Tarea 3: Experimentos aleatorios y distribuciones de probabilidad

Tutor/a:

Nayives Xilena Trujillo

Estudiante: John Stevenson Retalloud Rincòn

Identificación: 1.115.072678

Grupo: 164

Universidad Nacional Abierta y a Distancia UNAD

Tecnolgia en Logistica Industrial (ECBTI)

Probabilidad 100402_164

Mayo 2021
Actividad 1

Tabla comparativa de conceptos:

Tabla Comparativa
Concepto Definición Variable, formula o imagen que
representa el concepto
Variable aleatoria Se llama variable aleatoria
a toda funcion que asocia a
cada elemento del espacio
muestral E un numero real.
Variable aleatoria Una variable continua es
continua aquella que puede tomar un
numero infinito de valores
entre dos valores
cualesquiera de una
caracteristica.

Variable aleatoria Una variable discreta es

discreta aquella que solo puede
tomar un numero finito de
valores entre dos valores
cualesquiera de una
caracteristica.

Distribución de Una distribucion de

Probabilidad probabilidad es aquella que
permite establecer toda la
progresion de resultados
probables de ocurrir en un
experimento determinado.

Distribución de Son aquellas encargadas

Probabilidad de describir las
probabilidades de los
Continua posibles valores de una
variable aleatoria continua.
Distribución de Las distribuciones de
Probabilidad probabilidad discretas son
aquellas en las que la
Discreta variable puede tomar un
numero determinado de
valores.

Media Es tambien conocida como

promedio, suma de datos
dividido entre la cantidad de
los mismos.

Desviación La desviacion estandar es

un indice que muestra
estándar cuanto se diferencian una
puntuacion comun y la
media de un grupo de
puntuaciones.
Valor esperado El valor esperado nos dice
el promedio de ganancias o
de perdidas que podemos
obtener si la ejecutamos.

Varianza La varianza es la medida

artimetica del cuadrado de
las desviaciones respecto a
la medida de una
distribucion estadistica.
Función de Se llama funcion de
Probabilidad probabilidad de una
variable aleatoria x a la
funcion que asocia a cada
valor x de la variable su
probabilidad.
 La funcion de densidad
Función de ayuda a identificar regiones
de mayores y menores
densidad probabilidades para valores
de una variable aleatoria.

Distribución Es una distribucion de

probabilidades discretas,
binomial solo tienen dos posibles
resultados a los que se les
pueden nombrar como éxito
o fracaso.

Aproximación de Sea X es una variable

la D. aleatoria binomial con
binomial a la D. parámetro n y p. si n es
Poisson grande (n≥100), y p
pequeña (p≤0,01) y n y p
puede aproximarse por la
distribución de Poisson con
parámetro λ = np. Bajo de
estas condiciones se
cumple que: B (k ; n ; p) P(k
;np) K= 0, 1, 2,… los
siguientes ejemplos ilustran
algunos de los problemas
en los que la distribución de
Poisson puede ser aplicada
como aproximación a la
distribución binomial.
 Describe el numero de
Distribución veces que se presenta un
evento durante un intervalo
Poisson especifico.

Distribución Experimento en el que se

Hipergeométrica sustrae una muestra
aleatoria de tamaño n de un
total de N elementos, de los
cuales k se clasifican como
éxitos y N -k como
fracasos.
Distribución La distribución normal (en
ocasiones llamada
normal distribución gaussiana) es
la distribución continua que
se utiliza más comúnmente
en estadística, es un
modelo que aproxima el
valor de una variable
aleatoria a una situación
ideal, dependiendo de la
media y la desviación
típica.
Distribución La distribución tiene
normal la forma de una campana y
estándar la mayor parte del área de
esta campana (Bell) se
encuentra donde la media.
El área debajo de la
campana es de 1, y se
divide por 0.5 a la izquierda
y 0.5 a la derecha de la
media.
Es simétrica con
respecto a la media.
La media, moda, y
mediana coinciden.
Hay dos
parámetros que determinan
su forma: la media y la
desviación estándar
Área bajo la curva La curva hace más fácil el
cálculo en proporciones ya
que por medio de la curva
miramos que datos esta
cerca de la media, que dato
llega a la punta de la curva
o ver de qué lado están
concentrados los datos.

Aproximación de Una
la distribución binomial B(n,p)
normal a la se puede aproximar por
una distribución normal,
siempre que n sea grande y
binomial
p no esté muy próxima a 0
o a 1.
La aproximación consiste
en utilizar una
distribución normal con la
misma media y desviación
típica que la
distribución binomial.
Actividad 2

Ejercicio de Aplicación: Literal A

1. Tipo de ejercicio 1 – Distribución Binomial:

Solución:

Tenemos la función de probabilidad

P ( X )= ( nx ) P ( 1−P )
x n −x

 Una pieza defectuosa

Numero de ensayos = n

Probabilidad de éxito = P

Numero de casos exitosos = x

n=6 ; P=0.22 ; x=1

P ( x=1 )= 6 × 0.221 × (1−0.22 )6−1

()
1

6! 720
P ( x=1 )= 6 =
() = =6
1 1! ( 6−1 ) ! 1× 120

P ( x=1 )=6 × 0.22× 0.785

P ( x=1 )=1.32 ×0.289

 P ( x=1 )=0.381

La probabilidad de salir una pieza defectuosa es del 38.1%

 Ninguna defectuosa

Numero de ensayos = n

Probabilidad de éxito = P

Número de casos exitosos = x

n=6 ; P=0.22 ; x=0

P ( x=0 )= 6 ×0.220 × ( 1−0.22 )6−0

()
0

6! 720
P ( x=0 )= 6 =
() = =1
0 0 ! ( 6−0 ) ! 1× 720

P ( x=0 )=1 ×1 × 0.786

P ( x=0 )=1 × 0.225

P ( x=0 )=0.225

La probabilidad de salir ninguna pieza defectuosa es del 22.5%

 Dos piezas defectuosas

Numero de ensayos = n

Probabilidad de éxito = P

Número de casos exitosos = x

n=6 ; P=0.22 ; x=2

P ( x=2 )= (62 )× 0.22 × ( 1−0.22)

2 6−2

6! 720
P ( x=2 )= (62 )= 2! ( 6−2 =
) ! 2× 24
=15
 P ( x=2 )=15 ×0.0484 × 0.784

P ( x=2 )=0.726 × 0.370

P ( x=2 )=0.269

La probabilidad de salir ninguna pieza defectuosa es del 26.9%

Evidencia GeoGebra

2. Tipo de ejercicio 2 – Distribución Poisson

Solución:

Tenemos la siguiente función de probabilidad

e− λ λ x
P ( X=x )=
x!

 Dos derrames

Definimos los parámetros

λ=0.35 ; x=2 ; e ≈ 2.7182

Reemplazamos en la función

e−λ λ x 2.7182
−0.35
( 0.35 )2
P ( x) = =
x! 2!

0.7047+0.1225 0.0863
P ( x=2 )= = =0.0432=4.32 %
2 2

La probabilidad de que el próximo mes se presente dos derrames es del

4.32%

 Mas de un derrame

P(x ≤1)
 0.351 −0.35
P ( x=1 )= e =0.2898
1!

P ( x ≤ 1 )=0.0432+0.2466=0.2898

P ( x>1 ) =1−P ( x ≤ 1 )=1−0.2898=0.7102

La probabilidad de que el próximo mes se presenten mas de un derrame

es del 71.02%

Evidencia GeoGebra
3. Tipo de ejercicio 3 – Distribución hipergeométrica

Solución:

Función de probabilidad hipergeométrica

M N −¿ M
P ( X=0 )=
( X )( n −¿ X )

( Nn )
Donde

P ( X )= probabilidad de obtener x exitos

N=tamaño de la poblacio :15

n=tamaño de la muestra : 8

M =cantidad de exitos en la poblacion: 9

Solución esperada

Éxito = “se regresa a un distribuidor air fryer debido a que el sistema de

encendido se bloquea”

n=8
M=9

N = 15

X =” seleccionamos k air fryer que el sistema de encendido digital se bloquea de

8 examinados”

X Hg=(8,9,15)

La pregunta se traduce como:

a) 6 tengan un encendido digital defectuoso P ( X=6 )=0.1958

b) Entre 3 y 7 inclusive tengan el encendido digital defectuoso

P ( 3≤ X ≤ 7 )=0.993

Solución operativa:

9 15 −¿ 9 9 6
a) P ( X=6 )=
( 6)( 8 −¿ 6 ) ( 6)( 2 )
= =0.1958
15 15
(8) (8)
La probabilidad de que entre los primeros 8 examinados 6 tengan un

encendido digital defectuoso es del 0.1958 que es igual a decir

porcentualmente 19.58%
b) P ( 3≤ X ≤ 7 )=0.993
La probabilidad de que entre los primero 8 examinados entre 3 y 7

inclusive tengan el encendido digital defectuoso es del 0.993 que

porcentualmente es 99.3%.
 Solución:

μ=15.0 kips

σ =1.25 kibs

x=2 Una columna ayuda a soportar un edifici o 2

x ≅ N (15.0 ,1.25 2)

La pregunta se traduce como

a) P ( X >18 ) =0.0082

b) P ( 10< X <12 )=0.0082

Conclusión

a) Existe una probabilidad de que la fuerza sea de más de 10 kilo libras de

0.0082 que en porcentaje es igual a 82%.

b) Existe la probabilidad de que la fuerza este entre 10 y 12 kilo libras

de0.0082 que es igual a 82%.