Académique Documents
Professionnel Documents
Culture Documents
TRABAJO COLABORATIVO 2
PRESENTADO POR:
DIEGO FRANCISCO BALLN LEN
C.C. 1075626149
DIEGO FERNANDO GUEVARA PINZN
CDIGO: 80090765
ORLANDO RODRGUEZ
CDIGO: 1075628254
JAMES EDUARDO MONTEALEGRE OLIVARES
CDIGO: 1.105.676.815
TUTORA:
ANGELLI ARIAS
MAYO DE 2016
INTRODUCCIN
El siguiente trabajo colaborativo tiene como objetivo evaluar los conocimientos
adquiridos de la unidad 2 del curso de probabilidad por medio de la solucin de
varios ejercicios propuestos en la gua integradora de actividades, donde se
establecern las diferencias entre variables aleatorias discretas y continuas, en
trminos de su funcin de probabilidad, valor esperado, varianza y desviacin
estndar se reconocen algunas de las distribuciones de probabilidad ms
comunes como:
OBJETIVOS
Objetivo General
Analizar el estudio de los diferentes casos planteados por la tutora del curso, para
de esta forma desarrollarlos con la ayuda de los temas planteados por la qua.
Objetivos especficos
Comprender los temas de la unidad 2 para de esta forma desarrollar cada uno de
los casos propuestos.
Interpretar los conceptos de la unidad 2.
INFORME A PRESENTAR:
Presente un informe en el que como mnimo incluya:
1) Solo hay dos posibles resultados en esta prueba para un vehculo en particular,
ambos ocupantes de la parte delantera utilizan cinturn de seguridad , o no lo
usan
2) En este caso propuesto se verifican solo 12 vehculos, entonces existe una
cantidad fija de pruebas
3) Al realizar la prueba y verificar si los ocupantes utilizan cinturn de seguridad,
la probabilidad es del 76.2% en el siguiente vehculo y no vara, por ser
pruebas independientes
4) Como lo mencionamos anteriormente las pruebas son independientes, si en el
5 vehculo todos los ocupantes utilizan cinturn de seguridad, o no lo usan esto
no afectara los resultados de los dems vehculos
n=12 y =0.762
7
127
P(X<=1)
P(X<=2)
P(X<=3)
P(X<=4)
P(X<=5)
P(X<=6)
P(X<=7)
P(X<=8)
P(X<=9)
P(X<=10
)
P(X<=11
)
P(X<=12
)
6.- Encuentre el valor esperado del nmero de vehculos en los que los ocupantes
de la parte delantera utilizan el cinturn de seguridad?
P=n C x ( 1 )
n x
Dnde:
C: Representa la combinacin
n: es el nmero de pruebas
x: es la variable aleatoria definida que representa el nmero de xitos
: es la probabilidad de xito de cada prueba
12
P(X)
0,762
3,30311E-08
1,26906E06
2,23472E05
0,00023849
6
0,00171807
0,00880113
6
0,03287483
1
2
3
4
5
6
7
8
9
10
11
12
2
0,09021832
6
0,18053142
0,25689064
8
0,24674454
7
0,14363586
3
0,03832301
4
Reemplazando tenemos:
E=(0*3,30311E-08+1*1,26906E-06+2*2,23472E-05+12*0,038323014) =
9.14
E= 9.14
CASO 2
TEORIA CASO 2
ESTUDIO DE CASO 2
El Baloto, es la lotera en
lnea
de
Colombia,
supervisado por ETESA
(Empresa territorial para
la salud). Es un juego
n!
(nk)= k ! (nk
)!
N=Total de la poblacin=45
1
8145060
NT T
(
nX )( X )
P ( X , N , T , n)=
( Nn )
n!
(nk)= k ! (nk
)!
N=Total de la poblacin=45
NT T
(
nX )( X )
P ( X , N , T , n)=
( Nn )
n!
(nk)= k ! (nk
)!
N=Total de la poblacin=45
NT T
(
nX )( X )
P ( X , N , T , n)=
( Nn )
n!
(nk)= k ! (nk
)!
N=Total de la poblacin=45
ESTUDIO DE CASO 3
e
x!
( 0.3 )0 ( e0.3 )
=0.7408
0!
( 0.3 )1 ( e0.3 )
p (1 ) =
=0.2222
1!
La probabilidad de que se pierda una maleta es del 22%.
( 0.3 )2 ( e0.3 )
p (2 )=
=0.0333la probabilidad de que se pierdan dos maletas es del0.0333
2!
( 0.3 )4 ( e0.3 )
p ( 4 )=
=0.0003 la probabilidad de que se pierdan 4 maletas es del0.0003
4!
CASO 4
TEORIA DEL CASO 4
La probabilidad de que una variable aleatoria (v.a.) X tome un valor determinado entre dos
nmeros reales a y b coincide con el rea encerrada por la funcin
La distribucin normal es simtrica respecto de su media
slo se pueden agrupar en forma arbitraria en categoras, porque por su naturaleza pueden
tomar cualquier valor a lo largo de un continuo (o de una escala numrica continua).
es continua, cuando puede tomar infnitos valores intermedios dentro de dos valores
consecutivos. Por ejemplo, la estatura, el peso, la temperatura.
distribucion
normal
funcion de
densidad de
probabilidad
distribucion de
probabilidad
variable
continua
Dentro de las polticas del refugio se encuentra que cualquier persona cuya
puntuacin sea de 20 o ms puntos en el CESD debe enviarse a ver a un doctor.
INFORME A PRESENTAR:
Prepare un informe en el que como mnimo, incluya:
1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al
doctor
2. La probabilidad de que una persona que llegue al refugio tenga una puntacin
de 10 o menos puntos
3. La probabilidad de que una persona que llegue al refugio tenga una puntuacin
entre 16 y 20 puntos
4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser
enviadas a los servicios de prevencin de suicidios, Qu puntuacin hace
calificar a una persona que llega al refugio para este servicio?
5. Las personas sin hogar con puntacin en el 25% ms bajo, se les enva a un
servicio de orientacin laboral para mejorar sus recursos. Qu puntuacin
permite calificar a una persona para acceder a este servicio?
Solucin:
Seleccin de Datos:
=7,5
x =23,5
X =puntuacin del CESD
1. La probabilidad de que una persona que llegue al refugio sea enviada a ver
al doctor.
Distribucin normal:
xN ( 23,5,7,5 )
p [ x 20 ]
z=
Se resuelve:
z=
2023,5
7.5
z=0,466
z=0,47
P [ Z=0,47 ] 0,1808 18,08
P [ Z 0,47 ] 0,1808+0,5=0,68 68
RESPUESTA: la probabilidad de que una persona llegue al refugio sea enviada a
ver al doctor por tener 20 puntos es 18,08% y la probabilidad de que una persona
llegue al refugio y sea enviado al doctor por tener ms de 20 puntos es 68,08%.
2. La probabilidad de que una persona que llegue al refugio tenga una
puntacin de 10 o menos puntos.
Distribucin normal:
x N ( 23,5,7,5 )
p [ x 10 ]
z=
z=
1023,5
7.5
z=1,8
P [ Z=1,8 ] 0,46 46
P [ Z 0,47 ] 0,50,46=0,04 4
Respuesta: la probabilidad de que una persona que llegue al refugio tenga una
puntuacin de 10 es de 46% y la probabilidad de una puntuacin de menos de 10
es 4%.
3. La probabilidad de que una persona que llegue al refugio tenga una
puntuacin entre 16 y 20 puntos.
x N ( 23,5,7,5 )
p [ 16 x 20 ]
z=
z=
1623,5
7.5
z=1
P [ Z=1 ] =0,34 34
z=
z=
1623,5
7.5
z=1
P [ Z=0,47 ] 0,18 18
Se restan los dos resultados:
P [ 16 Z 20 ]
0,340,18=0,16 16
Respuesta: La probabilidad de
4. Si las personas sin hogar con puntuacin en el 15% ms alto deben ser
enviadas a los servicios de prevencin de suicidios, Qu puntuacin hace
calificar a una persona que llega al refugio para este servicio?
100 15 =85
0,850,5=0,35
Se busca este valor en la tabla:
P [ Z=0,35 ]=1,04
Se reemplaza:
1,04=
1,04=
x23,5
7,5
Se despeja x:
7,5 (1,04 )=x23,5
7,8+23,5=x
x=31,3
0.67=
0,67=
x23,5
7,5
Se despeja x:
7,5 (0,67 )=x23,5
5,025+23,5=x
x=17,975
CASO 5
TEORIA DEL CASO 5
Distribucin binomial negativa y geomtrica
Es 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..Es por tanto de gran utilidad para aquellos
muestreos que procedan de esta manera. Si el nmero de resultados favorables
buscados fuera 1 estaramos en el caso de la distribucin geomtrica. Est
implicada tambin la existencia de una dicotoma de resultados posibles en cada
prueba y la independencia de cada prueba o ensayo, o la reposicin de los
individuos muestreados.
Distribucin normal
Esta distribucin es frecuentemente utilizada en las aplicaciones estadsticas. Su
propio nombre indica su extendida utilizacin, justificada por la frecuencia o
normalidad con la que ciertos fenmenos tienden a parecerse en su
comportamiento a esta distribucin.
Muchas variables aleatorias continuas presentan una funcin de densidad cuya
grfica tiene forma de campana.
En otras ocasiones, al considerar distribuciones binomiales, tipo B(n,p), para un
mismo valor de p y valores de n cada vez mayores, se ve que sus polgonos de
frecuencias se aproximan a una curva en "forma de campana".
sea:
para x [a,b].
ESTUDIO DE CASO 5
Para entregar una Tarjeta de crdito en los bancos del grupo Aval, los analistas del
banco clasifican o califican al cliente en funcin de la probabilidad de que resulte
rentable. Una tabla habitual de calificaciones es la siguiente:
La calificacin es la suma de los puntos de los seis rubros. Por ejemplo, Sushi
Brown tiene menos de 25 aos (12 puntos); ha vivido en el mismo domicilio
durante dos aos (0 puntos); desde hace cuatro aos es dueo de un automvil
(13 puntos), por el que realiza pagos de $75 (6 puntos); realiza gastos domsticos
de $200 (10 puntos) y posee una cuenta de cheques (3 puntos). La calificacin
que obtendra sera de 44. Despus, con una segunda tabla, se convierten las
calificaciones en probabilidades de rentabilidad del cliente, as:
30
40
50
60
70
80
90
Probabilida
70
78
85
90
94
95
96
Como nos muestra la tabla David tiene una puntuacin de 80 lo que nos da como
resultado una rentabilidad de 0.95, en otras palabras el 95% de este cliente nos da
a entender que es muy rentable para los ingresos que puede generar con su
tarjeta de crdito.
Edward Brendan tiene 23 aos (12 puntos); ha vivido en el mismo domicilio
durante dos aos (0 puntos); desde hace tres aos es dueo de un automvil (13
puntos), por el que realiza pagos de $99 (6puntos); realiza gastos domsticos de
$200 (10 puntos) y posee una cuenta de cheques (3 puntos).
La calificacin que obtiene este cliente es de 44 puntos
puntuacin
30
40
50
60
70
80
90
Probabilida
70
78
85
90
94
95
96
30
40
50
60
70
80
90
Probabilida
70
78
85
90
94
95
96
Son las condiciones mnimas que deben verificarse para que una
funcin que definimos sobre unos sucesos determine
consistentemente valores de probabilidad sobre dichos sucesos.
Teorema de Bayes:
Se le llama as al clculo de las probabilidades la
determinacin de la probabilidad de las causas a partir de los
efectos que han podido ser observados.
Teorema de Bayes
Regla del exponente
Como su nombre lo indica es elevar o exponer el conjunto de
elementos determinado elevado al nmero de elementos que
lo componen, si se tienen un conjunto de N elementos y se
construye con estos elementos un conjunto de n elementos,
con la condicin de que cada vez que se tome un elemento del
conjunto de N elementos este sea nuevamente reemplazado.
CONCLUSIN
Gracias al desarrollo de este estudio de casos me he dado cuenta que las
variables aleatorias y las distribuciones de probabilidad son de gran utilidad ya
quedando un buen uso de las frmulas que estas nos ofrecen podemos
dar solucin rpida a problemas que se nos pueden presentar en cualquier parte
de nuestro trabajo, ya sea en la administracin de una empresa o en la vida
cotidiana.
BIBLIOGRAFA