ACT No. 10.

TRABAJO COLABORATIVO 2

JUAN PABLO BAYONA SOTO_5471374

GRUPO _100402_430

PRESENTADO A
OSCAR MAURICIO MORA ARROYO
TUTOR

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

NOVIEMBRE_2013

ASPECTOS TEORICOS: El resumen de la unidad

RESUMEN_TEMA ESCOGIDO_ VARIABLES ALEATORIAS
Para comenzar, es importante identificar que cuando se habla de un experimento
aleatorio, se hace referencia a toda aplicacin que asocia a cada elemento del
espacio muestral de un experimento, un nmero real, y se denota con la letra
mayscula X. Se dice que X es aleatoria porque involucra la probabilidad de los
resultados del espacio muestral, y se define X como una funcin porque
transforma todos los posibles resultados del espacio muestral en cantidades
numricas reales. Las variables aleatorias las podemos clasificar en discretas, si
puede tomar un nmero finito (o infinito contable) de valores, o continuas si dado
un intervalo (a,b) la variable puede tomar todos los valores comprendidos entre a y
b Frecuentemente el inters recae en la probabilidad de que una variable aleatoria
tome un valor particular, para ello se requiere primero definir claramente la variable
aleatoria. Ser importante pues, acordar la siguiente simbologa:

X xdenotar

el evento formado por todos los resultados para los que X x y P(X x) ser la
probabilidad de dicho evento. La distribucin de probabilidad de una variable
aleatoria X es una descripcin del conjunto de posibles valores de X, junto con la
probabilidad asociada con cada uno de estos valores. Esta distribucin bien puede
ser una grfica, una tabla o una ecuacin que da la probabilidad de cada valor de
la variable aleatoria y se considera como el resumen ms til de un experimento
aleatorio. Se dice que una variable aleatoria X es continua si el nmero de
valores que puede tomar estn contenidos en un intervalo (finito o infinito) de
nmeros reales. La distribucin de probabilidad de una variable aleatoria continua
X est caracterizada por una funcin f(x) que recibe el nombre de funcin de
densidad de probabilidad. Esta funcin f(x) no es la misma funcin de
probabilidad de una variable aleatoria discreta. La distribuciones de probabilidad

discreta se divide en seis familias, que son; las distribuciones uniforme discreta,
binomial, geomtrica, binomial negativa, hipergeomtrica y Poisson.

la distribucin uniforme discreta es aquella que toma slo un nmero finito de

valores posibles n, cada uno con la misma probabilidad

La distribucin binomial estas distribuciones permiten enfrentar circunstancias

en las que los resultados pertenecen a dos categoras relevantes: que ocurra un
evento determinado o que no lo haga.

Para comprender la distribucin binomial negativa y geomtrica hay que

considerar una serie de ensayos Bernoulli con una probabilidad constante de
xitos p, en la que el nmero de ensayos no es fijo como en la distribucin
binomial si no que stos se realizan hasta que se obtiene el primer xito. Sea
entonces, la variable aleatoria X el nmero de ensayos realizados hasta obtener
un xito, ella tiene una distribucin geomtrica con parmetro p

En cuanto a la distribucin binomial negativa o distribucin de Pascal, es

una generalizacin de la distribucin geomtrica donde la variable aleatoria X es el
nmero de ensayos Bernoulli efectuados hasta que se tienen r xitos, con una
probabilidad constante de xito p.

La

distribucin

hipergeomtrica

una distribucin discreta

relacionada

con muestreos aleatorios y sin reemplazo. Supngase que se tiene una poblacin
de N elementos de los cuales, d pertenecen a la categora A y N-d a la B. La
distribucin hipergeomtrica mide la probabilidad de obtener x (

elementos de la categora A en una muestra sin reemplazo de n elementos de la

poblacin original.

La distribucin poisson constituye un mecanismo fsico aleatorio en el cual los

eventos ocurren al azar en una escala de tiempo (o de distancia).

Por otra parte, existen las distribuciones de probabilidad continua, entre

las que encontramos;

La distribucin uniforme se divide en distribucin uniforme continua, que es una

familia de distribuciones de probabilidad para variables aleatorias continuas, tales
que cada miembro de la familia, todos los intervalos de igual longitud en la
distribucin en su rango son igualmente probables. El dominio est definido por
dos parmetros, a y b, que son sus valores mnimo y mximo. La distribucin es a
menudo escrita en forma abreviada como U(a,b).
En lo que tiene que ver con la distribucin normal estndar, se caracteriza
porque los valores se distribuyen formando una campana de Gauss, en torno a
un valor central que coincide con el valor medio de la distribucin:
La distribucin gaussiana, recibe tambin el nombre de distribucin normal,
ya que

una gran mayora de las variables aleatorias continuas de la naturaleza siguen

esta distribucin. Se dice que una variable aleatoria X sigue una distribucin
normal si su funcin de densidad es:
Distribucin normal estndar o tipificada
Cuando la media de la distribucin normal es 0 y la varianza es 1, se denomina
"normal tipificada", y su ventaja reside en que hay tablas, o rutinas de clculo
que permiten obtener esos mismos valores, donde se recoge la probabilidad
acumulada para cada punto de la curva de esta distribucin.

APLICACIONES DE LA DISTRIBUCIN NORMAL

DISTRIBUCION EXPONENCIAL Y CHI CUADRADO

Distribucin Exponencial
Esta distribucin se utiliza como modelo para la distribucin de tiempos entre la
presentacin de eventos sucesivos. Existe un tipo de variable aleatoria que
obedece a una distribucin exponencial la cul se define como el tiempo que
ocurre desde un instante dado hasta que ocurre el primer suceso

EJERCICIOS CAPTULO 1

EJERCICIO No.1:

Se desea observar una familia que posee dos automviles y

para cada uno observamos si fue fabricado en Colombia, si es Americano o si es

Europeo.
DESARROLLO:
a.- Cuales son los posibles resultados de este experimento?

Automvil fabricado en Colombia = C

Automvil fabricado en Amrica = A
Automvil europeo = E

Para la solucin de ste ejercicio se tienen en cuenta las siguientes opciones;

Los dos automviles pueden ser colombianos (C, C)

Los dos automviles pueden ser americanos (A, A)
Los dos automviles pueden ser europeos (E, E)

Un automvil puede ser colombiano y el otro americano (C, A)

Un automvil puede ser colombiano y el otro europeo (C, E)
Un automvil puede ser americano y el otro europeo (A, E)

Podemos representar stas opciones en un conjunto que los agrupe, el cual

llamaremos con la letra S.
S = {(C,C), (A,A), (E,E), (C,A), (C,E), (A,E)}
b.- Defina el evento A: Los dos automviles no son fabricados en Colombia, Liste
el evento
A=

{(A,A),

(E,E),

(A,E)}

B: Un automvil es colombiano y el otro no.

{(C,A),

(C,E)}

c.- Defina los eventos AB y BA.

AB = el suceso formado por todos los elementos de A y todos los elementos de B

AB

{(A,A),

(E,E),

(A,E),

(C,A),

(C,E)}

B A = es el suceso formado por todos los elementos que son, a la vez, de A y de

B
B A. = (Este smbolo representa al conjunto vacio, es decir en la interseccin
no hay ningn elemento, es decir, no se repiten elementos en los dos conjuntos)

EJERCICIOS CAPTULO 2.
EJERCICIO No.2_Suponga que una persona que vive en el municipio de Bello
(Antioquia) trabaja en el centro de la ciudad de Medelln. Para llegar a su sitio de
trabajo, este tiene tres rutas distintas para llegar a la Autopista y de all puede
tomar otras tres rutas para llegar al centro de la ciudad. En el centro, puede tomar
cuatro rutas para llegar al parqueadero ms cercano a su oficina. De cuntas
maneras o rutas distintas podra tomar la persona para llegar de la casa al
parqueadero ms prximo a su oficina?

DESARROLLO:
Nmero de rutas para llegar a la Autopista = 3
Nmero de rutas para llegar desde la autopista hasta el centro de la Ciudad = 3
Nmero de rutas desde el centro de la ciudad hasta el parqueadero ms cercano a
su oficina = 4
Maneras o rutas distintas que podra tomar la persona para llegar de la casa al
parqueadero ms prximo a su oficina

RESPUESTA: 3 x 3 x 4 = 36 maneras o rutas distintas

EJERCICIO No3_ En un restaurante en el centro de la ciudad ofrecen almuerzos

ejecutivos con las siguientes opciones: tres tipos diferentes de sopa, cuatro tipos
de carne con la bandeja, cuatro bebidas a escoger y dos tipos de postre. De
cuntas maneras puede un comensal elegir su men que consista de una sopa,
una carne para su bandeja, una bebida y un postre?
DESARROLLO:
Opciones

Tipos de sopa

=3

Tipos de carne = 4
Tipos de bebida = 4
Tipos de postre = 2

RESPUESTA: 3 X 4 X 4 X 2 = 96 Maneras en que puede un comensal elegir su

men

EJERCICIOS CAPITULO 3
EJERCICIO No.4_ Consideremos el lanzamiento de un dado, usted gana si el
resultado es impar o
divisible por dos. cul es la probabilidad de ganar?
DESARROLLO:
Para la solucin de ste ejercicio, es necesario utilizar el factorial, para definir las 7
formas diferentes de jugar;
7! = 7 x 6 x 5 x 4 x 3 x 2 x 1 = 5040 probabilidades de ganar

EJERCICIO No. 5_Cuntas permutaciones pueden efectuarse con el conjunto

S={a,b,c,d}? Describa cada una de las permutaciones posibles.
DESARROLLO:
abcd

bacd

cadb

dabc

abdc

badc

cabc

dacb

adbc

bdac

cbda

dbac

adcb

bdca

cbad

dbca

acdb

bcad

cdab

dcab

acbd

bcda

cdba

dcba

RESPUESTA: Es posible hacer 24 permutaciones o combinaciones diferentes

Parte b: Grupal: