1

Probabilidad

Unidad 2 - Tarea 3 - Experimentos aleatorios y distribuciones de Probabilidad.

Presentado a:

Edgar Eliecer Blanco

Director de Curso: Javier Ernesto Rodríguez

Entregado por:

Janeth Fernanda Mora

Ejercicios a

Anyi Marcela Vergara

Ejercicios b

Rodrigo Flores

Ejercicios c

Karen Dayana Burgos

Grupo: 100402_156

Universidad Nacional Abierta y a Distancia - UNAD

Noviembre 2021
 2

Tabla de contenido

Introducción 3

Objetivos 4

Tabla comparativa de conceptos 5

Tabla de elección de los ejercicios 8

Tabla links videos explicativos ejercicio #1 9

Solución a los ejercicios propuestos 10

Referencias bibliográficas 33
 3

Introducción

Una distribución de probabilidad es aquella que permite establecer toda la gama de

resultados probables de ocurrir en un experimento determinado. Es decir, describe

la probabilidad de que un evento se realice en el futuro.

En el presente trabajo se presentan una tabla comparativa de conceptos que tienen

que ver con la temática de la distribución de probabilidad, así como algunos ejercicios

útiles que, con respecto al tema reforzaron la comprensión de las temáticas abordadas para

la presente fase del curso probabilidad.

 4

Objetivos

Objetivo general:

Interpretar los casos de estudio, a partir de los conceptos de experimentos aleatorios

y distribuciones de Probabilidad.

Objetivos específicos:

Definir algunos conceptos relevantes acerca de los temas de distribución de

probabilidad y experimentos aleatorios.

Ejercitar los temas de distribuciones: normal, de Poisson, Binomial y exponencial

en probabilidad.
 5

Tabla comparativa de conceptos

Tabla comparativa de conceptos
Concepto Definición Variable, fórmula o imagen que representa el concepto
Variable Una variable aleatoria es una función medible La función se dice medible cuando se cumple que:
aleatoria de un espacio probabilístico (E,A,P) en el
espacio probabilizable(R,B) donde B es el
Ꝺalgebra de Borel definida en una R. (Gamero,
C. 2017.Pg.261).
Variable Una variable aleatoria es continua cuando
aleatoria puede tomar todos los valores del posible
continua conjunto R de los números reales(-∞<x<∞) o
de un subconjunto de él definido por un
intervalo(lo≤x≤lk) (Gamero, C. 2017.Pg.262).

Variable Se dice que X es una variable aleatoria discreta

aleatoria cuando solo toma un numero finito de valores
discreta reales o un numero infinito pero numerable.
(Gamero, C. 2017.Pg.262).

Distribución de Hace referencia a la definición de funciones

Probabilidad reales de la variable real que proporcionan
probabilidades para la variable aleatoria.
(Gamero, C. 2017.Pg.263).
 6

Distribución de Una distribución discreta describe la

Probabilidad probabilidad de ocurrencia de cada valor de
Discreta una variable aleatoria discreta .También se le
conoce como función de cuantía.
(Gamero, C. 2017.Pg.266).

Distribución de Surge al considerar una variable aleatoria que

Probabilidad toma valores equiprobables en un intervalo
Continua finito. También se le conoce como función de
densidad.
(Gamero, C. 2017.Pg.266).

Media Un promedio o media no es más que un valor

de la variable representativo de todos los
observados que proporciona indicación sobre
dónde está localizada la distribución.
(Gamero, C. 2017.Pg.50).

Desviación Es una medida de la dispersión de los valores

estándar que toma la variable aleatoria respecto de la
media. (Sánchez et al., 2015)
 7

Valor esperado También llamado esperanza matemática. El

valor esperado multiplica la probabilidad de
cada resultado por el posible resultado.
(Sánchez et al., 2015)

Varianza Varianza es un indicador de la dispersión o

desviación de los variable respecto a la media
aritmética. La varianza es siempre positiva.
(Gamero Burón, C. 2017.Pg.76)
Función de Es una función que devuelve la probabilidad
Probabilidad de que una variable aleatoria discreta sea
exactamente igual a algún valor. (Gamero
Burón, C. 2017.Pg.90) 
Función de La función de densidad de probabilidad,
densidad describe la probabilidad relativa según la cual
dicha variable aleatoria tomará determinado
valor. Gamero Burón, C. 2017.Pg.92)

Distribución Cuenta el número de éxitos en una secuencia

binomial de n ensayos de Bernoulli independientes entre
sí con una probabilidad fija p de ocurrencia
(Spiegel et al., 2001)
Distribución Es una distribución de probabilidad discreta X =Número de eventos de interés que ocurren en un intervalo de tiempo o región del
Poisson que expresa a partir de una frecuencia de espacio de longitud t
ocurrencia media, la probabilidad que ocurra
un evento. (Spiegel et al., 2001)

.
 8

Distribución La distribución hipergeométrica es una

Hipergeométrica alternativa a la distribución binomial cuando
las pruebas no son independientes.
(Gamero, C. 2017,pg.345)
Distribución
normal Distribución normal o distribución de Gauss,
hace referencia a la distribución empírica de
los errores de medida en los que se encuentran
regularidades. (Gamero, C. 2017,pg.383)
Distribución La distribución normal estándar es Sea X ~ Normal (µ, Ꝺ).
normal estándar aquella que tiene una media de 0 y una Sea Z = (X-µ)/ Ꝺ, entonces Z ~Normal(0, 1) , es decir, Z sigue una distribución Normal
desviación estándar de 1. Estándar.
(Obando, J. y Arango, N.2019.Pg.73)

Área bajo la El área bajo la curva entre dos puntos es

curva la probabilidad de que una variable distribuida
normalmente asuma un valor entre ellos.
(Obando, J. y Arango, N.2019.Pg.74)

Aproximación Una distribución binomial B(n,p) se puede

de la normal a la aproximar por una distribución normal,
binomial siempre que n sea grande y p no esté muy
próxima a 0 o a 1. (Morettini,2013)
9
 10

Tabla de elección de ejercicios

Nombre del Rol a desarrollar Grupo de ejercicios a desarrollar
estudiante
Janeth Fernanda Mora Alertas: Asegurar que se avise a los integrantes El estudiante desarrolla el ejercicio
del grupo de las novedades en el trabajo e a en todos los 3 Tipo de ejercicios
informar al docente mediante el foro de trabajo
y la mensajería del curso, que se ha realizado
el envío del documento.

Anyi Marcela Vergara Evaluador: Asegurar que el documento El estudiante desarrolla el ejercicio
Peralta contenga los criterios presentes en la rúbrica. b en todos los 3 Tipo
Debe comunicar a la persona encargada de las de ejercicios
alertas para que informe a los demás
integrantes del equipo en Caso de que Haya
que realizar algún ajuste sobre el tema.

Compilador: Consolidar el documento que se El estudiante desarrolla el ejercicio

constituye como el producto final del debate, c en todos los 3 Tipo de ejercicios
teniendo en cuenta que se hayan incluido los
aportes de todos los participantes y que solo se
Rodrigo Flores incluya a los participantes que intervinieron en
el proceso. Debe informar a la persona
encargada de las alertas para que avise a
quienes no hicieron sus participaciones, que no
se les incluirá en el producto a entregar
Entregas: Alertar sobre los tiempos de entrega
de los productos y enviar el documento en los
tiempos estipulados, utilizando los recursos
Karen Dayana Burgos
destinados para el envío, e indicar a los demás
Mina
compañeros que se ha
El estudiante desarrolla el ejercicio
realizado la entrega.
e en todos los 3 Tipo
de ejercicios
 11

Tabla links videos explicativos Ejercicio 1

Nombre estudiante Link video Explicativo

Janeth Mora https://www.youtube.com/watch?v=bvkaILttVyI

Anyi Vergara https://www.youtube.com/watch?v=jUOdFiF9WYc&t=17s

Rodrigo Flóres https://youtu.be/fln-40h5zTQ

Karen Dayana Burgos https://youtu.be/mnIXM8_qjQM

Ejercicio 1 Distribución binomial

Contexto General

El proceso de clasificación de las selecciones europeas al mundial de Qatar 2022,

como lo describen en la página de la UEFA (UEFA, 2022) fue el 5 proceso por el que las

55 federaciones miembros de la UEFA se redujeron a 13 selecciones clasificadas para la

fase final de 2022 en Catar. Hay dos fases para clasificarse: Fase de grupos Las selecciones

se dividieron en diez grupos de cinco o seis (los cuatro equipos que llegaron a la fase final

de la UEFA Nations League 2021 - Bélgica, Francia, Italia y España - estuvieron en los

grupos más pequeños). Los diez ganadores de los grupos se clasificaron para el Mundial.

Las tres plazas restantes para el Mundial se determinaron a través de los play-offs. En los

play-offs se enfrentaron a un único partido los siguientes equipos de acuerdo con la

distribución dada, quedando solo un equipo por ruta con la plaza para ir al mundial:
 12

Ruta A: Gales - Austria, Escocia - Ucrania Ruta

B: Suecia - República Checa, Rusia - Polonia Ruta

C: Italia - Macedonia del Norte, Portugal – Turquía

Ejercicios 1- Distribución Binomial.

53 de los 130 juegos de la fase de grupos de esta eliminatoria quedaron empatados,

lo que da una probabilidad de empate del 0,41. En la segunda ronda (play-offs) se

disputaron 6 juegos encuentre la probabilidad de que en esos juegos:

A. Se presentaran menos de 3 empates

P= probabilidad de empate
P= 0.41
n= 6

P ( X=1 ) = ( nx )( p ) ( 1− p )
x n−x

P ( X <3 ) =P ( X=0 )+ P ( X =1 )+ P ( X=2 )

P ( X=0 )= (60) ( 0.41 ) ( 1−0.41)

0 6−0

¿ 1∗1∗0.04218053

¿ 0.04218053
 13

( 61) ( 0.41 ) (1−0.41)

P ( X=1 ) =
1 6−1

¿ 6∗0.41∗0.07149243

¿ 0.1758
 14

( 62)( 0.41 ) ( 1−0.41 )

P ( X=2 )=
2 6−2

¿ 15∗0.1681∗0.211

¿ 0.30553926
 15

La probabilidad total es

P ( X <3 ) =P ( X=0 )+ P ( X =1 )+ P ( X=2 )

P ( X <3 ) =0.52359

La probabilidad de que hubiera menos de 3 empates es de 0.52359117, es decir 52.36 %

 16

b. Hubiera más de 3 empates

P= probabilidad de empate = 0.41
n= 6

P ( X >3 ) =P ( X=4 ) + P ( X=5 )+ P ( X =6 )

P ( X=4 )= ( 64 ) ( 0.41) ( 1−0.41 )

4 6− 4

¿ 15∗0.02825∗0.3481

¿ 0.1475

P ( X=5 )= ( 65 )( 0.41 ) ( 1−0.41)

5 6−5

¿ 6∗0.001158∗0.59
 17

¿ 0.0410131

P ( X=6 )= (66) ( 0.41 ) ( 1−0.41 )

6 6−6

¿ 1∗0.00475∗1

¿ 0.0047501
 18

Así pues,
P ( X >3 ) =P ( X=4 ) + P ( X=5 )+ P ( X =6 )

P ( X >3 ) =0.1933

La probabilidad de que hubiera más de 3 empates es de 0.1933 , es decir 19.33%

 19

c. Solo se dieran 2 empates

P=0,41

N=6

K=2

Fórmula

K n-K

P(X=K)= (n ) (P) (1-P)

k

2 6-2

P(X=2)= (6 ) (0,41) (1-0,41)=0,3055

2

La probabilidad de que en los juegos se den solo 2 empates es de 0,3055

 20

Ejercicio E. Todos los juegos quedaran empatados.

x= éxitos
n= ensayos
p= probabilidad de éxito de un ensayo
q= probabilidad de fracaso

P( X =6)=C66 (0,41)6 (0,59)0=¿

¿ ( 66! 0! ! ) ( 0,00475 )( 1)=0,00475

P=0,475 %
 21

Ejercicios 2- Distribución Poisson.

El equipo más goleado de la eliminatoria Europea fue San Marino, que recibió 46 en

los 10 partidos jugados, lo que equivale a un promedio de 4,6 goles recibidos por partido.

Teniendo en cuenta esto, encuentre la probabilidad de que en el próximo partido:

e− λ∗λk
P ( X=k )=
k!

Éxito=“ Recibir goles en el próximo partido ”

λ=4.6 goles por partidoX =numero de goles recibidos en un partido X ∼ P( 4.6)

a. Reciba entre 2 y 6 goles, inclusive.

P ( 2≤ X ≤ 6 )=0.7617
 22

b. No reciba goles.

e− λ∗λk
(
P X=k = )
k!
−4.6 0
e ∗4.6
P ( X=0 )= =0.0101
0!

Ejercicio C. Reciba máximo 5 goles.

 23

λ: número promedio de ocurrencias del éxito en un intervalo de longitud dada

conocido (4,6)

X: número de goles que recibe San Marino en un intervalo o partido. (max. 5 goles)

Fórmula

PX(K)=P(X=K)= λ K e K
K!
P(X≤5)=P(X=0)+ P(X=1)+ P(X=2)+ P(X=3)+ P(X=4)+ P(X=5)=

0 -4,6 1 -4,6 2 -4,6 3 -4,6 4 -4,6 5 -4,6

4,6 e + 4,6 e + 4,6 e + 4,6 e + 4,6 e + 4,6 e =

0! 1! 2! 3! 4! 5!

0,0100+ 0,0462+0,1063+0,1631+0,1875+0,1725=0,6858

La probabilidad de que San Marino reciba máximo 5 goles es de 0,6858

Ejercicio E. Reciba mínimo 3 goles.

 24

x −λ
λ e
P(X =x) =
X!

λ=np
p = probabilidad de éxito del suceso
n= número de observaciones
X= número de casos favorables

4,6 3 e−4,6
P(X =5)= =0,163=16,3 %
3!

Ejercicio 3- Distribución Exponencial.

El mayor anotador de la eliminatoria europea fue Harry Kane con 12 goles, quien

anotó un gol cada 49.1 minutos en promedio.

a. ¿Cuál es la probabilidad de que no anote en los 90 minutos del tiempo regular de su

siguiente juego con la selección?

−λx
F ( x )=1−e
F ( X )=P ( X ≤ x )

X= goles anotados

1−P ( X ≤ 90 )=1−F ( 90 )
 25

1
λ=
49.1

[
¿ 1− 1−e
−( 49.11 )∗(90) ]
¿ 0.1593

b. Si los técnicos deciden cambiar a los jugadores cerca del minuto 60 para evitar

desgastes físicos, ¿cuál es la probabilidad de que cuando lo cambien no haya anotado?

X= anotar gol
 26

1
λ=
49.1

1−P ( X ≤ 60 )=P ( X ≥ 60 )

[
¿ 1−F ( 60 ) ¿ 1− 1−e−( 49.1 )∗(60) ]
1

¿ 0.2939

c. ¿Cuál es la probabilidad de que anote entre los minutos 30 y 60?

X=probabilidad de que Harry anote

Promedio=49.1

λ= 1/49.1

-2x

F(x)= 1-e
 27

Fórmula

P(≤ 30 x ≤60)=F(30)-F(60)=

-(1/49.1)*(30) -(1/49.1)*(60)

[ 1-e ] - [ 1-e ]

=[ 1- 0.5428] –[1-0.2946]

=0.4572-0.7054

=0.2482

La probabilidad de que Harry anote entre los minutos 30 y 60 es de 0.2484

Ejercicio E. ¿Cuál es la probabilidad de que su siguiente gol en un juego con la selección

sea en el primer tiempo (45 minutos)?

p ( x ) =1−e− λx
λ=1/ μ
 28

μ= periodo promedio
X= Variable aleatoria

p ( x ) =1−e− λx =1−0.3999=0,6=60 %

Ejercicio 4- Distribución Normal.

El equipo con mayor posesión de balón en toda la eliminatoria de la UEFA fue

Alemania con un 74,3%. Con una desviación estándar del 2,6%. Encuentre la probabilidad

de que en el próximo juego su posesión de balón:

a. Sea menor al 73%

σ =2.6μ=74.3%
P ( X ≤73 ) P ( X ≤0.73 )
X−μ
Z1 =
σ
73−74.3
¿ =−0.5
2.6
P ( X ≤73 )=0.3085
29
 30

b. Esté entre el 70% y el 80%

σ =2.6μ=74.3%

P ( 70≤ X ≤ 80 )

X−μ 70−74.3
Z1 = = =−1.65
σ 2.6

X−μ 80−74.3
Z2 = = =2.19
σ 2.6

P ( 70≤ X ≤ 80 )=0.9367
31
 32

c. Sea más del 75%

Solución:

µ = 74,3%.

σ = 2,6%.

X= “Posesión del balón en el próximo juego en %”

X~N(74,3, 2,6 2)

La pregunta se traduce como:

P(X>75)= P(X≥75) = 0.3939

La probabilidad de que en el próximo juego la posesión del balón sea de más del 75%

es de 0.3939
 33

Ejercicio E. Esté entre el 60% y el 70

2
−Z
N 2

Y= e 2σ
σ √2π
N= Número de datos
σ = Desviación estándar de la distribución
e= Base de los logaritmos naturales
Z= áreas de la distribución normal.

Dist. Normal
X MEDIA Desvest    
60 74,3 2,6   4,14222E-08
61 74,3 2,6   3,19014E-07
62 74,3 2,6   2,11906E-06
63 74,3 2,6   1,21403E-05
64 74,3 2,6   5,99894E-05
65 74,3 2,6   0,000255666
66 74,3 2,6   0,000939781
67 74,3 2,6   0,002979446
68 74,3 2,6   0,008147038
69 74,3 2,6   0,019214065
70 74,3 2,6   0,039083553
0,070694158
P ( x ) =7,07 %
 34

Referencias bibliográficas

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. https://elibro-

net.bibliotecavirtual.unad.edu.co/es/ereader/unad/60724?page=257

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

183-186, 214-235, 283-299). Universidad del Norte. https://elibro-

net.bibliotecavirtual.unad.edu.co/es/ereader/unad/70059?page=201

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

Editorial EIA. (pp. 57-69, 72-

74). https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/125705?

page=58

Sánchez, J.(2020). OVI – Unidad 2. Distribución

Poisson. https://repository.unad.edu.co/handle/10596/35640

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

(pp. 257-297). Grupo Editorial Patria. https://elibro-

net.bibliotecavirtual.unad.edu.co/es/ereader/unad/39397?page=18