Presentado por:
Presentado a:
Zoraida Monsalve
Grupo: 100402_28
Probabilidad
Junio de 2018
Introducción
En el presente trabajo, se estudia de manera ágil los diversos tipos de distribución probabilística,
caracterizaremos cada distribución. Una distribución de probabilidad indica toda la gama de valores
que pueden representarse como resultado de un experimento.
Una distribución de probabilidad es similar a la distribución de frecuencias relativas, sin embargo,
en vez de describir el pasado, describe la probabilidad que un evento se realice en el futuro;
constituye una herramienta fundamental para la prospectiva, puesto que se puede diseñar un
escenario de acontecimientos futuros considerando las tendencias actuales de diversos fenómenos
naturales.
De acuerdo con el estudio de las estadísticas entre sus objetivos implica conocer de manera
cuantitativa determinada parte de la realidad, por esto se hace necesario construir un modelo
particular del objeto de estudio; en este sentido la probabilidad se caracteriza en la forma medible
de diferentes valores donde se asigna a cada posible resultado de un experimento aleatoriamente
probabilidad.
Cuadro sinóptico
El grupo diseña y presenta en un cuadro sinóptico el resumen de los conceptos teóricos de la unidad
2 que dan sustento a la solución de los estudios de cada propuesto y solucionados por el grupo.
Variable Aleatoria y
Distribuciones Discretas
ESTUDIO DE CASO 1
Supongamos que X es una variable aleatoria discreta y que x es uno de sus valores posibles. La
probabilidad de que la variable aleatoria X tome el valor específico x se representa por medio de
P(X = x). La función de probabilidad de una variable aleatoria es una representación de las
probabilidades de todos los resultados posibles. Esta representación podría ser algebraica, gráfica
o tabular. En el caso de las variables aleatorias discretas, un sencillo método es enumerar las
probabilidades de todos los resultados posibles de acuerdo con los valores de x.
Número de usuarios 0 2 3 5 6 8 10 12 15
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
Si X es la variable que representa el número de usuarios que la empresa debe atender a la hora de
inicio del servicio, con base en esta información y haciendo uso de los conceptos de variables
aleatorias discretas y función de probabilidad, prepare un informe en el que debe incluir como
mínimo lo siguiente:
3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente ocho usuarios del
barrio esperando el servicio
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del barrio
esperando este servicio
5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro usuarios del
barrio en este servicio
7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la empresa
DESARROLLO
Si X es la variable que representa el número de usuarios que la empresa debe atender a la hora
de inicio del servicio, con base en esta información y haciendo uso de los conceptos de variables
aleatorias discretas y función de probabilidad, prepare un informe en el que debe incluir como
mínimo lo siguiente
Número de Usuarios 0 2 3 5 6 8 10 12 15
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
12 12 12
10
8 8
6
5
4
2 2
0
0 2 3 5 6 8 10 12 15
Numero de Usuarios
100 100
Probabilidad Acumulada
92
80 80
66
60
50
40 37
20 19
7
0 2
0 2 3 5 6 8 10 12 15
Numero de Usuarios
Varianza: S² = (∑(X-M) )/ n
S²: Varianza
S =√(∑(X-M) )/ n
La probabilidad de que en un día seleccionado aleatoriamente haya más de seis usuarios del
barrio esperando este servicio es del 50% en este caso.
La probabilidad de que en un día seleccionado aleatoriamente haya menos de cuatro usuarios del
barrio en este servicio es del 19% en este caso.
La desviación estándar de este caso es de 12,83, un valor bastante lejano, lo cual significa que hay
un desorden en los valores de los datos obtenidos en este estudio.
7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para la
empresa
Al comienzo del nuevo horario de la prestación del servicio se obtiene que fue muy favorable el
resultado obtenido, al transcurrir el tiempo se muestra que la favorabilidad del servicio va en
descenso.
Resumen de los conceptos teóricos de la Unidad 2 utilizados para resolver el caso N°1
Variable aleatoria
Una variable aleatoria es aquella variable que toma diferentes valores numéricos, mediante un
proceso de contar o medir, como producto de un experimento aleatorio. Esta variable es un valor o
magnitud que cambia de una ocurrencia a otra sin seguir una secuencia predecible, es decir, en
forma aleatoria.
Recordemos que un experimento aleatorio es aquel del cual conocemos sus resultados (espacio
muestral), pero no sabemos cuál de ellos (qué punto muestra) es el que sucederá; es decir, el
resultado del experimento está libre de una determinación, es aleatorio. Por ejemplo, considere
como experimento un partido de fútbol entre el equipo “A” y “B”, y la variable aleatoria asociada
con este experimento mostrará los posibles resultados de este juego.
Los posibles resultados del experimento son: gana “A”, gana “B”, hay empate. Sin embargo, no
sabemos cuál de estos tres resultados se dará. La variable aleatoria tiene tres 2 gana “B” 1 gana
“A” 3 empate valores numéricos de probabilidad de ocurrencia. Por ejemplo, suponga que la variable
aleatoria referida toma los valores de ocurrencia siguientes: Entonces, la variable aleatoria de este
juego de fútbol tiene tres resultados posibles: Espacio muestral (juego de fútbol) 5 {gana “A”, gana
“B”, empate}
Por otro lado, dado que una variable aleatoria toma valores numéricos producto de un proceso de
contar o bien de un proceso de medir, entonces, con base en ello estas variables se clasifican en
variables aleatorias discretas o continuas. Las variables aleatorias discretas son aquellas que toman
un número limitado de valores, generalmente números enteros que son producto de un conteo.
Una distribución de probabilidades de una variable aleatoria discreta es el conjunto de todos los
posibles resultados numéricos de un experimento a los que podemos asignar un valor de ocurrencia
o probabilidad. Este conjunto de resultados es mutuamente excluyente y pueden expresarse
mediante una fórmula, una gráfica o por medio de un cuadro estadístico (tabla).
Matemáticamente hablando, la distribución de probabilidades de una variable aleatoria discreta X
es una función P X (x) que da un valor de probabilidad a cada valor x que forma la variable aleatoria
X.
Esta distribución de probabilidades de una variable aleatoria discreta X tiene las siguientes
propiedades:
• La probabilidad P X (x) de cada valor que presenta la variable X debe tomar un valor numérico en
el intervalo n ∑ i = 1 P X (x P (X i) 5 0 # P 5 x 1 X (x) # 1 para toda 1
• La suma de las probabilidades para todos los valores ( x i ) de X es igual a 1(uno), es decir, ∪ X
5 x 2 ) 5 i 5 1, 2, 3, ..., P X ( x 1 ) 1 n
• Como cada valor de X es un suceso mutuamente excluyente, sus probabilidades son aditivas, es
decir: P X ( x 2 )
Si retomamos el ejemplo de la Oficina de la Tesorería del Gobierno del Distrito Federal, a cada valor
de la variable aleatoria le podemos asignar un valor numérico de ocurrencia (probabilidad) en la
siguiente forma:
P ( X 5 121) 5 4 80 5
Número de Contribuyentes X 120 121 122 123 124 125 126 127 128 129 130 Total Cuadro 4.5.
0.05 Con el mismo procedimiento, se calcula la distribución de probabilidad de los valores numéricos
que toma la variable aleatoria discreta.
Distribución de probabilidad
Una distribución de probabilidad indica todos los resultados probables de un experimento, así como
la probabilidad de ocurrencias de estos resultados, también podemos decir que es una lista de todos
los resultados de un experimento y la probabilidad que se asocia con cada uno de ellos.
Es aquella que nos muestra la forma en que se encuentran distribuidas las diversas probabilidades
de cada valor que asume la variable aleatoria.
A menudo se utilizan tablas o gráficas para mostrar cómo la probabilidad total asignada a un espacio
muestral se distribuye en relación con los resultados de dicho espacio. Las probabilidades indican
el porcentaje de veces respecto a un gran número de observaciones en que se espera que se
presenten los diversos resultados de una variable aleatoria.
También podemos decir que una vez que tenemos una distribución de probabilidad de alguna
variable o algún fenómeno, una primera aproximación para mostrar su comportamiento sería el
método gráfico, en el cual se puede mostrar de varias formas la manera en que se encuentran
distribuidas las diferentes probabilidades, pero en este caso sólo veremos la forma en que se
presentan los datos apoyándose en un gráfico conocido como distribución de frecuencia
Varianza
Hay que tener en cuenta que la varianza puede verse muy influida por los valores atípicos y no se
aconseja su uso cuando las distribuciones de las variables aleatorias tienen colas pesadas. En tales
casos se recomienda el uso de otras medidas de dispersión más robustas.
Si tenemos un conjunto de datos de una misma variable, la varianza se calcula de la siguiente
forma:
Desviación típica
Para conocer con detalle un conjunto de datos, no solo basta con conocer las medidas de tendencia
central, sino que necesitamos conocer también la desviación que presentan los datos en su
distribución respecto de la media aritmética de dicha distribución, con objeto de tener una visión de
los mismos más acorde con la realidad al momento de describirlos e interpretarlos para la toma de
decisiones.
Cuando los casos tomados son iguales al total de la población se aplica la fórmula de desviación
estándar poblacional. Así la varianza es la media de los cuadrados de las diferencias entre cada
valor de la variable y la media aritmética de la distribución.
En el caso de que la variable x no se distribuya uniformemente, sino con una probabilidad pi para
cada xi, la desviación estándar será:
Aunque esta fórmula es correcta, en la práctica interesa el realizar inferencias poblacionales, por lo
que en el denominador, según la corrección de Bessel. Esta ocurre cuando la media de muestra se
utiliza para centrar los datos, en lugar de la media de la población. Puesto que la media de la
muestra es una combinación lineal de los datos, el residual a la muestra media se extiende más allá
del número de grados de libertad por el número de ecuaciones de restricción —en este caso una—.
Dado esto a la muestra así obtenida de una muestra sin el total de la población se le aplica esta
corrección con la fórmula desviación estándar muestral.
ESTUDIO DE CASO 2
Una de sus características consiste en que sólo hay dos posibles resultados en un determinado
ensayo del experimento y los resultados son mutuamente excluyentes; Otra característica de la
distribución binomial es el hecho de que la variable aleatoria es el resultado de conteos. Es decir,
se cuenta el número de éxitos en el número total de ensayos. Una tercera característica de una
distribución binomial consiste en que la probabilidad de éxito es la misma de un ensayo a otro.
Un estudio del Departamento de Transporte de Illinois concluyó que 78.5% de quienes ocupaban
los asientos delanteros de los vehículos utilizaba cinturón de seguridad. Esto significa que los dos
ocupantes de la parte delantera utilizaban cinturones de seguridad.
Suponga que decide comparar la información con el uso actual que se da al cinturón de seguridad,
para lo cual selecciona una muestra de 8 vehículos.
Identifíquelos
Para ambos resultados del experimento son: los dos pasajeros de los asientos delanteros
usan el cinturón de seguridad o no lo usan.
Cuando seleccionamos 8 vehículos como muestra existe una cantidad fija de ensayos que es
igual a 8
La probabilidad de usar el cinturón de seguridad es la misma en todos los ensayos (78.5%)2.
2. Diagrama de barras de la distribución de probabilidad binomial que representa esta situación
0.35
Probabilidad binomial
0.3
0.25
0.2
0.15
0.1
0.05
0 1 2 3 4 5 6 7 8
Éxitos
3. Probabilidad de que los ocupantes de la parte delantera en exactamente 5 de los 8 vehículos
seleccionados utilicen cinturones de seguridad
Π= 78,5
Π=8
X= 5
P(5)= 8Cs * (0,785)^5 (1-0,785)^8-5
P(5)= 56* (0,2981) (0,00994)
P(5)= 0,16593
4. Probabilidad de que los ocupantes de la parte delantera de por lo menos 5 de los 8 vehículos
utilicen cinturón de seguridad
0.92891534 (x ≥
5)
0,23698212 ( x≤5)
6. Número de vehículos esperado en los que los ocupantes de la parte delantera utilizan el
cinturón de seguridad.
N= 8
P=0,785
Θ= número de vehículos
Θ= n+p
Θ=8+ 0,785
Θ=6,28
Se espera que, entre 6 y 7 vehículos, los ocupantes de la parte delantera usen cinturón de
seguridad
Resumen de los conceptos teóricos de la Unidad 2 utilizados para resolver el caso N°2
ESTUDIO DE CASO 31
3. La empresa encargada del sorteo informa que Hasta el sorteo anterior, la posibilidad de
“pegarle al gordo” era de 1 en 8 millones, mientras que ahora será de 1 en 15 millones.
Explique esta afirmación.
4. El sorteo también otorga otros premios (ver tabla). Presente la probabilidad de obtener los
premios que incluyen acertar la súper balota.
5. Presente la probabilidad de obtener los premios que no incluyen acertar la súper balota.
1
Tomado y adaptado de Lind, Marchall. Estadística Aplicada a los Negocios y la Economía. Ed. Mc Graw Hill
Variable Aleatoria y Distribuciones Discretas de Probabilidad
Variable Aleatoria
Es aquella que toma diferentes valores numéricos, mediante un proceso de contar o medir, como
Esta variable es un valor o magnitud que cambia de una ocurrencia a otra sin seguir una secuencia
Un experimento aleatorio es aquel del cual conocemos sus resultados (espacio muestra), pero no
sabemos cuál de ellos (que punto de muestra), es el que sucederá, es decir, el resultado del
Es aquella que toma un número limitado de valores, generalmente números enteros que son
producto de un conteo.
Es aquella que toma cualquier valor numérico producto de una medición, el cual está referido a un
rango o intervalo de valores. Igualmente es aquella variable que puede tomar un valor entero, un
Es el conjunto de todos los posibles resultados de un experimento a los que podemos asignar un
pueden expresarse mediante una formula, una gráfica o por medio de un cuadro estadístico (tabla).
Matemáticamente la distribución de una variable aleatoria discreta X es una función P𝑋 (𝑋) que da
La propiedad P 𝑋(𝑋 ) de cada valor que presenta la variable X debe tomar un valor numérico
en el intervalo.
0 ≤ 𝑃𝑋 (𝑋) ≤ 1
La suma de las probabilidades para todos los valores (x) de X es igual a 1, es decir
Como cada valor de X es un suceso mutualmente excluyente sus probabilidades son aditivas,
es decir
𝑚 𝑁− 𝑚
( )( )
𝑘 𝑛− 𝑘
𝑃(𝑥) =
𝑁
𝑛
𝑎 𝑎!
Donde ( )=
𝑏 𝑏!(𝑎−𝑏)!
Tenemos
6 43− 6 37
)( ) ( ) 1
P(6)= 6 6− 6
43 = 1. 43
0
= 43!
( ) 37!.6!
6 6
37! . 6! 6! 688
Entonces = = =
43! 43.42.41.40.39.38 4389446880
86 1
Luego = = 1.5674
548680860 6380010
Resumen de los conceptos teóricos de la Unidad 2 utilizados para resolver el caso N°3
Variable Aleatoria
Es aquella que toma diferentes valores numéricos, mediante un proceso de contar o medir, como
Esta variable es un valor o magnitud que cambia de una ocurrencia a otra sin seguir una
Un experimento aleatorio es aquel del cual conocemos sus resultados (espacio muestra), pero no
sabemos cuál de ellos (que punto de muestra), es el que sucederá, es decir, el resultado del
producto de un conteo.
Es aquella que toma cualquier valor numérico producto de una medición, el cual está referido a un
rango o intervalo de valores. Igualmente es aquella variable que puede tomar un valor entero, un
Es el conjunto de todos los posibles resultados de un experimento a los que podemos asignar un
pueden expresarse mediante una formula, una gráfica o por medio de un cuadro estadístico
(tabla).
Matemáticamente la distribución de una variable aleatoria discreta X es una función P𝑋 (𝑋) que da
La propiedad P 𝑋(𝑋 ) de cada valor que presenta la variable X debe tomar un valor numérico
en el intervalo.
0 ≤ 𝑃𝑋 (𝑋) ≤ 1
La suma de las probabilidades para todos los valores (x) de X es igual a 1, es decir
aditivas, es decir
Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para describir la distribución
de errores en una entrada de datos, el número de rayones y otras imperfecciones en las cabinas de
automóviles recién pintados, el número de partes defectuosas en envíos, el número de clientes que
esperan mesa en un restaurante, el número de accidentes en una carretera en un periodo
determinado.
Usando sus conocimientos sobre distribuciones de probabilidad discretas, presente un informe que
como mínimo contenga:
Si cumple, y los requisitos son que sea una variable aleatoria discreta y que los sucesos de
estudio deben ser independientes.
P (X = K) = u∧K * e∧-u / k
2
Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
4. Probabilidad de que un niño sufra una lesión en los siguientes tres meses del año
K = 1/4 de año
P( X = 1) = 2∧1/4 * 2,71828∧-2 / 1/4! = 0,5 * 0,1353 /0,0416 =0.0169 ≈16,9%
5. Número de lesiones esperado por año y su desviación estándar. Dentro de que limites se espera
entonces que caiga el número de lesiones por año.
6. Realmente, pueden estar tranquilos los padres? Sustente su opinión en los resultados obtenidos
No pueden estar tranquilos, ya que la probabilidad inmediata de sufrir lesiones, es muy alta.
Resumen de los conceptos teóricos de la Unidad 2 utilizados para resolver el caso N°4
Esta distribución es una de las más importantes distribuciones de variable discreta. Sus principales
aplicaciones hacen referencia a la modelización de situaciones en las que nos interesa determinar
el número de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o de espacio,
bajo presupuestos de aleatoriedad y ciertas circunstancias restrictivas. Otro de sus usos frecuentes
es la consideración límite de procesos dicotómicos reiterados un gran número de veces si la
probabilidad de obtener un éxito es muy pequeña.
Se observa la realización de hechos de cierto tipo durante un cierto periodo de tiempo o a lo largo
de un espacio de observación
Los hechos a observar tienen naturaleza aleatoria; pueden producirse o no de una manera no
determinística.
Por otro lado es evidente que se trata de un modelo discreto y que el campo de variación de la
Función de cuantía
A partir de las hipótesis del proceso, se obtiene una ecuación diferencial de definición del mismo
que puede integrarse con facilidad para obtener la función de cuantía de la variable "número de
hechos que ocurren en un intervalo unitario de tiempo o espacio”
Que sería:
Teorema de adición.
"La variable suma de dos o más variables independientes que tengan una distribución de Poisson
de distintos parámetros l (de distintas medias) se distribuirá, también con una distribución de
Poisson con parámetro l la suma de los parámetros l (con media, la suma de las medias) En
efecto:
Sean x e y dos variables aleatorias que se distribuyen con dos distribuciones de Poisson de
distintos parámetros siendo además x e y independientes
Así e
Debemos probar que la variable Z= x+y seguirá una Poisson con parámetro igual a la suma
de los de ambas:
Para Y
ESTUDIO DE CASO 5
Coeficiente intelectual C.I. de un individuo es medido en una escala que va de 45 a 155. Un C.I.
de 100 es el promedio. En la figura siguiente se puede ver que la mayoría de la población tiene el
C.I. alrededor de 100. Existen menos personas que tienen el CI menor a 85 y muy pocos tienen el
CI por encima de 115.
Una empresa que recluta personal para multinacionales, aplica un test de inteligencia a todos los
posibles candidatos. Una persona que desea ser contratada, acaba de presentar el test y le informan
que ha obtenido C.I. igual a 95.
Usando sus conocimientos sobre la distribución de probabilidad normal, presente un informe que
como mínimo contenga:
4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el 30% inferior
(puntuación de CI que deja el 30% de sujetos por debajo).
6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos
µ: media
µ = 100
σ: desviación estándar
σ = 15
x=95
Porcentaje ≤95
X- µ
Z=______
σ
P(X≤95)=P(Z≤95-100 ) =P(Z≤-0.33)=0.3707 P
̤ =37.07
15
Ubique el valor de la tabla para Z, que será el área bajo la curva de la normal estándar (distribución) a la izquierda
de Z.
R/= 37.07%
Porcentaje ≥95
R/=62, 93
R/ 9,38%
4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar en el 30% inferior (puntuación de CI
que deja el 30% de sujetos por debajo).
R/= La puntuación debe ser menor al promedio dado de 45 puntos
6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos
Z=X-µ/σ
R/= 33%
Resumen de los conceptos teóricos de la Unidad 2 utilizados para resolver el caso N°5
Referencias bibliográficas
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 241 a 278.
Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=11013767&t
m=1470693471527
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional. Página 178
a 222. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=183&docID=10436604&t
m=1470693651415
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página 241 a 278
Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=11013767&t
m=1470693471527