Estadística y Probabilidad

Fase 3 - Distribuciones de Probabilidad

Presentado por:
Rolan Andres Ruiz

Tutor
Liliana Garcia

GRUPO: 211622_17

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

27 de Noviembre de 2019

e
 Resultados px qn-x
n 10 (x)
x 0 a 10 0 1 1 0.0429762583
p 0.27 1 10 0.27 0.0588715867
q 0.73 2 45 0.0729 0.0806460092
3 120 0.019683 0.1104739852
4 210 0.00531441 0.1513342263
5 252 0.00143489 0.2073071593
6 210 0.00038742 0.28398241
7 120 0.0001046 0.389017
8 45 2.8243E-05 0.5329
9 10 7.6256E-06 0.73
10 1 2.05891E-06 1

Resultados
(x)
P(x)
0 4.2976% 5. ¿Qué probabilidad hay de
1 15.8953%
2 26.4559% P (0 U 1U 2 U 3 U 4 U 5 U
3 26.0935%
4 16.8893% P (0 )+ P (1) +P(2) +P (3) +
5 7.4961%
6 2.3104% 99.9265%
7 0.4883%
8 0.0677%
9 0.0056%
10 0.0002%

Distribución de Poisson – Anexo 2

Mediante una inspección de los contam
por hora. Realice una tabla de distribuc
 Resultados e-𝜇 x!
0.5 (x)
𝝁 0 𝝁X 1 0.60653066 1
1 0.5 0 1
2 0.25 0 2
3 0.125 0 6
4 0.0625 0 24
5 0.03125 0 120
6 0.015625 0 720
7 0.0078125 0 5040
8 0.00390625 0 40320
9 0.001953125 0 362880
10 0.0009765625 0 3628800
11 0.00048828125 0 39916800
12 0.000244140625 0 479001600

Resultados
(x)
P(x)
0 60.65306597126340%
1 30.32653298563170%
2 7.58163324640792%
3 1.26360554106799%
4 0.15795069263350%
5 0.01579506926335%
6 0.00131625577195%
7 0.00009401826942%
8 0.00000587614184%
9 0.00000032645232%
10 0.00000001632262%
11 0.00000000074194%
12 0.00000000003091%
 Distribución normal – Anexo 3

Los resultados detectados en el laboratorio del IDEAM el contaminante de monóxido de carbono (CO) en las ciudade
las siguientes probabilidades:

2. ¿Cuál es la probabilidad de que CO sea menor a 6200?

Deviación 3576.58619
Min 154
Max 8531
Promedio 5671.968

PROB.ACU0.55868488

Probabilidad55.87% µ=5671,968

Distribución Uniforme Continua – Anexo 4

El análisis de las pruebas de laboratorio determina que el ozono (O3) tiene un comportamiento uniformemente continu

3.   La probabilidad que el grado de ozono sea hasta 140

 140
166.9
A(Minimo) 0.2
𝑋_
B(Maximo)
1 166.9 0.1613677 16.137%
𝑋_Rango 166.7
2

3. La probabilidad que el grado de ozono sea hasta 140 ES 16,137%

Distribución Hipergeométrica – Anexo 5

En las ciudades principales los mayores contribuyentes a la contam

nitrógeno (NO2) procedente de los camiones de carga. Se detecta q
encima de los niveles permisibles.

Resultados P(x) 4.    Si se sacan de forma aleatoria 1

N 20 (x)
esta
S 4 4 20.6604747162%
n 14
x 6
 Distribución binomial – Anexo 1

La secretaria de salud frente a la contaminación en la ciudad de Medellín determino que la variable PM 10 tiene una pr
de aceptación del 27%. Construya una tabla con valores entre el 0 y 10 aplicando la distribución Binomial.

P(x)
4.2976%
15.8953%
26.4559%
26.0935%
16.8893%
7.4961%
2.3104%
0.4883%
0.0677%
0.0056%
0.0002%

Qué probabilidad hay de que salgan a lo sumo 7 µg/m3?

0 U 1U 2 U 3 U 4 U 5 U 6 U 7 )

0 )+ P (1) +P(2) +P (3) + P( 4) + P( 5) + P (6) +P(7)

de Poisson – Anexo 2
inspección de los contaminantes en algunas veredas del país, se determina que el SO2 presenta un promedio de 5
ice una tabla de distribución de Poisson para k entre 0 y 12
 P(x)

60.65306597126340% 1. Que no presente contaminación

30.32653298563170%
7.58163324640792% 60.6530659713%
1.26360554106799%
0.15795069263350%
0.01579506926335%
0.00131625577195%
0.00009401826942%
0.00000587614184%
0.00000032645232%
0.00000001632262%
0.00000000074194%
0.00000000003091%

Anexo 3 Anexo 4
CO O3
12416 75.2
3684 58.1
2010 124.5
 180 79.9
2628 92.3
9355 73.4
3551 125.3
10961 156.3
2941 69
1058 97.3
1550 30.8
757 122.5
6282 91.1
7121 147.8
386 89.1
6933 145.9
11510 49.6
3766 94
3294 131.1
arbono (CO) en las ciudades principales se distribuye normalmente. Calcule 4025 97.4
8390 124.6
6476 37.8
12992 82.7
4039 101.6
485 133
5671 77.2
7083 125.1
8531 151.9
2442 165
8674 88.4
5594 89.8
5530 108.7
3074 32.5
4660 92
6200 1918 116.9
2447 90.9
7195 151.9
tinua – Anexo 4 7042 133.2
12684 76.5
9646 104.9
ento uniformemente continuo. Determine las siguientes probabilidades:
681 54.5
9355 88.8
3661 110.2
1247 66.8
6990 37.4
6628 26
 1843 48.2
4954 79.2
3742 28.1
4065 12.6
6392 112
8218 87
6676 79.5
10144 67.1
7743 38.6
eométrica – Anexo 5 5740 87
12388 82.6
12501 147.2
contribuyentes a la contaminación del aire es provocado por Dióxido de 2813 20.1
ones de carga. Se detecta que en una flota de 20 camiones hay 4 de ellos por 1576 74.9
3546 2.6
8065 150.1
6242 112.1

can de forma aleatoria 14 camiones. ¿Cuál es la probabilidad de

7952 134.9
establecer 6?
603 40.1
20.6604747162% 3508 44.7
5691 72.3
5019 82.4
405 131.3
1978 149.3
3015 106.8
12263 62.8
6705 121.4
5198 46.5
5891 21.3
6771 91.7
441 55.5
1989 61.7
661 84
3311 28
3669 121.4
5091 88.2
8481 83.8
1563 162.6
4509 93.6
11044 103.6
5770 98.9
3696 27.4
12774 119.7
5854 86.6
2851 107.6
2911 147
1770 33.4
4139 8.7
1026 50.5
5190 49.5
8874 69.3
4384 129.7
664 68.6
5706 95.8
5945 75.5
4925 29
4991 60.4
2975 84
2665 59.4
4289 22.6
1840 132.7
10732 62.1
4078 105.6
1950 37.2
4013 43.9
2931 62.2
9589 118.8
14092 97.1
2284 98
3416 69.8
7624 62.5
2198 50.4
1534 89.5
2583 126
6247 71.7
5379 18.5
3144 130.4
3723 90
11013 111.9
8522 126
765 114.1
4784 19.8
6680 48.3
189 67.8
4936 146.3
 1652 71.3
8340 136.4
2070 120.3
6207 133
938 48.7
184 21.6
12739 79.4
9558 75.4
4722 1.2
9657 81.4
7657 80.3
10589 88.2
4285 28.2
316 28.6
4803 156.1
3842 115.6
3969 55.3
3480 51.2
4950 38.4
11701 135.4
1968 153.3
3803 109.8
8015 65.4
12034 121.6
1089 87.7
617 54.2
4470 74
8957 40.3
5018 139.9
1474 5.1
5484 28.5
4107 111.9
1488 114.7
7735 135.9
10625 62.1
8155 83.4
4561 136
10241 18.9
5023 127.9
12359 95.5
3103 45.5
2618 67
10514 122.6
 9612 136.6
8220 61.4
1648 163.9
1733 71.5
9225 78.6
13012 58.4
2482 105.3
11091 105.1
10086 50
4143 50.2
4113 46.1
3523 116.8
5450 59.7
8984 84.2
8564 108.1
1224 68
3210 89.6
3760 122
3763 78.3
2722 109.2
11549 140.1
12488 84.9
4856 144
5045 81.4
522 62.6
2512 51.4
9736 159.4
3532 52.6
4199 88.8
4763 114.3
3027 25.1
7480 163.1
7065 86.3
9002 63.6
9092 67.7
3696 113.9
6500 133.4
5177 76.8
2649 14.9
10381 51.4
3978 59
9539 100.2
8107 33.1
 5733 71.2
13451 85.1
3370 86
7236 162.1
1699 23.1
2545 36.6
5245 42.6
4542 110.2
7410 133.4
4223 126.7
1560 60.3
926 149.9
10215 69.1
1672 18.9
2546 29.1
1780 36.2
3394 118.2
7105 51.7
14066 156.3
5982 41.2
4669 126.3
1032 37.7
4738 123.2
1259 140.2
5930 59.4
8612 73.8
1489 89
7902 89.2
3385 123.8
10014 34.7
1479 131.6
1779 15.2
3630 125.2
3021 4.5
13213 86.7
9178 164.2
5499 79.6
804 124.8
7990 116.6
8620 77.8
2111 73.2
12570 36.7
8813 144
 9124 91.1
4865 123.8
6815 91
3468 53.8
13011 98.5
3705 136.7
8039 66.3
11923 73.1
2894 76.9
10991 11.2
11153 54.1
7500 160.4
4984 100
2759 72.2
12762 84.3
5699 81.1
8644 36.6
6338 22.8
4158 78.4
9820 29.7
2892 129
3622 60.2
12518 17
5265 85.4
6929 19.4
7294 97.3
13660 127.4
2167 118.7
3666 162.8
12621 131
1763 66.4
2295 117.7
12497 8
2696 124
12861 38.5
6418 147.8
2082 60.9
4628 80.4
4566 12.6
1962 114
13974 128.8
966 61.7
3943 35.3
 8585 126.3
3428 86.3
11903 63.8
6268 76.7
5898 36.9
1830 127.2
3796 39.8
6729 3.1
10050 107.9
2200 166.9
8216 52.5
2186 49.8
5709 104.4
5460 152.6
8421 101.5
5528 59.6
3939 148.5
11487 94.5
2609 122.4
1987 78.9
1032 142.3
2930 158.9
9000 123.8
5300 152.2
485 119
5371 164.4
11892 13.3
5589 59.3
878 20.1
9629 79.1
13914 98.8
2502 155.2
4425 131
848 120.4
9404 71.4
2215 70.5
5205 79.8
3467 36.1
13591 107.6
4569 88.5
2377 57.8
1694 46.7
1687 75.7
11768 1.9
6422 56.8
1793 128.8
3215 90.3
6012 143.1
12082 0.6
7596 38.1
8346 74
7836 161.3
1535 26.4
10719 84.9
2648 163.5
11440 123.2
1537 40.5
1663 73.3
1971 162.2
3426 44.7
4442 0.2
9494 38.6
5829 129.5
1739 107
871 78.1
2400 86.8
5160 128.4
12544 95
3901 74.3
5288 120.1
12146 31.6
4354 62.6
8685 123.5
3532 131.7
5308 43
6788 128.8
767 51.6
12891 100.4
6502 148.2
6027 56.5
6534 77
12360 36.5
4288 143.3
3240 149.2
3072 79.8
2556 162.6
 2996 42.9
7644 39.6
1707 74.3
3019 43.4
7814 44.5
7997 86.3
8529 115
7596 40
7036 64
7143 25.1
11041 152.3
3560 7.2
154 55.8
5285 11.9
5888 45.3
2218 60.3
5836 3.1
5180 77.8
4689 141.7
6190 56.2
5213 82
1651 62.3
5647 91.4
2920 52.6
12511 25.3
2891 102.9
2432 98
751 77.4
3730 128.5
7556 150.8
7975 8.8
3839 121.2
3343 122.1
5846 24.6
7542 58.9
14147 121.9
6069 35.7
1469 56.5
6702 61.3
6341 147.6
7887 86.1
11370 166.5
1665 104.7
 5746 119.9
3043 85.7
13948 140.9
4641 82.2
5646 56.9
4711 38.3
8801 36.5
5904 123.7
13059 143.5
6742 46.6
2362 63.6
508 12.1
9351 57.3
5098 90.7
8926 149.7
469 70.7
8297 66.1
7671 22.5
156 143.2
1845 26.4
3994 70.8
7980 122.2
12581 133.7
11459 88.4
11627 96
3222 34.5
1011 22.8
6891 98.5
11214 65.6
8069 53.7
6625 79.5
1496 119.4
3398 89.1
2574 96.9
12411 0.5
5588 50.5
4296 151.1
4087 53.4
5482 114
12569 67.8
1793 4.4
11375 65.5
5494 75.2
 6174 117.9
3061 65.2
6747 27.1
12371 19
3965 74.6
5941 149.4
2589 133.7
4645 166.2
6842 111.5
3774 5.4
12464 122.1
6075 40.5
1779 1.7
3485 64.3
5939 48.8
1700 80
1237 49.8
5811 7.6
10800 144.4
3154 93.3
5579 81.2
660 96.4
5028 144
11029 78.5
2451 71.7
ariable PM 10 tiene una probabilidad
ión Binomial.

enta un promedio de 5 µg/m3

 Temáticas a desarrollar:

Paso 1. Conocimientos previos

El estudiante leerá los recursos requeridos de la Unidad 3, ubicados en el entorno de conoc

corresponden a distribuciones de probabilidad:

·         Variable aleatoria discreta: Binomial, Hipergeométrica y Poisson.

·         Variable aleatoria continua: Uniforme continua y Normal.

Variable Aleatoria

Una variable aleatoria es una función que asocia a cada resultado del espacio muestral un
Ejemplo : 1.
Se estudia el proceso de reserva de un hotel.
Positivo: La reserva se cumple
Negativo: La reserva se anula

Como ya sabemos que variable aleatoria es una función que asocia a cada resultado del e
un número real.

Definimos mi Variable Aleatoria como X

X(POSITIVO) = 1 Se asigna de Forma albitraria
X(NEGATIVO) = 0

P(X = 1 ) ==> Probabilidad de que la reserva se Cumpla

P(X = 0) ==> Probabilidad de que la reserva se Anule

Ejemplo : 2.

Lanzar 2 dados
1. Sea X la Variable suma de los 2 dados.
x = 2,3,4,5,6,7,8,9,10,11,12

Variable Aleatoria Discreta

Toma valores de un conjunto numerables y finito

Ejemplo : 1.
X = Número de persona que viajan en un bus.

x = 0,1,2,3,4,5,6,7,8,9…......,50
0 1 2 3 4 5

Variable Aleatoria Continua

Toma valores de un conjunto infinito No númerable

Ejemplo : 2.
X = Peso de una persona
x = 60Kg ….....................120Kg.

60 ….............. 61 ….............62 ….............. 63 60,250 SI

Variable Binomial
Una distribución binomial es una distribución de probabilidad discreta que describe el número de éx
experimentos independientes entre sí,

Un evento tiene 65% de probalidades de ocurrir cada vez que alguien entra a determinado hospital
¿Cuál es la probalidad de que dicho evento suceda en 2 5 personas ingresadas hoy?.

n = 5 Total de experimento

x = 2 Total de éxito

p = 65% = 0,55 ( Probabilidad de que Ocurra)

q = 35% = 0,55 ( Probabilidad de que No Ocurra)

¿Qué es la distribución hipergeométrica?

La distribución hipergeométrica es una distribución discreta que modela el número de eventos en un

tamaño fijo cuando usted conoce el número total de elementos en la población de la cual proviene la
elemento de la muestra tiene dos resultados posibles (es un evento o un no evento). Las muestras n
reemplazo, por lo que cada elemento de la muestra es diferente. Cuando se elige un elemento de la
puede volver a elegir. Por lo tanto, la probabilidad de que un elemento sea seleccionado aumenta co
presuponiendo que aún no haya sido seleccionado.

Ejemplo de cálculo de las probabilidades hipergeométricas

Supongamos que hay diez automóviles disponibles para que usted los pruebe (N = 10) y cin
tienen motores turbo (x = 5). Si prueba tres de los vehículos (n = 3), ¿cuál es la probabilidad
los tres que probará tengan motores turbo?
 1.    Elija Calc > Distribuciones de probabilidad > Hipergeométrica.
2.    Elija Probabilidad.
3.    En Tamaño de la población (N), ingrese 10. En Conteo de eventos en la pob
4.    Elija Constante de entrada e ingrese 2.

La probabilidad de que seleccione exactamente dos automóviles con motores turbo de form
cuando pruebe tres de los diez vehículos es 41.67%.

¿Qué es la distribución de Poisson en estadística?

En teoría de probabilidad y estadística, la distribución de Poisson es una distribución de pro

discreta que expresa, a partir de una frecuencia de ocurrencia media, la probabilidad de que
determinado número de eventos durante cierto período de tiempo.

¿Cuándo se utiliza la distribución de Poisson?

Utilidad1. La distribución de Poisson se utiliza en situaciones donde los sucesos son impred

ocurrencia aleatoria. En otras palabras, no se sabe el total de posibles resultados.2. Permite
la probabilidad de ocurrencia de un suceso con resultado discreto.3
EJEMPLO:
Si ya se conoce que 3% de los alumnos de Contabilidad son Muy inteligentes ¿Calcular la
que si tomamos 100 alumnos al azr 5 de ellos sean muy inteligentes .

n = 100
P = 0.003
lambda = 100 * 0,03 = 3
x=5
icados en el entorno de conocimiento, que

tado del espacio muestral un número real.

asocia a cada resultado del espacio muestral

ta que describe el número de éxitos al realizar n

ra a determinado hospital

dela el número de eventos en una muestra de

a población de la cual proviene la muestra. Cada
o un no evento). Las muestras no tienen
uando se elige un elemento de la población, no se
nto sea seleccionado aumenta con cada ensayo,

usted los pruebe (N = 10) y cinco de ellos

n = 3), ¿cuál es la probabilidad de que dos de
Hipergeométrica.

n Conteo de eventos en la población (M), ingrese 5. En Tamaño de la muestra (n), ingrese 3.

les con motores turbo de forma aleatoria

son es una distribución de probabilidad

media, la probabilidad de que ocurra un
mpo.

donde los sucesos son impredecibles o de

posibles resultados.2. Permite determinar
reto.3

Muy inteligentes ¿Calcular la Probabilidad de

gentes .
 REFERENCIAS BIBLIOGRAFIA

Monroy, S. (2008). Distribuciones de probabilidad. En: Estadística Descriptiva. Editorial: Instituto Técnico N

Martínez, C. (2011). Capítulo 6. Distribución de probabilidad. En: Estadística Básica Aplicada, 13th ed. [On

Martínez, C. (2011). Capítulo 6. Distribución de probabilidad. En: Estadística Básica Aplicada, 13th ed. [On

Espejo I. (2006). Distribución de probabilidad uniforme continua. En: Estadística descriptiva y probabilidad

Moreno, Y. (2016). OVI: Unidad 3_Distribuciones de Probabilidad. Recuperado de http://hdl.handle.net/10

Velandia, J. (2018). OVI: Tabla de Frecuencia Agrupada. Recuperado de http://hdl.handle.net/10596/2160

http://bit.ly/2NgLiEJ
: http://bit.ly/332RoNM
AFIA

al: Instituto Técnico Nacional. (pp. 187 – 219). Recuperado de  https://bibliotecavirtual.unad.edu.co:2538/lib/unadsp/r

Aplicada, 13th ed. [Online] Bogotá: Ecoe Ediciones. (pp. 217 – 246). Recuperado de  http://bibliotecavirtual.unad.edu.

Aplicada, 13th ed. [Online] Bogotá: Ecoe Ediciones. (pp. 247 – 257). Recuperado de  https://bibliotecavirtual.unad.edu

riptiva y probabilidad: teoría y problemas, 3th ed. [Online]. España: Servicio de publicaciones de la Universidad de C

p://hdl.handle.net/10596/9859

ndle.net/10596/21607