UNIDAD 2 – FASE 6

DISTRIBUCIONES DE PROBABILIDAD

PROBABILIDAD
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
2018
 INTRODUCCION

El principal objetivo del presente trabajo es comprender algunos conceptos

básicos de la probabilidad concernientes de la unidad No.2 mediante la
elaboración de casos de estudios propuestos.

Cada uno de los integrantes del grupo escoge un caso de estudio en el cual
gracias a los conceptos de la probabilidad aplicamos nuestros conocimientos
acerca de las diferentes distribuciones de probabilidad discreta como los son la
binomial, poisson, hipergeometrica y la distribución normal.
CONCEPTUALIZACION
DISTRIBUCIÓN 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.

DISCRETAS: toman valores de un

conjunto numerable, finito.

CONTINUAS: toman valores de un

conjunto infinito no numerable, y pueden
tomar variables intermedias.

DISTRIBUCION UNIFORME DISCRETA:

La variable aleatoria discreta mas sencilla es aquella que toma solo un numero
finito de valores posibles n, cada uno con la misma probabilidad. Ella se
denomina entonces variable aleatoria discreta uniforme y su distribucion
uniforme discreta esta dada por: f(x)= 1/n

Para una variable aleatoria discreta uniforme X, que puede tomar los valores 1,
𝑛+1
2, 3…, n, la media es: 𝜇𝑥 = 𝐸(𝑥) = 2
𝑛2 −1
Su desviacion estandar es: 𝜗𝑥 = √ 12

DISTRIBUCION BINOMIAL
Las distribuciones binomiales son las mas utiles dentro de las distribuciones de
probabilidad discretas. Sus areas de aplicacion incluyen inspeccion de calidad,
ventas, mercadotecnia, medicina, investigacion de opiniones, entre otras.
Estas distribuciones permiten enfrentar circunstancias en las que los resultados
pertenecen a dos categorias relevantes: que ocurra un evento determinado o
que no lo haga. Este tipo de experimento aleatorio particular es denominado
ensayo de Bernoulli. Sus dos resultados posibles son denotados por éxitos y
fracasos y se define por p la probabilidad de un exito y 1-p la probabilidad de
un fracaso.
En general, un experimento aleatorio que consiste de n ensayos repetidos tales
que:
- Los ensayos son independientes
- Cada ensayo es de tipo Bernoulli. Esto es, tiene solo dos resultados
posibles: exitos y fracasos.
- La probabilidad de exito de cada ensayo, denotada por p, permanece
constante. recibe el nombre de experimento binomial.
La variable aleatoria X, de un experimento binomial, que corresponde al
numero de ensayos donde el resultado es un exito, tiene una distribucion
binomial con parametros p y n = 1, 2,Ö y su funcion de probabilidad es
𝑛
𝑓(𝑥; 𝑝, 𝑛) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥

ESTUDIO DE CASO 1

Supongamos que X es una variable aleatoria discreta y que x es uno de sus

valores posibles. La probabilidad de que la variable aleatoria X tome el valor
específico x se representa por medio de P(X = x). La función de probabilidad de
una variable aleatoria es una representación de las probabilidades de todos los
resultados posibles. Esta representación podría ser algebraica, gráfica o
tabular. En el caso de las variables aleatorias discretas, un sencillo método es
enumerar las probabilidades de todos los resultados posibles de acuerdo con
los valores de x.

Una empresa nueva de buses del Sistema

Integrado de Transporte de Bogotá (SITP) ha
comenzado a dar servicio en un nuevo barrio.
Se ha registrado el número de usuarios que
hay en este barrio en el servicio a primera hora
de la mañana (5:00 a.m.). La tabla adjunta muestra la proporción de cada uno
de los días de la semana.

Número de usuarios 0 2 3 5 6 8 10 12 15

Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08

Si X es la variable que representa el número de usuarios que la empresa debe

atender a la hora de inicio del servicio, con base en esta información y
haciendo uso de los conceptos de variables aleatorias discretas y función de
probabilidad, prepare un informe en el que debe incluir como mínimo lo
siguiente

1. Grafica de la función de probabilidad de la variable aleatoria X: Número de

usuarios.

X P(x)
0 0,02
2 0,05
3 0,12
5 0,18
6 0,13
8 0,16
10 0,14
12 0,12
15 0,08
 0.2
0.18
0.16
0.14
0.12
P(x)

0.1
0.08 P(x)
0.06
0.04
0.02
0
0 2 3 5 6 8 10 12 15
Numero de usuarios

2. Función de probabilidad acumulada de la variable aleatoria X: Número de

usuarios.

0 x<0
0.02 0≤ x <2
0.07 2≤ x <3
0.19 3≤ x <5
Fx (X)
0.37 5≤ x <6
0.5 6≤ x <8
0,66 8≤ x <10
0,8 10≤ x <12
0.92 12≤ x <15
1 x≥15

0.8

0.6
Fx(X)

0.4
Fx(X)
0.2

0
0 2 3 5 6 8 10 12 15
Numero de usuarios
3. Probabilidad de que en un día seleccionado aleatoriamente haya
exactamente ocho usuarios del barrio esperando el servicio

P(X=x)=Px(X) =0,16=16%

4. Probabilidad de que en un día seleccionado aleatoriamente haya más de

seis usuarios del barrio esperando este servicio

P(X>6)=1-P(X≤6)=1-F(6)=

P = 0,16+ 0,14 +0,12 +0,08 = 0,5= 50%

5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de

cuatro usuarios del barrio en este servicio

P(X<4)=Px(3)-P(X=3)

P = 0,02+ 0,05 +0,12 =0,19 = 19%

6. El numero esperado de usuarios de este servicio y su desviación estándar

X P(x) X*(Px) P(x)*X²

0 0,02 0 0
2 0,05 0,1 0,2
3 0,12 0,36 1,08
5 0,18 0,9 4,5
6 0,13 0,78 4,68
 8 0,16 1,28 10,24
10 0,14 1,4 14
12 0,12 1,44 17,28
15 0,08 1,2 18
1 7,46 69,98

Esperanza 7,46
Varianza 14,3284
Desviación 3,78528731

7. Con base en estos resultados, redacte un breve resumen de sus hallazgos

para la empresa

Se puede observar que el intervalo entre 3 y 5 usuarios obtuvo el porcentaje

más alto de la semana y a demás este decrece no tan significativamente en
cuanto al aumento de usuarios en otras palabras el uso en este horario y en
este barrio es relativamente bajo porque existe un 16% de probabilidad de que
en un día de la semana se encuentren 8 usuarios lo que es un porcentaje
bastante bajo y promedio de pasajeros es 7 que podría tener una desviación a
aumentar o disminuir de 3,7%
ESTUDIO 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 78.5% 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 8 vehículos.

Usando sus conocimientos sobre distribuciones discretas de probabilidad,

presente un informe en el que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución binomial.

Identifíquelos

Casos posibles
A= usar cinturón de seguridad
NA= no usar cinturón de seguridad

Si los cumple, porque satisface la característica de la distribución binomial en

que la que existen solo dos resultados posibles: usar el cinturon o no usarlo,
también, hay un número fijo de muestras y las pruebas son independientes la
una de la otra.

2. Diagrama de barras de la distribución de probabilidad binomial que

representa esta situación

P(A) 0,785
p(NA) 0,215

n x PROBABILIDAD
8 0 0,000005
1 0,000133
2 0,001704
3 0,012445
4 0,056798
5 0,165902
6 0,302868
7 0,315948
8 0,144197
TOTAL 1,00

0.350000
0.300000
0.250000
PROBABILIDD

0.200000
0.150000
0.100000
0.050000
-
0 1 2 3 4 5 6 7 8
NUMERO VEHICULOS

3. Probabilidad de que los ocupantes de la parte delantera en

exactamente 5 de los 8 vehículos seleccionados utilicen cinturones de
seguridad

Utilizando la formula de distribución binomial

𝑛
𝑃(𝑛, 𝑥, 𝑝) = ( ) ∗ 𝑝 𝑥 ∗ 𝑞 𝑛−𝑥
𝑥
8
𝑃(8, 5, 0.785) = ( ) ∗ (0,785)5 ∗ (0,215)8−5
5
8!
𝑃(8, 5, 0.785) = ∗ (0,785)5 ∗ (0,215)3
5! ∗ (8 − 5)!
8!
𝑃(8, 5, 0.785) = ∗ (0,785)5 ∗ (0,215)3
5! ∗ 3!
 𝑃(8, 5, 0.785) = 0,166
Rta= la probabilidad de que los ocupantes de la parte delantera usen el
cinturón de seguridad en exactamente 5 de los 8 vehiculos es de 16,6%

4. Probabilidad de que los ocupantes de la parte delantera de por lo

menos 5 de los 8 vehículos utilicen cinturón de seguridad

𝑃(𝑥 ≥ 5) = 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6) + 𝑃(𝑥 = 7) + 𝑝(𝑥 = 8)

8! 8!
𝑃(𝑥 ≥ 5) = ( ∗ (0,785)5 ∗ (0,215)3 ) + ( ∗ (0,785)6 ∗ (0,215)2 )
5! ∗ 3! 6! ∗ 2!
8! 8!
+( ∗ (0,785)7 ∗ (0,215)1 ) + ( ∗ (0,785)8 ∗ (0,215)0 )
7! ∗ 1! 8! ∗ 0!
𝑃(𝑥 ≥ 5) = 0,1659 + 0,3029 + 0,3159 + 0,1442
𝑃(𝑥 ≥ 5) = 0,9289
Rta: la probabilidad de que por lo menos en 5 vehiculos los de la parte
delantera usen el cinturón de seguridad es del 92,89%

5. Probabilidad de que los ocupantes de la parte delantera de máximo 5

de los 8 vehículos utilicen cinturón de seguridad
𝑃(𝑥 ≤ 5) = 1 − 𝑃(𝑥 > 5)
𝑃(𝑥 ≤ 5) = 1 − [𝑃(𝑥 = 6) + 𝑃(𝑥 = 7) + 𝑝(𝑥 = 8)]
𝑃(𝑥 ≤ 5) = 1 − [0,3029 + 0,3159 + 0,1442]
𝑃(𝑥 ≤ 5) = 1 − 0,763
𝑃(𝑥 ≤ 5) = 0,237
Rta: la probabilidad de como máximo en 5 vehiculos los de la parte delantera
usen el cinturón de seguridad es del 23,7%

6. Número de vehículos esperado en en los que los ocupantes de la parte

delantera utilizan el cinturón de seguridad.

El valor esperado en una distribución binomial x B(n, p) es

E(x)=n*p
X B(8, 0.785)
E(x)= 8*(0,785)
E(x)=6,28 = 6 vehiculos
ESTUDIO DE CASO 3

Baloto es un juego novedoso de tipo loto

en línea, de suerte y azar, donde el
jugador elige 5 números del 1 al 43 y
una súper balota con números del 1 al 16
a través de una terminal de venta.
El juego consiste en acertar 5, 4 o 3
números en cualquier orden de una matriz
del 1 al 43 y otro número (super balota) del
1 al 16.

El jugador señala en un tarjetón los 6 números que escoge. Los números

están representados en 43 balotas amarillas numeradas del 1 al 43 y 16
balotas rojas numeradas del 1 al 16. 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. En la tabla aparecen las
opciones para ganar

Usando sus conocimientos sobre distribuciones discretas de probabilidad,

presente un informe en el que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución

Hipergeométrica. Identifíquelos

2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5

números del 1 al 43 y la súper balota).
3. La empresa encargada del sorteo informa que Hasta el sorteo anterior,
la posibilidad de “pegarle al gordo” era de 1 en 8 millones, mientras que
ahora será de 1 en 15 millones. Explique esta afirmación.

4. El sorteo también otorga otros premios (ver tabla). Presente la

probabilidad de obtener los premios que incluyen acertar la súper balota.

5. Presente la probabilidad de obtener los premios que no incluyen acertar

la súper balota.

Con base en los resultados obtenidos, ¿usted invertiría dinero en el

BALOTO?

Usando sus conocimientos sobre distribuciones discretas de probabilidad,

presente un informe en el que como mínimo incluya:

1. Esta situación cumple con los supuestos de la distribución

Hipergeométrica. Identifíquelos.

DATOS

N= total población 1 el jugador

R= éxitos 6 números
n= muestra 59 suma de 43 y 16
X= 5

𝑅 𝑁 −𝑅
(𝑋) ( 𝑛 − 𝑋)
𝑝𝑥
𝑁
𝑛

6 1− 6 6! −5!
( )( ) ∗
𝑝𝑥 5 59 − 5 = 5! − 1! 54! − 49!
1 1!
59 59! − 58!

2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5

números del 1 al 43 y la súper balota).

Ω = {1, 2, 3, 4, 5 … . .43}

5
𝑝(5 𝐵𝐴𝐿𝑂𝑇𝐴𝑆) = . 100 = 11,63%
43
RTA: la probabilidad de obtener las 5 balotas del rango 1 al 43 es del
11,63%

1
𝑝(𝑆𝑈𝑃𝐸𝑅 𝐵𝐴𝐿𝑂𝑇𝐴) = . 100 = 6,25%
16
RTA: la probabilidad de obtener la súper balota es de 6,25%

6
𝑝(𝐵𝐴𝐿𝑂𝑇𝐴𝑆 𝐴𝑀𝐴𝑅𝐼𝐿𝐿𝐴𝑆 𝑌 𝑅𝑂𝐽𝐴𝑆 ) = . 100 = 10,17%
59
RTA: la probabilidad de obtener las balotas amarillas y rojas es del 10,17%

3. La empresa encargada del sorteo informa que Hasta el sorteo anterior,

la posibilidad de “pegarle al gordo” era de 1 en 8 millones, mientras que
ahora será de 1 en 15 millones. Explique esta afirmación.

Ω = {1,2,3,4,5 … .8 Millones}

1
p( 1. pegarle al gordo) = . 100 = 0,0000125%
8
RTA: la probabilidad de pegarle al gordo es de 0,0000125%

{1,2,3,4,5 … .15 Millones}

61
p(2. pegarle al gordo) =. 100 = 0,0000066667%
15
RTA: la probabilidad de pegarle al gordo es de menos posibilidad
0,0000066667%

4. El sorteo también otorga otros premios (ver tabla). Presente la

probabilidad de obtener los premios que incluyen acertar la súper balota.

Ω = {1,2,3,4,5,6}

6
p(5 balotas) = . 100 = 10,7%
59
RTA: la Probabilidad de tener 5 balotas amarillas mas la balota es del
10,7%
5
p(4 balotas) = . 100 = 8,47%
59
RTA: la probabilidad de obtener 4 balotas amarillas mas la balota es del
8,47%
 4
p(3 balotas) = . 100 = 6,78%
59
RTA: la probabilidad de obtener 3 balotas amarillas mas la balota es del
6,78%

3
p(2 balotas ) = . 100 = 5,08%
59
RTA: la probabilidad de obtener 2 balotas amarillas mas la balota es del
5,08%

2
p(1 balota) = . 100 = 3,39%
59
RTA: la probabilidad de obtener 1 balota amarilla mas la balota es del
3,39%

1
p(0 balotas) = . 100 = 1,69%
59
RTA: la probabilidad de obtener 0 balotas amarillas mas la balota es del
1,69%

5. Presente la probabilidad de obtener los premios que no incluyen acertar

la súper balota.

Ω = {1,2,3,4,5, }

5
p(5 balotas amarillas) = . 100 = 13,95%
43

RTA: la probabilidad de obtener 5 balotas amarillas es de 13,95%

4
p(4 balotas amarillas) = . 100 = 11,63%
43
RTA: la probabilidad de obtener 4 balotas amarillas es de 11,63%

3
p(3 balotas amarillas) = . 100 = 6,98%
43
RTA: la probabilidad de obtener 3 balotas amarillas es de 6,98%

2
p(2 balotas amarillas) = . 100 = 4,65%
43
RTA: la probabilidad de obtener 2 balota amarilla es de 4,65%

1
p(1 balotas amarillas) = . 100 = 2,33%
43
 RTA: la probabilidad de obtener 1 balotas amarillas es de 2,33%

6. Con base en los resultados obtenidos, ¿usted invertiría dinero en el

BALOTO?
RTA: no, pues la posibilidad de ganar es muy baja por ello no invertiría mi
dinero en algo que solo me va a generar perdidas para mi bolsillo

CASO DE ESTUDIO 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.

Los padres preocupados porque sus hijos son

“propensos a accidentes” pueden estar tranquilos, de
acuerdo a un estudio realizado por el Departamento
de Pediatría de la Universidad de California, San
Francisco. Los niños que se lesionan dos o más
veces tienden a sufrir estas lesiones durante un
tiempo relativamente limitado, por lo general un año o
menos. El estudio determinó que el número promedio de lesiones por año para
niños en edad escolar es de dos.

Usando sus conocimientos sobre distribuciones de probabilidad discretas,

presente un informe que como mínimo contenga:

1. Esta situación cumple con los supuestos de la distribución Poisson.

Identifíquelos.
 La probabilidad es proporcional a la
longitud del intervalo.
Supuesto 1
Los intervalos son independientes:
la probabilidad de que un niño se
Supuesto 2 lesione en un año es independiente
de la del año siguiente.

Por estos dos supuestos, esta esta es una distribución de Poisson.

2. Probabilidad de que un niño sufra tres lesiones durante el año.

En este situación el número de lesiones por año es

𝜆=2

Si piden la probabilidad de que un niño tenga tres lesiones por año

𝑘=3

y reemplazando en la fórmula de la distribución de Poisson

𝑒 −2 23
𝑃= = 0.18
3!

Este cálculo muestra que hay un 18% de probabilidad de que un niño sufra tres
lesiones anuales, lo cual no es una probabilidad tan baja.

3. Probabilidad de que un niño sufra más de tres lesiones durante el año.

Para encontrar esta probabilidad se utiliza la siguiente tabla en donde se han

calculado varias probabilidades

Lesiones por año Probabilidad

0 𝑒 −2 20
= 0.135
0!
1 𝑒 −2 21
= 0.271
1!
 2 𝑒 −2 22
= 0.271
2!
3 𝑒 −2 23
= 0.180
3!

La probabilidad es uno menso las probabilidades calculadas en la tabla

𝑃 = 1 − 0.135 − 0.271 − 0.271 − 0.180 = 0.143

4. Probabilidad de que un niño sufra una lesión en los siguientes tres

meses del año.

La probabilidad de que un niño sufra una lesión en los primeros seis meses es
la misma probabilidad de que sufra cuatro lesiones en un año, por lo que

𝑒 −2 24
𝑃= = 0.09
4!

5. Número de lesiones esperado por año y su desviación estándar.

Dentro de que limites se espera entonces que caiga el número de
lesiones por año.

El número de lesiones esperadas por año es el valor de

𝜆=2
Mientras que la desviación estándar es la raíz cuadrada del número esperado
de lesiones

𝜎 = √𝜆 = √2 = 1.4142 ≈ 𝟏

Se espera que un niño tenga entre 1 y 3 lesiones por año.

6. Realmente, pueden estar tranquilos los padres? Sustente su opinión

en los resultados obtenidos.

La verdad los padres si pueden estar tranquilos porque el número de lesiones

que puede sufrir un niño en un año son pocas, sin embargo, se debe tener
siempre cuidado con ellas porque aunque tengan una sola lesión, esta puede
ser muy grave.

Resumen
 Conceptos utilizados Ecuación

Distribución de probabilidad de 𝑒 −𝜆 𝜆𝑘
Poisson 𝑃=
𝑘!

Valor esperado de la distribución 𝜆

de Poisson
Desviación estándar en la 𝜎 = √𝜆
distribución de Poisson

Como se observa en la tabla, esos fueron los conceptos que se usaron para
solucionar esta situación y encontrar un intervalo de lesiones al año que un
niño puede sufrir con el fin de concluir si uno estaría tranquilo o no. Se encontró
que este intervalo es de 1 a 3 lesiones por año y el valor esperado de lesiones
anuales es de 2. Se debe notar que esta distribución se pudo utilizar porque la
situación cumplió los supuestos de la distribución de Poisson.
ESTUDIO DE CASO 5

El Coeficiente intelectual C.I. de un

individuo es medido en una escala
que va de 45 a 155. Un C.I. de 100
es el promedio. En la figura siguiente
se puede ver que la mayoría de la
población tiene el C.I. alrededor de
100. Existen menos personas que
tienen el CI menor a 85 y muy pocos
tienen el CI por encima de 115.

Una empresa que recluta personal para multinacionales, aplica un test de

inteligencia a todos los posibles candidatos. Una persona que desea ser
contratada, acaba de presentar el test y le informan que ha obtenido C.I. igual a
95. Asumiendo que las puntuaciones en un test de inteligencia se distribuyen
normalmente y sabiendo que las puntuaciones CI tienen promedio 100 y
desviación estándar 15, usted debe presentarle un informe acerca de sus
resultados. Usando sus conocimientos sobre la distribución de probabilidad
normal, presente un informe que como mínimo contenga:

1. Porcentaje de personas que podrían tener un C.I. inferior o igual a 95.

Datos a considerar:

𝑧 ≤ 95
𝑥−𝜇
𝑧=
𝜎
X= 95 ; 𝜇 = 100 ; 𝜎 = 15

Solucion:

95 − 100
𝑧= 𝑧 = −0,33
15
 Miramos tabla de distribución normal

𝑧 = 0,6293 𝑧 = 62,93%

Como la mitad de la campana corresponde al 50% entonces se resta

éste valor:
𝑧 = 62,93% − 50%

𝒛 = 𝟏𝟐, 𝟗𝟑%

TABLA DE DISTRIBUCION NORMAL

2. Porcentaje de personas podrían tener un C.I. superior a 95.

Datos a considerar:

𝑧 < 95
 𝑥−𝜇
𝑧=
𝜎
X= 95 ; 𝜇 = 100 ; 𝜎 = 15

Solucion:

95 − 100
𝑧= 𝑧 = −0,33
15

Miramos tabla de distribución normal

𝑧 = 0,6293 𝑧 = 62,93%

Como la mitad de la campana corresponde al 50% entonces se SUMA

éste valor:
𝑧 = 62,93% + 50%

𝒛 = 𝟏𝟏𝟐, 𝟗𝟑%

3. Probabilidad de que una persona tenga un C.I. entre 85 y 90

Datos a considerar:

𝑧 = 85 > 𝑋 < 90
𝑥−𝜇
𝑧=
𝜎
X= 85 y 90 ; 𝜇 = 100 ; 𝜎 = 15

Solucion:

85 − 100
𝑧= 𝑧 = −1 𝑧 = 0,8413 𝑧 = 84,13%
15

90 − 100
𝑧= 𝑧 = −0,66 𝑧 = 0,7453 𝑧 = 74,54%
15

P ( -1 < x < 0,667) = 0,3413 – 0,2486 = 0,0927

𝒛 = 𝟎, 𝟎𝟐𝟕

4. Puntuación C.I. que habría que sacar en el test de inteligencia para estar
en el 30% inferior (puntuación de CI que deja el 30% de sujetos por
debajo).
 Si la puntuación de 45 puntos C.I. equivale a 100%, entonces la
puntuación de C.I. que deja por debajo del 30% debe ser menor al
promedio dado de 45 puntos.

La puntuación C.I. que es inferior al 30% y considerando la información

de la gráfica es:

Si 60 puntos CI equivale al 100%, entonces cuanto equivale el 30% MAS

60 puntos de C.I?

Se hace una regla de 3.

Equivale a 78 puntos.

X=M+Z*O Z= 0,52
𝑋−𝑀
X = 100 – 0,52(15) Z=
𝑂
X = 92,2 Z*O+M=X

5. Puntuación de C.I. que es superada solo por el 10% de los sujetos.

 La puntuación C.I. que es superada solo por el 10% y considerando la
información de la gráfica es:

Si 160 puntos CI equivale al 100%, entonces cuanto equivale el 10%

MAS el puntaje de C.I normal?

Se hace una regla de 3.

Equivale a 116 puntos.

X=M+Z*O
X = 100 + 1,28(15)
X = 119,2 Z = 1,28

6. Valores de C.I. entre los que se encuentran el 50% central de los sujetos

Según la gráfica Son todos los valores que están ubicados en el 50%
central de los sujetos.
El 68% de la población tiene una puntuación C.I. entre 85 y 115

Z = 0,67

Máximo valor X = 100 + 0,67(15)

Mínimo valor x = 100 – 0,67(15)= 89,95

CONCLUSIONES

Gracias al desarrollo de este trabajo nos damos cuenta que las variables
aleatorias y las distribuciones de probabilidad son de gran utilidad, ya que el
adecuado uso de las correspondientes formulas nos permite dar solución a
problemas que se nos presentan tanto en nuestro trabajo como en la vida
cotidiana.

El grupo colaborativo tuvo la oportunidad de resolver problemas en el

LABORATORIO DE PROBABILIDAD en donde el objetivo principal era de
apropiarnos del concepto de Variable aleatoria, fundamento para realizar las
actividades en este trabajo colaborativo.
 BIBLIOGRAFIA

Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página

241 a 278. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=25
8&docID=11013767&tm=1470693471527
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional.
Página 178 a 222. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=18
3&docID=10436604&tm=1470693651415
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página
241 a 278 Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=25
8&docID=11013767&tm=1470693471527
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica:
Probabilidad e inferencia. Página 46 a 57. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=47
&docID=10995669&tm=1470693596054
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico
Nacional. Página 223 a 254 Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=19
4&docID=10436604&tm=1470693683773
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Página
280 a 298. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=29
7&docID=11013767&tm=1470693984628
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de estadística teórica:
Probabilidad e inferencia. Página 58 a 77. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=59
&docID=10995669&tm=1470694057290
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico
Nacional. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.action?ppg=22
4&docID=3192101&tm=1512261758930