TRABAJO COLABORATIVO N° 2

PROBABILIDAD

INTEGRANTES:

OSCAR ANDRES GUERRERO

CODIGO: 1.065.631.495

OLGA MARIA MURGAS

CODIGO: 1.065.637.909

BRENDA TERESA DAZA

CODIGO:

GRUPO 100402_24

TUTORA
SANDRA LILIANA QUIÑONES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

PROGRAMA DE INGENIERIA DE SISTEMAS
CEAD VALLEDUPAR
MAYO DE 2015

VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD
VARIABLES ALEATORIAS
En un experimento aleatorio lo
que más interesa es conocer el
número total de veces que se
obtiene un mismo resultado en
un determinado número de
ejecuciones (es decir,
cuantificar) y no en cuál
ejecución se obtiene un
determinado resultado.
Ejemplo 1.
Considere el lanzamiento de
una moneda. El espacio
muestral de este experimento
aleatorio está constituido por
dos resultados: cara y sello.
Concepto de variable aleatoria
Si se define X(cara)=0 y
X(sello)=1
Distribución discreta de
probabilidad
P(X  x)  1
0  P(X  x)  1
Distribución continúa de
probabilidad
la variable puede tomar infinitos
valores
Esperanza matemática
μ E(X ) [x f (x)]
Teorema de chébyshev
P(- ks +μ £ X £ ks +μ )
RESUMEN UNIDAD 2
UNIDAD 2:
DISTRIBUCIONES
PROBABILIDAD DISCRETA
Se examinan con detalle seis
familias de distribuciones, Estas
son: las distribuciones uniforme
discreta, binomial, geométrica,
binomial negativa, hipergeométrica
y Poisson. También parámetros
estadísticos, la media o valor
esperado, la varianza y la
desviación estándar.
Para una variable aleatoria
discreta uniforme X, que
puede tomar los valores 1, 2,
…, n,
Distribución uniforme discreta
Distribución binomial
Negativa y geométrica
Distribución hipergeométrica
Distribución de Poisson
DISTRIBUCIONES
PROBABILIDAD CONTINUA
En forma muy simple se puede
definir la probabilidad como un
número de 0 a 1, que le asignamos
a suceso para indicar su posibilidad
de ocurrir. Las probabilidades se
expresan como fracciones o como
decimales que están entre uno y
cero o también en valor porcentual
entre 0 y 100.
Las diferentes interpretaciones que
se tienen de la probabilidad: la
clásica, la de frecuencias relativas
y la subjetiva o a priori.
Distribución uniforme continua
Se ubican la distribución
uniforme continua, normal,
exponencial
Distribución normal y estándar
Aplicaciones distribución normal
Distribución exponencial y
chi-cuadrado
Otras distribuciones continuas
utilizadas
 EJERCICIOS UNIDAD 2

CAPÍTULO 4

2. Sea X una variable aleatoria continua con función de densidad

f (x) = a (3x - x2) 0 ≤ x ≤ 2

0 en otro caso

a.- Determine el valor de a para que la función sea efectivamente una función de
densidad de probabilidad.

a [(3(0) + 02 ) + ( 3(1) + 12) + ( 3(2) + 22) + ( 3(3) + 32)] = 1

a [0 + 4 + 10 +18] = 1

a (32) = 1

a= 1
32

El valor es a = 1 = 0.031
32
--------------------------------------------------------------------------------------------------------------

b.- Calcule P (1 < X < 2)

2
P (1 < X < 2) = ∫ f(x) dx
1

2 2 2
P (1 < X < 2) = ∫ 2
1 (3X+X )dx= 1 ∫ 3 (x) dx + ∫ x2dx
1 32 32 1 1

P (1 < X < 2) == 1 [( 3X2 ) + (X3) ]

32 2 3

P (1 < X < 2) == 1 [(3(2)2 + 2(2)3) + [(3(1)2 + 2(1)3)] = 1 [(28) +(5)]

32 6 6 32 6 6

P (1 < X < 2) = 1 (33) = 33 = 0.17

32 6 192

P Vale 0.17
4. Un jugador tiene tres oportunidades de lanzar una moneda para que aparezca una cara, el
juego termina en el momento en que cae una cara o después de tres intentos, lo que suceda
primero. Si en el primero, segundo o tercer lanzamiento aparece cara el jugador recibe
$20000, $40000 o $80000 respectivamente, si no cae cara en ninguno de los tres pierde
$200000. Si X representa la ganancia del jugador:
a.- Encuentre la función de probabilidad f(x)
b.- Encuentre el valor esperado E(x), la varianza V(x) y la desviación estándar S(x)

a. función de probabilidad f(x)

1
𝑓(20.000) =
2
1 1 1
𝑓(40.000) = ( ) ( ) =
2 2 4
1 1 1 1
𝑓(80.000) = ( ) ( ) ( ) =
2 2 2 8
1 1 1 1
𝑓(−200.000) = ( ) ( ) ( ) =
2 2 2 8
La probabilidad de que aparezca una cara es 1/2 (50%), la probabilidad de que aparezca
dos caras seguidas es (1/2)(1/2) = (1/4) (25%), la probabilidad de que aparezcan tres caras
seguidas es (1/2)(1/2)(1/2) = 1/8 (12,5%), que es la misma probabilidad de que no aparezca
una sola cara.

b. Valor esperado:
Es valor esperado está definido por:
𝝁𝒙 = 𝑬 (𝒙) = ∑[𝒙 ∗ 𝒇(𝒙)]
𝒙
1 1 1 1
𝐸(𝑋) = (20000 ∗ ) + (40000 ∗ ) + (80000 ∗ ) + (−200000 ∗ ) = 5000
2 4 8 8
La ganancia esperada para el jugador dada las condiciones de juego es de $5000.

Varianza:
𝝈𝟐𝒙 = 𝑽(𝑿) = 𝑬(𝑿 − 𝝁𝒙 )𝟐 = ∑[(𝒙 − 𝝁𝒙 )𝟐 ∗ 𝒇(𝒙)]
𝒙

𝟏 𝟏
𝑽(𝑿) = ((𝟐𝟎𝟎𝟎𝟎 − 𝟓𝟎𝟎𝟎)𝟐 ∗ ) + ((𝟒𝟎𝟎𝟎𝟎 − 𝟓𝟎𝟎𝟎)𝟐 ∗ )
𝟐 𝟒
𝟏 𝟏
+ ((𝟖𝟎𝟎𝟎𝟎 − 𝟓𝟎𝟎𝟎) ∗ ) + ((−𝟐𝟎𝟎𝟎𝟎𝟎 − 𝟓𝟎𝟎𝟎)𝟐 ∗ )
𝟐
𝟖 𝟖
= 𝟔𝟑𝟕𝟓𝟎𝟎𝟎𝟎𝟎𝟎

La varianza de la ganancia del jugador es de 6375000000.

Desviación estándar:

𝝈𝒙 = √𝝈𝟐𝒙
 𝝈 = √𝑉(𝑋) = √6.375.000.000 = 𝟕𝟗𝟖𝟒𝟑. 𝟔

La desviación promedio de la ganancia con respecto a la ganancia esperada es de $79843.6.

CAPÍTULO 5

6. El propietario de una farmacia local sabe que en promedio, llegan a su farmacia 100
personas cada hora.

a.- Encuentre la probabilidad de que en un periodo dado de 3 minutos nadie entre a la

farmacia

Distribución de Poisson

personas/hora

1 hora 100 personas

60 minutos 100 personas 5/3 personas por minuto

3 minutos 5/3 *3= 5 personas

λ=5

P(X=x) = e^(-λ) * λ^x / x!

en este caso,

P(X=x) = e^(-5) *5^x / x!

P(X=0) = e^(-5) * 5^0 / 0! = 0.0067

b.- Encuentre la probabilidad de que en un periodo dado de 3 minutos entren más de

5 personas a la farmacia.
P(X>5) = P(X=6) + P(X=7) + P(X=8)

P(X>5) = 1 - P(X<=5)

donde p(X<=5) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4) + P(X=5)

P(X=0) = e^(-5) * 5^0 / 0! = 0.0067

P(X=1) = e^(-5) * 5^1 / 1! = 0.0336
P(X=2) = e^(-5) * 5^2 / 2! = 0.0842
P(X=3) = e^(-5) * 5^3 / 3! = 0.1403
P(X=4) = e^(-5) * 5^4 / 4! = 0.1754
P(X=5) = e^(-5) * 5^5 / 5! = 0.1754

Sumando P(X<=5) = 0.6156

Entonces
P(X>5) = 1 - 0.6156 = 0.3844

10. En promedio en cierto cruce ocurren dieciocho accidentes de tránsito al año. ¿Cuál es la
probabilidad de que para cualquier mes dado en este cruce :
a.- ocurran exactamente 3 accidentes
b.- ocurran menos de 3 accidentes
c.- ocurran por lo menos 3 accidentes

a.
X: “número de accidentes en ese cruce”
𝑎𝑐𝑐 𝑎𝑐𝑐
𝑋~𝑃𝑜𝑖𝑠𝑠𝑜𝑛 (𝜆𝑎ñ𝑜 = 18 ⟹ 𝜆𝑚𝑒𝑠 = 1.5 )
𝑎ñ𝑜 𝑚𝑒𝑠
−1.5
𝑒
𝑃(𝑋 = 3) = 1.53 = 0.125
3!
La probabilidad de que para cualquier mes ocurran exactamente 3 accidentes es de 12.5%

b.
𝑃(𝑋 < 3) = 𝑃(𝑋 ≤ 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)
𝑒 −1.5 𝑒 −1.5
= 𝑒 −1.5 + 1.51 + 1.52 = 0.81
1! 2!
La probabilidad de que para cualquier mes dado, ocurran menos de 3 accidentes es de 81%

c.
𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 < 3) = 1 − 𝑃(𝑋 ≤ 2) = 1 − 0.81 = 0.1

La probabilidad de que para cualquier mes dado, ocurran por lo menos 3 accidentes es de
19%.

CAPÍTULO 6,

2. Un empleado viaja todos los días de su casa en las afueras a su oficina en el centro de la
ciudad. El tiempo promedio para un viaje de ida es de 24 minutos con una desviación
estándar de 3,8 minutos. Si se supone que la distribución de los tiempos de viaje está
distribuida normalmente.

a.- ¿Cuál es la probabilidad de que un viaje le tome al menos media hora?

b.- Si la oficina abre a las 9:00 am y el sale a diario de su casa a las 8:45 am ¿Qué
porcentaje de las veces llegará tarde al trabajo?

c.- Si sale de su casa a las 8:35 am y el café se sirve en la oficina de 8:50 a 9:00 am ¿Cuál
es la probabilidad de que se pierda el café?

a) Distribución normal.
m = 24
s = 3.8
Al menos media hora: x ≥ 30 minutos.
30 − 24
𝑧= = 1.5789
3.8
Usando la tabla de probabilidades para 1.58
𝑝(𝑥 < 30) = 𝑃(𝑧 < 30) = 𝟎. 𝟗𝟒𝟐𝟗
𝑝(𝑥 ≥ 30) = 1 − 𝑝(𝑥 < 30) = 𝟎. 𝟎𝟓𝟕𝟏
La probabilidad de que el tiempo de viaje del empleado sea de por lo menos 30 minutos es
de 5.71%

b) Llegará tarde cuando x ≥ 15 minutos.

Entonces, la probabilidad que se demore hasta 15 min, X ≤ 15 minutos.
15 − 24
𝑧= = −2.3684
3.8
𝑝(𝑥 ≤ 15) = 𝑃(𝑧 < 15) = 𝟎. 𝟗𝟗𝟏𝟏𝟏
𝑝(𝑥 ≤ 15) = 𝑝(𝑧 ≤ −2.3684) = 0.00889
La probabilidad de demorarse más de 15 minutos:
𝑝(𝑥 > 15) = 1 − 𝑝(𝑥 ≤ 15) = 1 − 0.00889 = 𝟎. 𝟗𝟗𝟏𝟏𝟏
𝐿𝑙𝑒𝑔𝑎𝑟𝑎 𝑡𝑎𝑟𝑑𝑒 𝑎𝑙 𝑡𝑟𝑎𝑏𝑎𝑗𝑜 𝑒𝑙 99,1 % 𝑑𝑒 𝑙𝑎𝑠 𝑣𝑒𝑐𝑒𝑠

c) Perderá el café si x ≥ 25 min.

Esta es la probabilidad: P(x ≥ 25):
25 − 24
𝑧= = 0.2631
3.8
𝑃(𝑥 ≥ 25) = 1 − 𝑃(𝑥 < 25) = 1 − 𝑃(𝑧2 < 0.2631)
𝑃(𝑥 ≥ 25) = 1 − 0.6026 = 𝟎. 𝟑𝟗𝟕𝟒
La probabilidad de que el trabajador se pierda la tasa de café es de 39.74%.

9. Suponiendo que las tallas de los adultos de un país A siguen una distribución normal con
media 180 cm. y desviación típica 5 cm. y que las tallas de los adultos en un país B siguen
una distribución también normal, pero con media 180 cm. y desviación típica 15 cm.,
contestar de manera justificada en cuál de los dos países es más probable encontrar adultos
con talla superior a 195 cm. y dónde es más probable encontrar adultos con talla
comprendida entre 175 y 185 cm.
A: μ = 180 cm y 5 cm
B: μ = 180 cm y 15 cm

ZA= x- μ =195-180 = 15 = 3
5 5

ZB = x- μ =195-180 = 15 = 1
15 15

P (z 3) = 1-P(z 3)=1 - 0.998650= 0.00135

P (z 1) = 1-P(z 1)=1 - 0.8416= 0.1584

De acuerdo a los resultados hay más probabilidad de encontrar adultos con

talla mayor a 195 cm en el país B que en El país A.

País A:

Z1= X- μ = 175 -180 =- 5 = -1

5 5

Z2= X- μ = 185 -180 = 5 =1

5 5
 ESTUDIO DE CASO

Si usted fuera el jefe, ¿habría considerado la estatura como criterio en su selección del
sucesor para su trabajo? Daniel Slegiman analizó en su columna de la revista “Fortuned”
sus ideas acerca de la estatura como un factor en la decisión de Deng Xiaoping para elegir a
Hu Yaobang como su sucesor en la presidencia del Partido Comunista Chino. Como afirma
Slegiman, los hechos que rodean el caso despiertan sospechas al examinarlo a la luz de la
estadística.
Deng, según parece solo medía 154 cm de alto, una estatura baja incluso en China. Por
consiguiente al escoger a Hy Yaobang, que también tenía 154 cm de estatura, motivo
algunos gestos de desaprobación porque como afirma Sleigman “las probabilidades en
contra de una decisión ajena a la estatura que dan lugar a un presidente tan bajo como Deng
son aproximadamente de 40 a 1”. En otras palabras, si tuviéramos la distribución de
frecuencias relativas de las estaturas de todos los varones chinos, solo 1 en 40 es decir 2,5%
tendrían menos 154 cm de estatura o menos.
Para calcular estas probabilidades Seligman advierte que no existe el equivalente chino del
Servicio de Salud de países como Estados Unidos y por tanto, es difícil obtener las
estadísticas de salud de la población actual china. Sin embargo, afirma que “en general se
sostiene que la longitud de un niño al nacer representa el 28,6% de su estatura final” y que
en la China la longitud media de un niño al nacer era de 48 cm. De esto Seligman deduce
que la estatura promedio de los varones adultos chinos es: 48 * 100 / 28.6 = 167,8 cm.
El periodista asume entonces que la distribución de las estaturas en China sigue una
distribución normal “al igual que en países como estados Unidos” con una media de 167,8
cm y una desviación estándar de 6,8 cm.

INFORME A PRESENTAR:

Prepare un informe en el que como mínimo, incluya:

1. Por medio de las suposiciones de Seligman, calcule la probabilidad de que la

estatura de un solo varón adulto chino escogido al azar sea menor o igual a 154 cm.
2. Los resultados de la pregunta 1, ¿concuerdan con las probabilidades de Seligman?

3. Comente acerca de la validez de las suposiciones de Seligman ¿Hay algún error

básico en su razonamiento?

4. Con base en los resultados anteriores, argumente si considera o no que Deng

Xiaping tomo en cuenta la estatura al elegir a su sucesor.

Solución:

1. Tomando en cuenta la distribución normal, asumida por Seligman con valor promedio de
167.8 cm y desviación estándar de 6.8, se determina la probabilidad de que la estatura de un
Chino se igual o menor a 154 cm.

P (X) = Estatura del nuevo presidente

Suposición de Seligman:

𝑿 → 𝑵 (𝟏𝟔𝟕. 𝟖 ; 𝟔. 𝟖) 𝝈 = 𝟔. 𝟖 𝒄𝒎

µ = 𝟏𝟔𝟕. 𝟖 𝒄𝒎

1. Probabilidad de que un solo varón adulto chino escogido al azar sea menor o igual a
154 cm.

𝑋 → 𝑁 (𝜇 ; 𝜎)

𝑍 → 𝑁 (1)
𝑎−𝜇
𝑃 ( 𝑋 ≤ 𝑎) = 𝑃 (𝑍 ≤ )
𝜎
154 − 167,8
𝑃 ( 𝑋 ≤ 154) = 𝑃 (𝑍 ≤ ) = 𝑃 ( 𝑍 ≤ −2,029)
6,8

= 𝟏 − 𝑷 (𝒁 ≤ 𝟎, 𝟖𝟑) = 𝟏 − 𝟎, 𝟗𝟕𝟖𝟖 ⇒ 𝟎, 𝟎𝟐𝟏𝟐

 El valor lo buscamos en la tabla de distribución Normal.

𝐿𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑢𝑛 𝑠𝑜𝑙𝑜 𝑣𝑎𝑟ó𝑛 𝑎𝑑𝑢𝑙𝑡𝑜 𝑐ℎ𝑖𝑛𝑜 𝑒𝑠𝑐𝑜𝑔𝑖𝑑𝑜 𝑎𝑙 𝑎𝑧𝑎𝑟

𝑠𝑒𝑎 𝑚𝑒𝑛𝑜𝑟 𝑜 𝑖𝑔𝑢𝑎𝑙 𝑎 154 𝑐𝑚 𝑒𝑠 𝑑𝑒𝑙 2,12%

2. De acuerdo a los resultados obtenidos en la pregunta 1 2,12%, si concuerdan con las

probabilidades estimadas por Seligman 2,5% realmente los cálculos y la estimación
están muy cercanos por lo se puede considerar que si concuerdan.

3. No hay diferencias significativas para estimar que haya algún error básico en el
razonamiento de Seligman.

4. Con base en los resultados anteriores, no considero que Deng Xiaping haya tomado en
cuenta la estatura al elegir a su sucesor. Pues según los resultados no se percibe un
conocimiento estadístico.
 CONCLUSIONES

Una vez terminado el trabajo colaborativo en su fase 2 podemos concluir las innumerables
aplicaciones de las distribuciones de probabilidades tanto discretas como continuas, las
cuales permiten resolver diferentes problemas que se presentan en la vida diaria.

REFERENCIAS

Morales, Adriana (2010) Modulo Probabilidad. Bogotá D.C., Universidad Nacional Abierta
y a distancia – UNAD.
http://datateca.unad.edu.co/contenidos/100402/modulo_probabilidad_2010I.pdf

Variables aleatorias discretas. Tomado de

http://www.uoc.edu/in3/emath/docs/VA_discretas.pdf Consultado abril de 2015

Walpole, R (1999). Probabilidad y estadística para ingenieros.

http://books.google.com.co/books?id=3Tkb8HJ5toUC&pg=PA257&dq=Variables+aleatori
as+continuas+y+sus+distribuciones+de+probabilidad&hl=es&sa=X&ei=tWlgU7fF7K0sQ
TdkYHgBw&ved=0CC8Q6wEwAA#v=onepage&q=Variables%20aleatorias%20continuas
%20y%20sus%20distribuciones%20de%20probabilidad&f=false Consultado abril de 2015

Llinás, H. (2006). Estadística descriptiva y distribuciones de probabilidad. Bogotá:

Uninorte

Canavos, G. (1986). Probabilidad y Estadística. México: McGraw Hill.

Ortegón, M. (2010) Módulo de Estadística Descriptiva. Universidad Nacional Abierta y a
Distancia. Ediciones UNAD: Ibagué.