Actividad Integradora: La probabilidad, una proyección

Por: Javier García Aguilar

Facilitador: YESENIA ESMERALDA BASALDU GUTIERREZ
Módulo: 17
Grupo: M17C1G12-015
Ciudad de México 22 de marzo de 2019
Prepa en línea SEP
Modelo: Distribución de Poisson

Caso 1: En una empresa de alimentos, la media de accidentes es de 3 por mes. Calcular la probabilidad de:
a) Que no ocurra ningún accidente en un mes.
b) Que como máximo ocurran 2 accidentes en un mes.
c) Que ocurran 30 accidentes en un año.
d) Que ocurran 8 accidentes en un trimestre.

 Características: Son eventos independientes que ocurren en un módulo disciplinar determinado o a una
velocidad constante en el tiempo.

 Aplicaciones: Es usada para representar el número de eventos de poca frecuencia que ocurren en el tiempo o en el
espacio. La manera de representar la distribución de Poisson es la misma que la binominal: por medio de una gráfica de
barras donde la altura de las columnas representa la probabilidad asociada a cada valor de x. presencia de viento,
presencia de granizo, ocurrencia de accidentes, etcétera.

 Razones: Para este tipo de distribución es necesario saber el número promedio de eventos que ocurren en un
intervalos de tiempo o espacio, como en este caso la probabilidad de accidentes en la empresa de alimentos que nos
da el dato los accidentes en un determinado tiempo
1: Caso Modelo de Poisson
𝑒 −2 .2𝑥 Formula: P (2)
2!
Media de 3 accidents por mes.
x= variable aleatoria P-2 por mes P – 30 / 12 meses P – 8/3 meses 2= parametron
de la distribución de Poisson = 3 accidents por mes
𝒆 −𝟑.𝟑 𝟑𝟐 𝟎.𝟒𝟗𝟕𝟖𝟕 ∗𝟑𝟐 𝟎.𝟒𝟗𝟕𝟖𝟕 ∗𝟑𝟐
P(2) = = = 0.22404 =
2296 𝟐! 𝟐! 𝟐
𝒆 −𝟑. 𝟑𝟐.𝟓 𝟎.𝟒𝟗𝟕𝟖𝟕 ∗𝟑𝟐.𝟓 𝟎.𝟕𝟕𝟔𝟏𝟎𝟑𝟓
P(30/12) = = =
0.2335 = 23.35%
𝟐.𝟓! 𝟐.𝟓! 𝟑.𝟑𝟐𝟑𝟑𝟓𝟎
𝒆 −𝟑. 𝟑𝟐.𝟔𝟔𝟔 𝟎.𝟒𝟗𝟕𝟖𝟕 ∗𝟑𝟐.𝟔𝟔𝟔 𝟗.𝟑𝟏𝟑𝟔𝟕
P(8/3) = = = 0.2323 =
23.23%
𝟐.𝟔𝟔𝟔! 𝟐.𝟔𝟔𝟔! 𝟒.𝟎𝟎𝟗𝟏
Modelo: Distribución Normal
Caso 2: Un estudio ha mostrado que en la colonia “Barranca vieja” el 60% de los hogares
tienen al menos dos computadoras. Se elige al azar una muestra de 50 hogares en esa
colonia y se pide:
a) ¿Cuál es la probabilidad de que al menos 20 de los citados hogares tengan cuando menos dos
computadoras?
b) ¿Cuál es la probabilidad de que entre 35 y 40 hogares tengan cuando menos dos
computadoras?
 Características: Este tipo de distribución es usada para variables aleatorias continuas. La
distribución normal tiene una gráfica en forma de campana conocida como campana de
Gauss.
 Aplicaciones: Es sencillo considerar variables discretas como continuas, como son la Altura o
el peso de las personas.
 Razones: Cuando se tiene una distribución continua cada elemento tiene la misma
probabilidad de ocurrencia 0 por lo que al trabajar este tipo de variables se debe determinar la
probabilidad de que se tome un valor dentro de un cierto intervalos. Si en 60 de cada 100
hogares hay 2 computadoras. Se puede calcular el porcentaje de probabilidad de los
planteamientos en la muestra de 50 hogares
Caso 2: Modelo Distribución Normal
La distribución normal es 1 f(x) = e 2π- 12 x µ = 0 y =1, como distribución normal
estándar. La distribución normal tiene una grafica en forma de campana, conocida como
campana deGauss.
Media = np = 30
µ = n.p a = 𝑛. 𝑝. 𝑞
µ = 50 * 0.6 a= 50 ∗ 0.6 ∗ 0.4
µ = 30 a = 12 ơ = 3.464
Desviación 3.464
Np = 30 y n(1-p)=20 P(20 < y < 30)
P[Z<(40.5-30) / 12 = P(Z < 2.8867)
[34.5 , 40.5]
P(34.5 , y , 40.5) = P9Y<40.5) – P(Y<34.5)+
P[Z,(40.5-30) / 12 ] = P [Z<40.5-30) / 12] =
P(Z<3.0310889) – P(Z<1.299038)=
Modelo: Distribución binominal
 Caso 3: La probabilidad de que un pescador novato, con una caña de pescar, colecte
un pescado es de 0,4. Si lo intenta 5 veces, calcula la probabilidad de que pesque al
menos 3 veces.
 Características: Son eventos o experimentos que tienen do resultados; si o no sano o
enfermo, éxito o fracaso, etcétera.
 Aplicaciones: Es la distribución de probabilidad de la variable aleatoria, la cual es el número
de éxitos al repetir (n0 veces un experimento con dos resultados posibles, con probabilidad p
de obtener éxito en cada experimento, se puede representar en un histograma o grafica de
barras.
 Razones: El pescador puede obtener diferentes resultados en cada evento, puede tener
éxito en cada evento, o fracasar, cumple con ser una probabilidad con variable aleatoria de
distribución binominal.
Caso 3: Modelo: Distribución binominal

P = de 04,4 (probabilidades de que ocurra)

Q = 0,6(Probabilidades de que no ocurra)

N=5 (total de intentos)
X+3 total de éxitos
Probabilidades de 3 éxitos es de 35.020%

5−3
P𝑋 = 0,4 0,4
5𝑥4𝑥3𝑥2𝑥1
P𝑋== == 35.020 %
3𝑥2𝑥1𝑥3𝑥2𝑥1

Referencias:
Todo el contenido proporcionado en la plataforma Prepa En Línea-SEP, Modulo 17, 2019