LICENCIATURA EN SEGURIDAD

PÚBLICA.

ASIGNATURA:
ESTADÍSTICA PARA LA INVESTIGACIÓN
EN SEGURIDAD PÚBLICA.

CICLO ESCOLAR:
2019-B2-S1

ALUMNO:
OCTAVIO GUZMÁN VILLANUEVA.

MATRICULA:
ES172005784

ACTIVIDAD:
RESOLUCIÓN DE EJERCICIOS DE MODELOS
PROBABILÍSTICOS.

FECHA DE ENTREGA:
23 ABRIL DEL AÑO 2019.
INTRODUCCION.

Los modelos estadísticos son modelos matemáticos apropiados para situaciones reales en condiciones
específicas, son importantes porque nos ayudan a predecir la conducta de futuras repeticiones de un
experimento aleatorio, pueden ser discretos o continuos.

Los modelos estadísticos son de gran importancia para la carrera de Seguridad Publica, hoy en día es
importante conocer el terreno en donde la sociedad denuncia un mayor índice de delitos, es por eso, que
esta asignatura nos ayudara a conocer los procedimientos correctos para la aplicación de métodos de
estudio como lo son los modelos estadísticos los cuales nos permitirán desarrollar estrategias futuras
para prevenir las incidencias delictivas.
DESARROLLO:
Resolución de ejercicios de modelos probabilísticos.

VARIABLES ALEATORIAS

1. Sea X la variable aleatoria que expresa el número de reclusos que habitan en un centro de
readaptación elegido al azar. La distribución de probabilidad de X es la siguiente:
xi 1 2 3 4 5 6 7 8 o mas
pi 0.225 0.321 0.188 0.145 0.062 0.023 0.016 0.020

a. Comprobar que los datos de la tabla representan una distribución de probabilidad.

b. Hallar la probabilidad de que el número de reclusos que habitan en un centro de readaptación
sea menor o igual que 4.
c. Calcular la probabilidad de que al menos dos reclusos habitan en un centro de readaptación.
d. Obtener el número promedio de reclusos que habitan en un centro de readaptación.
e. Determinar el número esperado de reclusos para un intervalo de 15 minutos.
f. Determinar la varianza de llegadas para un intervalo de 15 minutos.

Respuestas.

Inciso a)

Los datos de la tabla SI representan una distribución de probabilidad ya que la suma de las
probabilidades es igual a 1, las probabilidades son positivas con números comprendidos entre 1 y el 0

xi 1 2 3 4 5 6 7 8 o mas Suma
total
pi 0.225 0.321 0.188 0.145 0.062 0.023 0.016 0.020 1

Inciso b)

Para cumplir con el enunciado la variable aleatoria x toma el valor 1, 2, 3,4. Se realiza la suma de
las probabilidades mediante el modelo binominal y da como resultado 0.879

xi 1 2 3 4 Suma
total
pi 0.225 0.321 0.188 0.145 0.879 Es decir 87.9 %
 Inciso c)

La probabilidad se encuentra sumando desde xi3 hasta xi8 quedando de la siguiente manera:

xi 3 4 5 6 7 8 o mas Suma
total
pi 0.188 0.145 0.062 0.023 0.016 0.020 0.454
Es decir el 45.4%

Inciso d)

Para obtener el número promedio de reclusos que habitan en un centro de readaptación utilizaremos
la formula µ = Np quedando de la siguiente manera:

1. µ = 1(0.225) = 0.225
2. µ = 2 (0.321) = 0.642
3. µ = 3 (0.188) = 0.564
4. µ = 4 (0.145) = 0.58
5. µ = 5 (0.062) = 0.31
6. µ = 6 (0.023) = 0.138
7. µ = 7 (0.016) = 0.112
8. µ = 8 (0.020) = 0.16

1(0.225) + 2(0.321) + 3(0.188) + 4(0.145) + 5(0.062) + 6(0.023) + 7(0.016) + 8(0.020) = 2.731

Es decir: 0.225 + 0.642 + 0.564 + 0.58 + 0.31 + 0.138 + 0.112 + 0.16 = 2.731

La sumatoria total del numero promedio multiplicado por la probabilidad que tenemos en la tabla de
datos dada es: µ = 2.731

Inciso e)

Para determinar el número esperado de reclusos para un intervalo de 15 minutos.

Procedimiento = 1 (0.225) + 2 (0.321) + 3 (0.188) + 4 (0.145) + 5 (0.62) + 6 (0.023) + 7 (0.016)

+ 8 (0.020)

Probabilidad = 0.225+0.642+0.564+0.58+0.31+0.138+0.112+0.16= 2.731

El numero esperado de reclusos es del 273.1%

Inciso f)

Para determinar la varianza de llegadas para un intervalo de 15 minutos nos dice la fórmula que:

Pi=(x-2)2

Sustituimos:

0.225(1-2)2 + 0.321(2-2)2 + 0.188(3-2)2 + 0.145(4-2)2 + 0.062(5-2)2 + 0.023(6-2)2 + 0.016(7-2)2 +

0.020(8-2)2

Es decir = .225 + 0 + 0.188 + 0.58 + 0.558 + 0.368 + 0.4 + 0.72 = 3.039

DISTRIBUCIÓN BINOMIAL

Un policía municipal tiene ocho sectores a su cargo, y en promedio la probabilidad de que

ocurra un acto delictivo es: 0.38. Si X representa el número de actos delictivos que pueden
presentarse al policía municipal, construir la distribución de probabilidad.

Datos:

n=8 (Mis sectores)

p=0.38 (Probabilidad de que si ocurran los delitos)

q= 0.62 (Probabilidad de que no ocurra un acto delictivo)

x=0, 1, 2, 3, 4, 5, 6, 7, 8

Formula

𝑛
( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥

Sustituimos y nos queda de la siguiente manera:

Si x = 0

0 0.628−0
8 0.38
( ) = (1)(1)(0.0218340105584896)= 0.02183401 = 2.18%
0
Si x = 1

1 0.628−1
8 0.38
( ) = (8)(0.38)(0.03521) = 0.1070384 = 10.70%
1

Si x = 2

2 0.628−2
8 0.38
( ) = (28)(0.1444)(0.056800235584) = 0.2296547125132288 = 22.96%
2

Si x = 3

3 0.628−3
8 0.38
( ) = (56)(0.054872)(0.0916132832)= 0.281512228 = 28.15%
3

Si x = 4

4 0.628−4
8 0.38
( ) = (70)(0.02085136)(0.14776336)= 0.215674690991872 = 21.56%
4

Si x = 5

5 0.628−5
8 0.38
( ) =(56)(0.0079235168)(0.238328)=0.1057501710669824= 10.57%
5

Si x = 6

6 0.628−6
8 0.38
( ) =(28)(0.003010936384)(0.3844)=0.0324073104882688=3.24%
6
Si x = 7

7 0.628−7
8 0.38
( ) =(8)(0.00114415582592)(0.62)= 0.0056750128965632=0.56%
7

Si x = 8

8 0.628−8
8 0.38
( ) =(1)(0.0004347792138496)(0.62)=0.000269563112586752=0.02%
8

Nuestra tabla de probabilidad quedaría de la siguiente manera:

Suma Total es: 99.94%

xi 0 1 2 3 4 5 6 7 8
pi 0.0218 0.1070 .02296 0.2815 0.2156 0.1057 0.0324 0.00567 0.0002
% 2.18% 10.70% 22.96% 28.15% 21.56% 10.57% 3.24% 0.56% 0.02%

DISTRIBUCIÓN POISSON

1. Un proceso de aprehensión de delincuentes trabaja con un promedio de casos no exitosos del

4%. Cada hora se considera una muestra aleatoria de 15 asaltos y se analiza. Si la muestra contiene
más de un caso de aprehensión no exitoso, el proceso deberá dejarse de realizar.

a) Calcule la probabilidad de que el proceso deba dejarse de realizar debido al esquema de

muestreo.
b) De acuerdo con la respuesta en el inciso a), ¿el esquema de muestreo es adecuado o
generará demasiados procesos de aprehensión sin realizar?

Calcule la probabilidad de que el proceso deba dejarse de realizar debido al esquema de muestreo.

Para este ejercicio utilizaremos la formulas:

Datos

λ= 0.04 = 4%

e = 2.71828

n= 15

Sustituimos los datos en la fórmula:

(0.04)0
𝑝(𝑥 = 0|𝜆 = 0.04) = 01 ⋅ⅇ 0.04 = ⅇ 0.04 = 2.718280.04 = 0.9607

Es decir la probabilidad de que el proceso deba dejarse es del 96.07%

De acuerdo con la respuesta en el inciso a), ¿el esquema de muestreo es adecuado o generará
demasiados procesos de aprehensión sin realizar?

Realizando las operaciones podemos definir que el esquema de muestreo nos indica no ser el
adecuado, por lo tanto se generan demasiados procesos de aprehensión sin realizar, es decir se
recomienda dejar de realizar por el gran número de fracasos que da como resultado.

DISTRIBUCIÓN NORMAL

1. Una investigación sobre los delincuentes juveniles que el juez Conners pone en
libertad condicional reveló que el 38% de ellos cometió otro delito.

a. ¿Cuál es la probabilidad de que los últimos 100 delincuentes juveniles nuevos, 30 o

más cometerán otro delito?
b. ¿Cuál es la probabilidad de que 40 o menos de los delincuentes cometerán otro
delito?
c. ¿Cuál es la probabilidad de que de 30 a 40 de los delincuentes cometerán otro delito?

Utilizaremos la siguiente formula:

Datos.
n = 100
p = 0.38
q = 0.62
x = 30 o mas
y = np = (100) (0.38) = 38
z= √(npq) = √((100)(0.38)(0.62))= 4.8538

1.- La probabilidad de que los últimos 100 delincuentes juveniles nuevos, 30 o más cometerán
otro delito es del 4.85%
¿Cuál es la probabilidad de que 40 o menos de los delincuentes cometerán otro delito?

P (zy-1.64) = 0.4495 + 0.5 = 0.9495

Z= (40-38) = 2 √ 4.85 = 0.41

P (z< 0.41) =0.5+ 0.1591=0.6591

2.- La probabilidad de que 40 o menos de los delincuentes cometerán otro delito es del
65.91%

3.- ¿Cuál es la probabilidad de que de 30 a 40 de los delincuentes cometerán otro delito?

p= (-1.64Z<0.41) = 0.4495 + 0.1591 =0.6086

La probabilidad de que de 30 a 40 de los delincuentes cometerán otro delito es del 60.86%

APROXIMACIÓN DE LA DISTRIBUCIÓN NORMAL A LA BINOMIAL

Un funcionario de seguridad pública sabe que, en promedio, 2% de los delitos que se

cometen volverán a presentarse en un término de 100 días posteriores a la fecha en que
suceden. Use la aproximación normal a la distribución binomial para determinar la
probabilidad de que entre 1500 de esos delitos al menos 40 volverán a presentarse en los
primeros 100 días posteriores a la fecha en que presentaron.

Datos:
p = 0.2
q = 0.98
n = 1500
 = 40
y = (1500) (0.2) = 30
z = 40 – 30 = 10 = 1.84
5.42 5.42
p= (z> 1.84 ) = 0.5 – 0.4671 = 3.2990
La probabilidad de que entre 1500 de esos delitos al menos 40 volverán a presentarse en los
primeros 100 días posteriores a la fecha en que presentaron es de 3.2990
Referencias
Distribución Normal: Ejemplos y ejercicios resueltos. (2015). Obtenido de
http://www.x.edu.uy/inet/Distribucion_Normal_ejemplos.pdf

MateFacil. (2016). Distrubución binomial (Ejercicio resuelto. Obtenido de

https://www.youtube.com/watch?v=OWDIFqB5ZZY&t=823s

MateMovil. (2018). Distribución Normal - Ejercicios Resueltos - Nivel 1. Obtenido de

https://www.youtube.com/watch?v=T7_ktqfVseU

MateTutor. (2016). Distribucion Normal. Obtenido de https://www.youtube.com/watch?v=kH8Rw0AjRBA

MateTutor. (2016). Distribucion Normal Estandarizada. Obtenido de

https://www.youtube.com/watch?v=_gyrWRyh6Qg

Morales, V. H. (2010). MODELOS PROBABILISTICOS Y OPTIMIZACION.

Ross, S. M. (2007). Introducción a la estadística.

Salgado, C. (2016). Modelos probabilisticos. Obtenido de

https://www.academia.edu/9272788/Modelos_probabilisticos

UNADM. (2019). Modelos Probabilísticos.

UNED. (2016). PROBABILIDAD. MODELOS PROBABILISTICOS. Obtenido de

http://portal.uned.es/EadmonGuiasWeb/htdocs/abrir_fichero/abrir_fichero.jsp?idGuia=73712

VITUTOR. (s.f.). Distribución normal y binominal. Obtenido de https://www.vitutor.com/pro/5/a_5.html