PRELIMINAR Fase6 100402 314

Unidad 2: Fase 6 – Distribuciones de probabilidad
Probabilidad
-PRODUCTO COLABORATIVA-
- 100402_314–
Presentado por:
Angel Enrique Aponte – **falta documento**
Fabian Martínez Zarate – CC 80156215
Anderson gamboa Rodríguez - CC 80175189
Rubén Darío Tamayo – CC 80098556
Fabio Hernández Mancipe – CC 80090549
Tutor de curso
Francisco Javier Pereira López
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
-UNAD-
Noviembre de 2017
Introducción
Por medio de este trabajo se muestra la aplicación de los temas tratados en esta fase 6, mediante los
ejercicios desarrollados por cada uno de los estudiantes, donde se abordan los temas como la
probabilidad Binomial, la Hipergeometria, la ley de poisson, la probabilidad uniforme, Exponencial, la
distribución de Gauss. Los cuales presentan cada uno de los temas a través de un ejercicio práctico de
la vida normal.
Los diferentes ejercicios propuestos corresponde a casos a analizar de tal manera que cada uno
corresponde a un tipo de distribución de probabilidad; es de comprender que para el desarrollo de la
presente unidad, es requerido conocimientos previos de la unidad 1 del curso de Probabilidad y así
mismo, una mayor agudización en cuanto a la interpretación del planteamiento del problema, con el fin
de que cada estudiante pueda elegir de manera acertada la variable aleatoria correspondiente para
aplicar de manera asertiva la distribución de probabilidad adecuada.

RESUMEN TEÓRICO UNIDAD 2
Probabilidad
Para el desarrollo de este caso podemos apoyarnos en las variables aleatorias y distribuciones que no
ayudara a asignar los diferentes números en el espacio muestral de un experimento o ejercicio, estas
podemos identificarlas o denominarla con notas mayúsculas como la X.
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.

Cuadro sinóptico:
SOLUCION ESTUDIO DE CASO 1
FABIO HERNANDEZ MANCIPE
Para entregar una Tarjeta de crédito en los bancos del grupo Aval, los analistas del banco clasifican o
califican al cliente en función de la probabilidad de que resulte rentable. Una tabla habitual de
calificaciones es la siguiente:
La calificación es la suma de los puntos de los seis rubros. Por ejemplo, Sushi Brown tiene menos de
25 años (12 puntos); ha vivido en el mismo domicilio durante dos años (0 puntos); desde hace cuatro
años es dueño de un automóvil (13 puntos), por el que realiza pagos de $75 (6 puntos); realiza gastos
domésticos de $200 (10 puntos) y posee una cuenta de cheques (3 puntos). La calificación que
obtendría sería de 44. Después, con una segunda tabla, se convierten las calificaciones en
probabilidades de rentabilidad del cliente, así:
La puntuación de Sushi (44) se traduciría en una probabilidad de rentabilidad aproximada de 0.81. En
otras palabras, 81% de los clientes como Sushi generarían dinero a las operaciones con tarjeta del
banco.
A continuación, se muestran los resultados de las entrevistas con los tres posibles clientes.
Prepare un informe en el que como mínimo, incluya:
1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten rentables.
David
Criterio calificación Born Edward Brendan Ann McLaughlin
Antigüedad con automóvil 13 13 3
Costo de Vivienda 10 10 12
Cuenta de Cheques o Ahorro 15 3 0
Edad 18 12 0
Pago mensual del automóvil 4 6 4
tiempo viviendo en la misma dirección 20 0 20
TOTAL CALIFICACION 80 44 39
Probabilidad de Rentabilidad 0,95 0,81 0,77
%Probabilidad de Rentabilidad
(según tabla) 95% 81% 77%
2.- Con los datos anteriores construya una variable aleatoria que represente el número de clientes
rentables para el banco y determine: ¿Cuál es la probabilidad de que los tres resulten rentables?
3.- ¿Cuál es la probabilidad de que ninguno sea rentable?

4.- Determine la distribución de probabilidad total del número de clientes rentables entre este
grupo de tres clientes.
Si bien es cierto que las cifras y resultados podrían obedecer a una variable aleatoria continua, para el
desarrollo y contestación de la presente tomaremos bajo el principio de números de ensayo, lo que lo
convierte en variable aleatoria discreta, ya que corresponde a números enteros.
Para responder la pregunta 2, 3 y 4, utilizaremos la probabilidad clásica y luego de ello la
distribución binomial; para ello construiremos la tabla con los valores que tenemos.
P(S)>=0. La probabilidad se ha definido como el cociente del número de casos favorables al suceso S
y el número de casos posibles, por lo que el cociente NO puede ser negativo, y su límite inferior 0 se
alcanza cuando el número de casos favorables sea NULO.
P(S)<=1. El número de casos favorables nunca puede ser mayor que el número total de casos, a lo
sumo igual.
0<=P(S)<=1.
Estadística, probabilidad pg.38
La distribución binomial sirve para determinar la probabilidad de cierto número de resultados

satisfactorios en un número dado de observaciones.
Estadística Descriptiva, pg. 194
David
Criterio calificación Born Edward Brendan Ann McLaughlin
Probabilidad de Rentabilidad 0,95 0,81 0,77
%Probabilidad de Rentabilidad
(según tabla) 95% 81% 77%
Ya tenemos los resultados de probabilidad de rentabilidad individual.
Con los datos individuales, aplicamos la probabilidad clásica referente a la unión de sucesos, es decir:
S1 = suceso 1 = Probabilidad de rentabilidad – David Born
S2 = suceso 2 = Probabilidad de rentabilidad – Edward Brendan
S3 = suceso 3 = Probabilidad de rentabilidad – Ann McLaughlin
N =total de sucesos (número total de sucesos)
𝑃(𝑆1) ∪ 𝑃(𝑆2) ∪ 𝑃(𝑆3)

𝑃(𝑆) =
𝑁
0.95 + 0.81 + 0.77
𝑃(𝑆) =
3
2.53
𝑃(𝑆) = = 0.8433
3
Multiplicamos la frecuencia relativa obtenida en el resultado x 100, para obtener su porcentaje.
𝑃(𝑆) = 0.8433 𝑥 100 = 84.33%
Distribución binomial.
Para poder calcular, es necesario tener los siguientes datos:
n = Número de ensayos
P = Probabilidad de éxito
q = Probabilidad de fracaso
x = Probabilidad de éxito de cada ensayo
INDAGANDO
¿Conozco el número de ensayos (n)?
Sí; corresponde a los estudios de probabilidad de rentabilidad de David, Edward y Ann; total, 3.
¿Conozco la probabilidad de éxito (P)?

Sí; Es la respuesta a la pregunta 2, es decir, 0.8433.
¿Conozco la probabilidad de fracaso (q)?
Podemos obtenerla, bajo la fórmula (1-p), lo cual es la siguiente:
𝑞 = 1 − 0.8433 = 0.1567
Ahora bien, hallaremos con estos datos la probabilidad de éxito de cada ensayo, bajo la fórmula
aplicable:
𝑛!
𝑃(𝑥) = ( ) (𝑃)𝑥 (𝑞)𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
n=3
P = 0.843g3
q = 0.1567
Nota: el **!** significa factorial
Hallamos las factoriales
n = 3 -> factorial = 6
x = 0 -> factorial = 1
Ahora bien, reemplazando:
Para P(x), cuando x = 0
6
𝑃(0) = ( ) (0.8433)0 (0.1567)3−0
1(6)
𝑃(0) = 0.003848
6
𝑃(1) = ( ) (0.8433)1 (0.1567)3−1
1(2)
𝑃(1) = 0.062121
6
𝑃(2) = ( ) (0.8433)2 (0.1567)3−2
2(1)
𝑃(2) = 0.334314
6
𝑃(3) = ( ) (0.8433)3 (0.1567)3−3
6(1)
𝑃(3) = 0.599717
Probabilidad Probabilidad
Ensayo (x) p(x) %
0 0.003848 0.3848
1 0.062121 6.2121
2 0.334314 33.4314
3 0.599717 59.9717
TOTAL 1 100
Resultado: La probabilidad de que los 3 resulten rentables es de 59.97%
Resultado: La probabilidad de que ninguno sea rentable es de 0.38%
Resultado: La probabilidad total del número de clientes rentables entre este grupo de tres clientes es de
84.33%
5.- Redacte un breve resumen de sus hallazgos.
Cuando observamos en primera medida la tabla de calificación en donde o5torgan los puntos aplicables
para dar una tarjeta de crédito del grupo aval, observamos que dan una mayor calificación a una
persona que vive con parientes (24ptos) y que lleve viviendo más de 5 años (20ptos).
Entre los 3 candidatos, David Born, Edward Brendan y Ann McLaughlin, observamos que la menor
calificación la tiene Ann(39ptos); Ann NO tiene cuenta de ahorro ni de cheques y tampoco está dentro
de un rango de edad favorable.
La mayor calificación la tiene David(80ptos); reúne una serie de criterios que lo hacen atractivo para el
banco av villas para concederle la tarjeta de crédito (y cuando se cuelgue con la tarjeta, le embargan la
cuenta de cheques, la cuenta de ahorros, el automóvil y para rematar queda reportado en datacrédito).
Al realizar los cálculos, observamos que nada es lo que parece; en el comparativo del grupo de 3
clientes, observamos una rentabilidad de 84.33% pero cuando observamos la probabilidad de que los 3
resulten rentables, la cifra se registra en 59.97%.
FABIAN MARTINEZ ZARATE
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 86.2% 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 10 vehículos.
Presente un informe en el que como mínimo incluya:
1.- ¿Esta situación cumple con los supuestos de la distribución binomial? Identifíquelos
La situación si cumple con la distribución Binomial ya que se maneja la posibilidad de Éxito “que
utilicen cinturón de seguridad” y fracaso “que No utilicen cinturón de seguridad”; además el resultado
de un vehículo no incide en el otro
2- Elabore un diagrama de barras para la distribución de probabilidad binomial que representa esta
situación
p= 0,86
q= 0,14
n= 10
x= (1,2,3,4,5,6,7,8,9,10)
x p(x)
0 2,89255E-09
x p(x)
1 1,77685E-07
2 4,91172E-06
3 8,04587E-05
4 0,000864931
5 0,006375775
6 0,032637895
7 0,114565673
8 0,263910212
9 0,360258384
10 0,221301579
Suma 1
Probabilidad Bimonial
0.4
0.35
0.3
0.25
0.2
0.15
0.1
0.05
0
1 2 3 4 5 6 7 8 9 10 11
Series1 2.9E-09 1.8E-07 4.9E-06 8E-05 0.00086 0.00638 0.03264 0.11457 0.26391 0.36026 0.2213
3.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera en exactamente 6 de los 10
vehículos seleccionados utilicen cinturones de seguridad?
n= 10
p= 0.86
q=1-0.86=0.14
x= 6
𝑛
𝑃(𝑥) = ( ) (𝑝) 𝑥 (𝑞)𝑛−𝑥
𝑥
10
𝑃(6) = ( ) (0.86) 6 (0.14)10−6
6
10 10!
( )=
6 6! (10 − 6)!
10 10!
( )=
6 6! (4)!
10 10 ∗ 9 ∗ 8 ∗ 7 ∗ 6 ∗ 5 ∗ 4 ∗ 3 ∗ 2 ∗ 1
( )=
6 6 ∗ 5 ∗ 4 ∗ 3 ∗ 2 ∗ 1(4 ∗ 3 ∗ 2 ∗ 1)
10 10 ∗ 9 ∗ 8 ∗ 7 5040
( )= = = 210
6 4∗3∗2∗1 24
𝑃(6) = (210)(0.86) 6 (0.14)4 = 0.032
Esto expresado con porcentaje nos dice que el 3,2% de posibilidades que en 6 vehículos los ocupantes
delanteros utilicen cinturones de seguridad

4.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de por lo menos 6 de los 12
vehículos utilicen cinturón de seguridad?
n= 10
p= 0.86
q=1-0.86=0.14
X=(>=6)
𝑃(𝑥) = (10
6
) (0.86) 6 (0.14)10−6 + (10
7
) (0.86) 7 (0.14)10−7 + (10
8
) (0.86) 8 (0.14)10−8 +
(10
9
) (0.86) 9 (0.14)10−9 + (10
10
) (0.86) 10 (0.14)10−10
= 0,9926
Esto equivale al 99%
5.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de máximo 6 de los 12 vehículos
utilicen cinturón de seguridad?
n= 10
p= 0.86
q=1-0.86=0.14
X=(0,1,2,3,4,5,6)
𝑃(𝑥) = (10
0
) (0.86) 0 (0.14)10−0 + (10
1
) (0.86) 1 (0.14)10−1 + (10
2
) (0.86) 2 (0.14)10−2 +
(10
3
) (0.86) 3 (0.14)10−3 + (10
4
) (0.86) 4 (0.14)10−4 + (10
5
) (0.86) 5 (0.14)10−5 + 0.03263 =
0,03996
Esto equivale al 3,9%
6.- Encuentre el valor esperado del número de vehículos en los que los ocupantes de la parte delantera
utilizan el cinturón de seguridad?
n=10
p=0.86
x=(10)(0.86)=8.6
El valor esperado es que entre 8 y 9 vehículos los ocupantes de la parte delantera utilicen el cinturón de
seguridad.
ANGEL ENRIQUE APONTE
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)
 Para que cumpla con la distribución Hipergeométrica será de la siguiente manera, existe una
población se tomará como P, a su vez compuesto por unos elementos que cumplen una
propiedad la cantidad de dichos elementos se denomina con la letra E, luego debemos extraer
una muestra P de la población y a distribución nos dará la probabilidad de lo que estemos
buscando.
p=son los 45 números.
e= cantidad de elementos.
x=elementos con propiedad.
Los elementos que cumplen la propiedad son 6 que ha salido en el sorteo. La muestra que se
toma es la de los 6 números 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
Para esto utilizamos la fórmula para su desarrollo:
𝑒 𝑝− 𝑒
∗ −𝑥
𝑃(𝑥) = 𝑥 𝑒𝑛
𝑥
6 45 − 6 39
∗ − 1.
𝑃(𝑥) = 6 6 6= 0 = 1 = 39 ∗ 6 = 6
=
720
45 45 45 45 45.44.43.42.41.40 58644443200
6 6 39 ∗ 6
1
=
8145060
= 1.22773804 𝑋 10−7
= 0.000000122773804 (𝒆𝒔𝒕𝒂 𝒆𝒔 𝒍𝒂 𝒑𝒓𝒐𝒃𝒂𝒃𝒊𝒍𝒊𝒅𝒂𝒅 𝒅𝒆 𝒒𝒖𝒆 𝒂𝒄𝒊𝒆𝒓𝒕𝒆 𝒍𝒐𝒔 𝟔 𝒏𝒖𝒎𝒆𝒓𝒐𝒔)
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.
1
𝑃(𝑥) = = 1.22773804 𝑋 10−7
8145060
Este resultado coincide con la respuesta anterior.
El sorteo también otorga un premio si el jugador hace coincidir 3, 4 o 5 de los números ganadores
4) Calcule la probabilidad, para hacer coincidir 3 de los 6 números ganadores.
𝑒 𝑝− 𝑒
∗ 𝑒 −𝑥
𝑃(𝑥) = 𝑥
𝑛
𝑥
6 45 − 6 6.5.4 39 39.38.37
∗ 6 −3 (3) 20 ∗ 20.9139
𝑃(6) = 3 = 3 = 3 = = 0.02244059589
45 45 45.44.43.42.41.40 8145060
6 6 6
(𝑄𝑢𝑒 𝑒𝑠 𝑙𝑎 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑐𝑜𝑖𝑛𝑐𝑖𝑑𝑒𝑛𝑐𝑖𝑎 𝑝𝑎𝑟𝑎 3 𝑑𝑒 𝑙𝑜𝑠 6 𝑛𝑢𝑚𝑒𝑟𝑜𝑠 𝑔𝑎𝑛𝑎𝑑𝑜𝑟𝑒𝑠)
5) Calcule la probabilidad de que coincidan 4 de los 6 números ganadores
𝑒 𝑝− 𝑒
∗ 𝑒 −𝑥
𝑃(𝑥) = 𝑥
𝑛
𝑥
6 45 − 6 6.5 39 39.38
∗ 6 −4 ( 2 ) 15 ∗
𝑃(6) = 4 = 2 = 2 = 15.741 = 111105 = 741
45 45 8145060 8145060 8145060 543004
6 6
= 0.001364630831
6) Calcule la probabilidad de que coincidan 5 de los 6 números ganadores
𝑒 𝑝− 𝑒
∗ 𝑒 −𝑥
𝑃(𝑥) = 𝑥
𝑛
𝑥
6 45 − 6 39
∗ − 6 (1) 6.39 234 39
𝑃(6) = 5 6 5 = = = = = 2.872807014. 105
45 45 8145060 8145060 1357510
6 6
= 0.00002872807014
7) Con base en los resultados obtenidos, ¿usted invertiría dinero en el BALOTO?
La verdad si lo jugaría, aunque sé que es muy difícil ganarlo por la cantidad de posibilidades reducidas
que existen en ganárselo.

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 400 maletas perdidas. De esta
manera, el número promedio de maletas perdidas por vuelo es de 0.4.
1.- ¿Esta situación cumple con los supuestos de la distribución Poisson? Identifíquelos
2.- Determine cuál es la probabilidad de que en un vuelo no se pierda ninguna maleta
3.- Determine cuál es la probabilidad de que en un vuelo se pierda exactamente una maleta
4.- Determine cuál es la probabilidad de que en un vuelo se pierdan entre dos y cuatro maletas
5.- Podría establecer cuál es la probabilidad de que se pierdan en un vuelo más de cuatro maletas
6.- ¿En qué momento debe sospechar el supervisor de la Aerolínea que en un vuelo se están perdiendo
demasiadas maletas?
Solución
1.- ¿Esta situación cumple con los supuestos de la distribución Poisson? Identifíquelos
Esta situación cumple con el primer supuesto, en él se dice que la probabilidad es proporcional a la
longitud del intervalo, en este caso de cada mil vuelos se pierden 400 maletas, es decir que hay un
promedio de 0.4 maletas perdidas por vuelo.
De igual forma cumple con el segundo supuesto, ya que el número de veces que se presenta un evento
en un intervalo si afecta a los demás intervalos, debido a que es una muestra aleatoria y los intervalos
son independientes, en conclusión, si es más grande el intervalo tendrá mayor probabilidad.
2.- Determine cuál es la probabilidad de que en un vuelo no se pierda ninguna maleta
λ = ∑ Xi
i=1
λx . e−λ
f (x ; λ) =
x!
Donde “e” es la base del logaritmo natural igual a 2.71828, “x” es el número de ocurrencias de un
evento o probabilidad que viene dada por la función, “x!” es el factorial de x, “λ” es un número real
positivo, igual que el número esperado de ocurrencia durante el intervalo dado. Según el texto los
eventos ocurren en promedio 400 maletas por cada 1000 vuelos.

(0.4)0 . (e−0.4 )
P(0) = = 0.6703
0!
Teniendo en cuenta este resultado, se puede concluir que la probabilidad de que ninguna maleta se
pierda es del 67%.
3.- Determine cuál es la probabilidad de que en un vuelo se pierda exactamente una maleta
(0.4)1 . (e−0.4 )
P(1) = = 0.2681
1!
Debido al resultado obtenido se puede deducir que solo hay un 27% de probabilidad de que se pierda
solo una maleta.
4.- Determine cuál es la probabilidad de que en un vuelo se pierdan entre dos y cuatro maletas
(0.4)4 . (e−0.4 )
P(2) = = 0.00858
2!
(0.4)4 . (e−0.4 )
P(3) = = 0.00286
3!
(0.4)4 𝑒 −0.4
𝑃(4) = = 0.00072
4!
Según los resultados obtenidos se puede decir que hay 0.86% de probabilidad de que en un vuelo se
pierdan dos maletas, un 0.28% de que se pierdan tres y 0.72% de cuatro

5.- Podría establecer cuál es la probabilidad de que se pierdan en un vuelo más de cuatro maletas
0.42 0.43 0.44

𝑃(𝑋 > 4) = 1 − 𝑒 −0.4 (1 + 0.4 + + + )
2 6 24
𝑃(𝑋 > 4) = 0.00006
𝑃(𝑋 > 4) = 0.006%
La probabilidad de que se pierdan cuatro maletas en un vuelo es del 0.006%.
6.- ¿En qué momento debe sospechar el supervisor de la Aerolínea que en un vuelo se están perdiendo
demasiadas maletas?
Rta: El supervisor no debería sospechar ni sorprenderse siempre y cuando la probabilidad siga siendo la
misma por vuelo, si llegase a aumentar, si sería una buena señal para alertar de que en un vuelo se están
perdiendo muchas maletas.
ANDERSON GAMBOA RODRIGUEZ
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 20,5 con una desviación
estándar de 8.5 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 21 o más
puntos en el CESD debe enviarse a ver a un doctor.
INFORME A PRESENTAR:
1. La probabilidad de que una persona que llegue al refugio sea enviada a ver al doctor
2. La probabilidad de que una persona que llegue al refugio tenga una puntación de 10 o menos
puntos
3. La probabilidad de que una persona que llegue al refugio tenga una puntuación entre 16 y 20 puntos
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?
5. Las personas sin hogar con puntación en el 25% más bajo, se le envía a un servicio de orientación
laboral para mejorar sus recursos. ¿Qué puntuación permite calificar a una persona para acceder a
este servicio?
1. La probabilidad de que una persona que llegue al refugio sea enviada a ver al doctor
𝑥 − 𝑚 20 − 23.5 −3.5
𝑍= = = = −0.46
𝑑 7.5 7.5
La probabilidad es del 46% para que este sea enviado al doctor
2. La probabilidad de que una persona que llegue al refugio tenga una puntación de 10 o menos
puntos
10 − 23.5 −13.5
= = 1.8%
7.5 7.5
La probabilidad de que una persona tenga una puntuación de 10 o menos es de 18%
3. La probabilidad de que una persona que llegue al refugio tenga una puntuación entre 16 y 20
puntos
16 − 23.5 −7.5
= −1
7.5 7.5
20 − 23.5 −3.5
= = −0.46
7.5 7.5
Dado las tablas de áreas de curva normal
-1=0.3413
-0.46=0.1772
0.3413+0.1772=0.5185=51.8%
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?

%𝑏𝑎𝑗𝑜 ∗ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 15 ∗ 20
= =3
100% 100
La puntuación que necesita para que llegue a la prevención de suicidios es de 3 puntos.
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?
%𝑎𝑙𝑡𝑜 ∗ 𝑡𝑜𝑡𝑎𝑙 𝑑𝑒 𝑝𝑢𝑛𝑡𝑜𝑠 25 ∗ 20

= =5
100% 100
La puntuación que necesita para que llegue orientación laboral es de 5 puntos.

Conclusiones
Las variables aleatorias y las distribuciones de probabilidad vistos, las observamos como herramientas
aplicables a tiempo, espacio, volumen, dispersión, varianza, para muestras grandes o muestras
pequeñas; Las situaciones vistas revelan su amplitud en cuanto a aplicación se refiere. El desarrollo del
caso uno, nos da un panorama referente a técnicas de la banca para con la ciudadanía; no muy lejos,
aplicables a otros tipos de sectores económicos, ya que los estudios de probabilidad como
mencionamos, existen diferentes técnicas para intervenir.

Referencias Bibliográficas
linea, P. e. (2015). profesor en Linea. Obtenido de
http://www.profesorenlinea.cl/matematica/Distribucion_binomial.html
Vadenumeros. (s.f.). Vadenumeros.es. Obtenido de http://www.vadenumeros.es/sociales/ejemplos-
distribucion-binomial.htm
Wikipedia. (24 de Diciembre de 2014). wikipedia. Obtenido de
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial
Wikipedia. (24 de Diciembre de 2014). wikipedia. Obtenido de
https://es.wikipedia.org/wiki/Distribuci%C3%B3n_binomial
Trashorras P., [Tuto mate]. (2016, Mayo 10). Elaboración de una tabla de frecuencias (variable
discreta). [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=n-uRZRL8K4o
Trashorras P., [Tuto mate]. (2016, Mayo 10). Elaboración de una tabla de frecuencias (variable
continua). [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=RdLAechnDlM
Viscarra R., [Viscarranet Ricardo Viscarra]. (2017, Abril 28). DISTRIBUCION DISCRETA DE
PROBABILIDAD. [Archivo de video]. Recuperado de
https://www.youtube.com/watch?v=ao6ceIWy3Eg
Incae bussiness School., [dataminingincae]. (2015, Abril 12). Probabilidad: Variables Aleatorias. Caso
Continuo. La Distribucion Normal. [Archivo de video]. Recuperado de
https://www.youtube.com/watch?v=XQ5qU7026ts
Incae bussiness School., [dataminingincae]. (2015, Abril 12). Probabilidad: Variables Aleatorias. Caso
Continuo. Distribucion Uniforme. [Archivo de video]. Recuperado de
https://www.youtube.com/watch?v=kzS1yELj9IY
Valenzuela C., [Karla Valenzuela]. (2016, octubre 12). distribucion uniforme. [Archivo de video].
Recuperado de https://www.youtube.com/watch?v=FzBn6ttsBoY
FisicayMates., [FísicayMates]. (2015, Marzo 19). Distribucion Binomial | Explicacion y ejercicio
resuelto. [Archivo de video]. Recuperado de https://www.youtube.com/watch?v=GvqsxC8UL3I
Rodríguez, F. & Pierdant, A. (2014). Estadística para administración. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=194&docID=11013767&tm=14
89690058527
Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto Técnico Nacional. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?docID=10436604&ppg=128
Martínez, C. (2011). Estadística Básica Aplicada. Ecoe, 4a edición. Recuperado de:
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=239&docID=10560355&tm=14
89690264128
Tabla de Distribución Normal,
http://abaco.com.ve/esta/Tabla_distribucion_normal_a_la_derecha_de_z_0.pdf

PRELIMINAR Fase6 100402 314

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

PRELIMINAR Fase6 100402 314

Încărcat de

Drepturi de autor:

Formate disponibile

Unidad 2: Fase 6 – Distribuciones de probabilidad

Angel Enrique Aponte – **falta documento**

Fabian Martínez Zarate – CC 80156215

Anderson gamboa Rodríguez - CC 80175189

Rubén Darío Tamayo – CC 80098556

Fabio Hernández Mancipe – CC 80090549

Francisco Javier Pereira López

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

probabilidad Binomial, la Hipergeometria, la ley de poisson, la probabilidad uniforme, Exponencial, la

corresponde a un tipo de distribución de probabilidad; es de comprender que para el desarrollo de la

aplicar de manera asertiva la distribución de probabilidad adecuada.

podemos identificarlas o denominarla con notas mayúsculas como la X.

La distribución de probabilidad de Poisson describe el número de veces que se presenta un evento

distribución se basa en dos supuestos. El primero consiste en que la probabilidad es proporcional a la

de veces que se presenta un evento en un intervalo no influye en los demás intervalos.

esperan mesa en un restaurante, el número de accidentes en una carretera en un periodo determinado.

FABIO HERNANDEZ MANCIPE

probabilidades de rentabilidad del cliente, así:

La puntuación de Sushi (44) se traduciría en una probabilidad de rentabilidad aproximada de 0.81. En

Criterio calificación Born Edward Brendan Ann McLaughlin

Antigüedad con automóvil 13 13 3

Cuenta de Cheques o Ahorro 15 3 0

Pago mensual del automóvil 4 6 4

tiempo viviendo en la misma dirección 20 0 20

Probabilidad de Rentabilidad 0,95 0,81 0,77

(según tabla) 95% 81% 77%

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

grupo de tres clientes.

desarrollo y contestación de la presente tomaremos bajo el principio de números de ensayo, lo que lo

convierte en variable aleatoria discreta, ya que corresponde a números enteros.

Para responder la pregunta 2, 3 y 4, utilizaremos la probabilidad clásica y luego de ello la

alcanza cuando el número de casos favorables sea NULO.

Estadística, probabilidad pg.38

La distribución binomial sirve para determinar la probabilidad de cierto número de resultados

Estadística Descriptiva, pg. 194

Criterio calificación Born Edward Brendan Ann McLaughlin

Probabilidad de Rentabilidad 0,95 0,81 0,77

(según tabla) 95% 81% 77%

Ya tenemos los resultados de probabilidad de rentabilidad individual.

S1 = suceso 1 = Probabilidad de rentabilidad – David Born

S2 = suceso 2 = Probabilidad de rentabilidad – Edward Brendan

S3 = suceso 3 = Probabilidad de rentabilidad – Ann McLaughlin

N =total de sucesos (número total de sucesos)

𝑃(𝑆1) ∪ 𝑃(𝑆2) ∪ 𝑃(𝑆3)

Multiplicamos la frecuencia relativa obtenida en el resultado x 100, para obtener su porcentaje.

𝑃(𝑆) = 0.8433 𝑥 100 = 84.33%

Para poder calcular, es necesario tener los siguientes datos:

x = Probabilidad de éxito de cada ensayo

¿Conozco el número de ensayos (n)?

¿Conozco la probabilidad de éxito (P)?

¿Conozco la probabilidad de fracaso (q)?

Podemos obtenerla, bajo la fórmula (1-p), lo cual es la siguiente:

Nota: el **!** significa factorial

Hallamos las factoriales

Para P(x), cuando x = 0

Para P(x), cuando x = 1

Para P(x), cuando x = 2

Para P(x), cuando x = 3

Ensayo (x) p(x) %

Resultado: La probabilidad de que los 3 resulten rentables es de 59.97%

Resultado: La probabilidad de que ninguno sea rentable es de 0.38%

5.- Redacte un breve resumen de sus hallazgos.

de un rango de edad favorable.

Angel Enrique Aponte – falta documento

Nota: el ! significa factorial