Fase 2 Variables Aleatorias y Distribuciones de Probabilidad

1
Unidad 2: Fase 2 Variables Aleatorias y distribuciones de Probabilidad
Desarrollo unidad 2 fase 2
Presentado Por:
Yamile Velasco Moreno Cód.: 1.101.758.521
Roberth Hernández Cód.: 91.179.637
Natalia Merchán Cód.:
Claudia Yaneth González: Cód.: 28115930
Grupo: 301014_9
Presentado a:
Edwin Orance Garzón
Tutor
Universidad Nacional Abierta Y Distancia UNAD
CERES Vélez Santander
Noviembre de 2016
2
Contenido
Introducción .................................................................................................................................................. 3
Objetivos ....................................................................................................................................................... 4
Generales: .................................................................................................................................................. 4
Específicos ................................................................................................................................................ 4
Caso 2 ............................................................................................................................................................ 6
Caso 3 .......................................................................................................................................................... 11
Caso 4 .......................................................................................................................................................... 16
Caso 5 .......................................................................................................................................................... 20
Conclusiones ............................................................................................................................................... 23
Referencias Bibliográficas .......................................................................................................................... 24
3
Introducción
En la vida cotidiana aparecen muchas situaciones en las que los resultados observados son
diferentes aunque las condiciones iniciales en las que se produce la experiencia sean las mismas.
Con este trabajo queremos conocer e interpretar Variables Aleatorias y distribuciones de
Probabilidad , Las variables aleatorias se clasifican en discretas y continuas: DISCRETA: La
variable aleatoria X se dice que es discreta si los números asignados a los sucesos elementales de
E son puntos aislados. Sus posibles valores constituyen un conjunto finito o infinito numerable.
Por ejemplo, supongamos el experimento consistente en lanzar tres veces una moneda no trucada;
si consideramos la variable aleatoria X=”número de caras obtenidas en los tres lanzamientos”, los
valores que puede tomar esta variable aleatoria son finitos (0,1,2,3). o CONTINUA: La variable
aleatoria X será continua si los valores asignados pueden ser cualesquiera, dentro de ciertos
intervalos, es decir, puede tomar cualquier valor de R. Por ejemplo, si consideramos el
experimento aleatoria consistente en medir el nivel de agua en un embalse y tomamos la variable
aleatoria X=”nivel de agua”, esta puede tomar valores entre 0 y más infinito. Distribuciones de
Probabilidad Es un modelo teórico que describe la forma en que varían los resultados de un
experimento aleatorio, es decir, nos da todas las probabilidades de todos los posibles resultados
que podrían obtenerse cuando se realiza un experimento aleatorio. Se clasifican como discretas o
continuas. En la distribución de probabilidad discreta está permitido tomar sólo un número
limitado de valores. En la continua, llamada función de Variable aleatoria y función de
distribución 27 densidad, la variable que se está considerando puede tomar cualquier valor dentro
de un intervalo dados.
4
Objetivos
Generales:
 Establecer la diferencia entre variables aleatorias discretas y continuas, en términos de su
función de probabilidad, valor esperado, varianza y desviación estándar se reconocen
algunas de las distribuciones de probabilidad más comunes, tanto las discretas como las
continuas
Específicos
 Desarrollar habilidades para el análisis de eventos cuantificables, mediante el uso sistemático
de conceptos, fundamentos y métodos de Probabilidad
 Comprender la aplicación de las distribuciones de probabilidades discretas y continuas y su
aplicación en casos de la vida cotidiana.
 Desarrollar habilidades para el análisis, el razonamiento y la comunicación de su pensamiento
en la resolución de problemas a partir del uso de la simulación del modelo, propiciando la
asimilación de aprendizajes más complejos para la resolución de problemas en su cotidianidad,
área tecnológica y vida profesional.

5
Definición de es una función que asigna un valor, usualmente numérico,
variable al resultado de un experimento aleatorio.
1. Variables aleatorias discretas y aleatoria
Es aquella cuya función de probabilidad sólo toma valores positivos

Distribución
en un conjunto de valores de X finito o infinito numerable
continuas
discreta de
probabilidad
UNIDAD 2 Variables Aleatorias y distribuciones de Probabilidad
Se denomina variable continua a aquella que puede tomar

Distribución
cualquiera de los infinitos valores existentes dentro de un intervalo
continua de
probabilidad
es el modelo (absolutamente) continuo más simple. Corresponde al caso de

Distribución una variable aleatoria que sólo puede tomar valores comprendidos entre dos
uniforme extremos a y b, de manera que todos los intervalos de una misma longitud
2. Distribuciones discretas de probabilidad
Distribución es una distribución de probabilidad discreta que cuenta el número de

binomial éxitos en una secuencia de n ensayos de Bernoulli independientes entre
sí, con una probabilidad fija p de ocurrencia del éxito entre los ensayos
Esta distribución puede considerarse como una extensión o ampliación de

Distribución
la distribución geométrica . La distribución binomial negativa es un modelo
binomial
adecuado para tratar aquellos procesos en los que se repite un
negativa y
determinado ensayo o prueba hasta conseguir un número determinado de
geométrica
resultados favorables (por vez primera)
es una distribución de probabilidad discreta que expresa, a partir de una
Distribución frecuencia de ocurrencia media, la probabilidad de que ocurra un
de Poisson determinado número de eventos durante cierto período de tiempo
es aquella que tiene por media el valor cero, μ = 0, y por desviación típica
Distribución
la unidad, σ =1 Para poder utilizar la tabla tenemos que transformar la
2. . Distribuciones continuas de probabilidad
normal y uso de variable X que sigue una distribución N(μ, σ) en otra variable Z que siga
la distribución una distribución N(0, 1)
normal estándar
Esta distribución tiene la característica de que es la única variable aleatoria

Distribución continua cuya tasa de fallos es constante. Se acostumbra utilizarla para modelar
exponencial el tiempo de vida de componentes electrónicos. Como la tasa de fallos es
constante, puede considerarse que al transcurrir el tiempo, si el componente no
ha fallado, es tan bueno estadísticamente, como cuando estaba nuevo
La distribución ji-cuadrado tiene muchas aplicaciones en inferencia

Distribución estadística, por ejemplo en la denominada prueba χ² utilizada como prueba
Chi cuadrado de independencia y como prueba de bondad de ajuste y en la estimación de
varianzas.
6
Caso 2
La distribución de probabilidad binomial es una distribución de probabilidad discreta que se
presenta con mucha frecuencia. Una de sus características consiste en que sólo hay dos posibles
resultados en un determinado ensayo del experimento y los resultados son mutuamente
excluyentes; Otra característica de la distribución binomial es el hecho de que la variable
aleatoria es el resultado de conteos. Es decir, se cuenta el número de éxitos en el número total de
ensayos. Una tercera característica de una distribución binomial consiste en que la probabilidad
de éxito es la misma de un ensayo a otro.
Un estudio del Departamento de Transporte de Illinois concluyó que 76.2% de quienes ocupaban
los asientos delanteros de los vehículos utilizaba cinturón de seguridad. Esto significa que los dos
ocupantes de la parte delantera utilizaban cinturones de seguridad. Suponga que decide comparar
la información con el uso actual que se da al cinturón de seguridad, para lo cual selecciona una
muestra de 12 vehículos.
INFORME A PRESENTAR:
Presente un informe en el que como mínimo incluya:

7
1.- ¿Esta situación cumple con los supuestos de la distribución binomial? Identifíquelos
En un vehículo, ambos ocupantes de la parte delantera utilizan cinturón de seguridad o no lo
hacen. Solo hay dos posibles resultados.
 Existe una cantidad fija de ensayos, 12 en este caso, pues se verifican 12 vehículos.
 La probabilidad de un éxito (los ocupantes utilizan cinturón de seguridad) es la misma de
un vehículo al siguiente: 76.2 por ciento.
 Los ensayos son independientes. Si, en el cuarto vehículo seleccionado, todos los
ocupantes utilizan cinturón de seguridad, esto no influye en los resultados del quinto o
decimo vehículo.
3.- ¿Cuál es la probabilidad que los ocupantes de la parte delantera en exactamente 7 de los
12 vehículos seleccionados utilicen cinturones de seguridad?
P(x=7 І n= 12 y π=0.762)
8
12=7
=12𝐶7 (0.762)7 (1 - 0.762) = 792(.149171) (.000764) .0902
De esta manera, se concluye que la probabilidad de que los ocupantes de exactamente 7 de los 12
vehículos de la muestra utilicen cinturones de seguridad es de aproximadamente 9%.
4.- ¿Cuál es la probabilidad que los ocupantes de la parte delantera de por lo menos 7 de los
12 vehículos utilicen cinturón de seguridad?
K= 7
N=12
P=0.762
P=(x=8) = (𝟏𝟐𝟕).𝟎.𝟕 . 𝟎.𝟕𝟔𝟐𝟏𝟐−𝟕
=P (x = 1) +P (x = 2) +P(x = 3) + P (x = 4) + P (x = 5) + P (x =6) + P(x=7)
= 0,00026 + 0,00295 + 0,01892 + 0,07572 + 0,19395 + 0,31048 + 0,28402

9
5.- ¿Cuál es la probabilidad que los ocupantes de la parte delantera de máximo 7 de los 12
vehículos?
Como los eventos son mutuamente excluyentes (lo cual significa que una muestra de 12vehículos
no puede tener un total de 7 ni, al mismo tiempo, un total de 8 vehículos en que los ocupantes
utilizan cinturón de seguridad), se determina la probabilidad de que en 7 de ellos los ocupantes
utilizan cinturón de seguridad.
P (x≥ 7 l n = 12 y π =0.762
=P (x = 7) +P (x = 8) +P(x = 9) + P (x = 10) + P (x = 11) + P (x = 12)
= 0.0902 + 0.1805 + 0.2569 + 0.2467 + 0.1436 + 0.383
= 0.9562
6.- ¿Encuentre el valor esperado del número de vehículos en los que los ocupantes de la
parte delantera utilizan el cinturón de seguridad?
Muestra: 12
Probabilidad de éxito: 76.2%
76.2% de 12 vehículos
10
76.2 x 12= 9.144
El número de vehículos en que los ocupantes de la parte delantera utilizan el cinturón de
seguridad es 9.
11
Caso 3
El Baloto, es la lotería en línea de Colombia, supervisado por ETESA (Empresa territorial para la
salud). Es un juego que consiste en acertar 6, 5, 4 o 3 números en cualquier orden de una matriz
del 1 al 45; El jugador señala en un tarjetón los 6 números que escoge. Los números están
representados en 45 balotas numeradas del 1 al 45. Cada número aparece una sola vez y las
balotas ganadoras se seleccionan sin reemplazo. El premio acumulado se entrega a quien haga
coincidir los seis números.
Presente un informe en el que como mínimo incluya:
1.- ¿Esta situación cumple con los supuestos de la distribución Hipergeométrica?
Identifíquelos (Sugerencia: Divida los 45 números en dos grupos: ganadores y no ganadores)
En la distribución hipergeométrica tenemos una población N, esta se compone de unos elementos
que denominamos d. Con esto podemos extraer una muestra n de la población y la distribución
nos dará la probabilidad de lo que estamos buscando.
N = son los 45 números.
D = cantidad de elementos
x / elementos con propiedad
Los elementos que cumplen la propiedad son 6.
La muestra que se toma es la de los 6 números

12
La probabilidad que nos da el método Hipergeométrica es la de tener 0 a 6 ganadores.
2.- Usando la distribución de probabilidad Hipergeométrica determinar la probabilidad de
que el jugador acierte los 6 números
𝑑 𝑁−𝑑
( )( )
𝑃(𝑥) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛
6 45 − 6 39
( )( ) 1( )
𝑃(6) = 6 6−6 = 0 = 1
45 45 45
( ) ( )
6 6 39! 6!
39! 6! 6! 720
= =
45! 45.44.43.42.41.40 5864443200
1
= 1.22773804 ∗ 10−7 = 0.000000122773804
8145060
𝑃(6) = 0.000000122773804
3.- La empresa encargada del sorteo informa que la probabilidad de que coincidan todos los
números es de 1 en 8145060. ¿Qué significa esto en términos de probabilidad? Coincide esto
con su respuesta anterior.

13
El sorteo también otorga un premio si el jugador hace coincidir 3, 4 o 5 de los números
ganadores
1
𝑃(6) = = 1.22773804 ∗ 10−7
8145060
Si coincide este resultado con la respuesta anterior ya que se llegó a la misma fracción.
4.- Calcule la probabilidad, para hacer coincidir 3 de los 6 números ganadores.
𝑑 𝑁−𝑑
( )( )
𝑃(𝑥) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛
Solución para acertar 3 números
6 45 − 6 6.5.4 39
( )( )
3! ( 3 )
𝑃(6) = 3 6 − 3 =
45 45
( ) ( )
6 6
39.38.37
20 20 .9139 182780
= 3! = = = 0.02244059589
45.44.43.42.41.40 8145060 8145060
6!
14
La probabilidad de que coincida 3 de los 6 números ganadores es 0.02244059589
5) Calcule la probabilidad de que coincidan 4 de los 6 números ganadores
𝑑 𝑁−𝑑
( )( )
𝑃(𝑥) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛
6 45 − 6 6.5 39
( )( ) ( ) 15 39.38 15 ∗ 741 11115 741
2
𝑃(6) = 4 6 − 4 = 2 = 2 = = =
45 45 8145060 8145060 8145060 543004
( ) ( )
6 6
= 0.001364630831
La probabilidad de que el jugador acierte los 4 números es 0.001364630831
6) Calcule la probabilidad de que coincidan 5 de los 6 números ganadores
𝑑 𝑁−𝑑
( )( )
𝑃(𝑥) = 𝑥 𝑛 − 𝑥
𝑁
( )
𝑛

15
6 45 − 6 39
( )( ) 6( )
𝑃(6) = 5 6 − 5 = 1 = 6 ∗ 39 = 234 = 39
45 45 8145060 8145060 1357510
( ) ( )
6 6
= 2.872807014 ∗ 10−5 = 0.00002872807014
La probabilidad de que el jugador acierte los 5 números es 0.00002872807014
7) Con base en los resultados obtenidos, usted invertiría dinero en el BALOTO?
No invertiría en este juego, en lo personal creo que es más cuestión de suerte ya que hablando de
probabilidades y respecto a los resultados obtenidos por ejemplo, vemos que es complicado
acertar con tres cifras, así que con mayor razón un premio mayor, sería casi imposible.
16
Caso 4
La distribución de probabilidad de Poisson describe el número de veces que se presenta un evento
durante un intervalo específico. El intervalo puede ser de tiempo, distancia, área o volumen. La
distribución 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 más grande sea el intervalo, mayor será la probabilidad; además, el
número de veces que se presenta un evento en un intervalo no influye en los demás intervalos.
Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para describir la
distribución de errores en una entrada de datos, el número de rayones y otras imperfecciones en
las cabinas de automóviles recién pintados, el número de partes defectuosas en envíos, el número
de clientes que esperan mesa en un restaurante, el número de accidentes en una carretera en un
periodo determinado.
La compañía de aviación 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 mayoría 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 número promedio de maletas perdidas por vuelo es de 0.3.
Prepare un informe en el que como mínimo, incluya:
1.- ¿Esta situación cumple con los supuestos de la distribución Poisson? Identifíquelos
17
La distribución de poisson se basa en dos supuestos:
 El primero consiste en que la probabilidades proporcional a la longitud del intervalo.
 El segundo supuesto consiste en que los intervalos son independientes.
En otras palabras, cuanto más grande sea el intervalo, mayor será la probabilidad, y el número de
veces que se presenta un evento en un intervalo no influye en los demás intervalos.
Concepto
Esta distribución es una de las más importantes distribuciones de variable discreta. Sus
principales aplicaciones hacen referencia a la modelización de situaciones en las que nos interesa
determinar el número de hechos de cierto tipo que se pueden producir en un intervalo de tiempo o
de espacio, bajo presupuestos de aleatoriedad.
2.- Determine cuál es la probabilidad de que en un vuelo no se pierda ninguna maleta
FORMULA
P(0) = P(0) =(0.3)^0)*(e- 0.3))/0! = 0.7408
P(0)= 74%
3.- Determine cuál es la probabilidad de que en un vuelo se pierda exactamente una maleta
18
P(1) =(0.3)^1)*(e -0.3)/1! = 0.2222
P(1)= 22%
4.- Determine cuál es la probabilidad de que en un vuelo se pierdan entre dos y cuatro maletas
 P(2)= (0.3)^2)*(e -0.3)/2!=0.0333
P(2)= 0,3%
 P(3)= (0.3)^3)*(e -0.3)/3!= 3.333
P(3)= 3.3%
 P(4)= (0.3)^4)*(e -0.3)/4!= 2.500
P(4)= 2.5%
5.- Podría establecer cuál es la probabilidad de que se pierdan en un vuelo más de cuatro
Maletas
P(X > 4) = P(X=5)+ P(X=6)+ PX=7)…
P(5)= (0.3)^5)*(e -0.3)/5!= 1.50015
P(6)= (0.3)^6)*(e -0.3)/6!= 7.5007

19
P(7)= (0.3)^7)*(e -0.3)/7!= 3.2145
6.- ¿En qué momento debe sospechar el supervisor de la Aerolínea que en un vuelo se están
perdiendo demasiadas maletas?
De acuerdo a los resultados obtenidos, se puede evidenciar que el momento en el cual se pierden
mayor cantidad de maletas es en el 1, es decir que se debe cuidar al momento de recoger las
maletas para ser trasladadas al avión.

20
Caso 5
Para una población grande de personas sin hogar, Wong y Piliavin (2001) examinaron factores de
estrés, recursos y agotamiento psicológico empleando la Escala de Depresión del Centro de
Estudios Epidemiológicos (CESD), un cuestionario de evaluación comunitario.
Entre las personas sin hogar, la puntuación media del cuestionario CESD es 23,5 con una
desviación estándar de 7.5 y se considera que para la Variable X = puntuación del CESD, la
distribución es normal. Como trabajador en el área 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 políticas del refugio se encuentra que cualquier persona cuya puntuación sea de 20
o más puntos en el CESD debe enviarse a ver a un doctor.
Informe a presentar:
Prepare un informe en el que como mínimo, incluya:
1) La probabilidad de que una persona que llegue al refugio sea enviado a ver al doctor.
Puntuación Media=23.5
X=20-23.5=3.5
Variable X=3.5
Desviación Estándar=7.5
21
X − μ 3.5 − 23.5 −20

Z= = = = −2.66
σ 7.5 7.5
Vamos a la tabla de distribución normal y es 0.0039 =0.039%
2) La probabilidad de que una persona que llegue al refugio tenga una puntación de 10 o
menos puntos:
x = 10 μ = 23.5 σ = 7.5
X − μ 10 − 23.5 −13.5
Z= = = = −1.8
σ 7.5 7.5
Vamos a la tabla de distribución normal y es 0.0359 =3.59%
3) La probabilidad de que una persona que llegue al refugio tenga una puntuación entre 16 y
20 puntos.
Puntuación 16
x = 16 μ = 23.5 σ = 7.5
x − μ 16 − 23.5 −7.5
Z= = = = −1
σ 7.5 7.5
Vamos a la tabla de distribución normal y es 0.1587
Puntuación 20
22
x = 20 μ = 23.5 σ = 7.5
X − μ 20 − 23.5 −23.5
Z= = = = −0.46
σ 7.5 7.5
Vamos a la tabla de distribución normal y es 0,3228
Ahora se suman 0.1587+0,3228=0.4815=48.15%
4) Si las personas sin hogar con puntuación en el 15% más alto deben ser enviadas a los
servicios de prevención de suicidios, ¿Qué puntuación hace calificar a una persona que
llega al refugio para este servicio?
Rta. 23.5+15%=27.025
La puntuación que hace calificar a una persona que llega al refugio de servicios de prevención de
suicidios es de 27.025 en adelante.
5) Las personas sin hogar con puntación en el 25% más bajo, se les envía a un servicio de
orientación laboral para mejorar sus recursos. ¿Qué puntuación permite calificar a una
persona para acceder a este servicio?
Rta.23.5-25%=17.625
La puntuación que hace calificar a una persona para acceder al servicio de orientación laboral
para mejorar sus recursos es de 17.62

23
Conclusiones
La Estadística se ha convertido en un efectivo método para describir, relacionar y analizar los
valores de datos económicos, políticos, sociales, biológicos, físicos, entre otros. Pero esta ciencia
no sólo consiste en reunir y tabular los datos, sino en dar la posibilidad de tomar decisiones
acertadas y a tiempo, así como realizar proyecciones del comportamiento de algún evento. Es así
como el desarrollo de la teoría de la Probabilidad ha aumentado el alcance de las aplicaciones de
la Estadística. Muchos de los eventos que ocurren en la vida del ser humano no se pueden
predecir con exactitud, pues la mayoría de los hechos están influenciados por el azar, es decir, por
procesos inciertos, en los que no se está seguro de lo que va a ocurrir. Sería un error afirmar que
vivimos en un mundo determinista, en donde no hay influencia del azar y la incertidumbre. La
Probabilidad permite un acercamiento a estos sucesos, ponderando las posibilidades de su
ocurrencia y proporcionando métodos para tales ponderaciones, creando así modelos
Probabilísticos. Precisamente, algunos de esos métodos proporcionados por la teoría de la
Probabilidad llevan a descubrir que ciertos eventos tienen una mayor o menor probabilidad de
ocurrir que la apreciación hecha a través del sentido común. De esta manera, la Probabilidad
permite estudiar los eventos de una manera sistemática y más cercana a la realidad, entregando
una información más precisa y confiable y, por tanto, más útil para las distintas disciplinas del ser
humano. De ahí que se vea la importancia de conocer a profundidad las características de ciertos
fenómenos cotidianos que el ser humano vive, comprender los métodos Probabilísticos más
comúnmente usados y con ellos llegar a tomar las decisiones más apropiadas.
24
Referencias Bibliográficas
 González, M. M. T., & Pérez, D. V. A. (2010). Estadística aplicada una visión instrumental.
Madrid, ES: Ediciones Díaz de Santos
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=216&docID=1039023
8&tm=1470697885580
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Recuperado de:
4&tm=1470693651415
8&tm=1470697787148
 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica: Probabilidad e
inferencia. Recuperado de:

25
&tm=1470693596054
 Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Recuperado de:
4&tm=1470693683773
8&tm=1470697674966
 Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica: Probabilidad e
inferencia. Recuperado de:
&tm=1470694057290

Fase 2 Variables Aleatorias y Distribuciones de Probabilidad

Încărcat de

Informații document

Titlu original

Drepturi de autor

Formate disponibile

Partajați acest document

Partajați sau inserați document

Opțiuni de partajare

Vi se pare util acest document?

Este necorespunzător acest conținut?

Drepturi de autor:

Formate disponibile

Fase 2 Variables Aleatorias y Distribuciones de Probabilidad

Încărcat de

Drepturi de autor:

Formate disponibile

1

Unidad 2: Fase 2 Variables Aleatorias y distribuciones de Probabilidad

Desarrollo unidad 2 fase 2

Yamile Velasco Moreno Cód.: 1.101.758.521

Roberth Hernández Cód.: 91.179.637

Natalia Merchán Cód.:

Claudia Yaneth González: Cód.: 28115930

Edwin Orance Garzón

Universidad Nacional Abierta Y Distancia UNAD

CERES Vélez Santander

Con este trabajo queremos conocer e interpretar Variables Aleatorias y distribuciones de

Probabilidad , Las variables aleatorias se clasifican en discretas y continuas: DISCRETA: La

intervalos, es decir, puede tomar cualquier valor de R. Por ejemplo, si consideramos el

experimento aleatoria consistente en medir el nivel de agua en un embalse y tomamos la variable

continuas. En la distribución de probabilidad discreta está permitido tomar sólo un número

limitado de valores. En la continua, llamada función de Variable aleatoria y función de

 Establecer la diferencia entre variables aleatorias discretas y continuas, en términos de su

función de probabilidad, valor esperado, varianza y desviación estándar se reconocen

 Desarrollar habilidades para el análisis de eventos cuantificables, mediante el uso sistemático

de conceptos, fundamentos y métodos de Probabilidad

 Comprender la aplicación de las distribuciones de probabilidades discretas y continuas y su

aplicación en casos de la vida cotidiana.

 Desarrollar habilidades para el análisis, el razonamiento y la comunicación de su pensamiento

en la resolución de problemas a partir del uso de la simulación del modelo, propiciando la

asimilación de aprendizajes más complejos para la resolución de problemas en su cotidianidad,

área tecnológica y vida profesional.

Es aquella cuya función de probabilidad sólo toma valores positivos

Se denomina variable continua a aquella que puede tomar

es el modelo (absolutamente) continuo más simple. Corresponde al caso de

Distribución es una distribución de probabilidad discreta que cuenta el número de

Esta distribución puede considerarse como una extensión o ampliación de

Esta distribución tiene la característica de que es la única variable aleatoria

La distribución ji-cuadrado tiene muchas aplicaciones en inferencia

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

resultados en un determinado ensayo del experimento y los resultados son mutuamente

excluyentes; Otra característica de la distribución binomial es el hecho de que la variable

aleatoria es el resultado de conteos. Es decir, se cuenta el número de éxitos en el número total de

de éxito es la misma de un ensayo a otro.

Presente un informe en el que como mínimo incluya:

En un vehículo, ambos ocupantes de la parte delantera utilizan cinturón de seguridad o no lo

hacen. Solo hay dos posibles resultados.

 La probabilidad de un éxito (los ocupantes utilizan cinturón de seguridad) es la misma de

un vehículo al siguiente: 76.2 por ciento.

12 vehículos seleccionados utilicen cinturones de seguridad?

=12𝐶7 (0.762)7 (1 - 0.762) = 792(.149171) (.000764) .0902

vehículos de la muestra utilicen cinturones de seguridad es de aproximadamente 9%.

12 vehículos utilicen cinturón de seguridad?

P=(x=8) = (𝟏𝟐𝟕).𝟎.𝟕 . 𝟎.𝟕𝟔𝟐𝟏𝟐−𝟕

=P (x = 1) +P (x = 2) +P(x = 3) + P (x = 4) + P (x = 5) + P (x =6) + P(x=7)

= 0,00026 + 0,00295 + 0,01892 + 0,07572 + 0,19395 + 0,31048 + 0,28402

utilizan cinturón de seguridad), se determina la probabilidad de que en 7 de ellos los ocupantes

utilizan cinturón de seguridad.

=P (x = 7) +P (x = 8) +P(x = 9) + P (x = 10) + P (x = 11) + P (x = 12)

= 0.0902 + 0.1805 + 0.2569 + 0.2467 + 0.1436 + 0.383

parte delantera utilizan el cinturón de seguridad?

Probabilidad de éxito: 76.2%

76.2 x 12= 9.144

El número de vehículos en que los ocupantes de la parte delantera utilizan el cinturón de

coincidir los seis números.

Presente un informe en el que como mínimo incluya:

1.- ¿Esta situación cumple con los supuestos de la distribución Hipergeométrica?

Identifíquelos (Sugerencia: Divida los 45 números en dos grupos: ganadores y no ganadores)

En la distribución hipergeométrica tenemos una población N, esta se compone de unos elementos