Anexo 1-Tarea 2-Experimentos Aleatorios y Distribuciones de Probabilidad

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Plantilla probabilidad condicional y las distribuciones de

Probabilidad
XXXXXXXXXXXXXXX
XXXXXXXXXXXXXXX
XXXXXXXXXXXXXXX
XXXXXXXXXXXXXXX
XXXXXXXXXXXXXXX
Tutor:
XXXXXXXXXXXXXX
Curso:
XXXXXXXXX
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD
Ingeniería de sistemas
Probabilidad.
CEAD, abril del 2016

Introducción (mínimo 2 párrafos de 10 líneas de texto cada

uno)
(No borrar este encabezado)
El presente trabajo tiene como fin establecer el estudio de casos

concretos de Variables aleatorias discretas y continuas, al igual que la
Distribuciones discretas de probabilidad y la Distribuciones continuas de
probabilidad.
Lo anterior es necesario y aplicable según los caso que se puedan

obtener en la vida cotidiana como el saber los porcentajes de una
probabilidad, la forma en que se observa una probabilidad acercada
dentro de una gráfica para evidenciar si su acercamiento fue positivo con
relación a los datos obtenidos.
Objetivos
El grupo presenta máximo 3 objetivos, uno general y dos
especificos.
General
Resolver e identificar casos de estudio, utilizando los conceptos propios

de la probabilidad condicional y las distribuciones de Probabilidad.
Especifico
 Definir que son Variables aleatorias discretas y continuas.

 Identificar que son distribuciones discretas y continuas de
probabilidad
Ejercicio 2
El grupo entrega aquí, de manera organizada, el análisis, desarrollo y

solución de ESTUDIO DE CASO que selecciono y explico cada estudiante
a sus compañeros de grupo.
Solución al estudio de caso 1: El grupo entrega aquí, de manera

organizada, el análisis, desarrollo y solución del ESTUDIO DE
CASO presentado
RESPONSABLE ROL SELECCIONADO

Diedrych Solange Jiménez Alertas
Estudio de caso 1:
Distribución Hipergeométrica: Una compañía tiene siete solicitantes

para dos puestos de trabajo: tres mujeres y cuatro hombres. Suponga
que los siente solicitantes están igualmente calificados y que no se da
preferencia para elegir género alguno. Sea x igual al número de mujeres
escogido para ocupar las dos posiciones.
a. Escriba la fórmula para p(x), la distribución de probabilidad de x.
b. ¿Cuáles son la media y la varianza de esta distribución?
c. Construya un histograma de probabilidad para x.
N= 7 solicitantes (población)
x=2
k= 3 puestos de trabajos
1 Tomado y adaptado Mendenhall Beaver Beaver, Introducción a la probabilidad y estadística. 14ª edición 2015
n=3
Candidatos:
2 mujeres y 4 hombres
x: número de mujeres escogido para ocupar las dos posiciones.
(𝑘 𝑁−𝑘
𝑥 ) ( 𝑛−𝑥 ) 𝑛 𝑛!
P(x) = y teniendo en cuenta que Cn ( )=
(𝑁𝑛) 𝑘 𝑘!(𝑛−𝑘)!
Al remplazar los datos tenemos:
(3) (7−2)
2 3−2
P(x) =
(7 )
3
(3) (5)
2 1
P(x) =
(7 )
3
(3!) (5!)
(( )( )
2!1!) 1!4!
P(x) = 7!
( )
3!4!
P(x) = 3 x 5
35
P(x) = 0.04286
Media:
𝜇 =3𝑥𝑝
𝜇 = 3 𝑥 (0.04286)
𝝁 = 𝟎. 𝟏𝟐𝟖𝟓
Varianza
𝑁−𝑛
𝜗2 = 𝑛 𝑥 𝑝 𝑥 𝑞 ( )
𝑁−1
𝑁−𝑛
𝜗 = √𝑛 𝑥 𝑝 𝑥 𝑞 ( ) donde q = 1-p
𝑁−1
7−3
𝜗 = √3 𝑥 0.04286 𝑥 0.95714 ( )
7−1
4
𝜗 = √0.12306906 𝑥 ( )
6
𝜗 = √0.08204604
𝜗 = 0.286436
Distribución Hipergeométrica
Varian Desvio Min Max

n S N Media za Std x x
0.6666 0.3888
3 2 9 67 89 0.62361 0 2
P (exactamente P (como máx P (como mín

x x) x) x)
0 0.4167 0.4167 1.0000 0.6
P (exactamente x)
1 0.5000 0.9167 0.5833
2 0.0833 1.0000 0.0833
0.5
0.4
0.3
0.2
0.1
0
0 1 2
x

CASO presentado
Diedrych Solange Jimenez alertas
Distribución Binomial: La preferencia por el color de un auto cambia

con los años y de acuerdo con el modelo particular que seleccione el
cliente. En año reciente, suponga que 10% de todos los autos de lujo
que se vendieron eran negros. Si 25 autos de es año y tipo se
seleccionan al azar, encuentre las siguientes probabilidades:
a. Al menos cinco autos sean negros.

b. A lo sumo seis autos son negros.
c. Más de cuatro autos son negros.
d. Exactamente cuatro autos son negros.
e. Entre tres y cinco autos (inclusive) son negros.
f. Más de veinte autos no son negros.
X = numero de automóviles negros que existen dentro de nuestra muestra de

25
P = 10% = 0.1 siendo esta la probabilidad de que sean negros
1-P = 1-0.1 = 0.9, siendo el 90% probabilidades de que no sean negros
N = numero de vehículos observados en toda la muestra
Se aplica la experimentación binomial
𝑛
Aplicando la siguiente formula P (X= k) ( ) ∗ 𝑝𝑘 ∗ 𝑞 𝑛−𝑘 donde 1-p =
𝑘
q
a) Punto a tiene un entendimiento de poder manifestar que

al menos cinco sean negros o sea que existe un numero de
autos mayores o iguales a 5.
𝑛
P (X= k) ( ) ∗ 𝑝𝑘 ∗ 𝑞 𝑛−𝑘
𝑘
𝑛
P (X= k) ( ) ∗ 𝑝𝑘 ∗ (1 − 𝑝)𝑛−𝑘
𝑘
Al analizar el procedimiento es necesario calcular con la formula los menores que

cinco, por ser la cantidad de elementos para hallar de pocos datos y no el hallarlos
hasta 25.
Es necesario hallar lo siguiente:
P(X < 5) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4)
Tenemos que
P (X= 0) = (25) ∗ 0.1 ∗ (1 − 0.1)

0 25−0
0
25
P (X= 0) = 1 ∗ 1 (0.9)
P (X= 0) = 1 ∗ 1 (0.0717)
P (X= 0) = 1 ∗ (0.0717)
P (X= 0) = 0.0717
P (X= 1) = (25) ∗ 0.1 ∗ (1 − 0.1)

1 25−1
1
24
P (X= 1) = 25 ∗ 0.1 (0.9)
P (X= 1) = 2.5 (0.07976)
P (X= 1) = 0.1994
P (X= 2) = (25) ∗ 0.1 ∗ (1 − 0.1)

2 25−2
2
23
P (X= 2) = 300 ∗ 0.01 (0.9)
P (X= 2) = 300 ∗ (0.000886)
P (X= 2) = 0.2658
P (X= 3) = (25) ∗ 0.1 ∗ (1 − 0.1)

3 25−3
3
22
P (X= 3) = 2300 ∗ 0.001 (0.9)
P (X= 3) = 2300 ∗ (0.0000984)
P (X= 3) = 0.2263
P (X= 4) = (25) ∗ 0.1 ∗ (1 − 0.1)

4 25−4
4
21
P (X= 4) = 12650 ∗ 0.0001 (0.9)
P (X= 4) = 300 ∗ (0.10941)

P (X= 4) = 0.13840
Al sumar el valor de los P (x = 0 ... hasta X =4)
Tenemos P(X< 5) = 0.0717 + 0.1994 + 0.2658 + 0.2263 + 0.13840
P(X < 5) = 0.901
Al obtener el resultado de los menores o iguales a 5 tenemos: que da como

resultado 0.901
Para hallar P(X>=5) = 1 - P(X<5) = 1 - 0'901 = 0'099
B) "a lo más 6 son negros" = "el número de vehículos negros es menor o igual
que 6"
P(X<=6) = P(X=0) + P(X=1) + ... + P(X=6)

si poseemos los datos extraídos con anterioridad hasta el cinco solo es necesario
hallar los resultados del P(X=05) y P(x=6)
P(X=5) = = (25) ∗ 0.15 ∗ (1 − 0.1)

25−5
5
P(X=5) = (25) ∗ 0.15 ∗ (1 − 0.1)

25−5
5
P(X=5) = (25) ∗ 0.00001 ∗ (0.9)

20
5
P(X=5) = 53130 ∗ 0.00001 ∗ 0.121576

P(X=5) = 53130 ∗ 0.00001 ∗ 0.121576
P(X=5) = 0.06459
P(X=6) = (25) ∗ 0.16 ∗ (1 − 0.1)

25−6
6
P(X=6) = (25) ∗ 0.000001 ∗ (0.9)

19
6
P(X=6) = 177100 ∗ 0.00001 ∗ 0.135085
P(X=6) = 177100 ∗ 0.0000001350 ∗
P(X=6) = 0.02390
Al obtener la sumatoria se tiene:
P(X<=6) = 0.901+0.06459+0.02390
P(X<=6) = 0.9894
C) "más de 4 son negro = "X mayor que 4" = "X mayor o igual que 5"
con lo anterior se identificarán y tomaran los datos antes consignados y tenemos:
P(X>=5) = 1 - P(X<5) = 1 - 0'901 = 0'099
D) "exactamente 4 son negros = "X igual a 4"
P (X= 4) = (25) ∗ 0.1 ∗ (1 − 0.1)

4 25−4
4
21
P (X= 4) = 12650 ∗ 0.0001 (0.9)
P (X= 4) = 300 ∗ (0.10941)
P (X= 4) = 0.13840
E) "entre 3 y 5" inclusive son negros = "3 o 4 o 5" (debemos suponer que el 3 y
el 5 incluidos)
P(3 < X < 5) = P(X=3) + P(X=4) + P(X=5) = 0'2263 + 0'13840 + 0'06459 = 0'4292
F) "más de 20 autos no son negros " = "X mayor que 20"
P(X>20) = P(X=21) + P(X=22) + P(X=23) + P(X=24) + P(X=25)
Si aplicamos la fórmula para esos números el resultado genera unas cifras

significativas de más de 16 cifras por debajo de 0 por lo tanto es necesario, no
existe más de 20 los autos que son negros, por lo anterior
P(X>20) = 0

CASO presentado

Diedrych Solange Jimenez Alertas
Estudio de caso 32:
La distribución de probabilidad de Poisson describe el número de veces

que se presenta un evento durante un intervalo específico. El intervalo
puede ser de tiempo, distancia, área o volumen. La distribución se basa
en dos supuestos. El primero consiste en que la probabilidad es
proporcional a la longitud del intervalo. El segundo supuesto consiste en
que los intervalos son independientes. En otras palabras, cuanto más
grande sea el intervalo, mayor será la probabilidad; además, el número
de veces que se presenta un evento en un intervalo no influye en los
demás intervalos.
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.
2 Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
Un conmutador puede manejar un máximo de 5 llamadas por minuto. Si

la experiencia indica que se recibe un promedio de 3 llamadas por
minuto. Utilice la distribución Poisson para encontrar las probabilidades
de que el número de llamadas recibidas por el conmutador en 1 minuto
sea:
a. A lo sumo 4.
b. Menos de 3.
c. Al menos 4.
d. Quede saturado.
e. Entre 1 y 3.
f. Una o más pero menos de 5.
g. Más de 2 pero menos de 5.
h. Ninguna.
i. Si se cuenta el número de llamadas en 5 minutos, cual es la

probabilidad de que se reciban 4 llamadas.
datos:
𝜇=3 e = 2.7182718
a. A lo sumo 4.:
Es necesario hallar las probabilidades de los intervalos de las
llamadas menores o iguales a 4
P(X≤4) = P(X= 0) + P(X=1) +P (X=2) + P ( X=3) + P ( X=4)

𝜇𝑥 ∗ 𝑒 −𝑢
Es necesario aplicar la siguiente formula: P(x)=
𝑥!
Entonces:
30 ∗(2.7182718)−3
P(X=0) =
0!
30 ∗(0.049787)
P(X=0) =
0!
1∗(0.049787)
P(X=0) =
1
P(X=0) = 0.0497870
31 ∗(2.7182718)−3
P(X=1) =
1!
31 ∗(0.049787)
P(X=1) =
1!
3∗(0.049787)
P(X=1) =
1
P(X=1) = 0.149361
32 ∗(2.7182718)−3
P(X=2) =
2!
32 ∗(0.049787)
P(X=2) =
2!
9∗(0.049787)
P(X=2) =
2
P(X=2) = 0.2240415
33 ∗(2.7182718)−3
P(X=3) =
3!
33 ∗(0.049787)
P(X=3) =
3!
27∗(0.049787)
P(X=3) =
6
P(X=3) = 0.2240415
34 ∗(2.7182718)−3
P(X=4) =
4!
34 ∗(0.049787)
P(X=4) =
4!
81∗(0.049787)
P(X=4) =
24
P(X=4) = 0.168031
Por lo tanto la sumatoria de los datos hallados dará como resultado los
totales dentro de los menores o iguales a 4
P(X≤4) = P(X= 0) + P(X=1) +P (X=2) + P ( X=3) + P ( X=4)
P(X≤4) = 0.0497870 + 0.149361 + 0.2240415 + 0.2240415 + 0.168031
P(X≤4) = 0,815262
b. Menos de 3.
P(X<3) = P(X= 0) + P(X=1) +P (X=2)

P(X<3) = 0.0497870 + 0.149361 + 0.2240415
P(X<3) = 0,4231895
c) Al menos 4.
Tenemos:
34 ∗(2.7182718)−3
P(X=4) =
4!
34 ∗(0.049787)
P(X=4) =
4!
81∗(0.049787)
P(X=4) =
24
P(X=4) = 0.168031
d. Quede saturado, significa que hasta 5 llamadas por minuto
𝜇𝑥 ∗ 𝑒 −𝑢
P(x)=
𝑥!
35 ∗(2.7182718)−3
P ( X= 5) =
5!
35 ∗(0.049787)
P(X=5) =
5!
243∗(0.049787)
P(X=5) =
120
P(X=5) = 0.100
Lo que equivale al 10%
e. Entre 1 y 3 llamadas tenemos
P (1≤X≤3) = P(X=1) +P (X=2) + P ( X=3)

P (1≤X≤3) = 0.149361 + 0.2240415 + 0.2240415
P (1≤X≤3) = 0,5974
f. Una o más pero menos de 5. (Quiere decir que es de 1 hasta

4) sin incluir a 5
P (1≤X<5) = P(X=1) +P (X=2) + P ( X=3) + P ( X=4)

P (1≤X<5) = 0.149361 + 0.2240415 + 0.2240415 + 0.168031
P (1≤X<5) = 0.765475
g. Más de 2 pero menos de 5. (o sea que se toma 3 y 4, pero no

5)
P (2<X<5)= P ( X=3) + P ( X=4)

P (2<X<5)= 0.2240415 + 0.168031
P (2<X<5)= 0.3920725
h. Ninguna.
Significa que toma 0 llamadas por lo tanto tenemos
30 ∗(2.7182718)−3
P(X=0) =
0!
30 ∗(0.049787)
P(X=0) =
0!
1∗(0.049787)
P(X=0) =
1
P(X=0) = 0.0497870

CASO presentado
Diedrych Solange Jimenez Alertas
Estudio de caso 43:
Distribución Normal: Supóngase que se sabe que los pesos de cierto

grupo de personas están distribuidos aproximadamente de forma normal
con media 𝜇=70 𝜇𝜇 y desviación estándar 𝜇=12,5 𝜇𝜇. Use sus
conocimientos sobre la distribución normal para responder:
a. ¿Cuál es la probabilidad de que una persona elegida al azar de
este grupo pese más de 80 kg?
b. ¿Cuál es la probabilidad de que una persona elegida al azar de
este grupo pese entre 50 kg y 85 kg?
c. ¿Cuál es el peso que es superado solo por el 93% de las personas
del grupo?
Datos:
μ = 70 kg
σ = 12,5 kg
Distribución normal
𝑥−𝜇
Z=
𝜎
3
Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
a) ¿Cuál es la probabilidad de que una persona elegida al azar

de este grupo pese mas de 80 kg?
P ( X >=80 kg) = ?
80−70
Z=
12.5
Z = 0.8 con el cual buscamos en la tabla de distribución normal

Según la tabla el resultado es 0.7881
Que equivale al 78.81%
b) ¿Cuál es la probabilidad de que una persona elegida al azar

de este grupo pese entre 50 kg y 85 kg?
μ = 70 kg σ = 12,5 kg X1 = 50 X2 = 85
p =(X1≤X ≤ X2) por lo cual se define:
P = (50≤X≤85) 0 p (
50−70 ≤Z ≤
85−70
12.5 12.5
P = (-1.6 ≤ Z ≤ 1.2)
P = (Z≤1.2 – P(Z≤-1.6)
P = (Z≤1.2 – [1-P(Z≤1.6)]
P = 0.8869- (1-0.9463)
P = 0.8332 p = 83.32% LA PROBABILIDAD
c) ¿Cuál es el peso que es superado solo por el 93% de las

personas del grupo?
93−70
P (x=93) 0 P (Z = = p(Z = 1.84)
12.5
1.48 = x-70/12.5
X = 88.5 Kg es el peso
Ejercicio 3
Mentefacto:
El grupo presenta un mentefacto sobre los conceptos e ideas

fundamentales de la unidad 2, tomando como base los cuadros
sinópticos elaborados individualmente en el ejercicio Nº 1 y la
resolución del ejercicio Nº 2 (involucrando las ideas y conclusiones
generales, de cada uno de los casos de estudio).

CASO presentado

Carlos Eduardo Castillo Revisor - Compilador
Estudio de caso 1:

La relación matemática que permite una distribución hipergeométrica
es:
𝒌 𝑵−𝒌
( )( )
𝒙 𝒏−𝒙
𝑷(𝒙) = 𝑵
( )
𝒏
Tenemos que:
N= Número total de la población.
k = Numero de éxitos de la población.
n = Numero de la muestra.
X = Numero de éxitos de la muestra.
N= 7 solicitantes
k= 2 puestos de trabajos
n = 2 mujeres
x = 2 número de mujeres escogido para ocupar los dos puestos

Una vez identificadas las variables procedemos a reemplazar en la
ecuación luego, desarrollamos las operaciones y calculamos los
combinados.
(2) (7−2) (1) (1) 1

2 2−2
P(x) = = = 21 = 0,047
(7 ) (21)
2
¿Cuáles son la media y la varianza de esta distribución?
Para calcular la media o esperanza vamos a trabajar con la siguiente
formula donde:
𝜇 = 𝑥 ∗ 𝑝(𝑥)
Por lo tanto, tenemos que multiplicar el valor que toma la variable

aleatoria por la probabilidad que lo tome entonces:
𝜇 = 2 ∗ 0,047 = 0,094
𝑉𝑎𝑟𝑖𝑎𝑛𝑧𝑎(𝑥) = 𝜇(𝑥 − 𝜇(𝑥))2 =
x P(x) x- 𝜇(𝑥) (𝑥 − 𝜇(𝑥))2 𝜇(𝑥 − 𝜇(𝑥))2

2 0,047 2-0,094 1,906 0,047*(1,906)2
Por lo tanto, la varianza es 0,17


organizada, el análisis, desarrollo y solución del ESTUDIO DE CASO
presentado

Estudio de caso 2:

i. Al menos cinco autos sean negros.

j. A lo sumo seis autos son negros.
k. Más de cuatro autos son negros.
l. Exactamente cuatro autos son negros.
m. Entre tres y cinco autos (inclusive) son negros.
n. Más de veinte autos no son negros.
10% de los autos de lujos son negros
n= 25
10%*25 = 2,5
P = 5/25*0,1 = 0,02 = 2%
P= 6/25*0,10= 0,024 = 2,4%

P= 4/25*0,10 = 0,016
P = 1-0,016 =0,984 = 98,4%
P= 4/25*0,10 = 0,016
f. Más de veinte autos no son negros
P = 20/25 *0,9 = 0,72 = 72%


presentado

Estudio de caso 3:

demás intervalos.

sea:
j. A lo sumo 4.
k. Menos de 3.
l. Al menos 4.
m. Quede saturado.
n. Entre 1 y 3.
o. Una o más pero menos de 5.
p. Más de 2 pero menos de 5.
q. Ninguna.
r. Si se cuenta el número de llamadas en 5 minutos, cual es la

Tenemos que:
Máximo 5 llamada por minutos
𝜆 = 3 llamadas por minuto
Distribución de Poisson:
Probabilidades de que el número de llamadas recibidas por el

conmutador en 1 minuto sea:
𝑒 𝜆 ∗ 𝜆𝑥
𝑃[𝑋 = 𝑥] =
𝑥!
a. A lo sumo 4:
P(X≤4) = P (X= 0) + P(X=1) +P (X=2) + P (X=3) + P (X=4)
Entonces:
P(X = 0) = 3⁰ ∗ (e)⁻³/ 0! = 0,0497870

P(X = 1) =3¹*(e)⁻³/ 1! = 0,149361
P(X = 2)= 3²*(e)⁻³/ 2! = 0,224041
P(X = 3) =3³*(e)⁻³/ 3! = 0,2240415
P(X = 4)= 3⁴*(e)⁻³/ 4! = 0,16803
P(X ≤ 4) = 0,81526
b. Menos de 3.
P(X<3) = P (X= 0) + P(X=1) +P (X=2)
0,0497870 + 0,149361 + 0,224041 = 0,4231895
P(X<3) = 0,4231895
c. Al menos 4.
P (X=4) = 3⁴ (e)⁻³/ 4! = 0,16803
d. Quede saturado.
P (X= 5) = 3⁵(e)⁻³/ 5! = 0,1 = 10%
e. Entre 1 y 3.
P (1≤X≤3) = P(X=1) +P (X=2) + P (X=3)
0,149361 + 0,224041 + 0,2240415 = 0,5974435
P (1 ≤ X ≤ 3) 0,5974435
P (1≤X<5) = P(X=1) +P (X=2) + P (X=3) + P (X=4)
0,0497870 + 0,149361 + 0,224041 + 0,16803 = 0,16803

0,16803
P (2<X<5) = P (X=3) + P (X=4)
0,2240415 + 0,16803 = 𝟎, 𝟑𝟗𝟐𝟎𝟕𝟏𝟓
h. Ninguna.
P(X=0) = 3⁰*(e) ⁻³/ 0! = 0,0497870


presentado

Estudio de caso 4:

con media 𝜇=70 𝑘𝑔 y desviación estándar 𝜎=12,5 𝑘𝑔. Use sus
este grupo pese ms de 80 kg?
del grupo?
Planteamiento tenemos los siguientes datos:

La media denotada con μ y la desviación con σ
μ = 70 kg
σ = 12,5 kg
Trabajamos con la ecuación que nos dice que nuestro parámetro Z es
igual al valor que queremos encontrar X menos la media μ sobre la
desviación σ, de esta manera
X−μ
𝒁=
σ
¿Cuál es la probabilidad de que una persona elegida al azar de este

grupo pese menos de 80 kg?
P (X≤80 kg)
80 − 70
𝒁= = 𝟎, 𝟖
12,5
P (X≤80 kg) = 0,78814 = 78,814%
grupo pese entre 50 kg y 85 kg?
P (50≤X85) =
P (50≤X) = 0,0548
P (85≤X) =0,88493
P (50≤X85) = P (50≤X) -(1-P (85≤X))
P (50≤X85) =0,06
¿Cuál es el peso que es superado solo por el 93% de las personas del
grupo?
1,-0,93= 0,07 esta probabilista la ubicamos en la tabla de distribución
normal para determinar Z
Z = -1,48
-1,48 = X-70/12,5
-18,5 +70 = X
X = 51,50 kilos

presentado

Deyvis Andrés Diaz Vera Entregas
Estudio de caso 1:

I=7
V=2
4 hombres.
3 mujeres.
Formula:
p(x)=(ck,x*cn-k;n-x)/(cn,n)
p(x)=(c2,2*c7-2;2-2)/c7,2
p(x)= (1*5)/21
p(x)=0,2381
¿Cuáles son las medidas y la varianza de esta distribución?
Media:
u=v*p
u=2*0,2381
u=0,48
Varianza:
o=vpq(i-v/i-1)
o=0,37(5/6)
o=0,30

presentado


N = 25
Al menos 5 autos sean negros:
10%*25=2,5
A=5/25*0,1
A=0,02
A=2%
A lo sumo 6 autos son negros:
B=6/25*0,10
B=0,024
B=2,4%
Mas de 4 son negros:
C=4/25*0,10
C=0,016
C=1-0.016
C=0,984
C=98,4%
Exactamente cuatro autos son negros:
D=4/25*0,10
D=0,016
D=16%
Entre 3 y 5 autos son negros.
E=20/25*0,72
E=5-3*0.72
E=1.44
E=14.4%
Mas de veinte autos no son negros:
F=20/25*0,72
F=0,72
F=72%

presentado

Estudio de caso:

demás intervalos.


sea:
a. A lo sumo 4.
b. Menos de 3.
c. Al menos 4.
d. Quede saturado.
e. Entre 1 y 3.
h. Ninguna.
i. Si se cuenta el número de llamadas en 5 minutos, cual es la

Máximo 5 llamadas por minuto
U = llamada por minuto
e = 2,7182818
probabilidad de que el número de llamadas recibidas por conmutador
en 1 minuto se:
Formula.
P = (X = k) = μ ∧ k ∗ e ∧ −μ/ K!
A lo sumo 4:
A(x = 0) = 30 ∗ (2,7182818)−3 /0! = 0,0497870

A(x = 1) = 31 ∗ (2,7182818)−3 /1! = 0,149361
A(x = 2) = 32 ∗ (2,7182818)−3 /2! = 0,224041
A(x = 3) = 33 ∗ (2,7182818)−3 /3! = 0,2240415
A(x = 4) = 34 ∗ (2,7182818)−3 /4! = 0,16803
A(x ≤ 4) = 0,81526
𝐴 = 81,526%
Menos de 3:
𝐵(𝑥 < 3) = 𝑝(𝑥 = 0) + 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2)

𝐵(𝑥 < 3) = 0,4231
𝐵 = 42,31%
Al menos 4.
𝐶(x = 4) = 34 ∗ (2,7182818)−3 /4! = 0,16803

𝐶 = 16,80%
Quedo Saturado:
𝐷(x = 5) = 35 ∗ (2,7182818)−3 /5! = 0,1

𝐷 = 10%
Entre 1 y 3:
𝐸(1 ≤ 𝑥 ≤ 3) = 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3)

𝐸(1 ≤ 𝑥 ≤ 3) = 0,5975
𝐸 = 59,75%
Uno o más pero menos de 5:
𝑓(1 ≤ 𝑥 < 5) = 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3) + 𝑝(𝑥 = 4)

𝑓(1 ≤ 𝑥 < 5) = 0,19416
𝑓 = 19,416%
Mas de 2 pero menos de 5
𝐺(1 < 𝑥 < 5) = 𝑝(𝑥 = 3) + 𝑝(𝑥 = 4)

𝐺(1 < 𝑥 < 5) = 0,5601
𝐺 = 56,01%
Ninguna
0
𝐻(x = 0) = 3 ∗ (2,7182818)−3 /0! = 0,0497870
𝐻 = 4,978%

presentado

Estudio de caso:

del grupo?
Datos:
U = 70kg
O = 12,5kg
𝑃(𝑥 ≤ 80𝑘𝑔)
𝑧 = 80 − 70/12,5
= 0,8(𝑣𝑎𝑙𝑜𝑟 𝑞𝑢𝑒 𝑢𝑏𝑖𝑐𝑎𝑚𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛)
𝑝 = (𝑥 ≤ 80𝑘𝑔) = 0,78814
𝑝 = 78,81%
𝑝(50 ≤ 𝑥) = 0,0548
𝑝(85 ≤ 𝑥) = 0,88493
𝑝(50 ≤ 𝑥85) = 𝑃(50 ≤ 𝑥) − (1 − 𝑝(85 ≤ 𝑥))
𝑝(50 ≤ 𝑥85) = 0,06
𝑝 = 6%
grupo?
Distribución normal para determinar Z

𝑧 = −1,48
−1,48 = 𝑥 − 70/12,5
−18,5 + 70 = 𝑥
𝑥 = 51,50 𝑘𝑔

presentado

Miller Alejandro Arango Evaluador
Estudio de caso:

d.
Escriba la fórmula para p(x), la distribución de probabilidad de x.
𝐾 𝑁 −𝐾
(𝑋 ) ( 𝑛 − 𝑋 )
𝑃(𝑥) =
𝑁
𝑛
X=2 k=3 N=7 n=2

3 7−3 3 4
(2) (2 − 2) (2) (0) (3) ∙ (1) 3
𝑃(𝑥 = 2) = = = = = 0,1428 = 14,28%
7 7 21 21
2 2
¿Cuáles son la media y la varianza de esta distribución?
(𝑛𝑥) 4
𝑚𝑒𝑑𝑖𝑎 = = = 0,571
𝑛 7
2 2
𝑛(𝑥/𝑁)(1 − (𝑥/𝑁))(𝑁 − 𝑛) 2(7)(1 − (7))(7 − 2)
𝑣𝑎𝑟𝑖𝑎𝑛𝑧𝑎 = =
𝑁−1 7−1
2(0,285)(1 − (0,285))(5) (0,571)(0,715)(5) 2,041325
= = =
6 6 6
= 0,3402

presentado

Estudio de caso:


Al menos cinco autos sean negros.
10% ∙ 25 = 2,5
𝑃 = 5/25 ∙ 0,1 = 0,02 = 2%
A lo sumo seis autos son negros.
𝑃 = 6/25 ∙ 0,10 = 0,024 = 2,4%
Más de cuatro autos son negros.
𝑃 = 4/25 ∙ 0,10 = 0,016

𝑃 = 1 − 0,016 = 0,984 = 98,4%
Exactamente cuatro autos son negros.
4/25 ∙ 0,10 = 0,016
Entre tres y cinco autos (inclusive) son negros.
𝑃 = 3/25 ∙ 0,10 = 0,012
𝑃 = 5/25 ∙ 0,10 = 0,02
𝑃 = 0,012 + 0,02 = 0,032 ∙ 100 = 3,2%
Más de veinte autos no son negros.
P = 20/ 25 ∙ 0,9 = 0,72 = 72%


presentado
Estudio de caso:
A lo sumo 4
𝜆=3
𝑒 = 2,7182718−𝜆
𝑃 = (𝑥 ≤ 4) = 𝑃(𝑋 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)
𝑃(𝑥/𝜆) = 𝜆𝑥 𝑒 −𝜆 /0!
𝑃(𝑥 = 0) = 30 ∙ (2,7182718)−3 /𝑂! = 0,0497870
𝑃(𝑥 = 1) = 31 ∙ (2,7182718)−3 /1! = 0,149361
𝑃(𝑥 = 2) = 32 ∙ (2,7182718)−3 /2! = 0,224041
𝑃(𝑥 = 3) = 33 ∙ (2,7182718)−3 /3! = 0,2240415
𝑃(𝑥 = 4) = 34 ∙ (2,7182718)−3 /4! = 0,16803
𝑃 = (𝑥 ≤ 4) = 𝑃(𝑋 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)
𝑃(𝑥 ≤ 4) = 0,81526 ∙ 100 = 81,52%
Menos de 3.
𝑃 = (𝑥 < 3) = 𝑃(𝑋 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3)

𝑃(𝑥/𝜆) = 𝜆𝑥 𝑒 −𝜆 /0!
𝑃(𝑥 = 0) = 30 ∙ (2,7182718)−3 /𝑂! = 0,0497870
𝑃(𝑥 = 1) = 31 ∙ (2,7182718)−3 /1! = 0,149361
𝑃(𝑥 = 2) = 32 ∙ (2,7182718)−3 /2! = 0,224041
𝑃(𝑥 = 3) = 33 ∙ (2,7182718)−3 /3! = 0,2240415
𝑃 = (𝑥 < 3) = 𝑃(𝑋 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3)
𝑃 = (𝑥 < 3) = 0,6472305 ∙ 100 = 64,72%
Al menos 4.
𝑃(𝑥 = 4) = 34 (2,7182718)−3 /4! = 0,16803 ∙ 100 = 16,83%
Quede saturado.
𝑃(𝑥 = 5) = 35 (2,7182718)−3 /5! = 0,1 ∙ 100 = 10%
Entre 1 y 3.
𝑃(1 ≥ 𝑥 ≤ 3) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3)
𝑃(𝑥 = 1) = 31 ∙ (2,7182718)−3 /1! = 0,149361

𝑃(𝑥 = 2) = 32 ∙ (2,7182718)−3 /2! = 0,224041
𝑃(𝑥 = 3) = 33 ∙ (2,7182718)−3 /3! = 0,2240415
𝑃(1 ≥ 𝑥 ≤ 3) = 0,5974435 = 59,74%
Una o más pero menos de 5.
𝑃(1 ≥ 𝑋 < 5) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)

𝑃(𝑥 = 1) = 31 ∙ (2,7182718)−3 /1! = 0,149361
𝑃(𝑥 = 2) = 32 ∙ (2,7182718)−3 /2! = 0,224041
𝑃(𝑥 = 3) = 33 ∙ (2,7182718)−3 /3! = 0,2240415
𝑃(𝑥 = 4) = 34 ∙ (2,7182718)−3 /4! = 0,16803
𝑃(1 ≥ 𝑥 < 5) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)
𝑝(1 ≥ 𝑥 < 5) = 0,7654735 ∙ 100 = 76,54%
Más de 2 pero menos de 5.
𝑃(1 > 𝑋 < 5) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)

𝑃(𝑥 = 3) = 33 ∙ (2,7182718)−3 /3! = 0,2240415
𝑃(𝑥 = 4) = 34 ∙ (2,7182718)−3 /4! = 0,16803
𝑃(1 > 𝑥 < 5) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)
𝑝(1 ≥ 𝑥 < 5) = 0,3920715 ∙ 100 = 39,20%
Ninguna.
𝑃(𝑋 = 0) = 30 (2,7182718)−3 /0! = 0,0497870 ∙ 100 = 4,97%
Si se cuenta el número de llamadas en 5 minutos, cual es la probabilidad

de que se reciban 4 llamadas.

presentado
Estudio de caso:

del grupo?
Datos:
μ = 70 kg
σ = 12,5 kg
Distribución normal
𝑧 = 𝑥 − 𝜇/𝜎
𝑃(𝑥 < 80𝑘𝑔)
𝑧 = 80 − 70/12,5 = 0,8 𝑣𝑎𝑙𝑜𝑟 𝑞𝑢𝑒 ℎ𝑢𝑏𝑖𝑐𝑎𝑚𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛 𝑛𝑜𝑟𝑚𝑎𝑙
𝑃(𝑥 ≤ 80𝑘𝑔) = 0,78814 ∙ 100 = 78,81%

𝑃(50 ≥ 𝑥 ≤ 85)
𝑃(50 ≤ 𝑥) = 0,0548
𝑃(50 ≤ 𝑥) = 0,88493
𝑃(50 ≥ 𝑋 ≤ 85) = 𝑃(50 ≥ 𝑋) − (1 − 𝑃(85 ≤ 𝑋))
𝑃(50 ≥ 𝑋 ≤ 85) = 0,06 ∙ 100 = 6%
grupo?
1 − 0,93
= 0,07 𝑒𝑠𝑡𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑙𝑎 𝑢𝑏𝑖𝑐𝑎𝑚𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑎 𝑑𝑒 𝑑𝑖𝑠𝑡𝑟𝑖𝑏𝑢𝑐𝑖𝑜𝑛 𝑛𝑜𝑟𝑚𝑎𝑙 𝑝𝑎𝑟𝑎 𝑑𝑒𝑡𝑒𝑟𝑚𝑖𝑛𝑎𝑟 𝑍
𝑧 = −1,48
−1,48 = 𝑥 − 70/12,5
−18,5 + 70 = 𝑥
𝑥 = 51,50 𝑘𝑖𝑙𝑜𝑠
Conclusiones (mínimo 1 por cada participante)

ESTUDIANTE CONCLUSIÓN
Diedrych Solange Jiménez En mi concepto las probabilidades
traen consigo elementos de gran
importancia para la vida diaria, las
cuales logran el estudio de
eventos repetitivos y aplicabilidad,
para buscar una valoración que se
acerque a las realidades de la
cotidianidad
Carlos Eduardo Castillo Si empleamos en nuestra vida
diaria todas las herramientas
vistas en la actividad desarrollada,
harán de nuestras labores una
actividad más sencilla y precisa.
Sorprende que el uso de algunas
fórmulas y planteamientos
puedan representar, proveer
sucesos y de esta manera contar
con los recursos para anticiparnos
y tomar decisiones.
Es importante colocar el nombre de cada estudiante tanto en

conclusiones como en referencias. Si el estudiante no participa, el
compilador deja indicado el nombre del compañero que no aportó y el
espacio de la aportación se dejará en blanco. (borrar esta instrucción
antes de la entrega)
Referencias bibliográficas en formato APA. (Mínimo una por cada

participante, no pueden repetir referencias)
ESTUDIANTE REFERENCIA
Diedrych Solange Rodríguez, F. & Pierdant, A. (2014).
Jiménez Estadística para administración. (Pp. 150-
152).
Carlos eduardo García, Á. M. Á. (2005). Introducción a la
Castillo teoría de la probabilidad. primer curso. Pp.
221-243. Recuperado de
https://bibliotecavirtual.unad.edu.co:2538
Miller Alejandro Minitab.18(2016). Distribuciones de
Arango probabilidad continuas y discretas, soporte
minitab. recuperado de:
https://support.minitab.com/es-
mx/minitab/18/help-and-how-
to/probability-distributions-and-random-
data/supporting-topics/basics/continuous-
and-discrete-probability-distributions/
Es importante colocar el nombre de cada estudiante tanto en

conclusiones como en referencias. Si el estudiante no participa, el
compilador deja indicado el nombre del compañero que no aportó y el
espacio de la aportación se dejará en blanco. (borrar esta instrucción
antes de la entrega)

Anexo 1-Tarea 2-Experimentos Aleatorios y Distribuciones de Probabilidad

Diunggah oleh

Informasi Dokumen

Judul Asli

Hak Cipta

Format Tersedia

Bagikan dokumen Ini

Bagikan atau Tanam Dokumen

Opsi Berbagi

Apakah menurut Anda dokumen ini bermanfaat?

Apakah konten ini tidak pantas?

Hak Cipta:

Format Tersedia

Anexo 1-Tarea 2-Experimentos Aleatorios y Distribuciones de Probabilidad

Diunggah oleh

Hak Cipta:

Format Tersedia

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de

Plantilla probabilidad condicional y las distribuciones de

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA – UNAD

CEAD, abril del 2016

Introducción (mínimo 2 párrafos de 10 líneas de texto cada

El presente trabajo tiene como fin establecer el estudio de casos

Lo anterior es necesario y aplicable según los caso que se puedan

Resolver e identificar casos de estudio, utilizando los conceptos propios

 Definir que son Variables aleatorias discretas y continuas.

El grupo entrega aquí, de manera organizada, el análisis, desarrollo y

Solución al estudio de caso 1: El grupo entrega aquí, de manera

RESPONSABLE ROL SELECCIONADO

Distribución Hipergeométrica: Una compañía tiene siete solicitantes

x: número de mujeres escogido para ocupar las dos posiciones.

a. Escriba la fórmula para p(x), la distribución de probabilidad de x.

Al remplazar los datos tenemos:

b. ¿Cuáles son la media y la varianza de esta distribución?

c. Construya un histograma de probabilidad para x.

Varian Desvio Min Max

P (exactamente P (como máx P (como mín

Solución al estudio de caso 2: El grupo entrega aquí, de manera

Distribución Binomial: La preferencia por el color de un auto cambia

a. Al menos cinco autos sean negros.

X = numero de automóviles negros que existen dentro de nuestra muestra de

P = 10% = 0.1 siendo esta la probabilidad de que sean negros

1-P = 1-0.1 = 0.9, siendo el 90% probabilidades de que no sean negros

N = numero de vehículos observados en toda la muestra

Se aplica la experimentación binomial

a) Punto a tiene un entendimiento de poder manifestar que

Al analizar el procedimiento es necesario calcular con la formula los menores que

Es necesario hallar lo siguiente:

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

P (X= 0) = (25) ∗ 0.1 ∗ (1 − 0.1)

P (X= 1) = (25) ∗ 0.1 ∗ (1 − 0.1)

P (X= 1) = 2.5 (0.07976)

P (X= 2) = (25) ∗ 0.1 ∗ (1 − 0.1)

P (X= 2) = 300 ∗ (0.000886)

P (X= 3) = (25) ∗ 0.1 ∗ (1 − 0.1)

P (X= 3) = 2300 ∗ (0.0000984)

P (X= 4) = (25) ∗ 0.1 ∗ (1 − 0.1)

P (X= 4) = 300 ∗ (0.10941)

Al sumar el valor de los P (x = 0 ... hasta X =4)

Tenemos P(X< 5) = 0.0717 + 0.1994 + 0.2658 + 0.2263 + 0.13840

P(X < 5) = 0.901

Al obtener el resultado de los menores o iguales a 5 tenemos: que da como

Para hallar P(X>=5) = 1 - P(X<5) = 1 - 0'901 = 0'099

P(X<=6) = P(X=0) + P(X=1) + ... + P(X=6)

P(X=5) = = (25) ∗ 0.15 ∗ (1 − 0.1)

P(X=5) = (25) ∗ 0.15 ∗ (1 − 0.1)

P(X=5) = (25) ∗ 0.00001 ∗ (0.9)

P(X=5) = 53130 ∗ 0.00001 ∗ 0.121576

P(X=5) = 53130 ∗ 0.00001 ∗ 0.121576

P(X=6) = (25) ∗ 0.16 ∗ (1 − 0.1)

P(X=6) = (25) ∗ 0.000001 ∗ (0.9)

P(X=6) = 177100 ∗ 0.00001 ∗ 0.135085

P(X=6) = 177100 ∗ 0.0000001350 ∗

Al obtener la sumatoria se tiene:

con lo anterior se identificarán y tomaran los datos antes consignados y tenemos:

P(X>=5) = 1 - P(X<5) = 1 - 0'901 = 0'099

D) "exactamente 4 son negros = "X igual a 4"

P (X= 4) = (25) ∗ 0.1 ∗ (1 − 0.1)

P (X= 4) = 300 ∗ (0.10941)

F) "más de 20 autos no son negros " = "X mayor que 20"