UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

UNIDAD 2: FASE 6 - DISTRIBUCIONES DE PROBABILIDAD

PARTICIPANTES:

CARLOS ANDRS SNCHEZ ORTEGA

DIEGO ALEXANDER CASTRO

EMMANUEL DOMINGUEZ

TUTOR:

EDGAR MAYOR CRDENAS.

GRUPO:

100402_348

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INGENIERIA ELECTRONICA

CURSO: PROBABILIDAD

NOVIEMBRE 2017
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

INTRODUCCIN

El objetivo de este apartado es abordar el estudio de algunas distribuciones de

probabilidad de variables aleatorias discretas; cuando nos planteamos estudiar estas
distribuciones de probabilidad, lo hacemos partiendo de la base que su estudio nos
permitir simplificar el tratamiento estadstico de muchos fenmenos reales. De esta
manera, si nosotros nos encontramos con un fenmeno real tal y como puede ser realizar
unainversin o no, este es un fenmeno que tiene dos posibles valores, invertir, no
invertir; bien, veremos que este tipo de fenmenos los podemos estudiar como una
variable o distribucin de Bernuille. Si nosotros hemos estudiado esta variable tendremos
perfectamente identificados tanto la media como la varianza como su funcin de cuanta,
etc... es decir, conocemos el comportamiento probabilstico de este fenmeno.
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESTUDIO DE CASO 2

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 86.2% 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 10 vehculos.

Presente un informe en el que como mnimo incluya:

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

Cumple el primer supuesto ya que slo estan las posibilidades de que un se use o no el
cinturn en ambos asientos de la parte delantera.

Cumple el segundo supuesto porque en este experimento se cuenta el nmero de carros

en los cuales tienen el cinturn puesto, es decir, la variable aleatoria es el resultado de
conteos.

Cumple el tercer supuesto porque la probabilidad de que se pongan el cinturn en los dos
asientos delanteros es independiente para cada auto.

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

representa esta situacin

Un diagrama en donde se observa la distribucin de probabilidad binomial en este

problema es:
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

En este grfico se observa la probabilidad de que de cero a doce carros lleven el cinturn
puesto en los dos puestos delanteros.

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

exactamente 6 de los 12 vehculos seleccionados utilicen cinturones de seguridad?

En esta situacin se observa que los valores son

= 0.862, 1 = 1 0.862 = 0.138, = 6, = 12

! 12!
() = (1 ) () = (0.862)6 (0.138)6 = 0.0026
! ( )! 6! (6)!

Se puede apreciar que la probabilidad de que en seis de doce carros lleven el cinturn
puesto es muy baja.

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

menos 6 de los 12 vehculos utilicen cinturn de seguridad?

Se debe tener en cuenta que al decir por lo menos estn indicando que n puede tomar los
valores n=6,7,8,9,10,11,12. Las probabilidades asociadas con estos valores de n se
suman y esa es la probabilidad que se pide.
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

= (6) + (7) + (8) + (9) + (10) + (11) + (12)

12! 12! 12!
= (0.862)6 (0.138)6 + (0.862)7 (0.138)5 + (0.862)8 (0.138)4
6! (6)! 7! (5)! 8! (4)!
12! 12!
+ (0.862)9 (0.138)3 + (0.862)10 (0.138)2
9! (3)! 10! (2)!
12! 12!
+ (0.862)11 (0.138)1 + (0.862)12 (0.138)0 = 0.999
11! (1)! 12! (0)!

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

de los 12 vehculos utilicen cinturn de seguridad?

En este caso, n puede tomar los valores n=0,1,2,3,4,5,6, por lo que la probabilidad es

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

12! 12!
= (0.862)0 (0.138)12 + (0.862)1 (0.138)11
0! (12)! 1! (11)!
12! 12!
+ (0.862)2 (0.138)10 + (0.862)3 (0.138)9
2! (10)! 3! (9)!
12! 12! 12!
+ (0.862)4 (0.138)8 + (0.862)5 (0.138)7 + (0.862)6 (0.138)6
4! (8)! 5! (7)! 6! (6)!
= 0.003

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

El valor esperado de esta distribucin se puede calcular de la siguiente forma:

= (12)(0.862) = 10.344

Este resultado muestra porque la grfica de la distribucin de probabilidad tiene su

mximo cercano a doce.

Comentarios de lo que se hizo en este caso

En este caso se estudi la probabilidad de que en un cierto nmero de vehculos lleven

puesto el cinturon en los asientos delanteros. Para hacer este estudio se utiliz la
distribucin binomial, ya que, como se demostr, esta situacin cumple con los
supuestos para ser una distribucin binomial. Esta distribucin permite calcular la
probabilidad de que en cierto nmero de vehculos del total de vehculos lleven puesto el
cinturon en los dos asientos delanteros. Una forma de visualizar la distribucin de
probabilidad es con la ayuda del diadrama de barras hecho.
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESTUDIO DE CASO 4

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 400 maletas perdidas. De esta manera, el nmero promedio
de maletas perdidas por vuelo es de 0.4.

Prepare un informe en el que como mnimo, incluya:

1.- Esta situacin cumple con los supuestos de la distribucin Poisson? Identifquelos
2.- Determine cul es la probabilidad de que en un vuelo no se pierda ninguna maleta
3.- Determine cul es la probabilidad de que en un vuelo se pierda exactamente una
maleta
4.- Determine cul es la probabilidad de que en un vuelo se pierdan entre dos y cuatro
maletas
5.- Podra establecer cul es la probabilidad de que se pierdan en un vuelo ms de cuatro
maletas
6.- En qu momento debe sospechar el supervisor de la Aerolnea que en un vuelo se
estn perdiendo demasiadas maletas?

Solucin:

1. En este ejercicio podemos detallar que se aprueban los dos supuestos de la

distribucin de poisson;

El primero consiste en que la probabilidad es proporcional a la longitud del intervalo.

 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

Se cumple cuando se afirma que en la muestra aleatoria de los 1000 vuelos se pierden
400 maletas, es decir si detallamos que en 2000 vuelos se deben perder 800 maletas, as
sucesivamente se detalla que es totalmente proporcional.

El segundo supuesto consiste en que los intervalos son independientes.

Respecto a este segundo supuesto, podemos deducir que al cambiar los datos
presentados en este ejercicio (intervalos) no va afectar la proporcionalidad con respecto a
la extensin.

2. Funcin de masa o probabilidad de la distribucin de poisson.

Siendo X el nmero de maletas perdidas en cada vuelo el parmetro de poisson es =0.4

En este caso K seria valor de X y =0.4
Remplazamos en la formula anterior dada.

(; ) = k
Remplazamos en la ecuacin k por x que en este caso vale 0, ya que debemos
asumir que no se va perder ninguna maleta en los vuelos.
, ,
(; , ) = 0

,
(; , ) = 1
(; , ) = 0,67
, % = %
La probabilidad de que en un vuelo no se pierda
alguna maleta es de 67%.

3. Se pierde exactamente una maleta.

=0.4

(; , ) = k
, ,
(; , ) = 1
, ,
(; , ) = 1
,.
(; , ) = 1
,
( ) = 1
( ) = 0,268
, % = , %

La probabilidad de que en un vuelo se pierda una maleta es del 26,8 %.

4. Probabilidad que se pierda dos y cuatro maletas por vuelo.

 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

. = ( x )

(; ) = k
Remplazo los valores de las 2 y 4 maletas en la variable k

, ,
(; , ) = 2
,,
(; , ) = 2
,
(; , ) = 2

(; , ) = 0,053

, ,
(; , ) = 4
,,
(; , ) = 24
,
(; , ) = 24

(; , ) = 0,0007 ; 0,053 + 0,0007 = 0,0537

= ( x ), Lo que nos indica que la probabilidad de que en un vuelo se pierdan entre 2 y

4 es de: , = , %

5. La distribucin de poisson nos permite conocer la probabilidad en sub intervalos

conocidos y el determinar ms de 4 maletas al no fijarse un intervalo es imposible hacerlo por
medio de este sistema de distribucin de probabilidad.

La probabilidad de que en un vuelo se pierdan tres maletas es igual a 0,7% y al aumentar

el nmero de maletas la probabilidad va atender cada vez ms a cero, por tal razn en el momento que
se pierdan ms de tres maletas el supervisor de la aerolnea debe sospechar que en el vuelo se estn
perdiendo demasiadas maletas y algo est mal en el proceso.

(; , ) = k
, ,
(; , ) = 3
,,
(; , ) = 6
,
(; , ) = 6
(; , ) = 0,007
(; , ) = 0,007 100% = 0,7%
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESTUDIO DE CASO 5

En su excitante novela Congo, Michael Crichton describe la bsqueda de depsitos de

diamantes azules cubiertos de boro llevada a cabo por Earth Resources Technology
Services (ERTS), una compaa dedicada a estudios geolgicos. Segn ERTS los
diamantes son la clave para una nueva generacin de computadoras pticas. En la novela
ERTS compite contra un consorcio internacional por encontrar la cuidad perdida de Zinj,
que prosper dada la minera de diamantes hace varios miles de aos (segn la leyenda
africana) y se ubica en lo ms profundo de la selva tropical de Zaire Oriental.
Despus de la misteriosa destruccin de su primera expedicin, ERTS lanza una segunda
expedicin dirigida por Karen Ross, una experta en computacin de 24 aos de edad,
acompaada por el profesor Peter Eliot, un antroplogo; Amy, un gorila parlante; y el
afamado mercenario y lder de la expedicin, el capitn Charles Munro. Las acciones
ofensivas del consorcio, la mortal selva tropical y las hordas de gorilas parlantes
asesinos, que percibieron que su misin era defender las minas de diamantes, bloquean
los esfuerzos de Ross para encontrar la ciudad. Para superar estos obstculos Ross
utiliza computadoras de la era espacial para evaluar las probabilidades de xito en todas
las circunstancias posibles y las acciones que pudiera llevar a cabo la expedicin. En
cada etapa de la expedicin, ella evala rpidamente las probabilidades de xito.
En una etapa de la expedicin Ross recibe informes de su oficina principal en\

5 Tomado y adaptado de Anderson, D., Sweeney D., Estadstica para Negocios.Cengage

Learning 2011

En una etapa de la expedicin Ross recibe informes de su oficina principal en Houston, de

que sus computadoras estiman que tiene 18 horas y 20 minutos de retraso en relacin
con el equipo competidor euro-japones, en lugar de 40 horas de ventaja. Cambia los
planes y decide que 10 miembros de su equipo 10

Desciendan en paracadas en una regin volcnica cerca de la ubicacin estimada de

Zinj. Segn el relato de Crichton, Ross haba vuelto a revisar las probabilidades de la
computadora de Houston y los resultados eran inequvocos. La probabilidad de un salto
exitoso era 0,8790; sin embargo, dado un salto exitoso, la probabilidad de xito de la
expedicin era de 0,9483 con lo cual casi se aseguraba de que venceran al consorcio

Sin olvidar que se trata de la cita de una novela, examine las probabilidades mencionadas
y determine:
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

1. Si fuera uno de los 10 miembros del equipo, cual es la probabilidad de completar

su salto con xito?
la probabilidad es de 50%, es un evento con dos posibles resultados xito o no-
xito.

2. Si la probabilidad de que los 10 miembros del equipo tengan un salto exitoso es

de 0.7980, cual es la probabilidad de que un solo miembro del equipo pueda
completar el salto con xito?
2.
10 ln() = ln(0.789)
ln() = ln(0.789)10
ln(0.789)
= ^(( )
10
= 0.9776

esta probabilidad ser 1/10 de la probabilidad total, esto es:

(1/10)*0.7980 = 0.0798

2. Si la probabilidad de que los 10 miembros del equipo tengan un salto exitoso es

de 0.7998, cual es la probabilidad de que un solo miembro del equipo pueda
completar el salto con xito?

3. En el relato se afirma que: esa probabilidad de 0,8790 significaba que haba

casi una posibilidad entre cinco de que alguien se hiera seriamente en un salto.
Concuerda usted con esa afirmacin? Si o no. Por qu?

5x0.798=3.99 apropiado para 4

en realidad solamente 0.202 es la probabilidad de que el salto fracase, y que

fracase el salto no necesariamente implica que el saltador se hiera seriamente
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

CONCLUSIONES

A travs de estas construcciones teoricas, se podr experimentar sobre aquello que la

realidad no permitia; se usa extensamente en reas como la estadstica, la fsica, la
matemtica, la ciencia para lograr conclusiones sobre la probabilidad de sucesos
potenciales en sistemas complejos.

Debido a la necesidad de modelar lo observable, la probabilidad contistuye un importante

parmetro en la determinacin de las diversas casualidades obtenidas tras una serie de
eventos esperados dentro de un rango estadstico; un modelo resulta extremadamente
til, siempre que se corresponda con la realidad que pretede representar o predecir; por
ello es necesario conocer cada distribucin de la probabilidad en el caso especifico, sus
usos y formas de aplicarlas.
 UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

REFERENCIAS BIBLIOGRAFICAS

Canavos GC. Probabilidad y estadstica: aplicaciones y mtodos. Madrid: McGraw-Hill;

1988. - Fernndez-Abascal H, Guijarro MM, Rojo JL, Sanz JA. Clculo de probabilidades
y estadstica. Barcelona: Editorial Ariel; 1994.

Herreras Pleguezuelo R, Palacios Gonzlez F. Curso de inferencia estadstica y del

modelo lineal simple. Madrid: Delta, Publicaciones Universitarias; 2007.

Martn-Pliego J, Ruiz-Maya L. Estadstica I: Probabilidad. 2 ed. Madrid: Thomson; 2004.

Meyer PL. Probabilidad y aplicaciones estadsticas. 2 ed. Bogot: Fondo Educativo

Interamericano; 1973.

Weisstein EW. From MathWorld-A Wolfram Web Resource [pgina en internet]. Statistical
Distribution. Disponible en:
http://mathworld.wolfram.com/topics/StatisticalDistributions.html