TRABAJO COLABORATIVO N 2

PROBABILIDAD

INTEGRANTES:
OSCAR ANDRES GUERRERO
CODIGO: 1.065.631.495
OLGA MARIA MURGAS
CODIGO: 1.065.637.909
BRENDA TERESA DAZA
CODIGO:
GRUPO 100402_24
TUTORA
SANDRA LILIANA QUIONES

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

PROGRAMA DE INGENIERIA DE SISTEMAS
CEAD VALLEDUPAR
MAYO DE 2015

RESUMEN UNIDAD 2
UNIDAD 2:
VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD

VARIABLES ALEATORIAS
En un experimento aleatorio lo
que ms interesa es conocer el
nmero total de veces que se
obtiene un mismo resultado en
un determinado nmero de
ejecuciones
(es
decir,
cuantificar) y no en cul
ejecucin
se
obtiene
un
determinado resultado.

Ejemplo 1.
Considere el lanzamiento de
una moneda. El espacio
muestral de este experimento
aleatorio est constituido por
dos resultados: cara y sello.
Concepto de variable
aleatoria
Si se define X(cara)=0 y
X(sello)=1

DISTRIBUCIONES
PROBABILIDAD DISCRETA

Se examinan con detalle seis

familias de distribuciones, Estas
son: las distribuciones uniforme
discreta, binomial, geomtrica,
binomial negativa, hipergeomtrica
y Poisson. Tambin parmetros
estadsticos, la media o valor
esperado, la varianza y la
desviacin estndar.

Distribucin contina de
probabilidad
la variable puede tomar
infinitos valores
Esperanza
matemtica
E(X ) [x f (x)]
Teorema de
chbyshev

P(- ks + X ks

En forma muy simple se puede

definir la probabilidad como un
nmero de 0 a 1, que le asignamos
a suceso para indicar su posibilidad
de ocurrir. Las probabilidades se
expresan como fracciones o como
decimales que estn entre uno y
cero o tambin en valor porcentual
entre 0 y 100.

Para una variable aleatoria

discreta uniforme X, que
puede tomar los valores 1, 2,
, n,

Las diferentes interpretaciones que

se tienen de la probabilidad: la
clsica, la de frecuencias relativas
y la subjetiva o a priori.

Distribucin uniforme
discreta

Distribucin uniforme
continua
Se ubican la distribucin
uniforme
continua,
normal, exponencial

Distribucin binomial

Distribucin normal y
estndar

Distribucin discreta de
probabilidad

P(X x) 1
0 P(X x) 1

DISTRIBUCIONES
PROBABILIDAD CONTINUA

Negativa y
geomtrica

Distribucin
hipergeomtrica

Distribucin de
Poisson

Aplicaciones
distribucin normal

Distribucin
exponencial y chicuadrado

Otras distribuciones
continuas utilizadas

EJERCICIOS UNIDAD 2
CAPTULO 4
2. Sea X una variable aleatoria continua con funcin de densidad
f (x) =

a (3x - x2) 0 x 2
0 en otro caso

a.- Determine el valor de a para que la funcin sea efectivamente una funcin de
densidad de probabilidad.
a [(3(0) + 02 ) + ( 3(1) + 12) + ( 3(2) + 22) + ( 3(3) + 32)] = 1
a [0 + 4 + 10 +18] = 1
a (32) = 1
a= 1
32
El valor es a = 1 = 0.031
32
-------------------------------------------------------------------------------------------------------------b.- Calcule P (1 < X < 2)
2
P (1 < X < 2) = f(x) dx
1
2
P (1 < X < 2) =
1

1 (3X+X2 )dx= 1
32

2
3 (x) dx + x2dx
32
1
1

P (1 < X < 2) == 1 [( 3X2 ) + (X3) ]

32
2
3
P (1 < X < 2) == 1 [(3(2)2 + 2(2)3) + [(3(1)2 + 2(1)3)] = 1 [(28) +(5)]
32
6
6
32
6
6
P (1 < X < 2) = 1 (33) = 33 = 0.17
32 6
192
P Vale 0.17

4. Un jugador tiene tres oportunidades de lanzar una moneda para que aparezca una cara, el
juego termina en el momento en que cae una cara o despus de tres intentos, lo que suceda
primero. Si en el primero, segundo o tercer lanzamiento aparece cara el jugador recibe
$20000, $40000 o $80000 respectivamente, si no cae cara en ninguno de los tres pierde
$200000. Si X representa la ganancia del jugador:
a.- Encuentre la funcin de probabilidad f(x)
b.- Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar S(x)
a. funcin de probabilidad f(x)
f ( 20.000 ) =

1
2

( 12 )( 12 )= 14

f ( 40.000 )=

( 12 )( 12 )( 12 )= 18

f ( 80.000 ) =

f (200.000 )=

( 12 )( 12 )( 12 )= 18

La probabilidad de que aparezca una cara es 1/2 (50%), la probabilidad de que aparezca
dos caras seguidas es (1/2)(1/2) = (1/4) (25%), la probabilidad de que aparezcan tres caras
seguidas es (1/2)(1/2)(1/2) = 1/8 (12,5%), que es la misma probabilidad de que no aparezca
una sola cara.
b. Valor esperado:
Es valor esperado est definido por:
x =E ( x )= [ xf (x)]
x

E ( X )=

400001
800001 2000001
+(
+(
( 200001
)
)
)+( 8 )=5000
2
4
8

La ganancia esperada para el jugador dada las condiciones de juego es de $5000.

Varianza:
2x =V ( X )=E (X x )2= [( xx )2f (x) ]
x

V ( X )=

(200005000 )21
( 400005000 )21
( 800005000 )21
(2000005000 )21
+
+
+
=6375000
2
4
8
8

)(

)(

La varianza de la ganancia del jugador es de 6375000000.

Desviacin estndar:

)(

 x = 2x

= V ( X )= 6.375.000 .000=79843.6
La desviacin promedio de la ganancia con respecto a la ganancia esperada es de $79843.6.
CAPTULO 5
6. El propietario de una farmacia local sabe que en promedio, llegan a su farmacia 100
personas cada hora.
a.- Encuentre la probabilidad de que en un periodo dado de 3 minutos nadie entre a la
farmacia
Distribucin de Poisson
personas/hora
1 hora

100 personas

60 minutos

100 personas

3 minutos

5/3 *3= 5 personas

5/3 personas por minuto

=5
P(X=x) = e^(-) * ^x / x!
en este caso,
P(X=x) = e^(-5) *5^x / x!
P(X=0) = e^(-5) * 5^0 / 0! = 0.0067

b.- Encuentre la probabilidad de que en un periodo dado de 3 minutos entren ms de

5 personas a la farmacia.
P(X>5) = P(X=6) + P(X=7) + P(X=8)
P(X>5) = 1 - P(X<=5)
donde p(X<=5) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4) + P(X=5)

P(X=0) = e^(-5) * 5^0 / 0! = 0.0067

P(X=1) = e^(-5) * 5^1 / 1! = 0.0336
P(X=2) = e^(-5) * 5^2 / 2! = 0.0842
P(X=3) = e^(-5) * 5^3 / 3! = 0.1403
P(X=4) = e^(-5) * 5^4 / 4! = 0.1754
P(X=5) = e^(-5) * 5^5 / 5! = 0.1754
Sumando P(X<=5) = 0.6156
Entonces
P(X>5) = 1 - 0.6156 = 0.3844
10. En promedio en cierto cruce ocurren dieciocho accidentes de trnsito al ao. Cul es la
probabilidad de que para cualquier mes dado en este cruce :
a.- ocurran exactamente 3 accidentes
b.- ocurran menos de 3 accidentes
c.- ocurran por lo menos 3 accidentes
a
X: nmero de accidentes en ese cruce
acc
acc
X Poisson ao =18
mes=1.5
ao
mes

P ( X=3 )=1.53

e1.5
=0.125
3!

La probabilidad de que para cualquier mes ocurran exactamente 3 accidentes es de 12.5%

b.
1.5
1.5
1.5
1e
2 e
(
)
(
)
(
)
(
)
(
)
P X <3 =P X 2 =P X=0 + P X=1 + P X=2 =e +1.5
+1.5
=0.81
1!
2!

La probabilidad de que para cualquier mes dado, ocurran menos de 3 accidentes es de 81%
c.
P ( X 3 ) =1P ( X <3 ) =1P ( X 2 ) =10.81=0.1
La probabilidad de que para cualquier mes dado, ocurran por lo menos 3 accidentes es de
19%.
CAPTULO 6,

2. Un empleado viaja todos los das de su casa en las afueras a su oficina en el centro de la
ciudad. El tiempo promedio para un viaje de ida es de 24 minutos con una desviacin
estndar de 3,8 minutos. Si se supone que la distribucin de los tiempos de viaje est
distribuida normalmente.
a.- Cul es la probabilidad de que un viaje le tome al menos media hora?
b.- Si la oficina abre a las 9:00 am y el sale a diario de su casa a las 8:45 am Qu
porcentaje de las veces llegar tarde al trabajo?
c.- Si sale de su casa a las 8:35 am y el caf se sirve en la oficina de 8:50 a 9:00 am Cul
es la probabilidad de que se pierda el caf?
a

Distribucin normal.
m = 24
s = 3.8
Al menos media hora: x 30 minutos.
3024
z=
=1.5789
3.8

Usando la tabla de probabilidades para 1.58

p ( x <30 ) =P ( z <30 ) =0.9429
p ( x 30 )=1 p ( x <30 )=0.0571
La probabilidad de que el tiempo de viaje del empleado sea de por lo menos 30 minutos es
de 5.71%
b

Llegar tarde cuando x 15 minutos.

Entonces, la probabilidad que se demore hasta 15 min, X 15 minutos.
1524
z=
=2.3684
3.8
p ( x 15 )=P ( z <15 )=0.99111
p ( x 15 )= p ( z 2.3684 )=0.00889

La probabilidad de demorarse ms de 15 minutos:

p ( x >15 ) =1 p ( x 15 )=10.00889=0.99111
Llegaratarde altrabajo el 99,1 de las veces
c

Perder el caf si x 25 min.

Esta es la probabilidad: P(x 25):

2524
z=
=0.2631
3.8

P ( x 25 )=1P ( x <25 )=1P ( z 2<0.2631 )

P ( x 25 )=10.6026=0.3974
La probabilidad de que el trabajador se pierda la tasa de caf es de 39.74%.
9. Suponiendo que las tallas de los adultos de un pas A siguen una distribucin normal con
media 180 cm. y desviacin tpica 5 cm. y que las tallas de los adultos en un pas B siguen
una distribucin tambin normal, pero con media 180 cm. y desviacin tpica 15 cm.,
contestar de manera justificada en cul de los dos pases es ms probable encontrar adultos
con talla superior a 195 cm. y dnde es ms probable encontrar adultos con talla
comprendida entre 175 y 185 cm.
A: = 180 cm y
5 cm
B: = 180 cm y
15 cm
ZA= x- =195-180 = 15 = 3

5
5
ZB = x- =195-180 = 15 = 1

15
15
P (z

3) = 1-P(z 3)=1 - 0.998650= 0.00135

P (z

1) = 1-P(z 1)=1 - 0.8416= 0.1584

De acuerdo a los resultados hay ms probabilidad de encontrar adultos con

talla mayor a 195 cm en el pas B que en El pas A.
Pas A:
Z1= X- = 175 -180 =- 5 = -1
5
5
Z2= X- = 185 -180 = 5 =1
5
5

ESTUDIO DE CASO
Si usted fuera el jefe, habra considerado la estatura como criterio en su seleccin del
sucesor para su trabajo? Daniel Slegiman analiz en su columna de la revista Fortuned
sus ideas acerca de la estatura como un factor en la decisin de Deng Xiaoping para elegir a
Hu Yaobang como su sucesor en la presidencia del Partido Comunista Chino. Como afirma
Slegiman, los hechos que rodean el caso despiertan sospechas al examinarlo a la luz de la
estadstica.
Deng, segn parece solo meda 154 cm de alto, una estatura baja incluso en China. Por
consiguiente al escoger a Hy Yaobang, que tambin tena 154 cm de estatura, motivo
algunos gestos de desaprobacin porque como afirma Sleigman las probabilidades en
contra de una decisin ajena a la estatura que dan lugar a un presidente tan bajo como Deng
son aproximadamente de 40 a 1. En otras palabras, si tuviramos la distribucin de
frecuencias relativas de las estaturas de todos los varones chinos, solo 1 en 40 es decir 2,5%
tendran menos 154 cm de estatura o menos.
Para calcular estas probabilidades Seligman advierte que no existe el equivalente chino del
Servicio de Salud de pases como Estados Unidos y por tanto, es difcil obtener las
estadsticas de salud de la poblacin actual china. Sin embargo, afirma que en general se
sostiene que la longitud de un nio al nacer representa el 28,6% de su estatura final y que

en la China la longitud media de un nio al nacer era de 48 cm. De esto Seligman deduce
que la estatura promedio de los varones adultos chinos es: 48 * 100 / 28.6 = 167,8 cm.
El periodista asume entonces que la distribucin de las estaturas en China sigue una
distribucin normal al igual que en pases como estados Unidos con una media de 167,8
cm y una desviacin estndar de 6,8 cm.

INFORME A PRESENTAR:
Prepare un informe en el que como mnimo, incluya:
1. Por medio de las suposiciones de Seligman, calcule la probabilidad de que la
estatura de un solo varn adulto chino escogido al azar sea menor o igual a 154 cm.
2. Los resultados de la pregunta 1, concuerdan con las probabilidades de Seligman?
3. Comente acerca de la validez de las suposiciones de Seligman Hay algn error
bsico en su razonamiento?
4. Con base en los resultados anteriores, argumente si considera o no que Deng
Xiaping tomo en cuenta la estatura al elegir a su sucesor.
Solucin:
1. Tomando en cuenta la distribucin normal, asumida por Seligman con valor promedio de
167.8 cm y desviacin estndar de 6.8, se determina la probabilidad de que la estatura de un
Chino se igual o menor a 154 cm.
P (X) = Estatura del nuevo presidente
Suposicin de Seligman:
X N (167 .8 ; 6 . 8)

=6 . 8 cm

=167.8 cm

1. Probabilidad de que un solo varn adulto chino escogido al azar sea menor o igual a
154 cm.
X N (;)
Z N (1)

P ( X a )=P Z

P ( X 154 )=P Z

154167,8
=P ( Z 2,029 )
6,8

1P ( Z 0,83 )=10,9788 0,0212

El valor lo buscamos en la tabla de distribucin Normal.
La probabilidad de que un solo varn adulto chino escogido alazar
sea menor o igual a 154 cmes del2,12

2. De acuerdo a los resultados obtenidos en la pregunta 1 2,12%, si concuerdan con las

probabilidades estimadas por Seligman 2,5% realmente los clculos y la estimacin
estn muy cercanos por lo se puede considerar que si concuerdan.
3. No hay diferencias significativas para estimar que haya algn error bsico en el
razonamiento de Seligman.
4. Con base en los resultados anteriores, no considero que Deng Xiaping haya tomado en
cuenta la estatura al elegir a su sucesor. Pues segn los resultados no se percibe un
conocimiento estadstico.

CONCLUSIONES
Una vez terminado el trabajo colaborativo en su fase 2 podemos concluir las innumerables
aplicaciones de las distribuciones de probabilidades tanto discretas como continuas, las
cuales permiten resolver diferentes problemas que se presentan en la vida diaria.

REFERENCIAS

Morales, Adriana (2010) Modulo Probabilidad. Bogot D.C., Universidad Nacional Abierta
y a distancia UNAD.
http://datateca.unad.edu.co/contenidos/100402/modulo_probabilidad_2010I.pdf
Variables
aleatorias
discretas.
Tomado
http://www.uoc.edu/in3/emath/docs/VA_discretas.pdf Consultado abril de 2015

de

Walpole,
R
(1999).
Probabilidad
y
estadstica
para
ingenieros.
http://books.google.com.co/books?
id=3Tkb8HJ5toUC&pg=PA257&dq=Variables+aleatorias+continuas+y+sus+distribuciones
+de+probabilidad&hl=es&sa=X&ei=tWlgU7fF7K0sQTdkYHgBw&ved=0CC8Q6wEwAA
#v=onepage&q=Variables%20aleatorias%20continuas%20y%20sus%20distribuciones
%20de%20probabilidad&f=false Consultado abril de 2015
Llins, H. (2006). Estadstica descriptiva y distribuciones de probabilidad. Bogot:
Uninorte
Canavos, G. (1986). Probabilidad y Estadstica. Mxico: McGraw Hill.
Ortegn, M. (2010) Mdulo de Estadstica Descriptiva. Universidad Nacional Abierta y a
Distancia. Ediciones UNAD: Ibagu.