UNAD

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
ESCUELA DE CIENCIAS ADMINISTRATIVAS, CONTABLES, ECONÓMICAS Y DE NEGOCIOS

Probabilidad
Unidad 1 y 2: Técnicas de Conteo y Distribuciones de Probabilidad
UNIDAD 1 y 2: TÉCNICAS DE CONTEO Y DISTRIBUCIONES DE PROBABILIDAD

PASO 5: EVALUACIÓN FINAL POA (PRUEBA OBJETIVA ABIERTA)
PRESENTADO POR:
DANIELA OCHOA JARAMILLO - CÓD: 1035864444
JULIAN OSORIO CÓD: 1053775327
LUDIS BARROS MARTINEZ – CÓD: 36696250
MIGUEL ANGEL AHUMADA – CÓD: 1143387655
LUCAS GOMEZ – COD:
GRUPO: 100402 – 249
TUTOR: LUZ ANA ABAD
CURSO PROBABILIDAD
ESCUELA DE CIENCIAS ADMINISTRATIVAS, CONTABLES Y DE NEGOCIOS –
ECACEN - UNIVERSIDAD NACIONAL ABIERTA Y DISTANCIA - UNAD
12 DE DICIEMBRE DEL 2018 - SANTA MARTA, MAGDALENA
Probabilidad
CUADRO SINÓPTICO
El grupo diseña y presenta en un cuadro sinóptico el resumen de los conceptos teóricos de la unidad 1 que dan sustento a la
solución de los estudios de caso propuestos y solucionados por el grupo.
Probabilidad
Probabilidad
Probabilidad
Unidad 2: Probabilidad Condicional y Distribuciones de Probabilidad
RESUMEN DE CONCEPTOS TEÓRICOS QUE PERMITIÓ SOLUCIONAR EL

ESTUDIO DE CASO SELECCIONADO
1. Nombre del participante y caso seleccionado: Miguel Ángel Ahumada, caso 1.
DEFINICIONES
Distribución de Probabilidad
En teoría de la probabilidad y estadística, la distribución de probabilidad de una variable
aleatoria es una función que asigna a cada suceso definido sobre la variable la probabilidad de
que dicho suceso ocurra. La distribución de probabilidad está definida sobre el conjunto de todos
los sucesos y cada uno de los sucesos es el rango de valores de la variable aleatoria. También
puede decirse que tiene una relación estrecha con las distribuciones de frecuencia. De hecho, una
distribución de probabilidades puede comprenderse como una frecuencia teórica, ya que describe
cómo se espera que varíen los resultados.
Variable aleatoria: Es aquella cuyo valor es el resultado de un evento aleatorio. Lo que quiere
decir que son los resultados que se presentan al azar en cualquier evento o experimento.
Variable aleatoria discreta: Es aquella que solo toma ciertos valores (frecuentemente enteros) y
que resulta principalmente del conteo realizado.
Variable aleatoria continua: Es aquella que resulta generalmente de la medición y puede tomar
cualquier valor dentro de un intervalo dado.
Definición de Función de Distribución
En la teoría de la probabilidad y en estadística, la Función de Distribución Acumulada (FDA,

designada también a veces simplemente como FD) asociada a una variable aleatoria real: X
(mayúscula) sujeta a cierta ley de distribución de probabilidad, es una función matemática de la
variable real: x (minúscula); que describe la probabilidad de que X tenga un valor menor o igual
que x.
Intuitivamente, asumiendo la función f como la ley de distribución de probabilidad, la FDA sería

la función con la recta real como dominio, con imagen del área hasta aquí de la función f, siendo
aquí el valor x para la variable aleatoria real X.
Probabilidad
Función de Distribución Acumulativa para la distribución normal
Distribución gamma
La distribución gamma es una distribución de probabilidades continúa generalizadas de la

distribución exponencial, utilizada para modelar variables aleatorias continuas con asimetría
positiva, es decir, aquellas que presentan una mayor densidad de ocurrencia a la izquierda de la
media que a la derecha.
La notación fue ideada por Adrien-Marie Legendre. Si la parte real del número complejo z es
positivo, entonces la integral
Converge absolutamente; esta integral puede ser extendida a todo el plano complejo excepto a
los enteros negativos y al cero.
Si n es un entero positivo, entonces

Probabilidad
Componentes de la distribución gamma
 X; es el valor en el que se desea evaluar la distribución.

 Alfa; es un parámetro de la distribución.
 Beta; es también un parámetro de la distribución.
 Función gamma; determina si se presenta convergencia.
 F(x); es la representación de la probabilidad estadística.
Formulación de la distribución gamma
2. Nombre del participante y caso seleccionado: Lucas Gómez, caso 2.
La probabilidad se refiere al estudio de la aleatoriedad y la incertidumbre en cualquier situación

donde podría ocurrir uno de varios resultados posibles. En algunos casos se utiliza de manera
informal como, por ejemplo: hay un 50% de probabilidad de que llueva.
DEFINICIONES
 Probabilidad: es la posibilidad numérica de ocurra un evento. Se mide con valores

comprendidos entre 0 y 1, entre mayor sea la probabilidad, más se acercará a uno.
 Experimento: es toda acción bien definida que conlleva a un resultado único bien definido
como el lanzamiento de un dado. Es el proceso que produce un evento.
Probabilidad
 Espacio muestral: es el conjunto de todos los resultados posibles de un experimento. Para

un dado es SS = (1,2,3,4,5,6)
 Evento: es cualquier colección de resultados contenidos en el espacio muestral. Es simple si
sólo tiene un resultado y compuesto si tiene varios resultados.
Definición Clásica de Probabilidad. Modelo de frecuencia relativa
La probabilidad de un evento (E), puede ser calculada mediante la relación del número de
respuestas en favor de E, y el número total de resultados posibles en un experimento.
P E  
# Favorable E
# Total resultados
3. Nombre del participante y caso seleccionado: Julián Osorio, caso 3.
Variable discreta
Una variable discreta es aquella que solo puede tomar un número finito de valores entre dos
valores cualesquiera de una característica.
Ejemplo: El número de hermanos de 5 amigos: 2, 1, 0, 1, 3.
Valor esperado o esperanza matemática
La esperanza matemática o valor esperado de una variable aleatoria discreta es la suma del
producto de la probabilidad de cada suceso por el valor de dicho suceso.
𝑬(𝑿) = 𝒙𝟏. 𝒑𝟏 + 𝒙𝟐. 𝒑𝟐 + 𝒙𝟑. 𝒑𝟑 … 𝒙𝒊. 𝒑𝒊 = ∑ 𝒙𝒊. 𝒑𝒊

𝒊=𝟏
Probabilidad
Los nombres de esperanza matemática y valor esperado tienen su origen en los juegos de azar y
hacen referencia a la ganancia promedio esperada por un jugador cuando hace un gran número
de apuestas.
Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no existe ventaja ni

para el jugador ni para la banca.
Varianza
La varianza es la media aritmética del cuadrado de las desviaciones respecto a la media de una
distribución estadística. La varianza se representa por el signo 𝜎 2
∑𝑛𝑖=1 𝑥𝑖 − x̄
𝜎2 =
𝑁
Propiedades de la varianza:
a. La varianza será siempre un valor positivo o cero, en el caso de que las puntuaciones sean
iguales.
b. Si a todos los valores de la variable se les suma un número la varianza no varía.
c. Si todos los valores de la variable se multiplican por un número la varianza queda
multiplicada por el cuadrado de dicho número.
d. Si tenemos varias distribuciones con la misma media y conocemos sus respectivas varianzas
se puede calcular la varianza total.
Probabilidad
Distribución de frecuencia
La distribución de frecuencias o tabla de frecuencias es una ordenación en forma de tabla de los

datos estadísticos, asignando a cada dato su frecuencia correspondiente.
Tipos de frecuencias:
a. Frecuencia absoluta
La frecuencia absoluta es el número de veces que aparece un determinado valor en un estudio

estadístico representada por fi.
La suma de las frecuencias absolutas es igual al número total de datos, que se representa por N.
∑ 𝑓𝑖 = 𝑁
𝑖=1
b. Frecuencia Relativa:
La frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor y el

número total de datos. Se puede expresar en tantos por ciento y se representa por ni.
𝑓𝑖
𝑛𝑖 =
𝑛
c. Frecuencia acumulada:
La frecuencia acumulada es la suma de las frecuencias absolutas de todos

los valores inferiores o iguales al valor considerado y se representa por Fi.
Probabilidad
d. Frecuencia relativa acumulada
La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada

de un determinado valor y el número total de datos. Se puede expresar en
tantos por ciento.
Desviación típica
La desviación típica es la raíz cuadrada de la varianza, e s decir la raíz

cuadrada de la media de los cuadrados de las puntuaciones de desviación, se
representa por 𝜎.
∑𝑛𝑖=1(𝑥𝑖 − x̄ )2
𝜎=√
𝑁
Coeficiente de variación
El coeficiente de variación es la relación entre la desviación típica de una muestra y su media,

suele ser expresado en porcentajes.
El coeficiente de variación permite comparar las dispersiones de dos distribuciones distintas,

siempre que sus medias sean positivas.
Se calcula para cada una de las distribuciones y los valores que se obtienen se comparan entre sí.
La mayor dispersión corresponderá al valor del coeficiente de variación mayor. Su

representación es la siguiente:
Probabilidad
4. Nombre del participante y caso seleccionado: Ludís Barros, caso 4.
Los conceptos teóricos que me permitieron solucionar el estudio de caso seleccionado es la

Función de distribución probabilidad binomial, función factorial, distribución normal y, a
continuación, expongo un breve resumen.
DISTRIBUCION DE PROBABILIDAD BINOMIAL
Es una distribución de probabilidad de una gran cantidad de variables aleatorias discretas cuyos
resultados experimentales son generados mediante un proceso conocido como Bernoulli. Su
nombre se establece en honor del matemático suizo Jacob Bernoulli (1654-1705).
Esta distribución de probabilidad se ocupa de experimentos en donde su resultado solo puede
tomar un solo valor de dos posibles, por lo que estos resultados son mutuamente excluyentes.
Una distribución se denomina binomial cuando se cumplen las condiciones siguientes:
 Cada experimento tiene solamente dos resultados posibles (éxito o fracaso). Estos resultados
son, mutuamente excluyentes.
 Los resultados de cada experimento pueden obtenerse mediante dos métodos de muestreo.
Cada observación puede seleccionarse, ya sea a partir de una población infinita sin
reemplazo, o bien, a partir de una población finita con reemplazo.
 El experimento aleatorio de base se repite n veces, y todos los resultados obtenidos son
mutuamente independientes.
 En cada prueba se tiene una misma probabilidad de éxito (suceso A), expresada por p.
Asimismo, existe en cada prueba una misma probabilidad de fracaso (suceso ), que es
igual a q = 1 - p.
 El objetivo de la distribución binomial es conocer la probabilidad de que se produzca un
cierto número de éxitos. La variable aleatoria X, que indica el número de veces que aparece
el suceso A (éxito), es discreta, y su recorrido es el conjunto {0, 1, 2, 3, ..., n}.
La distribución binomial se expresa como B (n, p), siendo n el número de veces que se repite el
experimento y p la probabilidad de que se produzca un éxito
Probabilidad
FUNCIÓN PROBABILIDAD
Una forma corriente de descripción de los experimentos aleatorios equiprobables con variable
discreta es la distribución binomial. En este tipo de distribución se estudia la probabilidad de que
se produzca un cierto resultado, que se describe por medio de dos parámetros: el número de
repeticiones realizadas del experimento y la probabilidad individual del suceso aleatorio que se
persigue como resultado.
La Distribución Binomial está relacionada con la distribución de Bernoulli que es una

distribución de variable aleatoria X que toma solamente valores de cero y uno (éxito y fracaso),
cuando se realiza un solo experimento.
La distribución binomial se aplica cuando se realizan un número "n" de veces el experimento de

Bernoulli, siendo cada ensayo independiente del anterior. La variable puede tomar valores entre
0 (si todos los experimentos han sido fracaso) y n (si todos los experimentos han sido éxitos)
Para este tipo de distribución de probabilidad, la función matemática es la siguiente:
Donde:
P(X) = probabilidad de X éxitos dados los parámetros n y p
n = tamaño de la muestra
p = probabilidad de éxito
1 – p = probabilidad de fracaso
X = número de éxitos en la muestra (X = 0, 1, 2, ……. n)

Probabilidad
DISTRIBUCION NORMAL
Una distribución normal de media 𝜇 y desvicion típica 𝜎 se designa por (𝜇, 𝜎). Su gafica es la
campana de gauss:
El área del recinto determinado por la función y el eje de abscisas es igual a la unidad.
Al ser simétrica respecto al eje que pasa por 𝑥 = 𝜇 , deja un área igual a 0.5 a la izquierda y
otra a 0.5 a la derecha.
La probabilidad equivale al área encerrada bajo la curva.
Tipificación de la variable
La distribución normal estándar, o tipificada o reducida, es aquella que tiene por media el
valor cero , 𝜇 = 0 , y por desviación típica la unidad, 𝜎 = 1.
𝑋− 𝜇
𝑍=
𝜎
Probabilidad
5. Nombre del participante y caso seleccionado: Daniela Ochoa caso 5.
DISTRIBUCIÓN DE PROBABILIDAD DE POISSON

Es una distribución de probabilidad que se utiliza en variables aleatorias discretas, su función es
medir la frecuencia de ocurrencia de un evento en un tiempo, espacio o volumen determinado.
Una de sus principales características es que a medida que suceden más eventos, la probabilidad
de ocurrencia en mínima y puede ser aplicada en casos como:
 Número de llegadas de clientes por hora a un banco u otro establecimiento.

 Número de accidentes en un espacio determinado.
 Número de bacterias por mililitro de agua en un depósito de agua.
Esta clase de distribución es el resultado de las siguientes hipótesis:
 La probabilidad de que ocurran dos o más eventos al mismo tiempo es cero.

 La probabilidad de ocurrencia del evento es constante sin importar los intervalos de
tiempo, espacio o volumen.
 La probabilidad de ocurrencia de un evento en un lapso de tiempo, espacio o volumen es
independiente de su ocurrencia en otro lapso de tiempo, espacio o volumen.
La probabilidad de Poisson puede expresarse como:

𝑒 −𝜆 𝜆𝑥
𝑃(𝑥) = O 𝑃(𝑥) =
𝑥! 𝑥!𝑒 𝜆
En donde:
P(x): es la probabilidad de x éxitos dado el valor de 1.

λ: número promedio de ocurrencias por unidad de teimpo, espacio o volumen.
e: 2.71828
x: número de exitos deseados por unidad de tiempo, espacio o volumen
Probabilidad
ACTIVIDADES A DESARROLLAR
RESPONSABLE ROL SELECCIONADO

MIGUEL ANGEL AHUMADA EVALUADOR
Ejercicio 11
¿Red Social WhatsApp mientras se conduce un automóvil?
La proporción de adultos (18 años o más) que admiten emplear la red social de WhatsApp para
enviar mensajes de texto y audio mientras conducen es 47%. Suponga que selecciona al azar tres
conductores adultos y les pregunta si utilizan el WhatsApp para enviar mensajes de texto y audio
mientras conducen.
a. Encuentre la distribución de probabilidad para x, el número de conductores en la muestra que

admiten enviar mensajes de texto y audio mientras conducen.
Rta:
Datos:
p = 0,47 = 47%
q = 1 - 0,47 = 0,53
p: Probabilidad de que se envíen mensajes de texto y audio mientras conducen.
q: Probabilidad de que no se envíen mensajes de texto y audio mientras conducen.
1Tomado y adaptado de Mendenhall, W.; Beaver, R.; Beaver, B. (2015). Introducción a la estadística. Editorial
Cengage Learning.
Probabilidad
La probabilidad es binomial
P (X = k) = Cn, k * p∧k * q ∧n - k
b. Construya un histograma de probabilidad para p(x).
Rta:
c. ¿Cuál es la probabilidad de que exactamente uno de los tres conductores envié mensajes de
texto y audio mientras conduce?
Rta:
n=3
k=1
P (X = 1) = C3,1 (0,47) ¹ (0,53) ²
P (X = 1) = 3 *0,47 * 0,2809 = 0,3960 = 39,60%
La probabilidad que envié mensajes de texto es de 39,60%

Probabilidad
d. ¿Cuáles son la media y la desviación estándar poblacional para la variable aleatoria x?
Rta:
μ: media
σ: desviación estándar
μ = n*p
μ = 3*0,47 = 1,41
σ = n*p*q
σ = 3 * 0,47*0,53 = 0,75
La desviación estándar poblacional es de 0,75

Probabilidad

LUCAS GOMEZ REVISOR
Ejercicio 22
Prueba de la FDA. Como reglamentación se conoce que la duración máxima de patente para un
nuevo medicamento es 17 años. Restando el tiempo requerido por la FDA para probar y aprobar
el medicamento, es decir, el tiempo que una compañía tiene para recuperar costos de
investigación y desarrollo y obtener una utilidad. Suponga que la distribución de tiempos de vida
de patente para nuevos medicamentos es como se muestra a continuación:
Años, x 3 4 5 6 7 8 9 10 11
p(x) 0.03 0.05 0.07 0.10 0.14 0.20 0.18 0.12 0.07
Años, x 12 13
p(x) 0.03 0.01
a. Encuentre el número esperado de años de vigencia de patente para un nuevo

medicamento.
Sea x una variable aleatoria discreta con distribución de probabilidad 𝑝(𝑥). La media o valor
esperado de 𝑥 , está dada como:
𝜇 = 𝐸(𝑥) = ∑ 𝑥𝑝(𝑥)
𝜇 = 𝐸(𝑥) = 3(0,03) + 4(0,05) + 5(0,07) + 6(0,10) + 7(0,14) + 8(0,20) + 9(0,18)

+ 10(0,12) + 11(0,07) + 12(0,03) + 13(0,01) =
2Tomado y adaptado de Mendenhall, W.; Beaver, R.; Beaver, B. (2015). Introducción a la estadística.
EditorailCengageLearning.
Probabilidad
𝜇 = 𝐸(𝑥) = 0,09 + 0,2 + 0,35 + 0,6 + 0,98 + 1,6 + 1,62 + 1,2 + 0,77 + 0,36 + 0,13
𝜇 = 𝐸(𝑥) = 7,9 𝑎ñ𝑜𝑠
b. Encuentra la desviación estándar de x.
𝑥 𝑝(𝑥) 𝑥𝑝(𝑥) 𝑥−𝜇 (𝑥 − 𝜇)2 (𝑥 − 𝜇)2 𝑝(𝑥)

3 0,03 0,09 3 − 7,9 = −4,9 24,01 24,01 ∗ 0,03 = 17,294
4 0,05 0,2 4 − 7,9 = −3,9 15,21 = 15,21 ∗ 0,05 = 0,7605
5 0,07 0,35 5 − 7,9 = −2,9 8,41 8,41 ∗ 0,07 = 0,5887
6 0,10 0,6 6 − 7,9 = −1,9 3,61 3,61 ∗ 0,10 = 0,361
7 0,14 0,98 7 − 7,9 = −0,9 0,81 0,81 ∗ 0,14 = 0,1134
8 0,20 1,6 8 − 7,9 = 0,1 0,01 0,01 ∗ 0,20 = 0,002
9 0,18 1,62 9 − 7,9 = 1,1 1,21 1,21 ∗ 0,18 = 0,2178
10 0,12 1,2 10 − 7,9 = 2,1 4,41 4,41 ∗ 0,12 = 0,5292
11 0,07 0,77 11 − 7,9 = 3,1 9,61 9,61 ∗ 0,07 = 0,6727
12 0,03 0,36 12 − 7,9 = 4,1 16,81 16,81 ∗ 0,03 = 0,5043
13 0,01 0,13 13 − 7,9 = 5,1 26,01 26,01 ∗ 0,01 = 0,2601
∑ 𝑠𝑢𝑚 7,9 𝜎 2 = 4,73
𝜇 = 7,9
𝜎 = √𝜎 2 = 𝜎 = √4,73 = 2,17485
𝜎 = 2,17485
c. Encuentra la probabilidad de que x caiga en el intervalo 𝜇 ± 2𝜎
𝜇 + 2𝜎
Probabilidad
7,9 + 2(2,17485) = 12,249
𝜇 − 2𝜎
7,9 − 2(2,17485) = 3,55
𝑎𝑝𝑟𝑜𝑥𝑖𝑚𝑎𝑑𝑎𝑚𝑒𝑛𝑡𝑒 𝑒𝑙 95 % 𝑑𝑒𝑏𝑒𝑛 𝑑𝑒 𝑒𝑠𝑡𝑎𝑟 𝑎 𝜇 ± 2𝜎 ∶ [3,55 𝑎 12,25]
𝑦 𝑒𝑙 𝑖𝑛𝑡𝑒𝑟𝑣𝑎𝑙𝑜 𝑒𝑠𝑡𝑎 𝑑𝑒 3 𝑎 13 𝑒𝑠 𝑑𝑒𝑐𝑖𝑟 𝑐𝑢𝑚𝑝𝑙𝑒
3 0,03 0,09 -4,9 24,01 0,7203 0,25

4 0,05 0,2 -3,9 15,21 0,7605
5 0,07 0,35 -2,9 8,41 0,5887
0,2
6 0,1 0,6 -1,9 3,61 0,361
7 0,14 0,98 -0,9 0,81 0,1134
8 0,2 1,6 0,1 0,01 0,002 0,15
9 0,18 1,62 1,1 1,21 0,2178
10 0,12 1,2 2,1 4,41 0,5292
11 0,07 0,77 3,1 9,61 0,6727 0,1
12 0,03 0,36 4,1 16,81 0,5043
13 0,01 0,13 5,1 26,01 0,2601
7,9 4,73 0,05
2,174856317
12,2497126
3,55028737
Probabilidad
Años, x 0 1 2 3 4 5
p(x) 0.28 0.37 0.17 0.12 0.05 0.01

JULIAN OSORIO LONDOÑO ENTREGAS
Ejercicio 33
Regularmente muchas de las personas que toman café se toman un poco de tiempo para
prepararlo y algunas toman más de un descanso al día. En la siguiente tabla, se ilustra la
distribución de probabilidad para x, el número de descansos por día que se dan quienes toman
café.
a. ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al azar, no se dé
un descanso para tomar café durante el día?
b. ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al azar, se de
más de tres descansos para tomar café durante el día?
c. ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al azar, se de
más de cuatro descansos para tomar café durante el día?
d. Calcule la media y la desviación estándar para la variable aleatoria x. Encuentre la
probabilidad de que x caiga en el intervalo 𝜇 ± 2𝜎.
3Tomado y adaptado de Mendenhall, W.; Beaver, R.; Beaver, B. (2015). Introducción a la estadística. Editorial
Cengage Learning.
Probabilidad
Probabilidad
a. ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al azar, no se dé un
descanso para tomar café durante el día?
P(X=0) =0.28
La probabilidad de que una persona que toma café no se dé un descanso durante el día es del
28%.
b. ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al azar, se dé más
de tres descansos para tomar café durante el día?
P (X > 3) = 1- fx (3) =1-0.94 =0.06
La probabilidad de que una persona que toma café se más de tres descansos durante el día es del
6%.
c. ¿Cuál es la probabilidad de que una persona que toma café, seleccionada al azar, se de más de
cuatro descansos para tomar café durante el día?
P (X > 4) = 1- fx (4) =1-0.99 =0.01
La probabilidad de que una persona que toma café se más de tres descansos durante el día es del
1%.
d. Calcule la media y la desviación estándar para la variable aleatoria x. Encuentre la probabilidad

de que x caiga en el intervalo 𝝁 ± 𝟐𝝈.
Probabilidad

LUDIS BARROS MARTINEZ COMPILADOR
Ejercicio 44
Suponga que el 10% de los campos en una región agrícola determinada están infestados con la
mosca blanca de la remolacha. Se seleccionan de manera aleatoria 100 campos de esta región y
se inspeccionan para ver si están infestados.
a. ¿Cuál es el número promedio de campos muestreados que están infestados?

𝑃 = 10% = 0,10
𝑛 = 100 𝑐𝑎𝑚𝑝𝑜𝑠
𝑞 = (1 − 0,10) = 0,9
Probabilidad Binomial:
𝑛
𝑃 (𝑥 = 𝑘) = ( ) . 𝑝𝑘 . 𝑞 𝑛−𝑘
𝑘
𝑀𝑒𝑑𝑖𝑎 = 𝑛 = 100 0,1 = 10 𝜇
𝐷𝑒𝑠𝑣𝑖𝑎𝑐𝑖ó𝑛 𝐸𝑠𝑡á𝑛𝑑𝑎𝑟 = 𝑛 𝑥 𝑝 𝑥 𝑞 = 100 . 0,1 . 0,9 = 9 = 𝜎

b. ¿Dentro de que límites esperaría usted hallar el número de campos infestados, con
probabilidad aproximada de 95%?
𝑍 = 𝜇 / √𝜎
Para 𝑍 = 1,64, según la tabla de Distribución normal existe una probabilidad de 95%.
1,64 = 𝜇 / √9
𝜇 = 4, 92
Para una media de 4,92
4
Tomado y adaptado de deMendenhall, W.; Beaver, R.; Beaver, B. (2015). Introducción a la estadística.
EditorailCengageLearning.
Probabilidad
c. ¿Qué podría usted concluir si encuentra 𝑥 = 25 campos estuvieran infestados? ¿Es

posible que una de las características de un experimento binomial no se satisfaga en este
experimento? Explique.
Podemos concluir que el resultado está por encima de la probabilidad de campos infestados
dados, este experimento no es factible realizar con una probabilidad binomial.

DANIELA OCHOA EVALUADOR
Ejercicio 5 5
De acuerdo con un estudio realizado por el Departamento de Pediatría de la Universidad

Nacional en Bogotá, los niños que se lesionan dos o más veces tienden a sufrir estas lesiones
durante un tiempo relativamente limitado, por lo general un año o menos. Si el número promedio
de lesiones por año para niños en edad escolar es de dos, ¿cuáles son las probabilidades de estos
eventos?
a) Un niño en edad escolar sufrirá dos lesiones durante el año.
22 4 4
𝑃(2) = 2
= = = 0,27067 ≈ 27%
2! ∗ 𝑒 2 ∗ 7,38904 14,77808
La probabilidad de que un niño sufra dos lesiones durante el año es del 27%.
b) Un niño en edad escolar sufrirá dos o más lesiones durante el año.
Aplicación del teorema de Ac.
5
Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
Probabilidad
20 1
𝑃(0) = 2
= = 0,13533
0! ∗ 𝑒 7,38904
21 2
𝑃(1) = 2
= = 0,27067
1! ∗ 𝑒 7,38904
22 4
𝑃(2) = = = 0,27067
2! ∗ 𝑒 2 14,77809
𝑃(≤ 2) = 0,67667
𝑃(> 2) = 1 − 𝑃(≤ 2)
𝑃(> 2) = 1 − 0,67667
𝑃(> 2) = 0.32333 ≈ 32.33%
La probabilidad de que un niño sufra dos o más lesiones durante el año es del 32.33%
c) Un niño en edad escolar sufrirá a lo sumo una lesión durante el año.
Aplicación del teorema de Ac.
20 1
𝑃(0) = 2
= = 0,13533
0! ∗ 𝑒 7,38904
21 2
𝑃(1) = = = 0,27067
1! ∗ 𝑒 2 7,38904
𝑃(≤ 1) = 0,406
La probabilidad de que un niño sufra a lo sumo una lesión durante el año es del 40.6%
Probabilidad
CONCLUSIONES
Una variable aleatoria se define asignado un valor numérico a cada suceso simple de un
experimento que conduzca a resultados aleatorios.
Las variables aleatorias pueden ser: Variable aleatoria discreta y Variable aleatoria continua.
Una variable aleatoria discreta es una variable que puede tomar sólo valores de un conjunto
predeterminado; se llamará discreta porque sólo ciertos valores se miden contando el número de
éxitos que ocurren. Ejemplos: número de veces que aparece el seis al tirar un dado, número de
hijos en una familia.
Una variable aleatoria continua es cuando se puede tomar cualquier valor dentro de un
intervalo. Ejemplos: la estatura y peso de una persona, la distancia en metros entre un lugar y
otro.
Probabilidad
REFERENCIAS BIBLIOGRAFICAS
 Rodríguez, F. &Pierdant, A. (2014). Estadística para administración. Recuperado de

http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=110
13767&tm=1470693471527
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Recuperado de
36604&tm=1470693651415
 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica: Probabilidad
e inferencia. Recuperado de
5669&tm=1470693596054
 Sánchez, J. (2018). Distribución Binomial. Recuperado

de http://hdl.handle.net/10596/17785
 Martínez, C. (2011). Estadística Básica Aplicada. Ecoe, 4a edición. Recuperado de
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=239&docID=10560355&
tm=1489690264128
 Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015). Probabilidad y estadística 1.
Distrito Federal, MÉXICO: Grupo Editorial Patria. Retrieved from Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=11230886&p00=conce
ptos+generales+estad%C3%ADstica+descriptiva&ppg=46
 https://www.vitutor.com/pro/3/b_2.html
 https://www.gestiopolis.com/que-es-una-distribucion-binomial/
 https://www.ecured.cu/Distribuci%C3%B3n_binomial
 https://www.ugr.es/~bioestad/_private/Tema_4_color.pdf

UNAD

Cargado por

Copyright:

Formatos disponibles

UNAD

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

UNAD

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS ADMINISTRATIVAS, CONTABLES, ECONÓMICAS Y DE NEGOCIOS

UNIDAD 1 y 2: TÉCNICAS DE CONTEO Y DISTRIBUCIONES DE PROBABILIDAD

GRUPO: 100402 – 249

TUTOR: LUZ ANA ABAD

RESUMEN DE CONCEPTOS TEÓRICOS QUE PERMITIÓ SOLUCIONAR EL

1. Nombre del participante y caso seleccionado: Miguel Ángel Ahumada, caso 1.

Definición de Función de Distribución

En la teoría de la probabilidad y en estadística, la Función de Distribución Acumulada (FDA,

Intuitivamente, asumiendo la función f como la ley de distribución de probabilidad, la FDA sería

Función de Distribución Acumulativa para la distribución normal

La distribución gamma es una distribución de probabilidades continúa generalizadas de la

Si n es un entero positivo, entonces

Componentes de la distribución gamma

 X; es el valor en el que se desea evaluar la distribución.

Formulación de la distribución gamma

2. Nombre del participante y caso seleccionado: Lucas Gómez, caso 2.

La probabilidad se refiere al estudio de la aleatoriedad y la incertidumbre en cualquier situación

 Probabilidad: es la posibilidad numérica de ocurra un evento. Se mide con valores

 Espacio muestral: es el conjunto de todos los resultados posibles de un experimento. Para

Definición Clásica de Probabilidad. Modelo de frecuencia relativa

3. Nombre del participante y caso seleccionado: Julián Osorio, caso 3.

Ejemplo: El número de hermanos de 5 amigos: 2, 1, 0, 1, 3.

Valor esperado o esperanza matemática

𝑬(𝑿) = 𝒙𝟏. 𝒑𝟏 + 𝒙𝟐. 𝒑𝟐 + 𝒙𝟑. 𝒑𝟑 … 𝒙𝒊. 𝒑𝒊 = ∑ 𝒙𝒊. 𝒑𝒊

Si la esperanza matemática es cero, E(x) = 0, el juego es equitativo, es decir, no existe ventaja ni

La distribución de frecuencias o tabla de frecuencias es una ordenación en forma de tabla de los

La frecuencia absoluta es el número de veces que aparece un determinado valor en un estudio

La frecuencia relativa es el cociente entre la frecuencia absoluta de un determinado valor y el

La frecuencia acumulada es la suma de las frecuencias absolutas de todos

d. Frecuencia relativa acumulada

La frecuencia relativa acumulada es el cociente entre la frecuencia acumulada

La desviación típica es la raíz cuadrada de la varianza, e s decir la raíz

El coeficiente de variación es la relación entre la desviación típica de una muestra y su media,

El coeficiente de variación permite comparar las dispersiones de dos distribuciones distintas,

La mayor dispersión corresponderá al valor del coeficiente de variación mayor. Su

4. Nombre del participante y caso seleccionado: Ludís Barros, caso 4.

Los conceptos teóricos que me permitieron solucionar el estudio de caso seleccionado es la

DISTRIBUCION DE PROBABILIDAD BINOMIAL

La Distribución Binomial está relacionada con la distribución de Bernoulli que es una

La distribución binomial se aplica cuando se realizan un número "n" de veces el experimento de

Para este tipo de distribución de probabilidad, la función matemática es la siguiente:

P(X) = probabilidad de X éxitos dados los parámetros n y p

X = número de éxitos en la muestra (X = 0, 1, 2, ……. n)

La probabilidad equivale al área encerrada bajo la curva.

5. Nombre del participante y caso seleccionado: Daniela Ochoa caso 5.

DISTRIBUCIÓN DE PROBABILIDAD DE POISSON

 Número de llegadas de clientes por hora a un banco u otro establecimiento.

Esta clase de distribución es el resultado de las siguientes hipótesis:

 La probabilidad de que ocurran dos o más eventos al mismo tiempo es cero.

La probabilidad de Poisson puede expresarse como:

P(x): es la probabilidad de x éxitos dado el valor de 1.

RESPONSABLE ROL SELECCIONADO

¿Red Social WhatsApp mientras se conduce un automóvil?

a. Encuentre la distribución de probabilidad para x, el número de conductores en la muestra que

p: Probabilidad de que se envíen mensajes de texto y audio mientras conducen.

q: Probabilidad de que no se envíen mensajes de texto y audio mientras conducen.

b. Construya un histograma de probabilidad para p(x).

P (X = 1) = C3,1 (0,47) ¹ (0,53) ²

P (X = 1) = 3 0,47 0,2809 = 0,3960 = 39,60%