PROBABILIDAD

Fase 2: Distribucin de Probabilidad

Presentado por:
Carlos Andrs Martnez
Cdigo: 1110516439
Edgar Eduardo Vanegas
Cdigo:
Johanna Murcia Hernndez
Cdigo: 55179111
Jos Edgar Gmez
Cdigo: 12133176
Paulo Cesar Ortiz Snchez
Cdigo: 7696020

Tutor:
Diana Milena Caliman

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Escuela de Ciencias Bsicas Tecnologa e Ingeniera ECBTI
MAYO de 2017
 INTRODUCCION

El conocimiento de la Probabilidad, constituye la base que permite comprender la forma en

que se desarrollan las tcnicas de la Inferencia Estadstica y la toma de decisiones, en otras
palabras, es el lenguaje y la fundamentacin matemtica de la Inferencia Estadstica.

La incertidumbre y el azar hacen parte de la cotidianidad del hombre. Los fenmenos

aleatorios estn siempre presentes en cada aspecto de su vida, en los cuales debe tomar
decisiones sin tener seguridad absoluta de los resultados que ellas puedan arrojar. Sin
embargo, por lo continuo de su presencia, todo individuo se va formando una idea acerca
de lo que es la incertidumbre, el azar y la probabilidad de que ocurra uno u otro fenmeno.

Sin embargo, para expresar el grado de ella en trminos numricos en vez de usar algo
vago, de poca exactitud, es necesario conocer las reglas y operaciones de la Probabilidad.
Es por ello que este trabajo identifiquemos y usemos los conceptos, fundamentos y mtodos
de la Probabilidad, a travs del anlisis de fenmenos enmarcados en una prctica propia de
su disciplina y que comprenda, seleccione y aplique sus distintas tcnicas.

La estrategia de aprendizaje basado en el estudio de casos que es una poderosa herramienta,

que se centra en aspectos reales enfrentados en situaciones y contextos reales. A diferencia
del mtodo expositivo el anlisis de casos no consiste en la trasmisin de ideas del docente
al estudiante, en vez de ello, se realiza el intercambio de ideas entre un lder y los miembros
de un curso. El enfoque principal de la enseanza efectiva del Estudio de Casos no est en
la transmisin de informacin. Est en los estudiantes y en sus perspectivas de desarrollo y
en las habilidades de anlisis, evaluacin y solucin de problemas. Este enfoque no trata de
encontrar una respuesta correcta sino de explorar en una situacin y utilizar hechos
disponibles y habilidades analticas para tomar decisiones razonables en un curso de accin.

OBJETIVOS
 Proporcionar criterios que permitan comprender, seleccionar y aplicar tcnicas
probabilsticas durante el anlisis de problemas especficos relacionados con su rea
de formacin.

Desarrollar habilidades para el anlisis de eventos cuantificables, mediante el uso

sistemtico de conceptos, fundamentos y mtodos de Probabilidad.

Lograr la comprensin del estudio de fenmenos aleatorios, su interpretacin,

importancia, tratamiento y aplicacin.
 Definicin de variable aleatoria
aleatorio
Distribucin discreta de
VARIABLES ALEATORIAS
DISCRETAS Y CONTINUAS Distribucin contina de
Esperanza matemticas

Distribucin uniforme
UNIDAD 2. Distribucin binomial
VARIABLES Distribucin binomial negativa
PROBABILID ALEATORIAS Y DISTRIBUCIONES
DISCRETAS DE y geomtrica
AD DE
DISTRIBUCION Distribucin hipergeometrica
Distribucin de poisson

Distribucin uniformes
Distribucin normal y uso de la
DISTRIBUCIONES distribucin normal estndar
CONTINUAS DE
Aplicaciones de la distribucin
Distribucin exponencial y
chi.cuadrado
ESTUDIO DE CASO 1 (Edgar Eduardo Vanegas)

Para entregar una Tarjeta de crdito en los bancos del grupo Aval, los analistas del banco
clasifican o califican al cliente en funcin de la probabilidad de que resulte rentable. Una
tabla habitual de calificaciones es la siguiente:

La calificacin es la suma de los puntos de los seis rubros. Por ejemplo, Sushi Brown tiene
menos de 25 aos (12 puntos); ha vivido en el mismo domicilio durante dos aos (0
puntos); desde hace cuatro aos es dueo de un automvil (13 puntos), por el que realiza
pagos de $75 (6 puntos); realiza gastos domsticos de $200 (10 puntos) y posee una cuenta
de cheques (3 puntos).

La calificacin que obtendra sera de 44. Despus, con una segunda tabla, se convierten las
calificaciones en probabilidades de rentabilidad del cliente, as:

La puntuacin de Sushi (44) se traducira en una probabilidad de rentabilidad aproximada

de 0.81. En otras palabras, 81% de los clientes como Sushi generaran dinero a las
operaciones con tarjeta del banco. A continuacin se muestran los resultados de las
entrevistas con los tres posibles clientes.
 Prepare un informe en el que como mnimo, incluya:

1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables.

Tiempo
Pago Cuenta de
Puntaje

Puntaje

Puntaje

Puntaje

Puntaje

Puntaje
de vivir
Antigedad mensual Costo de cheques o TOTAL
en el
Nombre Edad con el auto del auto vivienda ahorros PTS
mismo
David Born 42 18 9 20 2 13 $ 140 4 $ 300 10 Ambas 15 80
Edward Solo
Brendan 23 5 2 0 3 13 $ 99 6 $ 200 10 cheques 3 37
Ann
McLaughli
n 33 0 5 20 7 3 $ 175 4 Propietaria 12 Ninguna 0 39
23 40 29 14 32 18 156

De acuerdo con la anterior informacin las probabilidades serian:

David Born con 80 tiene una probabilidad de 0.95

Edward Brendan con 37 tiene una probabilidad de 0.70

Ann McLaughlin con 39 tiene una probabilidad de 0.70

2.- Cul es la probabilidad de que los tres resulten rentables?

p (todos rentables ) =0.950.700.70=0.46

La probabilidad de que los tres resulten rentables es de 0.46

3.- Cul es la probabilidad de que ninguno sea rentable?

p ( ninguno rentable )=( 10.95 ) ( 10.70 ) ( 10.70 )=0.050.300.30=0.0045

La probabilidad de que ninguno de los tres sea rentable es de 0.0045.

4. Determine la distribucin de probabilidad total del nmero de clientes rentables
entre este grupo de tres clientes.

Probabilidad de uno rentable:

p (uno rentable )=( 0.950.300.30 )+ ( 0.050.700.30 )+ ( 0.050.300.70 ) =0.085+0.0105+0.0105=0.1065

Probabilidad dos rentables:

p ( dos rentable )=( 0.950.700.30 ) + ( 0.950.300.70 ) + ( 0.050.700.70 )=0.19+ 0.19+0.0245=0.4045

p ( 0 rentables )=0.0045
p (1 rentable )=0.1065
p (2 rentables ) =0.4045
p (3 rentables )=0.46
total=0.9755

5. -Redacte un breve resumen de sus hallazgos.

De acuerdo con la informacin analizada de los tres clientes, puedo afirmar que la mayor
probabilidad la encontr en que los tres son rentables con un 0.46 de probabilidad es decir
un 46%, por otra parte el cliente que tiene una posibilidad muy alta de ser rentable es David
Born con 0.95 de probabilidad o un 95% lo que nos indica que las condiciones relatadas en
su perfil como edad 42, tiempo de vivir en el mismo domicilio 9 aos, antigedad con el
auto 2 aos, pago mensual del auto $140, costo de vivienda 300 y manejo de cheques y
cuenta de ahorros son las cualidades adecuadas que deben buscar los bancos del grupo
AVAL si quieren mejorar su producto.

ESTUDIO DE CASO 1 1(Carlos Andrs Martnez Snchez)

1 Tomado y adaptado de Anderson, D., Sweeney D., Estadstica para Negocios.Cengage Learning 2011
Para entregar una Tarjeta de crdito en los bancos del grupo Aval, los analistas del
banco clasifican o califican al cliente en funcin de la probabilidad de que resulte
rentable. Una tabla habitual de calificaciones es la siguiente:

La calificacin es la suma de los puntos de los seis rubros. Por ejemplo, Sushi
Brown tiene menos de 25 aos (12 puntos); ha vivido en el mismo domicilio
durante dos aos (0 puntos); desde hace cuatro aos es dueo de un automvil (13
puntos), por el que realiza pagos de $75 (6 puntos); realiza gastos domsticos de
$200 (10 puntos) y posee una cuenta de cheques (3 puntos). La calificacin que
obtendra sera de 44. Despus, con una segunda tabla, se convierten las
calificaciones en probabilidades de rentabilidad del cliente, as:
 La puntuacin de Sushi (44) se traducira en una probabilidad de rentabilidad
aproximada de 0.81. En otras palabras, 81% de los clientes como Sushi generaran
dinero a las operaciones con tarjeta del banco. A continuacin se muestran los
resultados de las entrevistas con los tres posibles clientes.

DESARROLLO DEL TRABAJO

1. Califique a cada uno de estos clientes y calcule la probabilidad de que resulten

rentables.

Tiempo Cuent
de vivir Pago Costo a de probabilid
Antiged puntos
Nombre del Eda en el mensu de chequ ad de
ad con obtenid
cliente d mismo al del vivien es o rentabilida
auto os
domicili auto da ahorro d
o s
David Born 18 20 13 4 10 15 80 0,95
Edward
Brendan 12 0 13 6 10 3 44 0,81
Ann
Mclaughlin 0 20 3 4 12 0 39 0,77
De acuerdo a los valores obtenidos el cliente ms rentable para entregar la tarjeta de crdito
es David born con una rentabilidad de 95% de rentabilidad.

2. Con los datos anteriores construya una variable aleatoria que represente el nmero
de clientes rentables para el banco y determine: Cul es la probabilidad de que los
tres resulten rentables?

Sea X una variable aleatoria que representa los puntos obtenidos de los tres clientes
rentables para el banco y P(X) las probabilidades de esos valores
Xi 80 44 39
P( x) 0.9 0,8 0,7
5 1 7

P( R)=0,95 0.81 0,77=0,59

La probabilidad de rentabilidad de David, Edward y ann es de 0.59.

3. Cul es la probabilidad de que ninguno sea rentable?

Se calcula mediante la formula P( NR)=1P(X =80) 1P(X =44) 1P( X =39)

i i i

P( NR)=10.95 10.81 10.77

P( NR)=0.05 0.19 0.23

P( NR)=0.0022

La probabilidad de David no sea rentable es de 0.05.

La probabilidad de Edward no sea rentable es de 0.19.
La probabilidad de ann no sea rentable es de 0.23
La probabilidad total de que ninguno sea rentable es de 0.0022.
4. Determine la distribucin de probabilidad total del nmero de clientes rentables
entre este grupo de tres clientes.

Utilizamos la distribucin binomial y su frmula es la siguiente

 ( nx ) p q
x (n x)

Donde
X =1=80 X =1=44
X =1=39
n=3
p(80) = 0.95
p(44 )= 0.81
p(39)= 0.77
q(80)= 0.05
q(44) = 0.19
q(39)= 0.23

( 31 ) 0.95 0.05 ( 31 )
=3 0.95 0.0025=0.0071 para david

( 31 ) 0.81 0.19 ( 31)

=3 0.81 0.0361=0.088 para edward

( 31 ) 0.77 0.23 ( 3 1 )
=3 0.77 0.0529=0.1222 para edward

P(T )=0.0071+0.088+ 0.1222

ESTUDIO DE CASO 2 JOSE EDGAR GOMEZ

La distribucin de probabilidad binomial es una distribucin de probabilidad discreta que se

presenta con mucha frecuencia. Una de sus caractersticas consiste en que slo hay dos
posibles resultados en un determinado ensayo del experimento y los resultados son
mutuamente excluyentes; Otra caracterstica de la distribucin binomial es el hecho de que
la variable aleatoria es el resultado de conteos. Es decir, se
cuenta el nmero de xitos en el nmero total de ensayos.
Una tercera caracterstica de una distribucin binomial
consiste en que la probabilidad de xito es la misma de un
ensayo a otro.
Un estudio del Departamento de Transporte de Illinois
concluy que 76.2% de quienes ocupaban los asientos
delanteros de los vehculos utilizaba cinturn de seguridad.
Esto significa que los dos ocupantes de la parte delantera
utilizaban cinturones de seguridad.
Suponga que decide comparar la informacin con el uso actual que se da al cinturn de
seguridad, para lo cual selecciona una muestra de 10 vehculos. Presente un informe en el
que como mnimo incluya:
1.- Esta situacin cumple con los supuestos de la distribucin binomial?
Identifquelos
En este ejercicio no se cumple en su totalidad los requisitos de una distribucin binomial,
cuando salga un conductor con cinturn la probabilidad de que los otros lleven cinturn
disminuir. Por lo que se deduce que la cantidad de conductores es tan grande, siendo esta
diferencia despreciable. Por tanto, podemos asumir que es una binomial casi perfecta. Es
una B (10, 0.762)
n=10

p=0.762

2- Elabore un diagrama de barras para la distribucin de probabilidad binomial que

representa esta situacin
 Chart Title

x P(x)

x P(x)
0 0,000000033
1 0,000001269
2 0,000022347
3 0,000238496
4 0,00171807
5 0,008801136
6 0,032874832
7 0,090218326
8 0,18053142
9 0,256890648 3.-
10 0,246744547

Cul es la probabilidad que los ocupantes de la parte delantera en exactamente 7 de

los 10 vehculos seleccionados utilicen cinturones de seguridad?
Se aplica la frmula para x=7

( )
P ( x=7 )= 10 (0.762)7( 0.238 ) =0.09021832636
7
5

4.- Cul es la probabilidad que los ocupantes de la parte delantera de por lo menos 7
de los 10 vehculos utilicen cinturn de seguridad?

P ( x 7 )=P ( x=7 ) + P ( x=8 ) ++ P ( x=10 )=0.09021+0.86611=0.95633

5.- Cul es la probabilidad que los ocupantes de la parte delantera de mximo 7 de
los 10 Vehculos
Es un Binomial B (n ; p)=B (10 ; 0.762)
x=nmero de vehculos que llevan losdos cinturones delanteros .

Me piden un mximo de 7

P( x7)=calcularemos lo contrario que son menos clculos=1P(x >7)

P( x >7)=P( x=8)+ P(x=9)+ P( x=10)

q=1 p=10.762=0.238

6.- Encuentre el valor esperado del nmero de vehculos en los que los ocupantes de la
parte delantera utilizan el cinturn de seguridad?

()
P ( k )= n p k (1 p)nk
k

( )
P ( x=8 )= 10 (0.762)8 ( 0.238 ) =0.18053
8
4

P ( x=9 )=( 10 ) (0.762) ( 0.238 ) =0.25689

9 3

P ( x=10 )=( 10) (0.762) ( 0.238 ) =0.24674

10 2

10

P ( x=11 )=(10 )( 0.762 ) (0.238)=0.14363

11

11

P ( x=11 )=(10 )( 0.762 ) =0.86611

12

10
Entonces
P ( x >7 )=P ( x =8 ) + P ( x =9 ) + . P ( x=10 )=0.86611
P ( x 7 )=1P ( x >7 )=10.86611=0.13389

El valor esperado en unabinomial X B(n , p)es

 E( X)=np

X B (12,0.762)

E( X)=10 0.762=9.144

ESTUDIO DE CASO # 3 JOHANNA MURCIA HERNNDEZ

El Baloto, es la lotera en lnea

de Colombia, supervisado por
ETESA (Empresa territorial
para la salud). Es un juego que
consiste en acertar 6, 5, 4 o 3
nmeros en cualquier orden de
una matriz del 1 al 45; El
jugador seala en un tarjetn
los 6 nmeros que escoge. Los
nmeros estn representados en
45 balotas numeradas del 1 al 45. Cada nmero aparece una sola vez y las balotas
ganadoras se seleccionan sin reemplazo. El premio acumulado se entrega a quien haga
coincidir los seis nmeros.

Presente un informe en el que como mnimo incluya:

1.- Esta situacin cumple con los supuestos de la distribucin Hipergeomtrica?

Identifquelos (Sugerencia: Divida los 45 nmeros en dos grupos: ganadores y no
ganadores)

Rta:
Esta situacin si cumple con los supuestos de la distribucin Hipergeomtrica. En la
distribucin hipergeomtrica hay una poblacin N y unos elementos de ella que cumplen
una propiedad, la cantidad de estos elementos es d. Entonces al extraer una muestra n de la
poblacin y la distribucin nos da la probabilidad que hayamos elegido x elementos con la
propiedad.
La poblacin N son los 45 nmeros.
d/ Los elementos que cumplen la propiedad son los 6 que han salido en el sorteo.
La muestra que tomamos es una muestra de 6 nmeros.
Y la probabilidad que nos da la distribucin hipergeomtrica es la de tener de 0 a 6
ganadores en la muestra.
2.- Usando la distribucin de probabilidad hipergeomtrica determinar la
probabilidad de que el jugador acierte los 6 nmeros

Rta:
La probabilidad viene dada por la siguiente frmula:

P ( x )=
( x ) ( nx )
d N d

( Nn )
Para asertar 6 nmeros es:

P (6 )=
( )( ) ( )
6 456 1 39
6 66
=
0
=
1
=
45 !
( ) ( )
45
6
45
6 39 !6 !

39 !6 ! 6! 720
= = =
45 ! 454443424140 5864443200
1
=1.22773804107 =0.000000122773804
8145060
P (6 )=0.000000122773804

3.- La empresa encargada del sorteo informa que la probabilidad de que coincidan
todos los nmeros es de 1 en 8145060. Qu significa esto en trminos de
probabilidad? Coincide esto con su respuesta anterior

Rta:
Esto en trminos de probabilidad significa:
(7)
P(6)=1/8145060=1.22773804 10

Si coincide a la perfeccin porque se llegu a esa misma fraccin.

4) Calcule la probabilidad, para hacer coincidir 3 de los 6 nmeros ganadores.

Rta:
Se debe usar la frmula que enunciada antes pero ahora con x=3
 P ( x )=
( x ) ( nx )
d N d

( Nn )
La solucin para acertar 3 nmeros es:

20393837
654 39
P ( 6 )=
( 3)( 63 )
6 456
=
3!( )

3
=
3!
454443424140
=
6!
(456) (456)
209139 182780
= =0.02244059589
8145060 8145060

5) Calcule la probabilidad de que coincidan 4 de los 6 nmeros ganadores

Rta:

P ( x )=
( x ) ( nx )
d N d

( Nn )
La solucin de acertar 4 nmeros es:

65 39
P ( 6 )=
( )(
6 456
4 64 ) =
2 (2)

=
(6 )
45
(6)
45

Lo que indica:
153938
2 15741 11115 741
= = = =0.001364630831
8145060 8145060 8145060 543004

6) Calcule la probabilidad de que coincidan 5 de los 6 nmeros ganadores:

Rta:

P ( x )=
()( )
d N d
x nx

()N
n
La solucin para acertar 5 nmeros es:

P ( 6 )=
( )( ) ( )
6 456 6 39
4 65
=
1
=
( ) ( )
45
6
45
6
Lo que indica:
639 234 39
= = =2.872807014105= 0.00002872807014
8145060 8145060 1357510

7) Con base en los resultados obtenidos, usted invertira dinero en el BALOTO?

Teniendo en cuenta el ejercicio realizado no invertira dinero en el BALOTO, porque

acertar 6 nmeros es casi imposible y acertar 5 igual de imposible, tampoco es fcil acertar
4 y acertar 3 con suerte una vez al ao si se juega todas las semanas. La probabilidad de
ganar es casi nula.

ESTUDIO DE CASO 42 PAULO CESAR ORTIZ

La distribucin de probabilidad de Poisson describe

el nmero de veces que se presenta un evento durante
un intervalo especfico. El intervalo puede ser de
tiempo, distancia, rea o volumen. La distribucin se
basa en dos supuestos. El primero consiste en que la
probabilidad es proporcional a la longitud del
intervalo. El segundo supuesto consiste en que los
intervalos son independientes. En otras palabras,
cuanto ms grande sea el intervalo, mayor ser la
probabilidad; adems, el nmero de veces que se presenta un evento en un intervalo no
influye en los dems intervalos.

Esta distribucin posee diversas aplicaciones. Se le utiliza como modelo para describir la
distribucin de errores en una entrada de datos, el nmero de rayones y otras
imperfecciones en las cabinas de automviles recin pintados, el nmero de partes
defectuosas en envos, el nmero de clientes que esperan mesa en un restaurante, el nmero
de accidentes en una carretera en un periodo determinado.
2 Tomado y adaptado de Ritchey F., Estadstica para las Ciencias sociales, Mc Graw Hill, 2014
La compaa de aviacin Delta Airlines, se caracteriza por su responsabilidad y cuidado
con el equipaje de sus pasajeros, por lo que pocas veces se pierde equipaje. En la mayora
de los vuelos no se pierden maletas; en algunos se pierde una; en unos cuantos se pierden
dos; pocas veces se pierden tres, etc. Suponga que una muestra aleatoria de 1 000 vuelos
arroja un total de 300 maletas perdidas. De esta manera, el nmero promedio de maletas
perdidas por vuelo es de 0.3.

Prepare un informe en el que como mnimo, incluya:

1. Esta situacin cumple con los supuestos de la distribucin Poisson?

Identifquelos

Cumple con el primer supuesto, que dice que la probabilidad es proporcional a la

longitud del intervalo, en este caso de 1000 vuelos se pierden 300 maletas
es decir que existen un promedio de 0.3 maletas perdidas por vuelo .

Si cumple con el segundo supuesto, debido a que el nmero de veces que se

presenta un evento en un intervalo si influye en los dems intervalos, ya que es una
muestra aleatoria y los intervalos son independientes, es decir si es ms
grande el intervalo tendr mayor probabilidad .

2. Determine cul es la probabilidad de que en un vuelo no se pierda ninguna

maleta

= Es la medida de la cantidad de veces (xitos) que se presentan en un evento en un

intervalo particular.

e = Es la constante 2.17828 (base del sistema de logaritmos naperianos)

X = Numero de veces que se presenta un evento.

 x
e
P ( X )=
X!

0.30 e0.3
P ( X )=
0!

P ( X )=0.7408

La probabilidad de un vuelo no se pierda ninguna maleta es del 74% en la compaa de

aviacin Delta Airlines.

3. Determine cul es la probabilidad de que en un vuelo se pierda exactamente

una maleta

x e
P ( X )=
X!

0.31 e0.3
P ( X )=
1!

P ( X )=0.2222

La probabilidad de que en un vuelo se pierda exactamente una maleta es el 22.22% en

la compaa de aviacin Delta Airlines,

4. Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y

cuatro maletas

P (2 X 4 ) =P ( X=2 ) + P ( X=3 ) + P ( X=4 )

0.32 e0.3 0.3 3 e0.3 0.3 4 e0.3

P (2 X 4 ) = + +
2! 3! 4!
 P (2 X 4 ) =0.0333+0.0033+0.00025

P (2 X 4 ) =0.0369

La probabilidad de que en un vuelo se pierdan entre dos y cuatro maletas es del 3.69%
en la compaa de aviacin Delta Airlines,

5. Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms de

cuatro maletas

P ( X >4 )=1[ P ( X =0 ) + P ( 1 ) + P ( 2 ) + P ( 3 ) + P ( 4 ) ]

[ ]
0 0.3 1 0.3 2 0.3 3 0.3 4 0.3
0.3 e 0.3 e 0.3 e 0.3 e 0.3 e
P ( X >4 )=1 + + + +
0! 1! 2! 3! 4!

P ( X >4 )=1[ 0.7408+ 0.2222+ 0.0333+0.0033+0.00025 ]

P ( X >4 )=1[ 0.999 ]

P ( X >4 )=0.00001578504

En un vuelo no existe probabilidad que se pierdan ms de cuatro maletas en la

compaa de aviacin Delta Airlines,

6. En qu momento debe sospechar el supervisor de la Aerolnea que en un vuelo

se estn perdiendo demasiadas maletas?

Desde el momento que la probabilidad (3.69%) que se pierda entre dos y cuatro maletas
en un vuelo de la compaa de aviacin Delta Airlines, sevea aumentada en su
porcentaje debe entrar en sospecha el supervisor de la aerolnea.
 3
ESTUDIO DE CASO 5 JOHANNA MURCIA HERNNDEZ

Para una poblacin grande de personas sin hogar, Wong y Piliavin (2001)
examinaron factores de estrs, recursos y agotamiento
psicolgico empleando la Escala de Depresin del
Centro de Estudios Epidemiolgicos (CESD), un
cuestionario de evaluacin comunitario.

Entre las personas sin hogar, la puntuacin media del

cuestionario CESD es 22,5 con una desviacin estndar
de 8.5 y se considera que para la Variable X =
puntuacin del CESD, la distribucin es normal. Como trabajador en el rea
de admisiones en un refugio para personas sin hogar, usted es el encargado de
aplicar el CESD y debe evaluar los resultados para las nuevas personas que
lleguen al centro.

Dentro de las polticas del refugio se encuentra que cualquier persona cuya
puntuacin sea de 21 o ms puntos en el CESD debe enviarse a ver a un
doctor.

INFORME A PRESENTAR:

Prepare un informe en el que como mnimo, incluya:

1. La probabilidad de que una persona que llegue al refugio sea enviado a ver
al doctor

2. La probabilidad de que una persona que llegue al refugio tenga una

puntacin de 10 o menos puntos

3. La probabilidad de que una persona que llegue al refugio tenga una

puntuacin entre 16 y 20 puntos

3 Tomado y adaptado de Ritchey F., Estadstica para las Ciencias sociales, Mc Graw Hill, 2014
4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser
enviadas a los servicios de prevencin de suicidios, Qu puntuacin hace
calificar a una persona que llega al refugio para este servicio?

5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a un
servicio de orientacin laboral para mejorar sus recursos. Qu puntuacin
permite calificar a una persona para acceder a este servicio?

RTA:
1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al
Doctor.

x
z=

2023,5
z=
7,5
3,5
z=
7,5 =
^ 0,47
z=0,4 66
P ( z=0,47 )=0,1808 18,08
P ( z 0,47 )=0,1808+0,5=0,6808 68,08

Rta. La probabilidad de que una persona que llegue al refugio sea enviado a ver al
Doctor es de 68,08%

2. La probabilidad de que una persona que llegue al refugio tenga una puntacin de
10 o menos puntos.

x
z=

1023,5
z=
7,5

13,5
z=
7,5 =

z=1.8 1. 80
 P ( z=1,8 ) =0,4641 46,41

P ( z 1,8 ) =0,50,4641=0,0359 3,59

Rta: La probabilidad de que una persona que llegue al refugio tenga una puntacin de 10 o
menos puntos es del 3,59

3. La probabilidad de que una persona que llegue al refugio tenga una puntuacin
entre 16 y 20 puntos

x
z=

Para 16 se tiene que

1623,5
z=
7,5

7,5
z=
7,5 =

z=1.0
P ( z=1 )=0,3413 34.13

Para 20 se tiene que

2023,5

7,5

3,5
z= =0.4667
7,5

z=0.4667
Z 2=0,4 6^ 0,47
P ( Z 2=0,47 )=0,1808

P ( Z 1 <Z < Z 2 )=0,34130,1808=0,1605 16,05

Rta: La probabilidad de que una persona que llegue al refugio tenga una puntuacin entre
16 y 20 puntos es del 16,05%

4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser enviadas a
los servicios de prevencin de suicidios, Qu puntuacin hace calificar a una persona
que llega al refugio para este servicio?

Se va a la tabla y se consulta 15% o sea 0.15 como valor de rea.

A este valor de rea se le halla el valor Z. asociado. = 1.035

Implica que
x X23.5
z= =>1.035=
7.5
Luego el valor de X que cumple esta condiciones

X = 1.035*7.5 + 23.5 = 7.7625 + 23.5 = 31,26 aproximado 31

5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a un servicio
de orientacin laboral para mejorar sus recursos. Qu puntuacin permite calificar a
una persona para acceder a este servicio?

Z =0,67
x23,5
0,67=
7,5

x=(0.68 .7,5 ) +23,5=

x=(0.68 .7,5 ) +23,5= -5.1+23.= 18.4 Aproximado 18

 BIBLIOGRAFA

Definicin Axiomtica de la Probabilidad. Tomada de:

http://www.hrc.es/bioest/Probabilidad_13.html#i
Hernndez, J. (s.f.). Axiomas de Probabilidad. Instituto Tecnolgico de Apizaco. Tomado
de: http://datateca.unad.edu.co/contenidos/301014/axiomas_de_la_probabilidad.pdf
Historia de la probabilidad. Tomada de:
https://www.uam.es/personal_pdi/ciencias/barcelo/historia/Historia%20de%20la
%20probabilidad.pdf

Walpole, R (1999). Probabilidad y estadstica para ingenieros. Mxico;

Hispanoamericana.