TALLER DISTRIBUCIÓN UNIFORME

Este taller debe presentarse en grupos de máximo 4 personas, respetando los grupos
conformados en la primera clase. Desarrolle el taller durante la clase contestando las
preguntas de cada una de las actividades, es necesario que añada texto, ecuaciones, o
imágenes según la pregunta. A continuación, escriba el nombre de todos los integrantes del
equipo. La tarea debe subirla solamente un integrante del equipo.
NOMBRES:
Jhany Yisseth Moreno Carrazco.
Dany Alejandra Martínez Daza.
Laura Daniela Caceres Comba.
Laura Natalia Mozo Leon.

ACTIVIDAD 1. DISTRIBUCIÓN UNIFORME DISCRETA

Experimento aleatorio: lanzamiento de un dado de 12 caras

1. ¿Cuál es la función de probabilidad para el lanzamiento de un dado de 12 caras? Y
¿cuáles son los valores que puede asumir la variable aleatoria?
(Uniforme discreta)
X= {1,2,3,4,5,6,7,8,9,10,11,12}
2. Si usted lanza 100 veces un dado de 12 caras, ¿cuántas veces espera que aparezca
cada número?
1
P(lado )=
2
3. ¿Cuál es la probabilidad de cada uno de los resultados posibles al lanzar un dado de
100 caras?
1
P(lado )= ×100=8.33 veces
2
4. Conduzca este experimento. (!!!) Para ello use código en R o R studio que le
permita simular el lanzamiento de un dado de 12 caras que se lanza 100 veces, y
haga:

4.1 Tabla de frecuencias absolutas y otra table de frecuencias relativas.

4.2 El histograma de frecuencias absolutas y relativas, en cada histograma debe
añadir el valor teórico de probabilidad al lanzar un dado.
4.3 Pegue el código que permite realizar todo lo anterior, así como la tabla de
frecuencias absolutas, la tabla de frecuencias relativas, y los histogramas que
arroja R.
ACTIVIDAD 2. DISTRIBUCIÓN UNIFORME DISCRETA
Simulación usando R.
1. Use el código anterior para una segunda simulación de 500 lanzamientos de un dado
de 12 caras. ¿Obtiene los mismos resultados? (Ayuda: Piense en la noción de
experimento aleatorio) Pegue la línea de código que cambio respecto al código
anterior, es decir que permite simular 500 lanzamientos del dado.
RTA: Si hay cambios en los resultados ya que varia el valor de K

2. Lleve a cabo la simulación del experimento, pero ahora considere que se lanza 1000
veces el dado. Pegue la línea de código que cambio respecto al código anterior, es
decir que permite simular 1000 lanzamientos del dado.
3. Lleve a cabo la simulación del experimento, pero ahora considere que se lanza
10000 veces el dado. Pegue la línea de código que cambio respecto al código
anterior, es decir que permite simular 10000 lanzamientos del dado.

1. Compare las frecuencias (absolutas y relativas) de la simulación cuando se

lanza el dado 100, 500, 1000 y 10000 veces. ¿Qué puede deducir? Pegue las
tablas para k=100, 500, 1000, 10000, y de acuerdo a eso interprete con un
breve texto. RTA: Se deduce que al cambiar el valor de K las
probabilidades se amplían es decir la frecuencia absoluta y relativa varían. 

Simulación k=100.

Simulación k=500.
 Simulación k=1000.

Simulación k=10000

ACTIVIDAD 3. DISTRIBUCIÓN UNIFORME DISCRETA

Considere una variable aleatoria X∼Ud (9; 14). Teniendo presente este contexto resuelva
las siguientes preguntas.
1. Se llevó a cabo una simulación de valores de X. A partir de las frecuencias
absolutas que se proveen en la tabla, indique cuántos valores se han simulado de
esta distribución (k=?) y luego halle la frecuencia relativa para el valor 10.
¿Coinciden la frecuencia relativa con el valor teórico? Explique.

Frecuencia absoluta : x={ 9,10,11,12,13,14 }

k =9+11+ 16+19+15+10=80
11
Frecuencia relativa= =0.1375
8
1
P( x=10)= =0.1666
6
RTA: No coinciden porque la frecuencia relativa siempre dará un valor aproximado al
valor teórico de la probabilidad.
2. A partir del código del recuadro, conduzca una segunda simulación de 80 valores y
recalcule la frecuencia relativa para el valor 10. ¿Cuál es la diferencia respecto del valor
teórico?

2. Modifique el código anterior y conduzca simulaciones de 400, 1000, 10000,

1000000 de valores. A partir de los gráficos, analice la tendencia que muestran las
frecuencias relativas hacia el valor teórico que se planteó en modelo matemático
para esta distribución. Escriba un breve párrafo con el análisis, sea preciso por
favor.
Grafica se simulación k=400 y con 20 iteraciones.

Grafica se simulación k=1000 y con 20 iteraciones.

Grafica se simulación k=10000 y con 20 iteraciones.
 Grafica se simulación k=1000000 y con 20 iteraciones.
RTA: Se tomaron los resultado de simulaciones de 400, 1000, 10000, 1000000 con el fin de
construir un modelo pivote para acercarse a un valor cercano a la realidad con un poco más
de detalle, a medida que se aumenta el número de simulación se puede observar que se va
estableciendo un común denominador (valor igual)para algunos de los intervalos, pero para
el intervalo del 83500 se caracteriza por ser uno de los resultados con mayor número de
frecuencia.

ACTIVIDAD 4. DISTRIBUCIÓN UNIFORME CONTINUA

Suponga que la concentración de cierto contaminante, en muestras tomadas aleatoriamente,
se encuentra distribuida de manera uniforme en el intervalo de 0 a 20 ppm.
A. Especifique la variable aleatoria y el modelo de probabilidad subyacente. f(x).
x−a
f ( x )=
b−a
1
f (x)=
20
B. ¿Qué tan probable es que en una muestra se encuentre una concentración de 5 ppm
o menos?
x−a 5−0 5
p(x <5)= = = =0.25
b−a 20−0 20
C. Si se considera tóxica una concentración superior a 8 ppm. ¿Cuál es la probabilidad
de que al tomarse una muestra se encuentre que la concentración sea tóxica?
8−0
p(x >8)=1−((p ≤ 8))=1− =0.6
20−0
D. Lleve a cabo una simulación de 100 valores de X∼Uc (0; 20) y determine la
probabilidad anterior. Compare los resultados. ¿Que concluye? (Use el siguiente
código en R) RTA:Lo intentamos pero no sabemos si este bien.

E.
ACTIVIDAD 5. DISTRIBUCIÓN UNIFORME CONTINUA
El tiempo que tarda un ave en ir y volver al nido con alimento para sus polluelos varía de
una excursión de caza a otra, pero puede modelarse mediante una distribución uniforme en
el intervalo de 30 a 50 minutos.
a) ¿Cuál es la probabilidad de que el tiempo en ir y volver con alimento supere los 45
minutos?
45−30
p(x >45)=1− p(x ≤ 45)=1− =0.25
50−30
b) Indague cómo hallar el promedio y la desviación estándar de esta distribución.
( a+b )
Promedio=M =
2

(b−a)2
Desviacion=σ=
12
c) Calcule e interprete la probabilidad siguiente, P (μ - σ ≤ X ≤ μ + σ)
p ( 32≤ x ≤ 50 )
¿ p ( x ≤ 50 )− p ( x ≤ 32 )
50−30 32−30
¿ −
50−30 50−30
1
¿ 1− =0.9
10