TRABAJO COLABORATIVO 2

PROBABILIDAD



CDIGO 100105B



PRESENTADO POR:


ERIKA JULIETH FLOREZ OLARTE
JAMER ZARATE VERGARA
LUIS GERMAN CASTILLO
OFELIA NORBELY MENESES



GRUPO 100402_414



PRESENTADO A


AZUCENA GIL
TUTOR



UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD
27-MAYO-2014
COLOMBIA




INTRODUCCIN

A partir de trabajar activamente desarrollando los ejercicios propuestos para la
comprensin de esta unidad 2 del mdulo de probabilidad, nosotros los estudiantes,
adquirimos destrezas en el desarrollo adecuado de problemas que se nos pueden
presentar a lo largo de nuestra vida as como en las carreras profesionales que nos
ofrece la UNAD. En forma muy general este documento nos presenta el desarrollo
de 15 ejercicios propuestos sobre variables aleatorias y distribuciones de
probabilidad utilizando las formulas correspondientes para solucionar cada uno de
ellos.































DISTRIBUCIN CHI
2
CUADRADO DE PEARSON

Si (X1,X2,...,Xn) son n variables aleatorias normales independientes de media 0 y
varianza 1, la variable definida como



Se dice que tiene una distribucin CHI con n grados de libertad. Su funcin de
densidad es
0 x e x
2
2
n
1
) x ( f
2 / x 2 / ) 2 n (
n
>
|
.
|

\
|
I
=



Siendo
}

= I
0
x 1 P
dx e X ) P ( la funcin gamma de Euler, con P>0. La funcin de
distribucin viene dada por


La media de esta distribucin es E(X)=n y su varianza V(X)=2n. Esta distribucin es
bsica en un determinado nmero de pruebas no paramtricas.

Si consideramos una variable aleatoria Z~N(0,1), la variable aleatoria X=Z
2
se
distribuye segn una ley de probabilidad distribucin CHI con un grado de libertad

Si tenemos n variable aleatoria independientes Zi~N(0,1), la suma de sus cuadrados
respectivos es una distribucin CHI con n grados de libertad,

=
_ ~ ~
n
1 i
2
n
2
i i
Z ) 1 , 0 ( N Z

La media y varianza de esta variable son respectivamente, E(X)=n y V(X)=2n

=
= + + =
n
1 i
2
i
2
n
2
1 n
X X X Y
}
= s =
x
0
dx ) x ( f ) x X ( P ) x ( F
DISTRIBUCIN t-STUDENT

Si (X,X1,X2,...,Xn) son n+1 variables aleatorias normales independientes de media 0
y varianza

=
=
n
1 i
2
i
n
X
n
1
X
Y

Tiene una distribucin t-Student con n grados de libertad. Su funcin de densidad
es
0 x
n
x
1
2
n
2
1 n
n
1
) x ( f
2
1 n
2
>
|
|
.
|

\
|
+
|
.
|

\
|
I
|
.
|

\
| +
I
t
=
+


Siendo
}

= I
0
x 1 P
dx e X ) P ( la funcin gamma de Euler con P>0. La media de la
distribucin t-Student es E(X)=0 y su varianza V(X)=n/(n-2), la cual no existe para
grados de libertad menores que 2.

Esta distribucin aparece en algunos contrastes del anlisis normal.
La distribucin t-Student se construye como un cociente entre una normal Z~N(0,1)
y la raz de una Chi
2
n
_ independientes. De modo preciso, llamamos distribucin t-
Student con n grados de libertad, tn a la de una variable aleatoria T,
n
2
n
t
n
1
Z
T ~
_
= y adems,
n
n
1 i
2
i
i i
t
X
n
1
X
T ~
|
|
.
|

\
|
o

o

=

=





Para calcular
dx
n
x
1
n
2
n
2
1 n
dt ) t ( f ) t T ( P
t t
2 / ) 1 n (
2
} }

+
|
|
.
|

\
|
+
t
|
.
|

\
|
I
|
.
|

\
| +
I
= = s

Sea un estadgrafo t calculado para la media con la relacin

( )
n
x
t
o

=



















0,375 n=120
n=2
n=11
0,125
-3,50 0 +3,50
VARIABLES ALEATORIAS

Una variable aleatoria es un experimento que busca determinar el nmero total de
veces que es posible obtener un resultado igual, en un determinado nmero de
intentos o de lanzamientos, por esta razn en la probabilidad, se le dar un numero
de cero (0) o uno (1) a los dos posibles, Una variable aleatoria es pues, una funcin
que asigna un nmero real a cada resultado en el espacio muestral de un
experimento aleatorio. Ellas se denotan con una letra mayscula, tal como X.
Un ejemplo muy claro es el lanzamiento de una moneda, en este caso solo podr
caer en cara o sello y se les da una nmero a cada posibilidad (cara ser igual a 1
y sello ser igual a cero), en el lanzamiento de esta moneda solo podr darse el
resultado de cero o uno f(x) = 0 p f(x)= 1.
Existen dos tipos de variables, la variable aleatoria discreta en la cual el nmero de
valores que se puede tomar es de un valor finito (o infinito contable), Ser importante
pues, acordar la siguiente simbologa: {X = x} denotar el evento formado por todos
los resultados para los que X = x y P(X = x) ser la probabilidad de dicho evento, y
la variable aleatoria continua ser la variable que asigna un nmero real finito (o
infinito contable) a cada uno de los resultados en el espacio muestral de un
experimento aleatorio; variables aleatorias que han sido denominadas discretas, se
dice que esta variable pueden asociarse a mediciones en una escala continua, de
manera que no haya huecos o interrupciones.
El valor esperado y la varianza de una variable aleatoria es una medida de posicin
para la distribucin de X, es decir el la suma del producto de cada uno de los valores
tomados por la probabilidad de que esta ocurra.

















SOLUCION DE EJERCICIOS

Ejercicio N 1.

Un jugador tiene tres oportunidades de lanzar una moneda para que aparezca una
cara, el juego termina en el momento en que cae una cara o despus de tres
intentos, lo que suceda primero. Si en el primero, segundo o tercer lanzamiento
aparece cara el jugador recibe $20000, $40000 o $80000 respectivamente, si no
cae cara en ninguno de los tres pierde $200000. Si X representa la ganancia del
jugador:

A. Encuentre la funcin de probabilidad f(x)
B. Encuentre el valor esperado E(x), la varianza V(x) y la desviacin estndar S(x)

Solucin:

A.

f (20.000)= 1/2
f (40.000)=(1/2)(1/2)= 1/4
f (80.000)= (1/2)(1/2)(1/2)= 1/8
f (-200.000)= (1/2)(1/2)(1/2)= 1/8

Se cumple que

f (x) 0 para todo x
f (x)=1

B.

Formulas:

Valor esperado E(x) = x. f(x)

Desviacin estndar es la raz cuadrada de la varianza de la distribucin de
probabilidad discreta S(x)

Esperanza: E(x) = x. f(x) = 5.000
= 6.375.000.000

Desviacin Estndar = 6.375.000.000 = 79.843,6

Ejercicio N 2.

Sea X una variable aleatoria con funcin de densidad

f(x) = {
a(4x x
3
) 0 x 2
0 en otro caso


A. Determine el valor de a para que la funcin sea efectivamente una funcin de
densidad de probabilidad.

B. Calcule P (1 < X < 1,5)

Solucin:

A.

( ) ( ) ( )
( ) 1 4
4
16
8 2
4
2 4
4
2
0
3
= =
|
.
|

\
|
=
|
|
.
|

\
|
= = =
} }

a a F
X
X a dx x x a dx x f X F
X X

a =

B.

( )
256
95
4
1
2
64
81
4
9
2
4
1
1
2
3
= |
.
|

\
|
+ = |
.
|

\
|
F F


Entonces p= 0.371






Ejercicio N 3.

Un empleado viaja todos los das de su casa en las afueras a su oficina en el centro
de la Ciudad. El tiempo promedio para un viaje de ida es de 24 minutos con una
varianza de 9,4 minutos. Si se supone que la distribucin de los tiempos de viaje
est distribuida normalmente

A. Cul es la probabilidad de que un viaje le tome al menos media hora?
B. Si la oficina abre a las 9:00 am y el sale a diario de su casa a las 8:45 am Qu
porcentaje de las veces llegar tarde al trabajo?

Solucin:

A.

Z= (30-24)/9.4= 0,638

P(x>30)= P (Z>0,638)= 0,041

Entonces el 41 % de los viajes le toma al menos media hora

B.

Z= (15-24)/9,4= -0,957

P(X>15)= P(X>15)= P (Z>-0,957)= 0,072

Entonces el 72% de las veces llega tarde al trabajo













EJERCICIO 4

En el metro de la ciudad de Mxico, los trenes deben detenerse solo unos cuantos
segundos en cada estacin, pero por razones no explicadas, a menudo se detienen
por intervalos de varios minutos. La probabilidad de que el metro se detenga en una
estacin ms de tres minutos es de 0,20.
a. Halle la probabilidad de que se detenga ms de tres minutos por primera vez, en
la cuarta estacin desde que un usuario lo abordo?
b. Halle la probabilidad de que se detenga ms de tres minutos por pri mera vez
antes de la cuarta estacin desde que un usuario lo abordo?

Solucin:

a. B(x, p, n) = f(x, 0,2,4)

p(x = 1) = (
4
1
) (0.2)
1
(0.8)
3
= 0.4096 = . %

b. P(< 4) = (
3
i
)
3
i=1
(0.2)
i
(0.8)
3i
= 0.488 = . %

EJERCICIO 5

Los coeficientes intelectuales de 600 aspirantes de cierta universidad se distribuyen
aproximadamente normal con una media de 115 y una desviacin estndar de 12.
Si la universidad requiere de un coeficiente intelectual de al menos 95.

a. Cuntos de estos estudiantes sern rechazados sobre esta base sin importar
sus otras calificaciones?
b. Si se considera que un coeficiente intelectual mayor a 125 es muy superior
Cuntos de estos estudiantes tendran un coeficiente intelectual muy superior al
del grupo?

a. Z =

=
95115
12
= 1.66

[ < 1.66] = [ > 1.66] = 1 [ < 1.66] = 1 0.9515 = 0.0485 100 =
. %

600 [ < 1.66] = 600(0.0485) = . de los aspirantes se rechazaran 30

b. CI > 125 es muy superior

Z =

=
125115
12
= 0.833

[ > 0.833] = 1 [ < 0.833] = 1 0.7967 = 0.2033 100 = . %
600 [ > 0.833] = 600(0.2033) = .
de los aspirantes tendrn CI muy superior

EJERCICIO 6

Suponga que un comerciante de joyera antigua est interesado en comprar una
gargantilla de oro para la cual las probabilidades de poder venderla con una
ganancia de $ 250, $ 100, al costo, o bien con una prdida de $150 son:
respectivamente: 0.22, 0.36, 0.28, 0.14. .cual es la ganancia esperada del
comerciante?

Solucin:

La variable X es 250, 100, 0, 150
La probabilidad es 0.22, 0.36, 0.28, 0.14



ux=E(x)=(250 * 0.22 + 100 * 0.36 + 0 * 0.28 150 * 0.14)
ux=E(x)= (55 + 36 +0 21)
ux=E(x)=70

La ganancia esperada es de 70

EJERCICIO 7

Un ingeniero de control de calidad inspecciona una muestra, tomada al azar, de dos
calculadoras manuales, de cada lote que llega de 18, y acepta el lote si ambas estn
en buenas condiciones de trabajo; de otra manera, se inspecciona todo el lote y el
costo se carga al vendedor, determine la probabilidad de que un lote se acepta sin
inspeccin adicional, si contiene:

a) Cuatro calculadoras que no estn en buenas condiciones de trabajo.
b) Ocho calculadoras que no estn en buenas condiciones de trabajo.

Solucin:

a) la variable X es igual 0 para que el lote no sea devuelto. Donde N= 18, n=2K= 4


La probabilidad de que se acepte el lote con cuatro calculadoras en malas
condiciones es de 0.59

b) la variable X es igual 0 para que el lote no sea devuelto. Donde N= 18, n=2K= 8



La probabilidad de que se acepte el lote con cuatro calculadoras en malas
condiciones es de 0.294

EJERCICIO 8

Un inspector de aduanas decide revisar 2 de 6 embarques provenientes de Madrid
por la va area. Si la seleccin es aleatoria y 3 de los embarques contienen
contrabando; Encuentre la distribucin de probabilidad para Y, donde Y es la
variable aleatoria que representa el nmero de embarques que el inspector podra
encontrar con contrabando. Encuentre el valor esperado.
Primero enumeremos los embarques de 1 al 6.
1 2 3 4 5 6
TIENEN DROGA NO TIENEN DROGA

12 13 14 15 16
23 24 25 26
34 35 36
45 46
56
Las combinaciones posibles de inspeccin son 15
De las 15 opciones, 13 son las posibles inspecciones en las que se encuentre droga
y solo 3 en las que no se encuentre.
15 100 X = ((13X100)/15) = 86,6%
13 X
Las que no tienen ningn embarque con droga son las combinaciones de 4,5 y 6
C (3,2) = 32/2 = 3
Las que tienen dos embarques con droga son las de 1,2 y3
C (3,2) = 32/2 = 3
Las que tienen un embarque con droga las podemos calcular como el resto
15 - 3 - 3 = 9
La probabilidad de Y es
Y (0) = 3/15 = 1/5 = 0.2
Y (1) = 9/15 = 3/5 = 0.6
Y (2) = 3/15 = 1/5 = 0.2
Y el valor esperado es: Y = 0 0.2 + 0.6 1 + 0.2 2 = 0 + 0.6 + 0.4 = Y = 1

EJERCICIO 9

En una clase de ciencias naturales de 12 alumnos se elegir un representante de
grupo, para lo cual se usar el nmero de lista de cada alumno. Se anotan 12
papeles con nmeros del 1 al 12 respectivamente se doblan y se meten en un
frasco. Luego se extrae al azar un papel para designar al representante. Determine
la probabilidad de que el nmero que salga sea menor que 5; determine la
probabilidad de que el numero sea mayor que 3 pero menor que 7.

- Probabilidad de que el nmero que salga sea menor que 5
- Probabilidad de que el nmero sea mayor que 3 pero menor que 7
Los nmeros que pueden ser menores que 5, solo son 1, 2, 3 y 4.
Es decir A= 4/12= 0,3 %

Y para los nmeros que pueden ser mayores de 3, pero menores de 7 son: 4, 5 y 6.
Es decir B= 3/12= 0,25 %

EJERCICIO 10

La duracin de un tanque lleno de gasolina, para cierto automvil de modelo
anticuado, tiene una distribucin normal con una media de 350.6 Km y una
desviacin estndar de 15.9 km. Cul es la probabilidad de que el tanque lleno
dure ms de 360 Km? Cul es la probabilidad de que el tanque lleno dure entre
355 y 365 Km?


Cul es la probabilidad de que el tanque lleno dure ms de 360 Km?
=
360 350,6
15,9
= 0,5 = 0,2776 27,76 %
Cul es la probabilidad de que el tanque lleno dure entre 355 y 365 Km?

=
355350,6
15,9
= 0,27 = 0,3936 39,36%, =
365350,6
15,9
= 0,90 = 0,1841 18,41%



57,70%

EJERCICIO 11

Se seleccionan al azar dos calcetines y de manera sucesiva, se sacan de un cajn
que contiene tres calcetines cafs y cuatro verdes, Defina la variable aleatoria X que
represente el nmero de calcetines cafs que se selecciona. Encuentre la funcin
de probabilidad f(X), y el valor esperado E(X).

Sea X la variable aleatoria que representa el nmero de calcetines cuyos valores
pueden ser 0,1 o 2

Para hallar la funcin de probabilidad se debe evaluar la probabilidades de que
x=0, x=1 y x=2

Funcin de probabilidad.
P(X=x)=(5x)(3(2-x))/((82) )
P(X=0)=(50)(32)/((82) )= 3/28 =0.1071
P(X=1)=(51)(31)/((82) )= 15/28 =0.5357
P(X=2)=(52)(30)/((82) )= 5/14 = 0.3571
X 0 1 2
f(x) 3/28 15/28 5/14
E(x), la varianza V(x) la desviacin estndar S(x)
E(x)=0(3/28)+1(15/28)+2(5/14)= 15/28+10/14 =5/4
V(x)=0(3/28)+1(15/28)+4(5/14)= 15/28+20/14 =55/28
S(x)= (V(x) )= (55/28) =1.4015











EJERCICIO 12

En una lotera se venden 200 boletos, de los cuales uno gana $500.000, 2 son
ganadores de $100.000, siete son ganadores de $50.000, cinco son ganadores de
$20.000 y cincuenta de $5.000. Sea X la variable aleatoria que representa la
ganancia del jugador, Determinar la funcin de probabilidad y el valor esperado del
juego.

Funcin de probabilidad f(x)

F (x=500.000) = 1/200
F(x=100.000) = 2/200
F(x=50.000) = 7/200
F (x=20.000) = 5/200
F (x=5.000) = 50/200

Valor esperado del juego

E(x)=(0*135/200)+(5.000*50/200)+(20.000*5/200)+(50.000*7/200)+(100.000*2/200
)+(500.000*1/200)
=0+1250+500+1750+1000+2500
Var(x)=E(x^2)-E^2 (x) =
[0+6250000+10000000+87500000+100000000+1250000000]- (7000) ^2
=1453750000-49000000=1404750000
S(x)= (Var(x))=1404750000

EJERCICIO 13

En una clase de ciencias naturales de 12 alumnos se elegir un representante de
grupo, para lo cual se usar el nmero de lista de cada alumno. Se anotan 12
papeles con nmeros del 1 al 12 respectivamente se doblan y se meten en un
frasco. Luego se extrae al azar un papel para designar al representante. Determine
la probabilidad de que el nmero que salga sea menor que 5; determine la
probabilidad de que el numero sea mayor que 3 pero menor que 7.

X = nmero de papel extrado de un total de 12.
P(X) = 1/12 = 0,083.
64% para menores que 5
La probabilidad de que el nmero que salga sea mayor que 3, pero menor que 7,
es:
Sea X una variable aleatoria con funcin de densidad
F (x) = a (4x - x3) 0 x 2.
sea para que sean mayores de 3 son: 4 5 6 7 8 9 10 11 12
Menores que 7 son: 1 2 3 4 5 6
Se elimina el 1 2 3 porque son menores a 3 y eliminamos 7 8 9 10 11 y12 por ser
mayores e igual a 7.
Entonces quedan 4, 5 y 6 Por lo tanto: la probabilidad es 3 / 12 sea 3 de 12

EJERCICIO 14

Segn datos de la secretaria de movilidad, el 23% de los conductores de buses
urbanos manejan con imprudencia. Calcule la probabilidad de que cuatro de los
prximos 10 buses que pasen sean conducidos con imprudencia.

Distribucin binomial
p= 0.77
Q= 0.23
N= 2p
X= 4
=0.0109

EJERCICIO 15

La duracin de un tanque lleno de gasolina, para cierto automvil de modelo
anticuado, tiene una distribucin normal con una media de 350.6 Km y una
desviacin estndar de 15.9 km. Cul es la probabilidad de que el tanque lleno
dure ms de 360 Km? Cul es la probabilidad de que el tanque lleno dure entre
355 y 365 Km?

Z = (X-350.6) / 15.9
P(X > 360) = 1 - P(X < 360) =1 - P (Z < (360-350.6)/15.9] = 1 - P (Z < 0.5911949686)
=
(0.59) = 0.7224
(0.60) = 0.7257
Valor para (0.5911949686) = 0.7224 + 0.11949686 (0.7257-0.7224)
= 0.72279433961 - 0.7227943396 = 0.2772056604
Valor para (0.9056603774) = 0.8159 + 0.56603774 (0.8186-0.8159) =
0.8174283019
(0.27) = 0.6064
(0.28) = 0.6103
Valor para (0.2767295597) = 0.6064 + 0.67295597 (0.6103-0.6064) =
0.6090245283= 0.8174283019 - 0.6090245283 =0.2084037736



CONCLUSIONES

Gracias al desarrollo de esta actividad nos hemos dado cuenta que las variables
aleatorias y las distribuciones de probabilidad son de gran utilidad y dando un buen
uso de las frmulas que estas nos ofrecen podemos dar soluciones rpidas a
problemas que se nos pueden presentar en cualquier parte de nuestro trabajo, ya
sea en investigacin o en la vida cotidiana.


































BIBLIOGRAFIA

- Robayo.Adriana.2007.Modulo de probabilidad. UNAD. Bogot.
D.C.Canavos. George 1988. Probabilidad y estadstica. McGraw Hill.
Mxico.
- http://primaria.aulafacil.com/matematicas-sexto-primaria/Curso/Lecc-31.htm
- http://www.monografias.com/trabajos54/resumen-estadistica/resumen-
estadistica.shtml
- http://www.vitutor.com/pro/2/probabilidad.html