TRABAJO COLABORATIVO No.

2
Trabajo en grupo: 205

Rodrigo Delgado Torres Cd. 80.403.075

Eduardo Rodolfo Cruz Cd. 80.391.127
Jairo Humberto Alvarez Moreno Cd. 80.428.644
Grosber Salcedo Amortegui Cd. 80.391.741
Jos Bernardo Garnica Mendivelso Cd. 80.431.622

Dber Albeiro Vaquiro Plazas (Tutor)

Universidad Nacional Abierta y a Distancia UNAD

Probabilidades 100402_205
27 de Mayo de 2014

RESUMEN
VARIABLES ALEATORIAS
Variable aleatoria: es una funcin que asigna un nmero real a cada resultado en el espacio
muestral de un experimento aleatorio.
Se dice que X es aleatoria porque involucra la probabilidad de los resultados del espacio muestral y
se define X como la funcin por que transforma todos los posibles resultados del espacio muestral
en cantidades reales. Ejemplo: el nmero de personas que llegan a un local en un periodo de tiempo
dado.
Variables aleatorias discretas: si esta asociada a un espacio muestral con un nmero finito de
elementos o una cantidad infinita numerable.
Distribucin discreta de probabilidad: una variable discreta toma cada uno de sus valores con cierta
probabilidad. Dicha probabilidad es la misma que la probabilidad con que ocurre el suceso que
genera el valor de la variable.
Debe satisfacer cada uno de los dos requisitos
Cuando la funcin de probabilidad se describe a partir de una ecuacin se le denomina funcin de
probabilidad. En ocasiones es til poder expresar probabilidades acumuladas, esto es, valores para
los que X son menores o iguales a un valor especfico x.
La funcin de distribucin acumulada de una variable aleatoria discreta x es:

Variable aleatoria continua: si est asociada a un espacio muestral con un nmero infinito de
puntos igual al nmero de puntos en un segmento de lnea.
La distribucin de probabilidad de una variable aleatoria contina x est caracterizada por una
funcin F(X) que recibe el nombre de funcin de densidad de probabilidad y debe cumplir:

Funcin de distribucin acumulada de una variable aleatoria contina: es la probabilidad de que X

tome un valor menor o igual a algn x especfico.

Valor esperado y varianza de una variable aleatoria: valor esperado, es la media o esperanza
matemtica
.
La varianza: es una medida de la dispersin de la distribucin de probabilidad de esta.

La media y la varianza de una variable aleatoria continua se definen de manera similar al caso de la
variable aleatoria discreta en las definiciones la integracin sustituye a la sumatoria.

A s mismo la desviacin estndar de x es

DISTRIBUCIONES DE PROBABILIDAD DISCRETA
DISTRIBUCIN BINOMIAL
Esta es una de las distribuciones de la probabilidad ms tiles (control de calidad, produccin,
investigacin). Tiene que ver con el experimento aleatorio que produce en cada prueba uno de dos
resultados posibles mutuamente excluyentes: ocurrencia de un criterio o caracterstica especfico (se
le llama xito) y la no ocurrencia (al cual se le llama fracaso). Estos trminos calificativos de xito
y fracaso son solo etiquetas y su su interpretacin puede que no corresponda con el resultado
positivo o negativo de un experimento en realidad.
Un experimento sigue el modelo de distribucin binomial o de bernoulli si:
1
2
3

En cada prueba del experimento solo son posibles dos resultados: el suceso A (xito) y su
contrario A.
La probabilidad del suceso A es constante, es decir que no vara de una prueba a otra. Se
representa por P.
El resultado obtenido en cada una es independiente de los resultados obtenidos anteriormente.

La distribucin binominal se suele representar por B (n, p), en donde n es el nmero de pruebas de
que consta el experimento y p es la probabilidad de xito.
La probabilidad de A es 1 p, y la representamos por q
Caractersticas
Esta distribucin se caracteriza por:

a
b
c
d

En los experimentos que tienen este tipo de distribucin, siempre se esperan dos tipos de
resultados. Se denominan arbitrariamente xito (es lo que se espera que ocurra) o
fracaso (lo contrario del xito)
Las probabilidades asociadas a cada uno de los resultados son constantes, es decir no
cambiar
Cada una de las repeticiones del experimento son independientes entre si
El nmero de repeticiones del experimento (n) es constante

Algunos ejemplos: En un partido de futbol un equipo puede ganar o perder, en el control de calidad
de un producto su resultado puede ser bueno o defectuoso.
*Para la elaboracin de una distribucin binomial se necesita:
1. Numero de ensayos
2. probabilidad de xito
3. utilizar la funcin de probabilidad
DISTRIBUCIN BINOMIAL NEGATIVA Y GEOMTRICA
f ( ; p )=1 p1 . p=1,2, ..
Es una serie de ensayos Bernoulli con una probabilidad de xitos p, estos se realizan cuando hasta
cuando de obtiene el primer xito. La variable aleatoria X el nmero de ensayos realizados hasta
obtener un xito.
La funcin de distribucin geomtrica acumulada se expresa como:
x

P ( x )=F ( x ; p ) qi1 . P
i=0

La media y la varianza de una variable aleatoria geomtrica son:

1
q
X = E ( )=
2
X =V ( )= 2
P
p

Distribucin Binomial Negativa

Una generalizacin de la distribucin geomtrica donde la variable aleatoria X es el nmero de
ensayos Bernoulli efectuados hasta que se tienen r xitos, con una probabilidad constante de xito p.
Se dice entonces que X tiene una distribucin binomial negativa con parmetros p y r = 1, 2, 3,
f ( ; p , r )= 1 . q r . pr =r , r +1, r+ r +2
r1

( )

La funcin de distribucin binomial negativa acumulada se expresa como:

x
ir
r
P ( x )=F ( ; p , r )= i1 q . p
r1
i=r

( )

DISTRIBUCIONES DE PROBABILIDAD CONTINUA

Leccin 27: DISTRIBUCION UNIFORME
Se dice que una variable X posee una distribucin uniforme en el intervalo [a,b],
funcin de densidad es la siguiente:

si su

Con esta ley de probabilidad, la probabilidad de que al hacer un experimento aleatorio, el valor de X
este comprendido en cierto sub intervalo de [a,b] depende nicamente de la longitud del mismo, no
de su posicin.
El valor esperado se puede definir:

La varianza:

Leccin 28: DISTRIBUCION NORMAL

Este es el ms utilizado en la prctica debido a gran cantidad de fenmenos se comportan segn una
distribucin normal. Se caracteriza porque los valores se distribuyen formando una campana de
Gauss, en torno a un valor central que coincide con el valor medio de la distribucin.
Funcin de densidad de una variable aleatoria de distribucin normal
La distribucin gaussiana, recibe tambin el nombre de distribucin normal, ya que una gran
mayora de las variables aleatorias continuas de la naturaleza siguen esta distribucin.
Distribucin normal estndar o tipificada
Cuando la media de la distribucin normal es 0 y la varianza es 1, se denomina "normal tipificada",
y su ventaja reside en que hay tablas, o rutinas de clculo que permiten obtener esos mismos
valores, donde se recoge la probabilidad acumulada para cada punto de la curva de esta
distribucin.

Adems, toda distribucin normal se puede transformar en una normal tipificada:

En el caso de que tengamos una distribucin diferente,
cambio:

se obtiene Z haciendo el siguiente

Leccin 29: DISTRIBUCION EXPONENCIAL Y CHI CUADRADO

Distribucin Exponencial
Esta distribucin se utiliza como modelo para la distribucin de tiempos entre la presentacin de
eventos sucesivos. Existe un tipo de variable aleatoria que obedece a una distribucin exponencial
la cul se define como El tiempo que ocurre desde un instante dado hasta que ocurre el primer
suceso.
Distribucin Chi-cuadrado
Si consideramos una v.a.
, la v.a. X=Z2 se distribuye segn una ley de probabilidad
distribucin
con un grado de libertad, lo que se representa como
Si tenemos n v.a. independientes
que denominaremos ley de distribucin

, la suma de sus cuadrados respectivos es una distribucin

con n grados de libertad .

Leccin 30: OTRAS DISTRIBUCIONES CONTINUAS: DISTRIBUCION tSTUDENT

Distribucin t-Student
La distribucin t-Student se construye como un cociente entre una normal y la raz de una
independientes. De modo preciso, llamamos distribucin t-Student con n grados de libertad,
la de una v.a. T,

donde

. Este tipo de distribuciones aparece cuando tenemos n+1 v.a. independientes

La distribucin de t-Student tiene propiedades parecidas a

:
Es de media cero, y simtrica con respecto a la misma;
Es algo ms dispersa que la normal, pero la varianza decrece hasta 1 cuando el nmero de
grados de libertad aumenta.
Para un nmero alto de grados de libertad se puede aproximar la distribucin de Student por la
normal, es decir,

Cuando aumentan los grados de libertad, la distribucin de Student se aproxima a la distribucin

normal tipificada
EJERCICIOS
CAPITULO 4
1. 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.

P=(x- y) =

n
y

. py . q n-y

Y=2
N=6
P = 0.5 (xito)
Q = 0.5 (fracaso)
6

P (x = 2) = ( 2 ) . (0.5)2 . (0.5)6-2
6

6!

6.5 . 4 !

( 2 ) = 2 ! ( 62 ) ! = 2.1. 4 !
P (x = 2) = 15 (0.5)2. (0.5)4
= 15 (0.25).(0.0625)
= 4.6875

2. 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).
3- calcetines cafs.
4- calcetines verdes
a P(X=x)

P(caf)= 3/7= 0,42

P(verde)= 4/7= 0,57
Si se cumple por F(x)0
F(X)=0+3/7+4/7=1
Por lo tanto F(x) es una funcin de probabilidad.
b El valor esperado de E(x)
X
F(x)

3
0,42

4
0,57

x = E(x)= (3*0,42)+(4*0,57)=3,54
4. Un jugador lanza un dado corriente. Si sale un nmero igual o menor a 4, gana tantos cientos de
dlares como marca el dado, pero si sale un nmero mayor a 4, pierde tantos cientos de dlares
como marca el dado. Determinar la funcin de probabilidad y la esperanza matemtica del juego.
i1 2 3 4 5 6

f ( i )

1/6

1/6

1/6

1/6

1/6

1/6

UNA DE SEIS
Se representa en un diagrama
1

1/

Esperanza matemtica
1
1
1
1
1
1
E 100+ 200+ 300+ 400+ 500+
6
6
6
6
6
6
E 166,66+ 33,33+ 50+66,6683,33100
E=16,68

PROBABILIDAD DE QUE AL LANZAR EL DADO CAIGA ESAS OBSINES

El 100, 2000, 300, etc; son los cientos de dlares, se obtienen multiplicando y dividiendo

5. Suponga que un comerciante de joyera antigua esta 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 perdida de $150 son: respectivamente: 0.22, 0.36, 0.28, 0.14. .cual es la ganancia esperada
del comerciante?.
La variable x es 250, 100, 0, 150
La probabilidad es 0.22, 0.36, 0.28, 0,14

La ganancia esperada por el comerciante es de $70.

CAPITULO 5
2. 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.
P= probabilidad de xito
Q= probabilidad de fracaso
N= probabilidad de pruebas
K= probabilidad de aciertos
p=0,23

23 100=0,23

q=0,77

77 100=0,77

n=10

k =4
p (=4 )

p (=k )=

( nk ) p q
k

nk

n = 10 9 8 7 = 5040 =210
k 4 3 2 1
24
0,23

0,77

De 10 buses, 4 son imprudentes y 6 prudentes

( )

p (=4 ) 10
4
p (=4 )( 210 ) ( 0,0028 ) ( 0,2085 ) Imprudencias = aciertos
p (=4 ) 0 , 1225 Prudencias = fracasos
3. Al revisar un autobs de turistas, un agente de migracin sabe que el 80% de los ocupantes son
extranjeros. Cul es la probabilidad de que el noveno turista al azar sea el sexto extranjero que
entrevista?
p = 0.8
q = 0.20
n=9
k= 6
P = (x = k) = (N/K) * pk * qn-k
P = (x = k) = (9/6) * (0.8)6 * 0.209-6
n!
( nk )= k ! ( nk
)!
9!
9876543!
=
=84
( 96 )= 6 ! ( 96
654323 !
)!

P = (x = 6) =

( 96 )

* (0.8)6 * (0.20)9-6

P = (x = 6) = 84 * (0.8)6 * (0.20)3 = 0.1761

6. De un equipo de futbol se seleccionan al azar tres jugadores para un examen antidoping. Suponga
que cuatro tomaron sustancias prohibidas antes del juego.
Cul es la probabilidad de que los tres elegidos resulten Positivo en la prueba?
Un equipo consta de 11 jugadores
3 son seleccionados para examen antidoping.
4 tomaron sustancias prohibidas.
P(elegidos)= 3/11= 0,27
P(sean de los 4) = = 0,75.
P( 4 dentro del equipo)= 4/11= 0,36
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

Al reemplazar

Por lo tanto la probabilidad que se acepte el lote con 4 calculadoras en malas condiciones es de
0,59.
b) Ocho calculadoras que no estn en buenas condiciones de trabajo.

Al reemplazar

Por lo tanto la probabilidad que se acepte el lote con 8 calculadoras en malas condiciones es de
0,294.
CAPITULO 6
6. 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 . 2=

160156
=0,44
9

Pr 10,67003=0, 32997

0,23997 100=32, 997

b . 22=
22=

150156
=0,67
9

140156
=1,78
9

Pr 0,25143o , 03754=0,21389

n =460 0, 21389=98,389=98

8. Los 460 alumnos de un centro tienen 156 cm. de estatura media con una varianza de 81 cm.
a) Determine el porcentaje de alumnos que miden ms de 160 cm.
b) Cuantos alumnos miden entre 140 y 150 cm. ?

El porcentaje de alumnos que mide ms de 160 cm es de 32,997%.

b) Cuantos alumnos miden entre 140 y 150 cm. ?

98 alumnos miden entre 140 y 150 cm.

Capitulo.68
Los 460 alumnos de un centro tienen 156 cm. de estatura media con una varianza de 81 cm. a)
Determine el porcentaje de alumnos que miden ms de 160 cm.
b) Cuantos alumnos miden entre 140 y 150 cm?
Solucin:
= 81cm
x= 156 cm
n= 460 alumnos
a
b

Podramos tomarlo as:

160/460= 0,34% este es el porcentaje de alumnos con ms de
160cm.
Para sacar cuantos alumnos entre 140 y 150 cm
140cmx150cm
140/460= 0,30
150/460= 0,32
0,30-0,32= 0,02
460= 100
X= 0,02
Total alumnos 0,092

Capitulo.68
Los 460 alumnos de un centro tienen 156 cm. de estatura media con una varianza de 81 cm. a)
Determine el porcentaje de alumnos que miden ms de 160 cm.
b) Cuantos alumnos miden entre 140 y 150 cm?
Solucin:

= 81cm
x= 156 cm
n= 460 alumnos
=9
a- Podramos tomarlo as:
Ms de 160cm.
P(x160)P(z(160-156)/9)=p(z0,44)
=1-p(z0,44)= 1-0,6700= 0,33*460= 151.8
= 33%
b- Para sacar cuantos alumnos entre 140 y 150
P [140cmx150cm]=p ((140-156)/9z (150-156)/9) =
= p (-1,77 z-0,66)=P (z1,77)-[1-p (z0,66)]=
=0,9616-(1-0,7454)= 0,707*460= 325.22 alumnos.
8. Los 460 alumnos de un centro tienen 156 cm. de estatura media con una varianza de 81 cm. a)
Determine el porcentaje de alumnos que miden ms de 160 cm. b)
Cuntos alumnos miden entre 140 y 150 cm?
a) X > 160 cm
Z=

XM

Z=

160156
81

4
81

= 0.05

Z = 0.05 0.0199 (Cuando Z vale 0.05 este es el rea en la tabla de distribucin normal)

Z = 1.99% (porcentaje de alumnos que miden ms de 160 cm)

b) X = 150
X = 140
Z=

XM

Z=

150156
81

6
81

= -0.07

Z = -0.07 0.0279 (Cuando Z vale -0.07 este es el rea en la tabla de distribucin normal)
Z=

140156
81

16
81

= (- 0.20)

Z = -0.20 0.0793 (Cuando Z vale -0.20 este es el rea en la tabla de distribucin normal)

A = 0.0279 + 0.0793 = 0.1072 = 10.72% (porcentaje de alumnos que miden entre 140 y 150 cm)
Alumnos con estatura entre 140 y 150 cm = 49.3