Tarea 3 – Experimentos aleatorios y distribuciones de Probabilidad.

Edgar Antonio Quintero Esquivel cód. 1090406000

Luis Hernández Patiño Código: 88250468

Alexis Villamizar Gomez cód.: 88254888

100402_193

Nombre del docente

AZUCENA GIL

Nombre del curso

Probabilidad

Periodo

2020_1604

Universidad nacional abierta y a distancia (UNAD)

Escuela de Ciencias Básicas Tecnología e Ingeniería (ECBTI)

2020
 Introducción

Durante el desarrollo de los ejercicios contenidos en la siguiente actividad, se demostrarán los

conceptos básicos de probabilidad, utilizando en la solución de problemas y asemejándolos en

casos del día a día de muchas personas.

OBJETIVOS

 Conocer cómo aplicar los métodos de dispersión .

 Implementar los métodos de aplicación de las teorías de probabilidad

Tabla comparativa

Variable formula o imagen

concepto Definición
que representa el concepto
 es una función que asigna un
valor, usualmente numérico, al
resultado de un
 Variable aleatoria experimento aleatorio A/ B(R)
 Es aquella que puede tomar
cualquier valor (al menos
teóricamente) entre 2 fijados. ...
 Variable aleatoria Esto es, en la práctica,
continua la variable no toma infinitos
valores.  
 Variable aleatoria Que sólo puede tomar un número
discreta finito de valores dentro de un  
intervalo. Por ejemplo, el número
de componentes de una manada
 de lobos, puede ser 4 ó 5 ó 6
individuos pero nunca 5,75 ó
5,87.

 una variable aleatoria es
una función que asigna a cada
 Distribución de suceso definido sobre
Probabilidad la variable la probabilidad de que
dicho suceso ocurra  
 se llama continua si su función
de distribución es continua.
Puesto que la función de
 Distribución de distribución de una variable
Probabilidad Continua aleatoria X viene dada por 
F F X (x )=P(X ≤ x)  
 Una distribución discreta
describe la probabilidad de
 Distribución de ocurrencia de cada valor de una
Probabilidad Discreta variable aleatoria discreta. pi=P[X=xi]
 La media es la medida más
usada para encontrar el promedio.
De hecho, la gente siempre
 Media utiliza la palabra "promedio" para
referirse a la "media."  
 La desviación estándar es un
índice numérico de la dispersión
de un conjunto de datos (o
población). Mientras mayor es la
desviación estándar, mayor es la
 Desviación estándar dispersión de la población  
 es igual al sumatorio de
las probabilidades de que exista
 Valor esperado un suceso aleatorio, multiplicado
por el valor del suceso aleatorio  
 La varianza es una medida de
dispersión que representa la
variabilidad de una serie de datos
respecto a su media.
Formalmente se calcula como la
suma de los residuos al cuadrado
divididos entre el total de
 Varianza observaciones  
  es una función que asocia a cada
 Función de punto de su espacio muestral X la
Probabilidad probabilidad de que esta lo asuma  
 Una función de densidad de
probabilidad caracteriza el
comportamiento probable de una
población en tanto especifica la
posibilidad relativa de que una
 Función de densidad variable aleatoria continua X
tome un valor cercano a x.  
 La distribución binomial es
una distribución de probabilidad
discreta que nos dice el
porcentaje en que es probable
obtener un resultado entre dos
posibles al realizar un número n
de pruebas. ... En la distribución
binomial tenemos tres variables:
n es el número de veces que
 Distribución binomial repetimos el experimento.  
 cuando el parámetro n tiende a
infinito y el parámetro p tiende a
ser cero, de manera que el
producto de n por p sea una
cantidad constante. De ocurrir
 Aproximación de la D. esto la distribución binomial
binomial a la D. tiende a un modelo de Poisson de
Poisson parámetro l igual a n por p  
 Es un experimento aleatorio
donde se observa la aparición de
un suceso concreto (éxito) sobre
un soporte continuo
(generalmente el tiempo).
Además, debe cumplirse que los
sucesos ocurren de forma
independiente y con media
estable (el número medio de
sucesos por unidad de medida es
 Distribución Poisson constante).  
 Es una de las distribuciones de
probabilidad discreta
Se utiliza para calcular la
 Distribución probabilidad de una selección
Hipergeométrica aleatoria sin repetición  
  Es un modelo teórico capaz de
aproximar satisfactoriamente el
 Distribución normal valor de una variable aleatoria a
una situación ideal.   
 es una distribución normal que
 Distribución normal tiene una media de 0 y
estándar una desviación estándar de 1.  

 Son todos los valores que se

 Área bajo la curva encuentran en la población el
área total bajo la curva es 1.00,  
 se utiliza la
aproximación Normal
para evaluar
probabilidades
Binomiales siempre
que p no esté cercano
a 0 o 1. La
aproximación es
excelente cuando n es
grande y bastante
buena para valores
pequeños de n si p está
razonablemente
cercana a ½. Una
posible guía para
determinar cuándo
puede utilizarse la
aproximación Normal
es tener en cuenta el
cálculo de np y nq. Sí
ambos, np y
nq son mayores o
iguales a 5, la
 Aproximación de la aproximación será
normal a la binomial buena.  

Tipo de ejercicios 1 - Distribución Binomial.

En una cena el sábado por la noche en un restaurante, una compañía de ocho amigos. Tiene la
opción de pescado o carne como plato principal, mientras que para el postre pueden elegir ya sea
crema de caramelo o pastel de selva negra. Suponiendo que el 70% de las personas piden carne
en su plato principal y un 60% de pedido de tarta de selva negra como postre, encuentre la
probabilidad de que:

Se tiene como datos

Probabilidad de éxito de plato principal carne es del 0,7%
Probabilidad de éxito de plato principal pescado es del 0,3%
Probabilidad de éxito de plato postre tarta de selva negra es del 0,6%
Probabilidad de éxito de plato postre crema de caramelo es del 0,4%

P=probabilidad de que ocurra

q=probabilidad de que no ocurra
n=total de experimentos
x=total de éxitos

1) Una persona específica elige pescado como plato principal y pastel de selva negra para el
postre.
Se utiliza la siguiente formula

( nx) p q
x n−x

Tenemos que la probabilidad de éxito es la multiplicación de los porcentajes de la elección de los

2 platos
Probabilidad de éxito de plato principal pescado es del 0,3
Probabilidad de éxito de plato postre tarta de selva negra es del 0,6
pt =0,3∗0,6
Se resuelve
pt =0.18
Probabilidad de fracaso
 q=1−0.18
Se resuelve
q=0.82
n=8
x=1
Se remplazan los valores en la formula

P= n p x q n−x
()
x

P=( 8 ) (0.18 )(0.82¿¿ 8−1) ¿

1

1
Se resuelve
P=0.359

Ilustración 1 grafica punto 1 ejercicio 1

2) Entre las ocho personas, nadie elige la combinación de pescado y negro pastel de bosque.
Para este punto se tiene la probabilidad de
Probabilidad de éxito de plato principal pescado es del 0,3
Probabilidad de éxito de plato postre tarta de selva negra es del 0,6
pt =0,3∗0,6
Se resuelve
pt =0.18
Probabilidad de fracaso
q=1−0.18
Se resuelve
q=0.82
n=8
x=0
Se remplazan los valores en la formula

P= n p x q n−x
()
x

P=( 8 ) (0.18 )(0.82¿¿ 8−0)¿

0

0
Se resuelve
P=0.2044

Ilustración 2 distribución binomial

3) Entre las ocho personas, al menos seis eligen la combinación de carne y crema caramelo.
Probabilidad de éxito de plato principal diferente a carne es del 0,3%
Probabilidad de éxito de plato postre diferente crema de caramelo es del 0,6%

pt =0,3∗0,6
Se resuelve
pt =0.18
Probabilidad de exito
q=1−0.18
Se resuelve
q=0.82
n=8
x=≥ 6
Se remplazan los valores en la fórmula para 6

P= n p x q n−x
()
x

P=( 8 ) (0.82 )(0.18¿¿ 8−6)¿

6

6
Se resuelve
P=0.2758

Se remplazan los valores en la fórmula para 7

P= n p x q n−x
()
x

P=( 8 ) (0.82 )(0.12¿¿ 8−7)¿

7

7
Se resuelve
P=0.359

Se remplazan los valores en la fórmula para 8

P= n p x q n−x
()
x
 P= 8 (0.828 )(0.12¿¿ 8−8)¿
8 ()
Se resuelve
P=0.204

Se realiza la suma de todos los valores encontrados

Pt =0.275+0.359+0.204
Pt =0.8392

Ilustración 3 distribución binomial

Ejercicio 2. Distribución Poisson.

c. Julie tiene una página de Facebook y está muy interesada en tener una gran cantidad de amigos
en esta red social. El número de amigos agregados a su página sigue un proceso de Poisson con
una tasa de λ = 3 personas por semana.
1) ¿Cuál es la probabilidad de que en una semana en particular gane menos de tres amigos?
Tenemos los siguientes datos
λ=3

X P(3)
X ≤2

Se usa la fórmula de poisson

e− λ∗λ x
P ( X=x )=
x!
Remplazamos valores
e−3∗32
P ( X=2 )=
2!
Se resuelve
P ( X=2 )=0.2240
Se pasa a %
Este resultado es para 2 P ( X=2 )=22.40 %

Se resuelve para 1
e− λ∗λ x
P ( X=x )=
x!
Remplazamos valores
e−3∗31
P ( X=1 ) =
1!
Se resuelve
P ( X=1 ) =0.14936
Se pasa a %
Este resultado es para 1 P ( X=1 ) =14.936 %

Se resuelve para 0
e− λ∗λ x
P ( X=x )=
x!
Remplazamos valores
 e−3∗3 0
P ( X=0 )=
0!
Se resuelve
P ( X=0 )=0.04978
Se pasa a %
Este resultado es para 0 P ( X=0 )=4.978 %
Luego se suman todos los resultados encontrados
P=0.2240+0.14936+0.04978=0.4231
Se pasa a % quedando
P=42.31%

Ilustración 4 resultado punto 1 ejercicio 2

2) Suponga que durante una semana en particular no hizo nuevos amigos entre el domingo y el
viernes, y el viernes por la noche se sintió muy decepcionada y quería saber la probabilidad de
que haya al menos un nuevo amigo el sábado de esa semana. ¿Puedes dar una respuesta a su
pregunta?
Primero copiamos la probabilidad de hallar al menos 1 amigo
Tenemos que utilizar la siguiente formula
 e− λ∗λ0
P=1−( )
0!
Resolvemos para los valores de 0 y 1
P ( X=x )

Se resuelve para 0
e− λ∗λ x
P ( X=x )=
x!
Remplazamos valores
e−0.428∗0.4280
P ( X=0 )=
0!
Se resuelve
P ( X=0 )=0.6518
Se pasa a %
Este resultado es para 0 P ( X=0 )=65.18 %
Luego se suman todos los resultados encontrados
P=0.2789+0.6518=0.9307

Ilustración 5 resultado del punto 2 ejercicio 2

Como ya tenemos el valor para 0 lo que hacemos es restarlo por 1 quedando

P=0.6518-1
P=0.3482

Ilustración 6 resultado ejercicio 2 punto 2

Ejercicio 3. Distribución Hipergeométrica.

c. En un estante de supermercado, hay 45 paquetes de cereales. Entre estos, hay cinco paquetes
que vencen en menos de una semana. Camila compra cuatro paquetes de cereales al azar y tiene
la intención de consumirlos después de una semana, ya que ella tiene otro paquete de cereales en
casa.
1) ¿Cuál es la probabilidad de alguno de los cuatro paquetes que ella compró tenga su
Fecha de vencimiento en menos de una semana, (es decir que estén vencidos cuando ella
Los piense consumir)?
Se tienen los siguientes datos
N=45 N 1=5
n=4
X =1 ,2 , 3 , 4
Se utiliza la siguiente fórmula para hallar el valor de la probabilidad solicitada
N 1 N −N 1

P ( x) =
( )(
X n −X )
N
n ( )
Para 1
Se remplazan valores para 1
5 45 −5
( 1 )( 4 −1 )
P ( 1 )=
(454)
Se resuelve
P ( 1 )=0.3315
Para 2
Se remplazan valores para 2
5 45 −5
( 2 ) ( 4 −2 )
P ( 2 )=
( 454)
Se resuelve
P ( 2 )=0.0524

Para 3
Se remplazan valores para 3
5 45 −5
( 3 ) ( 4 −3)
P ( 3 )=
( 454)
P ( 3 )=0.0027
Para 4
Se remplazan valores para 4
5 45 −5
( 4 )( 4 −4 )
P ( 4 )=
(454 )
P ( 4 )=0
Luego se realiza la suma de los resultados quedando
P t = p1 + p 2 + p3 + p 4
Se remplazan valores
Pt =0.3315+0.0524+ 0.0027+0
Se resuelve
Pt =0.3866
Se pasa a % quedando
Pt =0.3866∗100 %=38.66 %

Ilustración 7 resultado distribución poisson

2) ¿Cuál es la probabilidad de que la próxima semana, cuando ella esté lista para
Consumir los cereales todos estén vencidos?

N=4 N 1=4
n=4
X =4
Se utiliza la siguiente fórmula para hallar el valor de la probabilidad solicitada
N N −N 1
( X )( n )
1
−X
P ( x) =
( Nn )
Se remplazan valores
4 4 −4
( 4 )( 4 −4 )
P ( 4 )=
(44 )
Se resuelve quedando

P ( 4 )=1
Se pasa a % quedando
P ( 4 )=1∗100 %=100 %

Ilustración 8 resultado distribución poisson

Lo que quiere decir que la posibilidad de que todos los paquetes estén vencidos es del 100%

Ejercicio 4. Distribución Normal.

c. En cierta población humana el nivel de colesterol en la sangre (medido en mg dl)

Sigue una distribución normal con media 𝜇 = 220 y desviación estándar 𝜎 = 40.
1) Encuentre el porcentaje de personas en esa población con un nivel de colesterol entre
200 y 260.

Primero estandarizamos los valores dados a Z con la siguiente formula

( X −μ)
Z=
σ
Que vienen siendo
X =200 y 260
μ=220
σ =40
Y lo que necesitamos es hallar
P=200 ≤ X ≤ 260

Primero remplazamos valores en la fórmula para x=200 en Z

(200−220)
Z=
40
Se resuelve
Z=−0,5
Y como en la tabla Z el valor debe ser positivo se halla su valor simétrico que es +0,5 y ese valor
es 0,1915

Que es la misma área de -0,5 entonces es el mismo valor

Luego hallamos el valor para 260 en Z
(260−220)
Z=
40
Se resuelve
Z=1
Como en la tabla Z el valor de 1 es 0,3413

Luego realizamos la suma de los 2 valores encontrados

P=200 ≤ X ≤ 260
P=0,1915+ 0.3413
Se resuelve
P=0,5328
Se pasa a % quedando
P=53,28 %
Ilustración 9 resultado punto 1 ejercicio 4

2) ¿Cuál es el valor del nivel de colesterol en sangre por encima del cual está el nivel de
Colesterol en sangre del 10% de las personas en la población?

Luego hallamos el valor de P= X ≥ 0.1 que equivale al 10% de la población

Se realiza la ecuación en Excel

P=Fx ( b )=0.9> b=F−1

x (0.9)=DISTR . NORM . INV (0,9 ; 220; 40)

Esto da un resultado de

P=Fx ( b )=0.9> b=F−1

x (0.9)=271.262
Ilustración 10 resultado ejercicio 4 punto 2

5. En una empresa de 20 empleados, 15 son hombres. Si se toma una muestra aleatoria de 12

empleados. ¿Cuál es la probabilidad de encontrar en la muestra:

1. Como máximo 3 mujeres.

Para la solución de este ejercicio utilizaremos la dispersión hipergeometrica

Témenos que N=20 N 1=12

n=3
X =1 ,2 , 3 ,
Se utiliza la siguiente fórmula para hallar el valor de la probabilidad solicitada
 N N −N 1
( X )( n )
1
−X
P ( x) =
( Nn )
Remplazamos valores para 3
5 20 −5
( 3 ) ( 12 −3 )
P ( 3 )=
(2012)
Se resuelve
P ( 3 )=0.3973

Remplazamos valores para 2

5 20 −5
( 2 ) (12 −2 )
P ( 2 )=
(2012 )
Se resuelve
P ( 2 )=0.2384

Remplazamos valores para 1

5 20 −5
( 1 )( 12 −1 )
P ( 1 )=
(2012 )
Se resuelve
P ( 1 )=0.0541

Remplazamos valores para 0

5 20 −5
( 0 ) (12 −0)
P ( 0 )=
( 2012)
Se resuelve
P ( 0 )=0.00361
Luego realizamos la suma de los valores encontrados
Pt =P ( 0 ) + P ( 1 ) + P ( 2 ) + P(3)
Remplazamos valores
Pt =0.000361+0.00541+0.2384+ 0.3973
Resolvemos
Pt =0.6935

Ilustración 11 grafica punto 1 ejercicio 5

La probabilidad de que sean seleccionadas 3 mujeres es de 0.693

2. Al menos dos mujeres.

Para eso hallamos el valor de 0 y 1 y la suma de esos 2 lo restamos por 1 queda de la siguiente
forma

5 20 −5 5 20 −5
P=1−(
( ) (
0 12 −0 ) +
( 1 ) ( 12 −1 )
)
20 20
( 12) (12)
Como ya tenemos los valores hallados en el punto anterior los remplazamos

P=1−(0.00361+0.0541)

Resolvemos

P=0.9422

La probabilidad de que sean seleccionadas al menos 2 mujeres es del 0,9422

Ilustración 12 grafica punto 2 ejercicio 5

Ejercicios elexis Villamizar

 Tipo de ejercicios 1 - Distribución Binomial.
d. Lisa, Tony y Tom participan en un concurso de televisión y en algún
momento tienen que responder las mismas preguntas, no tienen la misma
probabilidad de responder la pregunta correctamente, pero sus respectivas
probabilidades son p=0,3, q=0,45 y r=0,27. Si la probabilidad de una
respuesta correcta para cada persona sigue siendo la misma en preguntas
posteriores, cual es la probabilidad de que cuando se le pregunte a cada uno
las mismas cinco preguntas:

P ( k )= n p k qn−k
()
k
n!
( nk)= k ! ( n−k )!
p = 0,3 probabilidad de éxito
q = 1-0,3 = 0,7 probabilidad de fracaso
n = 3 Cantidad de Experimentos
k = 1 Cantidad de Éxitos

1) Lisa conteste correctamente todas las preguntas que se le

hagan

Lisa
Se remplazan por valores en la formula

P ( k )= 3 (0,3)1 ¿
()
1
3!
P ( k )= (0,3)1 ¿
1 ! ( 3−1 ) !
3!
P ( k )= (0,3)1 (0,7)2
(1) ! .(2)!
6
P ( k )= ( 0,3 ) ( 0,49 )
2
 P ( k )=(3)(0,3)(0,49)
P ( k )=0,441∗100
P ( k )=44,1 %
La probabilidad de que Lisa conteste correctamente todas las preguntas es
del 44,1%

2) Lisa sea la única persona en responder las cinco correctamente.

p = 0,441 probabilidad de éxito

q = 1-441 = 0,559 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 5 Cantidad de Éxitos
Lisa
Se remplazan por valores en la formula

P ( k )= 5 (0,441)5 ¿
()
5
5!
P ( k )= (0,441)5 ¿
5 ! ( 5−5 ) !
 5!
P ( k )= (0,441)5 ( 0,559)0
(5) ! .(0) !
120
P ( k )= ( 0,0166 )( 1 )
120
P ( k )=(1)(0,0166)(1)
P ( k )= (1−0,0166 )=0.9834∗100
P ( k )=98,34 %
La probabilidad de que Lisa conteste correctamente todas las preguntas es
del 98,34%

Tony
p = 0,45 probabilidad de éxito
q = 1-0,45 = 0,55 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 0 Cantidad de Éxitos

P ( k )= (50)(0,45) ¿
0

5!
P ( k )= (0,45)0 ¿
0 ! ( 5−0 ) !
 5!
P ( k )= (0,45)0 (0,55)5
(0)! .(5) !
120
P ( k )= ( 1 ) ( 0,0503 )
120
P ( k )=(1)(1)(0,0503)
P ( k )=0 ,0503∗100
P ( k )=5,03 %

p = 0,45 probabilidad de éxito

q = 1-0,45 = 0,55 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 1 Cantidad de Éxitos

P ( k )= (51 )(0,45) ¿
1

5!
P ( k )= (0,45)1 ¿
1 ! ( 5−1 ) !
5!
P ( k )= (0,45)1 (0,55)4
(1)! .(5)!
120
P ( k )= ( 0,45 )( 0,0915 )
24
P ( k )=(5)(0,45)(0,0915)
P ( k )=0,2058∗100
P ( k )=20,58 %

p = 0,45 probabilidad de éxito

q = 1-0,45 = 0,55 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 2 Cantidad de Éxitos

P ( k )= 5 (0,45)2 ¿
()
2
 5!
P ( k )= (0,45)2 ¿
2 ! ( 5−2 ) !
120 !
P ( k )= (0,45)2 ( 0,55)3
( 2)! .(3)!
120
P ( k )= ( 0,2025 )( 0,1663 )
12
P ( k )=(10)(0,2025)(0,1663)
P ( k )=0,3367∗100
P ( k )=33,67 %

p = 0,45 probabilidad de éxito

q = 1-0,45 = 0,55 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 3 Cantidad de Éxitos

P ( k )= 5 (0,45)3 ¿
()
3
5!
P ( k )= (0,45)3 ¿
3 ! ( 5−3 ) !
5!
P ( k )= (0,45)3 ( 0,55)2
( 3)! .(2)!
120
P ( k )= ( 0,0911 )( 0,3025 )
12
P ( k )=(10)(0,0911)(0.3025)
P ( k )=0,2756∗100
P ( k )=27,56 %

p = 0,45 probabilidad de éxito

q = 1-0,45 = 0,55 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 4 Cantidad de Éxitos
P ( k )= 5 (0,45)4 ¿
()
4
5!
P ( k )= (0,45)4 ¿
4 ! ( 5−4 ) !
5!
P ( k )= (0,45)4 (0,55)1
( 4)! .(1)!
120
P ( k )= ( 0,0410 )( 0,55 )
24
P ( k )=(5)(0,0410)(0,55)
P ( k )=0,1125∗100
P ( k )=11,27 %

Tom

p = 0,27 probabilidad de éxito

 q = 1-0,27 = 0,73 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 0 Cantidad de Éxitos

P ( k )= 5 (0,27)0 ¿
()
0
5!
P ( k )= (0,27)0 ¿
0 ! ( 5−0 ) !
5!
P ( k )= (0,27)0 (0,73)5
(0)! .(5) !
120
P ( k )= ( 1 ) ( 0,2073 )
120
P ( k )=(1)(1)(0,2073)
P ( k )=0 ,2073∗100
P ( k )=20,73%

p = 0,27 probabilidad de éxito

q = 1-0,27 = 0,73 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 1 Cantidad de Éxitos

P ( k )= (51)(0,27) ¿1

5!
P ( k )= (0,27)1 ¿
1 ! ( 5−1 ) !
5!
P ( k )= ( 0,27)1 ( 0,73)4
(1) ! .(5)!
120
P ( k )= ( 0,27 )( 0,2839 )
24
P ( k )=(5)(0,27)(0,2839)
P ( k )=0,3832∗100
P ( k )=38,32 %
 p = 0,27 probabilidad de éxito
q = 1-0,27 = 0,73 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 2 Cantidad de Éxitos

P ( k )= 5 (0,27)2 ¿
()
2
5!
P ( k )= (0,27)2 ¿
2 ! ( 5−2 ) !
120 !
P ( k )= (0,27)2(0,73)3
(2)! .(3)!
120
P ( k )= ( 0,0729 )( 0,3890 )
12
P ( k )=(10)(0,0729)(0,3890)
P ( k )=0,2836∗100
P ( k )=28,36 %

p = 0,27 probabilidad de éxito

q = 1-0,27 = 0,73 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 3 Cantidad de Éxitos

P ( k )= (53 )(0,27) ¿
3

5!
P ( k )= (0,27)3 ¿
3 ! ( 5−3 ) !
5!
P ( k )= (0,27)3 (0,73)2
(3)! .(2)!
120
P ( k )= ( 0,0196 )( 0,5329 )
12
P ( k )=(10)(0,0196)(0.5329)
P ( k )=0,1044∗100
P ( k )=10,44 %
 p = 0,27 probabilidad de éxito
q = 1-0,27 = 0,73 probabilidad de fracaso
n = 5 Cantidad de Experimentos
k = 4 Cantidad de Éxitos

P ( k )= 5 (0,27)4 ¿
()
4
5!
P ( k )= (0,27)4 ¿
4 ! ( 5−4 ) !
5!
P ( k )= (0,27) 4 (0,73)1
(4)! .(1)!
120
P ( k )= ( 0,0053 )( 0,73 )
24
P ( k )=(5)(0,0053)(0,73)
P ( k )=0,193∗100
P ( k )=19,3 %
 Ejercicio 2. Distribución Poisson.

d. Los clientes de Bancolombia llegan de acuerdo con un proceso de

Poisson con una tasa de 2 clientes por un período de cinco minutos.
Encuentra la probabilidad de que
1) Un cliente ingrese al banco entre las 2:00 p.m. y 2:15 p.m.
2) Dos clientes ingresen al banco entre las 2.15 p.m. y 2:30 p.m.
3) Tres clientes ingresarán al banco entre las 2:00 p.m. y las 2:30 p.m.
Datos:
μ = media del # de ocurrencias en un intervalo especifico
e = 2.72828 base de los logaritmos neperiano
x = # de ocurrencia con éxito
 1) Un cliente ingrese al banco entre las 2:00 p.m. y 2:15 p.m.
Periodo= 2 cliente por periodo de 5 minutos
Periodos= 2:00 – 2:15 = 15 minutos / 5 minutos = 3 periodos
Clientes (μ)= 3 periodos * 2 clientes = 6
μ=6
e = 2,71828
x=1
μ x e−μ
P x=
( )
x!
Remplazamoslos valores en la formula
P ( 1 )=( 6)1 ¿ ¿
6(0,0024) 0,0148
P ( 1 )= = =0,0148∗100=1,48 %
1 1
Se concluye que la probabilidad de que cliente ingrese al banco entre las
2:00 p.m. y 2:15 p.m. es del 1,48%

2) Dos clientes ingresen al banco entre las 2.15 p.m. y 2:30 p.m.

Periodo= 2 cliente por periodo de 5 minutos

 Periodos= 2:16 – 2:30 = 15 minutos / 5 minutos = 3 periodos
Clientes (μ)= 3 periodos * 2 clientes = 6
μ=6
e = 2,71828
x=2
μ x e−μ
P ( x)=
x!
Remplazamoslos valores en la formula
P ( 2 )=( 6)2 ¿ ¿
36(0,024) 0,864
P ( 2 )= = =0,4461∗100=44,61 %
2 2

Se concluye que la probabilidad de que 2 clientes ingresen al banco entre

las 2:15 p.m. y 2:30 p.m. es del 44,61%
 3) Tres clientes ingresarán al banco entre las 2:00 p.m. y las 2:30
p.m.
Periodo= 2 cliente por periodo de 5 minutos
Periodos= 2:00 – 2:30 = 30 minutos / 5 minutos = 6 periodos
Clientes (μ)= 6 periodos * 2 clientes = 12
μ = 12
e = 2,71828
x=3
μ x e−μ
P ( x)=
x!
Remplazamoslos valores en la formula
(12)3 (2,71828)−12
P ( 3 )=
3!
1728(0,00000614421) 0,0106
P ( 3 )= = =0,00176∗100=0,18 %
6 6

Se concluye que la probabilidad de que 3 clientes ingresen al banco entre

las 2:00 p.m. y 2:30 p.m. es del0 0,18 %
 Ejercicio 3. Distribución Hipergeométrica.

d. Un profesor de música quiere seleccionar ocho estudiantes de

secundaria de una clase para el coro de la escuela. Si en esta clase hay 17
niñas y 13 niños, y suponiendo que todos los estudiantes tienen la misma
probabilidad de ser seleccionados, ¿cuál es la probabilidad de que entre los 8
estudiantes seleccionados se presente:
1) ¿Cinco niñas y tres niños?
2) ¿No hay niños?
Se aplicara la formula :
R N−R
P= ( x )=
( x )( n−x )

( Nn )
Donde:
N = Tamaño de la población
n = Tamaño de la muestra
R = Cantidad de éxitos en la subpoblación
x = Cantidad de éxitos en la muestra

1) ¿Cinco niñas y tres niños?

Niñas Niños
N 30
n 5 3
R 17 13
x 5 3
Se remplazan valores enla formula y hallar la probabilidad de niñas:
17 30−17
P= (5 )=
( 5 )( 5−5 )

( 305)
 17 13
P= (5 )=
( 5 )( 0 )

(305)
( 6188 )( 1 ) 6188
P= (5 )= = =0,4340
142506 142506

Se remplazan valores enla formula y hallar la probabilidad de niños:

13 30−13
P= (3 )=
( 3 )( 3−3 )

( 303)
13 17
P= (3 )=
( 3 )( 0 )

(303)
( 286 ) (1 ) 286
P= (5 )= = =0,0704
4060 4060
 P ( x ) =0,4340+0,0704
P ( x ) =0,5044
La probabilidad de que entre los 8 estudiantes seleccionados se presente 5
niñas y 3 niños es del 0,5044 que equivalen a un 50,44%

2) ¿No hay niños?

Niñas Niños
N 30
 n 8 0
R 17 13
x 8 0
Se remplazan valores enla formula y hallar la probabilidad de niñas:
17 30−17
P= ( 8 )=
( 8 )( 8−8 )

(308)
17 13
P= ( 8 )=
( 8 )( 0 )

(308 )
( 24310 ) (1 ) 24310
P= ( 8 )= = =0,0042
5852925 5852925
 Se remplazan valores enla formula y hallar la probabilidad de niños:
13 30−13
P= ( 0 )=
( 0 )( 8−0 )

( 308)
13 17
P= ( 0 )=
( 0 )( 8 )

(308 )
( 1 )( 24310 ) 24310
P= ( 0 )= = =0,0042
5852925 5852925

La probabilidad de que entre los 8 estudiantes no sean seleccionados

niños es del 0,0042 que equivalen a un 0,42%
 Ejercicio 4. Distribución Normal.

d. Las camisas femeninas se clasifican en S, M, L y XL según su talla. Las

camisas de talla S son adecuadas para mujeres con una medida pectoral
entre 29 y 32 (pulgadas); la talla M es adecuada para mujeres con una
medida entre 32 y 34, la talla L es adecuada para mujeres con una medida
entre 34 y 38, mientras que el tamaño XL para medidas mayores a 38.
Supongamos que seleccionamos una mujer al azar de una población, y su
medida pectoral, X, tiene distribución normal con media 34.25 y desviación
estándar 1.75 pulgadas.
1) Encuentre la proporción de mujeres con una medida pectoral de menos
de 29 pulgadas, de modo que el tamaño S sea demasiado grande.

x = 29 pulgadas
μ = 34,25
σ = 1,75
Se aplica la formula y se remplazanlos valores
(x−μ)
z=
σ
(29−34,25) −5,25
z= = =−3
1,75 1,75
Identificamos el valor−3 en la tabla de Distribución normal estandar
P ( z<3 )=1−0,0013=0,9987=99,87 %
 2) Una fábrica produce 5000 camisas femeninas mensuales intenta
producir cada talla en proporción similar a como se encuentra distribuida la
medida pectoral en la población. Encuentra cuántas camisas de talla M
debería producir.

x = 32 ≤ x ≤ 34
μ = 34,25
σ = 1,75
Se aplica la formula y se remplazanlos valores
(x−μ)
z=
σ

z=( 34−34,25
1,75
≤x ≤
32−34,25
1,75 )
−0,25 −2,25
z=(
1,75 )
≤ x≤
1,75
P ( 32≤ X ≤34 )=(−0,1428≤ x ≤−1,2857 )
P ( X )=0,4443−0,1003=0,344=34,40 %
 D. En ua compañía productora de joyas de oro se midieron los pesos en gramos de 20 dijes.
Obteniendo un peso promedio de 1.25 y una desviación estándar de 0.42, si se supone que el
peso de los dijes se encuentra normalmente distribuido con una media y desviación estándar
similar a la de la muestra. Responda:
1. ¿Cuál es la probabilidad de que un dije pese más de 1 gramo?
Datos:
x = >1
μ = 1,25
σ = 0,42
Se aplica la formula y se remplazan valores
(x−μ)
z=
σ
1−1,25 −0,25
z= = =−0,5952
0,42 0,42
P ( x>−,5952 ) =1−0,2776=0,7224=72,24 %
2. ¿Cuál es la probabilidad de que un dije pese entre 0,9 y 1,5 gramos?

Datos:
x = (0,9≤X≤1,5)
μ = 1,25
σ = 0,42

z=( 1,5−1,25
0,42
≤ x≤
0,9−1,25
0,42 )
0,25 −0,35
z=(
0,42 )
≤x ≤
0,42
P ( 0,9 ≤ X ≤ 1,5 )=( 0,5952 ≤ x ≤−0,8333 )
P ( X )=( 1−0,2776 )− ( 0,2033 )=0,5191=51,91 %
Ejercicios Luis hernandez

Tipo de ejercicios 1 - Distribución Binomial.

e. Un jugador de baloncesto realiza tiros libres con éxito con una probabilidad de 0.85. en un
juego particular, intentó 16 tiros libres y anotó en 11 de ellos.

p ( X=x ) =( nx) p ( 1− p )
x n−x

1) ¿Cuál es la probabilidad de que los cinco tiros que perdió fueron los primeros cinco
intentos?

x= cantidad de tiros libres perdidos=5

n= número de ensayos o intentos=5

p= probabilidad de no acertar el tiro libre= 1-0.85=0.15

p ( X=5 )= 5 ( 0.15 )5 ¿
()
5

5 Fallos enlos primeros 5intentos=0.0001=0.01 %

2) ¿Cuál es la probabilidad de que los primeros tres tiros que intentó fueran exitosos?

La probabilidad de éxito es encestar los tiros libres

x= cantidad de tiros libres acertados =3

n= número de ensayos o intentos=3

p ( X=3 )= ( 33 )( 0.85) ¿
3

Ejercicio 2. Distribución Poisson.

e. En sismología, se dice que un terremoto es "fuerte" si tiene una magnitud de al menos 6°

medidos en la escala de Richter. Si en un área que es golpeada frecuentemente por
terremotos, el número de terremotos fuertes sigue un proceso de Poisson con una tasa
de 2.5 por año.

x=número de terremotos fuertes enun año

λ=2.5 numero promedio de terremotos fuertes por año

La fórmula de la distribución Poisson se define como:

λx − λ
P ( X ≥ x )= e
x!
 1) ¿Cuál es la probabilidad de que haya al menos tres terremotos fuertes en un año?

P ( x ≥ 3 )=1−P ( X < 3 )=1− ( P ( X=0 )+ P ( X =1 ) + P ( X=2 ) )

2.50 −2.5
P ( X=0 )= e =0.082
0!
1
2.5 −2.5
P ( X=1 ) = e =0.205
1!

2.5 2 −2.5
P ( X=2 )= e =0.257
2!

P ( x ≥ 3 )=1−(0.082+0.205+ 0.257)

P ( x ≥ 3 )=0.456=45.6

La probabilidad de que haya al menos tres terremotos fuertes en un año es de 45.6%

2) ¿Cuál es la probabilidad de que haya al menos tres terremotos fuertes en un período de

tres meses?

y=numero de terremotos fuertes en un mes

Aplicando una regla de tres simple hallamos el valor medio de terremotos

fuertes en un mes
12 meses → 2.5 terremotos fuertes
3 meses → y

2.5
y= =0.208 terremotos fuertes por mes
12

En un periodo de tres meses

λ=3∗y=3∗0.208=0.624

P ( x ≥ 3 )=1−P ( X < 3 )=1− ( P ( X=0 )+ P ( X =1 ) + P ( X=2 ) )

0.6240 −0.624
P ( X=0 )= e =0.538
0!
1
0.624 −0.624
P ( X=1 ) = e =0.334
1!

0.6242 −0.624
P ( X=2 )= e =0.104
2!

P ( x ≥ 3 )=1−(0.538+ 0.334+0.104)

P ( x ≥ 3 )=0 .024=2.4 %

La probabilidad de que haya al menos tres terremotos fuertes en periodo de tres meses es de
2.4%
 3) Encuentre la probabilidad de que en el próximo año se presenten al menos 3 terremotos
fuertes.

2.53 −2.5
P ( x=3 )= e =0.213
3!

P ( x=3 )=0.213=21.6 %

La probabilidad de que haya al menos tres terremotos fuertes en un año es de 21.6%

Ejercicio 3. Distribución Hipergeométrica.

e. En una fábrica, de 50 máquinas que producen durante un día, 8 son defectuosas,

presentando todas el mismo fallo. Un ingeniero selecciona seis máquinas al azar para
examinar si tienen este fallo o no. ¿Cuál es la probabilidad de que al menos dos de las
máquinas seleccionadas sean defectuosas?
 M N −M
P ( X=x )=
( k )( n−k )

( Nn )
El éxito es encontrar una maquina defectuosa, el éxito buscado es
encontrar maquinas defectuosas

M =8 → Número de maquinas defectuosas en la fabrica

n=6 → muestra tomadas de las 50 maquinas
N=50 → número de máquinas en la fabrica
k =2 →número de exitos enla muestra

P ( X ≥2 ) =1−[ P(X < 2) ]

P ( X ≥2 ) =1−[ P ( X=0 ) + P ( X=1 ) ]

8 50−8
P ( X=0 )=
( 0)( 6−0 )
=0.330
50
(6)
8 50−8
P ( X=1 ) =
( 1 )( 6−1 )
=0.428
50
(6)

P ( X ≥2 ) =1−[ 0.330+0.428 ]

P ( X ≥2 ) =0.242=24.2 %
Hay una probabilidad del 24.2% de encontrar al menos dos máquinas defectuosas en la
muestra de 6.
Ejercicio 4. Distribución Normal.

e. Un Kiosco pide 200 copias del periódico El Colombiano cada semana. Se estima que la
cantidad de copias del periódico que se vende semanalmente se distribuye normal con
parámetros 𝜇 = 180 y 𝜎 = 8.

1) Encuentre la probabilidad de que, en una semana dada, el kiosco venda exactamente las
200 copias del periódico El Colombiano.

Cuando la distribución es continua, la probabilidad de que la variable tenga un valor exacto

siempre es nula. Por lo tanto

P ( X=200 )=0

2) ¿Cuál es la probabilidad de que en una semana necesite pedir nuevas copias del periódico
porque se vendieron todas?
P ( X ≥200 )=0.0062=0.62 %

La probabilidad de solicitar más copias porque se vendieron todos los periódicos es del 0.62%

E. De los estudiantes de educación básica secundaria de una institución educativa, el 40% se divierten en

su tiempo libre con juegos en línea. Se eligen 5 estudiantes de esa institución educativa, para conocer su

opinión sobre los juegos en línea.

R:/

Éxito= un estudiante se divierta en su tiempo libre con juego en línea

P=0.40 de que los estudiantes se divierten en su tiempo libre con juegos en línea
 1. ¿Cuál es la probabilidad de que ninguno de ellos se distraiga en su tiempo libre con juegos en
línea?

x=0 número de estudiantes que no jueganen línea

en su tiempo libre entre los 5 estudiantes

n=5 , número de estudiantes

p ( X=0 )= 5 (0.40)0 (1−0.40 )5−0

()
0

p ( X=0 )=0.078=7.78 %

La probabilidad de encontrar ningún estudiante que se divierta en sus tiempos libres con juegos en línea

es del 7.78%
 2. ¿Cuál es la probabilidad de que dos o tres se entretengan en su tiempo libre con juegos en
línea?
R:/

p ( X=2 ∪ X =3 )= p ¿

x=2 o 3 estudiantes que jueganen línea

en su tiempo libre entre los 5 estudiantes

p ( X=2 ∪ X =3 )= 5 (0.4)2 ( 1−0.4 )5−2+ 5 (0.4)3 ( 1−0.4 )5−3

() ()
2 3

p ( X=2 ∪ X =3 )=0.346+0.230
p ( X=2 ∪ X =3 )=0.576=57.6 %

La probabilidad de encontrar 2 o 3 estudiantes que se diviertan en sus tiempos libres con juegos en línea

es del 57.6%

Tabla links videos explicativos

Nombre estudiante Ejercicios Link video

sustentados Explicativo

Edgar quintero Ejercicio C https://screencast-o-

matic.com/watch/cYXuY
DL9O1
 Alexis Villamizar Ejercicio D https://youtu.be/qQ5N
1jsCHp4

Luis hernandez Ejercicio E https://youtu.be/RQB5hK3

juEw

Referencias bibliográficas

-  http://www.hrc.es/bioest/estadis_21.html Definición de variable aleatoria

- 5.3 Variables aleatorias continuas | Estadística Básica Edulcorada

https://bookdown.org/aquintela/EBE/variables-aleatorias-continuas.html

- Distribución de Probabilidad - Web y Empresas

https://www.webyempresas.com/distribucion-de-probabilidad/

Llinás Solano, H. (2017). Estadística descriptiva y distribuciones de probabilidad. (pp. 183-186,

214-235, 283-299). Universidad del Norte.
 https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/70059?page=201

- La desviación estándar

http://www.cca.org.mx/cca/cursos/estadistica/html/m11/desviacion_estandar.htm

- Distribución binomial ¿Qué es? - Software DELSOL

https://www.sdelsol.com/glosario/distribucion-binomial/

- Aproximación de Poisson a la Binomial

http://www.chihuahua.tecnm.mx/academic/industrial/sabaticorita/_private/06Aprox%20Poisson

%20Binomial.htm

- Distribución normal - Qué es, definición y concepto 

https://economipedia.com/definiciones/distribucion-normal.html

- Ejemplos de Integral de Área - Hyperphysics

http://hyperphysics.phy-astr.gsu.edu/hbasees/integ.html

- Aproximación de Binomial a la normal

http://www.chihuahua.tecnm.mx/academic/industrial/sabaticorita/_private/002APROXIMACIO

N%20%20DE%20%20LA%20%20NORMAL%20%20A%20%20LA%20%20BINOMIAL.htm