Plantilla para entrega de las Unidades 1 y 2: Post Tarea -

Evaluación final POA

Portada

Probabilidad

Código: 100402

Unidades 1 y 2: Post Tarea – Evaluación Final POA

Presentado al tutor (a):

Mag. Leidy Johanna Botero

Entregado por:

Karen Daniela Martínez

Marco Aurelio Pacheco

Hermes Cruz Figueroa

Luis Felipe Roa

Grupo: 150

Universidad Nacional Abierta y a Distancia – UNAD

Escuela de Ciencias Administrativas, Contables, Económicas y de Negocios ECACEN

Popayán - Cauca

22 de mayo de 2020
Introducción (mínimo 2 párrafos de 10 líneas de texto cada uno)
 Introducción

En el siguiente trabajo el estudiante realiza el Reconocimiento de los contenidos del curso

navegando por la plataforma, específicamente en el entorno de conocimiento, donde
encuentra el syllabus del curso, la unidad 1 “técnicas de conteo y teoría de probabilidad” y
la unidad 2 “probabilidad condicional y distribuciones de probabilidad”. Por otra parte
busca fortalecer los conocimientos adquiridos mediante el aprendizaje autónomo y con la
retroalimentación de la información, logramos una inmersión al conocimiento apropiando
al estudiante en temas de interés para que estos sean implementados en el diario vivir.

Otro aspecto aún más importante es poner en práctica los conocimientos adquiridos es por
eso por lo que en el presente trabajo se desarrollan algunos conceptos relevantes del curso.
Adicionalmente con el uso de las referencias bibliográficas y videos compartidos por el
tutor logramos despejar nuestras inquietudes y obtenemos de primera mano toda la
información relacionada con dicha actividad.
 Objetivos
El grupo presenta máximo 3 objetivos, uno general y dos específicos.

Objetivo General
Desarrollar capacidad analítica en cada uno de los integrantes del grupo, para una correcta
aplicación de la probabilidad condicional y las distribuciones de probabilidad, para cada
caso presentado en un futuro.
Objetivos Específicos
 Desarrollar los cinco estudios de caso descritos en la guía de actividades.
 Explicar la sustentación de un caso de estudio, explicando el paso a paso de cómo
se llegó al desarrollo del ejercicio.
 Comprender la finalidad y la aplicabilidad de la probabilidad en la vida cotidiana
para analizar y estudiar resultados.
 Reconocer la diferencia entre una variable aleatoria discreta y una continua.

Desarrollo del ejercicio Nº1

El grupo entrega aquí, de manera organizada, el análisis, desarrollo y solución de todos
los ESTUDIOS 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

Se anexará el estudio de caso que seleccionó cada estudiante para explicarlo y

exponerlo correctamente en el foro de la actividad a sus compañeros de grupo
colaborativo

RESPONSABLE ROL SELECCIONADO

Karen Daniela Martínez Alertas

Técnicas de Conteo: Para utilizar el enfoque clásico de la probabilidad es necesario

conocer el número total de resultados posibles de una muestra o experimento. Las técnicas
de conteo se utilizan generalmente como medio para determinar el número total de
resultados posibles de un experimento.

Siete personas se presentan para solicitar trabajo como cajeros en una tienda de descuento.

a. Si solo hay tres trabajos disponibles, ¿de cuántas maneras se pueden seleccionar tres de
siete solicitantes?

b. Supongamos que hay tres solicitantes masculinos y cuatro femeninos, y los siete son
igualmente calificados, por lo que los tres trabajos se llenan al azar. ¿Cuál es la
probabilidad de que el de tres contratados todos sea del mismo sexo?

c. ¿De cuántas maneras diferentes podrían alinearse los siete solicitantes mientras esperan
una entrevista?

d. ¿Si hay cuatro mujeres y tres hombres, de cuántas maneras pueden ser los solicitantes
aplicados si los tres primeros son mujeres?

Desarrollo
 a. En este ítem aplicamos la fórmula de combinación porque el orden de los
elementos no importa.

Tenemos:

n=7

r=3

n!
Aplicamos la fórmula: n∁ r=
r !( n−r !)

Reemplazamos:

7!
7∁ 3=
3 !(7−3 !)

Operamos:

7! 7.6 .5 .4 .3 .2 .1
7∁ 3= =
3 !(7−3 !) (3.2 .1)(4.3.2 .1)

Obtenemos:

210
7∁ 3= =35
6

Respuesta: Las maneras que se pueden seleccionar tres de siete solicitantes es de 35.

b. Para este ítem calculamos por medio de la combinatoria, ya que para solucionar el
presente punto no entran todos los elementos, no importa el orden y tampoco se
repiten los elementos.

Datos:

Femenino (F) = 4

Masculino (M) = 3

Formula de probabilidad:
 Número de casos favorables
P=
Número de casos posibles

Reemplazar la formula – Hallar resultado

4
P ( F )= =0.571
7

3
P ( M )= =0.428
7

P ( F ) ( M )=0.571∗0.428=0.244=24,43 %

Respuesta: La probabilidad de que el de tres contratados todos sean del mismo sexo es
del 24,43%.

c. Para este ítem aplicamos la permutación porque para solucionar el presente punto
se requiere la organización de los elementos en los que sí es importante tenerse en
cuenta su orden o posición.

Tenemos:

n= 7

Aplicamos la fórmula:

Pn=n !

Reemplazamos:

P7=7.6 .5.4 .3.2.1

Obtenemos:

P7=5,040

Respuesta: El número de maneras diferentes que podrían alinearse los siete solicitantes
mientras esperan una entrevista es de 5,040.

d. Para la solución del siguiente ítem también aplicaremos la permutación ya que es

 indispensable el orden de los elementos en el caso.

Tenemos:

n=7

r=3

Aplicamos la fórmula:

n!
n P r=
( n−r ) !

Reemplazamos:

7!
7 P 3=
( 7−3 ) !

Operamos:

7! 7.6 .5 .4 .3 .2.1
7 P 3= =
( 7−3 ) ! (4.3 .2 .1)

Obtenemos:

7 P 3=210

Respuesta: El número de maneras que pueden ser los solicitantes aplicados si los tres
primeros son mujeres es de 210

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

desarrollo y solución del ESTUDIO DE CASO presentado
 Se anexará el estudio de caso que seleccionó cada estudiante para explicarlo y
exponerlo correctamente en el foro de la actividad a sus compañeros de grupo
colaborativo

RESPONSABLE ROL SELECCIONADO

Marco Aurelio Pacheco Revisor
Distribución de Poisson

La distribución de Poisson es una distribución de probabilidad que se especializa en la

probabilidad de ocurrencia de sucesos con probabilidades muy pequeñas, o sucesos raros.

e−λ . λ x
P ( x) =
x!

Donde x es un número entero positivo que representa el número de veces que ocurre un
evento en la muestra bajo estudio, y λ es un parámetro positivo que representa a la media
de las ocurrencias de ese evento. Por lo que existe la probabilidad de que un evento ocurra
n veces.

Desarrollo

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.

 Si el neuroblastoma ocurre como es usual, en una muestra de 12429 niños, el

número medio de casos promedio son:

n = 12.429

p = 0.000011

λ=n∗p

λ=12.429∗0.000011

λ=0,136719

Para 12.429 niños la media que se obtuvo es de 0,136719

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.

 La probabilidad de tener 0 casos de neuroblastoma o tener un caso es la sumatoria

de las probabilidades de tener 0 casos y la probabilidad de tener un caso.

. 0.1367190
−0,136719
2718
P ( 0 )=
0!

. 0.1367190
−0,136719
2718
P ( 0 )=
0!

0.87221528
P ( 0 )=
1

P ( 0 )=0.87221528

2718−0,136719 . 0.1367191
P ( 1 )=
1!

0.1192484
P ( 1 )=
1

P ( 1 )=0.1192484

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

 La probabilidad de tener más de un caso se resuelve restando al suceso cierto, la

probabilidad de tener 0 o 1 caso:

P ( x ≥ 1 )=1−0,87221528−0,1192484

P ( x ≥ 1 )=0.00853632

d. ¿El grupo con cuatro casos parece atribuible a la casualidad? ¿Por qué sí o por qué
no?
  Podemos tomar definiciones a partir de tener la probabilidad de tener cuatro casos
de neuroblastoma:

2718−0,136719 . 0.1367194
P ( 4 )=
4!

0,87221528∗0.000349394
P ( 4 )=
24

P ( 4 )=1.269778 e−5

Respuesta: La probabilidad es muy baja, de 1.26 en cien, por lo que el grupo con cuatro
casos es atribuible a la casualidad.

Solución al estudio de caso 3: El grupo entrega aquí, de manera organizada, el análisis,

desarrollo y solución del ESTUDIO DE CASO presentado

Se anexará el estudio de caso que seleccionó cada estudiante para explicarlo y

exponerlo correctamente en el foro de la actividad a sus compañeros de grupo
 colaborativo

RESPONSABLE ROL SELECCIONADO

Hermes Cruz

Distribución Normal

El pan Fitcook by Mary Méndez almendra de 320 gramos, es un pan alto en proteína de la
línea Skinny de coco, este es uno de los productos más exitosos de la marca y se
distribuye en las principales ciudades del País. Las cajas en las cuales se empaca este
producto tienen una longitud promedio de 33 centímetros y una desviación estándar de 1,5
centímetros. Si se supone que las longitudes están distribuidas normalmente,

¿qué porcentaje de las cajas son:

a) Más largas que 34 centímetros?

b) Entre 31,5 y 34,5 centímetros de longitud?
c) Más cortas que 33 centímetros?

Desarrollo

Datos:

μ= 33 cm representa la media de los valores de la distribución.

λ= 1,5 cm. Representa la dispersión que tienen los datos frente a la media.
μ= 33 cm.

λ= 1,5 cm.

a) P(x>34)= probabilidad de que sean más largas que 34 cm?

Se debe realizar una conversión en z, de los valores que se desea conocer la probabilidad
de ocurrencia, de esta manera haciendo dicha conversión, el área bajo la curva será
nuestro valor de probabilidad.

x−μ
z=
λ

x−μ 34−33 1
z= = = =0,666
λ 1,5 1,5

z=0,666.

Con este valor en z vamos a la tabla de distribución normal estandarizada en z, para

identificar el correspondiente valor del área bajo la curva.

Para z =0,666 le corresponde un valor de 0.2454, que sería el valor del área bajo la curva
desde el centro hasta z.

Como nos solicitan es para valores mayores que 34 se debe deducir que desde el centro de
la gráfica hasta la derecha le corresponde el valor de 0.5 o la mitad de los valores de la
distribución, por ende para saber el valor del área bajo esta curva de línea punteada, a 0,5
le restamos el 0,2454 así:
P(X)=0,5-0,2454=0,2546

La probabilidad que las cajas con que se distribuye el producto sea mayor que 34 cm es de
0,2546 o lo que es lo mismo 25,46%.

b). P(x)= Probabilidad de que las cajas producidas tengan una longitud de entre 31,5 cm y
34,5 cm

tenemos que:
P( x ≥ 31,5)+P(x≤34,5)

x=31,5

x−μ 31,5−33 −1,5

z= = = =−1
λ 1,5 1,5
x=34,5

x−μ 34,5−33 1,5

z= = = =1
λ 1,5 1,5

Con estos valores en z vamos a la tabla de distribución normal estandarizada de z, para

identificar su correspondiente valor del área bajo la curva.

z=1=0,3413

Para z=-1 tomamos el mismo valor que para z =1 dado que se puede considerar que como
es una distribución normal hay simetría en cada lado de la curva cuyo valor es de 0,5 o la
mitad de valores alrededor del 0. Siendo así tenemos que:

P ( x ≥ 31,5 ) + P ( x ≤34,5 )

0,3413+0,3413=0,6826

Probabilidad de que las cajas producidas tengan una longitud de entre 31,5 cm y 34,5 cm,
es de 0,6826 o lo que es lo mismo que el 68,26%.

c). Probabilidad de que las cajas producidas tengan una longitud más corta que 33 cm.

Para este literal se puede concluir a primera vista que la probabilidad de que las cajas
producidas para el producto sean más cortas que 33 cm, es del 50%, debido que en la
distribución normal si vamos a la gráfica los 33 cm representan el valor medio de los
datos que correspondería a z=0 y el área bajo la curva para valores menores que z=0
equivale a 0,5 o 50% que sería la probabilidad para este caso.
 Solución al estudio de caso 4: El grupo entrega aquí, de manera organizada, el
análisis, desarrollo y solución del ESTUDIO DE CASO presentado

Se anexará el estudio de caso que seleccionó cada estudiante para explicarlo y

exponerlo correctamente en el foro de la actividad a sus compañeros de grupo
colaborativo

RESPONSABLE ROL SELECCIONADO

Luis Felipe Roa Evaluador

Teorema de Bayes
Una prueba de laboratorio para el uso de esteroides en atletas profesionales tiene tasas de
detección que figuran en la siguiente tabla:

Uso de Resultado del

esteroid Test
e + -
SI 0,9 0,1
NO 0,01 0,99

Desarrollo

Si la tasa de uso de esteroides entre los atletas profesionales es 1 de cada 50:

Tenemos que:

Probabilidad total del uso de esteroides entre los atletas profesionales es:
1
P ( total uso )=
50
1
P ( A )= =0,02
50
49
P ( total NO uso )=
50
49
P ( Á )= =0,98
50

P ( Sea negativo )=P(B)

P ( B / A )=0,1
P ( B / Á )=0,99

P ( sea positivo )=P( B́)

P ( B́ / A )=0,9

P ( B́ / Á )=0,01

La probabilidad de que:
¿Cuál es la probabilidad de que un atleta profesional elegido al azar tenga un

a. resultado negativo para el uso de esteroides?

P ( B )=P ( A )∗P ( B / A ) + P ( Á )∗P ( B/ Á )

P ( B )=0,02∗0,1+ 0,98∗0,99

P ( B )=0,003+0,9702

P ( B )=0,9732

La probabilidad de que al elegir a un atleta profesional al azar este obtenga un resultado

negativo en la prueba de uso de asteroides de 97,32%

b. Si el atleta da positivo, ¿cuál es la probabilidad de que realmente haya estado

usando esteroides?

Para identificar la probabilidad de que de positivo se debe realizar el siguiente

procedimiento:

P ( B́ )=1−P ( B )

P ( B́ )=1−0,9732

P ( B́ )=0,0268

Entonces si realmente usaba esteroides es:

P ( A )∗P ( B́ / A )
P ( A / B́ )=
P ( B́ )
 0,02∗0,9
P ( A / B́ )=
0,0268

0,018
P ( A / B́ )=
0,0268

P ( A / B́ )=0,6716

La probabilidad de que de un resultado positivo en el uso de esteroides y realmente se

hayan usado es del 67,16%
 0,018
P ( A / B́ )=
0,0268
P ( A / B́ )=0,6716
La probabilidad de que de un resultado positivo en el uso de esteroides y realmente se
hayan usado es del 67,16%
 Solución al estudio de caso 5: El grupo entrega aquí, de manera organizada, el análisis,
desarrollo y solución del ESTUDIO DE CASO presentado

Se anexará el estudio de caso que seleccionó cada estudiante para explicarlo y

exponerlo correctamente en el foro de la actividad a sus compañeros de grupo
colaborativo

RESPONSABLE ROL SELECCIONADO

Karen Daniela Martínez Alertas
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 probable encontrar una muestra combinada?

Desarrollo

a.
Aplicamos la función:

P(x=k ) = Cn,k *p∧kq∧(n-k)

Datos:

p= 0,01
q = 1-p

q= 0,99

n = 36
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)

Entonces:

P(x = 0) = 36!/((36-0)!*0!)*0.01⁰*(0,99)³⁶⁻⁰ = 0.6964

P( x ≥ 1) = 1 - 0.6964 = 0,3036 = 30,36%

Respuesta: La probabilidad de que una muestra combinada sea positiva para el VIH es
del 30,36%.

b.
Respuesta: Si. Es probable que en las 36 personas se encuentren muestras combinadas
positivas o negativas.
 Conclusiones (mínimo 1 por cada participante)
ESTUDIANTE
Karen Daniela Martínez
Marco Aurelio Pacheco
CONCLUSIÓN
Se puede concluir que gracias a las
distribuciones de probabilidad podemos
realizar estudios en los cuales no
necesitamos identificar cada uno de los
datos para dar una solución al incógnita,
pues la probabilidad nos ha brindado
importantes herramientas como lo son las
técnicas de conteo, con las cuales
podemos determinar el tipo de calculo que
requiere hacer y el método para resolver
este, nos sintetiza la información en una
sola variable o en unos pocos datos con los
cuales es más sencillo realizar el cálculo
que se pretende.
En el día a día nos encontramos con
decisiones que debemos tomar, pero el
resultado es muy incierto. Por lo que
algunas personas toman mejores
decisiones que otras, o eligen diferente
unas de las otras, esto se debe que en
muchos de los casos las personas
involuntariamente, sin saber que lo están
haciendo aplican criterios probabilísticos.
Las probabilidades son muy útiles, ya que
pueden servir para implementar
estrategias, teniendo en cuenta la
capacidad de cuantificar cuan probable es
determinado evento o determinar la
cantidad de veces que puede un
determinado resultado acontecer con el fin
 de conocer que suceso es el más probable.

Hermes Cruz El presente trabajo colaborativo permitió

en los estudiantes, evidenciar los
conocimientos adquiridos en las diferentes
etapas de desarrollo del curso de
probabilidad, haciendo uso de métodos y
fórmulas para la resolución de ejercicios
que se pueden evidenciar en la vida
cotidiana. El colaborativo permitió que los
estudiantes, evidenciaran los
conocimientos adquiridos en las diferentes
etapas de desarrollo del curso de
probabilidad, haciendo uso de métodos y
fórmulas para la resolución de ejercicios
que se pueden evidenciar en la vida
cotidiana.
Luis Felipe Roa La correcta aplicación de las fórmulas de
distribución, nos permiten interpretar
datos y visualizar de manera acertada la
probabilidad de ocurrencia de un evento.

Por medio de los anteriores ejercicios se

logra un aprendizaje acertado de la
probabilidad. la probabilidad en la
administración puede ayudar en una
compañía a optimizar sus políticas y tomar
decisiones seguras, en la ganancia de un
negocio depende de cómo invierte sus
recursos y de esta manera contribuir en
varios aspectos de la empresa, lo que nos
permite ser más profesionales y asertivos.

Se puede concluir con el desarrollo de los

anteriores ejercicios pudimos reconocer y
aplicar de manera asertivas cada uno de
los conceptos de variables continuas y
discretas y la importancia que tiene en la
probabilidad.
 Referencias bibliográficas en formato APA. (Mínimo una por cada participante, no
pueden repetir referencias)

ESTU REFERENCIA
DIAN
TE
Karen Rodríguez, F. J., & Pierdant, R. A. I. (2016). Estadística para
Daniela administración (2a. Ed.). (Pp. 177-183). Recuperado de https://ebookcentral-
Martíne proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
z docID=4849829&ppg=170  
Monroy, S. (2005). Estadística Descriptiva. Editorial: Instituto
Técnico Nacional. (Pp. 140-150). Recuperado de https://ebookcentral-
proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=3192101&ppg=141
Rodríguez, F. & Pierdant, A. (2016). Estadística para administración
(2a. Ed.). (Pp. 189-198). Recuperado de  https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=4849829&ppg=210
Sánchez, J. (2018). Distribución Binomial. Recuperado
de http://hdl.handle.net/10596/19010

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

Aurelio Pp. 150-152.  Recuperado
Pachec de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
o ppg=258&docID=11013767&tm=1470693471527 

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

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

Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad

y estadística 1. Distrito Federal, MÉXICO: Grupo Editorial Patria.
Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
docID=11230886&p00=conceptos+generales+estad
%C3%ADstica+descriptiva&ppg=46

Hermes Pértegas Díaz, S., & Pita Fernández, S. (2001). La distribución

Cruz normal. Cad Aten Primaria, 8, 268-274.

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

Felipe Pp. 245-261.  Recuperado
Roa 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. 150-152.  Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527