INSTITUTO TECNOLÓGICO SUPERIOR DEL

ORIENTE DEL ESTADO DE HIDALGO

Ingeniería en Sistemas Computacionales

Problemario sobre Distribuciones de Probabilidad

Materia: Probabilidad y Estadística

Docente: M.T.I. Cinthya Vargas Ayuso

Fecha de Entrega:
18 de Abril de 2024

Integrantes del Equipo:

- Jacksel Rodríguez Gutiérrez
- Adrian Elizalde Lòpez
- Juan Daniel Esquivel Pacheco
- Jonathan Uriel Salinas García
Introducción
Las distribuciones de probabilidad son una herramienta que nos muestra los posibles
valores que resultan de un experimento aleatorio, al igual que permiten describir el
comportamiento de los resultados de diferentes experimentos, que posteriormente se
pueden interpretar o utilizar en una actividad externa.

Existen diferentes tipos de distribuciones. Estas son las distribuciones de probabilidad

discretas y las distribuciones de probabilidad continuas. Dentro de las discretas, se pueden
encontrar las distribuciones de poisson, binomial, geométrica, entre otros.

Algunas de las distribuciones continuas son las distribuciones normales al igual que las
distribuciones de t-student. Estas distribuciones se pueden resolver de diferentes maneras y
no siempre aplican de la misma manera, sino que su utilización va variando dependiendo
del ejercicio.

Desarrollo
Distribución Poisson
Si un banco recibe en promedio 6 cheques sin fondo por día, y se elige un intervalo de 12
horas, ¿cuáles son las probabilidades de que reciba, a) al menos dos cheques, b) el banco
reciba más de dos cheques? Utiliza una distribución de Poisson.

a.) Probabilidad que ingresen al menos dos cheques

Para resolver el primer inciso, se utilizará la fórmula:

Datos:
λ = 3 (72/24)
e = logaritmo neperiano (2.71828)

P(0,1) = 0.04979 + 0.14936 = 0.19915

1 - P (0,1) = 1 - 0.19915 = 0.8008
Se puede interpretar que la probabilidad de que lleguen al menos dos cheques es de
80.08%.

b.) Probabilidad que ingresen más de dos cheques

Ya se conoce x = 0 y x = 1, pero aún se conoce x = 2. Sacamos el valor y los sumamos
todos para posteriormente restar al total (100%) y llegar a nuestro resultado.

P(0, 1, 2) = 0.04979 + 0.14936 + 0.22404

P(0, 1, 2) = 0.42319
P( x > 2) = 1 - 0.42319 = (x>2) = 0.57681

Esto se puede interpretar que la probabilidad que ingresen más de dos cheques es de
57.68%.

Distribución Normal
En una ciudad se estima que la temperatura máxima en Junio sigue una
distribución normal con media de 23°C y una desviación estándar de 5°C

a) ¿En cuántos días del mes se esperan temperaturas entre 19° y 27°C?
Para resolver este problema se hará uso de la siguiente fórmula:
Donde:
x=
σ = Desviación estándar
μ = Valor que toma la media
En este caso los datos serían los siguientes:
x = 19, 27
σ = 5°C
μ = 23°C
Sustituyendo la fórmula el inciso queda representado de la siguiente manera:
19−23 4
𝑧= 5
=− 5
= − 0. 8
27−23 4
𝑧 = 5
= 5
= 0. 80

Una vez obtenidos dichos datos se buscan las equivalencias en una tabla de
distribución normal acumulada:
P(z<0.8)=0.7881

En el caso de la segunda probabilidad P(z<-0.8) se obtendrá de otra forma,

ya que en ninguna tabla de distribución normal hay datos negativos, por lo
que en este caso usaremos la lógica, y veremos que la distancia de la
probabilidad 1 es la misma que si le restamos 1 a la segunda como se puede
observar en la siguiente imagen:

Por lo que la segunda probabilidad queda representada de la siguiente

manera: P(z<-0.8) = 1- P(z<0.8), que sustituyendo los valores queda:
P(z<-0.8) = 1- 0.7881, cuyo resultado es: 0.2119, por lo que ese es el valor de
la probabilidad 2.

Para responder a la pregunta planteada en el inciso, se deben de restar

dichos valores obtenidos, es decir 0.7881 y 0.2119, por lo que queda de la
siguiente forma:
P(-0.8<x<0.8) = 0.7881-0.2119
P(-0.8<x<0.8) = 0.5762 (57.62%)

Esa operación nos dió como resultado el porcentaje de días en los que van a
oscilar las temperaturas planteadas, pero para resolver el inciso, debemos de
multiplicar el número de días por el porcentaje:
30*0.5762 = 17.286.
Y esto nos da como resultado 17 días.

b) ¿Y en cuántas entre 28° y 30°C?

Al igual que en el inciso anterior, necesitamos obtener los valores de
distribución normal acumulada de ambos datos.
Al igual que el inciso anterior, utilizaremos la siguiente fórmula:
Por lo que los valores quedan representados de la siguiente manera:
x = 28, 30
σ = 5°C
μ = 23°C
Sustituyendo los valores en la fórmula quedan así:
28−23 5
𝑧= 5
= 5
= 1. 0

Esto simbolizado queda de la siguiente manera: P(z<28) = 1

Ahora bien, nos ubicaremos en la tabla de distribución normal acumulada
para obtener su valor: P(z<1) = 0.841344746
 30−23 7
𝑧 = 5
= 5
= 1. 40

Ocurre lo mismo con esta probabilidad: P(z<30)=1.40

P(z<1.40)= 0.919243341

Para obtener el resultado, simplemente restamos la probabilidad mayor

menos la probabilidad menor:
P(1.0<z<1.40)= 0.919243341 - 0.841344746 = 0.077898595

Y para resolver el inciso, simplemente multiplicamos el número de días que

tiene el mes por 0.077898595
30*0.077898595=2.337
Lo que quiere decir que la cantidad de días que las temperaturas estén en un
intervalo de 28° a 30° es de 2 días.

Importancia
Estas son de mucha utilidad en sistemas computacionales ya que esa se destacan siendo
estas una parte central del modelado en el caso de el rendimiento en redes al igual que en
los sistemas informáticos, en donde sirve principalmente al momento de predecir retrasos o
programar cosas ya sean los recursos u otros, de igual forma, estos son bastante útiles para
el uso de los algoritmos aleatorizados.

Esto sería como el simple lanzamiento de una moneda de forma aleatoria, o incluso con las
simulaciones de ciertas cosas nos puede servir generando entradas aleatorias para así
poder evaluar el rendimiento de ciertos sistemas o procesos que elaboremos, también nos
sirven para tener una estimación acerca de la probabilidad de que un hecho ocurra.

Por lo tanto, las distribuciones de probabilidad son una herramienta importante en la

informática debido a que nos permiten modelar y predecir comportamientos en un mundo
incierto y aleatorio.
Aplicaciones
En teoría, las distribuciones de probabilidad se pueden aplicar en cualquier ámbito, ya que
el análisis de datos es un elemento crucial para empresas, científicos, investigadores, etc.
Un ejemplo en especial podría ser la cantidad de llamadas telefónicas que recibe una
compañía. Esto puede tener un impacto en las decisiones que la compañía toma, afectando
la eficiencia y productividad, al igual que los ingresos de la empresa.

El doctor Oscar Fontanelli (2020) explica la relación compleja que existe entre las
distribuciones de probabilidad y la ciencia, en especial el ámbito de ciencias y humanidades
que lo describe como “una variedad muy extensa”. Toca temas como la importancia de las
distribuciones de probabilidad en diferentes ciudades, países, etc. y el impacto que estas
herramientas pueden tener hacia la humanidad. Esta es una de las muchas aplicaciones
donde las distribuciones de probabilidad.

Conclusión
Se puede concluir que las distribuciones de probabilidad es un tema importante ya que se
convierte en una herramienta esencial para el análisis de datos y la estadística. Permite
realizar cálculos que se interpretan en casos reales y se pueden aplicar en la vida cotidiana.

Al inicio el tema se puede ver complejo, pero al entender cómo funciona la fórmula y
razonar la lógica del ejercicio, se puede ir facilitando la identificación de los datos y el
proceso para llegar al resultado.

Es importante considerar que nosotros como futuros profesionales debemos estar lo más
preparados por cualquier cosa ya que estaremos implementando muchos conceptos en
nuestros proyectos para satisfacer las necesidades requeridas. Una de ellas siendo las
distribuciones de probabilidad, que permiten el análisis de datos de nuestros proyectos.
Referencias
Gómez, M., & Benlloch, M. (s/f). La distribución Poisson. Upv.es. Recuperado el 15 de abril de 2024,

https://riunet.upv.es/bitstream/handle/10251/7937/Distribucion%20Poisson.pdf?sequence=3&isAllow
ed=y

González y Miguel Ángel Montero Alonso, C. J. A. (s/f). Práctica 4. Cálculo de probabilidades en R.

Ugr.es. Recuperado el 15 de abril de 2024,

https://digibug.ugr.es/bitstream/handle/10481/70802/Practica4_bioestad%C3%ADsticaR.pdf?sequenc
e=1&isAllowed=y#:~:text=dpois(x%2C%20lambda).,distribuci%C3%B3n%20Poisson%20de%20par
%C3%A1metro%20%CE%BB.

TRABAJO DE DISTRIBUCCION DE PROBABILIDAD. (s/f). SlideShare. Recuperado el 15 de

abril de 2024,

https://es.slideshare.net/jorgemogollon49/distribucin-de-probabilidad-49056228

del Rio, A. Q. (2019, septiembre 4). 5.3 Variables aleatorias continuas. Bookdown.org.

https://bookdown.org/aquintela/EBE/variables-aleatorias-continuas.html

Fontanelli, Oscar, Mansilla, Ricardo, & Miramontes, Pedro. (2020). Distribuciones de probabilidad en
las ciencias de la complejidad: una perspectiva contemporánea. Inter disciplina, 8(22), 11-37. Epub 15
de enero de 2021.vcontinua. (s/f). Www.uv.es. 13 de abril de 2022,

https://www.uv.es/ceaces/base/variable%20aleatoria/vcontinua.html