UNIDAD 3 - Distribuciones de probab

ESTUDIANTE:

 MIGUEL MAURICIO CALDERON

TUTOR:
ALEJANDRA GONZALEZ

GRUPO:
211622_86

UNIVERSIDAD NACIONAL ABIERTA Y A D

ESTADÍSTICA Y PROBABILIDAD
2020
ribuciones de probabilidad

AURICIO CALDERON

TUTOR:
NDRA GONZALEZ

GRUPO:
11622_86

ONAL ABIERTA Y A DISTANCIA

CA Y PROBABILIDAD
2020
La secretaria de salud frente a la calidad del agua en la ciu
Construya una tabla con

x 10

p(x) 0.23
Los resultados detectados en el laboratorio de aguas – H

Media 33.61

Desviación E 45.97
 Distribución binomial – Anexo 1

ud frente a la calidad del agua en la ciudad de Bogotá determino que la variable PH tiene una probabilidad de aceptación de
Construya una tabla con valores entre el 0 y 10 aplicando la distribución Binomial.

4. ¿Cuál es la probabilidad d
x P(X=x)
5?

0 0.073 7% p(x≥5)

1 0.219 22%

2 0.294 29% ¿Cuál es la probabilidad de q

3 0.234 23% p(x>5)

4 0.122 12%

5 0.044 4%

6 0.011 1%

7 0.002 0%

8 0.000 0%

9 0.000 0%

10 0.000 0%

Suma 100% 100%

 Distribución normal – Anexo 3

ectados en el laboratorio de aguas – Hidrolab, determina que la variable Alcalinidad Total se distribuye normalmente. Calcu
siguientes probabilidades:

ALCALINIDAD
TOTAL
1. ¿Cuál es la probabilidad de que Alcalinidad Total sea mayor a 43?

1.61 58.09% 0.580923229660636 esta es la probabilidad de 0 a 43

1.7 41.91% 0.419076770339364

la probabilidad de los mayores a 43, sale d
1-p(x>43)
2.6

1.61
la probabilidad de que Alcalinidad Total sea mayor a 43, es 41,91
1.61

1.61

1.61

1.8 ¿Cuál es la probabilidad de que Alcalinidad Total sea superior a 23?

1.61 40.87% 0.408739920128862 esta es la probabilidad de 0 a 23

1.71 59.13% 0.591260079871138

la probabilidad de lossuperiores a 23, sa
restar 1-p(x>23)
1.8

82.4
la probabilidad de que Alcalinidad Total seasuperior a 23, es del 59
87

91.8
89.2

103

93.8

112.8

112.6

90.2

80.6

87.2

37.4

28.6

7.5

28.4

26.2

28.8

25.6

29.3

29.2

29.9

36.6

28.6

26.6

18.9

25.6
17.3

16.9

201

201

201

201

201

201

7.5

7.1

7.1

6.9

5.7

6.2

6.2

7.4

7.1

7.7

7.1

7.4

2.4

2.9

2.7
3.4

2.5

2.5

2.3

2.6

1.9

2.1

2.2

29.2

35.6

39.2

18.5

15.2

13

26.6

27.6

5.1

40

30.1

31.9

12.3

9.8

10.2
11.7

14

16

13.9

41.6

38.4

53.1

44.5

15.1

6.6

9.1

8.9

30.4

25.5

47.4

48.6

10.1

8.8

15.5

6.6

7.2
17.8

7.7

6.4

6.6

6.8

5.9

1.61

3.1

1.61

2.9

2.3

4.2

2.5

2.8

3.6

2.6

1.61

1.61

1.9

1.61

1.61

1.61
1.61

3.42

1.8

1.61

1.61

5.1

5.8

6.5

3.8

4.9

4.4

4.25

6.1

6.6

1.61

1.61

1.8

1.61

1.61

1.61

1.61
1.61

1.61

1.61

1.61

7.3

1.61

17.75

10.6

1.61

1.61

6.2

10.2

8.2

8.9

6.5

1.61

1.61

9.6

2.1

2.7

3.1
 7

8.3

8.4

3.9

2.8

2.6

1.61

1.61

2.8

6.3

7.1

1.61

2.2

3.4

1.61

1.61

1.61

1.9

1.61

1.8
1.61

6.8

8.9

4.8

7.9

6.7

7.9

7.5

7.3

3.7

4.7

4.6

1.61

1.61

1.61

1.61

2.2

3.4

4.8

3.7

5.3
4.7

2.7

1.61

1.61

3.9

4.2

4.6

3.8

4.8

6.3

1.61

1.61

1.61

1.61

4.3

5.5

6.3

14.1

18

6.2

8.7
 9

7.9

8.9

10.9

8.9

8.5

4.5

3.5

5.8

3.6

1.61

2.5

2.3

4.3

4.6

1.61

5.4

13.3

17.81

31.2

8.6

5.4

4.5
 6

11.4

11.3

7.6

1.3

1.61

1.7

1.61

32.31

1.61

1.61

1.61

3.42

39.6

55.6

72.3

35.8

33.8

26

35

45.9

50.2

1.61
1.61

2.1

1.61

1.61

1.61

1.61

1.61

1.61

1.9

3.8

4.6

5.7

3.7

4.9

7.2

4.7

5.2

5.6

33.2

30.4

28.4

43.6

18.8
 39.4

39

15.9

28.9

31.8

8.1

29.2

21.4

8.2

10.9

149

130

130.35

98.5

138.5

142

153.7

167.5

122.05

137.6

154.3

166.8

36
10.3

80.2

72.4

72.4

82.4

65

66

123

85.2

99.2

14

16.1

48.6

47.6

47.6

76.3

92.8

76.9

90.4

50.5

43.1

50.8

68.2
40.2

10.6

97.2

102.8

109.3

112

112.6

100.8

110

27

54

69

25.4

26.4

20

128.2

15

26.2

94

11.8

54.1

52

55.6
50.2

47.3

104.8

96.4

35

43

60.6

14

65.2

63

74.2

59.2

65.2

116.4

128.6

145.2

113.8

101

129.6

138.6

113.6

117

66.54
10.3

75

81.2

125.4

131.6

163.4

155

185.6

201

147.4

154.6

24.4

12.7

25

27

24.2

20

24.9

24.7

21

24.9

26

27.8
38.8

40.2

34.6

40.4

25.2

68.6

22.7

40

63.8

57.8

9.7

12.4

44.4

22.2

18.4

17.9

14.2

16.8

95.2

76.4

65.6

68.6

67.8
67.8

67.6

67.4

67.2

64

67.6

67.4

10.5

20

68

34.2

80.2

74

22.2

22.4

82.2

76.2

54.8

70.2

66.4

10.75

11.19

10.68
11.32

9.4

14.65

9.46

12.46

10.26

10.23

8.21

9.11

201

201

201

201

102.1

201

201

201

145.2

10.5

9.7

9.1

8.2

8.8
6.4

10.2

9.5

13.7

10.6

8.9

57.6

71

69.6

67.6

63.6

69

68

69

69.8

47.6

48.4

45

43.8

43.4

64

16.6

59.8
 73

62.4

105.6

111.4

96.2

2.4

16.2

16.2

2.2

1.7

1.61

1.61

10.7

1.61

1.8

1.61

1.61

1.61

1.61

1.61

2.1

1.61

10.6
10.5

12.6

10.2

7.1

8.2

7.8

8.9

7.4

3.9

4.1

4.1

2.2

3.5

26

17.1

20.5

16.8

3.7

8.2

15.8
 8.2

13.2

7.4

9.5

9.6

9.1

8.2

140.2

1.61

1.61

1.61

1.61

1.61

1.61

1.61

1.61

1.61
 Paso 2. Identificación del problema

robabilidad de aceptación del 23%.

l.

¿Cuál es la probabilidad de que al menos sea

5?
la probabilidad de que al menos sea 5 es de 5,69%
p(x≥5) 5.69%

Cuál es la probabilidad de que sean más de 5?

la probabilidad de que sean más de 5 es del 1,30%
p(x>5) 1.30%
stribuye normalmente. Calcule las El análisis de las pruebas de laboratorio determina que el H
sigui

HIERRO
dad Total sea mayor a 43? TOTAL

es la probabilidad de 0 a 43 0.1

0.23
de los mayores a 43, sale de restar
1-p(x>43)
0.16

0.13
otal sea mayor a 43, es 41,91%
0.14

0.2

0.2

d Total sea superior a 23? 0.2

es la probabilidad de 0 a 23 0.23

0.21
dad de lossuperiores a 23, sale de
restar 1-p(x>23)
0.21

0.08
l seasuperior a 23, es del 59,13%
0.1

0.08
0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.11

0.13

0.13

0.22

0.04

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.2

0.2
0.2

0.2

0.09

0.15

0.08

0.2

0.2

0.2

0.65

0.18

0.08

0.08

0.08

0.2

0.2

0.2

0.27

0.2

0.2

0.2

0.2

0.08

0.08
0.08

0.11

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.39

0.58

0.24

0.2

0.38

0.39

0.77

0.28

0.15

0.28

0.35

0.28

0.24

0.23
0.37

0.79

0.53

0.56

0.21

0.37

0.13

0.08

0.13

0.13

0.2

0.21

0.2

0.24

0.2

0.2

0.08

0.15

0.29

0.53

0.25

0.59

0.14
0.27

0.2

0.2

0.43

0.2

0.9

0.2

0.09

0.12

0.1

0.44

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.12

0.08

0.14

0.11

0.2
0.2

0.2

0.2

0.2

0.2

0.08

0.08

0.08

0.08

0.08

0.2

0.2

0.2

0.3

0.2

0.2

0.15

0.08

0.1

0.09

0.23

0.2

0.2
0.2

0.2

0.34

0.08

0.08

0.18

0.1

0.14

0.05

0.23

0.2

0.2

0.2

0.2

0.37

0.13

0.5

0.35

0.22

0.2

0.35

0.36

0.36
0.26

0.3

0.09

0.51

1.01

0.92

0.81

0.29

0.26

0.8

1.08

0.97

1.06

1.08

0.17

0.5

0.17

0.13

0.19

0.32

0.2

0.2

0.2
0.71

0.11

0.08

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.16

0.08

0.23

0.21

0.18

0.03

0.26

0.2

0.21

0.2

0.08

0.08
0.89

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.08

0.84

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.14

0.08

0.12

0.25

0.2
0.2

0.25

0.2

0.2

0.2

0.2

0.38

0.11

0.18

0.08

0.2

0.2

0.25

0.2

0.2

0.43

0.33

0.2

0.17

0.08

0.14

0.1

0.1
0.25

0.2

0.2

0.3

0.08

1.09

0.16

0.11

0.14

0.2

0.33

0.24

0.26

0.23

0.13

0.14

0.16

0.13

0.03

0.23

0.2

0.32

0.22
0.08

0.13

0.13

0.2

0.2

0.2

0.2

0.2

0.2

0.32

0.08

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.2

0.2

0.11
0.09

0.18

0.1

0.2

0.06

0.2

0.2

0.2

0.2

0.2

0.12

0.08

0.11

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.23

0.2
0.2

0.09

0.1

0.2

0.2

0.2

0.2

0.1

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.24

0.2

0.2

0.2

0.08

0.2

0.08
0.08

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.08

0.79

0.2

0.12

0.24

0.2

0.2

0.2

0.2

0.2

0.08

0.08

0.19

0.08
0.08

0.2

0.2

0.2

0.2

0.2

0.21

0.08

0.49

0.41

0.39

0.2

0.2

0.18

0.21

0.15

0.17

0.09

0.2

0.35

0.42

0.2

0.2
0.2

0.2

0.25

0.15

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.08

0.08

0.11

0.08

0.08

0.2

0.2

0.2

0.2

0.2

0.2

0.09
0.33

0.2

0.26

0.2

0.2

0.34

0.2

0.14

0.2

0.2

0.14

0.08

0.09

0.2

0.2

0.2

0.2

0.2

0.09

0.26

0.1

0.53

0.08
0.72

0.2

0.2

0.2

1.24

1.12

0.85

0.2

0.2

0.13

0.1

0.08

0.37

0.2

0.2

0.23

0.2

0.2

0.2

0.2

0.09

0.1

0.11
0.08

0.14

0.17

0.16

0.2

0.2

0.19

0.13

0.11

0.25

0.29

0.08

0.08

0.08

0.2

0.2

0.2

0.2

0.09

0.08

0.08

0.08

0.2
0.2

0.2

0.2

0.2

0.2

0.28

0.08

1.06

0.15

0.22

0.2

0.2

0.2

0.2

0.3

0.28

0.46

0.21

0.19

0.23

0.53

0.2

0.2
0.2

0.2

0.28

0.2

0.32

0.29

0.29

0.27

0.24

0.15

0.2

0.2

0.2

0.47

0.21

0.18

0.19

0.12

0.2

0.2

0.2

0.3

0.08
0.12

0.08

0.08

0.08

0.2

0.2

0.2

0.38

0.2

0.11

0.08

0.08

0.18

0.2

0.2

0.2

0.08

0.18

0.13

0.06

0.2

0.13

0.27
0.21

0.08

0.2

0.05

0.2

0.2

0.2

0.22

0.13

0.1

0.08

0.2

0.2

0.2

0.2

0.2

0.2
oblema

Distribución de Poisson – Ane

Mediante una inspección de los contaminantes en algunas veredas del país, se deter
UNT por hora. Realice una tabla de distribución de Poisson para k entre 0 y 12, d

x 5

x P(X=x)

0 0.007

1 0.034

2 0.084

3 0.140

4 0.175

5 0.175

6 0.146

7 0.104

8 0.065

9 0.036

10 0.018
 11 0.008

12 0.003

Suma 1

Distribución Uniforme Continua – Anexo 4

e laboratorio determina que el Hierro Total tiene un comportamiento uniformemente continuo. Determine las
siguientes probabilidades:

Maximo 1.24 Formula: P(X=x)=(d-c)/(b-a)

Minimo 0.03 b: es el valor máximo del conjunto

a: valor mínimo del conjunto

c: el valor mínimo en la pregunta de

probabilidad a determinar
d: el valor máximo en la pregunta de
probabilidad a determinar

5. La probabilidad que el Hierro Total sea máximo hasta 1.05

b 1.24

a 0.03 P(0 ≤ X ≤ 1.05)

c 0 86.78%

d 1.05

La probabilidad que el Hierro Total sea máximo hasta 1.05, es del 87,78%

La probabilidad que el Hierro Total este entre 0.3 y 1.08

b 1.24

a 0.03 P(0.3 ≤ X ≤ 1.08)

c 0.3 64.46%

d 1.08

La probabilidad que el Hierro Total este entre 0.3 y 1.08, es de 64,46%

ución de Poisson – Anexo 2

eredas del país, se determina que el Turbiedad presenta un promedio de 5

on para k entre 0 y 12, donde determine las siguientes probabilidades:

2. Que sean más de 4 UNT

la probabilidad de que sean más
55,75%
1% p(x>4) 55.75%

3%

8% Que salgan a lo sumo 10 UNT.

La probabilidad de que salgan a
es del 98,63%.
14% p(x≤10) 98.63%

18%

18%

15%

10%

7%

4%

2%
 1%

0%

100%

Distribución Hipergeométrica – Anexo 5

En algunos comedores escolares la calidad del agua potable presenta una variable co
Se detecta que de 30 comedores escolares hay 9 de ellos que están por encima de
aparente con platino de cobalto correspondiente al ag

3. Si se sacan de forma aleatoria 23 comedores. ¿Cuál es la

probabilidad de determinar 4?

P(k=4)

0.012997 1.30%

Si se sacan de forma aleatoria 23 comedores, la probabilidad de determinar

4, es del 1,30%

del 87,78%
de 64,46%
a probabilidad de que sean más de 4 UNT, es de
55,75%

a probabilidad de que salgan a lo sumo 10 UNT,

es del 98,63%.
ón Hipergeométrica – Anexo 5

potable presenta una variable con color aparente que perjudica el consumo.
e ellos que están por encima de los niveles permisibles en cuanto al color
e cobalto correspondiente al agua potable.

N 30 # de experimentos

N1 9 # que favorece al evento N1

k 4 # de eventos cuya probabilidad se esta calculando

n 23 # de ensayos que se realiza

babilidad de determinar
 Paso 3. Anális

El estudiante publicará los respectivos avances en el foro donde

inquietudes que tengan para el desarrollo de las actividades propues
anexos y preguntas seleccionadas, debe adjuntarlo en el foro medi
t
 Paso 3. Análisis del problema.

avances en el foro donde puede utilizar la herramienta de Excel, como también las dudas e
las actividades propuestas. De esta manera cada uno de los avances frente al desarrollo de los
djuntarlo en el foro mediante el documento Excel, con el fin de realizar la revisión por parte del
tutor.
 • Distribución de Poisson.

Definición:

Una distribución de probabilidad discreta, que muestra como el conjunto de valores con proba
la variable aleatoria X está dada por la distribución d

Propiedades del modelo d

1) Esperanza: E(X) =
2) Varianza: V(X) =
La esperanza y la varianza
3) La suma de dos variables aleatorias independientes con distribución de Poisson resulta
parámetro igual a la suma de

La distribución de poisson es útil, ya que en situaciones donde hay sucesos impredecibles

suceso con resultado dis

a)
Si un banco recibe en promedio 6 cheques sin fondo por día, ¿cuáles son las probabilidades
cheques sin fondos en cualquiera de dos días consecutivos?
a)      
x = variable que nos define el número de cheques sin fondo que llegan al banco en un día cu
l = 6 cheques sin fondo por día
e = 2.718
𝑝(𝑥=4,𝜆=6)=((6)^4 (2.718)^(−6))/4=((1296)(0.00248))/24=0.13392

b)
x= variable que nos define el número de cheques sin fondo que llegan al banco en dos días c
l = 6 x 2 = 12 cheques sin fondo en promedio que  llegan al banco en dos días consecutivos
Nota: l siempre debe de estar en función de x siempre o dicho de otra forma, debe “hablar” d
 
𝑝(𝑥=10,𝜆=12)=((12)^10 (2.718)^(−12))/10!=((6.1917364𝐸10)(0.00000151))/3628800=0.1
 

DISTRIBUCIÓN DE POISSON, recuperado de http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita

%20Poisson.htm
 Paso 4. Explicación del concepto.

Definición:

mo el conjunto de valores con probabilidad no nula no es finito, sino numerable, de allí que esta probabilidad en
ria X está dada por la distribución de Poisson, si denota lo siguiente:

Propiedades del modelo de Poisson

1) Esperanza: E(X) = λ.
2) Varianza: V(X) = λ.
La esperanza y la varianza coinciden.
con distribución de Poisson resulta en una nueva variable aleatoria, también con distribución de Poisson, de
parámetro igual a la suma de parámetros

Utilidad:
donde hay sucesos impredecibles o de ocurrencia aleatoria, además permite conocer la probabilidad de un
suceso con resultado discreto.

Ejemplo

ía, ¿cuáles son las probabilidades de que reciba, a) cuatro cheques sin fondo en un día dado, b) 10
s?

o que llegan al banco en un día cualquiera = 0, 1, 2, 3, ....., etc, etc.

/24=0.13392

o que llegan al banco en dos días consecutivos = 0, 1, 2, 3, ......, etc., etc.

al banco en dos días consecutivos
cho de otra forma, debe “hablar” de lo mismo que x.

4𝐸10)(0.00000151))/3628800=0.104953

hua.edu.mx/academic/industrial/sabaticorita/_private/05Distr
n.htm
 REFERENCIAS

Monroy, S. (2008). Distribuciones de probabilidad. En: Estadística Descri

187 – 219). Recuperado dehttps://bibliotecavirtual.unad.edu.co:2538/lib/u
docID=3192101&ppg=188  

Llinás, S. H. (2017). . En: Estadística descriptiva y distribuciones de prob

de https://ebookcentral-proquest-com.bibliotecavirtual.unad.edu.co/lib/un

Llinás, S. H. (2017). Teorema de Bayes. En: Estadística descriptiva y dist

Recuperado de https://ebookcentral-proquestcom.bibliotecavirtual.unad.e
docID=5486680&ppg=276

Espejo I. (2006). Distribución de probabilidad uniforme continua. En: Esta

problemas, 3th ed. [Online]. España: Servicio de publicaciones de la Univ
Recuperado dehttp://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reade
ppg=228&docID=10844601&tm=1485306164106

DISTRIBUCIÓN DE POISSON, recuperado de

http://www.itchihuahua.edu.mx/academic/industrial/sabaticorita/_private/0
 REFERENCIAS

abilidad. En: Estadística Descriptiva. Editorial: Instituto Técnico Nacional. (pp.

avirtual.unad.edu.co:2538/lib/unadsp/reader.action?

riptiva y distribuciones de probabilidad. (pp. 188 - 241). Recuperado

otecavirtual.unad.edu.co/lib/unadsp/reader.action?docID=5486680&ppg=206

n: Estadística descriptiva y distribuciones de probabilidad. (pp. 258 - 295).

estcom.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?

ad uniforme continua. En: Estadística descriptiva y probabilidad: teoría y

cio de publicaciones de la Universidad de Cádiz. (pp. 195 – 199).
.edu.co:2077/lib/unadsp/reader.action?
164106

do de
ndustrial/sabaticorita/_private/05Distr%20Poisson.htm