Recuperacion - Tarea - 2 - Julian Javier Moreno - Grupo - 119

RECUPERACION TAREA 2
GRUPO:100402_119
PRESENTADO POR:
JULIAN JAVIER MORENO
PRESENTADO A:
AZUCENA GIL
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

PROBABILIDAD
2019
INTRODUCCIÓN
En este trabajo se desarrollaron 3 casos, uno de distribución poisson,

otra distribución normal y una tercer caso de distribución binomial, en
donde se trabajaron conceptos y propios de la probabilidad condicional
y las distribuciones de Probabilidad.
Objetivos
 Aplica los conceptos básicos de probabilidad, técnicas de conteo y

axiomas de Probabilidad en la resolución de problemas.
 Resuelve casos de estudio, utilizando los conceptos propios de la
probabilidad condicional y las distribuciones de Probabilidad
RECUPERACION TAREA 2
Ejercicios de recupración Tarea 2:

Para el desarrollo de este ejercicio, es necesario que el estudiante revise
en el Entorno de Conocimiento (Unidad 2), las siguientes referencias:
Estudio de caso 1
Distribución Poisson. En el estudio de cierto organismo acuático se

toman un gran número de muestras de un estanque y se midió el
número de organismos que había en cada muestra. Se encontró que el
promedio de organismos por muestra fue de dos. Encontrar la
probabilidad de que:
a. Se encuentre algún organismo en una muestra.
b. En una nueva muestra se encuentren exactamente 3 organismos.
SOLUCION
a. Se encuentre algún organismo en una muestra.
e−μ∗μk
P ( X=k )=
k!
μ=2
e−2∗21
P ( X=1 ) = =0.27=27 %
1!
b. En una nueva muestra se encuentren exactamente 3 organismos
e−μ∗μk
P ( X=k )=
k!
μ=2
e−2∗23
P ( X=3 )= =0.18=18 %
3!
Estudio de caso 2
Distribución Normal. En el estudio de huellas digitales, una

importante característica cuantitativa es el número total de surcos para
los 10 dedos de un individuo. Si los números totales de surcos de los
individuos en cierta población están distribuidos aproximadamente
normal con media μ=140 surcos y σ =50 surcos hallar la probabilidad de
que un individuo elegido al azar de esta población tenga un número de
surcos:
Datos
μ=140
σ =50
a. Mínimo de 200.
P ( X ≥200 )=¿
X−μ
Z=
σ
200−140
Z= =1.2
50
b. Menor que 100.
P ( X <100 )=P ( Z ≤−0,8 )=P ( Z ≥−0,8 )

¿ 1−P ( Z ≤ 0,8 )
¿ 1−0,7881
¿ 0,2119=21,1 %
c. Entre 100 y 200.

200−140 60
Z 200= = =1,2
50 50
100−140
Z 100= =−0,8
50
P ( 100< X >200 ) =P (−0,8≤ Z ≤ 1,2 )
P ( Z ≤1,2 )−P (Z ≤−0,8)
¿ 0.8849−P (1−P ( Z ≤0.8 ))
¿ 0.8849−(1−0.7881)
¿ 0.8849−0.2119
¿ 0.6730=67.3 %
Estudio de caso 3
Distribución Binomial. Supóngase que la tasa de mortalidad para

cierta enfermedad en una comunidad es de 0,10 y que la contraen 10
personas. Cuál es la Probabilidad de que:
P=0,1
n=10
q=1−P=0.9
P ( X=K )= n ∗Pk∗qn−k
( )
K
a. Ninguna Sobreviva.
P ( X=10 )=( 1010)∗0.1 ∗0 .9 = 10 !∗(1010−10

10 0 !
)!
10
∗0.1 ∗0 .9 =¿
0
P ( X=10 )=1∗0.110∗0 .90=1∗10−10
b. El 50% muera.
10 !
P ( X=5 )= 10 ∗0.15∗0.95=
( ) ∗0.15∗0 .95
5 5!∗5 !
P ( X=5 )=0.00148=0.14 %
c. Al menos tres mueran.
10!
P ( X=3 )= 10 ∗0.13∗0.97=
( ) ∗0.13∗0.97
3 3 !∗7 !
P ( X=3 )=0.0574=5.73 %
d. Exactamente seis sobrevivan.

10 !
P ( X=4 )= 10 ∗0.14∗0.96=
( ) ∗0.1 4∗0 .96
4 4 !∗6 !
P ( X=4 )=0.011=1.11 %
Entonces para hallar exactamente pa probabilidad de 6 sobrevivientes

es
100 %−1.11%=98.88 % es el porcentaje de que 6 personas sobrevivan

Unidad 2: Tarea 2 - Experimentos aleatorios y distribuciones de probabilidad
 Reconocer y aplicar modelos de probabilidad discretos y

continuas
 Conocer el significado y calcular la esperanza y la varianza de
PROPOSITOS una variable aleatoria discreta y continua
 Calcular probabilidades dominando el uso de funciones
asociadas con variables aleatorias discretas y continuas.
VARIABLES
ALEATORIAS
DISCRETAS Y
CONTINUAS
 Una variable aleatoria es discreta si su espacio muestral es una

conjunto discreto, es decir, un conjunto finito o bien un conjunto
CARACT infinito pero numerable.
ERISTICA  Una variable aleatoria continua es el espacio muestral donde la
variable es infinita no numerable, como el conjunto de puntos
de un intervalo real.
 Explicar y diferenciar las principales distribuciones de
probabilidad para variable aleatoria discreta: Binomial,
Hipergeométrica y Poisson.
DEFINICION Y
 Identificar las condiciones que se deben tomar en cuenta para
PROPOSITOS
la aplicación de cada una de las distribuciones de probabilidad
 Calcular e interpretar probabilidades haciendo uso de las
distribuciones mencionadas.
Una distribución de probabilidad Binomial discreta describe el

BINOMIA número de éxitos al realizar n experimentos independientes
L entre sí, acerca de una variable aleatoria. Se representa
mediante un proceso de Bernoulli.
Una distribución de probabilidad de Poisson se aplica para

DISTRIBUCIONES variables aleatorias discretas, ya que mide la frecuencia
DISCRETAS DE POISSON relativa de un evento en función a una unidad de tiempo, a
PROBABILIDAD una de espacio, o bien, a una de volumen. Permite describir
el comportamiento de probabilidad en problemas diversos.
TEMATIC
AS Una distribución de probabilidad Hipergeométrica surge al
seleccionar una muestra sin reemplazo de una población
finita conocida y que representa una proporción relativamente
HIPERGE
grande de la población. Determina la probabilidad de tener
OMETRÍA
un determinado número éxitos en una muestra que se obtuvo
de una población con determinado número de éxitos.
Esta distribución de probabilidad Geométrica es un caso

especial de la Binomial, ya que se desea que ocurra un éxito
GEOMET por primera y única vez en el último ensayo que se realiza del
RÍA experimento, para obtener la fórmula de esta distribución,
haremos uso de un ejemplo.
Una distribución de probabilidad continua es el conjunto de todos los
posibles resultados que presenta una variable aleatoria continua junto con la
DEFINICION probabilidad de cada resultado, en el rango o intervalo de valores en el que
se ha hecho la medición de la variable.
Es la distribución continua de probabilidad
en la cual todos los valores que toma la
variable en el intervalo o rango que la
PROBABI define tienen el mismo valor de
probabilidad. P ¿
LIDAD
Mide el paso del tiempo entre un suceso y

otro, de ahí que esta la última distribución
PROBABI sea una distribución de probabilidad
DISTRIBUCIONES LIDAD continua P( X ≤ x)=1−e−μt
CONTINUAS DE
PROBABILIDAD
La Distribución normal es aquella distribución de
la probabilidad cuya gráfica adquiere forma de
DISTRIBUCIONES
PROBABI campana simétrica (de Gauss). Sirve para evaluar
LIDAD variables aleatorias que tendrán un
comportamiento normal o aproximadamente normal.
PROBABI
LIDAD
DISTRIBU
CION t de
CONCLUCIONES
Se concluyó con el desarrollo de 3 casos reales en donde se evaluaron

los procedimiento de las distribuciones de probabilidad dando una
solución a los casos de distribución (normal, binominal poisson).
Bibliografía
Mendenhal, W., Beaver, R., & Beaver, B. M. (s.f.). Introducción a la

probabilidad. Recuperado el 21 de 10 de 2019, de
file:///C:/Users/Usuario/Downloads/Introduccion_a_la_probabilida
d_y_estadistica%20mendenhall%20completo.pdf
Rodriguez Franco, J., & Pierdant Rodríguez, A. I. (01 de 01 de 2014).

Estadística para administración. Recuperado el 21 de 10 de 2019,
de https://ebookcentral-proquest-
com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=3227823&ppg=258
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.

(Pp. 150-152).
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad.

primer curso. (Pp. 195-221).

(Pp. 245-261).García, Á. M. Á. (2005). Introducción a la teoría de la
probabilidad. primer curso. (Pp. 221-243).

(Pp. 279 -301).

Recuperacion - Tarea - 2 - Julian Javier Moreno - Grupo - 119

Cargado por

Copyright:

Formatos disponibles

Recuperacion - Tarea - 2 - Julian Javier Moreno - Grupo - 119

Cargado por

Información del documento

Descripción original:

Título 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

Recuperacion - Tarea - 2 - Julian Javier Moreno - Grupo - 119

Cargado por

Copyright:

Formatos disponibles

RECUPERACION TAREA 2

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

En este trabajo se desarrollaron 3 casos, uno de distribución poisson,

 Aplica los conceptos básicos de probabilidad, técnicas de conteo y

Ejercicios de recupración Tarea 2:

Distribución Poisson. En el estudio de cierto organismo acuático se

b. En una nueva muestra se encuentren exactamente 3 organismos

Distribución Normal. En el estudio de huellas digitales, una

b. Menor que 100.

P ( X <100 )=P ( Z ≤−0,8 )=P ( Z ≥−0,8 )

c. Entre 100 y 200.

Distribución Binomial. Supóngase que la tasa de mortalidad para

P ( X=10 )=( 1010)∗0.1 ∗0 .9 = 10 !∗(1010−10

P ( X=10 )=1∗0.110∗0 .90=1∗10−10

d. Exactamente seis sobrevivan.

Entonces para hallar exactamente pa probabilidad de 6 sobrevivientes

100 %−1.11%=98.88 % es el porcentaje de que 6 personas sobrevivan

 Reconocer y aplicar modelos de probabilidad discretos y

 Una variable aleatoria es discreta si su espacio muestral es una

Una distribución de probabilidad Binomial discreta describe el

Una distribución de probabilidad de Poisson se aplica para

Esta distribución de probabilidad Geométrica es un caso

Mide el paso del tiempo entre un suceso y

Se concluyó con el desarrollo de 3 casos reales en donde se evaluaron

Mendenhal, W., Beaver, R., & Beaver, B. M. (s.f.). Introducción a la

Rodriguez Franco, J., & Pierdant Rodríguez, A. I. (01 de 01 de 2014).

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.

García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad.

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.

También podría gustarte