Fase6 100402 108

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de
Investigación - VIACI
Escuela: Ciencias Básicas Tecnología e Ingeniería
Curso: Probabilidad Código: 100402
Unidad 2: Fase 6 Distribuciones de Probabilidad
Actividad Grupal
Presentado a:
Oscar Javier Sotelo
Tutor
Entregado por:
Edwin Giovanny Medina Montero

Código: 1049626148
Omar Hernando Rojas García
Código: 7180662
Grupo: 100402_108
Universidad Nacional Abierta y a Distancia - UNAD

Escuela de ciencias básicas tecnología e ingeniería
Mayo 08 de 2018
Introducción (mínimo 2 párrafos de 10 líneas de texto cada uno)

(No borrar este encabezado)
INTRODUCCION
En el siguiente trabajo vamos a practicar ejercicios para afianzar los conocimientos

adquiridos en la unidad 2, fase 6 - distribuciones de probabilidad, comprenderemos
y aclararemos los fundamentos de los conceptos básicos de probabilidad, análisis
e interpretación de situaciones problemas en contextos del desarrollo profesional
donde es oportuna y acertada su aplicabilidad.
Cuadro sinóptico:
El grupo diseña y presenta en un cuadro sinóptico el resumen de los
conceptos teóricos de la unidad 1 que dan sustento a la solución de los
estudios de caso propuestos y solucionados por el grupo.
Es aquel del que se tiene certeza de su

ocurrencia y es igual al espacio muestral del
experimento, por lo tanto, su probabilidad es 1.
Evento Cierto Por ejemplo, al lanzar un dado, la probabilidad
de que resulte un número menor que 7 es un
suceso seguro. b) Suceso o evento imposible.
Un "evento imposible" es aquel que nunca

llega a ocurrir. Estadísticamente hablando, es
EVENTOS aquel cuya probabilidad de ocurrencia es 0, o
Evento
P lo que es igual, tiene un 0% de
Imposible
probabilidades de que suceda.
R
O
B En la teoría de la probabilidad, un evento
A aleatorio o fuente de sucesos aleatorio es un
B Evento subconjunto de un espacio muestral, es decir, un
I conjunto de posibles resultados que se pueden dar
Probable o
L en un experimento aleatorio. Se dice que un
Aleatorio evento A ocurre, si el resultado del
I
experimento aleatorio es un elemento de A.
D
A Se denomina variable
D aleatoria (o estocástica) a la función que
adjudica eventos posibles a números
Variable
reales (cifras), cuyos valores se miden en
Aleatoria experimentos de tipo aleatorio. Estos valores
posibles representan los resultados de
VARIABLES
experimentos que todavía no se llevaron a
cabo o cantidades inciertas.
Se denomina variable aleatoria
Variable
discreta aquella que sólo puede tomar un
Aleatoria número finito de valores dentro de un
Discreta intervalo.
Es una función X que asigna a cada

Variable resultado posible de un experimento un
número real. Si X puede asumir
Aleatoria
cualquier valor en algún intervalo I (el
Continua
intervalo puede ser acotado o
desacotado), se llama una variable
aleatoria continua.
Es una medida de dispersión para variables de razón

Desviación (variables cuantitativas o cantidades racionales) y de
estándar intervalo. Se define como la raíz cuadrada de la varianza de
la variable.
P
Consiste en el conjunto de todos los posibles resultados de
R
Espacio un experimento aleatorio, junto con una estructura sobre el
O mismo.
B Muestral
A
B
I
L Las Técnicas de conteo son aquellas usadas para enumerar
I eventos difíciles de cuantificar. Son herramientas útiles en
Técnicas de cálculo de probabilidades, ya que con un buen manejo de
D
Conteo estos no es necesario enlistar por completo los elementos del
A
espacio muestral de un experimento aleatorio específico, sino
D
que se puede calcular la cantidad total de elementos y el
número de éstos que cumplen con la condición específica que
se quiere estudiar.
Es un procedimiento mediante el cual se trata

de comprobar (confirmar o verificar) una o
varias hipótesis relacionadas con un determinado fenómeno,
Experimento mediante la manipulación y el estudio de las correlaciones de
las variables que presumiblemente son su causa.
Resumen individual
Aportes de cada participante en donde evidencia el resumen de los conceptos
teóricos de la unidad que le permitieron solucionar el estudio de caso
seleccionado.
1. Nombre del participante y caso seleccionado:
Edwin Giovanny Medina Montero Caso 1
Resumen de conceptos teóricos:
Evento o suceso: Es todo subconjunto de un espacio muestral. Se denotan con
letras mayúsculas: A, B, etc. Los resultados que forman parte de este evento
generalmente se conocen como "resultados favorables". Cada vez que se
observa un resultado favorable, se dice que "ocurrió" un evento. Ejemplo: Sea
el experimento E: lanzar un dado. Un posible evento podría ser que salga
número par. Definimos el evento de la siguiente manera: A = sale número par =
(2, 4, 6(, resultados favorables n(E) = 3
Los eventos pueden ser:
Evento cierto: Un evento es cierto o seguro si se realiza siempre. Ejemplo: Al
introducirnos en el mar, en condiciones normales, es seguro que nos
mojaremos.
Evento imposible: Un evento es imposible si nunca se realiza. Al lanzar un
dado una sola vez, es imposible que salga un 10
Evento probable o aleatorio: Un evento es aleatorio si no se puede precisar
de antemano el resultado. Ejemplo: ¿Al lanzar un dado, saldrá el número 3?
Variable aleatoria: Una variable aleatoria es una función que asigna un valor,
usualmente numérico, al resultado de un experimento aleatorio. Por ejemplo, los
posibles resultados de tirar un dado dos veces: (1, 1), (1, 2), etc.
Variable aleatoria discreta: Se denomina variable aleatoria discreta aquella

que sólo puede tomar un número finito de valores dentro de un intervalo. Por
ejemplo, el número de componentes de una manada de lobos, puede ser 4 ó 5
ó 6 individuos pero nunca 5,75 ó 5,87.
Variable aleatoria continua: Se denomina variable aleatoria continua aquella

puede tomar un número infinito de valores entre un intervalo dado. Por ejemplo,
la densidad de una sustancia o la altura de un árbol.
Desviación estándar: La desviación típica o desviación estándar (denotada

con el símbolo σ o s, dependiendo de la procedencia del conjunto de datos) es
una medida de dispersión para variables de razón (variables cuantitativas o
cantidades racionales) y de intervalo. Se define como la raíz cuadrada de
la varianza de la variable.
Espacio muestral: En la teoría de probabilidades, el espacio

muestral o espacio de muestreo (denotado E, S, Ω o U) consiste en
el conjunto de todos los posibles resultados de un experimento aleatorio, junto
con una estructura sobre el mismo (ver más adelante).
Por ejemplo, si el experimento consiste en lanzar dos monedas, el espacio
muestral es el conjunto {(cara, cara), (cara, cruz), (cruz, cara) y (cruz, cruz)}.
Un evento o suceso es cualquier subconjunto del espacio muestral con
estructura de σ-álgebra,1 llamándose a los sucesos que contengan un único
elemento sucesos elementales. En el ejemplo, el suceso "sacar cara en el primer
lanzamiento", o {(cara, cara), (cara, cruz)}, estaría formado por los sucesos
elementales {(cara, cara)} y {(cara, cruz)}.
Técnicas de conteo: El principio fundamental en el proceso de contar ofrece un

método general para contar el número de posibles arreglos de objetos dentro de
un solo conjunto o entre carios conjuntos. Las técnicas de conteo son aquellas
que son usadas para enumerar eventos difíciles de cuantificar.
Si un evento A puede ocurrir de n1 maneras y una vez que este ha ocurrido, otro
evento B puede n2 maneras diferentes entonces, el número total de formas
diferentes en que ambos eventos pueden ocurrir en el orden indicado, es igual
a n1 x n2.
Experimento: Es toda acción sobre la cual vamos a realizar

una medición u observación, es decir cualquier proceso que genera un
resultado definido.

Omar Hernando Rojas García Caso 3
Evento o Suceso: Se llama Evento o Suceso a todo subconjunto de un espacio
muestral, asociado a un experimento Aleatorio. Ejemplo: Consideremos el
experimento aleatorio de lanzar un dado y una moneda a la vez.
Evento Cierto: Es aquel del que se tiene certeza de su ocurrencia y es igual al

espacio muestral del experimento, por lo tanto, su probabilidad es 1. Por
ejemplo, al lanzar un dado, la probabilidad de que resulte un número menor que
7 es un suceso seguro. b) Suceso o evento imposible.
Evento Imposible: Un "evento imposible" es aquel que nunca llega a ocurrir.

Estadísticamente hablando, es aquel cuya probabilidad de ocurrencia es 0, o lo
que es igual, tiene un 0% de probabilidades de que suceda.
Por ejemplo, que en un mismo lanzamiento una moneda caiga cara y a la vez
seca es un "evento imposible", ya que o sale cara o sale seca (o si queda parada
no sale ninguna de las dos) pero jamás saldrá ambas a la vez.
Evento probable o Aleatorio: En la teoría de la probabilidad, un evento

aleatorio o fuente de sucesos aleatorio es un subconjunto de un espacio
muestral, es decir, un conjunto de posibles resultados que se pueden dar en un
experimento aleatorio. Se dice que un evento A ocurre, si el resultado del
Variable Aleatoria: Se denomina variable aleatoria (o estocástica) a

la función que adjudica eventos posibles a números reales (cifras), cuyos
valores se miden en experimentos de tipo aleatorio. Estos valores posibles
representan los resultados de experimentos que todavía no se llevaron a cabo
o cantidades inciertas.
Variable Aleatoria Discreta: Se denomina variable aleatoria discreta aquella

ó 6 individuos pero nunca 5,75 ó 5,87. Otros ejemplos de variable discreta serían
el número de pollos de gorrión que llegan a volar del nido o el sexo de los
componentes de un grupo familiar de babuinos.
Variable Aleatoria Continua: es una función X que asigna a cada resultado

posible de un experimento un número real. Si X puede asumir cualquier valor en
algún intervalo I (el intervalo puede ser acotado o desacotado), se llama
una variable aleatoria continua.
Desviación Estándar: Es una medida de dispersión para variables de razón

(variables cuantitativas o cantidades racionales) y de intervalo. Se define como
la raíz cuadrada de la varianza de la variable.
Espacio Muestral: Consiste en el conjunto de todos los posibles resultados de

un experimento aleatorio, junto con una estructura sobre el mismo (ver más
adelante).
Técnicas de Conteo: Las Técnicas de conteo son aquellas usadas para

enumerar eventos difíciles de cuantificar. Son herramientas útiles en cálculo de
probabilidades, ya que con un buen manejo de estos no es necesario enlistar
por completo los elementos del espacio muestral de un experimento aleatorio
específico, sino que se puede calcular la cantidad total de elementos y el número
de éstos que cumplen con la condición específica que se quiere estudiar.
Experimento: Es un procedimiento mediante el cual se trata

de comprobar (confirmar o verificar) una o varias hipótesis relacionadas con un
determinado fenómeno, mediante la manipulación y el estudio de
las correlaciones de las variables que presumiblemente son su causa.

Laura Natalia Galeano Rincón Caso 4
Evento o Suceso: Se llama Evento o Suceso a todo subconjunto de un espacio
muestral, asociado a un experimento Aleatorio. Ejemplo: Consideremos el
experimento aleatorio de lanzar un dado y una moneda a la vez.
Evento Cierto: Es aquel del que se tiene certeza de su ocurrencia y es igual al

espacio muestral del experimento, por lo tanto, su probabilidad es 1. Por
ejemplo, al lanzar un dado, la probabilidad de que resulte un número menor que
7 es un suceso seguro. b) Suceso o evento imposible.
Evento Imposible: Un "evento imposible" es aquel que nunca llega a ocurrir.

Estadísticamente hablando, es aquel cuya probabilidad de ocurrencia es 0, o lo
que es igual, tiene un 0% de probabilidades de que suceda.
Por ejemplo, que en un mismo lanzamiento una moneda caiga cara y a la vez
seca es un "evento imposible", ya que o sale cara o sale seca (o si queda parada
no sale ninguna de las dos) pero jamás saldrá ambas a la vez.
Evento probable o Aleatorio: En la teoría de la probabilidad, un evento

aleatorio o fuente de sucesos aleatorio es un subconjunto de un espacio
muestral, es decir, un conjunto de posibles resultados que se pueden dar en un
experimento aleatorio. Se dice que un evento A ocurre, si el resultado del
Variable Aleatoria: Se denomina variable aleatoria (o estocástica) a

la función que adjudica eventos posibles a números reales (cifras), cuyos
valores se miden en experimentos de tipo aleatorio. Estos valores posibles
representan los resultados de experimentos que todavía no se llevaron a cabo
o cantidades inciertas.
Variable Aleatoria Discreta: Se denomina variable aleatoria discreta aquella

ó 6 individuos pero nunca 5,75 ó 5,87. Otros ejemplos de variable discreta serían
el número de pollos de gorrión que llegan a volar del nido o el sexo de los
componentes de un grupo familiar de babuinos.
Variable Aleatoria Continua: es una función X que asigna a cada resultado

posible de un experimento un número real. Si X puede asumir cualquier valor en
algún intervalo I (el intervalo puede ser acotado o desacotado), se llama
una variable aleatoria continua.
Desviación Estándar: Es una medida de dispersión para variables de razón

(variables cuantitativas o cantidades racionales) y de intervalo. Se define como
la raíz cuadrada de la varianza de la variable.
Espacio Muestral: Consiste en el conjunto de todos los posibles resultados de

un experimento aleatorio, junto con una estructura sobre el mismo (ver más
adelante).
Técnicas de Conteo: Las Técnicas de conteo son aquellas usadas para

enumerar eventos difíciles de cuantificar. Son herramientas útiles en cálculo de
probabilidades, ya que con un buen manejo de estos no es necesario enlistar
por completo los elementos del espacio muestral de un experimento aleatorio
específico, sino que se puede calcular la cantidad total de elementos y el número
de éstos que cumplen con la condición específica que se quiere estudiar.
Experimento: Es un procedimiento mediante el cual se trata

de comprobar (confirmar o verificar) una o varias hipótesis relacionadas con un
determinado fenómeno, mediante la manipulación y el estudio de
las correlaciones de las variables que presumiblemente son su causa.
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.
Solución al estudio de caso 1: El grupo entrega aquí, de manera

organizada, el análisis, desarrollo y solución del ESTUDIO DE CASO
presentado
RESPONSABLE ROL SELECCIONADO
Edwin Giovanny Medina Montero Revisor
ESTUDIO DE CASO 1
Supongamos que X es una variable aleatoria discreta y que x es uno de sus

valores posibles. La probabilidad de que la variable aleatoria X tome el valor
específico x se representa por medio de P(X = x). La función de probabilidad de
una variable aleatoria es una representación de las probabilidades de todos los
resultados posibles. Esta representación podría ser algebraica, gráfica o tabular.
En el caso de las variables aleatorias discretas, un sencillo método es enumerar

las probabilidades de todos los resultados posibles de acuerdo con los valores de
x.
Una empresa nueva de buses del

Sistema Integrado de Transporte de
Bogotá (SITP) ha comenzado a dar
servicio en un nuevo barrio. Se ha
registrado el número de usuarios que hay
en este barrio en el servicio a primera
hora de la mañana (5:00 a.m.). La tabla adjunta muestra la proporción de cada uno
de los días de la semana.
Número de usuarios 0 2 3 5 6 8 10 12 15
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
Si X es la variable que representa el número de usuarios que la empresa debe

atender a la hora de inicio del servicio, con base en esta información y haciendo
uso de los conceptos de variables aleatorias discretas y función de probabilidad,
prepare un informe en el que debe incluir como mínimo lo siguiente
1. Grafica de la función de probabilidad de la variable aleatoria X: Número de

usuarios.
Número de usuarios del SITP

0.2
0.18
0.16
0.14
0.12
0.1
Proporción
0.08
0.06
0.04
0.02
0
0 2 3 5 6 8 10 12 15
2. Función de probabilidad acumulada de la variable aleatoria X: Número de

usuarios.
RTA/
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
P. Acumulada 0.02 0.07 0.19 0.37 0.5 0.66 0.8 0.92 1
Número de usuarios del SITP

1.2
0.8
0.6
Proporción
0.4
0.2
0
0 2 3 5 6 8 10 12 15
3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente

ocho usuarios del barrio esperando el servicio
RTA/
En este caso debemos tener en cuenta que la proporción que salgan

exactamente 8 personas es de 0,16. Lo que significa que en un día
seleccionado aleatoriamente tenemos una probabilidad del 16% de encontrar
exactamente 8 usuarios del barrio esperando el servicio del SITP.
4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis

usuarios del barrio esperando este servicio
RTA/
Para este punto debemos tener en cuenta que el ejercicio nos dice más de 6
usuarios, por tal motivo:
𝑃 > 6 = (0,16) + (0,14) + (0,12) + (0,08)
Como resultado será la suma de las probabilidades de encontrar 8, 10, 12 y 15
usuarios de barrio esperando el servicio.
𝑃 > 6 = (0,16) + (0,14) + (0,12) + (0,08)
𝑃 > 6 = (0,50)
Como podemos observar la proporción de encontrar más de 6 usuarios es de
0,50 o sea que la probabilidad de encontrar más de 6 usuarios esperando el
SITP es del 50%.
5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de

cuatro usuarios del barrio en este servicio
RTA/
Para este punto debemos tener en cuenta que el ejercicio nos dice menos de
4 usuarios, por tal motivo:
𝑃 < 4 = (0,02) + (0,05) + (0,12)
El resultado será la suma de las proporciones de 0, 2 y 3 usuarios del barrio
esperando el SITP.
𝑃 < 4 = (0,02) + (0,05) + (0,12)
𝑃 < 4 = (0,19)
Observando el resultado obtenemos una proporción de 0,19 lo que significa
que tenemos una probabilidad del 19% de encontrar menos de 4 pasajeros.
6. El numero esperado de usuarios de este servicio y su desviación estándar.

RTA/
Para hallar el número esperado de usuarios de este servicio debemos usar la
siguiente formula:
𝐸(𝑥) = ∑ 𝑥! 𝑝!
𝐸(𝑥) = (0 ∗ 0.02) + (2 ∗ 0.05) + (3 ∗ 0.12) + (5 ∗ 0.18) + (6 ∗ 0.13) + (8 ∗ 0.16)

+ (10 ∗ 0.14) + (12 ∗ 0.12) + (15 ∗ 0.08)
𝐸(𝑥) = (0) + (0.1) + (0.36) + (0.9) + (0.78) + (1.28) + (1.4) + (1.44) + (1.2)
𝐸(𝑥) = 7.46
El número esperado de usuarios aproximadamente es de 7.
Para hallar la desviación estándar debemos utilizar la siguiente formula:
𝑆 = √∑(𝑋 − 𝑋̌)2 ∗ 𝑝(𝑥)
Proporción 0.02 0.05 0.12 0.18 0.13 0.16 0.14 0.12 0.08
Dónde:
X= número de usuarios
𝑋̌= valor esperado
𝑁= número de términos en la muestra
p= proporción
(X-Ẍ)² .
X Ẍ p(x) X-Ẍ (X-Ẍ)²
p(x)
0 7,46 0,02 -7,46 55,6516 1,113032
2 7,46 0,05 -5,46 29,8116 1,49058
3 7,46 0,12 -4,46 19,8916 2,386992
5 7,46 0,18 -2,46 6,0516 1,089288
6 7,46 0,13 -1,46 2,1316 0,277108
8 7,46 0,16 0,54 0,2916 0,046656
10 7,46 0,14 2,54 6,4516 0,903224
12 7,46 0,12 4,54 20,6116 2,473392
15 7,46 0,08 7,54 56,8516 4,548128
Sumatoria 14,3284
Volviendo a la ecuación decimos que:

𝑆 = √∑(𝑋 − 𝑋̌)2 ∗ 𝑝(𝑥)
𝑆 = √14,3284
𝑆 = 3,7852
Lo que significa que la desviación estándar es de 3,7852

7. Con base en estos resultados, redacte un breve resumen de sus hallazgos para
la empresa
RTA/
Al observar los resultados de los hallazgos de la empresa podemos observar
que las probabilidades más bajas son que el bus del SITP se vaya
completamente vacío o con el cupo completo ya que estas son de 2 y 8%
respectivamente.
También se pudo observar que a las 5 de la mañana el bus del SITP tiene un
61% de probabilidad de encontrar entre 5 y 10 pasajeros lo cual indica un índice
alto de afluencia de personas utilizando el servicio.

presentado
LAURA NATALIA GALEANO RINCÓN EVALUADOR
ESTUDIO DE CASO 41
Los padres preocupados porque sus hijos son “propensos a accidentes” pueden
estar tranquilos, de acuerdo a un estudio realizado por el Departamento de
Pediatría de la Universidad de California, San Francisco. Los niños que se
lesionan dos o más veces tienden a sufrir estas lesiones durante un tiempo
relativamente limitado, por lo general un año o menos. El estudio determinó
que el número promedio de lesiones por año para niños en edad escolar es de
dos.
Usando sus conocimientos sobre distribuciones de probabilidad discretas,

presente un informe que como mínimo contenga:
1. Esta situación cumple con los supuestos de la distribución Poisson.

Identifíquelos
𝜇 = 1 𝑎ñ𝑜 𝑜 12 𝑚𝑒𝑠𝑒𝑠
𝑒 = 2,71828 es una constante
𝑥 = 2 𝑛𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑝𝑟𝑜𝑚𝑒𝑑𝑖𝑜 𝑑𝑒 𝑙𝑒𝑠𝑖𝑜𝑛𝑒𝑠 𝑝𝑜𝑟 𝑎ñ𝑜
2. Probabilidad de que un niño sufra tres lesiones durante el año
𝑒 −𝜇 𝜇 𝑥
𝑃(𝑥) =
𝑥!
𝑒 −1 13
𝑃(3) = = 0,0613
3!
3. Probabilidad de que un niño sufra más de tres lesiones durante el año

𝑃(𝑥) =
𝑥!
4. Probabilidad de que un niño sufra una lesión en los siguientes tres meses
del año
𝑃(𝑥) =
𝑥!
𝑒 −0,25 0,251
𝑃(1) = = 0,205
1!
1
Tomado y adaptado de Ritchey F., Estadística para las Ciencias sociales, Mc Graw Hill, 2014
5. Número de lesiones esperado por año y su desviación estándar. Dentro de

que limites se espera entonces que caiga el número de lesiones por año.
Numero de lesiones esperadas por año=2

Su desviación estándar=1
En un año 2 lesiones
6. Realmente, pueden estar tranquilos los padres? Sustente su opinión en los

resultados obtenidos
Los padres pueden estar tranquilos ya que podemos observar que según el
estudio realizado la posibilidad que tienen los niños de sufrir más de 2 lesiones
por un año es muy baja, y según los estudios el tiempo relativo de las lesiones
en los niños es de un año.

presentado

Omar Hernando Rojas García Compilador
ESTUDIO DE CASO 32
Baloto es un juego novedoso de

tipo loto en línea, de suerte y azar,
donde el jugador elige 5
números del 1 al 43 y una súper
balota con números del 1 al 16 a
través de una terminal de venta.
El juego consiste en acertar 5, 4
o 3 números en cualquier orden
de una matriz del 1 al 43 y otro
número (super balota) del 1 al 16.
El jugador señala en un tarjetón los 6 números que escoge. Los números están
representados en 43 balotas amarillas numeradas del 1 al 43 y 16 balotas rojas
numeradas del 1 al 16. Cada número aparece una sola vez y las balotas
ganadoras se seleccionan sin reemplazo. El premio acumulado se entrega a quien
haga coincidir los seis números. En la tabla aparecen las opciones para ganar
2
Tomado y adaptado de Lind, Marchall. Estadística Aplicada a los Negocios y la Economía. Ed. Mc Graw Hill
Usando sus conocimientos sobre distribuciones discretas de probabilidad,

presente un informe en el que como mínimo incluya:
1. Esta situación cumple con los supuestos de la distribución Hipergeométrica.

Identifíquelos
RTA: Si cumple porque una distribución discreta relacionada con muestreos

aleatorios y sin reemplazo.
Los experimentos que tienen este tipo de distribución tienen las siguientes
características:
Al realizar un experimento con este tipo de distribución, se esperan dos tipos

de resultados.
 Las probabilidades asociadas a cada uno de los resultados no son

constantes.
 Cada ensayo o repetición del experimento no es independiente de los
demás.
 El número de repeticiones del experimento (n) es constante.
N = Total de la muestra (43)

R = Cantidad de éxitos (5)
X = Numero de éxitos de la muestra (5)
2. Probabilidad de obtener el “Gran acumulado” con los 6 números (5 números

del 1 al 43 y la súper balota).
Para hallar la probabilidad del gran acumulado se usar la fórmula de la

distribución hipergeometrica para los dos eventos, los cuales son de sacar
de los 43 números 5 y la de sacar la superbalota de los 16 números, por lo
que tendríamos
𝑁 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 (43)

𝑛 = 𝑇𝑎𝑚𝑎ñ𝑜 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 (5)
𝑅 = 𝐶𝑎𝑛𝑡𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑥𝑖𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑝𝑜𝑏𝑙𝑎𝑐𝑖ó𝑛 (5)
𝑋 = 𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 É𝑥𝑖𝑡𝑜𝑠 𝑑𝑒 𝑙𝑎 𝑚𝑢𝑒𝑠𝑡𝑟𝑎 (5)
𝑅 𝑁 𝑅
( )( )
𝑃(𝑥) = 𝑋 𝑛 𝑋
𝑁
( )
𝑛
Reemplazando valores:
5 43 − 5
( )( )
𝑃(𝑥) = 5 5 − 5
43
( )
5
5 38
( )( )
𝑃(𝑥) = 5 0
43
( )
5
(5𝐶5)(38𝐶0)
𝑃(𝑥) =
(43𝐶5)
(1) ∗ (1)
𝑃=
962,598
1
𝑃=
962,598
𝑃 = 0.000001038
Ahora utilizamos la misma fórmula para hallar el segundo evento.


𝑅 𝑁 𝑅
( )( )
𝑁
( )
𝑛
1 16 − 1
( )( )
𝑃(𝑥) = 1 1 − 1
16
( )
1
1 15
( )( )
𝑃(𝑥) = 1 0
16
( )
1
(1𝐶1)(15𝐶0)
𝑃(𝑥) =
(16𝐶1)
(1) ∗ (1)
𝑃=
16
1
𝑃=
16
𝑃 = 0.0625
Luego multiplicamos estos dos resultados para hallar la probabilidad de

acertar los cinco números y la superbalota.
0.00001038 ∗ 0.0625 = 0.000064928
Rta: la probabilidad de acertar los cinco (5) números y la superbalota es de

0.000064928
3. La empresa encargada del sorteo informa que Hasta el sorteo anterior, la

posibilidad de “pegarle al gordo” era de 1 en 8 millones, mientras que ahora
será de 1 en 15 millones. Explique esta afirmación.
La explicación de la afirmación se basa en que se acrecienta la poca

probabilidad, por ser un sorteo sin reemplazo, adicional ya que el ya ocurrir
un sorteo la probabilidad disminuye.
4. El sorteo también otorga otros premios (ver tabla). Presente la probabilidad

de obtener los premios que incluyen acertar la súper balota.

𝑅 𝑁 𝑅
( )( )
𝑁
( )
𝑛
3 43 − 3
( )( )
𝑃(𝑥) = 3 5 − 3
43
( )
5
3 40
( )( )
𝑃(𝑥) = 3 2
43
( )
5
(3𝐶3)(40𝐶2)
𝑃(𝑥) =
(43𝐶5)
(1) ∗ (780)
𝑃=
962.598
780
𝑃=
962.598
𝑃 = 0.000810307

acertar los tres (3) números y la superbalota.
0.0000810307 ∗ 0.0625 = 0.000050644
Rta: La probabilidad de acertar tres veces más la superbalota es de

0.000050644

𝑅 𝑁 𝑅
( )( )
𝑁
( )
𝑛
4 43 − 4
( )( )
𝑃(𝑥) = 4 5 − 4
43
( )
5
4 39
( )( )
𝑃(𝑥) = 4 1
43
( )
5
(4𝐶4)(39𝐶1)
𝑃(𝑥) =
(43𝐶5)
(1) ∗ (39)
𝑃=
962.598
39
𝑃=
962.598
𝑃 = 0.000040515

acertar los tres números y la superbalota.
0.000040515 ∗ 0.0625 = 0.000025321
Rta: La probabilidad de acertar cuatro (4) veces más la superbalota es de

0.000025321
Rta: La probabilidad de acertar cuatro veces es de 0.000040515

𝑅 𝑁 𝑅
( )( )
𝑁
( )
𝑛
5 43 − 5
( )( )
𝑃(𝑥) = 5 5 − 5
43
( )
5
5 38
( )( )
𝑃(𝑥) = 5 0
43
( )
5
(5𝐶5)(38𝐶0)
𝑃(𝑥) =
(43𝐶5)
(1) ∗ (1)
𝑃=
962,598
1
𝑃=
962,598
𝑃 = 0.000001038
Rta: La probabilidad de acertar cinco veces es de 0.000001038

acertar los cinco números y la superbalota.
0.00001038 ∗ 0.0625 = 0.000064928
Rta: la probabilidad de acertar los cinco (5) números y la superbalota es de

0.000064928
5. Presente la probabilidad de obtener los premios que no incluyen acertar la

súper balota.

𝑅 𝑁 𝑅
( )( )
𝑁
( )
𝑛
3 43 − 3
( )( )
𝑃(𝑥) = 3 5 − 3
43
( )
5
3 40
( )( )
𝑃(𝑥) = 3 2
43
( )
5
(3𝐶3)(40𝐶2)
𝑃(𝑥) =
(43𝐶5)
(1) ∗ (780)
𝑃=
962.598
780
𝑃=
962.598
𝑃 = 0.000810307
Rta: La probabilidad de acertar los tres (3) números sin la superbalota es

de 0.000810307

𝑅 𝑁 𝑅
( )( )
𝑁
( )
𝑛
4 43 − 4
( )( )
𝑃(𝑥) = 4 5 − 4
43
( )
5
4 39
( )( )
𝑃(𝑥) = 4 1
43
( )
5
(4𝐶4)(39𝐶1)
𝑃(𝑥) =
(43𝐶5)
(1) ∗ (39)
𝑃=
962.598
39
𝑃=
962.598
𝑃 = 0.000040515
Rta: La probabilidad de acertar los cuatro (4) números sin la superbalota es

de 0.000040515

𝑅 𝑁 𝑅
( )( )
𝑁
( )
𝑛
5 43 − 5
( )( )
𝑃(𝑥) = 5 5 − 5
43
( )
5
5 38
( )( )
𝑃(𝑥) = 5 0
43
( )
5
(5𝐶5)(38𝐶0)
𝑃(𝑥) =
(43𝐶5)
(1) ∗ (1)
𝑃=
962,598
1
𝑃=
962,598
𝑃 = 0.000001038
Rta = La probabilidad de obtener premios que no incluyen la superbalota es

de 0.00001038
6. Con base en los resultados obtenidos, ¿usted invertiría dinero en el

BALOTO?
Rta = No invertiría pues por cada sorteo que se realice aumentaran las
posibilidades de no acertar el premio gordo

presentado
Es importante que las respuestas de cada ítem las resalten en un color diferente
o las indiquen como respuestas, esto va para cada uno de los numerales que
tenga el punto. (borrar esta instrucción antes de la entrega)

presentado
Es importante que las respuestas de cada ítem las resalten en un color diferente
o las indiquen como respuestas, esto va para cada uno de los numerales que
tenga el punto. (borrar esta instrucción antes de la entrega)
Conclusiones (mínimo 1 por cada participante)

ESTUDIANTE CONCLUSIÓN
Pudimos estudiar, analizar y entender
los temas propuestos en la unidad 2 y
Edwin Giovanny Medina
así dar solución a los casos planteados
por el tutor.
Omar Hernando Rojas García Con este caso de estudio aplicamos

algunos conceptos vistos en las
referencias dadas en el curso y
entendimos cómo funciona el sistema
de juego del baloto y sus posibilidades
de pegarle al Gordo.
Es importante colocar el nombre de cada estudiante tanto en conclusiones como

en referencias. Si el estudiante no participa, el compilador deja indicado el
nombre del compañero que no aportó y el espacio de la aportación se dejará en

blanco. (borrar esta instrucción antes de la entrega)
Referencias bibliográficas en formato APA. (Mínimo una por cada

participante, no pueden repetir referencias)
ESTUDIANT REFERENCIA
E
Gil, M., Gonzales, A. J Salagre, M. (2014). Ejercicios de
estadística teórica: Probabilidad e inferencia. Página 46 a 57.
Edwin Recuperado de:
Giovanny
http://bibliotecavirtual.unad.edu.co:2077/lib/unadsp/reader.
Medina
action?ppg=47&docID=10995669&tm=1470693596054
Omar Monroy, S. (2008). Estadística Descriptiva. Editorial: Instituto

Hernando Técnico Nacional. Recuperado de:
Rojas García
http://bibliotecavirtual.unad.edu.co:2460/lib/unadsp/reader.
action?ppg=224&docID=3192101&tm=1512261758930
Es importante colocar el nombre de cada estudiante tanto en conclusiones como

en referencias. Si el estudiante no participa, el compilador deja indicado el
nombre del compañero que no aportó y el espacio de la aportación se dejará en
blanco. (borrar esta instrucción antes de la entrega)

Fase6 100402 108

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Fase6 100402 108

Transféré par

Droits d'auteur :

Formats disponibles

Universidad Nacional Abierta y a Distancia – UNAD - Vicerrectoría Académica y de

Unidad 2: Fase 6 Distribuciones de Probabilidad

Edwin Giovanny Medina Montero

Universidad Nacional Abierta y a Distancia - UNAD

Introducción (mínimo 2 párrafos de 10 líneas de texto cada uno)

En el siguiente trabajo vamos a practicar ejercicios para afianzar los conocimientos

Es aquel del que se tiene certeza de su

Un "evento imposible" es aquel que nunca

Es una función X que asigna a cada

Es una medida de dispersión para variables de razón

Es un procedimiento mediante el cual se trata

Variable aleatoria discreta: Se denomina variable aleatoria discreta aquella

Variable aleatoria continua: Se denomina variable aleatoria continua aquella

Desviación estándar: La desviación típica o desviación estándar (denotada

Espacio muestral: En la teoría de probabilidades, el espacio

Técnicas de conteo: El principio fundamental en el proceso de contar ofrece un

Experimento: Es toda acción sobre la cual vamos a realizar

2. Nombre del participante y caso seleccionado:

Resumen de conceptos teóricos:

3. Nombre del participante y caso seleccionado:

Evento Cierto: Es aquel del que se tiene certeza de su ocurrencia y es igual al

Evento Imposible: Un "evento imposible" es aquel que nunca llega a ocurrir.

Evento probable o Aleatorio: En la teoría de la probabilidad, un evento

Variable Aleatoria: Se denomina variable aleatoria (o estocástica) a

Variable Aleatoria Discreta: Se denomina variable aleatoria discreta aquella

Variable Aleatoria Continua: es una función X que asigna a cada resultado

Desviación Estándar: Es una medida de dispersión para variables de razón

Espacio Muestral: Consiste en el conjunto de todos los posibles resultados de

Técnicas de Conteo: Las Técnicas de conteo son aquellas usadas para

Experimento: Es un procedimiento mediante el cual se trata

4. Nombre del participante y caso seleccionado:

Evento Cierto: Es aquel del que se tiene certeza de su ocurrencia y es igual al

Evento Imposible: Un "evento imposible" es aquel que nunca llega a ocurrir.

Evento probable o Aleatorio: En la teoría de la probabilidad, un evento

Variable Aleatoria: Se denomina variable aleatoria (o estocástica) a

Variable Aleatoria Discreta: Se denomina variable aleatoria discreta aquella

Variable Aleatoria Continua: es una función X que asigna a cada resultado

Desviación Estándar: Es una medida de dispersión para variables de razón

Espacio Muestral: Consiste en el conjunto de todos los posibles resultados de

Técnicas de Conteo: Las Técnicas de conteo son aquellas usadas para

Experimento: Es un procedimiento mediante el cual se trata

La distribución de probabilidad de Poisson describe el número de veces que

Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para

5. Nombre del participante y caso seleccionado:

Resumen de conceptos teóricos:

Solución al estudio de caso 1: El grupo entrega aquí, de manera

Supongamos que X es una variable aleatoria discreta y que x es uno de sus

En el caso de las variables aleatorias discretas, un sencillo método es enumerar

Una empresa nueva de buses del

Si X es la variable que representa el número de usuarios que la empresa debe

1. Grafica de la función de probabilidad de la variable aleatoria X: Número de

Número de usuarios del SITP

2. Función de probabilidad acumulada de la variable aleatoria X: Número de

Número de usuarios del SITP

3. Probabilidad de que en un día seleccionado aleatoriamente haya exactamente

En este caso debemos tener en cuenta que la proporción que salgan

4. Probabilidad de que en un día seleccionado aleatoriamente haya más de seis

5. Probabilidad de que en un día seleccionado aleatoriamente haya menos de

6. El numero esperado de usuarios de este servicio y su desviación estándar.

𝐸(𝑥) = (0 ∗ 0.02) + (2 ∗ 0.05) + (3 ∗ 0.12) + (5 ∗ 0.18) + (6 ∗ 0.13) + (8 ∗ 0.16)

𝑆 = √∑(𝑋 − 𝑋̌)2 ∗ 𝑝(𝑥)

Volviendo a la ecuación decimos que:

Lo que significa que la desviación estándar es de 3,7852