Trabajo Colaborativo

Distribuciones de Probabilidad

Curso 100402A_360

REALIZADO POR:

Oscar Alejandro Ocampo Cd.:

Gloriz Viviana Gmez Cd.: 1.020.735.499

Melwin Sabier Forero Cd.:80547767

Manuel Humberto Ortega Cd.:

TUTOR

LUIS PARMENIO CORREDOR

GRUPO: 100402A_360

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA DE CIENCIAS BSICAS TECNOLOGA E INGENIERA

MAYO DE 2017
 INTRODUCCION

Revisaremos algunos principios relacionados con la probabilidad acuerdo a nuestro curso

virtual. De acuerdo a la unidad 2 en un respectivo caso de estudio analizaremos operaciones

se establece la diferencia entre variables aleatorias discretas y continuas, en trminos de su

funcin de probabilidad, valor esperado, varianza y desviacin estndar se reconocen algunas

de las distribuciones de probabilidad ms comunes, tanto las discretas como las continuas.

Entre las primeras se contemplan la uniforme discreta, binomial, geomtrica, binomial

negativa, Hipergeomtrica y la distribucin de Poisson y, distribuciones de probabilidad

continua, donde se trabajan principalmente la distribucin uniforme, normal, cuadrado.

Es por ello que la Probabilidad permite un acercamiento a estos sucesos, ponderando las

posibilidades de su ocurrencia y proporcionando mtodos para tales ponderaciones, creando

as modelos Probabilsticos. Algunos de esos mtodos proporcionados por la teora de la

Probabilidad llevan a descubrir que ciertos eventos tienen una mayor o menor probabilidad de

ocurrir que la apreciacin hecha a travs del sentido comn.

 DESARROLLO DEL TRABAJO

Cuadro sinptico
Solucin al estudio de caso 1:

ESTUDIO CASO 1

Para entregar una Tarjeta de crdito en los bancos del grupo Aval, los analistas del banco
clasifican o califican al cliente en
funcin de la probabilidad de que resulte rentable. Una tabla habitual de calificaciones es la
siguiente:

La calificacin es la suma de los puntos de los seis rubros. Por ejemplo, Sushi Brown tiene
menos de 25 aos (12 puntos); ha vivido en el mismo domicilio durante dos aos (0
puntos); desde hace cuatro aos es dueo de un automvil (13 puntos), por el que realiza
pagos de $75 (6 puntos); realiza gastos domsticos de $200 (10 puntos) y posee una cuenta
de cheques (3 puntos).
La calificacin que obtendra sera de 44. Despus, con una segunda tabla, se convierten
las calificaciones en probabilidades de rentabilidad del cliente, as:

La puntuacin de Sushi (44) se traducira en una probabilidad de rentabilidad aproximada

de 0.81. En otras palabras, 81% de los clientes como Sushi generaran dinero a las
operaciones con tarjeta del banco. A continuacin, se muestran los resultados de las
entrevistas con los tres posibles clientes.
Prepare un informe en el que como mnimo, incluya:
1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables.
David Edward Ann
Nombre
Brown Brendan Mclaughlin
Edad 18 12 0
Tiempo de vivir en el mismo
domicilio 20 0 20
Antigedad con el auto 13 13 3
Pago mensual con el auto 4 6 4
Costo de vivienda 10 10 12
Cuenta de chueques o ahorros 15 3 0
TOTAL 80 44 39

La probabilidad es calculada relacionando el tamao de los intervalos de puntuacin con la

diferencia diferencia de probabilidad.
David Edward Ann
Nombre
Brown Brendan Mclaughlin
Calificacin 80 44 39
Probabilidad 0,95 0,81 0,77

2.- Con los datos anteriores construya una variable aleatoria que represente el nmero de
clientes rentables para el banco y determine: Cul es la probabilidad de que los tres
resulten rentables?
Esta est determinada por la probabilidad condicional ya que los sucesos son no
excluyentes.

David Edward Ann Probabilidad los 3 ser

Nombre
Brown Brendan Mclaughlin rentables
Calificacin 0,95 0,81 0,77 0,59
3.- Cul es la probabilidad de que ninguno sea rentable?
Se puede obtener por la probabilidad de condicion de no ser rentable que es diferencia
entre 1 y la probabilidad de ser rentable.
David Edward Ann
Nombre
Brown Brendan Mclaughlin
Uno menos Calificacin 1 - 0,95 1 - 0,81 1 - 0,77
Probabilidad no ser rentable 0,05 0,19 0,23

4.- Determine la distribucin de probabilidad total del nmero de clientes rentables entre
este grupo de tres clientes.
Gracias a:

Se podr determinar la distribucin total por medio de una funcin. Donde x ser la
puntuacin obtenida, x n-1 sera la puntuacin anterior a x, p ser la probabilidad que
corresponde a la siguiente puntuacin, p n-1 ser la probabilidad que corresponde a la
anterior puntuacin.

5.- Redacte un breve resumen de sus hallazgos.

Los sucesos no excluyentes estn presentes en este caso, as la suma de probabilidades no
ser igual a 1, en el caso los 3 clientes podran ser rentables calculando su probabilidad
para que ninguno sea rentable se deber encontrar la diferencia entre 1 y el valor de la
probabilidad.

Solucin al estudio de caso 3.

ESTUDIO DE CASO 31

1
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.

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)

si la cumple ya que este es el ltimo punto a resolver dado que podemos usar la

distribucin de probabilidad en el siguiente

2.- Usando la distribucin de probabilidad Hipergeomtrica determinar la probabilidad

de que el jugador acierte los 6 nmeros

 (dx )( Nd
nx )
P(x)=
(N )
n

El acierto es 6

(66)( 456
66 )
1 39
( ) 0
1
39 ! 6 !
P(6)= = = ( 45 ) = 45 =
( 45 ) ( 45 ) 39 ! 6 !
6 6

6! 720 1 7
45 x 44 x 43 x 42 x 41 x 40 = 5864443200 = 8145060 = 1.22773804x 10

= 0.000000122773804

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

si coincide, ya que en trminos de probabilidad seria

 1 7
p(6) = =1.22773804 x 10
8145060

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

(dx )( Nd
nx )
usando P(x)= para 3 aciertos
( Nn )

39 x 38 x 37
6 456 6.5 .4 39 20.
( )(
3 63 ) 3! ( )
x
3
3!
= =
P(6)= = = 45 x 44 x 43 x 42 x 41 x 40
( 45 ) ( 45 )
6 6 6!

20 x 9139 182780
8145060 = 8145060 = 0.02244059589

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

(dx )( Nd
nx )
usando P(x)= para 4 aciertos
( Nn )
 39 x 38
6 456 6 x 5 39 15.
( )(
4 64 ) 2
x
( )
2
2!
= =
P(6)= = = 45 x 44 x 43 x 42 x 41 x 40
( 45 ) ( 45 )
6 6 6!

15 x 741 11115
8145060 = 8145060 = 0.001364630831448

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

(dx )( Nd
nx )
usando P(x)= para 5 aciertos
( Nn )

(65 )( 456
65 )
6 x 39
( ) 1
6 x 39
45 x 44 x 43 x 42 x 41 x 40
= 234
P(6)= = = = 8145060
( 45 ) ( 45 ) 6!
6 6

5
= 2.872807014x 10

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

basndonos en el estudio realizado es muy difcil acertar los 6 nmeros es casi

imposible se tendra que jugar muchas veces y desperdiciaramos mucho dinero y

terminaramos aburrindonos y dejaramos de jugarlo. solo con mucha suerte se llegara

 a ganar el premio mayor que son los 6 nmeros y concluyendo no invertira en el

baloto.

Solucin al estudio de caso 4.

ESTUDIO DE CASO 4
La distribucin de probabilidad de Poisson describe el nmero de veces que se presenta un

evento durante un intervalo especfico. El intervalo puede ser

de tiempo, distancia, rea o volumen. La distribucin 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 ms

grande sea el intervalo, mayor ser la probabilidad; adems, el nmero de veces que se

presenta un evento en un intervalo no influye en los dems intervalos.

Esta distribucin posee diversas aplicaciones. Se le utiliza como modelo para describir la

distribucin de errores en una entrada de datos, el nmero de rayones y otras

imperfecciones en las cabinas de automviles recin pintados, el nmero de partes

defectuosas en envos, el nmero de clientes que esperan mesa en un restaurante, el nmero

de accidentes en una carretera en un periodo determinado.

La compaa de aviacin Delta Airlines, se caracteriza por su responsabilidad y cuidado

con el equipaje de sus pasajeros, por lo que pocas veces se pierde equipaje. En la mayora

de los vuelos no se pierden maletas; en algunos se pierde una; en unos cuantos se pierden

dos; pocas veces se pierden tres, etc. Suponga que una muestra aleatoria de 1 000 vuelos
arroja un total de 300 maletas perdidas. De esta manera, el nmero promedio de maletas

perdidas por vuelo es de 0.3.

Prepare un informe en el que como mnimo, incluya:
1.- Esta situacin cumple con los supuestos de la distribucin Poisson? Identifquelos
2.- Determine cul es la probabilidad de que en un vuelo no se pierda ninguna maleta
3.- Determine cul es la probabilidad de que en un vuelo se pierda exactamente una maleta
4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y cuatro

maletas
5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms de cuatro

maletas
6.- En qu momento debe sospechar el supervisor de la Aerolnea que en un vuelo se estn

perdiendo demasiadas maletas?

INFORME
1.- Esta situacin cumple con los supuestos de la distribucin Poisson? Identifquelos
El nmero de maletas que se espera se pierdan en un promedio de 1000 vuelos.
La distribucin de poisson suele emplearse con sucesos de probabilidades pequeas y/o

muy escazas. En este caso el suceso que rara vez ocurre es que una maleta se pierda en la

mayora de vuelos de Delta airlines lo que significa que la probabilidad que ocurra es muy

pequea.
= (media del # de ocurrencias)
No. de veces que se espera ocurra el fenmeno =3001000= 0,3
x = No. de ocurrencia del evento = 0
2.- Determine cul es la probabilidad de que en un vuelo no se pierda ninguna maleta.
(0) = (, 3) 0 ( 0,3) 0 = 0,74 100 = 74%
Significa que el 74% de los vuelos realizados (o 740 vuelos) no tuvo ninguna maleta

perdida.

3.- Determine cul es la probabilidad de que en un vuelo se pierda exactamente una

maleta.
= (0,3) 1 ( 0,3) 1 = 0,222 100:22%
Significa que el 22% de los vuelos (unos 220 vuelos) tendr una maleta perdida.
4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y cuatro

maletas.
Tabla de Poisson para valores de (0-4)

U
X 0,1 0,2 0,3 0,4 0,5
0 0,904 0,818 0,74 0,67 0,60
1 0,09 0,163 0,22 0,268 0,30
2 0,004 0,016 0,033 0,053 0,075
3 0,002 0,001 0,003 0,007 0,012
4 0,000 0,0001 0,0003 0,0007 0,001
(2) = (0,3) 2 ( 0,3) 2 = 0,033 100 = 3.3%
(3) = (0,3) 3( 0,3) 3 = 0,003 100 = 0,3%
(4) = (0,3) 4 ( 0,3) 4 = 0,0003 100 = 0,03%
La probabilidad de que el nmero de maletas perdidas por vuelo se incremente de 2 a 4 es

cada vez menor.

5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms de

cuatro maletas.
X4
() = (0,3) ( 0,3) x
X=5
(5) = (0,3) 5 5 = 0,0000036 100 = 0,00036%
La probabilidad cada vez segn las condiciones anteriormente mencionadas es cada vez

ms inexistente.
6.- En qu momento debe sospechar el supervisor de la Aerolnea que en un vuelo se

estn perdiendo demasiadas maletas?

En el 22% de los vuelos se sabe que se perder en promedio 1 maleta, que esta cifra se

incremente tiene una posibilidad ms reducida de ocurrencia, as que una maleta se puede

perder, pero cada vez menos se perdern un mayor nmero de maletas.

Solucin al estudio de caso 5.

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 22,5 con una

desviacin estndar de 8.5 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 21 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 sea0020enviada a ver al

doctor.

xv
Z=

2122,5
Z=
8,5

1,5
Z=
8,5

Z =0,17
 P ( Z=0,17 ) =0.0398 03,98

P ( Z 0,17 ) =0,0398+0,5=0,5398 53,98

Rta: La probabilidad de que una persona vea al doctor es 53,98%

2. La probabilidad de que una persona que llegue al refugio tenga una puntacin de 10

o menos puntos.

xv
Z=

1022,5
Z=
8,5

12,5
Z=
8,5

Z =1,47

P ( Z=1,47 )=0,4192 41,92

 P ( Z 1,47 )=0,50,4192=0,0808 8,08

Rta: 8,08%

3. La probabilidad de que una persona que llegue al refugio tenga una puntuacin entre

16 y 20 puntos.

para una puntuacin de 16

xv
Z=

1622,5
Z=
8,5

6,5
Z=
8,5

Z =0,76

P ( Z=0,76 ) =0,2580 25,80

Para una puntuacin de 20

xv
Z=

2022,5
Z=
8,5
 2,5
Z=
8,5

Z =0,29

P( Z=0,29)=0,0793 07,93

P( Z 1< Z< Z 2)=25,8007,93=17.87

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?

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?

El 15% segn la tabla es 0.15 como valor de rea.

A este valor de rea se halla el valor de z asociado=1.035

Implica que

xv x22,5
Z= =1,035 Z=
8,5

Se despeja x

X =1,0358,5+ 22,5
X =8,7975+22,5

X =31,29

5. La probabilidad de que una persona que llegue al refugio sea enviada a ver al

doctor.

Z =0,67

x22,5
0,67=
8,5

X =(0,678,5)+22,5

X =5,6+22,5

X =28,1
 BIBLIOGRAFIA

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?

docID=11013767&ppg=177

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?

docID=10436604&ppg=128

http://bibliotecavirtual.unad.edu.co:2081/ps/eToc.do?rcDocId=GALE

%7CCX4052400005&inPS=true&prodId=GVRL&userGroupName=unad&resultClickTyp

e=AboutThisPublication BIBLIOGRAFA

https://es.wikipedia.org/wiki/Distribuci%C3%B3n_hipergeom%C3%A9trica

http://www.ub.edu/stat/GrupsInnovacio/Statmedia/demo/Temas/Capitulo3/B0C3m1t9.htm

&contentModuleId=GVRL&searchType=BasicSearchForm&docId=GALE%7C3BDC