asumiendo que cada
observación se
obtiene como la
suma de unas pocas
causas
independientes.
RTA (A): la probabilidad de un operario elegido aleatoriamente tarde más de
120 horas en terminar el curso ES z=0.00 una probabilidad de 0.50 o 50%
RTA (B): la probabilidad de un operario gaste entre 100 a 135 horas en
acabar el curso es de 0.4390 o 43.90%
RTA (c) : la probabilidad de que el participante gaste menos de 150 horas en
terminar el curso el valor de z = -1.00 corresponde en tabla una probabilidad
de 0.158655 o 15.87%

CHRISTENSEN, Howard B. (1999). Estadística Pasó a Paso. México:

Editorial McGraw Hill.
 EJERCICIOS PROPUESTOS POR ELKIN MAURICIO MORALES

 Distribución Binomial: Introducción a la Probabilidad y la Estadística Escrito por

William Mendenhall. Décimo segunda edición. Página 196

Los registros muestran que 30% de los pacientes admitidos en una clínica,
no pagaron sus cuentas y éstas nunca fueron cobradas. Suponga que n=4
pacientes nuevos representan una selección aleatoria del gran conjunto de
pacientes que probablemente se atenderán en la clínica. Encuentre estas
probabilidades:

Función de distribución binomial

F(x; p; n) = (n C x) * x * px * qn-x
F(x; 0,3; 4)= 4Cx * 0, 3x * 0, 74-x

a) Las cuentas de todos los pacientes al final tendrán que ser condonadas
P(X=4) = f (4; 0, 3; 4) = 4C4 * 0, 34 * 0, 74-4
P(X=4) = 1 * 0,081 * 1
P(X=4) = 0, 081
La probabilidad de que las cuentas de todos los pacientes al final sean
condonadas es del 8,1%

b) Una cuenta tendrá que ser eximida

P(X=1) = f (1; 0,3; 4) = 4C1 * 0, 31 * 0, 74-1
P(X=1) = 4 * 0,3 * 0,343
P(X=1) = 0, 4116
La probabilidad de que una cuenta sea eximida es del 41, 16%.

c) Ninguna tendrá que ser perdonada

P(X=0) = f (0; 0, 3; 4) = 4C0 * 0, 30 * 0, 74-0
P(X=0) = 1 * 1 * 0, 2401
P(X=0) = 0, 2401
La probabilidad de que ninguna de las cuentas sea perdonada es del 24,
01%.

 Distribución Binomial Negativa: Tomado de Estadística Matemática con

aplicaciones, John E. Freund, Irwin Miller, Marylees Miller, Sexta Edición. Página
195

Si la probabilidad es de 0,75 de que una persona creerá un rumor acerca de

los delitos de cierto político, encuentre las probabilidades de que:
a) La octava persona que escucha el rumor, será la quinta en creerlo:
 p= 0, 75 q= 0, 25 x= 8 k= 5
x = Número de eventos o ensayos p = Probabilidad de éxito en un solo
ensayo.
k = Número de eventos de éxito q = Probabilidad de error.
Fórmula:
P (x; p; k) = x-1Ck-1 p k (1-p) x-k
F(x; p; k) = 8-1C5-1 * 0, 75 5 (0, 25)8-5 F(x; p; k) = 7C4 * 0, 75 5 (0, 25)3
F(x; p; k) = 35 * 0, 2373 * 0, 015625 F(x; p; k) = 0, 12977
La probabilidad de que la octava persona que escuche el rumor, será la
quinta en creerlo es del 12, 977%

b) La décima quinta que escuche el rumor será la décima en creerlo:

p= 0, 75 q= 0, 25 x= 15 k= 10
P (x; p; k) = x-1Ck-1 p k (1-p) x-k
F(x; p; k) = 15-1C10-1 * 0, 75 10 * (0, 25)15-10
F(x; p; k) = 14C9 * 0, 75 10 * (0, 25)5
F(x; p; k) = 2002 * 0, 05631 * 0, 009765
F(x; p; k) = 0, 11001
La probabilidad de que la décima quinta persona que escuche el rumor será
la décima en creerlo es del 11, 001%

 Distribución hiper-geométrica: Tomado de Estadística Elemental, John E.

Freund y Gary A. Simon, Octava Edición. Pearson, Prentice Hall. Página 188

Entre los 180 empleados de una compañía, 144 son sindicalizados y otros
no. Se debe seleccionar, al azar a 5 empleados, para prestar sus servicios en
un comité de consultoría para el fondo de pensión. Use la distribución hiper-
geometrica para obtener la probabilidad de que 3 de los 5 empleados
seleccionados para el comité sean sindicalizados.
Función de la distribución hiper-geométrica.
P(x; N; k)= K C x * (N-k) C (n-x)
NC n
N= 180 k= 144 n= 5 x= 3
P (x=3) = 144C3 * (180-144) C (5-3) = 487344 * 630 = 0, 2062
180C5 1488847536
La probabilidad de que 3 de los 5 empleados seleccionados al azar para el
comité, sean sindicalizados es del 20, 62%.

 Distribución de Poisson:
Introducción a la Probabilidad y la Estadística Escrito por William Mendenhall.
Décimo segunda. Página 204
 Los padres que se preocupan porque sus niños estén propensos a
accidentes, pueden tranquilizarse, según un estudio dirigido por el
departamento de pediatría de la Universidad de California, San Francisco.
Los niños que se lesionan 2 o más veces tienden a sufrir estas lesiones
durante un tiempo limitado, por lo común un año o menos. Si el número
promedio de lesiones por año para los niños de edad escolar es 2 ¿Cuáles
son las probabilidades de estos eventos?
Sea X el número de lesiones durante el año, entonces X se distribuye como una
Poisson con parámetro  = 2

a) Un niño que sufra 2 lesiones durante el año

Fórmula para Poisson:

P(X=2)= e-2 * 22= 0,270670566

2!
P(X=2)= 0,271
La probabilidad de que un niño sufra 2 lesiones durante el año es del 27,1%

b) Un niño que sufra 2 o más lesiones durante el año

1
P (X2)= 1- Σ(x; 2)= 1- F (1; 2)
x=0

1-0,406005851= 0,59399415
P (X2)= 0,594
La probabilidad de que un niño sufra 2 o más lesiones durante el año, es del
59,4%

c) Un niño que sufra a lo más una lesión por año

P (X1)= F (1; 2) = 0, 406005852
La probabilidad de que un niño sufra a lo más una lesión por año es del
40,6%.

 Distribución Normal: Introducción a la Probabilidad y la Estadística Escrito por

William Mendenhall. Décimo segunda. Página 183
La supervivencia de muchos de los programas de televisión depende de su
grado de popularidad. Una empresa que se dedica a medir la popularidad de

1
Este valor se obtuvo de la tabla de distribuciones acumuladas de Poisson

2
Este valor se obtuvo de la tabla de distribuciones acumuladas de Poisson
 los programas de televisión reportó que un determinado programa capta el
20% de los televidentes. Para verificar la afirmación anterior, se tomó una
muestra aleatoria de n= 1000 televidentes, de los cuales x= 184 ven el
programa. ¿Constituyen los datos anteriores evidencia suficiente para
contradecir el reporte?
n= 1000 x= 184
µ= n * p σ= √n * p * q
µ= 1000 * 0,2 σ= √1000 * 0,2 * 0,8
µ= 200 σ= 12, 64911064

Tipificando:
Z= x - µ / σ
Z= 184 - 200/ 12, 64911064
Z= -16 / 12, 64911064
Z= -1, 26

Por el resultado obtenido se concluye que los datos anteriores no

constituyen evidencia suficiente para contradecir el reporte.

 Variable Aleatoria Continua

Consideremos una variable aleatoria X que sigue una distribución continua que
tiene función de densidad:
F: R R / F (x) = 0 si x < 0
a si 0 ≤ x≤ 2
0 si x > 2
a) Calcule a.

∫ -00
f(x) dx =1 = ∫0 a dx = 0a ∫ dx = a x = a (2-0) = 2ª =1 = a = ½
0
+00
2 2 2 b
∫ 4
f x dx f (x) = ∫0 si x < 0
½ si 0 ≤ X ≤ 2
0 si x > 2

b) Calcule p ( 1≤ x ≤ 2 )
2
2

P (1≤ X ≤ 2) = ∫ f (x) dx = 1∫ ½ [x]

1
= ½ (2-1) = ½ . 1 = ½
1

c) Calcule p (x<
0.5
0.5) 0.5 0.5

P (x < 0.5) = ∫ -00

f (x) dx = ∫
0
½ dx = ½ [x] = ½ (0.5 -0) = 0.25
0

d) Obtenga la 00media y la varianza de x

2 2
u=∫ x f(x) dx = ∫ x ½ dx = ½ [x/2 ] = ½ ( 2/2 -0/2) = ½ -2 = 1
-00 0 0
3 3 3
Var(x) =∫ -00 ∫
00 2 2 2
(x-1) 0
f(x) dx = ½ ] = ½ ((2-1) – (0-
½ dx =[(x-1)
1))=
2 T=x- 2
3 3
3 3
3
1
∫ (x-1) dx = = ∫ T 3 dt= T = (x-1)
dT = 3
dx =

= ½ (1/3 + 1/3 ) = ½ . 2/3 = 2/6 = 1/3

 CONCLUSIONES

 Con el desarrollo de esta trabajo logramos conceptualizar variable aleatoria

discreta y continua, conceptualizar función de probabilidad de una variable
aleatoria discreta y definir función de densidad de una variable aleatoria
continua.

 Logramos obtener probabilidades de eventos haciendo uso de la función de

probabilidad de una variable aleatoria discreta y establecer las propiedades
de la función de distribución de probabilidad acumulada de una variable
aleatoria discreta.
 BIBLIOGRAFÍA

MORALES ROBAYO, Adriana .Probabilidades, Universidad Nacional Abierta y

Distancia,
Bogotá D.C., 2007.

CHRISTENSEN, Howard B. (1999). Estadística Pasó a Paso. México: Editorial

McGraw Hill.

PUENTES MEJIA, Carlos Eduardo (1995). Elementos de Probabilidad y de

Métodos
Estadísticos. Santafe de Bogotá: UNISUR.

CHRISTENSEN, Howard B. (1999). Estadística Pasó a Paso. México: Editorial

McGraw Hill.

PUENTES MEJIA, Carlos Eduardo (1995). Elementos de Probabilidad y de

Métodos Estadísticos. Santafé de Bogotá: UNISUR.

SPIEGEL, Murray R. (1991). Estadística. Serie de compendios Schaum. México:

Trillas.

MENDENHALL, WILLIAM & BEAVER, ROBERT J. (2006). Introducción a la

Probabilidad y la Estadística. México: Cengage Learning

FREUND, JOHN E. & MILLER, IRWIN. (2000). Estadística Matemática con

aplicaciones. México: Pearson Education

WISNIEXSKI, MARIAN & VELASCO GABRIEL. Problemas de Probabilidad.

Editorial Thomson.

http://www.arrakis.es/~mcj/azar10.htm
http://www.uv.es/~carrascs/PDF/aproximacion%20estadistica.pdf
http://estio.ujaen.es/Asignaturas/TrabSoc/estad/tema1.pdf
http://www.virtual.unal.edu.co/cursos/ciencias/2001091/index.html
http://www.uca.es/uca/dpto/C146/pag_personal/f_alvarez/documentos/CC%20Tra
bajo%20Tema%205.pdf
www.zweigmedia.com/MundoReal