383 - Tarea 2 GRUPAL

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos aleatorios y

distribuciones de probabilidad
Integrantes:
Orlando Aragon Código: 1.116.443.528
Karen Chaverra Martínez Código: 1.216.713.123
Santiago Moncada Código: 1.152.190.744
Ángel Miguel Torres Código: 1.116.804.426
Alexis Alvarado: Código: 1.118.536.294
Tutor: Bilson Hernán Castro
Curso: Probabilidad
Tema: Tarea 2 - Experimentos aleatorios y distribuciones de probabilidad
Universidad Nacional Abierta y a distancia (UNAD)

Medellín – Abril 2020.
Introducción (mínimo 2 párrafos de 10 líneas de texto cada uno)

INTRODUCCION
En el presente trabajo se expone la resolución de la actividad propuesta para la segunda

etapa del curso de probabilidad, para esta actividad se propusieron 3 ejercicios a
desarrollar, el primero es un cuadro sinóptico resumiendo los temas a tratar en esta
actividad, en el segundo se proponen 5 grupos de 4 ejercicios, de los cuales cada
estudiante eligió uno para desarrollar, y el tercero es un mentefacto basado en los temas
desarrollados en el cuadro sinóptico y en los grupos de ejercicios.
Los temas desarrollados para esta actividad son las distribuciones de probabilidad, ya sean
de variable aleatoria discreta tales como las distribuciones binomial, de Poisson e
Hipergeométrica, o de variable continua como la distribución Normal. En los grupos de
ejercicios propuestos se encuentran casos de estudio de estas cuatro distribuciones
tratando sobre algún problema o estudio que se pueda dar en la realidad, para que así cada
alumno pueda demostrar su dominio del tema al presentar la resolución de los mismos.
Objetivos
El grupo presenta máximo 3 objetivos, uno general y dos específicos.
Objetico General: Resolver casos de estudio usando los conceptos y la teoría aprendida
de las distribuciones de probabilidad de variable discreta y continua.
Objetivos Específicos:
 Desarrollar los conceptos básicos de variables aleatorias discretas y continuas así

como de distribuciones de probabilidad.
 Resolver casos de estudio de distribuciones discretas de probabilidad y

distribuciones continuas de probabilidad.
Ejercicio 1
Cada estudiante de forma individual, realizará la lectura de las referencias recomendadas,

posteriormente desarrollará un cuadro sinóptico que servirá como sustento a la solución
de los ejercicios posteriores (estudio de casos). El cuadro sinóptico debe de ilustrar:
 Contenidos de la unidad 2.
 Importancia de las temáticas de la unidad 2.
 Aplicación de las temáticas en la vida diaria.
Figura 1. Cuadro sinóptico elaborado por Orlando Aragon

Figura 2. Cuadro Sinóptico elaborado por Alexis Alvarado

Figura 3. Cuadro sinóptico elaborado por Miguel Torres

Figura 4. Cuadro Sinóptico elaborado por Karen Chaverra
Ejercicio 2
El grupo entrega aquí, de manera organizada, el análisis, desarrollo y solución de

ESTUDIO DE CASO que selecciono y explico cada estudiante a sus compañeros de
grupo.
Solución al estudio de caso: El grupo entrega aquí, de manera organizada, el análisis,

desarrollo y solución del ESTUDIO DE CASO presentado
RESPONSABLE ROL SELECCIONADO

Karen Chaverra Entregas
Estudios de caso estudiante N°1:1
a. Distribución Hipergeométrica: De 50 personas seleccionadas de una

determinada empresa, 20 de ellas son técnicos y 40 son profesionales de cierta
área de la lingüística. Si se selecciona aleatoriamente una muestra de 12 personas,
¿Cuál es la Probabilidad de que:
1. 6 de ellos sean tecnólogos?
2. 7 de ellos sean profesionales?
R//=
N=50 (N° total de la población)
K=20 (personal técnico)
n=12 (muestra)
X=6 (probabilidad de que sean tecnólogos)
20 50−20 20 30
p ( x=6 )=
( 6 )( 12−6 ) ( 6 )( 6 ) 38.760∗593.775 2.301
= = = =1,896=18,96 %
50 50 1.213 1.213
(12) (12 )
La probabilidad de que 6 de ellos sean tecnólogos es de 18.96%
N=50 (N° total de la población)

K=40 (personal profesional)
n=12 (muestra)
X=7 (probabilidad de que sean profesionales)
1
Tomado y adaptado de Gutiérrez, Banegas, Ana Laura. Probabilidad y estadística Enfoque por competencias, Grupo
Editorial Mc Graw Hill, 2012.
40 50−40 40 10
p ( x=7 )=
( 7 )( 12−7 ) ( 7 )( 5 ) 18.643.560∗252 4.698 .177
= = = =3,873=38,73 %
50 50 1.213 1.213
(12) (12)
La probabilidad de que 7 de ellos sean profesionales es de 38,73%
b. Distribución Binomial: (Distribución binomial). En una empresa el 25% de los

empleados tienen estudios de posgrado. Se elige aleatoriamente una muestra de 20
trabajadores. Si X es la variable aleatoria que representa el número de
trabajadores con postgrado, encuéntrese:
R//=
n r n −r
Formula: p(x=r )=( ) p q
r
X= número de trabajadores con postgrado.
r= ≤ 4
n= 20
p= 0,25
q= 1- p= 1-0,25= 0,75
1. P( X ≤ 4)
p ( x=0 )= ( 200 ) 0,25 0,75

0 20−0
=
20!
0 !∗( 20−0 ) !
∗0,250 0,7520=
20∗19∗20 !
∗0,25 0∗0,7520
0 !∗20 !
380
¿ ∗0,250 ¿ 0,7520= 1*¿ 0,250 ¿ 0,7520=0,003
0
p ( x=1 )= ( 201 ) 0,25 0,75

1 20−1
=
20 !
1!∗( 20−1 ) !
∗0,251 0,7519=
20∗19∗19 !
∗0,251∗0,7519
1 !∗19 !
20
¿ =20∗0,251 ¿ 0,7519 = 0,021
1
p ( x=2 )= ( 202 ) 0,25 0,75

2 20−2
=
20!
2 !∗( 20−2 ) !
∗0,25 2 0,7518 =
20∗19∗18 !
∗0,25 2∗0,7518
2!∗18 !
380
¿ =190∗0,25 2∗0,7518=0,066
2
p ( x=3 )= ( 203 ) 0,25 0,75

3 20−3
=
20 !
3 !∗( 20−3 ) !
∗0,253 0,7517=
20∗19∗17 !
∗0,253∗0,7517
3 !∗17 !
6840
¿ =1140∗0,253 ¿ 0,7517=0,133
6
p ( x=4 )= ( 204 ) 0,25 0,75

4 20−4
=
20!
4 !∗( 20−4 ) !
∗0,254 0,7516=
20∗19∗16 !
∗0,254∗0,7516
4 !∗16!
116280
¿ =4845∗0,25 4 ¿ 0,75 16 = 0,189
24
=1,614
2. P ( X < 4 )
p ( x=0 )= ( 200 ) 0,25 0,75

0 20−0
=
20!
0 !∗( 20−0 ) !
∗0,250 0,7520=
20∗19∗20 !
∗0,25 0∗0,7520
0 !∗20 !
380
¿ ∗0,250 ¿ 0,7520=380*¿ 0,250 ¿ 0,7520=0,003
0
p ( x=1 )= ( 201 ) 0,25 0,75

1 20−1
=
20 !
1!∗( 20−1 ) !
∗0,251 0,7519=
20∗19∗19 !
∗0,251∗0,7519
1 !∗19 !
20
¿ =20∗0,251 ¿ 0,7519 = 0,021
1
p ( x=2 )= ( 202 ) 0,25 0,75

2 20−2
=
20!
2 !∗( 20−2 ) !
∗0,25 2 0,7518 =
20∗19∗18 !
∗0,25 2∗0,7518
2!∗18 !
380
¿ =190∗0,25 2∗0,7518=0,066
2
p ( x=3 )= ( 203 ) 0,25 0,75

3 20−3
=
20 !
3 !∗( 20−3 ) !
∗0,253 0,7517=
20∗19∗17 !
∗0,253∗0,7517
3 !∗17 !
6840
¿ =1140∗0,253 ¿ 0,7517=0,133
6
=1,425
3. P( X ≥ 6) = 1- P( x <6)
p ( x=0 )= ( 200 ) 0,25 0,75

0 20−0
=
20!
0 !∗( 20−0 ) !
∗0,250 0,7520=
20∗19∗20 !
∗0,25 0∗0,7520
0 !∗20 !
380
¿ ∗0,250 ¿ 0,7520=380*¿ 0,250 ¿ 0,7520=0,003
0
p ( x=1 )= ( 201 ) 0,25 0,75

1 20−1
=
20 !
1!∗( 20−1 ) !
∗0,251 0,7519=
20∗19∗19 !
∗0,251∗0,7519
1 !∗19 !
20
¿ =20∗0,251 ¿ 0,7519 = 0,021
1
p ( x=2 )= ( 202 ) 0,25 0,75

2 20−2
=
20!
2 !∗( 20−2 ) !
∗0,25 2 0,7518 =
20∗19∗18 !
∗0,25 2∗0,7518
2!∗18 !
380
¿ =190∗0,25 2∗0,7518=0,066
2
p ( x=3 )= ( 203 ) 0,25 0,75

3 20−3
=
20 !
3 !∗( 20−3 ) !
∗0,253 0,7517=
20∗19∗17 !
∗0,253∗0,7517
3 !∗17 !
6840
¿ =1140∗0,253 ¿ 0,7517=0,133
6
p ( x=4 )= ( 204 ) 0,25 0,75

4 20−4
=
20!
4 !∗( 20−4 ) !
∗0,254 0,7516=
20∗19∗16 !
∗0,254∗0,7516
4 !∗16!
116280
¿ =4845∗0,25 4 ¿ 0,75 16 = 0,189
24
p ( x=5 )= ( 205 ) 0,25 0,75

5 20−5
=
20 !
5 !∗( 20−5 ) !
∗0,255 0,7515=
20∗19∗15 !
∗0,255∗0,7515
5 !∗15 !
1860480
¿ =15504∗0,255 ¿ 0,75 15= 0,202
120
=1,816
4. P( X > 6) = 1−P ¿)
p ( x=0 )= ( 200 ) 0,25 0,75

0 20−0
=
20!
0 !∗( 20−0 ) !
∗0,250 0,7520=
20∗19∗20 !
∗0,25 0∗0,7520
0 !∗20 !
380
¿ ∗0,250 ¿ 0,7520=380*¿ 0,250 ¿ 0,7520=0,003
0
p ( x=1 )= ( 201 ) 0,25 0,75

1 20−1
=
20 !
1!∗( 20−1 ) !
∗0,251 0,7519=
20∗19∗19 !
∗0,251∗0,7519
1 !∗19 !
20
¿ =20∗0,251 ¿ 0,7519 = 0,021
1
p ( x=2 )= ( 202 ) 0,25 0,75

2 20−2
=
20!
2 !∗( 20−2 ) !
∗0,25 2 0,7518 =
20∗19∗18 !
∗0,25 2∗0,7518
2!∗18 !
380
¿ =190∗0,25 2∗0,7518=0,066
2
p ( x=3 )= ( 203 ) 0,25 0,75

3 20−3
=
20 !
3 !∗( 20−3 ) !
∗0,253 0,7517=
20∗19∗17 !
∗0,253∗0,7517
3 !∗17 !
6840
¿ =1140∗0,253 ¿ 0,7517=0,133
6
p ( x=4 )= ( 204 ) 0,25 0,75

4 20−4
=
20!
4 !∗( 20−4 ) !
∗0,254 0,7516=
20∗19∗16 !
∗0,254∗0,7516
4 !∗16!
116280
¿ =4845∗0,25 4 ¿ 0,75 16 = 0,189
24
p ( x=5 )= ( 205 ) 0,25 0,75

5 20−5
=
20 !
5 !∗( 20−5 ) !
∗0,255 0,7515=
20∗19∗15 !
∗0,255∗0,7515
5 !∗15 !
1860480
¿ =15504∗0,255 ¿ 0,75 15= 0,202
120
p ( x=6 )= ( 206 ) 0,25 0,75

6 20−6
=
20!
6 !∗( 20−6 ) !
∗0,256 0,7514=
20∗19∗14 !
∗0,256∗0,7514
6 !∗14 !
27907200
¿ =38760∗0,25 6 ¿ 0,7514 = 0,168
720
=1,984
5. P(2 ≤ X ≤ 8)
p ( x=2 )= ( 202 ) 0,25 0,75

2 20−2
=
20!
2 !∗( 20−2 ) !
∗0,25 2 0,7518 =
20∗19∗18 !
∗0,25 2∗0,7518
2!∗18 !
380
¿ =190∗0,25 2∗0,7518=0,066
2
p ( x=3 )= ( 203 ) 0,25 0,75

3 20−3
=
20 !
3 !∗( 20−3 ) !
∗0,253 0,7517=
20∗19∗17 !
∗0,253∗0,7517
3 !∗17 !
6840
¿ =1140∗0,253 ¿ 0,7517=0,133
6
p ( x=4 )= ( 204 ) 0,25 0,75

4 20−4
=
20!
4 !∗( 20−4 ) !
∗0,254 0,7516=
20∗19∗16 !
∗0,254∗0,7516
4 !∗16!
116280
¿ =4845∗0,25 4 ¿ 0,75 16 = 0,189
24
p ( x=5 )= ( 205 ) 0,25 0,75

5 20−5
=
20 !
5 !∗( 20−5 ) !
∗0,255 0,7515=
20∗19∗15 !
∗0,255∗0,7515
5 !∗15 !
1860480
¿ =15504∗0,255 ¿ 0,75 15= 0,202
120
p ( x=6 )= ( 206 ) 0,25 0,75

6 20−6
=
20!
6 !∗( 20−6 ) !
∗0,256 0,7514=
20∗19∗14 !
∗0,256∗0,7514
6 !∗14 !
27907200
¿ =38760∗0,25 6 ¿ 0,7514 = 0,168
720
p ( x=7 )= ( 207 ) 0,25 0,75

7 20−7
=
20 !
7 !∗ ( 20−7 ) !
∗0,257 0,7513=
20∗19∗13 !
∗0,257∗0,7513
7 !∗13 !
390700800
¿ =77520∗0,257 ¿ 0,7513 = 0,112
5040
p ( x=8 )= ( 208 ) 0,25 0,75

8 20−8
=
20!
8 !∗( 20−8 ) !
∗0,258 0,7512=
20∗19∗12!
∗0,258∗0,7512
8 !∗12 !
5079110400
¿ =125970∗0,258 ¿ 0,75 12=0,060
40320
=0,93
6. P(2 ≤ X <8)
p ( x=2 )= ( 202 ) 0,25 0,75

2 20−2
=
20!
2 !∗( 20−2 ) !
∗0,25 2 0,7518 =
20∗19∗18 !
∗0,25 2∗0,7518
2!∗18 !
380
¿ =190∗0,25 2∗0,7518=0,066
2
p ( x=3 )= ( 203 ) 0,25 0,75

3 20−3
=
20 !
3 !∗( 20−3 ) !
∗0,253 0,7517=
20∗19∗17 !
∗0,253∗0,7517
3 !∗17 !
6840
¿ =1140∗0,253 ¿ 0,7517=0,133
6
p ( x=4 )= ( 204 ) 0,25 0,75

4 20−4
=
20!
4 !∗( 20−4 ) !
∗0,254 0,7516=
20∗19∗16 !
∗0,254∗0,7516
4 !∗16!
116280
¿ =4845∗0,25 4 ¿ 0,75 16 = 0,189
24
p ( x=5 )= ( 205 ) 0,25 0,75

5 20−5
=
20 !
5 !∗( 20−5 ) !
∗0,255 0,7515=
20∗19∗15 !
∗0,255∗0,7515
5 !∗15 !
1860480
¿ =15504∗0,255 ¿ 0,75 15= 0,202
120
p ( x=6 )= ( 206 ) 0,25 0,75

6 20−6
=
20!
6 !∗( 20−6 ) !
∗0,256 0,7514=
27907200
¿ =38760∗0,25 6 ¿ 0,7514 = 0,168
720
p ( x=7 )= ( 207 ) 0,25 0,75

7 20−7
=
20 !
7 !∗ ( 20−7 ) !
∗0,257 0,7513=
20∗19∗13 !
∗0,257∗0,7513
7 !∗13 !
390700800
¿ =77520∗0,257 ¿ 0,7513 = 0,112
5040
=0,87
7. P(2< X ≤ 8)
p ( x=3 )= ( 203 ) 0,25 0,75

3 20−3
=
20 !
3 !∗( 20−3 ) !
∗0,253 0,7517=
20∗19∗17 !
∗0,253∗0,7517
3 !∗17 !
6840
¿ =1140∗0,253 ¿ 0,7517=0,133
6
p ( x=4 )= ( 204 ) 0,25 0,75

4 20−4
=
20!
4 !∗( 20−4 ) !
∗0,254 0,7516=
20∗19∗16 !
∗0,254∗0,7516
4 !∗16!
116280
¿ =4845∗0,25 4 ¿ 0,75 16 = 0,189
24
p ( x=5 )= ( 205 ) 0,25 0,75

5 20−5
=
20 !
5 !∗( 20−5 ) !
∗0,255 0,7515=
20∗19∗15 !
∗0,255∗0,7515
5 !∗15 !
1860480
¿ =15504∗0,255 ¿ 0,75 15= 0,202
120
p ( x=6 )= ( 206 ) 0,25 0,75

6 20−6
=
20!
6 !∗( 20−6 ) !
∗0,256 0,7514=
20∗19∗14 !
∗0,256∗0,7514
6 !∗14 !
27907200
¿ =38760∗0,25 6 ¿ 0,7514 = 0,168
720
p ( x=7 )= ( 207 ) 0,25 0,75

7 20−7
=
20 !
7 !∗ ( 20−7 ) !
∗0,257 0,7513=
20∗19∗13 !
∗0,257∗0,7513
7 !∗13 !
390700800
¿ =77520∗0,257 ¿ 0,7513 = 0,112
5040
p ( x=8 )= ( 208 ) 0,25 0,75

8 20−8
=
20!
8 !∗( 20−8 ) !
∗0,258 0,7512=
20∗19∗12!
∗0,258∗0,7512
8 !∗12 !
5079110400
¿ =125970∗0,258 ¿ 0,75 12=0,060
40320
=0,864
8. P(2< X< 8)
p ( x=3 )= ( 203 ) 0,25 0,75

3 20−3
=
20 !
3 !∗( 20−3 ) !
∗0,253 0,7517=
20∗19∗17 !
∗0,253∗0,7517
3 !∗17 !
6840
¿ =1140∗0,253 ¿ 0,7517=0,133
6
p ( x=4 )= ( 204 ) 0,25 0,75

4 20−4
=
20!
4 !∗( 20−4 ) !
∗0,254 0,7516=
20∗19∗16 !
∗0,254∗0,7516
4 !∗16!
116280
¿ =4845∗0,25 4 ¿ 0,75 16 = 0,189
24
p ( x=5 )= ( 205 ) 0,25 0,75

5 20−5
=
20 !
5 !∗( 20−5 ) !
∗0,255 0,7515=
20∗19∗15 !
∗0,255∗0,7515
5 !∗15 !
1860480
¿ =15504∗0,255 ¿ 0,75 15= 0,202
120
p ( x=6 )= ( 206 ) 0,25 0,75

6 20−6
=
20!
6 !∗( 20−6 ) !
∗0,256 0,7514=
20∗19∗14 !
∗0,256∗0,7514
6 !∗14 !
27907200
¿ =38760∗0,25 6 ¿ 0,7514 = 0,168
720
p ( x=7 )= ( 207 ) 0,25 0,75

7 20−7
=
20 !
7 !∗ ( 20−7 ) !
∗0,257 0,7513=
20∗19∗13 !
∗0,257∗0,7513
7 !∗13 !
390700800
¿ =77520∗0,257 ¿ 0,7513 = 0,112
5040
=0,804
9. P ( X=4 )
p ( x=4 )= ( 204 ) 0,25 0,75

4 20−4
=
20!
4 !∗( 20−4 ) !
∗0,254 0,7516=
20∗19∗16 !
∗0,254∗0,7516
4 !∗16!
116280
¿ =4845∗0,25 4 ¿ 0,75 16 = 0,189
24
R//= La probabilidad es de 10,496
c. Distribución Poisson: En el estudio de cierto organismo acuático se toman gran

número de muestras de un estanque y se midió el número de organismos que había
en cada muestra. Se encontró que el promedio de organismos por muestra fue de
tres (3). Encontrar la Probabilidad de que:
1. La siguiente muestra que se tome contenga uno o más organismos.
2. La próxima muestra tomada contenga exactamente dos organismos.
λk − λ
R//= formula= p ( x=k ) = e
k!
λ=3 ¿Promedio de organismos por muestra)
p ( x ≥ 1 )=1− p ( x <1 )
30 −3 1 −3
p ( x=0 )= e = e =0,04978
0! 1!
= 1 – 0,04978 = 0,95022
1) la probabilidad de que la muestra que se tome contenga uno o más
organismos es del 0,95022
32 −3 9 −3
p ( x=2 )= e = e =0,2240
2! 2!
2) la probabilidad de que la muestra tomada contenga exactamente dos
organismos es del 0,2240
d. Distribución Normal: En comparación con las baterías tradicionales, las baterías

de iones de litio se cargan más rápido, duran más y tienen una densidad de
potencia más alta, lo que las hace más livianas y les da una mayor duración. Estas
baterías duran en promedio 6 años, con una desviación estándar de 0,9 años.
Suponiendo que la duración de las baterías está normalmente distribuida,
encuéntrese la Probabilidad de que una batería de litio dada dure entre de 4 y 7
años
R//=
N= (6 - 0,9)
M=6 años (duración de la batería de iones de litio
en promedio)
δ =0,9 años (desviación estándar)
Formula de tipificación:
x−µ
z=
δ
4−6
z=
0,9
−2
z= =-2,22
0,9
−2,22 = 0,9868 (valor arrojado en la tabla)

¿ 1−0,9868=0,0132
7−6
z=
0,9
1
z= =1,11
0,9
1,11= 0,8665 (valor arrojado en la
tabla)
1,11=0,8665
La Probabilidad de que una batería de litio dada dure entre de 4 y 7 años es

de 0,3797
Solución al estudio de caso: El grupo entrega aquí, de manera organizada, el análisis,

desarrollo y solución del ESTUDIO DE CASO presentado

Orlando Aragon Compilador
a. Distribución Hipergeométrica: En un auditorio se encuentran reunidas 7
personas, de las cuales 2 son hombres. Una persona elige aleatoriamente 4 de
dichas personas. ¿Cuál es la probabilidad de elegir:
1. ¿Cero Mujeres?
Dada la forma en que la población está compuesta se puede afirmar que la

probabilidad de que no se tengan mujeres en un grupo es de 0 ya que es un
evento imposible dado que la población total de hombres es menor que la
muestra que se está tomando del grupo completo.
2. ¿Un hombre?
Se sabe que la distribución de probabilidad hipergeométrica viene dada por la

siguiente formula:
k ∗ N −k
P ( x) =
( x ) ( n−x )
( Nn )
Donde N es la población total de personas, n la muestra tomada de dicha
población, k la población con una característica específica y x la cantidad de
personas con dicha característica que se desea en la muestra n
Sustituyéndose con los datos necesarios para la respuesta de este literal se

tiene:
2∗5
P ( 1 )=
( 1 ) (3 )
=0,5714=57,14 %
7
( 4)
La probabilidad de que se seleccione un hombre para el grupo es del 57,14%
3. ¿Dos hombres?
Sustituyéndose con los datos necesarios para la respuesta de este literal se

tiene:
2∗5
P ( 2 )=
( 2 ) (2 )
=0,2857=28,57 %
7
( 4)
La probabilidad de que se seleccionen dos hombres para el grupo es del
28,57%
b. Distribución Binomial: Una empleada de servicios generales debe de empezar

sus quehaceres laborales todas las mañanas a las 7:00 AM, se retarda 2 horas o
más el 30% de las veces en empezar. El jefe de talento humano que no llega sino a
las 8:00 AM hace semanalmente monitoreo, para verificar las instalaciones de
trabajo estén en óptimas condiciones de aseo entre las 9:00 AM y las 10:00 AM.
¿Cuál es la probabilidad de que dos mañanas de las cinco en que el jefe de talento
humano hace la verificación, las instalaciones estén en óptimas condiciones?
Se sabe que la distribución de probabilidad binomial viene dada por la siguiente formula:
P ( x ) = k ∗p x∗( 1− p )
k −x
() x
Donde p es la probabilidad de que se obtenga un resultado deseado, k la cantidad de veces

que se repite o se da el evento u experimento, x la cantidad de veces en que se obtiene el
resultado esperado en dicho evento u experimento
Sustituyendo con los datos dados por el problema se tiene:
P ( 2 )= 5 ∗0,72∗( 0,3 ) =0,1323=13,23 %

3
()2
La probabilidad de que las instalaciones estén en óptimas condiciones dos de las 5

mañanas de revisión es del 13,23%
c. Distribución Poisson: Ciertos automóviles llegan a una garita de peaje

aleatoriamente a una tasa de 500 autos cada hora. Encuentre la probabilidad de que
durante un periodo de un minuto lleguen:
1. Cinco automóviles.
Se sabe que la distribución de probabilidades de Poisson viene dada por la siguiente

formula:
λ x∗e−λ
P ( x) =
x!
Donde λ es el promedio de elementos por unidad de conteo y x es la cantidad de

elementos deseados bajo la misma unidad de conteo
Dado que el periodo del promedio dado como dato es distinto al del periodo de las
preguntas es necesario determinar el promedio bajo este último por medio de una regla de
3:
500 autos →60 minutos
x autos→ 1minuto
500∗1
x= =8,33 autos por minuto
60
Ahora, al sustituirse en la ecuación de la distribución con los datos necesarios se tiene:
5 −8,33
8,33 ∗e
P ( 5 )= =0,0806=8,06 %
5!
La probabilidad de que pasen 5 autos en un minuto es del 8,06%
2. Cuando más, tres automóviles.
Para este caso se debe tomar en cuenta los casos de 0, 1, 2 y 3 automóviles ya que por la
expresión “cuando más” estos quedan incluidos dentro de los resultados posibles, por lo
que, denominándose la probabilidad pedida como A, su expresión es la siguiente:
P ( A )=P ( 0 ) + P ( 1 )+ P ( 2 ) + P ( 3 )
A continuación se calcula la probabilidad de los casos posibles:
8,330∗e−8,33
P ( 0 )= =0,0002
0!
1 −8,33
8,33 ∗e
P ( 1 )= =0,002
1!
8,332∗e−8,33
P ( 2 )= =0,0084
2!
8,333∗e−8,33
P ( 3 )= =0,0232
3!
Entonces:
P ( A )=0,0002+0,002+0,0084 +0,0232=0,0338=3,38 %
La probabilidad de que cuando más pasen 3 automóviles es del 3,38%
3. Menos de ocho automóviles.
Igual que en el caso anterior, este literal implica varios resultados posibles que van de 7 a
0 automóviles por minuto, al denominarse como B el evento de este literal, se tiene que su
probabilidad es:
P ( B )=P ( 0 ) + P ( 1 ) + P ( 2 ) + P (3 )+ P ( 4 ) + P ( 5 ) + P ( 6 ) + P (7 )
O equivalentemente:
P ( B )=P ( A )+ P ( 4 ) + P ( 5 ) + P ( 6 ) + P (7 )
Calculándose la probabilidad de los casos restantes se tiene:
8,334∗e−8,33
P ( 4 )= =0,0484
4!
8,335∗e−8,33
P ( 5 )= =0,0806
5!
8,336∗e−8,33
P ( 6 )= =0,1119
6!
8,337∗e−8,33
P ( 7 )= =0,1332
7!
Entonces:
P ( B )=0,0338+0,0484 +0,0806+0,1119+0,1332=0,4079=40,79 %
La probabilidad de que pasen menos de 8 automóviles es del 40,79%
d. Distribución Normal: Si los valores de Azúcar en sangre total de los seres

humanos están distribuidos aproximadamente en forma normal con
μ=90 mg/dl y σ =9 mg/ dl. Hallar la probabilidad de que un individuo elegido al
azar de dicha población tenga un valor de azúcar en sangre de:
1. Al menos 82 mg/dl.
Se sabe que para este tipo de distribución los distintos valores de probabilidad
posibles se tienen tabulados y su determinación se realiza a partir del resultado
obtenido del siguiente cambio de variable:
x −μ
Z=
σ
Donde μ es la media del rango de resultados posibles, σ la desviación estándar

de los valores de dichos resultados y x el valor de referencia según el cual se
determina la probabilidad buscada
En este caso se puede representar simbólicamente la probabilidad pedida de la

siguiente manera:
P ( X >82 )=1−P ( X <82 )

Al aplicarse el cambio de variable para determinar la probabilidad que se

necesita se tiene:
82−90
Z= =−0,89
9
Ya que se obtuvo un resultado negativo, la probabilidad que se busca se

obtiene a partir del complemento del resultado obtenido dentro de la tabla de
probabilidades (en este caso sería la probabilidad para Z=0,89):
P ( X <82 )=1−0,8133=0,1867
Finalmente se tiene:
P ( X >82 )=1−0,1867=0,8133=81,33%
La probabilidad de que una persona elegida al azar tenga un valor de al menos

82mg/dl es del 81,33%
2. Cuando mucho 110 mg/dl.
Denominándose como A el evento propuesto, se puede representar

simbólicamente este como:
P ( A )=P ( X <110 )
Aplicándose el cambio de variable Z se tiene:
110−90
Z= =2,22
9
Se tiene que la probabilidad asociada al valor de z es 0,9868 o

equivalentemente, 98,68%
3. Menos de 140 mg/dl.
Denominándose como B el evento propuesto, se puede representar

simbólicamente este como:
P ( B )=P ( X <140 )
Aplicándose el cambio de variable Z se tiene:
140−90
Z= =5,56
9
En este caso el valor de Z supera el valor máximo de la tabla, este hecho

implica que el barrido realizado a partir de 140 en la distribución de los valores
engloba completamente a todos los valores posibles, por lo que se puede
asumir que la probabilidad de este evento es prácticamente 1 o
equivalentemente, 100%
Solución al estudio de caso : El grupo entrega aquí, de manera organizada, el

análisis, desarrollo y solución del ESTUDIO DE CASO presentado

Angel Miguel Torres Alertas
Estudios de caso estudiante N°2:
a. Distribución Hipergeométrica: Un lote de 40 artículos contiene 5 defectuosos.

Se elige una muestra aleatoria de 8 artículos. ¿Cuál es la Probabilidad de que
3 de ellos sean defectuosos?
k ∗ N−k
Formula= p ( x )=
( x ) ( n−x )
( Nn )
N=tamaño de la poblacion
k =numero de exitos de la poblacion
n=tamaño de la muestra
x=numero de exitos de lamuestra
N=40 articulos
k =5 articulos defectuosos
n=8 muestra
x=3 probabilidad de que sean defectuosos

5 40−5 5 35
p ( 3 )=
( 3 )( 8−3 ) ( 3)( 5 ) 10∗324.632 3246.32
= = = =42.21262873=42.21 %
40 40 76.904 76.904
(8) (8)
42.21 % es la probabilidad que 3 articulos sean defectuosos de una muestra aleatoria de 8 articulos
b. Distribución Binomial: En cierta zona geográfica, el 10% de las personas son

analfabetas. ¿Cuál es la Probabilidad de que una muestra aleatoria de 15
adultos el número de analfabetas sea:
Formula= p ( X =k ) = n pk (1− p)n−k

()
k
n=numero de ensayos
p= probabilidad de exitos
1− p= probabilidad de fracasos
x=numero de exitos
1. ¿Exactamente 6?
n=15 adultos
p=0.10
1− p=0.90
x=6
P ( 6 )= 15 ∗( 0.10 ) ∗( 0.90 ) =3.87420489∗10−7 =3.87 %

6 15−6
( )
6
3.87 % es la probabilidad de que sean exactamente 6

2. ¿Menos de 5?
x=0
P ( 0 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.2058911320946=0. 21 %

0 15−0
( ) 0
x=1
P ( 1 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.3431518868244=0. 34 %

1 15−1
( ) 1
x=2
P ( 2 )= 15 ∗( 0.10 ) ∗ ( 0.90 ) =0.2668959119745=0.27 %

2 15−2
( ) 2
x=3
P ( 3 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.1285054390989=0.13 %

3 15−3
( ) 3
x=4
P ( 4 )= 15 ∗( 0.10 ) ∗( 0.90 )
4 15−4
( ) 4
=0.00004283514636629=0 %
x=5
P ( 5 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.0000104708135562=0 %

5 15−5
( ) 5
95 % es la probabilidad de que sean menos de 5
3. ¿3 o más?
x=3
P ( 3 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.1285054390989=0.13 %

3 15−3
( )3
x=4
P ( 4 )= 15 ∗( 0.10 ) ∗( 0.90 )
4 15−4
( )4
=0.00004283514636629=0 %
x=5
P ( 5 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.0000104708135562=0 %

5 15−5
( )5
x=6
P ( 6 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.000001939039547445=0 %

6 15−6
( )6
x=7
P ( 7 )= 15 ∗( 0.10 ) ∗( 0.90 ) =2.77005649635∗10−7=2.77 %

7 15−7
( )7
x=8
P ( 8 )= 15 ∗( 0.10 ) ∗( 0.90 ) =3.0778405515∗10−8=3.08 %

8 15−8
( )8
x=9
P ( 9 )= 15 ∗( 0.10 ) ∗( 0.90 ) =2.659862205∗10−9 =2.66 %

9 15−9
( )9
x=10
P ( 10 )= 15 ∗( 0.10 ) ∗( 0.90 )
10 15−10
( )10
=1.77324147∗10−10=1.77 %
x=11
P ( 11 )= 15 ∗( 0.10 ) ∗( 0.90 )
11 15−11
( )11
=8.955765∗10−12=8.96 %
x=12
P ( 12 )= 15 ∗( 0.10 ) ∗( 0.90 )
12 15−12
( )
12
=¿ 3.31695∗10−10 =3.32 %
x=13
P ( 13 )= 15 ∗( 0.10 ) ∗( 0.90 )
13 15−13
( )
13
=8.505∗10−12=8.51 %
x=14
P ( 14 )= 15 ∗( 0.10 ) ∗( 0.90 )
14 15−14
( )
14
=1.35∗10−13=1.35 %
x=15
P ( 15 )= 15 ∗( 0.10 ) ∗( 0.90 )
15 15−15
( )
15
=1∗10−15=1 %
46.42 % es la probabilidad de que sean 3 o mas
4. ¿Entre 3 y 5 inclusive?
x=3
P ( 3 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.1285054390989=0.13 %

3 15−3
( )3
x=4
P ( 4 )= 15 ∗( 0.10 ) ∗( 0.90 )
4 15−4
( )4
=0.00004283514636629=0 %
x=5
P ( 5 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.0000104708135562=0 %

5 15−5
( )5
13 % es la probabilidad de que sean entre 3 y 5

5. Menos de 7 pero más de 4?
x=5
P ( 5 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.0000104708135562=0 %

5 15−5
( ) 5
x=6
P ( 6 )= 15 ∗( 0.10 ) ∗( 0.90 ) =0.000001939039547445=0 %

6 15−6
( ) 6
0 % es la probabilidad de que sean menos de 7 pero mas de 4
c. Distribución Poisson: Un Call center de la empresa de telefonía Movistar

puede recibir un máximo de 8 llamadas por minuto, en promedio se reciben 5
llamadas cada minuto. Encuéntrese las Probabilidades de que el número de
llamadas recibidas en el siguiente minuto por el Call center sea:
e−λ∗λ k
Formula= p ( x=k )=
k!
1. Máximo 6.
λ=media o promedio de éxitos por unidad de tiempo
x=nuemero de éxitos que suceden
λ=5
p ( x=0 )
e−5∗5 0 ( 2.7182 ) ∗1 0.006738961253035∗1 0.006738961253035

−5
p ( 0 )= = = = =0=0 %
0! 0∗1 0 0
p ( x=1 )
e−5∗51 ( 2.7182 ) ∗5 0.006738961253035∗5 0.03369480626517

−5
p ( 1 )= = = = =0.03369480626517=0.03 %
1! 1∗1 1 1
p ( x=2 )
e−5∗52 ( 2.7182 ) ∗25 0.006738961253035∗25 0.1684740313259

−5
p ( 2 )= = = = =0.08423701566295=0.08 %
2! 2∗1 2 2
p ( x=3 )
e−5∗53 ( 2.7182 ) ∗125 0.006738961253035∗125 0.8423701566294

−5
p ( 3 )= = = = =0.2807900522098=0.28 %
3! 3∗1 3 3
p ( x=4 )
e−5∗5 4 ( 2.7182 ) ∗625 0.006738961253035∗625 4.211850783147

−5
p ( 4 )= = = = =1.052962695787=1.05 %
4! 4∗1 4 4
p ( x=5 )
e−5∗55 ( 2.7182 ) ∗3.125 0.006738961253035∗3.125 0.02105925391573

−5
p ( 5 )= = = = =0.004211850783146=
5! 5∗1 5 5
p ( x=6 )
e−5∗5 6 ( 2.7182 ) ∗15.625 0.006738961253035∗15.625 0.1052962695787

−5
p ( 6 )= = = = =0.01754937826312=
6! 6∗1 6 6
1.46 % es la probabilidad de que sean maximo6
2. Menos de 4.
p ( x=1 )
e−5∗51 ( 2.7182 ) ∗5 0.006738961253035∗5 0.03369480626517

−5
p ( 1 )= = = = =0.03369480626517=0.03 %
1! 1∗1 1 1
p ( x=2 )
e−5∗52 ( 2.7182 ) ∗25 0.006738961253035∗25 0.1684740313259

−5
p ( 2 )= = = = =0.08423701566295=0.08 %
2! 2∗1 2 2
p ( x=3 )
e−5∗53 ( 2.7182 ) ∗125 0.006738961253035∗125 0.8423701566294

−5
p ( 3 )= = = = =0.2807900522098=0.28 %
3! 3∗1 3 3
0.39 % es la probabilidad de que sean menos de 4
3. Al menos 3.
p ( x=1 )
e−5∗51 ( 2.7182 ) ∗5 0.006738961253035∗5 0.03369480626517

−5
p ( 1 )= = = = =0.03369480626517=0.03 %
1! 1∗1 1 1
p ( x=2 )
e−5∗52 ( 2.7182 ) ∗25 0.006738961253035∗25 0.1684740313259

−5
p ( 2 )= = = = =0.08423701566295=0.08 %
2! 2∗1 2 2
p ( x=3 )
e−5∗53 ( 2.7182 ) ∗125 0.006738961253035∗125 0.8423701566294

−5
p ( 3 )= = = = =0.2807900522098=0.28 %
3! 3∗1 3 3
0.39 % es la probabilidad de que sean almenos 3
4. Tan grande que lo sature.
p ( x=1 )
e−5∗51 ( 2.7182 ) ∗5 0.006738961253035∗5 0.03369480626517

−5
p ( 1 )= = = = =0.03369480626517=0.03 %
1! 1∗1 1 1
p ( x=2 )
e−5∗52 ( 2.7182 ) ∗25 0.006738961253035∗25 0.1684740313259

−5
p ( 2 )= = = = =0.08423701566295=0.08 %
2! 2∗1 2 2
p ( x=3 )
e−5∗53 ( 2.7182 ) ∗125 0.006738961253035∗125 0.8423701566294

−5
p ( 3 )= = = = =0.2807900522098=0.28 %
3! 3∗1 3 3
p ( x=4 )
e−5∗5 4 ( 2.7182 ) ∗625 0.006738961253035∗625 4.211850783147

−5
p ( 4 )= = = = =1.052962695787=1.05 %
4! 4∗1 4 4
p ( x=5 )
e−5∗55 ( 2.7182 ) ∗3.125 0.006738961253035∗3.125 0.02105925391573

−5
p ( 5 )= = = = =0.004211850783146=
5! 5∗1 5 5
p ( x=6 )
e−5∗5 6 ( 2.7182 ) ∗15.625 0.006738961253035∗15.625 0.1052962695787

−5
p ( 6 )= = = = =0.01754937826312=
6! 6∗1 6 6
p ( x=7 )
e−5∗5 7 ( 2.7182 ) ∗78.125 0.006738961253035∗78.125 0.5264813478934

−5
p ( 7 )= = = = =0.07521162112763=
7! 7∗1 7 7
p ( x=8 )
e−5∗5 8 ( 2.7182 ) ∗390.625 0.006738961253035∗390.625 2.632406739467

−5
p ( 8 )= = = = =2.632406739467=0
8! 8∗1 8 8
1.87 % es la probabilidad de que sean tan grande que los sature
5. Entre 2 y 7.
p ( x=3 )
e−5∗53 ( 2.7182 ) ∗125 0.006738961253035∗125 0.8423701566294

−5
p ( 3 )= = = = =0.2807900522098=0.28 %
3! 3∗1 3 3
p ( x=4 )
e−5∗5 4 ( 2.7182 ) ∗625 0.006738961253035∗625 4.211850783147

−5
p ( 4 )= = = = =1.052962695787=1.05 %
4! 4∗1 4 4
p ( x=5 )
e−5∗55 ( 2.7182 ) ∗3.125 0.006738961253035∗3.125 0.02105925391573

−5
p ( 5 )= = = = =0.004211850783146=
5! 5∗1 5 5
p ( x=6 )
e−5∗5 6 ( 2.7182 ) ∗15.625 0.006738961253035∗15.625 0.1052962695787

−5
p ( 6 )= = = = =0.01754937826312=
6! 6∗1 6 6
1.35 % es la probabilidad de que sean entre 2 y 7
6. Una o más pero menos de 8.
p ( x=1 )
e−5∗51 ( 2.7182 ) ∗5 0.006738961253035∗5 0.03369480626517

−5
p ( 1 )= = = = =0.03369480626517=0.03 %
1! 1∗1 1 1
p ( x=2 )
e−5∗52 ( 2.7182 ) ∗25 0.006738961253035∗25 0.1684740313259

−5
p ( 2 )= = = = =0.08423701566295=0.08 %
2! 2∗1 2 2
p ( x=3 )
e−5∗53 ( 2.7182 ) ∗125 0.006738961253035∗125 0.8423701566294

−5
p ( 3 )= = = = =0.2807900522098=0.28 %
3! 3∗1 3 3
p ( x=4 )
e−5∗5 4 ( 2.7182 ) ∗625 0.006738961253035∗625 4.211850783147

−5
p ( 4 )= = = = =1.052962695787=1.05 %
4! 4∗1 4 4
p ( x=5 )
e−5∗55 ( 2.7182 ) ∗3.125 0.006738961253035∗3.125 0.02105925391573

−5
p ( 5 )= = = = =0.004211850783146=
5! 5∗1 5 5
p ( x=6 )
e−5∗5 6 ( 2.7182 ) ∗15.625 0.006738961253035∗15.625 0.1052962695787

−5
p ( 6 )= = = = =0.01754937826312=
6! 6∗1 6 6
p ( x=7 )
e−5∗5 7 ( 2.7182 ) ∗78.125 0.006738961253035∗78.125 0.5264813478934

−5
p ( 7 )= = = = =0.07521162112763=
7! 7∗1 7 7
1.54 % es la probabilidad de que sean una o mas pero menos de 8
7. No más de 3 pero más de 1.
p ( x=2 )
e−5∗52 ( 2.7182 ) ∗25 0.006738961253035∗25 0.1684740313259

−5
p ( 2 )= = = = =0.08423701566295=0.08 %
2! 2∗1 2 2
p ( x=3 )
e−5∗53 ( 2.7182 ) ∗125 0.006738961253035∗125 0.8423701566294

−5
p ( 3 )= = = = =0.2807900522098=0.28 %
3! 3∗1 3 3
0.36 % es la probabilidad de que sean no mas de 3 peromas de 1
8. Mas de 2 pero menos de 6.
p ( x=3 )
e−5∗53 ( 2.7182 ) ∗125 0.006738961253035∗125 0.8423701566294

−5
p ( 3 )= = = = =0.2807900522098=0.28 %
3! 3∗1 3 3
p ( x=4 )
e−5∗5 4 ( 2.7182 ) ∗625 0.006738961253035∗625 4.211850783147

−5
p ( 4 )= = = = =1.052962695787=1.05 %
4! 4∗1 4 4
p ( x=5 )
e−5∗55 ( 2.7182 ) ∗3.125 0.006738961253035∗3.125 0.02105925391573

−5
p ( 5 )= = = = =0.004211850783146=
5! 5∗1 5 5
1.33 % es la probabilidad de que sean mas de 2 pero menos de 6

9. Ninguna.
p ( x=0 )
e−5∗5 0 ( 2.7182 ) ∗1 0.006738961253035∗1 0.006738961253035

−5
p ( 0 )= = = = =0=0 %
0! 0∗1 0 0
0 % es la probabilidad de que sean ninguna
d. Distribución Normal: El pan de Almendra alto en proteína es el producto más

exitoso de Fitcook by Mary Méndez, este producto se distribuye en las
principales ciudades del País. Las cajas en las cuales se empaca este producto
tienen una longitud promedio de 32 centímetros y una desviación estándar de
3 centímetros. Si se supone que las longitudes están distribuidas
normalmente, ¿qué porcentaje de las cajas son:
μ=media de la poblacion
σ =desviacion estandar de la poblacion
x=cualquier valor de la variable aleatoriacontinua
1. más largas que 33.8 centímetros?
μ=32cm
σ =3 cm
x=33.8 cm
33.8−32
Z= =0.6
3
Z=0.6 la probabilidad es 0.7257

P ( Z >0.6 )=P ( x >33.8 )=1−0.7257=0.2743=0.27 %
2. de entre 31,3 y 35.5 centímetros de longitud?
μ=32cm
σ =3 cm
x=31.3 cm
31.3−32
Z= =0.2333333333333=0.23
3
P ( Z >0.23 ) =P ( x >31.3 ) =1−0.5922=0.4078=0.41 %
μ=32cm
σ =3 cm
x=35.5 cm
35.5−32
Z= =1.166666666667=1.17
3
P ( Z <1.17 ) =P ( x <35.5 ) =1−0.1217=0.8783=0.88 %
P ( 0.23< Z<1.17 )=P ( 31.3< x< 35.5 )=0.1217−0.5922=0.4705=0.47 %
el porcentaje de las cajasentre 31.3 y 35.5 es de 0.47 %

3. más cortas que 27.5 centímetros?
μ=32cm
σ =3 cm
x=27.5 cm
27.5−32
Z= =1.5
3
P ( Z <1.5 )=P ( x <27.5 )=1−0.9332=0.0668=0.07 %
el porcentaje de las cajasde 27.5 es de 0.07 %
Solución al estudio de caso 4: El grupo entrega aquí, de manera organizada, el

análisis, desarrollo y solución del ESTUDIO DE CASO presentado
Ejercicio 3
Mentefacto:
El grupo presenta un mentefacto sobre los conceptos e ideas fundamentales de la
unidad 2, tomando como base los cuadros sinópticos elaborados individualmente en el
ejercicio Nº 1 y la resolución del ejercicio Nº 2 (involucrando las ideas y conclusiones
generales, de cada uno de los casos de estudio).
Conclusiones (mínimo 1 por cada participante)

(No borrar este encabezado)
ESTUDIANTE CONCLUSIÓN
Orlando Aragon A lo largo de esta actividad se pudo ver la
importancia que tienen las distribuciones
de probabilidad para modelar distintos
tipos de casos con características
totalmente diferentes
Karen Chaverra Martínez Se obtuvo una buena comprensión por
medio de la resolución de casos de
estudio, utilizando los conceptos propios

de la Probabilidad condicional y las
distribuciones de Probabilidad.
Angel Miguel Torres Los casos presentados nos dejan ver que la
aplicación de la probabilidad en la solución de
problemas es complejo, pero nos ayuda a resolver
las incógnitas que nos aparezcan, lo importante es
saber aplicar las variables probabilísticos a los
casos correctos
Referencias bibliográficas en formato APA. (Mínimo una por cada participante, no

pueden repetir referencias)
(No borrar este encabezado)
ESTUDIANTE REFERENCIA
Orlando Aragon  Rodríguez, F. & Pierdant, A. (2014). Estadística para
administración. Pp. 245-261. Recuperado

de http://bibliotecavirtual.unad.edu.co:2077/lib/unads
p/reader.action?
ppg=258&docID=11013767&tm=1470693471527
 García, Á. M. Á. (2005). Introducción a la teoría de

la probabilidad. primer curso. Pp. 221-243.
Recuperado de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.a
ction?docID=4722054&ppg=222
Karen Chaverra  Sánchez, J. (2018). Distribución Binomial.

Martínez Recuperado de http://hdl.handle.net/10596/19010
 Epidat 4: Ayuda de Distribuciones de probabilidad. Octubre

2014. http://dxsp.sergas.es soporte.epidat@sergas.es
DISTRIBUCIONES DE PROBABILIDAD:
https://www.sergas.es/Saude-
publica/Documents/1899/Ayuda_Epidat_4_Distribuciones_
de_probabilidad_Octubre2014.pdf
 Tabla distribución normal: https://www.google.com/search?

rlz=1C1SQJL_esCO843CO843&sxsrf=ALeKk036C1lK2b
XegOzGF9sNPKetJIopmQ:1586905750700&q=tabla+distri
bucion+normal&tbm=isch&source=univ&sa=X&ved=2ahU
KEwiJz7_MhOnoAhWRZd8KHTvfCkQQsAR6BAgJEAE
&biw=1366&bih=625
 Distribuciones de probabilidad.wmv:
https://www.youtube.com/watch?v=unUpFZiI6DM
Angel Miguel
Torres
 Rodríguez, F. & Pierdant, A. (2014). Estadística para
administración. Pp. 150-152. Recuperado

de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/read
er.action?ppg=258&docID=11013767&tm=1470693471527
 García, Á. M. Á. (2005). Introducción a la teoría de la

probabilidad. primer curso. Pp. 195-221. Recuperado
de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=4722054&ppg=196

383 - Tarea 2 GRUPAL

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

383 - Tarea 2 GRUPAL

Cargado por

Copyright:

Formatos disponibles

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de

Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos aleatorios y

Tutor: Bilson Hernán Castro

Tema: Tarea 2 - Experimentos aleatorios y distribuciones de probabilidad

Universidad Nacional Abierta y a distancia (UNAD)

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

En el presente trabajo se expone la resolución de la actividad propuesta para la segunda

 Desarrollar los conceptos básicos de variables aleatorias discretas y continuas así

 Resolver casos de estudio de distribuciones discretas de probabilidad y

Cada estudiante de forma individual, realizará la lectura de las referencias recomendadas,

 Importancia de las temáticas de la unidad 2.

 Aplicación de las temáticas en la vida diaria.

Figura 1. Cuadro sinóptico elaborado por Orlando Aragon

Figura 2. Cuadro Sinóptico elaborado por Alexis Alvarado

Figura 3. Cuadro sinóptico elaborado por Miguel Torres

Figura 4. Cuadro Sinóptico elaborado por Karen Chaverra

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

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

RESPONSABLE ROL SELECCIONADO

Estudios de caso estudiante N°1:1

a. Distribución Hipergeométrica: De 50 personas seleccionadas de una

N=50 (N° total de la población)

b. Distribución Binomial: (Distribución binomial). En una empresa el 25% de los

p ( x=0 )= ( 200 ) 0,25 0,75

p ( x=1 )= ( 201 ) 0,25 0,75

p ( x=2 )= ( 202 ) 0,25 0,75

p ( x=3 )= ( 203 ) 0,25 0,75

p ( x=4 )= ( 204 ) 0,25 0,75

p ( x=0 )= ( 200 ) 0,25 0,75

p ( x=1 )= ( 201 ) 0,25 0,75

p ( x=2 )= ( 202 ) 0,25 0,75

p ( x=3 )= ( 203 ) 0,25 0,75

p ( x=0 )= ( 200 ) 0,25 0,75

p ( x=1 )= ( 201 ) 0,25 0,75

p ( x=2 )= ( 202 ) 0,25 0,75

p ( x=3 )= ( 203 ) 0,25 0,75

p ( x=4 )= ( 204 ) 0,25 0,75

p ( x=5 )= ( 205 ) 0,25 0,75

p ( x=0 )= ( 200 ) 0,25 0,75

p ( x=1 )= ( 201 ) 0,25 0,75

p ( x=2 )= ( 202 ) 0,25 0,75

p ( x=3 )= ( 203 ) 0,25 0,75

p ( x=4 )= ( 204 ) 0,25 0,75

p ( x=5 )= ( 205 ) 0,25 0,75

p ( x=6 )= ( 206 ) 0,25 0,75

p ( x=2 )= ( 202 ) 0,25 0,75

p ( x=3 )= ( 203 ) 0,25 0,75

p ( x=4 )= ( 204 ) 0,25 0,75

p ( x=5 )= ( 205 ) 0,25 0,75

p ( x=6 )= ( 206 ) 0,25 0,75

p ( x=7 )= ( 207 ) 0,25 0,75

p ( x=8 )= ( 208 ) 0,25 0,75

p ( x=2 )= ( 202 ) 0,25 0,75

p ( x=3 )= ( 203 ) 0,25 0,75

p ( x=4 )= ( 204 ) 0,25 0,75

p ( x=5 )= ( 205 ) 0,25 0,75

p ( x=6 )= ( 206 ) 0,25 0,75

p ( x=7 )= ( 207 ) 0,25 0,75

p ( x=3 )= ( 203 ) 0,25 0,75

p ( x=4 )= ( 204 ) 0,25 0,75

p ( x=5 )= ( 205 ) 0,25 0,75

p ( x=6 )= ( 206 ) 0,25 0,75

p ( x=7 )= ( 207 ) 0,25 0,75