DESARROLLO TAREA 2 - EXPERIMENTOS ALEATORIOS Y

DISTRIBUCIONES DE PROBABILIDAD

PRESENTADO POR:
PAULA ALEJANDRA BULLA ABRIL
COD: 1.032.486.584

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

PROBABILIDAD
TUTOR MANUEL FRANCISCO CIFUENTES
ABRIL DEL 2019
 Caso 1:
Distribución Hipergeométrica: Una compañía tiene siete solicitantes para dos puestos
de trabajo: tres mujeres y cuatro hombres. Suponga que los siente solicitantes están
igualmente calificados y que no se da preferencia para elegir género alguno. Sea x igual
al número de mujeres escogido para ocupar las dos posiciones.
Solución:
a. Escriba la fórmula para p(x), la distribución de probabilidad de x.
(𝐶𝑘, 𝑥) ∗ (𝐶𝑁 − 𝐾; 𝑛 − 𝑥)
𝑃(𝑥):
𝐶𝑁, 𝑛
𝐶3,2 ∗ 𝐶7 − 3; 2 − 2
𝑃(𝑥):
𝐶7,2
3∗1
𝑃(𝑥):
252
1
𝑃(𝑥):
84
𝑃(𝑥): 0,0119 …

b. ¿Cuáles son la media y la varianza de esta distribución?

𝑀 3
µ: 𝑛 ( ) = 2( )
𝑁 7
6
µ:
7
µ: 0.8571
Media igual a 0.8571

𝑀 𝑁−𝑀 𝑁−𝑛
σ2 : n ( )( )( )
𝑁 𝑁 𝑁−1

3 7−3 7−2
σ2 : 2( )( )( )
7 7 7−1
3 4 5
σ2 : 2( )( )( )
7 7 6
20
σ2 :
49
σ2 : 0,6388
Varianza igual 0,6388

Probabilidad x
2.5
POSICION1 POSICION 2

2
2

1.5

1
1

0.5

0
Categoría 1

Caso 2:
Distribución Binomial: La preferencia por el color de un auto cambia con los años y de
acuerdo con el modelo particular que seleccione el cliente. En año reciente, suponga que
10% de todos los autos de lujo que se vendieron eran negros. Si 25 autos de ese año y tipo
se seleccionan al azar, encuentre las siguientes probabilidades:
Solución:

a. Al menos cinco autos sean negros.

𝑃(𝑥 < 5) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4)
25
𝑃(𝑋 = 0) = ∗ (0,1)0 ∗ (0,9)25−0 = 0,071
0
25
𝑃(𝑋 = 1) = ∗ (0,1)1 ∗ (0,9)25−1 = 25 ∗ 0,1 ∗ (0,9)24 = 0,1994
1
25
𝑃(𝑋 = 2) = ∗ (0,1)2 ∗ (0,9)25−2 = 0,2658
2
25
𝑃(𝑋 = 3) = ∗ (0,1)3 ∗ (0,9)25−3 = 0,2265
3
25
𝑃(𝑋 = 4) = ∗ (0,1)4 ∗ (0,9)25−4 = 0,1384
4
𝑷(𝒙 < 𝟓) = 0.902
𝑷(𝒙 >= 𝟓) = 1 − 𝑷(𝒙 < 𝟓) = 𝟏 − 𝟎, 𝟗𝟎𝟐 = 𝟎. 𝟎𝟗𝟖

b. A lo sumo seis autos son negros.

 𝑷(𝒙 <= 𝟔) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + ⋯ + 𝑃(𝑋 = 6)
25
𝑃(𝑋 = 1) = ∗ (0,1)1 ∗ (0,9)25−1 = 25 ∗ 0,1 ∗ (0,9)24 = 0,1994
1
25
𝑃(𝑋 = 2) = ∗ (0,1)2 ∗ (0,9)25−2 = 0,2658
2
25
𝑃(𝑋 = 3) = ∗ (0,1)3 ∗ (0,9)25−3 = 0,2265
3
25
𝑃(𝑋 = 4) = ∗ (0,1)4 ∗ (0,9)25−4 = 0,1384
4
25
𝑃(𝑋 = 5) = ∗ (0,1)5 ∗ (0,9)25−5 = 0,06460
5
25
𝑃(𝑋 = 6) = ∗ (0,1)6 ∗ (0,9)25−6 = 0,02392
6
𝑷(𝒙 <= 𝟔) = 𝟎, 𝟗𝟎𝟐 + 𝟎, 𝟎𝟔𝟒𝟔 + 𝟎, 𝟎𝟐𝟑𝟗 = 𝟎, 𝟗𝟗𝟏

c. Más de cuatro autos son negros.

𝑃(𝑋 > 4) = 𝑃(𝑋 ≥ 5)
= 0,98

d. Exactamente cuatro autos son negros.

𝑃(𝑋 = 4) = 0,1384
𝑃(𝑋 > 4) = 𝑃(𝑋 ≥ 5) = 0,98

e. Entre tres y cinco autos (inclusive) son negros.

𝑃(3 < 𝑋 < 5) = 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) + 𝑃(𝑋 = 5)
𝑃(3 < 𝑋 < 5) = 0,226 + 0,1384,0,0646 = 0,43

f. Más de veinte autos no son negros.

𝑃(𝑋 > 20) =
𝑃(𝑋 = 21) + 𝑃(𝑋 = 22) + 𝑃(𝑋 = 23) + 𝑃(𝑋 = 24) + 𝑃(𝑋 = 25)
𝑃(𝑋 > 20) = 0
 Caso 3:
La distribución de probabilidad de Poisson describe el número de veces que se presenta
un evento durante un intervalo específico. El intervalo puede ser de tiempo, distancia,
área o volumen. La distribución 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 más grande sea el
intervalo, mayor será la probabilidad; además, el número de veces que se presenta un
evento en un intervalo no influye en los demás intervalos.

Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para describir la
distribución de errores en una entrada de datos, el número de rayones y otras
imperfecciones en las cabinas de automóviles recién pintados, el número de partes
defectuosas en envíos, el número de clientes que esperan mesa en un restaurante, el
número de accidentes en una carretera en un periodo determinado.

Un conmutador puede manejar un máximo de 5 llamadas por minuto. Si la experiencia

indica que se recibe un promedio de 3 llamadas por minuto. Utilice la distribución Poisson
para encontrar las probabilidades de que el número de llamadas recibidas por el
conmutador en 1 minuto sea:

(𝑋 = 𝑘) = 𝑀𝑘 ∗ 𝑒 𝑀
𝑃=
𝑘

a. lo sumo 4:

(𝑥 = 0) = 30 ∗ (2.7182)−3
𝑃= = 0.4979
0

(𝑥 = 1) = 31 ∗ (2.7182)−3
𝑃= = 0.1493
1

(𝑥 = 2) = 32 ∗ (2.7182)−3
𝑃= = 0.2240
2

(𝑥 = 3) = 33 ∗ (2.7182)−3
𝑃= = 0.4481
3
 (𝑥 = 4) = 34 ∗ (2.7182)−3
𝑃= = 1.00827
4

𝑃 = (𝑥 ≤ 4) = 2.32757

b. Menos de 3.

(𝑥 = 0) = 30 ∗ (2.7182)−3
𝑃= = 0.4979
0

(𝑥 = 1) = 31 ∗ (2.7182)−3
𝑃= = 0.1493
1

(𝑥 = 2) = 32 ∗ (2.7182)−3
𝑃= = 0.2240
2

𝑃 = (𝑥 ≤ 4) = 0.2240

c. Al menos 4.

(𝑥 = 4) = 34 ∗ (2.7182)−3
𝑃= = 1.00827
4

d. Quede saturado.

(𝑥 = 5) = 35 ∗ (2.7182)−3
𝑃= = 2.41987
5

e. Entre 1 y 3.

𝑃(1 ≤ 𝑥 ≤ 3) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3)

𝑃(1 ≤ 𝑥 ≤ 3) = 0.8214

f. Una o más pero menos de 5.

𝑃(1 ≤ 𝑥 ≤ 5) = 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑋 = 4)

𝑃(1 ≤ 𝑥 ≤ 3) = 1.82967
g. Más de 2 pero menos de 5.

𝑃(2 ≤ 𝑥 ≤ 5) = 𝑃(𝑥 = 3) + 𝑃(𝑋 = 4)

𝑃(1 ≤ 𝑥 ≤ 3) = 1.45637

h. Ninguna.

(𝑥 = 0) = 30 ∗ (2.7182)−3
𝑃= = 0.4979
0

Caso 4:

Distribución Normal: Supóngase que se sabe que los pesos de cierto grupo de personas
están distribuidos aproximadamente de forma normal con media 𝜇=70 𝑘𝑔 y desviación
estándar 𝜎=12,5 𝑘𝑔. Use sus conocimientos sobre la distribución normal para responder:
a. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese
ms de 80 kg?
𝑷 = 𝑥 ≤ 80
70
𝒁 = 80 − = 0.8
12.5
𝑷 = 𝑋 ≤ 80 == 78.814

b. ¿Cuál es la probabilidad de que una persona elegida al azar de este grupo pese
entre 50 kg y 85 kg?
𝑷 = 50 ≤ 𝑥85
𝑷 = 50 ≤ 𝑥 = 0.0548
𝑷 = 85 ≤ 𝑥 = 0.8849
𝑷 = 50 ≤ 𝑥85 = 𝑃50 ≤ 𝑥 − 1 − 𝑃(85 ≤ 𝑥)
50 ≤ 𝑥85 = 0.06
c. ¿Cuál es el peso que es superado solo por el 93% de las personas del grupo?
1, −0,93 = 0.07
 𝒁 = 1.48
70
−1.48 = 𝑥 −
1.25
−18.5 + 70 = 𝑥
𝒙 = 51.50