Trabajo Individual

Tarea 3. Distribuciones de Probabilidad.

Por
David Santiago Camacho Betancourth
Código: 75104970

Presentado a:
Edgar Eliecer Blanco

Universidad Nacional Abierta y a Distancia UNAD

CCAV Dosquebradas
Administración de Empresas ECACEN
Mayo 2022
 Tabla de Conceptos:

Concepto Definición Variable,

formula o
imagen que
representa el
concepto
Variable aleatoria Según S (Obando López, J. y Arango Londoño, N. (2019). La Variable aleatoria
Es una regla o una función que le asigna un número real a cada elemento del
espacio muestral

Variable aleatoria Según (Navidi, 2006)(Hines et al, 2006) (Montgomery, 2016) Si un espacio
continua muestral contiene un número infinito de posibilidades, igual al número de
puntos en un segmento de recta, se le denomina espacio muestral continuo.

Variable aleatoria Según (Gamero Burón, C. (2017) cuando X solo toma un numero finito de
discreta valores reales o un numero infinito pero numerable.

Distribución de Según (Llinás Solano, H. (2017). describe como se distribuyen las

Probabilidad probabilidades de los diferentes valores de la variable aleatoria.

Distribución de Según Blanco, Liliana (2004) Se dice que una variable aleatoria X está
Probabilidad distribuida uniformemente sobre el intervalo [a, b], con a < b números reales
Continua
Distribución de según Blanco, Liliana (2004) Se dice que una variable aleatoria X tiene
Probabilidad distribución discreta uniforme de parámetro N, donde N es un entero
Discreta positivo,
Media Según Gamero Burón, C. (2017)es el resultado numérico de dividir la suma
de todos los valores observados por su número (N).

Desviación estándar Según Gamero Burón, C. (2017) es el resultado numérico de dividir la suma
de todos los valores observados por su número (N).
 Valor esperado según Blanco, Liliana (2004) se obtiene al sumar los productos x. f(x)sobre
los posibles valores de X, en el caso continuo se sustituye la suma por una
integración y la función de probabilidad por la función de densidad para
obtener un promedio ponderado continuo

Varianza Según RONALD E. WALPOLE, RAYMOND H. MYERS, SHARON L. MYERS Y

KEYING YE (2012) La media o valor esperado de una variable aleatoria X es de
especial importancia en estadística porque describe en dónde se centra la
distribución de probabilidad. Sin embargo, la media por sí misma no ofrece
una descripción adecuada de la forma de la distribución.
Función de Según Reyes, G. M. (2012). La función de probabilidad normal:
Probabilidad Características y aplicaciones. eXtoikos, (6), 107-110.es una función de
probabilidad para variables aleatorias continuas de gran aplicación en
ingeniería, en física y en las ciencias sociales

Función de La Función de Densidad de Probabilidad (PDF) de Weibull cuya ecuación

densidad está dada por dos parámetros "K" y "C" que son los parámetros de
forma y de escala respectivamente precisando la distribución de Weibull
Distribución Según (Navidi, 2006)(Hines et al, 2006) (Montgomery, 2016) Un
binomial experimento de Bernoulli puede tener como resultado un éxito con
probabilidad p y un fracaso con probabilidad q = 1 – p.
P (X= x) = ( np) P ¿
x

Aproximación de la Según (Navidi, 2006) Sea X una variable aleatoria binomial con parámetros n
D. binomial a la D. y p. sí n es grande (n≥100), p pequeña(p≤0.01) y np tiene un tamaño
Poisson moderado(np≤20) entonces la distribución binomial con parámetros n y p,
puede aproximarse bien por la distribución de poisson con parámetros ʎ=np.
Distribución Poisson Según (Navidi, 2006)(Hines et al, 2006) (Montgomery, 2016)la cual
representa el número de resultados que ocurren en un intervalo de tiempo
dado o región específicos y se denota con t, donde λ es el número promedio
de resultados por unidad de tiempo, distancia, área o volumen y e = 2.71828
Distribución Según (Navidi, 2006)(Hines et al, 2006) (Montgomery, 2016) La
Hipergeométrica distribución de probabilidad de la variable aleatoria hipergeométrica X, el
número de éxitos en una muestra aleatoria de tamaño n que se selecciona de
N artículos, en los que k se denomina éxito y N – k fracaso
Distribución normal Según (Navidi, 2006)(Hines et al, 2006) (Montgomery, 2016) Se dice que
la variable aleatoria X tiene distribución normal de parámetros J.L y (J",
donde J.L es un número real y (J" es un número real positivo
Distribución normal Según (Navidi, 2006) La distribución normal estándar, es aquella que tiene
estándar por media el valor cero, μ =0, y por desviación típica la unidad, σ =1.
 Área bajo la curva Según (Navidi, 2006)(Hines et al, 2006) (Montgomery, 2016) área bajo la
curva normal a la izquierda de x + 0.y la aproximación será buena si np y n(1
– p) son mayores que o iguales a 5
Aproximación de la Según (Navidi, 2006)(Hines et al, 2006) (Montgomery, 2016) Sea X una
normal a la binomial variable aleatoria binomial con parámetros n y p. Para una n grande, X tiene
aproximadamente una distribución normal con μ = np y σ2 = npq = np(1 – p)

Ejercicios 1- Distribución Binomial.

Se realiza una encuesta entre los estudiantes de la UNAD, se encuentra que el 30% no lee más de

tres libros al año.

D. Al preguntarle a 12 estudiantes.

i) Cuál es la probabilidad de que ninguno haya leído más de tres libros en un año.

X=

r= 0

n= 12

30
P= =0,3
100

q=1−P=1−0,3=0,7

0 ( )
P= ( X=0 )= 12 0,3 ∗0,7 =0.013841287201
0 12−0

¿ 0 .013841287201=1,38 %

La Probabilidad de que ninguno de los 12 estudiantes haya leído más de tres libros al año

es del 1.38%
ii) Cuál es la probabilidad de que menos de 10 no hayan leído más de tres libros

Éxito: Estudiante que no lee más de tres libros al año

X= número de estudiantes que no leen más de tres libros al año

P ( x<10 )=P ( x =0 ) + P ( x=1 )+ P ( x=2 ) + P ( x=3 ) + P ( x=4 ) + P ( x=5 ) + P ( x =6 ) + P ( x=7 ) + P ( x=8 ) + P( x=9)

k= <10

n= 12

P=0,3

q=¿ 1- 0,3= 0,7

5

( )
0 1 ( ) 2
2
( ) 10

3
3
( )
9

4
4 8
( )
P ( x<10 )= 12 (0,3) (0,7) + 12 (0,3) (0,7) + 12 (0,3) ( 0,7) + 12 ( 0,3) ( 0,7) + 12 (0,3) (0,7) + 12 ( 0,3)
0 12 1 11

5 ( )
P ( x<10 )=0.0041523861603+0.005931980229+0.002542277241+0.001089547389+0.000466948881+0.00020

La Probabilidad de que menos de 10 estudiantes NO hayan leído más de 3 libros es del

1.45%
Ejercicios 2- Distribución Poisson.
Se sabe que el número de temblores de tierra ocurridos en un periodo de 1 año en Colombia, es

en promedio de 8.

D. Cuál es la probabilidad que en el próximo año.

i) Se presenten 5 temblores.

λ=8

X =5

e=2.7182

e− λ . λ x
P ( X )=
x!

2.7182−8 .(8)5 0,000336(32768) 11,010048

P ( X )= = = =0,0917
5! 5.4 .3 .2 .1 120

0,0917=9,17 %

R/ La probabilidad de que el próximo año se presenten 5 temblores es del 9,17%

ii) Se presenten más de 8 temblores.

λ=8

X =9

e=2.7182
−λ x
e .λ
P ( X )=
x!
−8 9
2.7182 .(8) 0,000336(134217728) 45097,1566
P ( X )= = = =0,12427
9! 9.8 .7 .6.5 .4 .3 .2 .1 362880

0,12427=12.42 %
R/ La probabilidad de que el próximo año se presenten mas de 8 temblores es del 12.42%

Ejercicio 3- Distribución Hipergeométrica.

D. Se producen 3.000 tabletas para un pedido de Sura EPS.

i) Control de calidad de Sura, tiene por política que si el 1% de las tabletas revisadas sale

defectuoso, se devuelve el pedido, cual es la probabilidad de que se acepte el pedido.

ii) Sura empaca las tabletas en frascos de 60, cual es la probabilidad de que un frasco contenga a

lo más 2 tabletas defectuosas.

Ejercicio 4- Distribución Normal.

La duración de cierto tipo de diodo es en promedio de 10.000 horas, con desviación típica de 800

horas. Para este problema año = 360 días, mes = 30 días, día=24 horas

D. i) Probabilidad de que un diodo dure entre 10 y 12 meses

ii) Probabilidad de que el diodo falle antes de 355 dias.