Aporte Trabajo Colaborativo 2 Probabilidad

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA

PROBABILIDAD

TRABAJO COLABORATIVO 2

TUTOR
Dber Albeiro Vquiro Plazas

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA-UNAD
ESCUELA DE CIENCIAS BASICAS TECNOLOGIA E INGENIERIA
NOVIEMBRE DE 2013


CONTENIDO

Pagina
INTRODUCCIN.........
1. OBJETIVOS..
1.1 Objetivo General..
1.2 Objetivos Especficos...
2. Desarrollo de los Ejercicios Planteados..
CONCLUSIONES.
BIBLIOGRAFA..


INTRODUCCION

La probabilidad es una herramienta de ayuda para la toma de decisiones porque proporciona
una forma de medir, expresar y analizar las incertidumbres asociadas con eventos futuros de
razones entre el nmero de casos favorables y el nmero de casos posibles.
El presente trabajo colaborativo intenta ser una gua para un breve estudio de la teora las
probabilidades. En el presente trabajo colaborativo dos, Se desarrollaron una serie de
ejercicios propuestos para la comprensin de la unidad_2 del mdulo de probabilidad,
adquiriendo destrezas en el anlisis adecuado de problemas que se nos puede presentar a lo
largo de nuestras vidas. En forma muy general este trabajo nos permitir desarrollar los
ejercicios sobre variables aleatorias y distribuciones de probabilidad utilizando las formulas
correspondientes para solucionar cada uno de ellos. Las cuales se presentan los conceptos
ms bsicos de las probabilidades y los modelos probabilsticos, sentando as las bases para
cuantificar la confianza en sus conclusiones y decisiones.


1. OBJETIVOS

1.1. Objetivo General:

Desarrollar un taller de ejercicios sobre los contenidos de los captulos 4, 5 y 6 de la
Unidad 2 del crdito de Probabilidad, los cuales nos permitirn profundizar en los
temas tratados.

1.2. Objetivos Especficos:

Identificar las distintas variables que nos ofrece cada ejercicio con el fin de poder
aplicar la frmula adecuada

Realizar cada ejercicio indicando los pasos efectuados para el desarrollo de cada uno
de ellos.

Resolver las preguntas planteadas en cada ejercicio


CAPITULO 4: VARIABLES ALEATORIAS

CONCEPTO DE LA VARIABLE ALEATORIA

Una variable aleatoria es 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. Se dice que X es aleatoria porque involucra la probabilidad de
los resultados del espacio muestral, y se define X como una funcin porque
transforma todos los posibles resultados del espacio muestral en cantidades
numricas reales.

VARIABLE ALEATORIA DISCRETA

Se dice que una variable aleatoria X es discretas si el nmero de valores que puede
tomar es finito (o infinito contable).Frecuentemente el inters recae en la probabilidad
de que una variable aleatoria tome un valor particular, para ello se requiere primero
definir claramente la variable aleatoria. 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.

VARIABLE ALEATORIA CONTINUA

Se dice que una variable aleatoria X es continua si el nmero de valores que puede
tomar estn contenidos en un intervalo (finito o infinito) de nmeros reales. Los
eventos o sucesos son subconjuntos, entonces es posible usar las operaciones
bsicas de conjuntos, tales como uniones, intersecciones y complementos, para
formar otros eventos de inters, denominados eventos o sucesos compuestos.

VALOR ESPERADO Y VARIANZA DE UNA VARIABLE ALEATORIA

El valor esperado (tambin llamado media o esperanza matemtica) de una
Variable aleatoria discreta X es una medida de posicin para la distribucin de X. Se
simboliza con y se calcula al sumar el producto de cada valor de X con su
probabilidad
correspondiente. En otras palabras, la
media o valor esperado de una variable
aleatoria discreta X es:


La varianza de una variable aleatoria es una medida de la dispersin de la
Distribucin
de
probabilidad de sta. Se calcula ponderando el cuadrado de cada desviacin con
respecto a la media, con la probabilidad asociada con la desviacin. En otras
palabras, la varianza de una variable aleatoria discreta X con media X y funcin de
probabilidad f(x), es:

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.


TEOREMA DE CHBYSHEV

Para demostrar cmo la desviacin estndar es indicadora de la dispersin de la
distribucin de una variable aleatoria, el matemtico ruso Pafnuty Lvovich Chbyshev
desarroll un teorema en el que ofrece una garanta mnima acerca de la probabilidad
de que una variable aleatoria asuma un valor dentro de k desviaciones estndar
alrededor de la media.

Para cualquier variable aleatoria X con media y desviacin estndar , la
Probabilidad de que X tome un valor contenido en k desviaciones estndar de la
media, siendo k una constante positiva cualquiera, es cuando menos
1 -

Simblicamente, el teorema se expresa de cualquiera de las siguientes maneras:

Aunque la garanta no siempre es muy precisa, la ventaja sobre este teorema es su
gran generalidad por cuanto es aplicable a cualquier variable aleatoria con cualquier
distribucin de probabilidad, ya sea discreta o continua.

RESUMEN UNIDAD 2
EJERCICIOS CAPITULO 4.
1. Una urna contiene cuatro balotas con los nmeros 1 ,2 ,3 y 4 respectivamente, si se
toman dos balotas de la urna sin sustitucin y X es la suma de los nmeros de las
balotas extradas, determine la distribucin de probabilidad de X y represntela por medio
de un histograma.
Espacio muestral (1 ,2, 3 y 4)
RESULTADO VALOR DE LA
VARIABLE
ALEATORIA
NUMERO DE
OCURRENCIAS
PROBABILIDAD
(1,2) (2,1) 3 2 2/12
(1,3) (3,1) 4 2 2/12
(1,4) (2,3) (3,2) 5 4 4/12

(4,1)
(2,4) (4,2) 6 2 2/12
(3,4)(4,3) 7 2 2/12
(2,3)(3,2) 5 2 2/12
(2,4)(4,2) 6 2 2/12
(3,4)(4,3) 7 2 2/12

Bolas Suma Bolas Suma Bolas Suma
1,2 3 2,3 5 3,4 7
1,3 4 2,4 6 4,1 5
1,4 5 3,1 4 4,2 6
2,1 3 3,2 5 4,3 7

X= Frecuencia
3= 2 4= 2 5= 4 6= 2 7= 2
2+2+4+2+2= 12
Posibilidades
3= 2/12= 1/6 4= 2/12= 1/6 5= 4/12= 1/3 6= 2/12 = 1/6
7= 2/12= 1/6
La funcin de probabilidad
x-f(x)
3= 1/6 4= 1/6 5= 1/3 6= 1/6 7= 1/6


2 Escoger de los ejercicios presentados en cada uno de los captulos de la Unidad 2
del mdulo dos (2) ejercicios y presentar su desarrollo y solucin al grupo.

Captulo 4
2. Para las siguientes tablas de datos, determine si se trata de una distribucin de
probabilidad. En los casos en que sea as, identifique lo requisitos que no se
satisfacen. En los casos en que se describa una distribucin de probabilidad calcule
su media y desviacin estndar
a.
X 0 1 2 3
f(x) 0,125 0,375 0,375 0,125
b.
X 0 1 2 3 4
f(x) 0,502 0,365 0,098 0,011 0,001
c.
X 0 1 2 3 4
f(x) 0,0000 0,0001 0,0006 0,0387 0,9606

SOLUCION

Son probabilidades las distribuciones que cumplen las siguientes condiciones
- P(X = x) = 1
- 0 s P(X = x) s 1
Entonces

a.
P(X = x) = P(X = 0) + P(X = 1)+ P(X = 2)+ P(X = 3) =1
P(X = x) =0,125+ 0,375 +0,375+0,125 =1

A dems la P(X=x) est entre 0 y 1. Por lo tanto es una distribucin de probabilidad por que
cumple las dos condiciones mencionadas, no se satisface con P(X=4). Ahora calculemos su
media y desviacin estndar:

Media
=E(x) = [x.f(x)]
=0.(0x0,125)+(1x0,375)+(2x0,375)+(3x0,125)
=0+0,375+0,75+0,375 =1,5
Desviacin Estndar
=v(x) = [(
())]

= [(
) (
) (
) (
)]
= -
0,125+0.625+3,625+8,875
= 13
=

b.
P(X = x) = P(X = 0) + P(X = 1)+ P(X = 2)+ P(X = 3) +P(X = 4)
P(X = x) = 0,502+0,365+0,098 +0,011+0,001= 0.977
La P(X=x) est entre 0 y 1, pero la P(X = x) no la cumple, por lo tanto no es una
distribucin de probabilidad


c.
P(X = x) = P(X = 0) + P(X = 1)+ P(X = 2)+ P(X = 3) +P(X = 4)
= 0,0000+0,0001+0,0006+0,0387+0,9606 = 1
A dems la P(X=x) est entre 0 y 1. Por lo tanto es una distribucin de probabilidad, no se
satisface con P(X=5). Ahora calculemos su media y desviacin estndar:

Media
=E(x) = [x.f(x)]
=(0x0,0000)+(1x0,0001)+(2x0,0006)+(3x0,0387)+ (4x0,9606)
=0+ 0,0001+0,0012 +1,161+3,8424= 5,004
Desviacin Estndar
=v(x) = [(
())]

= [(
) (
) (
) (
)]

= 0+0.999+3.999+8,0394
= 13,037
=

4. Sea X una variable aleatoria discreta. Determine el valor k para que la funcin f(x)
=k/x, x=1,2,3,4, sea la funcin de probabilidad X. Determine adems P(1X3)

SOLUCION

Para determinar si es una distribucion de probabilidad debe satisfacer:

P(X=x) =1
0PX=x1

La funcion de distribucion

X 1 2 3 4
f(x) k k/2 k/3 K/4

P(X=x)= k +k/2+k/3+k/4 =1

X 1 2 3 4
f(x) 0.48 0.24 0.16 0.12

P(X=x)=0,48+0,24+0,16+0,12 =1,
Adems cada probabilidad esta entre 0PX=xi1, por lo tanto cumple la condicin de ser una
distribucin de probabilidad,

Determine adems P(1X3)
Ahora la variable aleatoria X toma valores entre 1 y 3. En este caso podemos considerar la
probabilidad acumulada as:

P1X3=PX=1 + PX=2 + PX=3
P1X3= 0.48 + 0.24 + 0.16= 0.88

TEMA: CAPITULO 4: Variables Aleatorias

Ejercicio No. 5

El rango de la variable X es (0,1,2,3), donde X es una incgnita. Si cada valor es igualmente

probable y la media de X es 6 calcule X.

Debemos calcular el valor de x.

Utilizamos la formula de la variable aleatoria discreta

Entonces

El rango de valores o el nmero total de valores que tiene la variable aleatoria X es 5.

n=5

La probabilidad que tiene cada uno es de 1/5=0.2

Entonces aplicando la frmula de la teora de distribuciones discretas de probabilidad.
EX==i=15x*Pxi=6
=i=15x*Pxi
=0*0.2+1*0.2+2*0.2+3*0.2+x*0.2=6
=0+0.2+0.4+0.6+0.2x=6
0.2x=6-1.2
0.2x=4.8
x=4.80.2=24
Luego el valor de x que satisface las condiciones dadas es 24

CAPITULO 5: DISTRIBUCIONES DE PROBABILIDAD DISCRETA

DISTRIBUCIN UNIFORME DISCRETA

La variable aleatoria discreta ms sencilla es aquella que
toma slo un nmero finito de valores posibles n, cada uno con la misma
probabilidad. Ella se denomina entonces variable aleatoria discreta uniforme y su
distribucin uniforme discreta est dada por:

Para una variable aleatoria discreta uniforme X, que puede tomar los valores
1,2,, n, la media es:


Y su desviacin estndar es:

Otros autores expresan estos parmetros en trminos dl rango de la variable
aleatoria discreta uniforma [a,b].

No hay reparos para usar una u otra frmula, lo importante es que se entienda que
son equivalentes

DISTRIBUCIN BINOMIAL
Las distribuciones binomiales son las ms tiles dentro de las distribuciones de
probabilidad discretas. Sus reas de aplicacin incluyen inspeccin de calidad,
ventas, mercadotecnia, medicina, investigacin de opiniones, entre otras. Permiten
enfrentar circunstancias en las que los resultados pertenecen a dos categoras
relevantes: que ocurra un evento determinado o que no lo haga. Este tipo de
experimento aleatorio particular es denominado ensayo de Bernoulli. Sus dos
resultados posibles son denotados por xito y fracaso y se define por p la
probabilidad de un xito y 1-p la probabilidad de un fracaso.

La variable aleatoria X, de un experimento binomial, que corresponde al nmero de
ensayos donde el resultado es un xito, tiene una distribucin binomial con
parmetros p y n = 1, 2, y su funcin de probabilidad es
8
:

DISTRIBUCIN BINOMIAL NEGATIVA Y GEOMTRICA

Considere ahora una serie de ensayos Bernoulli con una
probabilidad constante de xitos p, en la que el nmero de ensayos
no es fijo como en la distribucin binomial si no que stos se
realizan hasta que se obtiene el primer xito. Sea entonces, la variable aleatoria X el
nmero de ensayos realizados hasta obtener un xito, ella tiene una distribucin
geomtrica con parmetro p y se expresa:


DISTRIBUCIN HIPERGEOMTRICA
En la distribucin binomial se vea que el muestreo se haca con reemplazo,
Asegurando la independencia de los ensayos y la probabilidad constante.
Supngase ahora que el muestreo es sin reemplazo, caso en el cual los ensayos no
son independientes. Sea _ el nmero de elementos de un conjunto de los cuales k son
determinados como xitos y _-k como fallas, se trata ahora de determinar la
probabilidad de x xitos en n ensayos de los _ elementos del conjunto donde k _ y n
_ . Sea tambin la variable aleatoria X el nmero de xitos en la muestra. Entonces,
X tiene una distribucin hipergeomtrica y su funcin de distribucin de
probabilidad est dada por:

DISTRIBUCIN POISSON

Un proceso Poisson constituye un mecanismo fsico aleatorio en el cual los
Eventos ocurren al azar en una escala de tiempo (o de distancia). Por ejemplo, la
ocurrencia de accidentes en un cruce especfico de una carretera sigue dicho proceso.
Cabe recordar que no es posible predecir con exactitud la cantidad de accidentes que
pueden ocurrir en determinado intervalo de tiempo, pero s el patrn de los accidentes
en gran nmero de dichos intervalos.

Dado un proceso Poisson donde % es el nmero promedio de ocurrencias en el
intervalo de nmeros reales donde este se define, la variable aleatoria X
correspondiente al nmero de ocurrencias en el intervalo es llamada variable
aleatoria Poisson y su funcin de probabilidad est dada por:

La distribucin Poisson representa la probabilidad de que un evento aislado ocurra un
nmero especfico de veces en un intervalo de tiempo (o un espacio) dado, al fijarse la
tasa de acontecimientos en un continuo temporal (o espacial). Su parmetro es , el
nmero promedio de ocurrencias del experimento aleatorio. En muchos casos se
denota como (x; ) .

La probabilidad de que una variable aleatoria Poisson X sea menor o igual a un valor
de x se determina por la funcin de distribucin acumulada:


Captulo 5

CAPITULO 5: DISTRIBUCIONES DE PROBABILIDAD DISCRETA

1. Se sabe que el 60% de los alumnos de una universidad asisten a clases el da viernes. En
una encuesta a 8 alumnos de la universidad. Cul es la probabilidad de que:
a) Por lo menos siete asistan a clase el da viernes.
b) Por lo menos dos no asistan a clase.

SOLUCIN:
Se trata de una distribucin binomial.
a) ( ) ( )

b) ( )

6.- El conmutador de una oficina recibe en promedio 20 llamadas cada dos minutos.
Cul es la probabilidad de que lleguen como mximo dos llamadas en un periodo de
15 segundos

Solucin. Utilizando la definicin de distribucin de poisson
( )

Dnde e es el base del logaritmo natural (e = 2.71828...), k! es el factorial de k, k es el
nmero de ocurrencias de un evento, es un nmero real positivo, equivalente al nmero
esperado de ocurrencias durante un intervalo dado. En este caso los eventos ocurren en la

media cada dos minutos y se est esperando el nmero de llamadas cada 0.25 minutos, al
usar la regla de tres se llega a que lambda es 1.875. En este caso k es menor o igual que
dos.
( )

( )

( )
()()
()()
()

( )
La probabilidad de que lleguen como mximo dos llamadas en un periodo de 15 segundos es
de 0.988002.

7. Los clientes llegan a una exhibicin a razn de 6,8 clientes /hora Calcule la probabilidad de
que
a) en la primera media hora por lo menos lleguen dos clientes;
b) en cualquier hora dada llegue ms de uno.
SOLUCIN:
a) En la primera media hora por lo menos lleguen dos clientes
( ) ( ) [( ) ( )]
()

( )

( )


( ) ( ) ( )

La probabilidad que en la primera media hora lleguen por lo menos dos clientes es del
85,5%.
b) En cualquier hora dada llegue ms de uno
= 6,8
()

( ) ( ) [( ) ( )]
()

( )

( )

( ) ( ) ( )

4-Una Compaa de Seguros Considera que alrededor del 25% de los carros se
accidentan cada ao. Cul es la probabilidad de que por lo menos 3 de una muestra de
7 vehculos asegurados, se hayan accidentado?

SOLUCION

p= 0.25
n=7

( ) ( )

( )
()

( ) ( )

( ) ( ) ( ) ( ) ( )
( ) ()

( ) ()

( ) ()

( )
( )

2-Segn los registros universitarios fracasa el 5% de los alumnos de cierto curso.
Cul es la probabilidad de que de 6 estudiantes seleccionados al azar, menos de 3
hayan fracasado?

SOLUCION
X= 0,1,2
n= 6 estudiantes seleccionados al azar
p= 0.05

se utiliza distribucin binomial

( ) (
( )

( ) (
( )

( ) (
( )

( ) (
( )

( )

R: La probabilidad de que menos de tres alumnos hayan fracasado es de 0.997

CAPITULO 6: DISTRIBUCION NORMAL Y USO DE LA DISTRIBUCION NORMAL
ESTANDAR:

Es el modelo de distribucin ms utilizado en prctica, ya que multitud de fenmenos se
comportan segn una distribucin normal.
Propiedades de la distribucin normal:
La distribucin normal posee ciertas propiedades importantes que conviene destacar:


Tiene una nica moda, que coincide con su media y su mediana.

La curva normal es asinttica al eje de abscisas. Por ello, cualquier valor entre y es
tericamente posible. El rea total bajo la curva es, por tanto, igual a 1.

Es simtrica con respecto a su media. Segn esto, para este tipo de variables existe
una probabilidad de un 50% de observar un dato mayor que la media, y un 50% de
observar un dato menor.

La distancia entre la lnea trazada en la media y el punto de inflexin de la curva es
igual a una desviacin tpica (). Cuanto mayor sea , ms aplanada ser la curva de la
densidad.

El rea bajo la curva comprendida entre los valores situados aproximadamente a dos
desviaciones estndar de la media es igual a 0.95. En concreto, existe un 95% de
posibilidades de observar un valor comprendido en el intervalo.

La forma de la campana de Gauss depende de los parmetros. La media indica la
posicin de la campana, de modo que para diferentes valores de la grfica es
desplazada a lo largo del eje horizontal. Por otra parte, la desviacin estndar
determina el grado de apuntamiento de la curva. Cuanto mayor sea el valor de, ms
se dispersarn los datos en torno a la media y la curva ser ms plana. Un valor
pequeo de este parmetro indica, por tanto, una gran probabilidad de obtener datos
cercanos al valor medio de la distribucin.

: es el valor medio de la distribucin y es precisamente donde se sita el centro de la curva
(de la campana de Gauss).

: es la varianza. Indica si los valores estn ms o menos alejados del valor

Central: si la varianza es baja los valores estn prximos a la media; si es alta,

entonces los valores estn muy alejados de ella. Se representa por s2 porque su raz
cuadrada, s, es la denominada desviacin estndar.

TIPICACION DE LA VARIABLE:
Para poder utilizar la tabla tenemos que transformar la variable X que sigue una
distribucin N (, ) en otra variable Z que siga una distribucin N(0, 1).

CAPITULO 6 : DISTRIBUCIONES DE PROBABILIDAD CONTINUA
1 Una mquina automtica con funcionamiento electrnico hace pernos de 3/8 de
pulgada los cuales deben tener una longitud de 3 pulgadas. Si en realidad las
longitudes de los pernos de 3/8 se distribuyen uniforme en el intervalo (2,5 : 3,5)
pulgadas Cul es la probabilidad de que uno de los pernos elegido al azar, de un lote
determinado tenga una longitud de:
a.- este entre 2.75 y 3.25 pulgadas
b.- sea mayor de 3.25 pulgadas
c.- sea exactamente igual a 3 pulgadas.
SOLUCIN:
Como es distribucin uniforme, luego:
a) P(2.75 < X < 3.25) = (3.25-2.75) / (3.5 - 2.5) = 0.5 / 1 = 0.5 = 50%
b) P(X>3.25) = P(3.25 < X < 3.5) = (3.5-3.25) / (3.5 - 2.5) = 0.25 / 1 = 0.25 = 25%
c) P(X=3) = 100%


4. Las notas de un examen hecho a una clase de 36 alumnos siguen una distribucin
normal con media 4.2 y desviacin estndar 1.3
a. Calcular el nmero de alumnos con nota entre 5 y 7
b. Nmero de alumnos con nota entre 4 y 6

SOLUCION:

Distribucin Normal

a. Calcular el nmero de alumnos con nota entre 5 y 7

Calculamos Z

( ) ( ) ( )

R: El nmero de alumnos con nota entre 5 y 7 es de 0.255 x 36 = 9.18 es decir
aproximadamente 9 alumnos.

a. Nmero de alumnos con nota entre 4 y 6

( ) ( ) ( ( )
( )

R: El nmero de alumnos con nota entre 4 y 6 es de 0.4758 x 36 = 17.12 es decir
aproximadamente 17 alumnos


CONCLUSIONES
Desarrollando los ejercicios del captulo 2, nos queda claro las variables aleatorias y las
distribuciones de probabilidad, las cuales son de gran ayuda y utilidad, dando un buen uso a
las formulas podemos dar optimas soluciones a problemas que son nos presenten en
cualquier rea de nuestro trabajo, ya sea de investigacin o en la vida cotidiana.


BIBLIOGRAFIA

Mdulo Probabilidad. (Director Nacional), Adriana Morales Robayo (Acreditador).
Dannys Brito Rossado Pava, Julio. 2010.

Universidad Nacional Abierta y a Distancia, [en lnea] Citado el 24 de septiembre del 2013, Disponible
en Internet: http://www.unad.edu.co/home/

Aporte Trabajo Colaborativo 2 Probabilidad

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Aporte Trabajo Colaborativo 2 Probabilidad

Enviado por

Direitos autorais:

Formatos disponíveis

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

ESCUELA DE CIENCIAS BSICAS, TECNOLOGA E INGENIERA

: es la varianza. Indica si los valores estn ms o menos alejados del valor

Você também pode gostar