Unidad 2: Fase 2 Distribuciones de Probabilidad

Desarrollo unidad 2 fase 2

Presentado Por:
July Ramírez Martínez
Martha Isabel Arias América
Cristian Alexis Franco

Grupo: 301014_7

Presentado a:
Edwin Orance Garzón
Tutor

Universidad Nacional Abierta Y Distancia UNAD

CERES Vélez Santander
Mayo 7 -2015
 Introducción

En la vida cotidiana aparecen muchas situaciones en las que los resultados observados

son diferentes, aunque las condiciones iniciales en las que se produce la experiencia

sean las mismas. Con este trabajo queremos conocer e interpretar Variables Aleatorias

y distribuciones de Probabilidad, Las variables aleatorias se clasifican en discretas y

continuas: DISCRETA: La variable aleatoria X se dice que es discreta si los números

asignados a los sucesos elementales de E son puntos aislados. Sus posibles valores

constituyen un conjunto finito o infinito numerable. Por ejemplo, supongamos el

experimento consistente en lanzar tres veces una moneda no trucada; si consideramos

la variable aleatoria X=” número de caras obtenidas en los tres lanzamientos”, los valores

que puede tomar esta variable aleatoria son finitos (0,1,2,3). o CONTINUA: La variable

aleatoria X será continua si los valores asignados pueden ser cualesquiera, dentro de

ciertos intervalos, es decir, puede tomar cualquier valor de R. Por ejemplo, si

consideramos el experimento aleatorio consistente en medir el nivel de agua en un

embalse y tomamos la variable aleatoria X=” nivel de agua”, esta puede tomar valores

entre 0 y más infinito. Distribuciones de Probabilidad Es un modelo teórico que describe

la forma en que varían los resultados de un experimento aleatorio, es decir, nos da todas

las probabilidades de todos los posibles resultados que podrían obtenerse cuando se

realiza un experimento aleatorio. Se clasifican como discretas o continuas. En la

distribución de probabilidad discreta está permitido tomar sólo un número limitado de

valores. En la continua, llamada función de Variable aleatoria y función de distribución 27

densidad, la variable que se está considerando puede tomar cualquier valor dentro de un

intervalo dados.
 Objetivos

Generales:

 Establecer la diferencia entre variables aleatorias discretas y continuas, en

términos de su función de probabilidad, valor esperado, varianza y desviación

estándar se reconocen algunas de las distribuciones de probabilidad más

comunes, tanto las discretas como las continuas

Específicos

 Desarrollar habilidades para el análisis de eventos cuantificables, mediante el uso

sistemático de conceptos, fundamentos y métodos de Probabilidad

 Comprender la aplicación de las distribuciones de probabilidades discretas y

continuas y su aplicación en casos de la vida cotidiana.

 Desarrollar habilidades para el análisis, el razonamiento y la comunicación de su

pensamiento en la resolución de problemas a partir del uso de la simulación del

modelo, propiciando la asimilación de aprendizajes más complejos para la resolución

de problemas en su cotidianidad, área tecnológica y vida profesional.

 Definición de es una función que asigna un valor, usualmente numérico,
variable al resultado de un experimento aleatorio.
1. Variables aleatorias discretas y aleatoria

Es aquella cuya función de probabilidad sólo toma valores positivos

Distribución
en un conjunto de valores de X finito o infinito numerable
continuas

discreta de
probabilidad
UNIDAD 2 Variables Aleatorias y distribuciones de Probabilidad

Se denomina variable continua a aquella que puede tomar

Distribución
cualquiera de los infinitos valores existentes dentro de un intervalo
continua de
probabilidad

es el modelo (absolutamente) continuo más simple. Corresponde al caso de

Distribución una variable aleatoria que sólo puede tomar valores comprendidos entre dos
uniforme extremos a y b, de manera que todos los intervalos de una misma longitud
2. Distribuciones discretas de probabilidad

Distribución es una distribución de probabilidad discreta que cuenta el número de

binomial éxitos en una secuencia de n ensayos de Bernoulli independientes entre
sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos

Esta distribución puede considerarse como una extensión o ampliación de

Distribución
la distribución geométrica. La distribución binomial negativa es un modelo
binomial
adecuado para tratar aquellos procesos en los que se repite un
negativa y
determinado ensayo o prueba hasta conseguir un número determinado de
geométrica
resultados favorables (por vez primera)
es una distribución de probabilidad discreta que expresa, a partir de una
Distribución frecuencia de ocurrencia media, la probabilidad de que ocurra un
de Poisson determinado número de eventos durante cierto período de tiempo

es aquella que tiene por media el valor cero, μ = 0, y por desviación típica
Distribución
la unidad, σ =1 Para poder utilizar la tabla tenemos que transformar la
normal y uso de
2. Distribuciones continuas de probabilidad

variable X que sigue una distribución N(μ, σ) en otra variable Z que siga
la distribución una distribución N(0, 1)
normal estándar

Esta distribución tiene la característica de que es la única variable aleatoria

Distribución continua cuya tasa de fallos es constante. Se acostumbra utilizarla para modelar
exponencial el tiempo de vida de componentes electrónicos. Como la tasa de fallos es
constante, puede considerarse que al transcurrir el tiempo, si el componente no
ha fallado, es tan bueno estadísticamente, como cuando estaba nuevo

La distribución ji-cuadrado tiene muchas aplicaciones en inferencia

Distribución estadística, por ejemplo en la denominada prueba χ² utilizada como prueba
Chi cuadrado de independencia y como prueba de bondad de ajuste y en la estimación de
varianzas.
 CASO 1

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

La calificación es la suma de los puntos de los seis rubros. Por ejemplo, Sushi Brown
tiene menos de 25 años (12 puntos); ha vivido en el mismo domicilio durante dos años (0
puntos); desde hace cuatro años es dueño de un automóvil (13 puntos), por el que realiza
pagos de $75 (6 puntos); realiza gastos domésticos de $200 (10 puntos) y posee una
cuenta de cheques (3 puntos).

La calificación que obtendría sería de 44. Después, con una segunda tabla, se
convierten las calificaciones en probabilidades de rentabilidad del cliente, así:
La puntuación de Sushi (44) se traduciría en una probabilidad de rentabilidad aproximada
de 0.81. En otras palabras, 81% de los clientes como Sushi generarían dinero a las
operaciones con tarjeta del banco. A continuación, se muestran los resultados de las
entrevistas con los tres posibles clientes.

Prepare un informe en el que como mínimo, incluya:

1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables.
2.- Con los datos anteriores construya una variable aleatoria que represente el
número de clientes rentables para el banco y determine: ¿Cuál es la probabilidad
de que los tres resulten rentables?
3.- ¿Cuál es la probabilidad de que ninguno sea rentable?
4.- Determine la distribución de probabilidad total del número de clientes rentables
entre este grupo de tres clientes.
5.- Redacte un breve resumen de sus hallazgos.

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 LA MISMA 20 0 20
RESIDENCIA
ANTIGUEDAD CON EL AUTO 13 13 3
PAGO MENSUAL DEL AUTO 4 6 4
COSTO DE VIVIENDA 10 10 12
CUENTA DE CHEQUES O AHORROS 15 3 0
TOTAL 80 44 39
Para calcular la probabilidad hallamos la relación entre el tamaño de los intervalos de
puntuación (10 puntos) con la diferencia que se presenta de la probabilidad.

NOMBRE DAVID BROWN EDWARD BRENDAN ANN MCLAUGHLIN

CALIFICACION 80 44 39
PROBABILIDAD 0.95 0.81 0.77

2.- ¿Cuál es la probabilidad de que los tres resulten rentables?

La probabilidad de que los tres resulten rentables, está determinada por la probabilidad
condicional para este caso donde los sucesos son no excluyentes
𝑃(𝐴) ∗ 𝑃(𝐵) ∗ 𝑃(𝐶)

0.95 ∗ 0.81 ∗ 0.77 = 0.59

3.- ¿Cuál es la probabilidad de que ninguno sea rentable?

La probabilidad de que ninguno sea rentable, está determinada por la probabilidad

condicional para cuando no son rentables, que es la diferencia entre 1 y la probabilidad
de que sean rentables

𝑃(−𝐴) = 1 − 0.95 = 0.05

𝑃(−𝐵) = 1 − 0.81 = 0.19
𝑃(−𝐶) = 1 − 0.77 = 0.23

Con los resultados anteriores podemos calcular la probabilidad condicional

0.05 ∗ 0.19 ∗ 0.23 = 0.0022

4. Determine la distribución de probabilidad total del número de clientes rentables entre

este grupo de tres clientes.

Al tener la tabla de conversión de puntaje en probabilidad

Podemos determinar la distribución de probabilidad total, como una función de

probabilidad
𝑥 = 𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛 𝑜𝑏𝑡𝑒𝑛𝑖𝑑𝑎

𝑥𝑛−1 = 𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛 𝑖𝑛𝑚𝑒𝑑𝑖𝑡𝑎𝑚𝑒𝑛𝑡𝑒 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎 𝑥 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎

 𝑝 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛 𝑠𝑖𝑔𝑢𝑖𝑒𝑛𝑡𝑒 𝑎 𝑥 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎

𝑝𝑛−1 = 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑐𝑜𝑟𝑟𝑒𝑠𝑝𝑜𝑛𝑑𝑖𝑒𝑛𝑡𝑒 𝑝𝑢𝑛𝑡𝑢𝑎𝑐𝑖ó𝑛 𝑎𝑛𝑡𝑒𝑟𝑖𝑜𝑟 𝑎 𝑥 𝑑𝑒 𝑙𝑜𝑠 𝑣𝑎𝑙𝑜𝑟𝑒𝑠 𝑟𝑒𝑙𝑎𝑐𝑖𝑜𝑛𝑎𝑑𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎

𝑥 − 𝑥𝑛−1 ∗ 𝑝 − 𝑝𝑛−1
𝑃(𝑋 = 𝑥) = + 𝑝𝑛−1
10

El valor de 10 en la división presentada en la ecuación, corresponde al tamaño de los

intervalos de puntuación.

5. -Redacte un breve resumen de sus hallazgos.

El caso de estudio nos presenta las probabilidades para sucesos no excluyentes, por lo
que su suma de probabilidades no debe ser igual a 1, así mismo por su característica de
sucesos no excluyentes podemos hallar la probabilidad de que los tres sean rentables
calculando su probabilidad condicional, para el caso de que ninguno sea rentable se
aplica la probabilidad condicional a las diferencias entre 1 y el valor de la probabilidad de
que sean rentables.

Para describir la distribución de la probabilidad, utilizamos una función que relaciona los
tamaños de los intervalos de puntuación, con el tamaño de los intervalos de probabilidad,
la cual nos permite hacer el cálculo de la probabilidad para las puntuaciones que no se
encuentran relacionadas en la tabla.

Caso 2

La distribución de probabilidad binomial es una distribución de probabilidad discreta que

se presenta con mucha frecuencia. Una de sus características consiste en que sólo hay

dos posibles resultados en un determinado ensayo del experimento y los resultados son

mutuamente excluyentes; Otra característica de la distribución binomial es el hecho de

que la variable aleatoria es el resultado de conteos. Es decir, se cuenta el número de

éxitos en el número total de ensayos. Una tercera característica de una distribución

binomial consiste en que la probabilidad de éxito es la misma de un ensayo a otro.

Un estudio del Departamento de Transporte de Illinois concluyó que 76.2% de quienes

ocupaban los asientos delanteros de los vehículos utilizaba cinturón de seguridad. Esto

significa que los dos ocupantes de la parte delantera utilizaban cinturones de seguridad.

Suponga que decide comparar la información con el uso actual que se da al cinturón de

seguridad, para lo cual selecciona una muestra de 12 vehículos.

INFORME A PRESENTAR:

Presente un informe en el que como mínimo incluya:

1.- ¿Esta situación cumple con los supuestos de la distribución binomial?

Identifíquelos

En un vehículo, ambos ocupantes de la parte delantera utilizan cinturón de seguridad o

no lo hacen. Solo hay dos posibles resultados.

 Existe una cantidad fija de ensayos, 12 en este caso, pues se verifican 12

vehículos.

 La probabilidad de un éxito (los ocupantes utilizan cinturón de seguridad) es la

misma de un vehículo al siguiente: 76.2 por ciento.

 Los ensayos son independientes. Si, en el cuarto vehículo seleccionado, todos

los ocupantes utilizan cinturón de seguridad, esto no influye en los resultados del

quinto o decimo vehículo.

3.- ¿Cuál es la probabilidad que los ocupantes de la parte delantera en

exactamente 7 de los 12 vehículos seleccionados utilicen cinturones de

seguridad?

P(x=7 І n= 12 y π=0.762)

12=7

=12𝐶7 (0.762)7 (1 - 0.762) = 792(.149171) (.000764) .0902

De esta manera, se concluye que la probabilidad de que los ocupantes de exactamente

7 de los 12 vehículos de la muestra utilicen cinturones de seguridad es de

aproximadamente 9%.

4.- ¿Cuál es la probabilidad que los ocupantes de la parte delantera de por lo

menos 7 de los 12 vehículos utilicen cinturón de seguridad?

K= 7

N=12

P=0.762

P=(x=8) = (𝟏𝟐𝟕).𝟎.𝟕 . 𝟎.𝟕𝟔𝟐𝟏𝟐−𝟕

=P (x = 1) +P (x = 2) +P(x = 3) + P (x = 4) + P (x = 5) + P (x =6) + P(x=7)

= 0,00026 + 0,00295 + 0,01892 + 0,07572 + 0,19395 + 0,31048 + 0,28402

5.- ¿Cuál es la probabilidad que los ocupantes de la parte delantera de máximo 7

de los 12 vehículos?

Como los eventos son mutuamente excluyentes (lo cual significa que una muestra de

12vehículos no puede tener un total de 7 ni, al mismo tiempo, un total de 8 vehículos en

que los ocupantes utilizan cinturón de seguridad), se determina la probabilidad de que en

7 de ellos los ocupantes utilizan cinturón de seguridad.

P (x≥ 7 l n = 12 y π =0.762

=P (x = 7) +P (x = 8) +P(x = 9) + P (x = 10) + P (x = 11) + P (x = 12)

= 0.0902 + 0.1805 + 0.2569 + 0.2467 + 0.1436 + 0.383

= 0.9562

6.- ¿Encuentre el valor esperado del número de vehículos en los que los

ocupantes de la parte delantera utilizan el cinturón de seguridad?

Muestra: 12

Probabilidad de éxito: 76.2%

76.2% de 12 vehículos

76.2 x 12= 9.144

El número de vehículos en que los ocupantes de la parte delantera utilizan el cinturón

de seguridad es 9.

Caso 3

El Baloto, es la lotería en línea de Colombia, supervisado por ETESA (Empresa territorial

para la salud). Es un juego que consiste en acertar 6, 5, 4 o 3 números en cualquier orden
de una matriz del 1 al 45; El jugador señala en un tarjetón los 6 números que escoge. Los
números están representados en 45 balotas numeradas del 1 al 45. Cada número
aparece una sola vez y las balotas ganadoras se seleccionan sin reemplazo. El premio
acumulado se entrega a quien haga coincidir los seis números.

Presente un informe en el que como mínimo incluya:

1.- ¿Esta situación cumple con los supuestos de la distribución
Hipergeométrica? Identifíquelos (Sugerencia: Divida los 45 números en dos grupos:
ganadores y no ganadores)
2.- Usando la distribución de probabilidad Hipergeométrica determinar la probabilidad
de que el jugador acierte los 6 números
3.- La empresa encargada del sorteo informa que la probabilidad de que coincidan
todos los números es de 1 en 8145060. ¿Qué significa esto en términos de
probabilidad? Coincide esto con su respuesta anterior.

El sorteo también otorga un premio si el jugador hace coincidir 3, 4 o 5 de los números

ganadores

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

5) Calcule la probabilidad de que coincidan 4 de los 6 números ganadores
6) Calcule la probabilidad de que coincidan 5 de los 6 números ganadores
7) ¿Con base en los resultados obtenidos, usted invertiría dinero en el BALOTO?

Informe

“Es un juego que consiste en acertar 6, 5, 4 o 3 números en cualquier orden de una matriz

del 1 al 45; El jugador señala en un tarjetón los 6 números que escoge. Los números

están representados en 45 balotas numeradas del 1 al 45. Cada número aparece una

sola vez y las balotas ganadoras se seleccionan sin reemplazo. El premio acumulado se

entrega a quien haga coincidir los seis números.”

Si podemos traducir este párrafo a la enunciación general de un problema de distribución

de probabilidad hipergeométrica, podemos utilizar la fórmula que hemos demostrado para

responder a la pregunta:

¿Cuál es la probabilidad de ganar el baloto si se compra uno y sólo un billete?

El problema sería pues el siguiente: De los primeros 45 números naturales (sin contar el

cero), 6 de ellos son considerados éxitos, y los demás, fracasos. Si se toman seis

números al azar, ¿cuál es la probabilidad de obtener 3, 4, 5 ó 6 éxitos?

Tenemos entonces

Y, por lo tanto:

De donde obtenemos que las probabilidades buscadas son de 2% para acertar a 3 de

6números, de 0.1% de acertar en 4, 0.002% de acertar en 5 y sólo de 0.00001% de

acertar en 6 números. Lo que se traduce, en los términos de Baloto, en que 1 de cada

8145060 intentos resulta, estadísticamente hablando, en un ganador; uno de

aproximadamente 34808 termina en un acierto de 5 cifras, 1 de 732 en el acierto de 4

cifras, y 2 de cada 100 en el acierto de 3 cifras.

Ahora bien, el número 8145060, es el resultado de Al igual que en nuestro análisis previo,

este número representa el siguiente razonamiento:

Se tienen 45 números que se pueden organizar, en seis casillas, en un número de

arreglos.

Sin embargo, como el orden en que se obtienen los números no importa, se tiene, por

ejemplo, que el arreglo 6 34 36 12 11 45 es igual al arreglo 45 11 12 36 34 6. ¡En total,

cada combinación puede reorganizarse, evidentemente, en un número de 6! arreglos,

con lo que tenemos Posibles combinaciones ganadoras. En total, la probabilidad de

obtener algún resultado favorable es igual a la suma de las probabilidades de obtener 3,

4, 5 ó 6 aciertos, con lo que se tiene

De lo que se extrae que la probabilidad de obtener algún resultado positivo no es

significativamente más grande que la de obtener el más mediocre de los resultados

Positivos (3 aciertos), caso en el cual, dicho sea de paso, el premio equivale al precio del

billete (Baloto, 2016), lo que significa que en realidad no hay una ganancia ni una pérdida,

y habría sido lo mismo no jugar, sin arriesgarse a probabilidades de 2 contra 100. Es decir

que los resultados que implican una verdadera ganancia vienen representados por Es

decir que aproximadamente 14 de cada diez mil jugadores pueden obtener un beneficio

más allá del valor invertido en la lotería, lo que equivale a que 9986 de cada diez mil

jugadores, o, lo que es lo mismo: 99,86 por ciento, no recibirán ninguna ganancia real.

De hecho, 97.86% perderán su inversión y 2% (como ya se vio) recuperarán apenas el

valor invertido.

En resumen, invertir el dinero en Baloto implica un 97.86% de probabilidades de perder

la Inversión, un 99.86% de no obtener una ganancia y apenas un 0.14% de ganar algún

dinero, lo que no presenta una perspectiva interesante a ningún inversor.

Caso 4

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.

La compañía de aviación 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

mayoría 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 número

promedio de maletas perdidas por vuelo es de 0.3.

Prepare un informe en el que como mínimo, incluya:

1.- ¿Esta situación cumple con los supuestos de la distribución Poisson? Identifíquelos

La distribución de poisson se basa en dos supuestos:

 El primero consiste en que las probabilidades proporcionales 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, y el

número de veces que se presenta un evento en un intervalo no influye en los demás

intervalos.

Concepto

Esta distribución es una de las más importantes distribuciones de variable discreta. Sus

principales aplicaciones hacen referencia a la modelización de situaciones en las que

nos interesa determinar el número de hechos de cierto tipo que se pueden producir en

un intervalo de tiempo o de espacio, bajo presupuestos de aleatoriedad.

2.- Determine cuál es la probabilidad de que en un vuelo no se pierda ninguna maleta

FORMULA

P(0) = P(0) =(0.3)^0)*(e- 0.3))/0! = 0.7408

P(0)= 74%

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

maleta

P(1) =(0.3)^1)*(e -0.3)/1! = 0.2222

P(1)= 22%
4.- Determine cuál es la probabilidad de que en un vuelo se pierdan entre dos y cuatro

maletas

 P(2)= (0.3)^2)*(e -0.3)/2!=0.0333

P(2)= 0,3%

 P(3)= (0.3)^3)*(e -0.3)/3!= 3.333

P(3)= 3.3%

 P(4)= (0.3)^4)*(e -0.3)/4!= 2.500

P(4)= 2.5%

5.- Podría establecer cuál es la probabilidad de que se pierdan en un vuelo más de

cuatro

Maletas

P(X > 4) = P(X=5)+ P(X=6)+ PX=7)…

P(5)= (0.3)^5)*(e -0.3)/5!= 1.50015

P(6)= (0.3)^6)*(e -0.3)/6!= 7.5007

P(7)= (0.3)^7)*(e -0.3)/7!= 3.2145

6.- ¿En qué momento debe sospechar el supervisor de la Aerolínea que en un vuelo

se están perdiendo demasiadas maletas?

De acuerdo a los resultados obtenidos, se puede evidenciar que el momento en el cual

se pierden mayor cantidad de maletas es en el 1, es decir que se debe cuidar al momento

de recoger las maletas para ser trasladadas al avión.

CASO 5

Para una población grande de personas sin hogar, Wong y Piliavin (2001) examinaron
factores de estrés, recursos y agotamiento psicológico empleando la Escala de Depresión
del Centro de Estudios Epidemiológicos (CESD), un cuestionario de evaluación
comunitario.

Entre las personas sin hogar, la puntuación media del cuestionario CESD es 22,5 con
una desviación estándar de 8.5 y se considera que para la Variable X = puntuación del
CESD, la distribución es normal. Como trabajador en el área 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 políticas del refugio se encuentra que cualquier persona cuya puntuación
sea de 21 o más puntos en el CESD debe enviarse a ver a un doctor.

INFORME A PRESENTAR:

Prepare un informe en el que como mínimo, incluya:

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

R/ Se tiene

Media-μ =23.5

Desv. Estándar σ = 7.5

Políticas del refugio con puntuación- x= 21
La formula
 x−μ
𝐙=
σ

21−23.5
𝑍= = −0,33
7.5

z = −0.33

P(z ≥ 21) = 1 − 0,3707 = 0,6293 ∗ 100 = 𝟔𝟐, 𝟗𝟑%

La probabilidad de que una persona que llegue al refugio y sea enviado a ver al doctor
es de 62.93%

2. La probabilidad de que una persona que llegue al refugio tenga una puntación de 10
o menos puntos

Se tiene los siguientes datos :

Media-μ =23.5

Desv. Estándar σ = 7.5

Puntación - x= 10

Formula
x−μ
Z=
σ
10−23.5
𝑧= = −1.8
7.5

P(z = −1,8) = 0,4641 → 𝟒𝟔, 𝟒𝟏%

P(z ≤ −1,8) = 0,5 − 0,4641 = 0,0359 → 𝟑, 𝟓𝟗%

La probabilidad de que una persona que llegue al refugio tenga una puntación de 10 o
menos puntos es de 3.59 %

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

Se tiene los siguientes datos

Media-μ =23.5

Desv. Estándar σ = 7.5

Puntación – x1= 16
Puntación – x2= 20

FORMULA
x1 − μ
𝑍1 =
σ
16 − 23.5
= −𝟏
7.5
x2 − μ
𝑍2 =
σ
20 − 23.5 −3.5
= = −𝟎. 𝟒𝟔𝟔
7.5 7.5

𝑃( −1 < 𝑧 < −0.466 ) = 𝑃(𝑧 < 34.13) − 𝑝( 𝑧 < 0.1772) = 0.3413 − 0.1772 = 0.1641
→ 𝟏𝟔. 𝟒𝟏%

La probabilidad de que una persona que llegue al refugio tenga una puntuación entre 16
y 20 puntos es de 16.41 %

4. Si las personas sin hogar con puntuación en el 15% más alto deben ser enviadas a
los servicios de prevención de suicidios, ¿Qué puntuación hace calificar a una
persona que llega al refugio para este servicio?

Se tiene que

Media-μ =23.5

Desv. Estándar σ = 7.5

Puntación – x= 15% = 0.15
Formula
x−μ
z=
σ

Ya se tiene la probabilidad que es 15% y el restante 85% = 0,85 se halla la puntuación

entonces debemos hacer un despeje en la fórmula de distribución normal así:
0.8505 z= 1.4

Despejamos x
𝑋 = 𝜇 + (𝜎 ∗ 𝑧)
𝑋 = 23,5 + (7,5 ∗ 1,5)
𝑿 = 𝟑𝟒. 𝟕𝟓

Las personas que tengan un puntaje superior a 34,75 deben ser enviadas a prevención
de suicidios.

5. Las personas sin hogar con puntación en el 25% más bajo, se les envía a un servicio
de orientación laboral para mejorar sus recursos. ¿Qué puntuación permite calificar a
una persona para acceder a este servicio?

Se tiene que

Media-μ =23.5

Desv. Estándar σ = 7.5

Puntación – x= 25% = 0.25
Formula
x−μ
z=
σ
Ya se tiene la probabilidad que es 25% o 0,25 se halla la puntuación entonces debemos
hacer un despeje en la fórmula de distribución normal así:

Z=0,2419
x= - 0,67
𝑋 = 𝜇 + (𝜎 ∗ 𝑧)

Reemplazando tenemos:
𝑋 = 23,5 + (7,5 ∗ −0,67)
𝑿 = 𝟏𝟖, 𝟐𝟓 𝒑𝒖𝒏𝒕𝒐𝒔

Las personas que tengan un puntaje superior a Las personas que tengan un puntaje
superior a 18,25 deben ser enviadas a un servicio de orientación laboral para mejorar
sus recursos
 Conclusiones

La Estadística se ha convertido en un efectivo método para describir, relacionar y analizar

los valores de datos económicos, políticos, sociales, biológicos, físicos, entre otros. Pero

esta ciencia no sólo consiste en reunir y tabular los datos, sino en dar la posibilidad de

tomar decisiones acertadas y a tiempo, así como realizar proyecciones del

comportamiento de algún evento. Es así como el desarrollo de la teoría de la Probabilidad

ha aumentado el alcance de las aplicaciones de la Estadística. Muchos de los eventos

que ocurren en la vida del ser humano no se pueden predecir con exactitud, pues la

mayoría de los hechos están influenciados por el azar, es decir, por procesos inciertos,

en los que no se está seguro de lo que va a ocurrir. Sería un error afirmar que vivimos en

un mundo determinista, en donde no hay influencia del azar y la incertidumbre. La

Probabilidad permite un acercamiento a estos sucesos, ponderando las posibilidades de

su ocurrencia y proporcionando métodos para tales ponderaciones, creando así modelos

Probabilísticos. Precisamente, algunos de esos métodos proporcionados por la teoría de

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

probabilidad de ocurrir que la apreciación hecha a través del sentido común. De esta

manera, la Probabilidad permite estudiar los eventos de una manera sistemática y más

cercana a la realidad, entregando una información más precisa y confiable y, por tanto,

más útil para las distintas disciplinas del ser humano. De ahí que se vea la importancia

de conocer a profundidad las características de ciertos fenómenos cotidianos que el ser

humano vive, comprender los métodos Probabilísticos más comúnmente usados y con

ellos llegar a tomar las decisiones más apropiadas.

 Referencias Bibliográficas

 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.

Recuperado de:

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=183&docID=1

0436604&tm=1470693651415

 González, M. M. T., & Pérez, D. V. A. (2010). Estadística aplicada una visión

instrumental. Madrid, ES: Ediciones Díaz de Santos

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=235&docID=1

0390238&tm=1470697787148

 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica:

Probabilidad e inferencia. Recuperado de:

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=47&docID=10

995669&tm=1470693596054

 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.

Recuperado de:

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=194&docID=1

0436604&tm=1470693683773

 González, M. M. T., & Pérez, D. V. A. (2010). Estadística aplicada una visión

instrumental. Madrid, ES: Ediciones Díaz de Santos

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=282&docID=1

0390238&tm=1470697674966