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
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
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 la varianza de llegadas para un intervalo de 15 minutos nos dice la fórmula que:
Pi=(x-2)2
Sustituimos:
DISTRIBUCIÓN BINOMIAL
Datos:
x=0, 1, 2, 3, 4, 5, 6, 7, 8
Formula
𝑛
( ) 𝑝 𝑥 𝑞 𝑛−𝑥
𝑥
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
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
Calcule la probabilidad de que el proceso deba dejarse de realizar debido al esquema de muestreo.
λ= 0.04 = 4%
e = 2.71828
n= 15
(0.04)0
𝑝(𝑥 = 0|𝜆 = 0.04) = 01 ⋅ⅇ 0.04 = ⅇ 0.04 = 2.718280.04 = 0.9607
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.
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?
2.- La probabilidad de que 40 o menos de los delincuentes cometerán otro delito es del
65.91%
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