CURSO

PROBABILIDAD 

Estudiante
Eduardo Ortiz Almanza
C.C. 4439466

Unidad 2 - Tarea 3 - Experimentos aleatorios y

distribuciones de probabilidad

Tutor
DULFAY DARLENY RODRIGUEZ ALMARIO 

Número de grupo

100402_48

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA UNAD

ESCUELA DE CIENCIAS ADMINISTRATIVAS, CONTABLES, ECONÓMICAS Y DE NEGOCIOS
ADMINISTRACIÓN DE EMPRESAS
2021
Anexo 2 – Tablas

Actividad 1
Tabla comparativa de conceptos
Tabla
comparativa
Variable,
formula o
Concepto Definición imagen que
representa
el
concepto
Variable aleatoria Es una función que asocia un
número real con cada
elemento del espacio
muestral: Lanzar un dado una
vez sea la variable aleatoria
(X) = resultado de la tirada
¿Cuántos sucesos
elementales existen ¿Qué
valores puede tomar (x)? se
denotan las V.A. con letras
mayúsculas y sus posibles
valores con letras minúsculas.
[Link]
Variable Una variable aleatoria es
aleatoria continua si toma un número
continua infinito de no numerable de
valores (por ejemplo, en un
intervalo de R¿
EJ. -X = “al resultado de tirar
un dado” es una variable
discreta -Y = “la altura de un
alumno escogido al azar “es
una variable continua.
Variable Es aquella que solo puede
aleatoria tomar un numero
discreta valores finitos dentro de
un inérvalo EJ. El número
de componentes de una
manada de lobos puede ser
de 4 o 5 0 6 individuos,
pero nunca de 5,75 0 5,85
Distribución Es una función que asigna a
de cada suceso definido sobre
Probabilidad la variable la probabilidad
de que dicho suceso ocurra
esta está definida sobre el
conjunto de todos los
sucesos y cada uno de los
sucesos es el rango de
valores de la variable
aleatoria.

Distribución de En teoría de la probabilidad una

distribución de probabilidad se llama
Probabilidad continua si su distribución es continúa
Continua puesto que la distribución de un
variable aleatoria x viene dada
por F x ( X )=P( X ≤ x)la
definición implica que en una
definición de probabilidad continua X
se cumpla
P [ X=a ]= 0 para todo número real
a, esto es la probabilidad de que x
tome el valor a, es cero para cual quier
valor de a. Sí la distribución de x es
continua se llama a X variable
aleatoria continua.
[Link]
ci
%C3%B3n_de_probabilidad
Distribución de Describe la probabilidad de
Probabilidad ocurrencia de cada valor de
Discreta una variable aleatoria
discreta, es una variable
aleatoria que tiene valores
contables tales como una
lista de enteros no
negativos. Con una
distribución de probabilidad
discreta, cada valor posible
de la variable aleatoria
discreta puede estar
asociada con una
probabilidad distinta de
cero, por lo tanto, una
distribución de
probabilidad discreta suele
representarse en
forma tabular.

[Link]
mx/minitab/18/help-and-how-
to/probability-distributions-and-
random-data/supporting-
topics/basics/continuous-and-
discrete-probability.
Media Es el valor promedio de
datos numéricos, calculada
como la suma del conjunto
de valores dividida entre el
número total de valores, la
 media a diferencia de la
esperanza matemática es
un término matemático.
[Link]
efiniciones/[Link]
Desviación estándar Es la medida de dispersión
más común, que indica que
tan dispersos están los
datos con respecto a la
media. Mientras mayor sea
la desviación estándar,
mayor será la dispersión de
los datos.
Se representa regularmente
con el símbolo sigma ( σ ) y
representa la desviación
estándar de una población.
la variación que es aleatoria
o natural de un proceso se
conoce comúnmente como
ruido.
[Link]
m/es-mx/minitab/18/help-
and-how-
to/statistics/basic-
statistics/supporting-
topics/data-
concepts/what-is-the-
standard-deviation/
Valor esperado El valor esperado o (la
esperanza) de un variable
aleatoria es el número que
intenta capturar el centro
de la distribución de dicha
variable aleatoria. Podemos
interpretarlo como el
promedio de muchas
muestras independientes de
dicha distribución, más
precisamente se define
como la suma ponderada
de todos los posibles
valores en el soporte de la
variable aleatoria. Cuyo
peso son las probabilidades
de ocurrencia de cada uno
de los valores.
[Link]
[Link]/basic-
probability/[Link]
Varianza Es una medida de
dispersión que se utiliza
para representar la
variabilidad de un conjunto
de datos respecto de la
medida aritmética de los
mismos. así se calcula
como la suma de los
 residuos elevados al
cuadrado y divididos en el
total de observaciones.

[Link]
ario/varianza/
Función Una función de
de probabilidad, también
Probabilid denominada función de
ad masa de probabilidad es
una función que asocia a
cada punto de su espacio
muestral X la probabilidad
de que esta lo asuma en
concreto, si el espacio
muestral E de la variable
aleatoria X consta de los
puntos x1, x2, x3, x4,
…….[Link] función de
probabilidad P asociada a X
es.
P ( X i )=Pi .Donde Pi es
la probabilidad del suceso
k

X =X i por definición de
probabilidad
i=
Hay que advertir que el
concepto de función de
probabilidad solo tiene
sentido para variables
aleatorias que toman un
conjunto discreto de
valores. Para valores
aleatorios continuas el
concepto análogo es de
función de densidad.
[Link]
Funci
%C3%B3n_de_probabilidad
Función de densidad Una función de densidad de
probabilidad caracteriza el
comportamiento probable
de una población
en tanto
especifica la posibilidad relativa
de que una variable aleatoria
continua (X) tome un valor
cercano a x. Una variable aleatoria
X
tiene densidad f, siendo f una
función no-negativa integrable
de lebesgue sí.
 Por lo tanto, si f es la función de
distribución acumulativa de X
entonces.

Distribución binomial La distribución Binomial está

asociada a experimentos del
siguiente tipo.
Realizamos n veces cierto
experimento en el que
consideremos
solo la posibilidad de éxito o
fracaso.
La obtención del éxito o
fracaso en cada ocasión es
independiente
De la obtención de éxito o fracaso
en las demás ocasiones.
Siendo P la probabilidad de éxito
o fracaso siempre es la misma
en cada ocasión la distribución
binomial se suele identificar
con.
B(n,p) donde n , es el número de
intentos y p la probabilidad de
éxito.
Aproximación de la
D. binomial a la D. CONVERGENCIA BINOMIAL-
Poisson POISSON.
Se puede probar que la
distribución binomial tiende a
converger a la distribución de
Poisson cuando el parámetro n
tiende a infinito y el parámetro p
tiende a ser cero, de manera que el
producto de n por p sea una
cantidad constante. De ocurrir esto
la distribución binomial tiende a
un modelo de Poisson de
parámetro l igual a n por p
Este resultado es importante a la
hora del cálculo de
probabilidades, o, incluso a la
hora de inferir características de la
distribución binomial cuando el
número de pruebas sea muy
grande y la probabilidad de éxito
sea muy pequeña[ CITATION
cea20 \l 3082 ]
Distribución Poisson Es una distribución de
probabilidad discreta que expresa,
a
partir de una frecuencia de
ocurrencia media, la probabilidad
de
que ocurra un determinado
número de eventos durante cierto
periodo de tiempo.
Concretamente se especializa
en la
probabilidad de ocurrencia de
sucesos con probabilidades muy
pequeñas o sucesos raros.
[Link]
ibuci%C3%B3n_de_Poisson
Distribución En teoría de la probabilidad la
Hipergeométri distribución hipergeométrica es una
ca distribución discreta relacionada con
muestreos aleatorios y sin reemplazo.
Suponga que se tiene una población
de N elementos de los cuales, d
pertenecen a la categoría A y N-d a la
B.
Distribución normal La distribución normal es un
modelo teórico capaz de
aproximar satisfactoriamente el
valor de una variable aleatoria a
una situación ideal.
En otras palabras, la distribución
normal adapta una variable
aleatoria a una función que
depende de la media y la
desviación típica. Es decir, la
función y la variable aleatoria
tendrán la misma representación,
pero con ligeras diferencias.
Una variable aleatoria continua
puede tomar cualquier número
real. Por ejemplo, las
rentabilidades de las acciones, los
resultados de un examen, el
coeficiente de inteligencia IQ y
los errores estándar son variables
aleatorias continuas.

CITATION eco202\l3082
Distribución Es una distribución normal con
normal estándar media 0 ,y desviación estándar 1
También es llamada distribución Z
, un valor Z es la distancia entre
un valor seleccionado llamado x,y
la media de la población µ,
dividida entre la desviación
estándar σ su fórmula
es.
 Z =( X −μ)/ σ
[Link]
ibuci%C3%B3n de normal
Área bajo la curva Representa el 100% de los
casos en el grafico el área
sombreada
Corresponde a la probabilidad
de encontrar un valor de la
variable que sea igual o
inferior a un valor dado. esa
probabilidad es la que
aprenderemos a determinar
usando una tabla
estandarizada.
Aproximación de Una distribución binomial
la normal a la B(n,p) se puede aproximar
binomial por una distribución normal ,
siempre que n sea grande y
p, no este aproximada a 0, o
a 1 la aproximación consiste
en utilizar una distribución
normal con la misma media y
desviación tipica que la
distribución binomial.
Actividad 2
Tabla de elección de ejercicios

Nombre Rol a desarrollar Grupo de

del ejercicios a
estudiant desarrollar
e
El estudiante
desarrolla el
ejercicio a en todos
los 4 Tipo
de ejercicios
El estudiante
desarrolla el
ejercicio b en todos
los 4 Tipo
de ejercicios
Eduardo Ortiz Almanza Alertas: Asegurar que El estudiante
se avise a los desarrolla el
integrantes del grupo ejercicio c en todos
de las novedades en el los 4 Tipo
trabajo e informar al de ejercicios
docente mediante el
foro de trabajo y la
mensajería del curso,
que se ha realizado el
envío del documento.
El estudiante
desarrolla el
ejercicio
d en todos los 4
Tipo de ejercicios
El estudiante
desarrolla el
ejercicio

e en todos los 4
Tipo de ejercicios
Tabla links videos explicativos

Nombre Ejercicio Link

estudiante s video
sustentad Explicati
os vo
Eduardo Ortiz Ejercicio #3 [Link]
Almanza zNQ4

Ejercicio 3: La UNAD hace un estudio y descubre que un estudiante que sea

dedicado en sus estudios, se gradúa de la institución con una probabilidad del 0.8,
si se seleccionas 7 estudiantes al azar y se sabe que estos son dedicados en sus
estudios, ¿Cuál es la probabilidad de que al menos dos estudiantes se gradúen en
la UNAD?

Distribución binominal

P ( X=x )=P ( x )= n P x ¿
()
p
Donde
X= ? lo que nos piden hallar
x= 2 (al menos dos estudiantes se gradúen)
p= 0.8 Probabilidad
n= 7 (los 7 estudiantes al azar o números de muestras)

P ( X=x )=P ( x )= n p x ¿
()
p

Remplazamos los valores

P ( X=2 )=P (2 )= 7 ¿
( )
0.8

7!
0.8∗ (7−0 . 8 ) !

¿( 21)(0.64)( 0.00032)

P ( X=2 )=0,00 43
Tipo de ejercicios 1 - Distribución Binomial.

c. En una cena el sábado por la noche en un restaurante, una compañía de ocho

amigos. tiene la opción de pescado o carne como plato principal, mientras que para
el postre pueden elegir ya sea crema de caramelo o pastel de selva negra.
Suponiendo que el 70% de las personas piden carne en su plato principal y un
60% de pedido de tarta de selva negra como postre, encuentre la probabilidad de
que:

1) Una persona específica elige pescado como plato principal y pastel de selva
negra para el postre.
2) Entre las ocho personas, nadie elige la combinación de pescado y negro pastel
de bosque.
3) Entre las ocho personas, al menos seis eligen la combinación de carne y crema
caramelo.

Tenemos los siguientes datos

P( x ) n ( p ) ¿
x
()
x

1) Una persona específica elige pescado como plato principal y pastel de selva
negra para el postre.

Tenemos los siguientes datos

n=8
x=1

Probabilidad de elegir otra carne que no sea carne

probilidad de que no pida carne=30 %

pastel de selva negra

probabilidad pastel de selva negra=60 %

Entonces como tenemos una intercesión

p=0.3∗0.6=0.18

Remplazamos los datos

P ( x=1 )= 8 ¿
()1

Desarrollamos la combinación

8!
P ( x=1 )= ¿
1! (8−1)

La probabilidad de que alguien pida pescado como plato

principal y pastel de selva negra para el postre.

P= ( x=1 )=0.3589=35.89%

2) Entre las ocho personas, nadie elige la combinación de pescado

y pastel de selva negra.

Tenemos los siguientes datos

n=8
x=1

Probabilidad de elegir otra carne que no sea carne

probilidad de que no pida carne=30 %

pastel de selva negra

probabilidad pastel de selva negra=60 %

Entonces como tenemos una intercesión entre ambos

p=0.3∗0.6=0.18

Remplazamos los datos

P ( x=0 )= 8 ¿
0 ()
Desarrollamos la combinación

8!
P ( x=0 )= ¿
0 ! (8−0)

La probabilidad de que nadie pida pescado como plato principal y pastel de

selva negra para el postre.

P= ( x=1 )=0.2044=20.44 %

3) Entre las ocho personas, al menos seis eligen una combinación

diferente a pescado y pastel de selva negra.

Tenemos los siguientes datos

n=8
x=1

Probabilidad de elegir otra carne que no sea carne

probilidad de que no pida carne=30 %

pastel de selva negra

probabilidad pastel de selva negra=60 %

Entonces como tenemos una intercesión entre ambos

p=0.3∗0.6=0.18

Tenemos que la probabilidad es igual a

P ( x ≥ 6 )=P ( x=6 )+ P ( x=7 )+ P (x=8)

Desarrollamos las probabilidades

8!
P ( x=6 )= ¿
6 ! ( 8−6 )
 8!
P ( x=7 )= ¿
7 ! ( 8−7 )

8!
P ( x=6 )= ¿
8 ! ( 8−8 )

Sumamos la probabilidad

P ( x ≥ 6 )=0.00064035

Obtenemos

P ( x ≥ 6 )=0.06816 %

GEOGEBRA

Ejercicio 2. Distribución Poisson.

c. Julie tiene una página de Facebook y está muy interesada en tener una gran
cantidad de amigos en esta red social. El número de amigos agregados a su página
sigue un proceso de Poisson con una tasa de 𝜆 =3 personas por semana.

1) ¿Cuál es la probabilidad de que en una semana en particular gane menos de

tres ¿amigos?
 2) Encuentre cuanto tiempo tiene que esperar de ahora en adelante para que
pueda hacer al menos una nueva amiga con una probabilidad del 99%.
3) Suponga que durante una semana en particular no hizo nuevos amigos entre
el domingo y el viernes, y el viernes por la noche se sintió muy
decepcionada y quería saber la probabilidad de que haya al menos un nuevo
amigo el sábado de esa semana. ¿Puedes dar una respuesta a su pregunta?

e−λ λ x
P ( x) =
x!

Tenemos nuestra medida

λ=3

Entonces la probabilidad de que al menos gane 3 amigos es igual

P ( X ≥3 )=1−( P ( X=0 )+ P ( X =1 ) + P ( X=2 ) )

Desarrollamos cada Probabilidad aparte

e−3 λ0
P ( x=0 )= =0.04978
0!

e−3 λ 1
P x=1 =
( ) =0.14936
1!

e−3 λ2
P ( x=2 )= =0.22404
2!

La probabilidad al menos de hacer 3 amigos

P ( X ≥3 )=1−0.6472=57.68 %
Como tenemos 3 amigos para cada semana la media para cada día seria

3
λ=
7

La Probabilidad de que al menos gane un amigo el sábado

P ( X ≤2 ) =1−P(X =0)

Desarrollamos cada probabilidad aparte

3 0
P x=0 =
( )
e −3
7
7 ()
=0.651
0!

La probabilidad de al menos hacer 1 amigo

P ( X ≥1 ) =1−( 0.651 )=0.3485=34.85 %

Ejercicio 3. Distribución Hipergeométrica.

c. En un estante de supermercado, hay 45 paquetes de cereales. Entre estos, hay

cinco paquetes cuya fecha de caducidad es inferior a una semana a partir de
ahora. Camila selecciona cuatro paquetes de cereales al azar y tiene la intención
de consumirlos después de una semana, ya que ella tiene otro paquete de cereales
en casa. ¿Cuál es la probabilidad de que al menos uno de los cuatro paquetes que
ella compró tenga su fecha de caducidad dentro de una semana?
 R N −¿ R
P ( x) =
( x ) ( n −¿ X )

( Nn )
Donde

N= Total de la población
R= éxitos de la población
N= muestra
x= número de éxitos de la muestra

¿Cuál es la probabilidad de que al menos uno de los cuatro paquetes que ella
compró tenga su fecha de caducidad dentro de una semana?

Quiere decir que estén vencidos cuando ella los quiera consumir

Para alguno entonces la probabilidad tiene que ser mayor a 1

P ( x ≥ 1 )=1−( p ( x =0 ) )

Entonces nuestro dato es igual a

R N −¿ R
( X ) ( n −¿ X )
P ( x) =
( Nn )
Donde

N=45
R=5
n=4

5 45 −¿ 5
P ( x=0 )=
( 0 ) ( 4 −¿ 0 )
=0.613376288
45
(4)

La probabilidad de que alguno este vencido es igual

P ( x ≥ 1 )=1−0,613376288=0.3866=38.66 %
Ejercicio 4. Distribución Normal.

c. En cierta población, el nivel de colesterol en la sangre humana (medido en mg dl

− 1) sigue una distribución normal con media μ=220 y desviación estándar σ =40 .

1) Encuentre el porcentaje de personas en esa población con un nivel de

colesterol entre 200 y 260.

x−μ
z=
σ
Tenemos que la Probabilidad es igual a:

P ( 200≤ x ≤ 260 ) =P ( x ≤260 ) −P(200 ≤ x )

Calculamos la primera probabilidad

200−220
z= =−0.5
40

Entonces la primera probabilidad es igual

P ( 200≤ x )=0.30853

Ahora calculamos la otra probabilidad

260−220
z= =1
40

Entonces la segunda probabilidad es igual a

P ( x ≤ 260 )=0.8413

Tenemos que la probabilidad de que el porcentaje de personas tenga un colesterol

entre 200 y 260 es de

P ( 200≤ x ≤ 260 ) =0.8413−0.3085

Obtenemos los siguientes valores que el porcentaje de personas con colesterol
entre 200 y 260

P ( 200≤ x ≤ 260 ) =0.5328

2) ¿Para qué valor c tenemos que el 10% de las personas en la población

tengan colesterol? nivel de al menos c?

Tenemos que el 10% de la población tiene colesterol y 90% va de izquierda a

derecha sin colesterol.

P ( x ≥ ? ) =0.90

Hacemos una función inversa

z=1.2815

Entonces remplazamos

x−220
=1.2815
40

Despejamos x

x−220=51.2606

Pasamos a sumar

x=51.2606+220

x=271.262 Tenemos que el 10% de la población tiene colesterol mayor a 271.262

Bibliografía
Gamero Burón, C. (2017). Estadística I: elementos de estadística descriptiva y de
teoría de la probabilidad. (pp. 257-262, 329-345, 383-395). Servicio de
Publicaciones y Divulgación Científica de la Universidad de Málaga. [Link]
[Link]/es/ereader/unad/60724?page=257

Llinás Solano, H. (2017). Estadística descriptiva y distribuciones de probabilidad.

(pp. 183-186, 214-235, 283-299). Universidad del Norte. [Link]
[Link]/es/ereader/unad/70059?page=201

Obando López, J. y Arango Londoño, N. (2019). Probabilidad y estadística. Fondo

Editorial EIA. (pp. 57-69, 72-74). [Link]
[Link]/es/ereader/unad/125705?page=58

Rodríguez Franco, J. y Pierdant Rodríguez, A. I. (2015). Estadística para

administración. (pp. 241-268, 287-297). Grupo Editorial Patria. [Link]
[Link]/es/ereader/unad/39397?page=258

Este Objeto Virtual de Información (OVI) llamado "Distribución Poisson”, tiene

como objetivo, indicar cuándo y cómo aplicamos una distribución Poisson. Este OVI
sirve como material de consulta para el desarrollo de las actividades de la Unidad 2
del curso.

Sánchez, J.(2020). OVI – Unidad 2. Distribución

Poisson. [Link]