Tarea 2 100402 233

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos

aleatorios y distribuciones de probabilidad
Portada
Tarea 2
Grupo:100402_233
Espacio
Tarea 2 –
Experimentos aleatorios y distribuciones de probabilidad
Presentado por:
JUAN CAMILO ZAPATA: 8032963
IVAN DARIO RAMIREZ: 1017161534
ZULAY JOHANA RANGEL
CRISTIAN CAMILO FRANCO:1036658747
MARCELA ASTORQUIZA: 1128460199
Presentado a:
Jenny Tatiana Sánchez
Tutora
Universidad Nacional Abierta y a Distancia- UNAD

Escuela de Ciencias Básicas, Tecnología e Ingeniería
Probabilidad
Medellín 2019
INTRODUCCIÓN
A partir de trabajar activamente desarrollando los ejercicios propuestos

para la comprensión de esta unidad 2 del módulo de probabilidad,
nosotros los estudiantes, adquirimos destrezas en el desarrollo adecuado
de problemas que se nos pueden presentar a lo largo de nuestra vida,
así como en las carreras profesionales que nos ofrece la UNAD. En forma
muy general este documento nos presenta el desarrollo de ejercicios
propuestos sobre variables aleatorias y distribuciones de probabilidad
utilizando las fórmulas correspondientes para solucionar cada uno de
ellos.
Asimismo, se realizan las respectivas consultas en los diferentes
recursos educativos disponibles en el entorno de conocimiento unidad 2
probabilidad condicional y distribuciones de probabilidad del programa
probabilidad de la universidad nacional abierta y a distancia UNAD. Lo
anterior con el fin de desarrollar adecuadamente los ejercicios
propuestos y llegar a conclusiones objetivas que permitan demostrar los
conocimientos adquiridos en cada una de las actividades planteadas.
Introducción (mínimo 2 párrafos de 10 líneas de texto cada

uno)
OBJETIVO GENERAL
 Desarrollar un taller de ejercicios sobre los contenidos de
la Unidad 2 del curso Probabilidad, los cuales nos
permitirán profundizar en los temas tratados.
OBJETIVOS ESPECÍFICOS
 Identificar las distintas variables que nos ofrece cada ejercicio con el finde
poder aplicar la fórmula adecuada.
 Realizar cada ejercicio indicando los pasos efectuados para el desarrollo de

cada uno de ellos.
Objetivos
El grupo presenta máximo 3 objetivos, uno general y dos
específicos.
)
Aporte individual Edison Juan Camilo Zapata
Distribución de
probabilidad
binomial
cuadro sinóptico:
Distribución de
probabilidad
Teoremas hipergeométrica
Distribución de Son el conjunto de todos los
1. 0 ≤ 𝑃𝑥(𝑥) ≤ 1
probabilidades de posibles resultados de un
experimento, los cuales se 2. ∑𝑛𝑖=1 𝑃𝑥(𝑥) = 1
una variable Distribución de
pueden expresar en formulas, 3. 𝑃(𝑋 = 𝑥1 ∪ 𝑋 = 𝑥2) = 𝑃𝑥(𝑥1) + probabilidad
aleatoria discreta 𝑃𝑥(𝑥2)
graficas, cuadros, entre otras. poisson
Distribución de
probabilidad
geométrica
Son todas aquellas

Variables aleatorias
Probabilidad variables que toman un
discretas número limitado de valores
Las variables aleatorias
Condicional y Variables
toman diferentes valores
Distribuciones de aleatorias numéricos mediante el Son todas aquellas variables
Variables aleatorias
Probabilidad proceso de contar o medir que toman cualquier valor
continuas numérico, rango o intervalo de
valores (enteros o fracciones)
Distribución de Sirve para aproximar el

comportamiento de las
probabilidad normal
distribuciones discretas
Es el conjunto de todos los Es el responsable de medir el

Distribución Distribución de
posibles resultados que paso del tiempo entre un
continua de representan una variable probabilidad exponencial suceso y otro
probabilidad aleatoria continua junto con la
probabilidad de su resultado
Es la distribución continua de
Distribución de probabilidad en la cual todos
probabilidad uniforme los valores que toma la
variable en el intervalo
Ejercicio 2
El grupo entrega aquí, de manera organizada, el análisis, desarrollo y solución de ESTUDIO DE

CASO que selecciono y explico cada estudiante a sus compañeros de grupo.
Solución al estudio de caso 1: El grupo entrega aquí, de manera

organizada, el análisis, desarrollo y solución del ESTUDIO DE
CASO presentado
RESPONSABLE ROL SELECCIONADO
Juan Camilo Zapata Alertas
Estudio de caso 1:
Distribución Hipergeométrica: Una compañía tiene siete solicitantes para dos puestos de trabajo:
tres mujeres y cuatro hombres. Suponga que los siente solicitantes están igualmente calificados y
que no se da preferencia para elegir género alguno. Sea x igual al número de mujeres escogido
para ocupar las dos posiciones.
Datos del Problema:
N= 7 solicitantes
x=2
k= 2 puestos de trabajos
n=2
Candidatos: (2 mujeres) (4 hombres)
x: número de mujeres escogido para ocupar las dos posiciones.
a. Escriba la fórmula para p(x), la distribución de probabilidad de x.
Distribución Hipergeométrica:
P(x)= Ck, x* CN-k; n-x /CN, n
Cn, k = n! / k! (n-k)!
P(x) = C2,2 * C7-2;2-2 / C7,2

P(x) =1*5/21
P(x) =0,2381
b. ¿Cuáles son la media y la varianza de esta distribución?
Media:
μ= n*p
μ= 2*0,2381= 0,48
Varianza:
σ² = npq (N-n/N-1)
σ² = 0,37(5/6)
σ² = 0,30
c. Construya un histograma de probabilidad para x.


CASO presentado
Estudio de caso 22:
Distribución Binomial: La preferencia por el color de un auto cambia con los años y de acuerdo
con el modelo particular que seleccione el cliente. En año reciente, suponga que 10% de todos los
autos de lujo que se vendieron eran negros. Si 25 autos de ese año y tipo se seleccionan al azar,
encuentre las siguientes probabilidades:
Datos del Problema:
El experimento consiste en ver si un vehículo es negro o no (Si o No), y repetirlo 25 veces, para
finalmente ver cuántos de ellos son negros. Es por tanto un experimento Binomial.
X = "número de automóviles negros de entre los 25 observados"

p = 10% = 0'1 = "probabilidad de Éxito (que un vehículo sea negro)"
(1 - p) = 1 - 0'1 = 0'9 = 90 % = "probabilidad de Fracaso (que no sea negro)"
n = 25 = "número de vehículos observados (repeticiones del experimento)"
Al menos cinco autos sean negros.
P (X >= 5)
P (X >= 5) = P(X=5) + P(X=6) + P(X=7) + ... + P(X=25)
P (X < 5) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4)
P (X=0) = (25 sobre 0) · (0'1) ^0 · (0'9) ^ (25-0) = 1 · 1 · 0'9^25 = 0'07179
P (X=1) = (25 sobre 1) · (0'1) ^1 · (0'9) ^ (25-1) = 25 · 0'1 · 0'9^24 = 0'19942
P (X=2) = (25 sobre 2) · (0'1) ^2 · (0'9) ^23 = 300· 0'01 · 0'9^25 = 0'26589
P (X=3) = (25 sobre 3) · (0'1) ^3 · (0'9) ^22 = 0'22650
P (X=4) = (25 sobre 4) · (0'1) ^4 · (0'9) ^21 = 0'13841
P (X < 5) = 0'902
P(X>=5) = 1 - P(X<5) = 1 - 0'902 = 0'098
a. A lo sumo seis autos son negros.

P (X<=6) = P (X=0) + P (X=1) + ... + P (X=6)
P (X=5) = (25 sobre 5) · 0'1^5 · 0'9^20 = 0'06460
P (X=6) = (25 sobre 6) · 0'1^6 · 0'9^19 = 0'02392
P (X<=6) = 0'902 + 0'06460 + 0'02392 = 0'991
a. Más de cuatro autos son negros.
P(X>4) = P(X>=5) = 0'098
b. Exactamente cuatro autos son negros.
P(X=4) = 0'1384
c. Entre tres y cinco autos (inclusive) son negros.
P (3 < X < 5) = P(X=3) + P(X=4) + P(X=5) = 0'2265 + 0'1384 + 0'0646 = 0'43
d. Más de veinte autos no son negros.
P (X>20) = P (X=21) + P (X=22) + P (X=23) + P (X=24) + P (X=25)
P (X>20) = 0

CASO presentado

Juan Camilo zapata Alertas
Estudio de caso 33:
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.
Un conmutador puede manejar un máximo de 5 llamadas por minuto. Si la experiencia indica que
se recibe un promedio de 3 llamadas por minuto. Utilice la distribución Poisson para encontrar las
probabilidades de que el número de llamadas recibidas por el conmutador en 1 minuto sea:
a. A lo sumo 4.
P (X≤4) = P (X= 0) + P(X=1) +P (X=2) + P (X=3) + P ( X=4)
Entonces:
P(X=0) = 3⁰*(2,7182718) ⁻³/ 0! = 0,0497870
P(X=1) = 3¹*(2,7182718) ⁻³/ 1! = 0,149361
P(X=2) = 3²*(2,7182718) ⁻³/ 2! = 0,224041
P(X=3) = 3³*(2,7182718) ⁻³/ 3! = 0,2240415
P(X=4) = 3⁴*(2,7182718) ⁻³/ 4! = 0,16803

P(X≤4) = 0,81526
b. Menos de 3.
P(X<3) = P (X= 0) + P(X=1) +P (X=2)
P(X<3) = 0,4231895
c. Al menos 4.
P (X=4) = 3⁴ (2,7182718) ⁻³/ 4! = 0,16803
d. Quede saturado.
P (X= 5) = 3⁵ (2,7182718) ⁻³/ 5! = 0,1 = 10%

e. Entre 1 y 3.
P (1≤X≤3) = P(X=1) +P (X=2) + P (X=3)

P (1≤X≤3) = 0,5975
f. Una o más pero menos de 5.
P (1 ≤ X <5) = P (X=1) +P (X=2) + P (X=3) + P (X=4)

g. Más de 2 pero menos de 5.
P (2<X<5) = P (X=3) + P (X=4)

h. Ninguna.
P (X=0) = 3⁰*(2,7182718) ⁻³/ 0!

P (X=0) = 0,0497870
i. Si se cuenta el número de llamadas en 5 minutos, cual es la probabilidad de

que se reciban 4 llamadas.
P(x)= 𝑒 −𝜆 ∗ 𝜆𝑥 / 𝑥!
P(x=4) = 𝑒 −15 ∗ 154 /4!
P(x=4) = 0.00064

CASO presentado
Estudio de caso 44:
Distribución Normal: Supóngase que se sabe que los pesos de cierto grupo de personas están
distribuidos aproximadamente de forma normal con media 𝜇=70 𝑘𝑔 y desviación estándar 𝜎=12,5
𝑘𝑔. Use sus conocimientos sobre la distribución normal para responder:
Datos del problema:
μ = 70 kg
σ = 12,5 kg
Distribución normal
Z = X-μ/σ
a. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese ms de 80
kg?
¿P (X≤80 kg) =?
Z = 80-70/12,5 = 0,8 Valor que ubicamos en la tabla de distribución normal
P (X≤80 kg) = 0,78814 = 78,814%

b. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese entre 50
kg y 85 kg?
¿P (50≤X85) =?
P (50≤X) = 0,0548
P (85≤X) =0,88493
P (50≤X85) = P (50≤X) -(1-P (85≤X ))

P (50≤X85) =0,06
c. ¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?
1,-0,93= 0,07 esta probabilista la ubicamos en la tabla de distribución normal para

determinar Z
Z = -1,48
-1,48 = X-70/12,5
-18,5 +70 = X
X = 51,50 kilos
Aportes individuales Iván Ramírez.
Cuadro Sinóptico.

CASO presentado
Iván Darío Ramírez Cuz Revisor
Distribución Hipergeométrica: Una compañía tiene siete solicitantes

para dos puestos de trabajo: tres mujeres y cuatro hombres. Suponga
que los siente solicitantes están igualmente calificados y que no se da
preferencia para elegir género alguno. Sea x igual al número de
mujeres escogido para ocupar las dos posiciones.

Solución.
Formula general:
𝑲 𝑵− 𝑲
( )( )
𝒑(𝒙) = 𝑿 𝒏 − 𝑿
𝑵
( )
𝒏
N=tamaño de la población.
n=tamaño de la muestra.
K=Todos o cantidad de elementos que cumple la característica

deseada.
X=cantidad de éxitos.
Reemplazo datos del problema:
N=7
n=2
X= 2
K= 3 mujeres; 4 hombres.
X: número de mujeres escogido.

3 7− 2
( )( )
𝑝(𝑥 = 2) = 2 2 − 2
7
( )
2
(3)(5 )
𝑝(𝑥 = 2) = 0
(21)
(3)(5)
𝑝(𝑥 = 2) =
(21)
15
𝑝(𝑥 = 2) =
21
𝑝(𝑥 = 2) = 0,714
a. ¿Cuáles son la media y la varianza de esta distribución?
Media:
𝜇 = 𝑛𝑝
𝜇 = 2 ∗ 0,714
𝜇 = 1,428
Varianza:
𝑁−𝑛
𝜎 2 = 𝑛𝑝𝑞 ∗
𝑁−1
7−𝑛
𝜎 = 𝑛𝑝𝑞 ∗ √
𝑁−1
Reemplazo valores.
7−2
𝜎 = 2 ∗ 1,428 ∗ √
7−1
5
𝜎 = 2,856 ∗ √
6
𝜎 = 2,607
Conclusión:
El número de repeticiones del experimento (n) es constante.
Las probabilidades asociadas a cada uno de los resultados no son

constantes.

CASO presentado
Iván Darío Ramírez Cruz Revisor
Estudio de caso 25:
Distribución Binomial: La preferencia por el color de un auto cambia

con los años y de acuerdo con el modelo particular que seleccione el
cliente. En año reciente, suponga que 10% de todos los autos de lujo
que se vendieron eran negros. Si 25 autos de ese año y tipo se
seleccionan al azar, encuentre las siguientes probabilidades:
a. Al menos cinco autos sean negros.

b. A lo sumo seis autos son negros.
c. Más de cuatro autos son negros.
d. Exactamente cuatro autos son negros.
e. Entre tres y cinco autos (inclusive) son negros.
f. Más de veinte autos no son negros.
5 Tomado y adaptado de Lind, Marchall. Estadística Aplicada a los Negocios y la Economía. Ed. Mc Graw Hill
Solución.
Experimento Binomial. Una distribución binomial describe datos

discretos resultantes de un experimento denominado proceso de
Bernoulli.
Dentro de sus características se encuentra que solo toma dos

resultados posibles: lado A o lado B, Si o No, éxito o fracaso.
Análisis del problema.
X = número de automóviles negros de entre los 25 observados.
p = 10% = 0'1 = "probabilidad de Éxito (que un vehículo sea negro)"
(1 - p) = 1 - 0'1 = 0'9 = 90 % = "probabilidad de Fracaso (que no sea

negro)"
n = 25 = "número de vehículos observados (repeticiones del

experimento)"
𝑝(𝑥 ≥ 5)
Como sólo podemos calcular la probabilidad de un número exacto de éxitos (se pu

k), entonces para la probabilidad pedida tendríamos que sumar las probabilidades
… hasta 25.
pero en casos como éste, es más sencillo calcular la probabilidad

contraria (porque hay menos que operar):
𝑝(𝑥 < 5) = 𝑝(𝑥 = 0) + 𝑝(𝑥 = 1) + 𝑝(𝑥 = 2) + 𝑝(𝑥 = 3) + 𝑝(𝑥 = 4)
Reemplazamos:
P(X=0) = (25 sobre 0) · (0'1)^0 · (0'9)^(25-0) = 1 · 1 · 0'9^25 = 0'07179

P(X=1)=(25 sobre 1) · (0'1)^1 · (0'9)^(25-1) = 25 · 0'1 · 0'9^24 = 0'19942
P(X=2)=(25 sobre 2) · (0'1)^2 · (0'9)^23 = 300· 0'01 · 0'9^25 = 0'26589
P(X=3)=(25 sobre 3)·(0'1)^3·(0'9)^22=0'22650
P(X=4)=(25 sobre 4) · (0'1)^4 · (0'9)^21 = 0'13841
Sumamos:
𝑝(𝑥 < 5) =0'902
como ésta es la contraria a la que nos pedían, ahora calculamos la

correcta.
P(X>=5) =1-P(X<5) =1-0'902=0'098
b. lo sumo seis autos son negros.
P(X<=6) = P(X=0) + P(X=1) + P(X=2) + P(X=3) + P(X=4) + P(X=5) + P(X=6)
Tomamos los que ya habíamos sumado hasta x=4.
P(X=5) = (25 sobre 5) · 0'1^5 · 0'9^20 = 0'06460

P(X=6) = (25 sobre 6) · 0'1^6 · 0'9^19 = 0'02392
Sumamos.
P(X<=6) = 0'902 + 0'06460 + 0'02392 = 0'991
P(X>4) = P(X>=5) = 0'098

P(X=4) = 0'1384
P(3 < X < 5) = P(X=3) + P(X=4) + P(X=5) = 0'2265 + 0'1384 + 0'0646 = 0'43
P (X>20) = P (X=21) + P (X=22) + P (X=23) + P (X=24) + P (X=25)

P (X>20) = 0

CASO presentado

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.
Un conmutador puede manejar un máximo de 5 llamadas por minuto.

Si la experiencia indica que se recibe un promedio de 3 llamadas por
minuto. Utilice la distribución Poisson para encontrar las probabilidades
de que el número de llamadas recibidas por el conmutador en 1 minuto
sea:
a. A lo sumo 4.
b. Menos de 3.
c. Al menos 4.
d. Quede saturado.
e. Entre 1 y 3.
h. Ninguna.
i. Si se cuenta el número de llamadas en 5 minutos, cual es la
probabilidad de que se reciban 4 llamadas.
Solución.
Formula distribución de Poisson.
𝜆𝑥 𝑒 −𝜆
𝑓(𝑥) = 𝑃(𝑋 = 𝐾) =
𝐾!
Variables.
𝜆 = 3 𝑙𝑙𝑎𝑚𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 𝑚𝑖𝑛𝑢𝑡𝑜.
𝑥 = 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑙𝑙𝑎𝑚𝑎𝑑𝑎
a. A lo sumo 4.
P(X≤4) = P (X= 0) + P(X=1) +P (X=2) + P (X=3) + P (X=4)
30 𝑒 −3
𝑃(𝑥 = 0) = = 0,049
0!
31 𝑒 −3
𝑃(𝑥 = 1) = = 0,149
1!
32 𝑒 −3
𝑃(𝑥 = 2) = = 0,224
2!
33 𝑒 −3
𝑃(𝑥 = 3) = = 0,224
3!
34 𝑒 −3
𝑃(𝑥 = 4) = = 0,168
4!
P(X≤4) = 0,049+ 0,149+ 0,224 + 0,224+ 0,168
P(X≤4) =0,814
b. Menos de 3.
P(X<3) = P (X= 0) + P(X=1) +P (X=2)
Tomamos los valores del punto 1 para reemplazar.
P(X<3) = 0,049+ 0,149+ 0,224
P(X<3) =0,422
c. Al menos 4.
34 𝑒 −3
𝑃(𝑥 = 4) = = 0,168
4!
d. Quede saturado.
35 𝑒 −3
𝑃(𝑥 = 5) = = 0,1 = 10%
5!
e. Entre 1 y 3.
P (1≤X≤3) = P(X=1) +P (X=2) + P (X=3)
31 𝑒 −3
𝑃(𝑥 = 1) = = 0,149
1!
32 𝑒 −3
𝑃(𝑥 = 2) = = 0,224
2!
33 𝑒 −3
𝑃(𝑥 = 3) = = 0,224
3!
P (1≤X≤3) = 0,149 +0,224+ 0,224
P (1≤X≤3) =0,597
P (1≤X<5) = P(X=1) +P (X=2) + P (X=3) + P (X=4)
Tomamos los datos de los ejercicios anteriores.
P (1≤X<5) = 0,149+0,224+ 0,224 +0,168
P (1≤X<5) =0,765
P (2<X<5) = P (X=3) + P (X=4)
P (2<X<5) = 0,224+ 0,168
P (2<X<5) =0,392
h. Ninguna.
30 𝑒 −3
𝑃(𝑥 = 0) = = 0,049
0!

P (x=4, media=3(5)) =0,09 %


CASO presentado
Distribución Normal: Supóngase que se sabe que los pesos de cierto

grupo de personas están distribuidos aproximadamente de forma normal
con media 𝜇=70 𝑘𝑔 y desviación estándar 𝜎=12,5 𝑘𝑔. Use sus
conocimientos sobre la distribución normal para responder:
a. ¿Cuál es la probabilidad de que una persona elegida al azar de
este grupo pese más de 80 kg?
b. ¿Cuál es la probabilidad de que una persona elegida al azar de
este grupo pese entre 50 kg y 85 kg?
c. ¿Cuál es el peso que es superado solo por el 93% de las personas
del grupo?
Solución.
Datos:
Media=𝜇=70 𝑘𝑔
Desviación estándar= 𝜎=12,5 𝑘𝑔
Tipificación
𝑋−𝜇
𝑍=
𝜎
este grupo pese más de 80 kg?
Reemplazo.
80 − 70
𝑍=
12,5
𝒁 = 𝟎, 𝟖
𝑃 = (𝑧 ≥ 0,8)=1-P (z ≤ 0,8)
𝑃 = 0,788 = 78%

P (50≤X85)
P (50≤X) = 0,0548
P (85≤X) =0,88493
P (50≤X85) = P (50≤X) -(1-P (85≤X))
P (50≤X85) =0,06
del grupo?

Cristian Camilo Franco Entregas
Estudio de caso 1: Cristian Camilo Franco Ramirez

Distribución Hipergeométrica: Una compañía tiene siete solicitantes para
dos puestos de trabajo: tres mujeres y cuatro hombres. Suponga que los
siente solicitantes están igualmente calificados y que no se da preferencia 1
Tomado y adaptado Mendenhall Beaver Beaver, Introducción a la
probabilidad y estadística. 14ª edición 2015 para elegir género alguno. Sea x
igual al número de mujeres escogido para ocupar las dos posiciones.
Solucion:
N= 7 solicitantes
x=2
k= 2 puestos de trabajos
n=2
Candidatos:
2 mujeres
4 hombres
x: número de mujeres escogido para ocupar las dos posiciones.

Distribución Hipergeométrica:
𝑃(𝑥) = 𝐶𝑘, 𝑥 ∗ 𝐶𝑁 − 𝑘; 𝑛 − 𝑥 /𝐶𝑁, 𝑛

𝐶𝑛, 𝑘 = 𝑛!/𝑘! (𝑛 − 𝑘)!
𝑃(𝑥) = 𝐶2,2 ∗ 𝐶7 − 2; 2 − 2 / 𝐶7,2
𝑃(𝑥) = 1 ∗ 5/21
𝑃(𝑥) = 0,2381
Media:
𝜇 = 𝑛∗𝑝
𝜇 = 2 ∗ 0,2381 = 0,48
Varianza:
𝜎² = 𝑛𝑝𝑞 (𝑁 − 𝑛/𝑁 − 1)
𝜎² = 0,37(5/6)
𝜎² = 0,30
Distribución Binomial: La preferencia por el color de un auto cambia con
los años y de acuerdo con el modelo particular que seleccione el cliente. En
año reciente, suponga que 10% de todos los autos de lujo que se vendieron
eran negros. Si 25 autos de es año y tipo se seleccionan al azar, encuentre las
siguientes probabilidades:

Planteamiento:
Hay que distinguir que no se pude aplicar la distribución de Poisson, ya que
nos indican una probabilidad y no una media, por lo tanto, se aplica Teorema
de Bayes, que nos da una probabilidad:
10% de los autos de lujos son negros
n= 25
10% ∗ 25 = 2,5
𝑃 = 5/25 ∗ 0,1 = 0,02 = 2%
𝑃 = 6/25 ∗ 0,10 = 0,024 = 2,4%
𝑃 = 4/25 ∗ 0,10 = 0,016
𝑃 = 1 − 0,016 = 0,984 = 98,4%
𝑃 = 4/25 ∗ 0,10 = 0,016
𝑃 = 20/25 ∗ 0,9 = 0,72 = 72%

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.
Un conmutador puede manejar un máximo de 5 llamadas por minuto. Si la
experiencia indica que se recibe un promedio de 3 llamadas por minuto.
Utilice la distribución Poisson para encontrar las probabilidades de que el
número de llamadas recibidas por el conmutador en 1 minuto sea:
a. A lo sumo 4.
b. Menos de 3.
c. Al menos 4.
d. Quede saturado.
e. Entre 1 y 3.
h. Ninguna.
i. Si se cuenta el número de llamadas en 5 minutos, cual es la probabilidad de
que se reciban 4 llamadas.
Planteamiento:
Máximo 5 llamada por minutos
𝜇 = 3 𝑙𝑙𝑎𝑚𝑎𝑑𝑎𝑠 𝑝𝑜𝑟 𝑚𝑖𝑛𝑢𝑡𝑜
𝑒 = 2,7182818
Distribución de Poisson:
Probabilidades de que el número de llamadas recibidas por el conmutador en
1 minuto sea:
𝑃 = (𝑋 = 𝑘) = 𝜇 ∧ 𝑘 ∗ 𝑒 ∧ −𝜇/ 𝐾!
a. A lo sumo 4:
𝑃(𝑋 ≤ 4) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃 (𝑋 = 2) + 𝑃 ( 𝑋
= 3) + 𝑃 ( 𝑋 = 4)
Entonces:
𝑃(𝑋 = 0) = 3⁰ ∗ (2,7182718)⁻³/ 0! = 0,0497870
𝑃(𝑋 = 1) = 3¹ ∗ (2,7182718)⁻³/ 1! = 0,149361
𝑃(𝑋 = 2) = 3² ∗ (2,7182718)⁻³/ 2! = 0,224041
𝑃(𝑋 = 3) = 3³ ∗ (2,7182718)⁻³/ 3! = 0,2240415
𝑃(𝑋 = 4) = 3⁴ ∗ (2,7182718)⁻³/ 4! = 0,16803
𝑃(𝑋 ≤ 4) = 0,81526
b. Menos de 3.
𝑃(𝑋 < 3) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃 (𝑋 = 2)
𝑃(𝑋 < 3) = 0,4231895
c. Al menos 4.
𝑃 ( 𝑋 = 4) = 3⁴ (2,7182718)⁻³/ 4! = 0,16803
d. Quede saturado.
𝑃 ( 𝑋 = 5) = 3⁵(2,7182718)⁻³/ 5! = 0,1 = 10%
e. Entre 1 y 3.
𝑃 (1 ≤ 𝑋 ≤ 3) = 𝑃(𝑋 = 1) + 𝑃 (𝑋 = 2) + 𝑃 ( 𝑋 = 3)
𝑃 (1 ≤ 𝑋 ≤ 3) = 0,5975
𝑃 (1 ≤ 𝑋 < 5) = 𝑃(𝑋 = 1) + 𝑃 (𝑋 = 2) + 𝑃 ( 𝑋 = 3) + 𝑃 ( 𝑋 = 4)

𝑃 (2 < 𝑋 < 5) = 𝑃 ( 𝑋 = 3) + 𝑃 ( 𝑋 = 4)
h. Ninguna.
𝑃(𝑋 = 0) = 3⁰ ∗ (2,7182718)⁻³/ 0! = 0,0497870

Distribución Normal: Supóngase que se sabe que los pesos de cierto grupo
de personas están distribuidos aproximadamente de forma normal con
media 𝜇 =70 kg y desviación estándar 𝜎 =12,5 kg. Use sus conocimientos
sobre la distribución normal para responder:
a. ¿Cuál es la probabilidad de que una persona elegida al azar de este
grupo pese ms de 80 kg?
b. ¿Cuál es la probabilidad de que una persona elegida al azar de este
grupo pese entre 50 kg y 85 kg?
c. ¿Cuál es el peso que es superado solo por el 93% de las personas del
grupo?
Datos:
𝜇 = 70 𝑘𝑔
𝜎 = 12,5 𝑘𝑔
Distribución normal
𝑍 = 𝑋 − 𝜇/𝜎
¿Cuál es la probabilidad de que una persona elegida al azar de este grupo

pese menos de 80 kg?
𝑃 ( 𝑋 ≤ 80 𝑘𝑔) = ?
70
𝑍 = 80 − = 0,8 𝑉𝑎𝑙𝑜𝑟 𝑞𝑢𝑒 𝑢𝑏𝑖𝑐𝑎𝑚𝑜𝑠 𝑒𝑛 𝑙𝑎 𝑡𝑎𝑏𝑙𝑎 𝑑𝑒 𝑑𝑖𝑠. 𝑛𝑜𝑟𝑚𝑎𝑙
12,5
𝑃 ( 𝑋 ≤ 80 𝑘𝑔) = 0,78814 = 78,814%

¿Cuál es la probabilidad de que una persona elegida al azar de este grupo
pese entre 50 kg y 85 kg?
𝑃 (50 ≤ 𝑋85) = ?
𝑃(50 ≤ 𝑋 ) = 0,0548
𝑃(85 ≤ 𝑋 ) = 0,88493
𝑃 (50 ≤ 𝑋85) = 𝑃(50 ≤ 𝑋 ) − (1 − 𝑃(85 ≤ 𝑋 ))
𝑃 (50 ≤ 𝑋85) = 0,06
¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?
1,-0,93= 0,07 esta probabilista la ubicamos en la tabla de distribución normal

para determinar Z
𝑍 = −1,48
−1,48 = 𝑋 − 70/12,5
−18,5 + 70 = 𝑋
𝑋 = 51,50 𝑘𝑖𝑙𝑜𝑠

Marcela Astorquiza
Ejercicio 2
Cuadro sinóptico
El grupo entrega aquí, de manera organizada, el análisis, desarrollo y

solución de ESTUDIO DE CASO que selecciono y explico cada estudiante
a sus compañeros de grupo.
CASO presentado
Marcela Astorquiza
(No borrar este encabezado)
N (tamaño de la población) =7
n (tamaño de la muestra) =2
C (elemento con la característica deseada) =3
X (cantidad de éxitos) =2
𝐶 𝑁−𝐶
( )( )
𝑃(𝑥) = 𝑋 𝑛−𝑋
𝑁
( )
𝑛
3 7−3
( )( )
𝑃(𝑥 = 2) = 2 2 − 2
7
( )
2
3 4
( )( )
𝑃(𝑥 = 2) = 2 0
7
( )
2
(3)(1)
𝑃(𝑥 = 2) = = 0.1428
(21)
Media:
𝜇 =𝑛∗𝑃
𝜇 = 2 ∗ 0.1428 = 0.2856
Varianza:
𝑦 𝑁−𝑦 𝑁−𝑛
𝜎2 = 𝑛 ( ) ( )( )
𝑁 𝑁 𝑁−1
𝑁−𝑛
𝜎 2 = 𝑛(𝑃)(1 − 𝑃) ( )
𝑁−1
7−2
𝜎 2 = 2(0.1428)(1 − 0.1428) ( )
7−1
𝜎 2 = 0.2040
Histograma
Oportunidades de éxito Probabilidad de X

0 0,2858
1 0,5714
2 0,1429
Histograma de casos
de Exito
2.5
2
PROBABILIDAD DE X
1.5
1
1
0.5 0.5714
0 0.2858
0.1429
0
1 2 3
CASOS DE EXITO
Oportunidades de éxito Probabilidad de X
Es importante que las respuestas de cada ítem las resalten en un

color diferente o las indiquen como respuestas, esto va para cada uno
de los numerales que tenga el punto. (borrar esta instrucción antes

de la entrega)
CASO presentado
Marcela Astorquiza
La preferencia por el color de un auto cambia con los años y de acuerdo

con el modelo particular que seleccione el cliente. En año reciente,
suponga que 10% de todos los autos de lujo que se vendieron eran
negros. Si 25 autos de ese año y tipo se seleccionan al azar, encuentre
las siguientes probabilidades:
e. Al menos cinco autos sean negros.

f. A lo sumo seis autos son negros.
g. Más de cuatro autos son negros.
h. Exactamente cuatro autos son negros.
i. Entre tres y cinco autos (inclusive) son negros.
j. Más de veinte autos no son negros.
𝑛
𝑃(𝑥 = 𝑟) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
𝒙: 𝒏° 𝒅𝒆 𝒂𝒖𝒕𝒐𝒔 𝒏𝒆𝒈𝒓𝒐𝒔
𝒓: ≥ 𝟓
𝒏: 𝟐𝟓
𝒑: 𝟎. 𝟏
𝑛
𝑃(𝑥 = 𝑟) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
𝑃(𝑥 ≥ 5) = 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6) + 𝑃(𝑥 = 7)
25 25 25
𝑃(𝑥 ≥ 5) = ( ) 0.15 (1 − 0.1)25−5 + ( ) 0.16 (1 − 0.1)25−6 + ( ) 0.17 (1 − 0.1)25−7
5 6 7
𝑃(𝑥 ≥ 5) = 0.0645 + 0.0239 + 7.215 ∗ 10−3
𝑃(𝑥 ≥ 5) = 0.095615
𝒓: ≤ 𝟔
𝒏: 𝟐𝟓
𝒑: 𝟎. 𝟏
𝑛
𝑃(𝑥 = 𝑟) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
𝑃(𝑥 ≤ 6) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5)

+ 𝑃(𝑥 = 6)
25 25 25
𝑃(𝑥 ≤ 6) = ( ) 0.10 (1 − 0.1)25−0 + ( ) 0.11 (1 − 0.1)25−1 + ( ) 0.12 (1 − 0.1)25−2
0 1 2
25 25
+ ( ) 0.13 (1 − 0.1)25−3 + ( ) 0.14 (1 − 0.1)25−4
3 4
25 25
+ ( ) 0.15 (1 − 0.1)25−5 + ( ) 0.16 (1 − 0.1)25−6
5 6
𝑃(𝑥 ≤ 6) = 0.0717 + 0.1994 + 0.2658 + 0.2264 + 0.1384 + 0.0645 + 0.0239
𝑃(𝑥 ≤ 6) = 0.9901
𝒓: > 𝟒
𝒏: 𝟐𝟓
𝒑: 𝟎. 𝟏
𝑛
𝑃(𝑥 = 𝑟) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
𝑃(𝑥 > 4) = 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6) + 𝑃(𝑥 = 7)
25 25 25
𝑃(𝑥 > 4) = ( ) 0.15 (1 − 0.1)25−5 + ( ) 0.16 (1 − 0.1)25−6 + ( ) 0.17 (1 − 0.1)25−7
5 6 7
𝑃(𝑥 > 4) = 0.0645 + 0.0239 + 7.215 ∗ 10−3
𝑃(𝑥 > 4) = 0.0956
d. Exactamente cuatro autos son negros
𝒓: 𝟒
𝒏: 𝟐𝟓
𝒑: 𝟎. 𝟏
𝑛
𝑃(𝑥 = 𝑟) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
25
𝑃(𝑥 = 4) = ( ) 0.14 (1 − 0.1)25−4
4
𝑃(𝑥 = 4) = 0.1384
e. Entre tres y cinco autos (inclusive) son negros
𝟑 ≥𝒓≤𝟓
𝒏: 𝟐𝟓
𝒑: 𝟎. 𝟏
𝑛
𝑃(𝑥 = 𝑟) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
𝑃(𝑥 = ≥ 3, ≤ 5 ) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5)
𝑃(𝑥 = ≥ 3, ≤ 5 )
25 25
= ( ) 0.13 (1 − 0.1)25−3 + ( ) 0.14 (1 − 0.1)25−4
3 4
25
+ ( ) 0.15 (1 − 0.1)25−5
5
𝑃(𝑥 = ≥ 3, ≤ 5 ) = 0.2264 + 0.1384 + 0.0645
𝑃(𝑥 = ≥ 3, ≤ 5 ) = 0.4293
f. Más de veinte autos no son negros
𝒙: 𝒏° 𝒅𝒆 𝒂𝒖𝒕𝒐𝒔 𝒏𝒐 𝒏𝒆𝒈𝒓𝒐𝒔
𝒓 > 𝟐𝟎
𝒏: 𝟐𝟓
𝒑: 𝟎. 𝟏
𝑛
𝑃(𝑥 = 𝑟) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
𝑃(𝑥 > 20 ) = 𝑃(𝑥 = 21) + 𝑃(𝑥 = 22) + 𝑃(𝑥 = 23)
25 25
𝑃(𝑥 > 20 ) = ( ) 0.121 (1 − 0.1)25−21 + ( ) 0.122 (1 − 0.1)25−22
21 22
25
+ ( ) 0.123 (1 − 0.1)25−23
23
𝑃(𝑥 > 20 ) = 8.299 ∗ 10−18 + 1.676 ∗ 10−19 + 2.43 ∗ 10−21
𝑃(𝑥 > 20 ) = 8.47 ∗ 10−18


CASO presentado

Marcela Astorquiza
Un conmutador puede manejar un máximo de 5 llamadas por minuto.

Si la experiencia indica que se recibe un promedio de 3 llamadas por
minuto. Utilice la distribución Poisson para encontrar las probabilidades
de que el número de llamadas recibidas por el conmutador en 1 minuto
sea:
j. A lo sumo 4.
k. Menos de 3.
l. Al menos 4.
m. Quede saturado.
n. Entre 1 y 3.
o. Una o más pero menos de 5.
p. Más de 2 pero menos de 5.
q. Ninguna.
r. Si se cuenta el número de llamadas en 5 minutos, cual es la

𝑒 −𝜆 ∗ 𝜆𝑥
𝑃(𝑥) =
𝑥!
Donde
𝜆 = 𝑀𝑒𝑑𝑖𝑎 𝑜 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜𝑠 𝑝𝑜𝑟 𝑢𝑛𝑖𝑑𝑎𝑑 𝑑𝑒 𝑡𝑖𝑒𝑚𝑝𝑜
𝑥 = 𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜𝑠 𝑞𝑢𝑒 𝑠𝑢𝑐𝑒𝑑𝑒𝑛
a. A lo sumo 4
𝜆=3
𝑥≤4
𝑒 ≈ 2.7182
𝑃(𝑥) =
𝑥!
𝑃(𝑥 ≤ 4) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)
2.7182−3 ∗ 30 2.7182−3 ∗ 31 2.7182−3 ∗ 32 2.7182−3 ∗ 33

𝑃(𝑥 ≤ 4) = + + +
0! 1! 2! 3!
2.7182−3 ∗ 34
+
4!
𝑃(𝑥 ≤ 4) = 0.0497 + 0.1493 + 0.2240 + 0.2240 + 0.1680
𝑃(𝑥 ≤ 4) = 0.815
b. Menos de 3
𝜆=3
𝑥<3
𝑒 ≈ 2.7182
𝑃(𝑥) =
𝑥!
𝑃(𝑥 < 3) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2)

2.7182−3 ∗ 30 2.7182−3 ∗ 31 2.7182−3 ∗ 32
𝑃(𝑥 < 3) = + +
0! 1! 2!
𝑃(𝑥 < 3) = 0.0497 + 0.1493 + 0.2240
𝑃(𝑥 < 3) = 0.423
c. Al menos 4
𝜆=3
𝑥≥4
𝑒 ≈ 2.7182
𝑃(𝑥) =
𝑥!
𝑃(𝑥 ≥ 4) = 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6) + 𝑃(𝑥 = 7)

2.7182−3 ∗ 34 2.7182−3 ∗ 35 2.7182−3 ∗ 36 2.7182−3 ∗ 37
𝑃(𝑥 ≥ 4) = + + +
4! 5! 6! 7!
𝑃(𝑥 ≥ 4) = 0.1680 + 0.1008 + 0.0504 + 0.0216
𝑃(𝑥 ≥ 4) = 0.3408
d. Quede saturado
𝜆=3
𝑥=5
𝑒 ≈ 2.7182
𝑃(𝑥) =
𝑥!
2.7182−3 ∗ 35
𝑃(𝑥 = 5) =
5!
𝑃(𝑥 = 5) = 0.1008
e. Entre 1 y 3
𝜆=3
1≥𝑥≤3
𝑒 ≈ 2.7182
𝑃(𝑥) =
𝑥!
𝑃(1 ≥ 𝑥 ≤ 3) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3)

2.7182−3 ∗ 31 2.7182−3 ∗ 32 2.7182−3 ∗ 33
𝑃(1 ≥ 𝑥 ≤ 3) = + +
1! 2! 3!
𝑃(1 ≥ 𝑥 ≤ 3) = 0.1493 + 0.2240 + 0.2240
𝑃(1 ≥ 𝑥 ≤ 3) = 0.5973
f. Una o más pero menos de 5
𝜆=3
1≥𝑥<5
𝑒 ≈ 2.7182
𝑃(𝑥) =
𝑥!
𝑃(1 ≥ 𝑥 < 5) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)
2.7182−3 ∗ 31 2.7182−3 ∗ 32 2.7182−3 ∗ 33 2.7182−3 ∗ 34

𝑃(1 ≥ 𝑥 < 5) = + + +
1! 2! 3! 4!
𝑃(1 ≥ 𝑥 < 5) = 0.1493 + 0.2240 + 0.2240 + 0.1680
𝑃(1 ≥ 𝑥 < 5) = 0.7653
𝜆=3
2>𝑥<5
𝑒 ≈ 2.7182
𝑃(𝑥) =
𝑥!
𝑃(2 > 𝑥 < 5) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)

2.7182−3 ∗ 33 2.7182−3 ∗ 34
𝑃(2 > 𝑥 < 5) = +
3! 4!
𝑃(2 > 𝑥 < 5) = 0.2240 + 0.1680
𝑃(2 > 𝑥 < 5) = 0.392
h. Ninguno
𝜆=3
𝑥=0
𝑒 ≈ 2.7182
𝑃(𝑥) =
𝑥!
2.7182−3 ∗ 30
𝑃(𝑥 = 0) =
0!
𝑃(𝑥 = 0) = 0.0497

probabilidad de que se reciban 4 llamadas
𝜆 = 15 𝑙𝑙𝑎𝑚𝑎𝑑𝑎𝑠 𝑒𝑛 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑝𝑜𝑟 𝑙𝑜𝑠 5 𝑚𝑖𝑛
𝑥=4
𝑒 ≈ 2.7182
𝑃(𝑥) =
𝑥!
𝑒 −15 ∗ 154
𝑃(𝑥 = 4) =
4!
𝑃(𝑥 = 4) = 0.00064
Es importante que las respuestas de cada ítem las resalten en un

color diferente o las indiquen como respuestas, esto va para cada uno
de los numerales que tenga el punto. (borrar esta instrucción antes
de la entrega)
CASO presentado
Marcela Astorquiza
Supóngase que se sabe que los pesos de cierto grupo de personas

están distribuidos aproximadamente de forma normal con media 𝜇=70
𝜇𝜇 y desviación estándar 𝜇=12,5 𝜇𝜇. Use sus conocimientos sobre la
distribución normal para responder:
este grupo pese ms de 80 kg?
𝑥−𝜇
𝑍=
𝜎
𝑥 > 80𝑘𝑔
𝜇 = 70𝑘𝑔
𝜎 = 12.5𝑘𝑔
80 − 70
𝑍=
12.5
𝑍 = 0.8
La tabla para el valor de Z=0.8 nos indica una probabilidad de 0.2119

50𝑘𝑔 < 𝑥 ≤ 85𝑘𝑔

𝜇 = 70𝑘𝑔
𝜎 = 12.5𝑘𝑔
50 − 70 85 − 70
𝑃(50 < 𝑥 ≤ 85) = 𝑃 ( <𝑍≤ )
12.5 12.5
𝑃(50 < 𝑥 ≤ 85) = 𝑃(−1.6 < 𝑍 ≤ 1.2) = 𝑃(𝑍 ≤ 1.2) − [1 − 𝑃(𝑍 ≤ 1.6)]
= 0.8849 − [1 − 0.9452] = 0.8301

del grupo?
𝑥−𝜇
𝑍=
𝜎
𝑋=?
𝑍 =?
𝜇 = 70𝑘𝑔
𝜎 = 12.5𝑘𝑔
Hallar Z de forma contraria para identificar qué valor es menor al
93% en la tabla de Distribución
Z actual es 0,93 = 0,8238
Z ubicado en la tabla de distribución es 1,47 = 0,9292, este es
el valor que esta apenas por debajo del 93%, esto con el fin de
hallar el valor de X
𝑋 − 70
0,9292 =
12,5
0,9292𝑥12,5 = 𝑋 − 70
(0,9292𝑥12,5) + 70 = 𝑋
𝑋 = 81,615
Ejercicio 3 Colaborativo
Mentefacto:
El grupo presenta un mentefacto sobre los conceptos e ideas

fundamentales de la unidad 2, tomando como base los cuadros
sinópticos elaborados individualmente en el ejercicio Nº 1 y la
resolución del ejercicio Nº 2 (involucrando las ideas y conclusiones
generales, de cada uno de los casos de estudio).
Unidad 2
Probabilidad condicional y
distribuciones de Probabilidad
Distribución de probabilidades de una Distribución continua de probabilidad

variable aleatoria discreta
Es importante que las respuestas de cada ítem las resalten en un color

diferente o las indiquen como respuestas, esto va para cada uno de los
Es el conjunto de todos los posibles resultados que
representan una variable aleatoria continua junto
La
Son el conjunto de todos los posibles
numerales que tenga
resultados de un experimento, los el punto. (borrar esta instrucción
con la probabilidad antes de la
de su resultado
nu
entrega)
cuales se pueden expresar en
formulas, graficas, cuadros, entre
otras.
Distribución de Distribución de Distribución de

Distribución de Distribución de probabilidad probabilidad probabilidad
probabilidad probabilidad normal exponencial uniforme
binomial hipergeométrica S
v
u
Sirve para d
Distribución de Distribución aproximar el Es el responsable de Es la distribución continua
probabilidad de comportamiento de medir el paso del tiempo de probabilidad en la cual
poisson probabilida las distribuciones entre un suceso y otro todos los valores que toma
d discretas la variable en el intervalo
geométrica
Aplicación: Permite Aplicación: Permite Aplicación: Es un ejemplo de

modelar numerosos calcular la una distribución continua.
fenómenos naturales, probabilidad de Entre ellas están: la estatura
sociales, psicológicos números de un grupo de personas, el
partiendo de una gran específicos de tiempo dedicado a estudiar,
cantidad de variables “eventos” durante la temperatura en una
que en ellos un periodo o ciudad.
intervienen espacio particular
Conclusiones (mínimo 1 por cada participante)
ESTUDIANTE CONCLUSIÓN
Juan Camilo Zapata Gracias al desarrollo de este taller me
he dado cuenta de que las variables
aleatorias y las distribuciones de
probabilidad son de gran utilidad ya
quedando un buen uso de las
fórmulas que estas nos ofrecen
podemos dar solución rápida a
problemas que se nos pueden
presentar en cualquier parte de
nuestro trabajo, ya sea en
investigación o en la vida cotidiana
Iván Darío Ramírez Cruz A partir del desarrollo del

presente informe se puede
concluir que Una distribución
binomial describe datos discretos
resultantes de un experimento
denominado proceso de Bernoulli.
Dentro de sus características se

encuentra que solo toma dos
resultados posibles: lado A o lado
B, Si o No, éxito o fracaso.
Asimismo, gracias a los ejercicios
propuestos se han logrado
asimilar los contenidos de la
unidad tarea 2 del curso
probabilidad de la universidad
nacional abierta y a distancia.
Cristian Camilo Franco El uso de la distribución normal,
Binomial e Hipergeométrica
permite que realicemos
complejos cálculos estadísticos de
manera ordenada y formulada,
para casos en los cuales el orden
y la agilidad para tomar
decisiones o estudiar datos es
fundamental.
Marcela Astorquiza La unidad dos y el desarrollo de

los ejercicios planteados,
permiten al estudiante identificar
y reconocer los diferentes
conceptos, fundamentos,
métodos y propiedades de la
probabilidad y sus aplicaciones en
los diferentes campos
profesionales de la ingeniería.
Referencias bibliográficas en formato APA. (Mínimo una por cada

participante, no pueden repetir referencias)
ESTU REFERENCIA
DIAN
TE
Juan Rodríguez, F. & Pierdant, A. (2014). Estadística para administración.
camilo Pp. 150-152. Recuperado
zapata de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.action?ppg=258&docID=
11013767&tm=1470693471527
Iván García, Á. M. Á. (2005). Introducción a la teoría de la probabilidad.
Darío primer curso. Pp. 267-291. Recuperado de
Ramíre
z Cruz https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/detail.action?d
ocID=4722054
Cristian Rodríguez, F. & Pierdant, A. (2014). Estadística para

Camilo administración. Pp. 245-261. Recuperado de:
Franco http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.
action?ppg=258&docID=11013767&tm=1470693471527
Marcela Rodríguez, F. & Pierdant, A. (2014). Estadística para
Astorqu administración. Pp. 150-152. Recuperado
iza de http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/rea
der.action?ppg=258&docID=11013767&tm=147069347152
7
Objetivo virtual de información que presenta la distribución

binomial, así como un ejemplo de su aplicación.
Sánchez, J. (2018). Distribución binomial. Recuperado

de http://hdl.handle.net/10596/19010
Sánchez, S. E. A., Inzunza, C. S., & Ávila, A. R. (2015).
Probabilidad y estadística 1. Distrito Federal, MÉXICO:
Grupo Editorial Patria. Recuperado
de https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/re
ader.action?docID=4569628&ppg=46

Tarea 2 100402 233

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Tarea 2 100402 233

Caricato da

Copyright:

Formati disponibili

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de

Plantilla para entrega de la Unidad 2: Tarea 2 - Experimentos

Universidad Nacional Abierta y a Distancia- UNAD

A partir de trabajar activamente desarrollando los ejercicios propuestos

Introducción (mínimo 2 párrafos de 10 líneas de texto cada

 Realizar cada ejercicio indicando los pasos efectuados para el desarrollo de

Son todas aquellas

Distribución de Sirve para aproximar el

Es el conjunto de todos los Es el responsable de medir el

El grupo entrega aquí, de manera organizada, el análisis, desarrollo y solución de ESTUDIO DE

Solución al estudio de caso 1: El grupo entrega aquí, de manera

a. Escriba la fórmula para p(x), la distribución de probabilidad de x.

P(x)= Ck, x* CN-k; n-x /CN, n

P(x) = C2,2 * C7-2;2-2 / C7,2

b. ¿Cuáles son la media y la varianza de esta distribución?

c. Construya un histograma de probabilidad para x.

Solución al estudio de caso 2: El grupo entrega aquí, de manera

Datos del Problema:

X = "número de automóviles negros de entre los 25 observados"

Al menos cinco autos sean negros.

a. A lo sumo seis autos son negros.

Solución al estudio de caso 3: El grupo entrega aquí, de manera

RESPONSABLE ROL SELECCIONADO

Estudio de caso 33:

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

P (X≤4) = P (X= 0) + P(X=1) +P (X=2) + P (X=3) + P ( X=4)

P(X=0) = 3⁰*(2,7182718) ⁻³/ 0! = 0,0497870

P(X=1) = 3¹*(2,7182718) ⁻³/ 1! = 0,149361

P(X=2) = 3²*(2,7182718) ⁻³/ 2! = 0,224041

P(X=3) = 3³*(2,7182718) ⁻³/ 3! = 0,2240415

P(X=4) = 3⁴*(2,7182718) ⁻³/ 4! = 0,16803

P(X<3) = P (X= 0) + P(X=1) +P (X=2)

P (X=4) = 3⁴ (2,7182718) ⁻³/ 4! = 0,16803

P (X= 5) = 3⁵ (2,7182718) ⁻³/ 5! = 0,1 = 10%

P (1≤X≤3) = P(X=1) +P (X=2) + P (X=3)

f. Una o más pero menos de 5.

P (1 ≤ X <5) = P (X=1) +P (X=2) + P (X=3) + P (X=4)

P (2<X<5) = P (X=3) + P (X=4)

P (X=0) = 3⁰*(2,7182718) ⁻³/ 0!

i. Si se cuenta el número de llamadas en 5 minutos, cual es la probabilidad de

P(x=4) = 𝑒 −15 ∗ 154 /4!

Solución al estudio de caso 4: El grupo entrega aquí, de manera

Estudio de caso 44:

Datos del problema:

Z = 80-70/12,5 = 0,8 Valor que ubicamos en la tabla de distribución normal

P (X≤80 kg) = 0,78814 = 78,814%

P (50≤X85) = P (50≤X) -(1-P (85≤X ))

1,-0,93= 0,07 esta probabilista la ubicamos en la tabla de distribución normal para

Aportes individuales Iván Ramírez.

Solución al estudio de caso 1: El grupo entrega aquí, de manera

Distribución Hipergeométrica: Una compañía tiene siete solicitantes

a. Escriba la fórmula para p(x), la distribución de probabilidad de x.

K=Todos o cantidad de elementos que cumple la característica

Reemplazo datos del problema:

X: número de mujeres escogido.

a. Escriba la fórmula para p(x), la distribución de probabilidad de x.

a. ¿Cuáles son la media y la varianza de esta distribución?

El número de repeticiones del experimento (n) es constante.

Las probabilidades asociadas a cada uno de los resultados no son

Solución al estudio de caso 2: El grupo entrega aquí, de manera

Estudio de caso 25:

Distribución Binomial: La preferencia por el color de un auto cambia

a. Al menos cinco autos sean negros.