ESTADISTICA

CASO PRÁCTICO UNIDAD 3

ESTADISTICA DESCRIPTIVA

ELABORADO POR:
JENNIFER CAROLINA OSORIO ROJAS

PRESENTADO A:
JAVIER OLMEDO

CORPORACIÓN UNIVERSITARIA DE ASTURIAS

PROGRAMA NEGOCIOS INTERNACIONALES
2020
 CASO PRACTICO U3.

OBJETIVOS:

 Analizar los datos dentro de una variable aleatoria.

 Llevar a cabo lo estudiado para el desarrollo de los ejercicios.
 Generar el análisis del ejercicio brindado.
EJERCICIOS:

1. ¿Qué modelo de distribución podrían seguir las siguientes variables aleatorias?

 Número de hombres, mujeres y niños (menores de 12 años, de cualquier sexo), en un

avión con 145 pasajeros.

RTA/:

Se sabe que el avión tiene 145 pasajeros y supongamos que hay p hombres, mujeres y
niños menores de 12 años. Se define la variable aleatoria 
X: Se selecciona un pasajero al azar
Entonces se tendría que la variable aleatoria sigue una distribución Bernoulli donde

p si x=1
f (x;p)= {1− p si x=0
0e.o.c

Esta distribución se usa cuando se quiere calcular la probabilidad de que un evento

ocurra en un intento con una probabilidad de acierto p y una probabilidad de fracaso de
q.

 Número de visitas que recibe en una hora www.iep.edu.es.

RTA/:

Se quiere calcular el número de visitas que recibe en una hora cierto lugar. Suponiendo que
el lugar recibe un promedio de λ visitas por hora, entonces la variable aleatoria 

X: Número de visitas que recibe el lugar

Sigue una distribución de Poisson con parámetro λt. Así, si para saber el número de visitas
en una hora se tendría que  λt=λ

P(X=x)= λx e−λ
x!
Esto se tiene debido a que la Distribución de Poisson busca calcular la probabilidad de que
un evento ocurra dentro de un periodo de tiempo.
Ahora si se supone que el promedio de visitas al sitio en n-horas es λ, entonces a la hora de
plantear la distribución para calcular el número de visitas en k<n horas, el nuevo parámetro
para la distribución sería 

λ× k
n

Entonces para nuestro caso, como se quiere saber la cantidad de visitas que recibe en una
hora, el parámetro sería

λ ∗= λ
n
Y la distribución quedaría de la forma.

P(X=x)= (nλ ) x e− λ/n

x!

 Enciclopedias vendidas por un vendedor a domicilio tras visitar 18 casas.

RTA/:
Se quiere calcular la probabilidad de que un vendedor haya vendido x enciclopedias tras 18
visitas. Si suponemos que el vendedor tiene un probabilidad p de vender una enciclopedia,
entonces la variable aleatoria
X: Enciclopedias vendidas X:Enciclopedias vendidas
Se tendría

Esta es la distribución binomial, la cual busca calcular la probabilidad de que un evento

ocurra tras n intentos, teniendo una probabilidad de éxito p y una probabilidad de fracaso
de 1−p1−p, la expresión general de esta distribución está dada por 
2. Si ℜ sigue la Distribución B (10; 0; 8), su valor esperado y su varianza valen…
a) 8 y 0,2
b) 0,8 y 1,6
c) 8 y 16
0,8 y 0,2
RTA/:
Sabemos que toda distribución binomial posee 2 parámetros:
n donde es el número de veces que se repite el suceso y p que es la probabilidad de éxito. 

En nuestro caso:4

n = 10 
p = 0.8 

Luego sabemos que el valor esperado   es igual a :

n * p = 10 * 0.8 = 8
 
Por otro lado, sabemos que la varianza de una distribución binomial viene dada por:

 (n *  p *  q )donde q es 1-p (es el complemento de la probabilidad de éxito) quedando la

expresión de la siguiente manera

n*p*(1-p) evaluando tenemos:

10 * 0.8 * (1-0.8) = 8*(0.2) = 1.6

3. ¿Qué falta en la f(x) de cuantía de una variable B(n, p): P(ξ = x) = ¿? px (1 - p) n - x?
a) n! / x!
b) n! / [x! (n - x)!]
c) x! / [n! (x - n)!]
d) x! / n!
RTA/:
Según se indica se trata de una distribución binomial, donde n es el número de pruebas que
se realiza y p es la probabilidad de éxito.

Ésta se define como: 

P (x = k) = (n k)  donde k = 0,1,2,3...n

Donde el número combinatorio (n k) es:

Y sabiendo que k = x, la respuesta correcta es la opción b:

CASO PRÁCTICO
Se efectúan lanzamientos consecutivos de un dado correcto. Resuelva las siguientes
cuestiones:
a) Determine razonadamente la distribución de probabilidad de la v.a ξ: “número de
lanzamientos que deben efectuarse hasta conseguir el primer resultado par”. Calcular la
probabilidad de que se requieran 3 lanzamientos.
RTA/:

La probabilidad de sacar un número par en un lanzamiento cualquiera del dado es 1/2 y que
salga impar es también 1/2. Luego la distribución del número de lanzamientos necesarios
para que salga un número par por primera vez, es una distribución geométrica,

P( N = n) = (1/2)^(n-1) * (1/2) = (1/2) ^ n , reemplaza n por 3.

b) Determine razonadamente la distribución de probabilidad de la v.a μ: “número de

lanzamientos que deben efectuarse hasta conseguir 3 pares”. Calcular la probabilidad de
que se requieran 5 lanzamientos.
RTA/:

 Esta distribución se conoce como Binomial negativa.

 CONCLUSIONES
Las variables aleatorias son funciones que asocian a cada elemento del espacio muestral
[conjunto de los diferentes resultados de un experimento estadístico] un número real, se
clasifican en: Variable aleatoria discreta, proporciona datos cuantitativos discretos, es el
resultado de un proceso de conteo (ejemplo el número de soles de n lanzamientos de una
moneda) y Variable aleatoria continúa, se encuentra dentro de un intervalo comprendido
entre 2 números x(estatura de un alumno de un grupo escolar).La distribución de
probabilidad, describe el comportamiento de fenómenos estadísticos es decir, es un listado
de las probabilidades de todos los resultados posibles que podrían presentarse si se efectúa
un experimento.
En la distribución discreta, las variables asumen un número limitado de valores, por
ejemplo el número de años de estudio y en la distribución continua, las variables en estudio
pueden asumir cualquier valor dentro de determinados límites, por ejemplo laestatura de un
estudiante. Son las probabilidades que se asocian a cada uno de los valores que toma la
variable aleatoria x.
La distribución de probabilidad para una variable aleatoria discreta, son las relaciones de
los resultados y sus probabilidades de las frecuencias observadas. Un ejemplo seria
la probabilidad de que al lanzar un dado n número de veces caiga cara2 o que al lanzar una
moneda 2 veces caiga sol las 2 tiradas .Existen varios modelos matemáticos que
representan diversos fenómenos discretos de la vida real. Las más útiles son:
 La distribución uniforme discreta.
 La distribución de probabilidad Binomial o de Bernoulli.
 La distribución de probabilidad Hipergeométrica.
 La distribución de probabilidad de Poisson.
 BIBLIOGRAFÍA

 https://www.youtube.com/watch?v=FCIxoxCUCGc

 https://www.centro-
virtual.com/recursos/biblioteca/pdf/estadistica_descriptiva/unidad3_pdf3.pdf

 https://www.centro-
virtual.com/recursos/biblioteca/pdf/estadistica_descriptiva/unidad3_pdf4.pdf