Actividad 1

Tabla comparativa de conceptos

Tabla comparativa
Concepto Definición Variable, formula o imagen

que representa el concepto

Variable aleatoria Función que se le asigna un Es una función x definida de

valor, que usualmente es la siguiente manera:

numérico, a cada resultado del

espacio muestral de un X : S → IR

experimento aleatorio. Se

pueden considerar también Función cuyo dominio es el

aleatorios valores lógicos, espacio muestral y el rango es

funciones o la representación el conjunto de los números

que se desee siempre y cuando reales

sea un espacio medible.

Variable aleatoria Esta definida sobre espacios

continua muestrales infinitos no

numerables, en los cuales toma

Se representan:
un rango de valores finito o
X ={ x 1 , x 2 , x 3 …. x i … x n … . }
infinito. Se representa mediante

letras mayúsculas y

minúsculas.
Variable aleatoria Son aquella que solo pueden

discreta tomar un numero de valores

finito o infinito que es

 contable. Se representan:

X ={ x 1 , x 2 , x 3 …. x i … x n … . }

Distribución de Es una función que asigna a

probabilidad cada suceso definido sobre la

variable aleatoria la

probabilidad de que dicho

suceso ocurra, definido sobre el

conjunto de todos los sucesos,

siendo los sucesos un rango de

valores de manera aleatoria.

Distribución de Es una función que asigna a un Se definen tres formas

probabilidad intervalo de la variable distintas:

continua continua X su correspondiente

valor de probabilidad. La

probabilidad de que un evento

ocurra en un intervalo de la

variable.

Distribución de Describe la probabilidad de que

probabilidad pueda que ocurra cada valor de

discreta una variable discreta aleatoria.

Representa una forma tabular.

Media Es el promedio de todos los

datos obtenidos, donde se

 suman todos los datos, luego se

divide por la cantidad de datos

que hay.

Desviación Es la medida de dispersión más

estándar común en la cual indica que tan

dispersos están los datos con

respecto a la media. Mientras

sea mayor la desviación

estándar, mayor será la

dispersión de los datos

Valor esperado Es la suma ponderada de todos

los valores posibles en una

variable aleatoria, con el

objetivo de tener el centro de

los datos dentro la distribución

de dicha variable aleatoria.

Varianza Es la medida de dispersión que

representa la variabilidad de

una serie de datos con respecto

a su media.
Función de Es una función que asocia a

probabilidad cada punto de su espacio

 muestral X.

Función de describe la probabilidad

densidad relativa según donde la variable

aleatoria tomara determinado

valor.

Distribución Nos dice el porcentaje en el

binomial que es probable obtener un

resultado entre dos posibles al

realizar un número

determinado de pruebas.
Aproximación de Sea X una variable aleatoria

la de binomial a la binomial con n y p como

de Poisson parámetros, siempre que n sea

grande y p no esté próxima a 0

o 1, donde la aproximación

consiste en utilizar una

distribución normal con la

misma media y desviación

típica de la distribución

binomial.
Distribución Describe el número de veces

Poisson que se presenta un evento

durante un intervalo especifico.

Distribución Distribución discreta

hipergeométrica relacionada con muestreos

aleatorios y sin ningún

reemplazo
Distribución Capacidad de aproximar

normal satisfactoriamente el valor de

una variable aleatoria en una

situación ideal y que dependen

de la media y la desviación

típica.
Distribución Es una medida de la dispersión

normal estándar de los números y es un caso

especial donde:

Área bajo la curva El área bajo la curva

corresponde al 100% de los

casos de la probabilidad de

encontrar un valor de la

variable que igual o inferior a

un valor dado.
Aproximación de La aproximación consiste en

la normal a la utilizar una distribución normal

 binomial con la misma media desviación

típica que la distribución

normal.

Tipo de ejercicios 1 - Distribución Binomial.

a. Camilo y Juan se reúnen todos los miércoles para jugar un partido de tenis de

mesa. Si la probabilidad de que Jack gane un juego en particular es 0.6, ¿cuál es

la probabilidad de que en los primeros 10 juegos:

1) ¿Camilo gana los 10?

Tomamos a x como la incognita

r =10 veces que gane camilo

n=10 intentos de que gane camilo

p=0.4 probabilidad que gane camilo

q=0.6 probabilidad que pierda camilo

P ( x=r )= (nr) p ∗q
r n−r

P ( x=10 )= (1010)0.4 ∗0.6

10 10−10

10 !
¿ ∗0.4 10∗1
10 ! ( 10−10 )

¿ 0.4 10=1.048576∗10−4 =0.0105 %

 2) ¿Juan gana cómo máximo dos juegos?

Tomamos a x como la incognita

r =2 veces que gane camilo

n=10 intentos de que gane camilo

p=0.6 probabilidad que gane camilo

q=0. 4 probabilidad que pierda camilo

P ( x=r )= n p r∗qn−r
()
r

P ( x=10 )= 10 0. 6 2∗0. 4 10−2

( )
2

10 !
¿ ∗0. 62∗0.4 8
2! ( 10−2 )

¿ 0.0106=1 ,0 6 %
 3) ¿Camilo gana al menos seis juegos?

Tomamos a x como la incognita

r =6 veces que gane camilo

n=10 intentos de que gane camilo

p=0.4 probabilidad que gane camilo

q=0.6 probabilidad que pierda camilo

P ( x=r )= n p r∗qn−r
()
r

P ( x=10 )= 10 0. 6 6∗0. 4 10−6

( )
6

10 !
¿ ∗0.6 6∗0.4 4
6 ! ( 10−6 )

¿ 0.1115=1 1,15 %
Ejercicio 2. Distribución Poisson.

a. En la unidad de producción de alambre de una fábrica, hay un empleado que

inspecciona la calidad del cable a medida que sale de la máquina que lo produce.

Se ha estimado que la cantidad de defectos en el cable sigue un proceso de

Poisson con una tasa de un defecto por 100 m de alambre producido. Un día,

durante el trabajo, se llama al empleado para que responda una llamada

telefónica urgente y él está ausente de su puesto durante 20 minutos. Si la

máquina produce 30 m de cable por minuto, encuentre la probabilidad de que el

empleado haya fallado durante su ausencia más de un defecto en el cable.

Tenemos que se encuentra 1 defecto cada 100 metros por lo cual

1 defecto
∗30 m
100m
∗20 min=6 defectos
1 min

μ=6

e− μ∗μ k
P ( x=k ) =
k!
 P= ( x >1 )=P ( x=2 ) + P ( x=3 ) + P ( x=4 ) + P ( x =5 ) + P ( x=6 )

e−6∗62 e−6∗6 3 e−6∗6 4 e−6∗65 e−6∗66

P= ( x >1 )= + + + +
1∗2 1∗2∗3 1∗2∗3∗4 1∗2∗3∗4∗5 1∗2∗3∗4∗5∗6

¿ 0.0446+0.0892+ 0.1338+ 0.1606+0.1606

¿ 0.5888=58,88 %

Ejercicio 3. Distribución Hipergeométrica.

a. 16 jugadores participan en un torneo de tenis de mesa. Tres de los jugadores que

ingresan al torneo son zurdos mientras que el resto son diestros. Suponiendo que

inicialmente todos los jugadores tienen la misma probabilidad de llegar a la final,

verifique lo siguiente:

1) ¿Cuál es la probabilidad de que dos zurdos se encuentren en la final?

N=16 número de jugadores

k =3 jugadores zurdos

n=2 muestra de dos porque en una final juegan dos participantes

x=2 numero de éxitos de la muestra

k N −k
P ( x) =
( x )( n−x )

( Nn )
3 13
p ( x=2 )=
( 2)( 0 ) 3∗1
= =0,025=25 %
16 120
(2)
2) ¿Cuál es la probabilidad de que la final sea entre un zurdo y un derecho?

N=16 número de jugadores

k =3 jugadores zurdos

n=2 muestra de dos porque en una final juegan dos participantes

x=1 numero de éxitos de la muestra

k N −k
P ( x) =
( x )( n−x )

( Nn )
3 13
p ( x=2 )=
( 1)( 1 ) 3∗13
= =0,325=32,5 %
16 120
(2)

Ejercicio 4. Distribución Normal.

a. El período de gestación para nacimientos se seres humanos (vivos) se puede

representar de forma aleatoria con la variable X siguiendo la distribución normal con

media 𝜇 = 270 días y una estándar desviación 𝜎 = 10 días. Encuentre la proporción de

niños que nacen después de un período de gestación:

1) de menos de 240 días.

Para el ejercicio se tiene en cuenta la tabla de la distribución normal

μ=270 dias

σ =10 días

x <240 dias

x−μ 240−270
z= = =−3
σ 10

Teniendo en cuenta la tabla de distribución normal, se tiene:

P ( x<240 )=0.00135=0.135 %
2) entre 255 y 285 días.

255< x <285

Pz( 285 )−Pz(255)

285−270 255−270
(
P z=
10
−P z=) ( 10 )
P ( z=1.5 )−P ( z=−1.5 )

¿ 0.9232−0.0668

¿ 0.8664

Video explicativo ejercicio A

Link del video: https://youtu.be/PwzjkhW9W_I

Referencias bibliográficas

 Obando López, J. y Arango Londoño, N. (2019). Probabilidad y estadística.

Fondo Editorial EIA. (pp. 57-69, 72-74). Recuperado de:

https://elibronet.bibliotecavirtual.unad.edu.co/es/ereader/unad/125705?page=58

 Rodríguez Franco, J. y Pierdant Rodríguez, A. I. (2015). Estadística para

administración. (pp. 241-268, 287-297). Grupo Editorial Patria. Recuperado de:

https://elibronet.bibliotecavirtual.unad.edu.co/es/ereader/unad/39397?page=258

 Sánchez, J.(2020). OVI – Unidad 2. Distribución Poisson. Recuperado de:

https://repository.unad.edu.co/handle/10596/35640

 Gamero Burón, C. (2017). Estadística I: elementos de estadística descriptiva y

de teoría de la probabilidad. (pp. 257-262, 329-345, 383-395). Servicio de

Publicaciones y Divulgación Científica de la Universidad de Málaga.

Recuperado de:

ttps://elibronet.bibliotecavirtual.unad.edu.co/es/ereader/unad/60724?page=257

 Llinás Solano, H. (2017). Estadística descriptiva y distribuciones de

probabilidad. (pp. 183-186, 214-235, 283-299). Universidad del Norte.

Recuperado de: https://elibro-

net.bibliotecavirtual.unad.edu.co/es/ereader/unad/70059?page=201
 Luis rincón (2007). Curso elemental de probabilidad u estadística. Departamento

de matemáticas, facultad de ciencias UNAM. Recuperado de:

https://www.cimat.mx/~pabreu/LuisRinconI.pdf

 Francisco Montes Suay. (2007). Introducción a la probabilidad. Departamento

de Estadística e Investigación Operativa. Universidad de Valencia. Recuperado

de: https://www.uv.es/montes/probabilitat/manual.pdf