Trabajo Colaborativo Fase II

Probabilidad

Presentado por:

Diana Patricia Gutirrez

1.061.690.676

Giovanni Ruiz Gamboa

76.331.370

David Felipe Ospina

16.930.482

Tutor:
Jorge Eduardo Royero

Grupo:
100402_291

UNIVERSIDAD NACIONAL ABIERTA Y/A DISTANCIA

UNAD
 INTRODUCCION

Una distribucin de probabilidad indica toda la gama de valores que pueden representarse como
resultado de un experimento. Una distribucin de probabilidad es similar al distribucin de
frecuencias relativas .Si 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 disear un escenario de acontecimientos futuros considerando las tendencias
actuales de diversos fenmenos naturales.

Introduciendo el concepto de distribucin de probabilidad como el rango de sucesos susceptibles

de ocurrir al realizar un determinado experimento (cun probable es que ocurra un determinado
suceso perteneciente a un experimento concreto).
 1. OBJETIVOS

Estudiar los conceptos de funcin de probabilidad y funcin de densidad para

variables aleatorias discretas y continuas, respectivamente.
Examinar la distribucin normal y el contexto de su aplicacin.

Asumir la necesidad y utilidad de la probabilidad como herramienta en su ejercicio

profesional.
Conocer las distintas escalas de medicin y posibilidades de las mismas en el anlisis
de probabilidad
Aplicar las diferentes Reglas de las Probabilidades para la Toma de Decisiones.
 2. DESARROLLO ESTUDIOS DE CASO

2.1 ESTUDIO DE CASO 2

La distribucin de probabilidad binomial es una distribucin de probabilidad discreta que se

presenta con mucha frecuencia. Una de sus caractersticas consiste en que slo hay dos posibles
resultados en un determinado ensayo del experimento y los resultados son mutuamente
excluyentes; Otra caracterstica de la distribucin binomial es el hecho de que la variable
aleatoria es el resultado de conteos. Es decir, se cuenta el nmero de xitos en el nmero total de
ensayos. Una tercera caracterstica de una distribucin binomial consiste en que la probabilidad
de xito es la misma de un ensayo a otro.

Un estudio del Departamento de Transporte de Illinois

concluy que 76.2% de quienes ocupaban los asientos
delanteros de los vehculos utilizaba cinturn de
seguridad. Esto significa que los dos ocupantes de la
parte delantera utilizaban cinturones de seguridad.
Suponga que decide comparar la informacin con el uso
actual que se da al cinturn de seguridad, para lo cual selecciona una muestra de 12 vehculos.

Presente un informe en el que como mnimo incluya:

1. Esta situacin cumple con los supuestos de la distribucin binomial? Identifquelos

2. Elabore un diagrama de barras para la distribucin de probabilidad binomial que representa

esta situacin

3. Cul es la probabilidad de que los ocupantes de la parte delantera en exactamente 7 de los 12

vehculos seleccionados utilicen cinturones de seguridad?
4. Cul es la probabilidad de que los ocupantes de la parte delantera de por lo menos 7 de los 12
vehculos utilicen cinturn de seguridad?

5. Cul es la probabilidad de que los ocupantes de la parte delantera de mximo 7 de los 12

vehculos utilicen cinturn de seguridad?

6. Encuentre el valor esperado del nmero de vehculos en los que los ocupantes de la parte
delantera utilizan el cinturn de seguridad

Solucin:

1.

Teniendo en cuenta las caractersticas de la distribucin binomial en donde se tiene que:

- Existen nicamente dos posibles resultados de cada prueba en el experimento

- Los resultados son mutuamente excluyentes

- Cada prueba es independiente de cualquier otra prueba

Por tanto, el estudio de caso cumple con las caractersticas de la distribucin binomial debido a
que existen solo dos posibles resultados, usar o no usar cinturones de seguridad, adicionalmente
dado que si un 76,2% de los pasajeros de los vehculos de Illinois usan cinturn de seguridad el
otro 23,8% no lo usan siendo dos resultados excluyentes y por ultimo cada vehculo arroja un
resultado independiente de los otros y el xito o fracaso (usar o no usar cinturn) se puede repetir
en cada uno de los n=12 vehculos de la muestra.

2.
 PROBABILIDAD DE USO DEL CONTURON
SEGURIDAD EN MUESTRA DE 12 VEHICULOS
30,0%

Probabilidad de uso en % 25,0%

25,7% 24,7%
20,0%

15,0% 18,1%
14,4%
10,0%
9,0%
5,0%
0,0% 0,0% 0,0% 0,2% 0,9% 3,3% 3,8%
0,0%
1 2 3 4 5 6 7 8 9 10 11 12
x (muestra de vehiculos)

3.

La probabilidad de que los ocupantes de la parte delantera en exactamente 7 de los 12 vehculos

seleccionados utilicen cinturones de seguridad

Con lo anterior se tiene que la probabilidad de que exactamente 7 de los 12 vehculos usen el
cinturn de seguridad es del 9,02%.

4.
Probabilidad de que los ocupantes de la parte delantera en al menos 7 de los 12 vehculos
seleccionados utilicen cinturones de seguridad

Con lo anterior se tiene que la probabilidad de que los ocupantes de la parte delantera en al
menos 7 de los 12 vehculos seleccionados utilicen cinturones de seguridad es del 95,62%.

5.
La probabilidad de que los ocupantes de la parte delantera de mximo 7 de los 12 vehculos
utilicen cinturn de seguridad se puede calcular aprovechando el ejercicio anterior

Con lo anterior se tiene que la probabilidad de que los ocupantes de la parte delantera en mximo
7 de los 12 vehculos seleccionados utilicen cinturones de seguridad es del 13,39%.

6.

El valor esperado es

, donde n es el nmero de la muestra y p es la probabilidad de que los pasajeros de la

parte delantera del vehculo tengan el cinturn de seguridad.
2.3 ESTUDIO DE CASO 3

El Baloto, es la lotera en lnea de Colombia, supervisado por ETESA (Empresa territorial para
la salud). Es un juego que consiste en acertar 6, 5, 4 o 3 nmeros en cualquier orden de una
matriz del 1 al 45; El jugador seala en un tarjetn los 6 nmeros que escoge. Los nmeros estn
representados en 45 balotas numeradas del 1 al 45. Cada nmero aparece una sola vez y las
balotas ganadoras se seleccionan sin reemplazo. El premio acumulado se entrega a quien haga
coincidir los seis nmeros.

INFORME

Presente un informe en el que como mnimo incluya:

1.- Esta situacin cumple con los supuestos de la distribucin Hipergeomtrica? Identifquelos
(Sugerencia: Divida los 45 nmeros en dos grupos: ganadores y no ganadores)

2.- Usando la distribucin de probabilidad hipergeomtrica determinar la probabilidad de que el

jugador acierte los 6 nmeros

3.- La empresa encargada del sorteo informa que la probabilidad de que coincidan todos los
nmeros es de 1 en 8145060. Qu significa esto en trminos de probabilidad? Coincide esto con
su respuesta anterior. El sorteo tambin otorga un premio si el jugador hace coincidir 3, 4 o 5 de
los nmeros ganadores

4) Calcule la probabilidad, para hacer coincidir 3 de los 6 nmeros ganadores.

5) Calcule la probabilidad de que coincidan 4 de los 6 nmeros ganadores

6) Calcule la probabilidad de que coincidan 5 de los 6 nmeros ganadores

7) Con base en los resultados obtenidos, usted invertira dinero en el BALOTO?

Solucin:

1) Si en el apartado 2 nos dicen que calculemos la probabilidad usando la distribucin

hipergeomtrica ser porque este apartado es verdadero, luego a intentar demostrarlo.

En la distribucin hipergeomtrica hay una poblacin N y unos elementos de ella que cumplen
una propiedad, la cantidad de estos elementos es d. Entonces nosotros extraemos una muestra n
de la poblacin y la distribucin nos da la probabilidad que hayamos elegido x elementos con la
propiedad.

La poblacin N son los 45 nmeros.

Los elementos que cumplen la propiedad son los 6 que han salido en el sorteo.

La muestra que tomamos es una muestra de 6 nmeros.

Y la probabilidad que nos da la distribucin hipergeomtrica es la de tener de 0 a seis ganadores

en la muestra.

2)

Dicha probabilidad viene dada por esta frmula:

La de acertar 6 es:
3) En trminos de probabilidad significa

Coincide a la perfeccin porque llegu a esa misma fraccin.

4) Usaremos la frmula que enuncibamos antes pero ahora con x=3

La de acertar 3 es:
5)

Aplicamos la frmula para el caso n=4

La de acertar 4 es:

El combinatorio 45 sobre 6 ya est calculado dos veces antes, se coloca directo:

6)

Aplicamos la frmula
La de acertar 5 es:

El combinatorio 45 sobre 6 ya est calculado dos veces antes, se coloca directo:

7)

Con base a los resultados no, porque acertar 6 es casi imposible y acertar 5 medio imposible,
tampoco es fcil acertar 4 y acertar 3 con suerte una vez al ao si juegas todas las semanas.

Pero aparte de las probabilidades hay que tener en cuenta lo que no se reparte en premios porque
se lo lleva el estado, y eso puede ser el 45% o ms, y despus los impuestos si te tocara un
premio gordo. Luego no, no jugara.
2.3 ESTUDIO DE CASO 5

Para una poblacin grande de personas sin hogar, Wong y

Piliavin (2001) examinaron factores de estrs, recursos y
agotamiento psicolgico empleando la Escala de Depresin del
Centro de Estudios Epidemiolgicos (CESD), un cuestionario
de evaluacin comunitario.

Entre las personas sin hogar, la puntuacin media del

cuestionario CESD es 23,5 con una desviacin estndar de 7.5 y
se considera que para la Variable X = puntuacin del CESD, la distribucin es normal. Como
trabajador en el rea de admisiones en un refugio para personas sin hogar, usted es el
encargado de aplicar el CESD y debe evaluar los resultados para las nuevas personas que
lleguen al centro.

Dentro de las polticas del refugio se encuentra que cualquier persona cuya puntuacin sea de
20 o ms puntos en el CESD debe enviarse a ver a un doctor.

INFORME A PRESENTAR:

Prepare un informe en el que como mnimo, incluya:

1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al doctor

Tenemos los siguientes datos

23,5= desviacin estndar

3,5 = variable X

2. La probabilidad de que una persona que llegue al refugio tenga una puntacin de 10 o
menos puntos.
Comparando valores con la tabla el resultado es 0.0359 = 3,59%

3. La probabilidad de que una persona que llegue al refugio tenga una puntuacin entre 16 y
20 puntos

Para personas con puntuacin entre 16 puntos

El valor segn la tabla es: 0.158 = 15,87%

Para personas con puntuacin entre 20 puntos

Analizando los valores de la tabla el resultado es: 0,3228 = 32,28%

Teniendo los valores de la tabla, como las areas encontradas para x=16 y x=20 estn ala
izquierda de la media (23,5) se restan los dos valo9res y encontramos el porcentaje en el
intervalo as:

Entonces la probabilidad de que una persona llegue al refugio y que tenga una puntuacin
entre 16 y 20 puntos es de 16,41%
4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser enviadas a los
servicios de prevencin de suicidios, Qu puntuacin hace calificar a una persona que llega
al refugio para este servicio?

La poblacin que hace calificar a una persona que llega al refugio para el servicio de prevencin
de suicidios es de 27,025 en adelante.

5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a un servicio de
orientacin laboral para mejorar sus recursos. Qu puntuacin permite calificar a una
persona para acceder a este servicio?

La puntuacin para acceder al servicio de orientacin laboral est por debajo de 17,625

3. RESUMEN DE CONSEPTOS

3.1 EXPERIMENTOS ALEATORIOS Y ESPACIO MUESTRAL:

Experimentos o fenmenos aleatorios son los que pueden dar lugar a varios resultados, sin que
pueda ser previsible enunciar con certeza cul de stos va a ser observado en la realizacin del
experimento. Si dejamos caer una piedra y conocemos las condiciones iniciales de altura,
velocidad, etc., sabremos con seguridad dnde caer, cunto tiempo tardar, etc. Es una
experiencia determinista. Si echamos un dado sobre una mesa, ignoramos qu cara quedar
arriba. El resultado depende del azar. Es una experiencia aleatoria. La palabra aleatorio
proviene del vocablo latino alea, el cual significa suerte o azar. Un fenmeno aleatorio, es por
tanto, aqul cuyo resultado est fuera de control y que depende del azar.

Espacio maestral:

Es el conjunto formado por todos los posibles resultados de un experimento aleatorio. A la

coleccin de resultados que se obtiene en los experimentos aleatorios se le llama espacio
muestral. En adelante lo designaremos por S. por ejemplo: En una empresa de lcteos hacen
control de calidad al llenado de bolsas de leche de 1000 cc de volumen. Cada 20 minutos se
verifica el volumen de llenado de la mquina. La evaluacin contina hasta encontrar una bolsa
que no cumple las especificaciones. Sea s el hecho de que la bolsa de leche cumple con las
especificaciones de volumen, y n las que no cumple con ellas. Cul es el espacio muestral de
este experimento?

S = {n, sn, ssn, sssn, ssssn, sssssn,...}

3.2 SUCESOS O EVENTOS. OPERACIONES CON SUCESOS:

Suceso o Evento de un fenmeno o experimento aleatorio es cada uno de los subconjuntos del
espacio muestral S. Los elementos de S se llaman sucesos individuales o sucesos elementales.
Tambin son sucesos el suceso vaco o suceso imposible, , y el propio S, suceso seguro.

Si S tiene un nmero finito, n, de elementos, el nmero de sucesos de E es 2n.

Ej: {1,2}, {2, 4,6}, {3,5} son sucesos. {1}, {2}, {3}..., son sucesos individuales.

En un dado hay 26 = 64 sucesos.

En una moneda hay 22 = 4 sucesos, que son: , {C},{+}, {C,+} Es decir,

S={,{C},{+},{C,+}}}

Operaciones con sucesos o evento:

Ya que los eventos o sucesos son subconjuntos, entonces es posible usar las operaciones bsicas
de conjuntos2, tales como uniones, intersecciones y complementos, para formar otros eventos de
inters, denominados eventos o sucesos compuestos.

Operaciones bsicas con eventos aleatorios

Ya que los eventos son subconjuntos del espacio maestral S, se pueden aplicar las conocidas
operaciones con conjuntos, a los eventos, como son la unin, la interseccin y la diferencia de
eventos.
 Operacin Expresin Descripcin

Unin Unin de eventos originales: es

el evento que sucede si y solo si
A sucede o B sucede o ambos
suceden
Interseccin Interseccin de los eventos
originales, es el evento que
sucede si y slo si A y B
suceden simultneamente.
Complemento El complemento de un conjunto
son todos aquellos elementos de
S que no pertenecen al conjunto
A.
Diferencia A-B La diferencia de los eventos
originales A y B, es el evento
que sucede solo en A pero no en
B.

Diagramas de ven

Para describir las relaciones entre eventos se usan con frecuencia los diagramas.
Estos bien pueden ser los denominados diagramas de Ven o los diagramas de rbol
Los diagramas de Ven suelen emplearse para representar un espacio muestral y sus eventos.

3.3 TECNICAS DE CONTEO

Principio Fundamental Del Conteo

En la teora fundamental del conteo se tienen dos principios bsicos, que son:
Principio de multiplicacin o multiplicativo:

Generalizando si un evento determinado puede realizarse de n1 maneras diferentes, y si un

segundo evento puede realizarse de n2 maneras diferentes, y si, adems, un tercer evento puede
realizarse de n3 maneras diferentes y as sucesivamente, y si al mismo tiempo cada evento es
independiente del otro, entonces el nmero de maneras en que los eventos pueden realizarse en el
orden indicado es el producto:
n1 x n2 x n3 x

Principio aditivo:

Este principio tiene las mismas premisas del principio multiplicativo, pero con la condicin no
de que los eventos sean independientes sino de que sean mutuamente excluyentes, es decir que
cada uno ocurra sin la necesidad de que otro lo haga: n1+ n2 + n3
+

Leccin 7: Factorial De Un Nmero

En el anlisis combinatorio interviene con mucha frecuencia el concepto de factorial de un entero
no negativo n. Este se denota por el smbolo n! y se define como el producto de n por todos los
enteros que le preceden hasta llegar al uno que simblicamente se expresa: n! = n(n-
1)(n-2)1 n _ 1 <

La excepcin es el caso de 0! El cual conviene definirlo como igual a 1 con objeto de preservar
la validez de las frmulas en casos extremos.

Permutaciones Y Variaciones
Considere un conjunto de elementos S = {a,b,c}. Una permutacin de los elementos es un
acomodo u ORDENAMIENTO de ellos. As:
abc acb bac bca cab cba
Son las permutaciones de los elementos del conjunto S y son en total 6 posibles acomodos. Esto
es: 3!= 3 21 = 6
El nmero de permutaciones (acomodos u ordenaciones) de n elementos distintos, tomados todos
de una vez, se denota por n!

<
Una ordenacin de un nmero r de elementos del conjunto de n elementos, r _ n, es denominada
VARIACIN las cuales son permutaciones en las que implica un orden en la colocacin de los
elementos, tomando nicamente una parte de los elementos. Una variacin puede construirse
seleccionando el elemento que ser colocado en la primera posicin del arreglo de entre los n
elementos, para luego seleccionar el elemento de la segunda posicin de entre los n-1 elementos
restantes, para seleccionar despus el tercer elemento de entre los n-2 restantes, y as
sucesivamente. Se trata pues de una permutacin de n elementos tomando r a la vez.
El nmero de permutaciones de n elementos tomados r a la vez se denota como y .

Y en el caso especial de r=n, se tiene:

Cuando uno o varios elementos estn repetidos, el clculo de las permutaciones vara; en este
caso se habla de permutaciones con repeticin. El nmero de permutaciones de n objetos de los
cuales n1 son iguales, n2 son iguales, , nr son iguales, es:

Combinaciones
Suponga que tiene un conjunto de n elementos. Una combinacin de ellos, tomados r a la vez, es
un subconjunto de r elementos donde el orden no se tiene en cuenta. El nmero de
combinaciones de n elementos tomados r a la vez, r _ n, sin tener en cuenta el orden, es:<
El uso de combinaciones es ms usual cuando se trata de contar las posibilidades de ordenar un
conjunto de elementos independientemente de su colocacin o posicin.

Regla Del Exponente

Se trata de un tipo de combinacin o arreglo ordenado en donde siempre hay reemplazo del
elemento que se toma.
Si se tienen un conjunto de N elementos y se construye con estos elementos un conjunto de n
elementos, con la condicin de que cada vez que se tome un elemento del conjunto de N
elementos este sea nuevamente reemplazado, entonces el nmero de posibles arreglos o
acomodos del conjunto de n elementos es:

3.4 AXIOMAS DE PROBABILIDAD

Axiomas Y Teoremas De La Probabilidad

La palabra probabilidad se utiliza para cuantificar nuestra creencia de que ocurra un
acontecimiento determinado. Existen tres formas de estimar probabilidades:

Probabilidad Clsica O De Laplace (fines del siglo xvi).

Bajo este concepto definiremos la probabilidad de obtener un determinado resultado A, en un
experimento aleatorio como la relacin por cociente, entre el nmero de casos favorables a su
ocurrencia, y el nmero de casos posibles. Si representamos la probabilidad de ocurrencia del
evento A, por P(A), se tendr:
Esta es la definicin clsica o apriori (antes de), es de aplicacin fcil, pues no se necesita de
ningn experimento para su clculo, sino nicamente el conocimiento de las condiciones en que
se realiza el experimento. Se supone que todos los resultados posibles son conocidos, y que todos
tienen la misma probabilidad de ocurrir. Si una urna contiene 10 esferas blancas, 15 azules y 5
rojas, la probabilidad de extraer al azar una esfera blanca, es:

P (B) = 10 = 1
30 3

Esta probabilidad se basa en razonamientos abstractos y no depende de la experiencia, lo cual

permite estimar probabilidades sin realizar una gran cantidad de experimentos.

Probabilidad Frecuentista O De Von Mises (frecuencias relativas 1957)

Donde n(A) es el nmero de veces que se observ realmente el evento A, y n es el nmero de
veces que se efectu el experimento. La probabilidad estimada, obtenida en esta forma, se
denomina probabilidad experimental. A medida que aumenta el nmero de ensayos o
experimentos, la probabilidad estimada de que ocurra un evento, que se obtiene a travs de la
frecuencia relativa, se va acercando al valor apriori. Por medio del enfoque de frecuencias
relativas, la probabilidad se determina sobre la base de la proporcin de veces que ocurre un
resultado favorable, en un nmero de observaciones o experimentos. No hay supuesto previo de
iguales probabilidades. De 70 alumnos que

se inscribieron al curso de probabilidad y estadstica en el semestre anterior. 15 no lo terminaron,

20 obtuvieron una calificacin de NA y el resto lo aprobaron, Cul es la probabilidad de que un
alumno acredite la materia?

P (B) = 35 = 1
70 2

Probabilidad Subjetiva (1969)

La probabilidad estimada mediante los enfoques clsicos y experimental, son completamente

objetivos, ya que se determinan con base en hechos reales. En cambio, en algunos casos se
presentan situaciones en las cuales no es posible realizar experimentos repetitivos y los
resultados tampoco son igualmente probables. En estas condiciones, la probabilidad de
ocurrencia de un evento debe evaluarse en forma subjetiva.

4. DIAGRAMA CONSEPTOS UTILIZADOS

 5. CONCLUSIONES

Una variable puede tomar una variable cualquiera durante un proceso dado
Las variables aleatorias son funciones que asocian a cada elemento del espacio muestral
[conjunto de los diferentes resultados de un experimento estadstico] un nmero real, se
clasifican en: Variable aleatoria discreta, proporciona datos cuantitativos discretos, es el
resultado de un proceso de conteo
La distribucin de probabilidad, describe el comportamiento de fenmenos estadsticos es decir,
es un listado de las probabilidades de todos los resultados posibles que podran presentarse si se
efecta un experimento. En la distribucin discreta, las variables asumen un nmero limitado de
valores, por ejemplo el nmero de aos de estudio y en la distribucin continua, las variables en
estudio pueden asumir cualquier valor dentro de determinados lmites, por ejemplo la estatura de
un estudiante.
 6. BIBLIOGRAFIA

Khan Academy (2016). Probabilidad y estadstica - variables aleatorias y distribuciones de

probabilidad. Disponible en internet en https://es.khanacademy.org/math/probability/random-
variables-topic/binomial-distribution /v/expected-value-of-binomial-distribution. Fecha de
consulta: noviembre de 2016.