Tarea 2 –Experimentos aleatorios y distribuciones de

probabilidad

Probabilidad

4
Integrantes
Aldemar Moreno Fajardo

GRUPO 100402A_616

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNAD

CARRERA: INGIENERO DE SISTEMAS

BOGOTA

2019
Introducción

La distribución de probabilidad es una herramienta fundamental para la prospectiva,

puesto que con ella es posible diseñar un escenario de acontecimientos futuros
considerando las tendencias actuales de diversos fenómenos.

4
Las características más importantes a considerar en una distribución de probabilidad
son: La probabilidad de un resultado específico está entre cero y uno, La suma de las
probabilidades de todos los resultados mutuamente excluyentes es 1.
Toda distribución de probabilidad se genera por una variable (debido a que puede
tomar diferentes valores) aleatoria x (porque el valor que se toma es completamente
al azar)
Objetivos
Objetivos general

Considerando que es un curso básico, durante el desarrollo de este se brindan las

herramientas necesarias para que a su término el estudiante, este en capacidad de determinar

4
el número de elementos de un espacio muestral asociado a un experimento, adicionalmente
poder calcular la probabilidad de cualquier evento asociado a un espacio muestral, como
también conocer las diferentes tipos de variables continuas y discretas, manejo de tablas ,
distribuciones multivariantes e identificar la distribución de probabilidad de funciones de
variables aleatorias por diferentes métodos.

Objetivos Específicos.

1. Manejo de las diferentes herramientas de conteo.

2. Definir y encontrar cada uno de los elementos de un espacio muestral.
3. Definir y encontrar Evento.
4. Probar y aplicar correctamente los teoremas básicos de probabilidad.
5. Identificar eventos independientes y sus comprobaciones.
6. Entender el concepto de variable aleatoria.
7. Probar y aplicar las propiedades de la esperanza, varianza de una variable aleatoria.
8. Conocer los diferentes tipos de variables, discretas y continuas, calculando la
esperanza y la varianza, para cada una de ellas.
9. Manejo y uso adecuado de las distribuciones discretas Binomial, geométrica, binimial
negativa, hipergeometrica, poisson, calculando la esperanza y la varianza, para cada
una de ellas.
10. Manejo adecuado de las distribuciones de probabilidad multivariantes, distribuciones
marginales y condicionales, variables aleatorias independientes, covarianza de dos
variables aleatorias, valor esperado y varianza de funciones lineales de variables
aleatorias.
 Variables Discretas El número de valores es finito o infinito contables

El número de valores que puede tomar está

Variables Aleatorias Variables Continuas contenido en un intervalo de números reales
 Permite determinar los límites de las
probabilidades de una variable sin tener
Teorema De CHÉBYSHEV
que especificar su función.

UNIFORME Asume numero finito de los valores

DISCRETA con la misma probabilidad
Todos los intervalos de igual longitud en cada
DISTRIBUCCION distribución
Numero dede
su ensayos
rango son igualmente probables
independientes
BINOMIAL probabilidad fija P de ocurrencia de éxito
Distribución de Probabilidad Distribución Discreta
Los valores se distribuyen formando una campana
DISTRIBUCCION Numero
de gauss de aensayos
en torno efectuados
un valor central hasta
BINOMIAL NEGATIVA que se tiene R éxitos con probabilidad
constante
DISTRIBUCCION
Numero de ensayos efectuados hasta
GEOMETRICA
obtener un éxito

DISTRIBUCCION Muestreos sin remplazo y aleatorios

HIPERGEOMETICA

DISTRIBUCCION Los eventos ocurren al azar en una

POISSON escala distancia tiempo

DISTRIBUCCION
UNIFOME
Distribución Continua
DISTRIBUCCION
NORMAL
Estudios de caso estudiante N°2

E. Distribución Hipergeométrica: El edificio Nantes está compuesto por 30

apartamentos. De ellos, 10 están habitados por matrimonios con sólo dos hijos
hombres. Los otros 20 están habitados por matrimonios con sólo dos hijas. Se va a
demoler el edificio para construir - uno de 60 departamentos, para lo cual se procede a

11
desalojar parcialmente el edificio sorteando mensualmente una familia, la que debe
retirarse. ¿Cuál es la probabilidad que al cabo de año y medio quede en el edificio el
mismo número de mujeres y de hombres?

Número Total de Habitantes = 30 * 4 Hijos(jas): 60 Habitantes

Apartamentos Habitados con solo 2 Hijos + 1 Padre = 10*3: 30 Hombres
Apartamentos Habitados con solo 2 Hijas + 1 Madre = 20*3: 60 Mujeres

Mensualmente se desaloja 1 Familia

Año Y Medio son= 18 Familia

30 Familias – 18 Familias Desalojadas = 12 Familias de 4 Hijos(jas): = 12*4: 48 Personas

48/2:

24 Hombres

24 Mujeres

Individuos que presenta éxito k=24

p=k/N

P=24/60

P=0,4
Formula

Para hallar la probabilidad de que cada año y medio quede mismo número de mujeres y
hombres por edificio se debe aplicar Distribución Hipergeométrica

11
p= ( X=x )= ( nx )× p ×(1− p)
i n−x

Sustituyendo lo que tenemos:

p= ( X=24 )= ( 4824 ) ×0,4 24

×(1−0,4)48−24

p= ( X=24 )=0,043

La probabilidad que al cabo de año y medio quede en el edificio el mismo número de mujeres
y de hombres es de 0,043

F. Distribución Binomial: En una escuela profesional de cuatro años, el 50% de los

alumnos están - en el primer año, el 25% en el segundo, el 15% en tercero y el 10% en
cuarto. Se selecciona 5 alumnos al azar.
¿Cuál es la probabilidad que:

Alumnos en primer año: 50%

Alumnos en segundo año: 25%
Alumnos en tercer año: 15%
Alumnos en cuarto año: 10%

Formula

p= ( X=x )= ( nx )× p ×(1− p)
i n−x

1. ¿Exactamente 2 sean del primer año?

p= ( X=2 ) = ( 52 ) ×0,50 ×(1−0,5)

2 5−2
 p= ( X=2 ) =0,312
La probabilidad de que exactamente 2 sean del primer año: 0,3125.

2. Ninguno sea del tercero o cuarto año?

p= tercer año + cuarto año

p= 0,15+0,10= 0,25

x=0

11
p= ( X=0 )= ( 50 )× 0,25 ×(1−0,25)
0 5−0

p= ( X=0 )=0,2373

La probabilidad de que ninguno sea del tercero o cuarto año: 0,2373.

G. Distribución Poisson: Suponga que cierta enfermedad rara afecta al 0.1% de la población
grande. 5,000 persona se escogen aleatoriamente de esta población y son sometidos a un
examen para detectar la enfermedad.

1. ¿Cuál es el número esperado de personas con dicha enfermedad?

μ=5000∗0,001=5

El número de personas con dicha enfermedad son cinco

2. ¿Cuál es la probabilidad que exactamente 10 personas son afectadas por la

enfermedad?

μ=5000 x=10

e−5000 ×500010
p ( x=2 )=
10 !

(2,7182)−5000 × 9765625
p ( x=2 )=
3628800

(2,7182)−5000 × 9765625
p ( x=2 )=
3628800

0,007 ×9765625
p ( x=2 )=
3628800
 68359,4
p ( x=2 )= =0,019
3628800

La probabilidad de que exactamente 10 personas se encuentren enfermas son el 1,9%

H. Distribución Normal: Entre mayo y junio de 2011, la cotización del dólar a la venta tuvo
una media de $16.9205 y una desviación estándar de $0.2695. Si la cotización del dólar
sigue una distribución normal, determina:

11
Datos:

μ= 8,1

σ^2= 3,1

σ= √3,1= 1,76

Empleamos la distribución normal estandarizada, esto es N (0,1). Entonces la variable X la

denotamos por Z:

Formula

Z= X - μ/σ        

donde:

σ=desviación

μ=media

X= variable aleatoria

X≈N (μ= 16,9205; σ= 0,2695)

1. La probabilidad de que la venta de un dólar sobrepase los $18.

18−16,9205
P ( X ≥18 )=P(Z< )
0,2695

P ( X ≥18 )=P(Z< 4)

P ( X ≥18 )=1−P( Z <4)

P ( X ≥18 )=1−0,9998

P ( X ≥18 )=0,0002
 La probabilidad de que la venta de un
dólar sobrepase los 18$: 0,0002.

2. La probabilidad de que la cotización del dólar a la venta sea menor a los $15.

15−16,9205
P( X ≤ 15)=P( Z< )
0,2695

11
P( X ≤ 15)=P( Z←7,12)

P ( X ≥15 )=0,0001

La probabilidad de que la cotización del dólar a la venta sea menor a los 0,0001.

3. Con tu equipo, investiga qué factores intervienen en la cotización del dólar. Discute
con ellos qué consecuencias trae una devaluación del peso frente al dólar.

Respuesta: Sucede que el peso colombiano está pasando por el peor momento en la
historia de sus devaluaciones frente al dólar. En el último año, la moneda cafetera ha
perdido 36% de su valor frente a la estadounidense, en una escalada en la que pasó de
tener una cotización cercana a los $1.990 a más de $3.000 por cada dólar.

Mentefacto
 Conclusión
La distribución de probabilidad, describe el comportamiento de fenómenos estadísticos, es
decir, es un listado de las probabilidades de todos los resultados posibles que podrían
presentarse si se efectúa un experimento.

En la distribución discreta, las variables asumen un número limitado de valores, por ejemplo, el
número de años de estudio y en la distribución continua, las variables en estudio pueden
asumir cualquier valor dentro de determinados límites, por ejemplo, la estatura de un
estudiante.

11
Son las probabilidades que se asocian a cada uno de los valores que toma la variable aleatoria
la distribución de probabilidad para una variable aleatoria discreta, son las relaciones de los
resultados y sus probabilidades de las frecuencias observadas.

Un ejemplo seria la probabilidad de que al lanzar un dado n número de veces caiga cara 2 o
que al lanzar una moneda 2 veces caiga sol las 2 tiradas.

Existen varios modelos matemáticos que representan diversos fenómenos discret