Professional Documents
Culture Documents
Estudiantes:
Michael Steve Carrillo
Yuly Estefania Garcia Londoño
Cristhian David Rojas Gómez
Tutor:
Jose Hector Maestre
Bogotá DC.
Abril de 2019
2
Introducción
En el presente trabajo se desarrollará individualmente un grupo de problemas correspondientes a
las temáticas de variables aleatorias discretas y continuas, distribuciones discretas de
probabilidad y distribuciones continuas de probabilidad.
El objetivo más importante de este trabajo radica en la comprensión y aplicación de conceptos de
probabilidad durante la fase 2 de este curso. Los temas bajo los cuales se desarrollarán los
diferentes casos serán variables aleatorias discretas y continuas, distribuciones discretas de
probabilidad y distribuciones continuas de probabilidad.
La Probabilidad permite un acercamiento a 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.
3
Objetivo general
Comprender, aplicar y estudiar los conceptos de probabilidad como lo son variables aleatorias
discretas y continuas, distribuciones discretas de probabilidad y distribuciones continuas de
probabilidad, resolviendo las actividades propuestas para el curso de probabilidad.
Objetivos específicos
Interactuar entre todos los participantes para desarrollar la totalidad del trabajo y consolidar
el producto actual.
4
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.
𝒌 𝑵− 𝒌
( )( )
𝒙 𝒏− 𝒙
R// 𝑃(𝑥 = 𝑘) = 𝑵
( )
𝒏
N = Tamaño de la población: 7
K = Números de éxitos de la población: 2
n = Tamaño de la muestra: 3
x = Numero de éxitos de la muestra: 2
𝟐 𝟕− 𝟐 𝟐 𝟓
( )( ) ( )( ) 1∗5
𝟐 𝟑− 𝟐 𝟐 𝟏
𝑃(𝑥 = 2) = 𝟕 =2 𝟕 = = 0.1429 = 14.29%
( ) ( ) 35
𝟑 𝟑
R//
5
Estudio de caso 2: 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 ese año y tipo se
seleccionan al azar, encuentre las siguientes probabilidades:
a. Al menos cinco autos sean negros.
R// p = 10% n = 25
q = 90% x = 25
𝑛
𝑃(𝑥 = 𝑘) = ( ) ∗ 𝑝𝑛 ∗ 𝑞 𝑛−𝑘
𝑘
𝑃(𝑥 ≥ 5) = 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6) + ⋯ … + 𝑃(𝑥 = 25)
𝑃(𝑥 < 5) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)
25
𝑃(𝑥 = 0) = ( ) 1 ∗ 0.10 ∗ 0.925 = 1 ∗ 0.07179 = 0.07179
0
25
𝑃(𝑥 = 1) = ( ) 25 ∗ 0.11 ∗ 0.924 = 0.1 ∗ 0.07976 = 0.1994
1
25
𝑃(𝑥 = 2) = ( ) 300 ∗ 0.12 ∗ 0.923 = 0.01 ∗ 0.08863 = 0.26589
2
25
𝑃(𝑥 = 3) = ( ) 2300 ∗ 0.13 ∗ 0.922 = 0.2265
3
25
𝑃(𝑥 = 4) = ( ) 12650 ∗ 0.14 ∗ 0.921 = 0.1384
4
25
𝑃(𝑥 = 5) = ( ) 53130 ∗ 0.15 ∗ 0.920 = 0.06459
5
25
𝑃(𝑥 = 1) = ( ) 25 ∗ 0.11 ∗ 0.924 = 0.1 ∗ 0.07976 = 0.1994
1
25
𝑃(𝑥 = 2) = ( ) 300 ∗ 0.12 ∗ 0.923 = 0.01 ∗ 0.08863 = 0.26589
2
25
𝑃(𝑥 = 3) = ( ) 2300 ∗ 0.13 ∗ 0.922 = 0.2265
3
25
𝑃(𝑥 = 4) = ( ) 12650 ∗ 0.14 ∗ 0.921 = 0.1384
4
25
𝑃(𝑥 = 5) = ( ) 53130 ∗ 0.15 ∗ 0.920 = 0.06459
5
25
𝑃(𝑥 = 6) = ( ) 177100 ∗ 0.16 ∗ 0.919 = 0.02392
6
𝑃(𝑥 ≤ 6) = 0.90198 + 0.02392 = 0.99049 = 99.0%
31 𝑒 −3
𝑃(𝑥 = 1) = = 0,149
1!
32 𝑒 −3
𝑃(𝑥 = 2) = = 0,224
2!
33 𝑒 −3
𝑃(𝑥 = 3) = = 0,224
3!
34 𝑒 −3
𝑃(𝑥 = 4) = = 0,168
4!
𝑝(𝑥 ≤ 4) = 0,049 + 0,149 + 0,224 + 0,224 + 0,168 = 0,814 = 81.4%
b. Menos de 3
30 𝑒 −3
R// 𝑃(𝑥 = 0) = = 0,049
0!
31 𝑒 −3
𝑃(𝑥 = 1) = = 0,149
1!
32 𝑒 −3
𝑃(𝑥 = 2) = = 0,224
2!
𝑝(𝑥 < 3) = 0,049 + 0,149 + 0,224 = 0,422 = 42.2%
8
c. Al menos 4
30 𝑒 −3
R// 𝑃(𝑥 = 0) = = 0,049
0!
31 𝑒 −3
𝑃(𝑥 = 1) = = 0,149
1!
32 𝑒 −3
𝑃(𝑥 = 2) = = 0,224
2!
33 𝑒 −3
𝑃(𝑥 = 3) = = 0,224
3!
34 𝑒 −3
𝑃(𝑥 = 4) = = 0,168
4!
𝑝(𝑥 ≤ 4) = 1 − 0,049 + 0,149 + 0,224 + 0,224 + 0,168 = 0,186 = 18.6%
d. Quede saturado
35 𝑒 −3
R// 𝑃(𝑥 = 5) = = 0,10 = 10%
5!
e. Entre 1 y 3
31 𝑒 −3
R// 𝑃(𝑥 = 1) = = 0,149
1!
32 𝑒 −3
𝑃(𝑥 = 2) = = 0,224
2!
33 𝑒 −3
𝑃(𝑥 = 3) = = 0,224
3!
𝑃(1 ≤ 𝑥 ≤ 3) = 0,149 + 0,224 + 0,224 = 0,597 = 59.7%
f. Una o más pero menos de 5
31 𝑒 −3
R// 𝑃(𝑥 = 1) = = 0,149
1!
32 𝑒 −3
𝑃(𝑥 = 2) = = 0,224
2!
33 𝑒 −3
𝑃(𝑥 = 3) = = 0,224
3!
34 𝑒 −3
𝑃(𝑥 = 4) = = 0,168
4!
𝑝(1 ≤ 𝑥 < 5) = 0,149 + 0,224 + 0,224 + 0,168 = 0,765 = 76.5%
g. Más de 2 pero menos de 5
9
33 𝑒 −3
R// 𝑃(𝑥 = 3) = = 0,224
3!
34 𝑒 −3
𝑃(𝑥 = 4) = = 0,168
4!
𝑃(2 < 𝑥 < 5) = 0,224 + 0,168 = 0,392 = 39.2%
h. Ninguna
30 𝑒 −3
R// 𝑃(𝑥 = 0) = = 0,049 = 4.9%
0!
Estudio de caso 4: Distribución Normal: Supóngase que se sabe que los pesos de cierto grupo
de personas están distribuidos aproximadamente de forma normal con media μ =70 Kg y
desviación estándar Ϭ =12,5Kg. 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 ms de 80
kg?
R//
𝑋 − 𝜇 80 − 70
𝑍= = = 0,8
𝜎 12,5
𝑃(𝑍 ≥ 80) = 1 − 0,2881 = 0,7119 = 71.19%
10
a. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese entre 50 kg
y 85 kg?
R//
𝑋 − 𝜇 50 − 70
𝑍= = = −1,6
𝜎 12,5
𝑋 − 𝜇 85 − 70
𝑍= = = 1,2
𝜎 12,5
𝑍 = 1,2
𝑃(𝑍 ≤ 1,2) = 0,3849
𝑃(𝑍 ≤ −1,6) = 𝑃(𝑍 > 1,6) = 1 − 𝑃(𝑍 ≤ 1,6)
𝑃(𝑍 ≤ −1,6) = 1 − 0,4452 = 0,5548
𝑃(1,2 ≤ 𝑍 ≤ −1,6) = 0,5548 − 0,3849 = 0,17 = 17%
b. ¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?
R//
𝑏 = 93% = 0.93
1 − 0.93 = 0.07
𝑥 − 70
0.07 = = 0.07 ∗ 12.5 + 70 = 𝑥
12.5
𝑥 = 70.9%
11
Discretas: El conjunto de
posibles valores es Continuas: El conjunto de
numerable. Suelen estar valores no numerables. Puede
asociadas a experimentos tomar todos los valores de un
en que se mide el número intervalo son el resultado de
de veces que sucede algo. medir. Si x es variable aleatoria
Su distribución viene continua y queremos conocer su
dada por los valores que distribución de probabilidad no
puede tomar, x1, x2, x3, nos vale la función de
…, xk, y las probabilidad empleada con las
probabilidades de que discretas (cada valor con su
aparezcan p1, p2, p3, …, probabilidad asociada) porque
pk. Estas cantidades toma muchos valores.
reciben el nombre de
función de probabilidad o
función de masa.
12
Conclusiones
Finalmente se desarrollaron individualmente un grupo de problemas correspondientes a las
temáticas de variables aleatorias discretas y continuas, distribuciones discretas de probabilidad y
distribuciones continuas de probabilidad.
Abordando los temas referentes a la unidad No.2 inicialmente nos encontramos probabilidad
condicional y distribuciones de probabilidad seguidamente el análisis de sucesos y conjuntos para
entender correctamente las propiedades de la probabilidad.
13
Bibliografía
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso. Pp. 195-221.
Recuperado de https://bibliotecavirtual.unad.edu.co:2538
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 245-261. Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=1101376
7&tm=1470693471527
Íglez, S. (1 de junio de 2014). SlideShare. Obtenido de SlideShare:
https://es.slideshare.net/ScarletIglez/variables-aleatorias-35366180
Minitab.com. (2019). Obtenido de Minitab.com: 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/