PROBABILIDAD

UNIDAD 2 - TAREA 3 - Experimentos aleatorios y distribuciones de Probabilidad.

Presentado a:

Cristian Mauricio Silva

Entregado por:

Jose Farith Cortes

Grupo: 100402

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

NOVIEMBRE DE 2021
 INTRODUCCIÓN

Las distribuciones de probabilidad de una variable, permiten obtener diferentes

resultados en un experimento determinado a partir de una muestra seleccionada.
En el presente trabajo desarrollaremos 4 diferentes tipos de ejercicios: Distribución
normal, distribución hipergeometrica, distribución de Poisson, distribución binomial y
aplicaremos los conceptos estudiados.
 OBJETIVO

- Desarrollar los ejercicios propuestos a partir de los conceptos propios

de la probabilidad condicional y las distribuciones de probabilidad.
- Comprobar los resultados por medio de GEOGEBRA

Actividad 1

Tabla comparativa de conceptos

Tabla
Comparativa

Concepto Definición Variable, formula o imagen que

represente el concepto

Variable Es aquella
Aleatoria variable que toma
diferentes valores
numéricos, mediante
un proceso de contar o X, Y, Z
medir, como producto
 de un experimento
aleatorio.

Variable Una variable

Aleatoria Continua aleatoria es
CONTINUA si y solo si
tiene una cantidad X,Y,Z

infinita no enumerable
de valores. Es decir
puede ser un número
entero, una fracción o
fracción de unidad.

Variable Una variable

Aleatoria Discreta aleatoria es discreta si y
X,Y,Z
solo si tiene
unacantidad finita o
(infinita) enumerable
de valores.

Distribució Se define como

n de Probabilidad una lista que nos
proporciona todos los
resultados de los
valores que pueden
presentarse en un
acontecimiento junto
con la probabilidad de
ocurrencia asociada a
cada uno de estos
valores.
 Distribució Conjunto de
n de probabilidad todos los posibles
continua resultados que presenta
una variable aleatoria
continua junto con la
probabilidad de cada
resultado en el rango o
intervalo de valores en
el que se ha hecho la
medición de la
variable.

Distribució Conjunto de
n de probabilidad todos los posibles
discreta resultados numéricos
de un experimento a los
que podemos asignar 𝑃𝑥 (𝑥)
un valor de ocurrencia
o probabilidad. Los
resultados son
mutuamente
excluyentes y se
expresan mediante
fórmula, gráfica o
tabla.

Media Es una 𝜇 = 𝐸(𝑋) = ∑ 𝑥𝑘 ∗ 𝑓(𝑥𝑘 )

distribución binomial. 𝑘

Indica el valor medio

de un fenómeno
aleatorio.
 Desviación Raíz cuadrada 𝜎
estándar de la varianza

Valor Media
esperado ponderada de todos los
𝜇 = 𝐸(𝑋)
resultados posibles que
presenta la variable
aleatoria.

Varianza 𝜎 2 = 𝑉(𝑋) 𝜎2
= 𝐸((𝑋 − 𝜇)2 )

= ∑(𝑥𝑘 − 𝜇)2
𝑘

∗ 𝑓(𝑥𝑘 )

Función de Sea 𝑋 una

probabilidad variable aleatoria
discreta definida sobre
un espacio muestral Ω
y supongamos que 𝑋
toma los valores
𝑃(𝑋 = 𝑥), 𝑠𝑖 𝑥 = 𝑥1 , 𝑥2 , …
𝑥1 , 𝑥2 , …(finito o 𝑓(𝑥) = {
0, 𝑑𝑒 𝑜𝑡𝑟𝑎 𝑓𝑜𝑟𝑚𝑎
infinito enumerable).
Decimos que una
función 𝑓: ℝ → [0,1]es
una función de
probabilidad de 𝑋 si :

Función de Describe la
densidad probabilidad relativa
según la cual dicha
variable aleatoria
 tomará determinado
valor.

Distribució Una 𝑘
𝑓𝑋(𝑥) = ( ) 𝜃 𝑥 (1 − 𝜃)𝑘−𝑥 𝑥
n binomial distribución binomial 𝑥
= 0,1, … . 𝑘
es una distribución de
probabilidad discreta
que describe el número
de éxitos al realizar n
experimentos
independientes entre sí,
acerca de una variable
aleatoria.

Aproximac Sea X es una

ión de la variable aleatoria
distribución binomial con parámetro
binomial a la D. n y p. si n es grande
Poisson (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,…

Distribució Es una
n Poisson distribución de
probabilidad que se
aplica para variables
aleatorias discretas ya
 que mide la frecuencia
relativa de un evento en
función a unidad de
tiempo a una de
espacio o a una de
volumen.

Distribució Es una 𝑦𝐶𝑥 𝑁 − 𝑦𝐶𝑛 − 𝑥

𝑃𝑥 =
n hipergeometrica distribución de 𝑁𝐶𝑛

probabilidad discreta
relacionada con
muestreos aleatorios y
sin reemplazo.

Distribució Permite
n normal determinar
probabilidades de
ocurrencia para
distintos valores de la
variable.

Distribució Para evitar el 𝑋−𝜇

𝑍=
n normal estándar cálculo de cada 𝜎

distribución se utiliza
una sola curva normal
llamada curva normal
estándar, cuya variable
aleatoria Z siempre
tiene una 𝜇 = 0 y una
desviación estándar
𝜎=1
 Área bajo Al utilizar la
la curva curva normal como una
distribución de
frecuencia, las áreas
bajo la curva pueden
ser entendida como una
proporción del área
total de la misma y la
frecuencia (eje de las
ordenadas)
representada en número
absolutos o con mayor
frecuencia en
porcentajes y en estos
casos las áreas bajo la
curva representan la
frecuencia con que
aparece una variable
particular.

Aproximac Una
ión de la normal a distribución binomial
la binomial B(n, p) se puede
aproximar por una
distribución normal,
siempre que n sea
grande y p no esté muy
próxima a 0 o a 1.
La aproximación consi
ste en utilizar una
distribución normal co
n la misma media y
 desviación típica que la
distribución binomial.

Tipo de ejercicios 1 - Distribución Binomial.

El 70% de las personas que van a un gimnasio para realizar sus ejercicios usan tapabocas,

¿Cuál es la probabilidad que en

20 usuarios:

• 15 usen tapabocas.

• Entre 10 y 15 usuarios inclusive, usen tapabocas.

• A lo sumo 11 no usen tapabocas.

𝑛
𝑃(𝑘) = ( ) 𝑃𝐾 ∗ 𝑞 𝑛−𝑘
𝑘

𝑛 = 20

𝑝 = 0,7
𝑞 = 0,3

𝑘 = 15

20
𝑝 (𝑥 = 15) = ( ) 𝑃15 ∗ 𝑞 20−15
15

20
𝑝 (𝑥 = 15) = ( ) (0,7)15 (0,3)5 = 0,1788,6
15

La probabilidad de 15 personas usen tapabocas es de 0,1788,6

𝑝(10 ≤ 𝑥 ≤ 15)

20 20 20
= ( ) (0,7)10 (0,3)10 + ( ) (0,7)11 (0,3)9 + ( ) (0,7)12 (0,3)8
10 11 12

20 20 20
+ ( ) (0,7)13 (0,3)7 + ( ) (0,7)14 (0,3)6 + ( ) (0,7)15 (0,3)5
13 14 15

𝑝(10 ≤ 𝑥 ≤ 15) 184756 (0,7)10 (0,3)10 + 167960 (0,7)11 (0,3)9 + 125970 (0,7)12 (0,3)8

+ 77520 (0,7)13 (0,3)7 + 38760 (0,7)14 (0,3)6 + 15504 (0,7)15 (0,3)5

= 0,7453

La probabilidad de que entre 10 y 15 usuarios usen tapabocas es de 0,7453

𝑝(𝑥 < = 11) = 𝑝 (𝑥 = 0) + 𝑝 (𝑥 = 1) + 𝑝 (𝑥 = 2) + 𝑝 (𝑥 = 3) + (𝑝 (𝑥 = 5) + 𝑝 (𝑥 = 6)

+ 𝑝 (𝑥 = 7) + 𝑝 (𝑥 = 8) + 𝑝 (𝑥 = 9 ) + 𝑝 ( 𝑥 = 10) + 𝑝 (𝑥 = 11)

20 20
𝑝 (𝑥 < = 11) = ( ) (0,3)0 (0,7)20 + ( )
0 1

(0,3)1 (0,7)19 + ( 20 ) (0,3)2 (0,7)18 + (20) (0,3)3 (0,7)17 + (20) (0,3)4 (0,7)16
22 3 4
20 20 20
+ ( ) (0,3)5 (0,7)15 + ( ) (0,3)6 (0,7)14 + ( ) (0,3)7 (0,7)13
5 6 7

20 20 20
+ ( ) (0,3)8 (0,7)12 + ( ) (0,3)9 (0,7)11 + ( ) (0,3)10 (0,7)10
8 9 10
20
+ ( ) (0,3)11 (0,7)9
11

𝑝 (𝑥 < = 11) = (0,7)20 + 20 (0,3)1 + (0,7)19 + 190 (0,3)2 (0,7)18 +

1140 (0,3)3 (0,7)17 = 0,1071 + 4845 (0,3)4 (0,7)16 15504 (0,3)5 (0,7)15 +

38760 (0,3)6 (0,7)14 = 0,6080 + 77520 (0,3)7 (0,7)13 + 125970 (0,3)8 (0,7)12 +

167960 (0,3)9 (0,7)11 = 0,9520 + 184756 (0,3)10 (0,7)10 + 167960 (0,3)11 (0,7)9 = 0,9949

La probabilidad a lo sumo 11 que no usen tapabocas es de 0,9949.

 2. Distribución Poisson

a. La farmacéutica SINOVAC esta probando la vacuna contra La Covid – 19 para combatir

la nueva cepa que se está presentando en Brasil, para esto selecciono una muestra de 1000

personas, la probabilidad de una persona presente una reacción negativa a la vacuna es de 0.002.

• ¿Cuál es la probabilidad de que 8 personas presenten una reacción negativa a la vacuna?

• ¿Qué probabilidad hay de que al menos 5 personas presenten una reacción negativa a la

vacuna?

• ¿Cuál es la probabilidad de que a lo sumo 6 personas presenten una reacción negativa a

la vacuna?

λ = n ∗ p = 1000 ∗ 0,002 = 2

𝑒 −2 28
𝑝(8) = = 0,0009 = 𝑝 (𝑥 = 8)
8!
La probabilidad de que 8 personas presenten una reacción negativa a la vacuna es de 0,00085297

𝑝(𝑥 ≥ 5) = 𝑝 (𝑥 = 5) + 𝑝 (𝑥 = 6) + 𝑝 (𝑥 = 7) + 𝑝 (𝑥 = 8) + 𝑝 (𝑥 = 9) + 𝑝 (𝑥 = 10)

= 0,0527

La probabilidad de que al menos 5 personas presente una reacción negativa es de 0,0527

𝑒 −2 25 𝑝−2 28
𝑝(5) = 0,0361 𝑝(8) = = 0,0009
5! 8!

𝑒 −2 26 𝑒 −2 29
𝑝(6) = 0,012 𝑝(9) = = 0,0002
6! 9!

𝑒 −2 27 𝑒 −2 210
𝑝(7) = 0,034 𝑝(10) = = 0
7! 100!

𝑝(𝑥 ≥ 6) = 𝑝 (𝑥 = 0) + 𝑝 (𝑥 = 1) + 𝑝 (𝑥 = 2) + 𝑝 (𝑥 = 3) + 𝑝 (𝑥 = 4) + 𝑝 (𝑥 = 5)

+ 𝑝 (𝑥 = 6) = 0,9955

𝑝−2 20 𝑒 −2 23
𝑝(0) = 0,1353 𝑝(3) = = 0,1804
0! 3!

𝑒 −2 21 𝑒 −2 210
𝑝(1) = 0,2707 𝑝(10) = = 0
1! 10!
 𝑝(𝑥 ≤ 6) = 𝑝 (𝑥 = 0) + 𝑝 (𝑥 = 1) + 𝑝 (𝑥 = 2) + 𝑝 (𝑥 = 3) + 𝑝 (𝑥 = 4)

+ 𝑝 (𝑥 = 5) 𝑝 (𝑥 = 6) = 0,9955

La probabilidad de que a lo sumo 6 presenta una reacción negativa a la vacuna es de0,9955

𝑝−2 20 𝑒 −2 23
𝑝(0) = 0,1353 𝑝(3) = = 0,1804
0! 3!

𝑒 −2 21 𝑒 −2 24
𝑝(1) = 0,2707 𝑝(4) = = 0,0902
1! 4!

𝑒 −2 22 𝑒 −2 23
𝑝(2) = 0,2707 𝑝(5) = = 0,0361
2! 5!

𝑒 −2 26
𝑝(6) = 0,012
6!

Ejercicio 3. Distribución Hipergeométrica.

a. La fundación Tecnoglass que produce vidrios templados envío un pedido de 100 de sus vidrios

templados a uno de sus distribuidores en la zona y por descuido del almacenista se enviaron 5

vidrios defectuosos (no cumplían con las especificaciones del pedido), el comprador al ser

notificado del error tomó al azar 15 vidrios templados:

• ¿Cuál es la probabilidad de que ninguno de los vidrios salga defectuoso?

• ¿Qué probabilidad hay de que 2 sean defectuosos?

• ¿Cuál es la probabilidad de que a lo sumo 3 de los vidrios salgan defectuoso?

a. 100 N

5 d

15 n

𝑑 𝑁−𝑑
( )( )
𝑝(𝑥 =? ) = 𝐻𝑔 (𝑛, 𝑑, 𝑁 ) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛

5 100 − 5
( )( )
𝑝(𝑥 = 0) = 𝐻𝑔 (15, 5, 100) = 0 15 − 0 = 0,4357
100
( )
15

La probabilidad de que ninguno de los vidrios salgan defectuosos es 0,4357

5 100 − 5
( )( )
𝑏. 𝑝(𝑥 = 2) = 𝐻𝑔 (15, 5, 100) = 2 15 − 2 = 0,1377
100
( )
15

La probabilidad de que dos salgan defectuosos es de 0,1377

𝑝 (𝑥 ≤ 3) = 𝑝(𝑥 = 0) + (𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝 (𝑥 = 3) = 0,9984

𝑝(𝑥 = 0) = 0,4357

5 100 − 5
( )( )
𝑝(𝑥 = 1) = 1 15 − 1 = 0,4034
100
( )
15

𝑝(𝑥 = 2) = 0, 1377

5 100 − 5
( )( )
𝑝(𝑥 = 3) = 3 15 − 3 = 0,02157
100
( )
15
= 0,9984

Ejercicio 4. Distribución Normal.

a. Un puesto de vacunación contra LaCovid-19 se distribuye normalmente con una media

de 270 personas vacunadas cada 24 horas y una desviación estándar de 10 personas vacunadas.

Encuentre la probabilidad de que el número de personas vacunadas por día:

• Sea menor de 285

• Sea mayor de 286

• Este entre 255 y 284 personas

• Este entre 275 y 285 personas

 CONCLUSIONES

Podemos aplicar la probabilidad y los diferentes tipos de distribuciones en

diferentes áreas de trabajo, como matemáticas, física, estadística, entre muchas otras, pero
para ello es necesario distinguir que tipo de distribución se aplica, en qué caso y el tipo de
variable, así podremos saber con seguridad con qué frecuencia se repite un resultado en un
experimento.
 REFERENCIAS BIBLIOGRÁFICAS

1. 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.

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

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

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

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

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

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