PROBABILIDAD 100402

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

CESAR AUGUSTO RUBIO

CDIGO: 5822788

TUTORA:
ANGELLI ARIAS

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIAUNAD

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:

Variable aleatoria discreta y continua, valor esperado y varianza

Distribucin binomial,
Distribucin binomial negativa y geomtrica
Distribucin de Poisson
Distribucin hipergeomtrica
Distribucin uniforme discreta y uniforme continua
Distribucin normal
Distribucin chi cuadrado y t de student

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.

DESARROLLO DEL TRABAJO

ESTUDIO DE CASO 1

La distribucin de probabilidad binomial

es una distribucin de probabilidad
discreta que se presenta con mucha
frecuencia. Una de sus caractersticas
consiste en que slo hay dos posibles
resultados en un determinado ensayo
del experimento y los resultados son
mutuamente
excluyentes;
Otra
caracterstica de la distribucin binomial
es el hecho de que la variable aleatoria
es el resultado de conteos. Es decir, se
cuenta el nmero de xitos en el nmero
total
de
ensayos.
Una
tercera
caracterstica de una distribucin
binomial consiste en que la probabilidad
de xito es la misma de un ensayo a
otro.

Un estudio del Departamento de Transporte de Illinois concluy que 76.2% de

quienes ocupaban los asientos delanteros de los vehculos utilizaba cinturn de
seguridad. Esto significa que los dos ocupantes de la parte delantera utilizaban
cinturones de seguridad. Suponga que decide comparar la informacin con el
uso actual que se da al cinturn de seguridad, para lo cual selecciona una
muestra de 12 vehculos.

INFORME A PRESENTAR:
Presente un informe en el que como mnimo incluya:

1.- Esta situacin cumple con los supuestos de la distribucin binomial?

Identifquelos
2.- Elabore un diagrama de barras para la distribucin de probabilidad binomial
que representa esta situacin
3.- Cul es la probabilidad que los ocupantes de la parte delantera en
exactamente 7 de los 12 vehculos seleccionados utilicen cinturones de
seguridad?
4.- Cul es la probabilidad que los ocupantes de la parte delantera de por lo
menos 7 de los 12 vehculos utilicen cinturn de seguridad?
5.- Cul es la probabilidad que los ocupantes de la parte delantera de mximo 7
de los 12 vehculos
6.- Encuentre el valor esperado del nmero de vehculos en los que los ocupantes
de la parte delantera utilizan el cinturn de seguridad?
Solucin

1.- Esta situacin cumple con los supuestos de la distribucin binomial?

Identifquelos

La situacin propuesta satisface los supuestos de distribucin binomial por los

siguientes motivos:

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

2.- Elabore un diagrama de barras para la distribucin de probabilidad binomial

que representa esta situacin

3.- Cul es la probabilidad que los ocupantes de la parte delantera en

exactamente 7 de los 12 vehculos seleccionados utilicen cinturones de
seguridad?
Para determinar esta probabilidad realizamos el siguiente Clculo:

n=12 y =0.762
7

P( x=7n=12 y =.762)=12 C 7 ( .762 ) ( 1.762 )

127

=792 (.149171 ) ( .000764 ) .0902

Como podemos observar la probabilidad de que exactamente en los 7 de los 12

vehculos los ocupantes utilicen el cinturn de seguridad es de un aproximado del
9%

4.- Cul es la probabilidad que los ocupantes de la parte delantera de por lo

menos 7 de los 12 vehculos utilicen cinturn de seguridad?

Para calcular este punto utilizamos la siguiente ecuacin:

P=(x 7n=12 y )=.762

P ( x=7 ) + P ( x=8 ) + P ( x=9 ) + P ( x =10 ) + P ( x=11 ) + P ( x=12 )

.0902+ .1805+.2467+.1436+.0383=.9562

Esto lo podemos comprobar en nuestro clculo previo en Excel, debido al

redondeo que maneja Excel esta cifra no da .9563

5.- Cul es la probabilidad que los ocupantes de la parte delantera de mximo 7

de los 12 vehculos
Usando la distribucin binomial acumulada podemos saber la respuesta de esta
pregunta y no solo para ese valor sino para cualquier otro, recordemos que solo

tenemos que sumas el primer valor con el clculo del segundo y as

consecutivamente:
P(X) Acumuladas
3,30311E-08
1,30209E-06
2,36493E-05
0,000262145
0,001980214
0,01078135
0,043656182
0,13387451
0,314405929
0,571296577
0,818041123
0,961676986
1

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?

Tenemos que tener en claro el valor de las probabilidades utilizando la distribucin

binomial:
x

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

Realizando algunos ejemplos obtenemos que

P ( 0 )=.7620 ( 1.762 )120 =3,3031108

P (1 ) =.7621 ( 1.762 )121=1,2690606
P (2 )=.7622 ( 1.762 )122=2,2347205

Y as sucesivamente hasta P (12)

Realizado en Excel mediante la frmula: Dist.Bino.n obtenemos los mismos

valores y podemos agilizar un poco el clculo

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

Ahora para hallar el valor esperado utilizamos la siguiente formula:

E= x . P(X )
Aplicando esto a las 12 pruebas realizadas obtenemos lo siguiente:
E= (x * P (0) + x*P (1)+x*P (12))

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

que consiste en acertar

6, 5, 4 o 3 nmeros en
cualquier orden de una
matriz del 1 al 45; El
jugador seala en un
tarjetn los 6 nmeros
que
escoge.
Los
nmeros
estn
representados en 45
balotas
numeradas del 1 al 45. Cada nmero aparece una sola vez y las balotas
ganadoras se seleccionan sin reemplazo. El premio acumulado se entrega a quien
haga coincidir los seis nmeros.

INFORME A PRESENTAR: Presente un informe en el que como mnimo incluya:

1.- Esta situacin cumple con los supuestos de la distribucin Hipergeomtrica?
Identifquelos (Sugerencia: Divida los 45 nmeros en dos grupos: ganadores y no
ganadores)

En teora de la probabilidad la distribucin hipergeomtrica es una distribucin

discreta relacionada con muestreos aleatorios y sin reemplazo (un juego que
consiste en acertar 6, 5, 4 o 3 nmeros en cualquier orden sin reemplazo).
Suponga que se tiene una poblacin de N elementos (45 balotas) de los cuales, d
(3, 4, 5 y 6) pertenecen a la categora A y N-d a la B (45-6, 45-5, 45-4, 45-3). La
(0 x d)
distribucin hipergeomtrica mide la probabilidad de obtener x
elementos de la categora A en una muestra sin reemplazo de n elementos de la
poblacin original.
2.- Usando la distribucin de probabilidad hipergeomtrica determinar la
probabilidad de que el jugador acierte los 6 nmeros
NT T
(
nX )( X )
P ( X , N , T , n)=
( Nn )

n!
(nk)= k ! (nk
)!
N=Total de la poblacin=45

T =Numero de xitos de la poblacin=6

n=Muestra=6

X =Nmero de xitos de lamuestra=6

456 6
39 6
(
66 )( 6 ) ( 0 )( 6)
P ( X , N , T , n)=
=
45
( 6 ) (456)
n!
39 !
39 !
= 39 =
=
=1
(nk)= k ! (nk
)! ( 0 ) 0 !(390)! 1(39)!
n!
6!
6!
=6 =
=
=1
(nk)= k ! (nk
)! ( 6 ) 6 ! (66)! 6 ! (1)
n!
45 !
45 !
=(45 )=
=
=8.145.060
(nk)= k ! ( nk
)!
6
6 ! ( 456 ) ! 6 ! ( 39 ) !

( 390)(66) = (1)(1) = 1 =1.22773 10

( 456) 8145060 8145060

3.- La empresa encargada del sorteo informa que la probabilidad de que

coincidan todos los nmeros es de 1 en 8145060. Qu significa esto en trminos
de probabilidad? Coincide esto con su respuesta anterior. El sorteo tambin otorga
un premio si el jugador hace coincidir 3, 4 o 5 de los nmeros ganadores.
Si, si coincide y significa que la probabilidad de acierto es:

1
8145060

4) Calcule la probabilidad, para hacer coincidir 3 de los 6 nmeros ganadores.

NT T
(
nX )( X )
P ( X , N , T , n)=
( Nn )
n!
(nk)= k ! (nk
)!
N=Total de la poblacin=45

T =Numero de xitos de la poblacin=6

n=Muestra=6

X =Nmero de xitos de lamuestra=3

456 6
39 6
(
63 )( 3 ) ( 3 )( 3)
P ( X , N , T , n)=
=
45
( 6 ) (456)
n!
39!
39 !
=(39 )=
=
=9139
(nk)= k ! (nk
)!
3
3 !(393)! 6 (36)!
n!
6!
6!
=(6 ) =
=
=20
(nk)= k ! (nk
)! 3 3 !(63) ! 6 ( 3 ! )
n!
45 !
45 !
= 45 =
=
=8.145.060
(nk)= k ! ( nk
) ! ( 6 ) 6 ! ( 456 ) ! 6 ! ( 39 ) !

( 393)(63) = (9139)(20) =0.02244059 .

8145060
45
(6)
5) Calcule la probabilidad de que coincidan 4 de los 6 nmeros ganadores

NT T
(
nX )( X )
P ( X , N , T , n)=
( Nn )
n!
(nk)= k ! (nk
)!
N=Total de la poblacin=45

T =Numero de xitos de la poblacin=6

n=Muestra=6

X =Nmero de xitos de la muestra=4

456 6
39 6
(
64 )( 4 ) ( 2 )( 4 )
P ( X , N , T , n)=
=
45
( 6 ) (456)
n!
39!
39 !
=(39 )=
=
=741
(nk)= k ! (nk
)!
2
2 !(392)! 2(37 !)
n!
6!
6!
=( 6 )=
=
=15
(nk)= k ! (nk
)! 4 4 ! (64 )! 24 ( 2 ! )
n!
45 !
45 !
= 45 =
=
=8.145.060
(nk)= k ! ( nk
) ! ( 6 ) 6 ! ( 456 ) ! 6 ! ( 39 ) !

( 392)(64 ) = (741)(15) =0.00136463083

8145060
45
(6)
6) Calcule la probabilidad de que coincidan 5 de los 6 nmeros ganadores

NT T
(
nX )( X )
P ( X , N , T , n)=
( Nn )
n!
(nk)= k ! (nk
)!
N=Total de la poblacin=45

T =Numero de xitos de la poblacin=6

n=Muestra=6

X =Nmero de xitos de lamuestra=5

456 6
39 6
(
65 )( 5 ) ( 1 )( 5)
P ( X , N , T , n)=
=
45
( 6 ) (456)
n!
39 !
39 !
=(39 )=
=
=39
(nk)= k ! (nk
)!
1
1! (391)! 1(38 !)
n!
6!
6!
=(6 ) =
=
=6
(nk)= k ! (nk
)! 5 5 !(65) ! 120 ( 1 ! )
n!
45 !
45 !
= 45 =
=
=8.145.060
(nk)= k ! ( nk
) ! ( 6 ) 6 ! ( 456 ) ! 6 ! ( 39 ) !

( 392)(64 ) = (39)( 6) =0.000028729070

8145060
45
(6)
7) Con base en los resultados obtenidos, usted invertira dinero en el Baloto?
La probabilidad de acierto es muy poca, todo va en la suerte de cada
individuo.

ESTUDIO DE CASO 3

La distribucin de probabilidad de Poisson describe el nmero de veces que se

presenta un evento durante un intervalo especfico. El intervalo puede ser de
tiempo, distancia, rea o volumen. La distribucin 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
ms grande sea el intervalo, mayor ser la
probabilidad; adems, el nmero de veces
que se presenta un evento en un intervalo no
influye en los dems intervalos.

Esta distribucin posee diversas aplicaciones.

Se le utiliza como modelo para describir la
distribucin de errores en una
entrada de datos, el nmero de rayones y otras imperfecciones en las cabinas de
automviles recin pintados, el nmero de partes defectuosas en envos, el
nmero de clientes que esperan mesa en un restaurante, el nmero de accidentes
en una carretera en un periodo determinado.

La compaa de aviacin Delta Airlines, se caracteriza por su responsabilidad y

cuidado con el equipaje de sus pasajeros, por lo que pocas veces se pierde
equipaje. En la mayora de los vuelos no se pierden maletas; en algunos se pierde
una; en unos cuantos se pierden dos; pocas veces se pierden tres, etc. Suponga
que una muestra aleatoria de 1 000 vuelos arroja un total de 300 maletas
perdidas. De esta manera, el nmero promedio de maletas perdidas por vuelo es
de 0.3.

Prepare un informe en el que como mnimo, incluya:

1.- Esta situacin cumple con los supuestos de la distribucin Poisson?

Identifquelos.
El nmero de maletas perdidas se rige por una distribucin de Poisson con

=0.3 las diversas probabilidades se calculan con la formula p ( x )= x

e
x!

2.- Determine cul es la probabilidad de que en un vuelo no se pierda ninguna

maleta.
p ( o )=

( 0.3 )0 ( e0.3 )
=0.7408
0!

La probabilidad de que en un vuelo no se pierda ninguna maleta es del 74%.

3.- Determine cul es la probabilidad de que en un vuelo se

Pierda exactamente una maleta.

( 0.3 )1 ( e0.3 )
p (1 ) =
=0.2222
1!
La probabilidad de que se pierda una maleta es del 22%.

4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y

cuatro maletas.

( 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!

5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms

de cuatro maletas.
La probabilidad de que se pierdan en un vuelo ms de 4 maletas es del 0.0%

6.- En qu momento debe sospechar el supervisor de la Aerolnea que en un

vuelo se estn perdiendo demasiadas maletas?

Un superviso no debe sorprenderse de que se pierda una maleta pero debe

esperar ver con menos frecuencia ms de una maleta perdida.

CASO 4
TEORIA DEL CASO 4

Entre las personas sin hogar, la

puntuacin media del cuestionario CESD
es 23,5 con una desviacin estndar de
7.5 y se considera que para la Variable X
= puntuacin del CESD, la distribucin
es normal. Como trabajador en el rea
de admisiones en un refugio para
personas sinhogar, usted es el encargado
de aplicar el CESD y debe evaluar los
resultados para las nuevas personas que
lleguen al centro.
Para una poblacin grande de personas
sin hogar, Wong y Piliavin (2001)
examinaron factores de estrs, recursos y
agotamiento psicolgico empleando la
Escala de Depresin del Centro de
Estudios Epidemiolgicos (CESD), un
cuestionario de evaluacin comunitario.
ESTUDIO DE CASO 4
no existe una sola distribucin de probabilidad normal, sino una familia de ellas.
cada una de las distribuciones puede tener una media () o una desviacin estndar distinta)

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

es generada por una variable aleatoria

esta defnida sobre el conjunto de todos los sucesos, cada uno de los sucesos es el rango de
valores de la variable aleatoria

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

que una persona que llegue al refugio tenga una

puntuacin entre 16 y 20 puntos es de 16%.

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

5. Las personas sin hogar con puntacin en el 25% ms bajo, se le enva a un

servicio de orientacin laboral para mejorar sus recursos. Qu puntuacin
permite calificar a una persona para acceder a este servicio?
Se busca en la tabla el valor 0,25:
P [ Z=0,25 ]=0,67
Se reemplaza:

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".

En resumen, la importancia de la distribucin normal se debe principalmente a que

hay muchas variables asociadas a fenmenos naturales que siguen el modelo de
la normal.

Distribucin uniforme discreta

La variable aleatoria discreta ms sencilla, es aquella que tomo solo un numero
finito de valores posible n, cada uno con las misma probabilidad. Ella se denomina
valores entonces variable aleatoria discreta uniforme y su distribucin uniforme
discreta est dada por:
F (x) = 1/n.

Distribucin uniforme continua

La distribucin o modelo uniforme puede considerarse como proveniente de un
proceso de extraccin aleatoria .El planteamiento radica en el hecho de que la
probabilidad se distribuye uniformemente a lo largo de un intervalo. As: dada una
variable aleatoria continua, x, definida en el intervalo [a,b] de la recta real, diremos
que x tiene una distribucin uniforme en el intervalo [a,b] cuando su funcin de
densidad para

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:

La puntuacin de Sushi (44) se traducira en una probabilidad de rentabilidad

aproximada de 0.81. En otras palabras, 81% de los clientes como Sushi
generaran dinero a las operaciones con tar- jeta del banco. A continuacin se
muestran los resultados de las entrevistas con los tres posibles clientes.

Prepare un informe en el que como mnimo, incluya:

1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables.
RTA/ David Born tiene 42 aos (18 puntos); ha vivido en el mismo domicilio
durante nueve aos (20 puntos); desde hace dos aos es dueo de un automvil
(13 puntos), por el que realiza pagos de $140 (4puntos); realiza gastos domsticos
de $300 (10 puntos) y posee una cuenta de cheques y de ahorros (15 puntos).
La calificacin que obtiene es de 80 puntos.

En la siguiente tabla nos muestra la calificacin en la probabilidad en la que puede

ser rentable el cliente David Born.
puntuacin

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

La puntuacin de Edward es de (44) se traducira en una probabilidad de

rentabilidad aproximada de 0.81. En otras palabras, 81% de los clientes como
Edward generaran dinero a las operaciones con tarjeta del banco.

El siguiente cliente es Ann Mclaughlin tiene 33 aos (o puntos); ha vivido en el

mismo domicilio durante cinco aos (20 puntos); desde hace siete aos es dueo
de un automvil (3 puntos), por el que realiza pagos de $175 (4puntos); es
propietaria de su vivienda (12 puntos) y no posee ninguna tarjeta (0 puntos).
La calificacin que obtiene este cliente es de 39 puntos.
puntuacin

30

40

50

60

70

80

90

Probabilida

70

78

85

90

94

95

96

La puntuacin de Ann es de 39 puntos segn la tabla se encuentra en una

probabilidad de rentabilidad aproximada de 0.77. En otras palabras el 77%, nos da
como resultado que puede generar muy buena rentabilidad con su tarjeta de
crdito.

. 2.- Cul es la probabilidad de que los tres resulten rentables?

La probabilidad de que los tres sean rentables es del 84%, porque segn la tabla
nos muestra un alto porcentaje de probabilidad de que estos clientes generan
buenos ingresos con su tarjeta de crdito para el banco

Son las condiciones mnimas que deben verificarse para que una
funcin que definimos sobre unos sucesos determine
consistentemente valores de probabilidad sobre dichos sucesos.

PROPIEDADES QUE SE DEDUCEN DE LOS AXIOMAS

De los axiomas anteriores se deducen otras propiedades de la probabilidad:
Axiomas de Probabilidad
1.- donde el conjunto vaco representa en probabilidad el suceso imposible
2.-Para cualquier suceso
3.4.-Si entonces
5.-

Regla adicin: Si una primera operacin puede

realizarse de m maneras y una segunda operacin de n
maneras, entonces una operacin o la otra pueden
efectuarse de: m + n maneras.

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.

En la teora fundamental del conteo se tienen dos principios bsicos,

que son la base para desarrollar otros conceptos como permutaciones
y combinaciones que se vern ms adelante.

Principio aditivo : Este principio tiene las mismas

premisas del principio multiplicativo, pero con la
condicin
no
de
que
los
eventos
sean
independientes sino de que sean mutuamente
Tcnica de conteo
excluyentes, es decir que cada uno ocurra sin la
necesidad de que otro lo haga. El nmero total de
maneras en las que pueden realizarse los eventos es la
adicin

Permutacin: Hace referencia al acomodo y orden

de los elementos de un conjunto, para una mayor
manipulacin de dichos elementos.

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

Ditutor.com. (2015). Distribucin binomial. [online] Available at:

http://www.ditutor.com/distribucion_binomial/distribucion_binomial.html
[Accessed 20 Apr. 2016].

Vadenumeros.es. (2016). Distribucin binomial frmula y ejemplos. [online]

Available at: http://www.vadenumeros.es/sociales/distribucion-binomialparametros.htm [Accessed 11 Apr. 2016].

Vitutor.com. (2014). Clculo de probabilidades en una distribucin binomial

- Vitutor. [online] Available at: http://www.vitutor.com/pro/3/b_2.html
[Accessed 20 Apr. 2016].

YouTube. (2013). Distribucin binomial (para variables aleatorias discretas).

[online] Available at: https://www.youtube.com/watch?v=G1w5gZZaAOg
[Accessed 12 Apr. 2016].