PROBABILIDAD

Probabilidad condicional y distribuciones de Probabilidad

Tutor:
ANUAR DE JESUS OYOLA

GRUPO: 100402A_761

Presentado por
HERNANDO DURAN
Cód. 73.577.550
Universidad nacional abierta y a
Distancia (UNAD)

Fecha:

19/04/2020
 DESARROLLO DE EJERCICIOS
Estudios de caso estudiante N°21:

a. Distribución Hipergeométrica: Un lote de 40 artículos contiene 5 defectuosos. Se elige una muestra

aleatoria de 8 artículos. ¿Cuál es la Probabilidad de que 3 de ellos sean defectuosos?
Del ejercicio, definimos los siguientes datos:

N = 40
n=8
k=3
m=5
Vamos a emplear una fórmula y reemplazamos con esos datos:
p(X=k) = (m k)(N - m/n - k)/(N n)

p(X=3) = (5 3)(40 - 5/8 - 3)/(40 8)

p(X=3) = (5 3)(35 5)/(40 8)

p(X=3) = (5C3*35C5)/40C8

p(X=3) = 0.0422

Lo que quiere decir que en términos porcentuales, la probabilidad de que 3 artículos de la muestra sean
defectuosos es de 4.22%

1
 Distribución Binomial: En cierta zona geográfica, el 10% de las personas son analfabetas. ¿Cuál es la
Probabilidad de que una muestra aleatoria de 15 adultos el número de analfabetas sea:

p ( x=k ) = ( nk ) p ( 1− p)
k n−k
q=1− p

1. ¿Exactamente 6?
p=10 % ; 0.1
q=1− p = 1-.01 = 0.9
n=15
k =6

p ( x=6 )= ( 156 ) ( 0.1) ( 0.9)

6 15−6

6 9
p=50.05 ( 0.1 ) ( 0.9 ) =0.019
P= 1.9%

2. ¿Menos de 5?

p ( x<5 )= ( 150 )( 0.1) ( 0.9) +( 151 ) ( 0.1) ( 0.9 ) +( 152 ) ( 0.1) ( 0.9) +( 153 ) ( 0.1) ( 0.9 ) +( 154 ) ( 0.1) ( 0.9 )
0 15 1 14 2 13 3 12 4 11

¿ 0.2059+0.3432+0.2669+ 0.1285+ 0.0428

¿ 0.9873
p= ( x <5 ) =98.73 %

3. ¿3 o más?

x ≥ 3=1− p ( x<3 )

¿ 1−[ p ( x−0 ) + p ( x=1 ) + p ( x=2 ) ]

Tenemos que:

p= ( x =0 )= ( 150 ) ( 0.1 ) ( 0.9 )

0 15
=0.2059

p= ( x =1 )= ( 151 ) ( 0.1 ) ( 0.9)

1 14
=0.3432

p= ( x =2 )= ( 152 )( 0.1 ) ( 0.9)

2 13
=0. 2669
 p ( x ≥ 3 )=1−[ 0.2059+ 0.3432+ 0.2669 ]
¿ 1− [ 0.816 ]
= 0.0184
= 18.4%

4. ¿Entre 3 y 5 inclusive?
p ( 3≤ x ≤ 5 ) =p ( x=3 )+ p ( x=4 ) + p ( x=5 )

p= ( x =3 )= ( 153 )( 0.1 ) ( 0.9)

3 12
=0. 1285

( 154 )( 0.1) ( 0.9 ) =0.0428

p= ( x =4 )= 4 11

p= ( x =5 )= ( 155 )( 0.1 ) ( 0.9 )

5 10
=0. 0105

p ( 3≤ x ≤ 5 ) =0.1285+0.0428+0.0105=0.1818

= 18.18%

5. Menos de 7 pero más de 4?

p ( 4 < x<7 )= p ( x=5 ) + p ( x=6 )

p= ( x =5 )= ( 155 )( 0.1 ) ( 0.9) =0.0105

5 10

p= ( x =6 )= ( 158 ) ( 0.1 ) ( 0.9 ) =0.0 0 1 9

6 9

p ( 4 < x<7 )=0.0105+ 0.0019=0.0124

= 1.24 %
b. Distribución Poisson: Un Call center de la empresa de telefonía Movistar puede recibir un máximo de 8
llamadas por minuto, en promedio se reciben 5 llamadas cada minuto. Encuéntrese las Probabilidades de
que el número de llamadas recibidas en el siguiente minuto por el call center sea:

−λ λx
P ( x=x )=e
x!

1. Máximo 6.

λ=5

x=6

−5 56
P ( x=6 )=e =0.146
6!

5 ¿5
P ( x=5 )=e−5 =0.1 75
5!

−5 54
P ( x=4 )=e =0.175
4!

3
P ( x=3 )=e−5 =0.14
3!

−5 52
P ( x=2 )=e =0.08 4
2!

−5 51
P ( x=1 )=e =0. 034
1!

−5 50
P ( x=0 )=e =0. 007
0!

P ( x ≤ 6 )=0.146+0.175+ 0.175+0.14+ 0.084+0.034 +0.00 7=0.761

= 76.1%

2. Menos de 4.
 P ( x< 4 )=P ( x=0 ) + P ( x =1 )+ P ( x=2 ) + P ( x=3 )

−5 50
P ( x=0 )=e =0.007
0!

−5 51
P ( x=1 )=e =0.0 34
1!

−5 52
P ( x=2 )=e =0.0 84
2!
3
−5 5
P x=3 =e
( ) =0. 14
3!

P ( x< 4 )=0.007+0.034 +0.084+ 0.14=0.265

= 26.5 %

3. Al menos 3.
P ( x ≥ 3 )=1−P ( x <3 )
P ( x ≥ 3 )=1−[ P ( x=0 )+ P ( x=1 ) + P ( x=2 ) ]
P ( x=0 )=0.007
P ( x=1 )=0. 034
P ( x=2 )=0.0 84
P ( x ≥ 3 )=1−[ 0.007+0.034+ 0.084 ]
P ( x ≥ 3 )=1−[ 0.125 ]
= 0.875
= 87.5 %

4. Tan grande que lo sature.

P (X= 5) = 3⁵ (2,7182718) ⁻³/ 5! = 0,1

= 10%

5. Entre 2 y 7.
P= (2 ≤ x ≤ 7 )=P=1−[ P ( x=0 ) + P ( x=1 ) + P ( x=8 ) ]

P ( x=0 )=0.007
 P ( x=1 )=0. 034

P ( x=8 )=0.0 65

P= (2 ≤ x ≤ 7 )=1−[ 0.007+0.034+ 0.065 ]

P= (2 ≤ x ≤ 7 )=1−[ 0.106 ]

P= (2 ≤ x ≤ 7 )=0.894

P=89.4 %

6. Una o más pero menos de 8.

P= (1 ≤ x< 8 )=1− [ P ( x=0 )+ P ( x=8 ) ]
P ( x=0 )=0.007
P ( x=8 )=0.0 65
P= (1 ≤ x< 8 )=1− [ 0.007+ 0.065 ]
P= (1 ≤ x< 8 )=1− [ 0.072 ]
P= (1 ≤ x< 8 )=0.928
P = 92.8%

7. No más de 3 pero más de 1.

P= (1< x ≤3 )=P ( x =2 )+ P ( x=3 )

P ( x=2 )=0.0 84

P ( x=3 )=0.14

P= (1< x ≤3 )=0.084+ 0.14=0.224

= 22.4%

8. Mas de 2 pero menos de 6.

P= ( 0≤ x <2 )=1− [ P ( x=0 )+ P ( x=1 ) ]

P ( x=0 )=0.007
 P ( x=1 )=0.0 34

P =0.007+0.034 = 0.041

p=4.1 %
9. Ninguna.

P ( x=0 )=0.007

= 0.7%

c. Distribución Normal: El pan de Almendra alto en proteína es el producto más exitoso de Fitcook by
Mary Méndez, este producto se distribuye en las principales ciudades del País. Las cajas en las cuales se
empaca este producto tienen una longitud promedio de 32 centímetros y una desviación estándar de 3
centímetros. Si se supone que las longitudes están distribuidas normalmente, ¿qué porcentaje de las cajas
son:
1. más largas que 33.8 centímetros?
2. de entre 31,3 y 35.5 centímetros de longitud?
3. más cortas que 27.5 centímetros?

Distribución Normal
2
−1 x−u
2( )
σ
e
y=f ( x )=
√2 π σ
Punto 1
U=32
σ =3
x >33.8
N (32;3)
σ =3

x 32 33.8
μ
Estandarizamos la Curva
x−u 33.8−32 1.8
z= = = =0.6
σ 3 3
z=0.6

A4
z

0 0.6
Según tabla de distribución normalizada en Z = 0.6 A3=0.2257
Tenemos:
A 4=0.5−A 3
A 4=0.5−0.2257
A 4=0.5−0.2257

A 4=0,2743

A 4=27.43 %

P ( X >33.8 ) =27.43 %
Distribución Normal Punto 2
Calculamos z1 z2
μ=32
σ =3

En z1 x 1=31.3 en Z2 x 2=35.5

x1−u x2 −U
σ σ
31.3−32 35.5−32
3 3
−0.7 3.5
3 3
-0.23 1.16
Curva Estandarizada

A2
A3
Z
0.23 0 1.16
Z1 =0.23 A 1=0.091

Z2 =1.16 A 2=0.037

¿ 0.091+0.377
¿ 0.428
P ( 0.23< x< 1.16 )=42.8 %
 CONCLUSIONES

Gracias al desarrollo de este taller me he dado cuenta que las variables aleatorias y las distribuciones de
probabilidad son de gran utilidad ya que dando un buen uso de las fórmulas que estas nos ofrecen podemos dar
solución rápida a problemas que se nos pueden presentar en cualquier parte de nuestro trabajo, ya sea en
investigación o en la vida cotidiana.
 REFERENCIAS BIBLIOGRAFICAS

Temáticas de estudio: Variables aleatorias discretas y continuas.

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 150-152.  Recuperado
de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?
ppg=258&docID=11013767&tm=1470693471527 

García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso. Pp. 195-221. Recuperado

de https://ebookcentral-proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=4722054&ppg=196

Temáticas de estudio: Distribuciones discretas de probabilidad.

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=11013767&tm=1470693471527

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

de https://ebookcentral-proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=4722054&ppg=222

Temáticas de estudio: Distribuciones continuas de probabilidad.

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Pp. 279 -301.  Recuperado de 
https://ebookcentral-proquest-com.bibliotecavirtual.unad.edu.co/lib/unadsp/reader.action?
docID=3227823&ppg=296
García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad. primer curso. Pp. 267-291. Recuperado
de https://bibliotecavirtual.unad.edu.co:2538