ACTIVIDAD INDIVIDUAL

UNIDAD 2: VARIABLES ALEATORIAS Y DISTRIBUCIONES DE PROBABILIDAD.

FASE 2 DISTRIBUCIONES DE PROBABILIDAD

ESTUDIO CASO 2

MARIO ANDRES RODRIGUEZ VERGARA

CDIGO: 1065609164

PROBABILIDAD
GRUPO: 100402_45

LEIDY JOHANA SUAREZ

TUTORA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS BASICAS, TECNOLOGIAS E INGENIERIAS ECBTI
CEAD VALLEDUPAR
2017
 INTRODUCCION

El objetivo de este trabajo es comprender y aplicar los conceptos bsicos de la

probabilidad concernientes a la unidad 2, por medio de la realizacin de los casos
propuestos en el curso, para una mejor comprensin y permitir a los estudiantes
solucionar situaciones que requieran aplicar las estadsticas probabilsticas y adquirir
destrezas en el desarrollo adecuado de problemas lo cual nos puede servir tanto a nivel
profesional como personal.

Para el desarrollo del caso de estudio nmero 2 es necesario aplicar una distribucin
discreta relacionada con muestreos aleatorios.
Caso 1
Un estudio del Departamento de Transporte de Illinois concluy que 85.2% 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 8 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
Partiendo del concepto de distribucin binomial el cual consiste en repetir una prueba n
veces. La prueba solo puede oscilar entre dos resultados xito o fracaso con la suma de
esas dos probabilidades igual a 1.
A la probabilidad de xito se le llama p; y este problema presentar la caracterstica donde
la probabilidad de cada prueba es independiente del resultado de las anteriores, es decir,
que p es constante para todas las pruebas.
Al analizar la situacin planteada y la estructura del enunciado existen dos posibles
resultados los cuales son mutuamente excluyentes; si cumple las dos posibilidades,
utiliza o no utiliza el cinturn de seguridad y estos son mutuamente excluyentes, ya que
no se pueden dar los dos casos al mismo tiempo.

Las variables aleatorias son el resultado de conteos; puesto que si el experimento se lo

hace a 8 vehculos, se cuenta cuntos de ellos utilizan el cinturn de seguridad.

La probabilidad de xito es la misma de un ensayo a otro. Debido al estudio en el

departamento de transporte Illionis, la probabilidad es del 85,2%

Por otro lado este problema no cumplira completamente los requisitos de una distribucin
binomial, cuando suceda el caso donde salga un conductor con cinturn y la probabilidad
de que los otros lleven cinturn influir disminuyendo o aumentando la probabilidad. Pero
se supone que la cantidad de conductores es tan grande que esa diferencia es
despreciable.
Por tanto, podemos asumir que es una probabilidad de distribucin binomial casi perfecta,
Binomial (12, 0.852).
=8
= 0.852

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

representa Esta situacin

x P(x) P(x)
0 0,0000002302 0.4500000000
1 0,0000106014
0.4000000000
2 0,0002136031
3 0,0024593220 0.3500000000
4 0,0176971479 0.3000000000
5 0,0815025406 0.2500000000
6 0,2345951508
0.2000000000
7 0,3858592055
8 0,2776621986 0.1500000000
0.1000000000
0.0500000000
-
0 1 2 3 4 5 6 7 8 X

x P(x) P(x) Acumulado

0 0,0000002302 0,0000002302
1 0,0000106014 0,0000108316 P(x<=1)
2 0,0002136031 0,0002244346 P(x<=2)
3 0,0024593220 0,0026837566 P(x<=3)
4 0,0176971479 0,0203809045 P(x<=4)
5 0,0815025406 0,1018834452 P(x<=5)
6 0,2345951508 0,3364785959 P(x<=6)
7 0,3858592055 0,7223378014 P(x<=7)
8 0,2776621986 1,0000000000 P(x<=8)

Para realizar los clculos aplicamos la frmula:

() = () () ()
3.- Cul es la probabilidad que los ocupantes de la parte delantera en exactamente
6 de los 8 vehculos seleccionados utilicen cinturones de seguridad?

Aplicamos la frmula para = 6

 = 1 = 1 0.852 = 0.148

N= 8
P= 0,852
Q= 0,148

8
( = 6) = ( ) (0.852)6 (0.148)2 = 0.2345951
6

La probabilidad de que exactamente 6 de los 8 vehculos seleccionados tengan el

cinturn de seguridad es el 23,4%

4.- Cul es la probabilidad que los ocupantes de la parte delantera de por lo menos
6 de los 8 vehculos utilicen cinturn de seguridad?

( 6) = ( = 6) + ( = 7) + ( = 8)
( = 6) = 8 6 (0.852)6 (0.148)2 = 0,234
( = 7) = 8 7 (0.852)7 (0.148)1 = 0,385
( = 8) = 8 8 (0.852)8 (0.148)0 = 0.277
( 6) =0,8981= 89,8%

La probabilidad de que al menos 6 de los 8 vehculos los ocupantes de la parte

delantera utilice cinturn de seguridad es de 89,8%

5.- Cul es la probabilidad que los ocupantes de la parte delantera de mximo 6

de los 8 Vehculos?

Es un Binomial (; ) = (8; 0.852)

= .
6

( <= 6) = , 6(6) = 1 ( < 6)

( <= 6) = ( = 0) + ( = 1) + ( = 2) + ( = 3) + ( = 4) + ( = 5) + (
= 6)

( = 0) = 8 0 (0.852)0 (0.148)8 =0,00000023

( = 1) = 8 1 (0.852)1 (0.148)7 = 0,00001
 ( = 2) = 8 2 (0.852)2 (0.148)6 = 0,00021
( = 3) = 8 3 (0.852)3 (0.148)5 = 0.00245
( = 4) = 8 4 (0.852)4 (0.148)4 = 0,01769
( = 5) = 8 5 (0.852)5 (0.148)3 = 0,08150
( = 6) = 8 6 (0.852)6 (0.148)2 = 0.23459
( <= 6) = 0,00000023 + 0,00001 + 0,00021 + 0.00245 + 0,01769 + 0,08150 +
0.23459 = 0,33647

La probabilidad de que mximo 6 de los 8 vehculos los ocupantes de la parte delantera

utilice cinturn de seguridad es de 33,6%

6.- Encuentre el valor esperado del nmero de vehculos en los que los ocupantes
de la parte delantera utilizan el cinturn de seguridad

Para resolver este punto aplicamos la formula () = , ~(8, 0.852)

() = = 8 (0.852) = 6.816

El valor esperado del nmero de vehculos en los que los ocupantes de la parte delantera
utilizan el cinturn de seguridad es de 6.
RESUMEN

Modelos univariantes de distribucin de probabilidad:

El objetivo es suministrar un modelo de probabilidad para describir el comportamiento de
una variable real (funcin de probabilidad para variables aleatorias discretas o funcin de
densidad para las continuas). En la prctica, ser muy difcil construir un modelo de
probabilidad a la medida de un problema concreto, con lo que la opcin ms realista ser
la seleccin de uno de los modelos ya existentes. Un modelo ser de utilidad si supone
una buena aproximacin del comportamiento de una variable aleatoria real Usualmente
se emplean indistintamente el trmino variable aleatoria y el trmino distribucin. Por
ejemplo se puede decir que el resultado de cierto experimento es una variable aleatoria
uniforme o que es una variable de distribucin uniforme.

Distribucin binomial
En un contexto ms general, una variable aleatoria binomial X B(n, p) se define como
el nmero de sucesos, o xitos, observados en n realizaciones de un experimento de
Bernoulli (estable e independiente).
La variable binomial se define en un proceso de Bernoulli por:

y = nmero de elementos defectuosos al observar n

El espacio muestral de y o conjunto de valores posibles son los valores 0, 1, ..., n.

Para calcular la probabilidad de un valor particular r, consideremos el suceso r elementos
defectuosos, seguidos de n r aceptables, que representaremos


Por la hiptesis de independencia, la probabilidad de este suceso es:
(1 ) (1 ) = (1 )

La probabilidad de r elementos defectuosos en cualquier orden requiere sumar las

probabilidades de todos los sucesos excluyentes que verifican esta condicin. Estos
sucesos se obtienen permutando las letras anteriores de todas las formas posibles.
Su nmero es igual a las permutaciones de n elementos con r y n r repetidos; este
nmero es:
!
= ( )
! ( )!
CONCLUSIONES

En casos de estudio como el que analizamos anteriormente es importante aplicar los

mtodos de distribucin de probabilidad discreta, como son el mtodo de binomial o
distribucin binomial y el valor esperado entre otros, son tiles para poder determinar la
probabilidad o las experiencias repetidas sin devolucin de los elementos extrado o sin
retorno que proporciona el experimento inicial.

De esta manera, podemos dar solucin a los casos presentados por las diferentes
situaciones de anlisis estadstico que requieran este tipo de soluciones, dadas en la
actividad colaborativa.
BIBLIOGRAFA

Pea, Daniel. Fundamentos de estadstica. Madrid, ES: Difusora Larousse -

Alianza Editorial, 2014. ProQuest ebrary. Web. 18 June 2017. Pagina 165 - 167
Copyright 2014. Difusora Larousse - Alianza Editorial. All rights reserved.

M. Pliego Lpez, R. M. Prez, Estadstica I (2004) 2nd ed., pp. 27-94. Madrid:
Paraninfo.