1

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
TRABAJO COLABORATIVO 2
Presentado a:
JADER DEL CRISTO HERRERA ERAZO
Por:
ORLANDO GONZALEZ UMBARLA
COD 79127441
ELVER FORERO JMENEZ
COD 79136728
Csar gnacio Solano Buitrago
COD 79130170
GRUPO No. 100402_168
PROBABLDAD
NGENERA NDUSTRAL
UNVERSDAD NACONAL ABERTA Y A DSTANCA UNAD
2013
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
INTRODUCCION
En este trabajo se realiza la aplicacin de las variables aleatorias y las
distribuciones de probabilidad, para realizar el clculo y anlisis correspondientes
se han tomado ejercicios expuestos por el tutor, es una manera de poner en
prctica los conocimientos adquiridos en esta unidad.
Tal como veremos, en las aplicaciones prcticas es importante poder describir los
rasgos principales de una distribucin, es decir, caracterizar los resultados de los
ejercicios aleatorios mediante unos parmetros. Llegamos as al estudio de las
caractersticas asociadas a una variable aleatoria introduciendo los conceptos de
esperanza y varianza matemtica, relacionndolos con los conceptos de media y
varianza de una variable estadstica..
OBJETIVO GENERAL
Comprender e interiorizar los tipos de distribuciones de probabilidad que existen,
sus caractersticas, sus parmetros y los campos de aplicacin que tienen dichas
distribuciones.
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
OBJETIVOS ESPECFICOS
Definir variable aleatoria.
Definir variable aleatoria discreta y continua.
Definir funcin de probabilidad de una variable aleatoria discreta.
Definir funcin de densidad de una variable aleatoria continua.
Obtener probabilidades de eventos haciendo uso de la funcin de probabilidad
de una variable aleatoria discreta.
Establecer las propiedades de la funcin de distribucin de probabilidad
acumulada de una variable aleatoria discreta.
Obtener y graficar la funcin de probabilidad acumulada de una variable aleatoria
discreta, dada su funcin de probabilidad.
Obtener y graficar la funcin de distribucin acumulada de una variable aleatoria
continua.
Obtener probabilidades de eventos que involucren variables aleatorias discretas
o continuas, haciendo uso de su funcin de distribucin acumulada.
Definir y obtener el valor esperado de una variable aleatoria, tanto discreta como
continua.
Definir y obtener la varianza y la desviacin estndar de una variable aleatoria,
tanto discreta como continua.
DESARROLLO DEL TRABAJO
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
ASPECTOS TEORICOS
DISTRIBUCION EXPONENCIAL Y CHI CUADRADO
En estadstica, la distribucin (de Pearson), llamada Chi cuadrado o Ji
cuadrado, es una distribucin de probabilidad continua con un parmetro que
representa los grados de libertad de la variable aleatoria
Donde son variables aleatorias normales independientes de media cero y
varianza uno. El que la variable aleatoria tenga esta distribucin se representa
habitualmente as: .
Es conveniente tener en cuenta que la letra griega se transcribe al latn como chi
y se pronuncia en castellano como ji.
Propiedades
Funcin de densidad [editar editar cdigo]
Su funcin de densidad es:
Donde es la funcin gamma.
Aplicacio!"
La distribucin tiene muchas aplicaciones en inferencia estadstica. La ms
conocida es la de la denominada prueba utilizada como prueba de
independencia y como prueba de bondad de ajuste y en la estimacin de
varianzas. Pero tambin est involucrada en el problema de estimar la media de
una poblacin normalmente distribuida y en el problema de estimar la pendiente
de una recta de regresin lineal, a travs de su papel en la distribucin t de
Student.
Aparece tambin en todos los problemas de anlisis de varianza por su relacin
con la distribucin F de Snedecor, que es la distribucin del cociente de dos
variables aleatorias independientes con distribucin .
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
DISTRIBUCION #$STUDENT
En probabilidad y estadstica, la distribucin t (de Student) es una distribucin de
probabilidad que surge del problema de estimar la media de una poblacin
normalmente distribuida cuando el tamao de la muestra es pequeo.
Aparece de manera natural al realizar la prueba t de Student para la determinacin
de las diferencias entre dos medias mustrales y para la construccin del intervalo
de confianza para la diferencia entre las medias de dos poblaciones cuando se
desconoce la desviacin tpica de una poblacin y sta debe ser estimada a partir
de los datos de una muestra.
Ca%ac#!%i&aci'
La distribucin t de Student es la distribucin de probabilidad del cociente
Donde
Z tiene una distribucin normal de media nula y varianza 1
V tiene una distribucin ji-cuadrado con grados de libertad
Z y V son independientes
Si es una constante no nula, el cociente es una variable aleatoria que
sigue la distribucin t de Student no central con parmetro de no-centralidad .
EJERCICIOS
12. Su p o n i e n d o q u e l a s t a l l a s d e l o s a d u l t o s d e u n p a s A
s i g u e n u n a distribucin normal con media 180 cm. y desviacin tpica 5 cm. y
que las tallas de los adul tos en un pas B si guen una di stribuci n tambi n
normal , pero con media 180 cm. y desviaci n tpica 15 cm., contestar de
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
manera justificada en cul de los dos pases es ms probable encontrar adultos
con talla superior a195 cm. y donde es ms probable encontrar adultos con
talla comprendida entre 175 y 185 cm.
Sol(ci')
a) A:= 180 cm yo= 5 cm
B:= 180 cm yo= 15 cm

Existe mayor probabilidad de encontrar adultos con talla superior a 195 cm en el
pas B ya que hay una probabilidad de con respecto al pas A, que tiene
una probabilidad de 0.00135
b) Pas A
Pas B
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
Hay mayor probabilidad de encontrar adultos con talla entre 175 cm y 185 cm en
el pas A ya que hay una probabilidad de con respecto al pas B, que tiene
una probabilidad de
13. El peso de los adultos de una poblacin numerosa se distribuye normalmente
con media 65 kg. y desviacin tpica 3 kg. Se eligen dos individuos al azar.
Calculando las correspondientes probabilidades, justifica qu es ms probable:
a) Que cada uno de los individuos tenga un peso comprendido entre 63,5 y
66,5 kg.
b) Que uno de ellos tenga un peso comprendido entre 62 y 68 kg. y el otro
tenga un peso no comprendido entre 62 y 68 kg
Sea X la variable aleatoria resultado de elegir un individuo al azar y pesarlo; X
sigue una normal N(65; 2).
Sea Y la variable aleatoria resultado de elegir otro individuo al azar y pesarlo; Y
sigue una N (65; 2).
Evidentemente, X e Y son independientes. Por lo tanto:
a) p[(63,5<X<66,5) (63,5<Y<66,5)]
= p[(63,5<X<66,5)].p[(63,5<Y<66,5)]
=[0,7734- 0,2266]
2
=0,5468
2
=0,2990.
b) p[(62<X<68) ( (Y 62) (Y 68))]
= p[(62<X<68)].p[( (Y 62) (Y 68))]
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
=0,8664.(1-0,8664)=0,1157.
Es ms probable el caso a).
CAPITULO 5
DISTRIBUCIONES DE PROBABILIDAD DISCRETA
DISTRIBUCI*N UNIFOR+E ,DE V-DISCRETA.
Es una distribucin muy sencilla que asigna probabilidades iguales a un conjunto
finito de puntos del espacio.
Modeliza fenmenos en los que tenemos un conjunto de n sucesos posibles, cada
uno de los cuales con la misma probabilidad de ocurrir. Si aleatorizamos de forma
que cada uno de stos sucesos se corresponda con un nmero natural del 1 al n
obtendremos una distribucin uniforme. Tendremos un nico parmetro ; n
Diremos , por tanto que

Puede hacerse derivar en consecuencia de un proceso experimental de seleccin
aleatoria, en el que la caracterstica que consideramos en la seleccin slo puede
tomar un conjunto de n valores discretos y donde cualquiera de estos valores
puede obtenerse con igual probabilidad.
Por su elementaridad no es una distribucin de excesivo inters prctico.
Di"#%i/(ci' Bio0ial
Notacin:
Definicin
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
Es una de las distribuciones de probabilidad ms tiles ( control de calidad,
produccin, investigacin). Tiene que ver con el experimento aleatorio que
produce en cada ensayo o prueba uno de dos resultados posibles mutuamente
excluyentes: ocurrencia de un criterio o caracterstica especfico (llamado xito) y
no ocurrencia de ste (llamado fracaso). Los trminos o calificativos de "xito y
fracaso" son solo etiqutas y su interpretacin puede no corresponder con el
resultado positivo o negativo de un experimento en la realidad.
Di"#%i/(ci' G!o01#%ica
La distribucin Geomtrica tambin est relacionada con una secuencia de
ensayos de Bernoulli, excepto que el nmero de ensayos no es fijo. En
consecuencia, la distribucin geomtrica hereda las caractersticas de la
distribucin binomial, a excepcin del concepto del cual se quiere calcular la
probabilidad. En este caso la variable aleatoria de inters, denotada mediante X,
se define como el nmero de ensayos requeridos para lograr el primer xito. Es
obvio que para obtener el primer xito se debe realizar el experimento cuando
menos una vez, por lo que los valores que puede tomar la variable aleatoria X son
1, 2, 3, ... , n, esto es, no puede tomar el valor cero. En este caso se cumple que
(X = x) si y slo si los primeros (x 1) ensayos son fracasos (q) y el x-simo
ensayo es xito (p), por lo que:
P(X = x) =
p q p qqqqqqq
x
veces x
1
1

=

La 2i"#%i/(ci' Bio0ial !3a#i4a

Puede definirse como una generalizacin del modelo Geomtrico o de Pascal. As,
dado un suceso A y su complementario A
c
, cuando X representa el nmero de
veces que se da A
c
(ausencias, fallos, etc.) hasta que se produce r veces el suceso
A, en una serie de repeticiones de la experiencia aleatoria en condiciones
independientes, decimos que X sigue la distribucin Binomial negativa. Ntese
que, cuando r = 1, tenemos exactamente el modelo geomtrico.
Este modelo queda definido por dos parmetros p (la probabilidad de A: p = P(A)) y
r (el nmero de veces que debe producirse A para que detengamos la
experiencia).
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
La funcin de densidad viene dada por:
donde q representa el complementario de p: q = 1 p.
DISTRIBUCI*N HIPERGEO+5TRICA
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 reemplao, 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:
EJERCICIOS CAPITULO 6
7- S! "a/! 8(! !l 9:; 2! lo" al(0o" 2! (a (i4!%"i2a2 a"i"#! a cla"!" !l
2<a 4i!%!"- E (a !c(!"#a a = al(0o" 2! la (i4!%"i2a2- >C(?l !" la
p%o/a/ili2a2 2! 8(!)
p = 0.6
n = 8
q = 1 p = 1 0.6 = 0.4
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
p(x = r ) = (n / r ) * p
r
* q
n-r
a. po% lo 0!o" "i!#! a"i"#a a cla"! !l 2<a 4i!%!"
P (X = 0) = ( 8 / 0) *0.6
0
X0.4
8-0
= 8!/ 0! ( 8! 0! ) *0.6
0
X0.4
8-0
= 1 * 1* 0.00065
= 0.00065
P (X = 1) = ( 8 / 1) *0.6
1
X0.4
8-1
= 8!/ 1! ( 8! 1! ) *0.6
1
X0.4
8-1
= 8 * 0.6 * 0.00163
= 0.0078
P (X = 2) = ( 8 / 2) *0.6
2
X0.4
8-2
= 8!/ 2! ( 8! 2! ) *0.6
2
X0.4
8-2
= 28 * 0.36 * 0.004
= 0.040
P (X = 3) = ( 8 / 3) *0.6
3
X0.4
8-3
= 8!/ 3! ( 8! 3! ) *0.6
3
X0.4
8-3
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
= 56 * 0.216 * 0.01024
= 0.030
P (X = 4) = ( 8 / 4) *0.6
4
X0.4
8-4
= 8!/ 4! ( 8! 4! ) *0.6
4
X0.4
8-4
= 70 * 0.1296 * 0.0256
= 0.232
P (X = 5) = ( 8 / 5) *0.6
5
X0.4
8-5
= 8!/ 5! ( 8! 5! ) *0.6
5
X0.4
8-5
= 56 * 0.0777 * 0.064 = 0.275

P (X = 6) = ( 8 / 6) *0.6
6
X0.4
8-6
= 8!/ 6! ( 8! 6! ) *0.6
6
X0.4
8-6
= 28 * 0.0466 * 0.16
= 0.208
P (X = 7) = ( 8 / 7) *0.6
7
X0.4
8-7
= 8!/ 7! ( 8! 7! ) *0.6
7
X0.4
8-7
= 8 *0.027 * 0.4
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
= 0.0864
La p%o/a/ili2a2 !" 2!l :-== @ 7:: ; A ==;
b) po% lo 0!o" 2o" o a"i"#a a cla"!.
P (X = 0) = ( 8 / 0) *0.6
0
X0.4
8-0
= 8!/ 0! ( 8! 0! ) *0.6
0
X0.4
8-0
= 1 * 1* 0.00065
= 0.00065
P (X = 1) = ( 8 / 1) *0.6
1
X0.4
8-1
= 8!/ 1! ( 8! 1! ) *0.6
1
X0.4
8-1
= 8 * 0.6 * 0.00163
= 0.0078
P(X = 2) = ( 8 / 2) *0.6
2
X0.4
8-2
= 8!/ 2! ( 8! 2! ) *0.6
2
X0.4
8-2
= 28 * 0.36 * 0.004
= 0.040
La p%o/a/ili2a2 !" 2! :-:B= @ 7:: ; A B-= ;
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
2- S!3C lo" %!3i"#%o" (i4!%"i#a%io" D%aca"a !l 6; 2! lo" al(0o" 2! ci!%#o
c(%"o- >c(?l !" la p%o/a/ili2a2 2! 8(! 2! 9 !"#(2ia#!" "!l!ccioa2o" al
a&a%E 0!o" 2! F GaHa D%aca"a2oI
p = 0.05
n = 6
q = 1 p = 1 0.05 = 0.95
p(x = r) = (n / r) * p
or
* q
n-r
P (X = 0) = ( 6 / 0) *0.05
0
X0.95
6-0
= 6! / 0! ( 6!-0!) *0.05
0
X0.95
6-0
= 1 * 1 * 0.735
= 0.735
P (X = 1) = ( 6 / 1) *0.05
1
X0.95
6-1
= 6! / 1! ( 6!-1!) *0.05
1
X0.95
6-1
= 6 *0.05 * 0.773
= 0.2319
P (X = 2) = ( 6 / 2) *0.05
2
X0.95
6-2
= 6! / 2! ( 6!-2!) *0.05
2
X0.95
6-2
= 15 * 0.0025 * 0.814
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
= 0.030
P (X = 3) = ( 6 / 3) *0.05
3
X0.95
6-3
= 6! / 3! ( 6!-3!) *0.05
3
X0.95
6-3
= 20 * 1.25X10
-4
* 0.857
= 0.00214
La p%o/a/ili2a2 !" 2! :-2=FF @ 7::; A 2=-FF%
APROXI+ACI*N DE POISSON A LA BINO+IAL-
En este caso se determinarn probabilidades de experimentos Binomiales,
pero que dadas sus caractersticas, es posible aproximarlas con la distribucin
de Poisson, estas caractersticas son, n ( n es muy grande) y p0 (p es
muy pequea), por lo que:
La expresin anterior solo se cumple cuando n y p0, solo en este caso,
si esto no se cumple, la aproximacin no se puede llevar a efecto, por lo que la
frmula a utilizar en este caso sera:
Donde:
== np = nmero esperado de xitos = tasa promedio de xitos
n = nmero de repeticiones del experimento
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
p = probabilidad de xito = p(xito)
Una regla general aceptable es emplear esta aproximacin si n20 y p0.05: s
n100, la aproximacin es generalmente excelente siempre y cuando np10.
Ejemplos:
1. 1. Se sabe que el 5% de los libros encuadernados en cierto taller tienen
encuadernaciones defectuosas. Determine la probabilidad de que 2 de 100
libros encuadernados en ese taller, tengan encuadernaciones defectuosas,
usando, a) la frmula de la distribucin Binomial, b) la aproximacin de
Poisson a la distribucin Binomial.
Solucin:
a) n = 100
p = 0.05 = p(encuadernacin defectuosa) = p(xito)
q = 0.95 = p(encuadernacin no defectuosa) = p(fracaso)
x = variable que nos define el nmero de encuadernaciones defectuosas en la
muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas
b)n = 100 encuadernaciones
p = 0.05
= np = (100)(0.05)= 5
x = variable que nos define el nmero de encuadernaciones defectuosas en la
muestra = = 0, 1, 2, 3,....,100 encuadernaciones defectuosas
Al comparar los resultados de las probabilidades con una y otra distribucin, nos
damos cuenta de que la diferencia entre un clculo y otro es de tan solo 0.0031,
por lo que la aproximacin de Poisson es una buena opcin para calcular
probabilidades Binomiales.
2. Un fabricante de maquinaria pesada tiene instalados en el campo 3840
generadores de gran tamao con garanta. S la probabilidad de que cualquiera de
ellos falle durante el ao dado es de 1/1200 determine la probabilidad de que a) 4
generadores fallen durante el ao en cuestin, b) que ms 1 de un generador falle
durante el ao en cuestin.
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
Solucin:
a) n = 3840 generadores
p = 1/1200 = probabilidad de que un generador falle durante el ao de garanta
= np = (3840)(1/1200) = 3.2 motores en promedio pueden fallar en el ao de
garanta
x = variable que nos define el nmero de motores que pueden fallar en el ao de
garanta =
= 0, 1, 2, 3,....,3840 motores que pueden fallar en el ao de garanta
b) p(x=2,3,4,....,3840;=3.2)=1-p(x=0,1;=3.2) =
=1- (0.04078 + 0.13048) = 0.82874
3. En un proceso de manufactura, en el cual se producen piezas de vidrio,
ocurren defectos o burbujas, ocasionando que la pieza sea indeseable para la
venta. Se sabe que en promedio 1 de cada 1000 piezas tiene una o ms
burbujas. Cul es la probabilidad de que en una muestra aleatoria de 8000
piezas, menos de 3 de ellas tengan burbujas?
Solucin:
n = 8000 piezas
p = 1/1000= 0.001 probabilidad de que una pieza tenga 1 o ms burbujas
= np = (8000)(1/1000) = 8 piezas en promedio con 1 o ms burbujas
x = variable que nos define el nmero de piezas que tienen 1 o ms burbujas =
= 0,1, 2, 3,....,8000 piezas con una o ms burbujas
= 0.000336 + 0.002686 + 0.010744 = 0.013766
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
Un agent e de seguros vende pl i zas a ci nco personas de l a mi sma
edad y que di sf rut an de buena sal ud. Segn l as t abl as act ual es, l a
probabi l i dad de que una persona en est as condi ci ones vi va 30 aos
o ms es 2/ 3. Hl l ese l a probabi l i dad de que, t ranscurri dos 30
aos, vi van:
Sol uci ones:
7 Las ci nco personas
B (5, 2/ 3) p = 2/ 3 q = 1/ 3
2 Al menos t res personas
F Exact ament e dos personas
REFERENCAS BBLOGRAFCAS
SUREZ, Mario, (2012), !nteraprendia"e de Pro#a#ilidades $ Estadstica
!nferencial con %xcel, &instats $ 'raph. M & V GRFC. barra-Ecuador.
HERNNDEZ MAHECHA, Carlo Marcelo (2000). ntroduccin a la Probabilidad.
Gua de Estudio. Santa fe de Bogot: UNAD.
http://thales.cica.es/rd/Recursos/rd98/Matematicas/28/matematicas-28.html
1
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
100402- Probabilidad
Trabajo Colaborativo No. 2
Grupo No. 168
http://www.aulafacil.com/CursoEstadistica/CursoEstadistica.htm