Este documento presenta un informe grupal sobre distribuciones de probabilidad como tarea 3 de un curso. El objetivo es repasar conceptos sobre distribuciones de probabilidad, aplicarlas, resolver ejercicios prácticos y usar GeoGebra para verificar los resultados. Se define una tabla comparativa de conceptos clave como variable aleatoria discreta y continua, distribución de probabilidad, media, desviación estándar, entre otros. Luego, se presentan ejercicios individuales sobre distribuciones binomial, de Poisson y hipergeométrica para que cada estudiante resuelva
Tesis APLICACIÓN DE ESTRATEGIAS PARA EL DESARROLLO DE LA MOTRICIDAD EN EL ...mairaalvarez02
La Experiencia Vivida En Yopal Casanare en el VII Encuentro Regional Semilleros De Investigación CIENSA fue algo muy bonito ya que se experimento y se conocieron más Proyectos tanto en curso como finalizados y esto nos sirvió para tener mas conocimientos de otras tesis y poder participar de encuentros regionales y tener una experiencia significativa en el proceso de formación.
Diapositivas power point desarrollo en el niñoMelissatp
Este documento describe las etapas motrices del desarrollo de un niño, incluyendo la actividad tónica, el esquema corporal, el gateo y la locomoción, y la motricidad fina. Explica que la actividad tónica proporciona un telón de fondo para las actividades motrices y posturales. También describe cómo el gateo y la locomoción fortalecen las extremidades y articulaciones de un niño y les permite reconocer su cuerpo. Finalmente, señala que todas estas etapas de desarrollo son importantes
Este documento describe los contenidos de una unidad sobre distribuciones de probabilidad. Explica que se cubrirán eventos aleatorios, espacio muestral y técnicas de conteo con ejemplos sencillos. Luego detalla seis distribuciones de probabilidad comunes (Bernoulli, binomial, Poisson, normal, gamma y T de student) y que se proporcionarán cinco ejemplos de cada una. El estudiante deberá crear presentaciones y documentos en Word sobre estos temas y subirlos a un blog antes de una fecha límite.
Este documento presenta conceptos básicos sobre estadística bidimensional. Explica distribuciones bidimensionales, correlación, parámetros como medias, varianzas y covarianza. También cubre correlación lineal, coeficiente de correlación, y recta de regresión. Finalmente, incluye un ejercicio de práctica sobre la relación entre camas de hospital y mortalidad infantil.
Este documento presenta conceptos sobre distribuciones bidimensionales. Explica que estas son aquellas que estudian dos variables estadísticas de forma simultánea, representadas por (X,Y). También introduce la nube de puntos y medidas para analizar la correlación entre las variables, como el coeficiente de correlación de Pearson. Finalmente, incluye ejemplos numéricos para ilustrar los conceptos.
Este documento presenta una unidad didáctica sobre las variables aleatorias discretas y la distribución binomial. La unidad se divide en tres clases para explicar los conceptos de variable aleatoria discreta, distribuciones de probabilidad, y la distribución binomial específicamente. Incluye objetivos, contenidos, metodología, actividades, y una secuenciación detallada de las tres clases.
Este documento explica conceptos básicos de estadística bidimensional. Define distribuciones bidimensionales y correlación, y cómo medir el grado de correlación entre dos variables a través de parámetros como la covarianza y el coeficiente de correlación lineal. También describe cómo estimar los valores de una variable a partir de la otra usando la recta de regresión, y cómo medir la dispersión de los datos con el coeficiente de variación.
El documento trata sobre estadística descriptiva y probabilidad. Explica conceptos como medidas de tendencia central, medidas de dispersión, histogramas y tablas de frecuencias. También define conceptos básicos de probabilidad como espacio muestral, eventos y variables aleatorias. Por último, describe distribuciones discretas y la distribución normal.
Tesis APLICACIÓN DE ESTRATEGIAS PARA EL DESARROLLO DE LA MOTRICIDAD EN EL ...mairaalvarez02
La Experiencia Vivida En Yopal Casanare en el VII Encuentro Regional Semilleros De Investigación CIENSA fue algo muy bonito ya que se experimento y se conocieron más Proyectos tanto en curso como finalizados y esto nos sirvió para tener mas conocimientos de otras tesis y poder participar de encuentros regionales y tener una experiencia significativa en el proceso de formación.
Diapositivas power point desarrollo en el niñoMelissatp
Este documento describe las etapas motrices del desarrollo de un niño, incluyendo la actividad tónica, el esquema corporal, el gateo y la locomoción, y la motricidad fina. Explica que la actividad tónica proporciona un telón de fondo para las actividades motrices y posturales. También describe cómo el gateo y la locomoción fortalecen las extremidades y articulaciones de un niño y les permite reconocer su cuerpo. Finalmente, señala que todas estas etapas de desarrollo son importantes
Este documento describe los contenidos de una unidad sobre distribuciones de probabilidad. Explica que se cubrirán eventos aleatorios, espacio muestral y técnicas de conteo con ejemplos sencillos. Luego detalla seis distribuciones de probabilidad comunes (Bernoulli, binomial, Poisson, normal, gamma y T de student) y que se proporcionarán cinco ejemplos de cada una. El estudiante deberá crear presentaciones y documentos en Word sobre estos temas y subirlos a un blog antes de una fecha límite.
Este documento presenta conceptos básicos sobre estadística bidimensional. Explica distribuciones bidimensionales, correlación, parámetros como medias, varianzas y covarianza. También cubre correlación lineal, coeficiente de correlación, y recta de regresión. Finalmente, incluye un ejercicio de práctica sobre la relación entre camas de hospital y mortalidad infantil.
Este documento presenta conceptos sobre distribuciones bidimensionales. Explica que estas son aquellas que estudian dos variables estadísticas de forma simultánea, representadas por (X,Y). También introduce la nube de puntos y medidas para analizar la correlación entre las variables, como el coeficiente de correlación de Pearson. Finalmente, incluye ejemplos numéricos para ilustrar los conceptos.
Este documento presenta una unidad didáctica sobre las variables aleatorias discretas y la distribución binomial. La unidad se divide en tres clases para explicar los conceptos de variable aleatoria discreta, distribuciones de probabilidad, y la distribución binomial específicamente. Incluye objetivos, contenidos, metodología, actividades, y una secuenciación detallada de las tres clases.
Este documento explica conceptos básicos de estadística bidimensional. Define distribuciones bidimensionales y correlación, y cómo medir el grado de correlación entre dos variables a través de parámetros como la covarianza y el coeficiente de correlación lineal. También describe cómo estimar los valores de una variable a partir de la otra usando la recta de regresión, y cómo medir la dispersión de los datos con el coeficiente de variación.
El documento trata sobre estadística descriptiva y probabilidad. Explica conceptos como medidas de tendencia central, medidas de dispersión, histogramas y tablas de frecuencias. También define conceptos básicos de probabilidad como espacio muestral, eventos y variables aleatorias. Por último, describe distribuciones discretas y la distribución normal.
Este documento presenta información sobre distribuciones de probabilidad. Explica conceptos como variable aleatoria, función de densidad de probabilidad para variables continuas, y distribuciones como la binomial y la hipergeométrica. También cubre el cálculo de media y varianza para distribuciones de probabilidad y proporciona ejemplos ilustrativos.
Este documento trata sobre estadística bidimensional. Introduce el concepto de variable estadística bidimensional y cómo se pueden representar los datos de dos variables conjuntamente mediante tablas de doble entrada. Explica conceptos como distribuciones marginales, vector de medias, distribuciones condicionadas y covarianza, que son medidas para estudiar la relación entre dos variables estadísticas.
Este documento presenta conceptos clave sobre evaluación de riesgo agropecuario y simulación de Monte Carlo. Explica que la evaluación económica de sistemas de producción requiere considerar el resultado esperado, su variabilidad y probabilidades asociadas. También describe formas de administrar el riesgo a través de estrategias como negociar variables, transferir o compartir riesgos. Luego, introduce conceptos como riesgo, incertidumbre y distribuciones de probabilidad, las cuales son herramientas clave para modelar y "ver" el
Este documento describe un proyecto de investigación sobre el uso del programa estadístico SPSS para aplicar estadística inferencial en la solución de problemas de comercio exterior. El objetivo general es aprender a manejar SPSS para determinar parámetros estadísticos e implementarlos en problemas de comercio exterior. El documento incluye la justificación, marco teórico sobre estadística inferencial, y métodos como regresión lineal, correlación, prueba de hipótesis y t de Student.
Este documento describe los conceptos y métodos de análisis de riesgo en la evaluación de proyectos utilizando simulación de Monte Carlo. Explica que el análisis de riesgos cuantifica la probabilidad e impacto de fuentes de riesgo a través de la identificación, evaluación y administración del riesgo. También describe cómo la simulación de Monte Carlo genera valores aleatorios según distribuciones de probabilidad para modelar la variabilidad total debida al riesgo e incertidumbre y obtener una distribución de resultados.
Este documento explica las medidas de dispersión o variabilidad, que muestran cuánto varían los valores de una distribución en relación a la media. Describe medidas como la desviación estándar, varianza, rango y coeficiente de variación, y cómo se calculan y usan para comparar muestras y determinar qué tan concentrados o dispersos están los datos.
INFORME FINAL_ESTADISTICA APLICADA AL SECTOR SALUD.docxAnalexisHidalgo
Este documento presenta un informe final sobre estadística aplicada al sector salud que incluye análisis de regresión simple y múltiple, distribución normal y tablas de contingencia. Se analizan variables como salario, sexo, nivel educativo, categoría laboral y clasificación étnica de los empleados para determinar las relaciones entre ellas. Los resultados muestran diferencias significativas en el salario entre categorías laborales pero no entre grupos étnicos, e indican que el modelo de regresión múltiple explica el 65,1%
Este documento describe las relaciones estadísticas bidimensionales entre dos variables y los métodos para analizarlas. Explica los diagramas de dispersión, las distribuciones marginales y condicionadas, y los parámetros como la covarianza y el coeficiente de correlación lineal. También cubre el cálculo de las rectas de regresión, que representan la relación entre las variables.
Este documento describe las relaciones estadísticas bidimensionales entre dos variables y los métodos para analizarlas. Explica los diagramas de dispersión, las distribuciones marginales y condicionadas, y los parámetros como la covarianza y el coeficiente de correlación lineal. También cubre el cálculo de las rectas de regresión, que representan la relación entre las variables.
1) El documento habla sobre el análisis de riesgos en la evaluación de proyectos usando simulación de Montecarlo. 2) Explica que el riesgo y la incertidumbre se pueden describir mediante distribuciones de probabilidad y que la simulación de Montecarlo permite estimar la variabilidad total. 3) Describe diferentes métodos de muestreo, distribuciones de probabilidad y cómo generar valores aleatorios para realizar la simulación.
Este documento presenta un portafolio de estadística inferencial realizado por una estudiante para su curso de Comercio Exterior y Negociación Comercial Internacional. El objetivo general era aprender a manejar el programa SPSS para determinar parámetros estadísticos y aplicarlos a problemas de comercio exterior. El documento incluye la definición y tipos de estadística, regresión lineal, correlación, prueba de hipótesis, y distribución normal entre otros conceptos estadísticos.
Este documento describe un portafolio de estadística inferencial creado por una estudiante como parte de sus estudios en la Escuela de Comercio Exterior y Negociación Comercial Internacional de la Universidad Politécnica Estatal del Carchi en Ecuador. El portafolio cubre temas como el uso de programas estadísticos, regresión lineal, correlación, pruebas de hipótesis y distribuciones normales con el objetivo de aplicar estos conceptos a problemas de comercio exterior.
Modulo De Metodos Cuantitativos En Investigacion[1]Fernando Lopez
El documento describe los métodos de análisis de riesgo y simulación para proyectos de inversión. El análisis de riesgo permite medir la probabilidad de resultados, construir distribuciones de probabilidad y determinar las variables más sensibles. La simulación utiliza modelos matemáticos con entradas probabilísticas para aprender sobre sistemas reales. Se describen distribuciones de probabilidad comunes y cómo generar valores aleatorios para ellas.
10 regresion y correlacion lineal multipleAnniFenty
Este documento presenta un resumen de los conceptos de regresión y correlación lineal múltiple. Explica cómo calcular el plano de regresión para una variable dependiente en función de dos o más variables independientes, así como los coeficientes de regresión, error estándar y correlación múltiple. También cubre cómo realizar pruebas de hipótesis e intervalos de confianza para los parámetros de regresión y estimaciones individuales. Finalmente, incluye un ejemplo ilustrativo con datos sobre dureza de acero en función del contenido de cobre
Este documento presenta la planificación microcurricular de la asignatura de matemática para el grado 2. El objetivo de aprendizaje es reconocer patrones en sucesiones numéricas y aplicar conceptos como progresiones aritméticas y geométricas para resolver problemas. El plan contiene tres semanas de actividades sobre sucesiones convergentes, distribución binomial y distribución normal, con experiencias, reflexiones y aplicaciones para los estudiantes.
El documento discute diferentes tipos de variables y los gráficos más adecuados para representarlas. Explica que las variables cuantitativas continuas se representan mejor con barras o sectores, mientras que las variables cualitativas nominales y los grupos sanguíneos se pueden mostrar con barras o sectores dependiendo de la cantidad de datos. Luego proporciona ejemplos de gráficos para cada variable.
Este documento trata sobre la estimación robusta. Explica que un estimador robusto produce buenas estimaciones ante una amplia variedad de procesos generadores de datos, a diferencia de los estimadores tradicionales que pueden verse afectados por violaciones a sus supuestos. Luego describe diferentes tipos de estimadores robustos como los estimadores M, Lp, L y de mínimos cuadrados recortados, los cuales permiten obtener estimaciones más precisas incluso ante la presencia de datos atípicos o influyentes.
Este documento explica varias medidas de dispersión como el recorrido, la desviación típica y la varianza. Define cada medida y describe cómo se calcula y sus características. Explica que las medidas de dispersión cuantifican la separación de los valores de una distribución y son necesarias para indicar el grado de dispersión de los valores respecto de la media.
Este documento presenta información sobre distribuciones de probabilidad. Explica conceptos como variable aleatoria, función de densidad de probabilidad para variables continuas, y distribuciones como la binomial y la hipergeométrica. También cubre el cálculo de media y varianza para distribuciones de probabilidad y proporciona ejemplos ilustrativos.
Este documento trata sobre estadística bidimensional. Introduce el concepto de variable estadística bidimensional y cómo se pueden representar los datos de dos variables conjuntamente mediante tablas de doble entrada. Explica conceptos como distribuciones marginales, vector de medias, distribuciones condicionadas y covarianza, que son medidas para estudiar la relación entre dos variables estadísticas.
Este documento presenta conceptos clave sobre evaluación de riesgo agropecuario y simulación de Monte Carlo. Explica que la evaluación económica de sistemas de producción requiere considerar el resultado esperado, su variabilidad y probabilidades asociadas. También describe formas de administrar el riesgo a través de estrategias como negociar variables, transferir o compartir riesgos. Luego, introduce conceptos como riesgo, incertidumbre y distribuciones de probabilidad, las cuales son herramientas clave para modelar y "ver" el
Este documento describe un proyecto de investigación sobre el uso del programa estadístico SPSS para aplicar estadística inferencial en la solución de problemas de comercio exterior. El objetivo general es aprender a manejar SPSS para determinar parámetros estadísticos e implementarlos en problemas de comercio exterior. El documento incluye la justificación, marco teórico sobre estadística inferencial, y métodos como regresión lineal, correlación, prueba de hipótesis y t de Student.
Este documento describe los conceptos y métodos de análisis de riesgo en la evaluación de proyectos utilizando simulación de Monte Carlo. Explica que el análisis de riesgos cuantifica la probabilidad e impacto de fuentes de riesgo a través de la identificación, evaluación y administración del riesgo. También describe cómo la simulación de Monte Carlo genera valores aleatorios según distribuciones de probabilidad para modelar la variabilidad total debida al riesgo e incertidumbre y obtener una distribución de resultados.
Este documento explica las medidas de dispersión o variabilidad, que muestran cuánto varían los valores de una distribución en relación a la media. Describe medidas como la desviación estándar, varianza, rango y coeficiente de variación, y cómo se calculan y usan para comparar muestras y determinar qué tan concentrados o dispersos están los datos.
INFORME FINAL_ESTADISTICA APLICADA AL SECTOR SALUD.docxAnalexisHidalgo
Este documento presenta un informe final sobre estadística aplicada al sector salud que incluye análisis de regresión simple y múltiple, distribución normal y tablas de contingencia. Se analizan variables como salario, sexo, nivel educativo, categoría laboral y clasificación étnica de los empleados para determinar las relaciones entre ellas. Los resultados muestran diferencias significativas en el salario entre categorías laborales pero no entre grupos étnicos, e indican que el modelo de regresión múltiple explica el 65,1%
Este documento describe las relaciones estadísticas bidimensionales entre dos variables y los métodos para analizarlas. Explica los diagramas de dispersión, las distribuciones marginales y condicionadas, y los parámetros como la covarianza y el coeficiente de correlación lineal. También cubre el cálculo de las rectas de regresión, que representan la relación entre las variables.
Este documento describe las relaciones estadísticas bidimensionales entre dos variables y los métodos para analizarlas. Explica los diagramas de dispersión, las distribuciones marginales y condicionadas, y los parámetros como la covarianza y el coeficiente de correlación lineal. También cubre el cálculo de las rectas de regresión, que representan la relación entre las variables.
1) El documento habla sobre el análisis de riesgos en la evaluación de proyectos usando simulación de Montecarlo. 2) Explica que el riesgo y la incertidumbre se pueden describir mediante distribuciones de probabilidad y que la simulación de Montecarlo permite estimar la variabilidad total. 3) Describe diferentes métodos de muestreo, distribuciones de probabilidad y cómo generar valores aleatorios para realizar la simulación.
Este documento presenta un portafolio de estadística inferencial realizado por una estudiante para su curso de Comercio Exterior y Negociación Comercial Internacional. El objetivo general era aprender a manejar el programa SPSS para determinar parámetros estadísticos y aplicarlos a problemas de comercio exterior. El documento incluye la definición y tipos de estadística, regresión lineal, correlación, prueba de hipótesis, y distribución normal entre otros conceptos estadísticos.
Este documento describe un portafolio de estadística inferencial creado por una estudiante como parte de sus estudios en la Escuela de Comercio Exterior y Negociación Comercial Internacional de la Universidad Politécnica Estatal del Carchi en Ecuador. El portafolio cubre temas como el uso de programas estadísticos, regresión lineal, correlación, pruebas de hipótesis y distribuciones normales con el objetivo de aplicar estos conceptos a problemas de comercio exterior.
Modulo De Metodos Cuantitativos En Investigacion[1]Fernando Lopez
El documento describe los métodos de análisis de riesgo y simulación para proyectos de inversión. El análisis de riesgo permite medir la probabilidad de resultados, construir distribuciones de probabilidad y determinar las variables más sensibles. La simulación utiliza modelos matemáticos con entradas probabilísticas para aprender sobre sistemas reales. Se describen distribuciones de probabilidad comunes y cómo generar valores aleatorios para ellas.
10 regresion y correlacion lineal multipleAnniFenty
Este documento presenta un resumen de los conceptos de regresión y correlación lineal múltiple. Explica cómo calcular el plano de regresión para una variable dependiente en función de dos o más variables independientes, así como los coeficientes de regresión, error estándar y correlación múltiple. También cubre cómo realizar pruebas de hipótesis e intervalos de confianza para los parámetros de regresión y estimaciones individuales. Finalmente, incluye un ejemplo ilustrativo con datos sobre dureza de acero en función del contenido de cobre
Este documento presenta la planificación microcurricular de la asignatura de matemática para el grado 2. El objetivo de aprendizaje es reconocer patrones en sucesiones numéricas y aplicar conceptos como progresiones aritméticas y geométricas para resolver problemas. El plan contiene tres semanas de actividades sobre sucesiones convergentes, distribución binomial y distribución normal, con experiencias, reflexiones y aplicaciones para los estudiantes.
El documento discute diferentes tipos de variables y los gráficos más adecuados para representarlas. Explica que las variables cuantitativas continuas se representan mejor con barras o sectores, mientras que las variables cualitativas nominales y los grupos sanguíneos se pueden mostrar con barras o sectores dependiendo de la cantidad de datos. Luego proporciona ejemplos de gráficos para cada variable.
Este documento trata sobre la estimación robusta. Explica que un estimador robusto produce buenas estimaciones ante una amplia variedad de procesos generadores de datos, a diferencia de los estimadores tradicionales que pueden verse afectados por violaciones a sus supuestos. Luego describe diferentes tipos de estimadores robustos como los estimadores M, Lp, L y de mínimos cuadrados recortados, los cuales permiten obtener estimaciones más precisas incluso ante la presencia de datos atípicos o influyentes.
Este documento explica varias medidas de dispersión como el recorrido, la desviación típica y la varianza. Define cada medida y describe cómo se calcula y sus características. Explica que las medidas de dispersión cuantifican la separación de los valores de una distribución y son necesarias para indicar el grado de dispersión de los valores respecto de la media.
Estilo Arquitectónico Ecléctico e Histórico, Roberto de la Roche.pdfElisaLen4
Un pequeño resumen de lo que fue el estilo arquitectónico Ecléctico, así como el estilo arquitectónico histórico, sus características, arquitectos reconocidos y edificaciones referenciales de dichas épocas.
TIA portal Bloques PLC Siemens______.pdfArmandoSarco
Bloques con Tia Portal, El sistema de automatización proporciona distintos tipos de bloques donde se guardarán tanto el programa como los datos
correspondientes. Dependiendo de la exigencia del proceso el programa estará estructurado en diferentes bloques.
Los puentes son estructuras esenciales en la infraestructura de transporte, permitiendo la conexión entre diferentes
puntos geográficos y facilitando el flujo de bienes y personas.
1. Informe Grupal Probabilidad
Tarea 3 – Distribuciones de Probabilidad
Breiner Mauricio Castañeda Puentes
Yivier Libardo Duran
Jonathan Stivens Duran
Dario Arles Sogamoso
N.º de Grupo 100402_189
Presentado a:
Heidy Vanessa Nunez tovar
Universidad Nacional Abierta y a Distancia UNAD
Escuela de Ciencias Básicas Tecnología e Ingeniería
Ingeniería de Telecomunicaciones
Neiva Huila
15 de mayo de 2022
2. INTRODUCCIÓN
Para el siguiente trabajo se verá reflejado los componentes de la temática de
probabilidad, aplicando los conceptos y las formulas de las distribuciones de
probabilidad, estudiamos cada concepto con sus formula y las aplicamos en ejercicios
prácticos, de la misma manera nos apoya en el software de GeoGebra para comprobar
los ejercicios y verificar que se resuelven de forma correcta.
3. OBJETIVOS
- Repasar conceptos sobre distribuciones de probabilidad
- Aplicar las distribuciones de probabilidad
- Resolver ejercicios prácticos de probabilidad
- Usar software GeoGebra para comprobar ejercicios
4. Desarrollo
Actividad 1. Tabla comparativa de conceptos
En esta actividad debes realizar lo siguiente:
Cada estudiante deberá realizar una tabla comparativa de conceptos como
se muestra en el anexo 2 – Tablas, para el desarrollo de los ejercicios. se
debe dar la definición de cada uno de los siguientes conceptos (en máximo
3 renglones), citando las referencias consultadas en normas APA; Una vez
cada que estudiante realice su aporte publicado en el foro acerca de la
explicación corta de los términos anteriores, el grupo discutirá en el foro
de trabajo colaborativo las respuestas de los compañeros para construir un
párrafo por cada término y seleccionar la variable, formula o imagen que
representa el concepto, utilizando la “tabla comparativa de conceptos”
del anexo 2 - Tablas para el desarrollo de los ejercicios.
Conceptos para definir: Variable aleatoria, variable aleatoria continua,
variable aleatoria discreta, distribución de probabilidad, distribución de
probabilidad continua, distribución de probabilidad discreta, media,
desviación estándar, valor esperado, varianza, función de probabilidad,
función de densidad, distribución binomial, distribución de Poisson,
distribución hipergeométrica, distribución normal, distribución normal
estándar, área bajo la curva.
Tabla comparativa de conceptos
Tabla
comparativa
Concepto Definición
Variable, formula o
imagen que
representa el concepto
Variable aleatoria
continua
son aquellas que presentan
un número incontable de
valores; por ejemplo, el peso
de las vacas en una granja
(una vaca puede pesar
632,12 kg, otra puede pesar
583,12312 kg, otra
253,12012 kg, otra 198,0876
kg y nunca terminaríamos de
enumerar todos los posibles
valores)
Ref. J. (2021, 1 enero).
Variables aleatorias discretas
y continuas | Matemóvil.
MateMovil. Recuperado 2 de
mayo de 2022, de
5. https://matemovil.com/varia
ble-aleatoria-discreta-y-
continua/
Variable aleatoria
discreta
son aquellas que presentan
un número contable de
valores; por ejemplo, el
número de personas que
viven en una casa (pueden
ser 3, 5 o 9).
Ref. J. (2021, 1 enero).
Variables aleatorias discretas
y continuas | Matemóvil.
MateMovil. Recuperado 2 de
mayo de 2022, de
https://matemovil.com/varia
ble-aleatoria-discreta-y-
continua/
Distribución de
probabilidad
Una distribución de
probabilidad determina la
factibilidad de cada uno de
los posibles resultados de un
experimento.
Ref. Distribuciones de
Probabilidad. (s. f.).
distribuciones de
probabilidad. Recuperado 2
de mayo de 2022, de
https://seeing-
theory.brown.edu/probabilit
y-distributions/es.html
Distribución de
probabilidad
continua
Una distribución continua
describe las probabilidades
de los posibles valores de
una variable aleatoria
continua. Una variable
aleatoria continua es una
variable aleatoria con un
conjunto de valores posibles
(conocido como el rango)
que es infinito y no se puede
contar.
Ref. Distribuciones de
probabilidad continuas y
discretas - Minitab. (s. f.). (C)
Minitab, LLC. All rights
Reserved. 2022. Recuperado
2 de mayo de 2022, de
https://support.minitab.com
/es-mx/minitab/18/help-and-
𝑦 = 𝑓(𝑥)
6. how-to/probability-
distributions-and-random-
data/supporting-
topics/basics/continuous-
and-discrete-probability-
distributions/#:%7E:text=Una
%20distribuci%C3%B3n%20c
ontinua%20describe%20las,y
%20no%20se%20puede%20c
ontar.
Distribución de
probabilidad
discreta
Una distribución discreta
describe la probabilidad de
ocurrencia de cada valor de
una variable aleatoria
discreta. Una variable
aleatoria discreta es una
variable aleatoria que tiene
valores contables, tales como
una lista de enteros no
negativos.
Ref. Distribuciones de
probabilidad continuas y
discretas - Minitab. (s. f.). (C)
Minitab, LLC. All rights
Reserved. 2022. Recuperado
2 de mayo de 2022, de
https://support.minitab.com
/es-mx/minitab/18/help-and-
how-to/probability-
distributions-and-random-
data/supporting-
topics/basics/continuous-
and-discrete-probability-
distributions/#:%7E:text=Una
%20distribuci%C3%B3n%20c
ontinua%20describe%20las,y
%20no%20se%20puede%20c
ontar
Media
La media «µ» o valor
esperado «E(X)» es un
promedio ponderado de los
valores que asume la variable
aleatoria cuando los pesos
son las probabilidades. Es
una medida de tendencia
central.
Ref.
7. J. (2021a, enero 1). Media
(valor esperado), varianza y
desviación estándar de
variable aleatoria discreta |
Matemóvil. MateMovil.
Recuperado 2 de mayo de
2022, de
https://matemovil.com/medi
a-varianza-y-desviacion-
estandar-de-una-variable-
aleatoria-
discreta/#:%7E:text=clase%2
0de%20hoy.-
,1.,una%20medida%20de%20
tendencia%20central.
Desviación estándar
La desviación estándar σ es la
raíz cuadrada positiva de la
varianza:
Ref. J. (2021c, enero 1).
Media (valor esperado),
varianza y desviación
estándar de variable
aleatoria discreta |
Matemóvil. MateMovil.
Recuperado 2 de mayo de
2022, de
https://matemovil.com/medi
a-varianza-y-desviacion-
estandar-de-una-variable-
aleatoria-
discreta/#:%7E:text=clase%2
0de%20hoy.-
,1.,una%20medida%20de%20
tendencia%20central
Valor esperado
La esperanza matemática,
también llamada valor
esperado, es igual al
sumatorio de las
probabilidades de que exista
un suceso aleatorio,
multiplicado por el valor del
suceso aleatorio.
Ref. López, J. F. (2021, 15
febrero). Esperanza
matemática. Economipedia.
Recuperado 2 de mayo de
2022, de
https://economipedia.com/d
8. efiniciones/esperanza-
matematica.html
Varianza
La varianza, σ2 o V(X), es un
promedio ponderado de las
desviaciones al cuadrado de
una variable aleatoria de su
media. Los pesos son las
probabilidades.
Ref. J. (2021d, enero 1).
Media (valor esperado),
varianza y desviación
estándar de variable
aleatoria discreta |
Matemóvil. MateMovil.
Recuperado 2 de mayo de
2022, de
https://matemovil.com/medi
a-varianza-y-desviacion-
estandar-de-una-variable-
aleatoria-
discreta/#:%7E:text=clase%2
0de%20hoy.-
,1.,una%20medida%20de%20
tendencia%20central
Función de
probabilidad
Se llama función de
probabilidad de una variable
aleatoria discreta X a la
aplicación que asocia a cada
valor de xi de la variable su
probabilidad pi.
Ref. función de probabilidad.
(s. f.). Diccionario de
Matemáticas | Superprof.
Recuperado 2 de mayo de
2022, de
https://www.superprof.es/di
ccionario/matematicas/prob
abilidades/funcion-
probabilidad.html
Función de densidad
La función de densidad de
probabilidad muestra la
distribución de valores de
destino. En destinos
continuos, permite
determinar la probabilidad
de que el destino esté dentro
9. de una región concreta. En
destinos categóricos
(destinos con un nivel de
medición del nominal u
ordinal), se genera un gráfico
de barras que muestra en
porcentaje de casos que
entran dentro de cada
categoría del destino.
Ref. Funciones de densidad
(simulación). (s. f.). funciones
de densidad. Recuperado 2
de mayo de 2022, de
https://www.ibm.com/docs/
es/spss-
statistics/25.0.0?topic=SSLV
MB_25.0.0/spss/base/idh_si
mulation_densityfunctions.ht
ml
Distribución
binomial
Una distribución binomial es
una distribución de
probabilidad discreta que
describe el número de éxitos
al realizar n experimentos
independientes entre sí,
acerca de una variable
aleatoria.
Ref. Sanjuán, F. J. M. (2021,
13 enero). Distribución
binomial. Economipedia.
Recuperado 2 de mayo de
2022, de
https://economipedia.com/d
efiniciones/distribucion-
binomial.html
Distribución de
poisson
La distribución de Poisson es
una distribución de
probabilidad discreta que
modeliza la frecuencia de
eventos determinados
durante un intervalo de
tiempo fijado a partir de la
frecuencia media de
aparición de dichos eventos.
Ref. Rodó, P. (2021, 11
febrero). Distribución de
Poisson. Economipedia.
Recuperado 2 de mayo de
2022, de
https://economipedia.com/d
10. efiniciones/distribucion-de-
poisson.html
Distribución
Hipergeométrica
La distribución
hipergeométrica es una
distribución discreta que
modela el número de
eventos en una muestra de
tamaño fijo cuando usted
conoce el número total de
elementos en la población de
la cual proviene la muestra.
Ref. Distribución
hipergeométrica - Minitab.
(s. f.). (C) Minitab, LLC. All
rights Reserved. 2022.
Recuperado 2 de mayo de
2022, de
https://support.minitab.com
/es-mx/minitab/18/help-and-
how-to/probability-
distributions-and-random-
data/supporting-
topics/distributions/hyperge
ometric-distribution/
Distribución normal
La distribución normal es un
modelo teórico capaz de
aproximar satisfactoriamente
el valor de una variable
aleatoria a una situación
ideal.
Ref. Rodó, P. (2022, 25
enero). Distribución normal.
Economipedia. Recuperado 2
de mayo de 2022, de
https://economipedia.com/d
efiniciones/distribucion-
normal.html
Distribución normal
estándar
La distribución normal
estándar, o tipificada o
reducida, es aquella que
tiene por media el valor cero,
μ =0, y por desviación típica
la unidad, σ =1.
Ref. distribución normal. (s.
f.). Diccionario de
11. Matemáticas | Superprof.
Recuperado 2 de mayo de
2022, de
https://www.superprof.es/di
ccionario/matematicas/prob
abilidades/distribucion-
normal.html#:%7E:text=La%2
0distribuci%C3%B3n%20nor
mal%20est%C3%A1ndar%2C
%20o,la%20unidad%2C%20%
CF%83%20%3D1.
Área bajo la curva
La formulación del área bajo
una curva es el primer paso
para desarrollar el concepto
de integral. El área bajo la
curva formada por el trazo de
la función f(x) y el eje x se
puede obtener
aproximadamente, dibujando
rectángulos de anchura finita
y altura f igual al valor de la
función en el centro del
intervalo
Ref. Integral. (s. f.). Area bajo
la curva. Recuperado 5 de
mayo de 2022, de
http://hyperphysics.phy-
astr.gsu.edu/hbasees/integ.h
tml#:%7E:text=%C3%81rea%
20Bajo%20una%20Curva&tex
t=El%20%C3%A1rea%20bajo
%20la%20curva,en%20el%20
centro%20del%20intervalo.
Actividad 2. Ejercicios de aplicación (Individual).
Descripción de la Actividad:
La presente actividad consta de 4 ejercicios; cada estudiante debe seleccionar
una letra: a, b, c, d o e, así en cada ejercicio el estudiante seleccionará y
desarrollará lo solicitado en la descripción del ejercicio. Además, anunciará la
letra seleccionada en el foro correspondiente, de tal forma que no coincida con
la selección de otro compañero. Ejemplo:
“Voy a desarrollar los ejercicios a”
12. Esto quiere decir que el estudiante realizará todos los ejercicios a de esta guía.
Nombre del
estudiante
Rol a desarrollar
Grupo de ejercicios
a desarrollar
Jonathan Stivens Vargas Alerta
El estudiante
desarrolla el ejercicio
a en todos los 3 Tipo
de ejercicios
Yivier Libardo Duran Entrega
El estudiante
desarrolla el ejercicio
c en todos los 3 Tipo
de ejercicios
Dario Arles Sogamoso Evaluador
El estudiante
desarrolla el ejercicio
d en todos los 3 Tipo
de ejercicios
Breiner Mauricio
Castañeda Puentes
Compilador
El estudiante
desarrolla el ejercicio
e en todos los 3 Tipo
de ejercicios
Ejercicios Para Seleccionar y Desarrollar:
Ejercicios 1- Distribución Binomial.
Se realiza una encuesta entre los estudiantes de la UNAD, se encuentra
que el 30% no lee más de tres libros al año.
a Si se les pregunta a 15 estudiantes.
i) Cual es la probabilidad de que exactamente 7 haya leído más de tres
libros en un año.
n=15
x=7
p=0.7
x=0,1,2,3
𝑝(𝑥 = 𝑥) = (
𝑛
𝑥
)𝑝𝑥
(1 − 𝑝)𝑛−𝑥
𝑝(𝑥 = 𝑥) =
15
7
(0,7)7
∗ (1 − (0,7))15−7
𝑝(𝑥 = 𝑥) =
(
15
7
) ∗ (0,7)7
∗ (1 − 0,7)8
13. 𝑛!
𝑥! (𝑛 − 𝑥)!
=
15!
7! (15 − 7)!
∗ (0,7)7
∗ (0,3)8
6435 ∗ 0.0823543 ∗ 0.00006461 = 𝟎. 𝟎𝟑𝟒𝟖
La probabilidad de que exactamente 7 haya leído más de tres libros
en un año es de: 0.0348
ii) Cual es la probabilidad de que entre 5 y 10 inclusive no hayan leído
más de tres libros en un año.
n=15
x=5
p=0.3
x=5,6,7,8,9,10
𝑝(𝑥 = 𝑥) = (
𝑛
𝑥
)𝑝𝑥
(1 − 𝑝)𝑛−𝑥
𝑝(𝑥 = 𝑥) =
15
5
(0,3)5
∗ (1 − (0,3))15−5
15
5
(0,3)5
∗ (1 − 0,3)10
𝑛!
𝑥! (𝑛 − 𝑥)!
=
15!
5! (15 − 5)!
∗ (0,3)5
∗ (0.7)10
3003 ∗ 0.00243 ∗ 0.0282475249 = 𝟎. 𝟐𝟎𝟔𝟏
17. n=15
x=9
p=0.3
x=5,6,7,8,9,10
𝑝(𝑥 = 𝑥) = (
𝑛
𝑥
)𝑝𝑥
(1 − 𝑝)𝑛−𝑥
𝑝(𝑥 = 𝑥) =
15
10
(0,3)10
∗ (1 − (0,3))15−10
15
10
(0,3)10
∗ (1 − 0,3)10
𝑛!
𝑥! (𝑛 − 𝑥)!
=
15!
10! (15 − 10)!
∗ (0,3)10
∗ (0.7)5
3003 ∗ 0.0000059049 ∗ 0.16807 = 𝟎. 𝟎𝟎𝟑
II) Cual es la probabilidad de que entre 5 y 10 inclusive no hayan
leído
más de tres libros en un año.
La probabilidad de que no hayan leído más de tres libros en un año es:
0.4838 %
b Se les pregunta a 20 estudiantes.
i) Cuál es la probabilidad de que exactamente 12 no hayan leído más
de tres libros en un año.
ii) Cuál es la probabilidad de al menos 15 hayan leído más de tres libros
en un año.
18. c Se encuestan 8 estudiantes.
i) Cuál es la probabilidad de que exactamente 2 no hayan leído más de
tres libros en un año.
i)
Probabilidad de que no lean mas de tres libros al año:
30% 0.3
8 (número de ensayos)
2
Aplicamos la fó
Cuál es la probabilidad de que exactamente 2 no hayan leído más de tres libros en un año ?
p
n
k
= =
=
=
2 8 2
y
rmula para una distribución binomial:
( ) (1 )
Reemplazamos valores
8
( 2) (0.3) (1 0.3)
2
( 2) 28(0.09)(0.1176) 0.2963 29.63%
Luego, la proba que exac
li tamen
b 2
i da n
d de te o ha
k n k
n
P X k p p
k
P X
P X
−
−
= = −
= = −
= =
an leído más de tres libros en un año es del 29.63%
ii) Cuál es la probabilidad de que máximo 3 hayan leído más de tres
libros al año.
ii)
Máximo 3 significa que 3
La probabilidad de éxito ahora es del 70% ya que se trata de los encuestados que han leído m
Cuál es la probabilidad de que máximo 3 hayan leído mas de tres libros al año?
x
0 8 0 1 8 1 3 8 2 3 8 3
5
ás de tres libros
70% 0.7
( 3) ( 0) ( 1) ( 2) ( 3)
8 8 8 8
( 3) (0.7) (1 0.7) (0.7) (1 0.7) (0.7) (1 0.7) (0.7) (1 0.7)
0 1 2 3
( 3) 4.59 10 1.22 10
p
P X P x P x P x P x
P X
P X
− − − −
− −
= =
→ = = + = + = + =
→ = − + − + − + −
→ = + 3 3
7.00 10 0.0466 0.0548 5.48%
( 3) 5.48%
Luego, la probabilida máximo 3 h %
ayan leí e
d de r
que o e
do mas d t es .
li s
br d
o 8
s 5
a e 4
l añ
P X
−
+ + = =
→ =
19. d Al preguntarle a 12 estudiantes.
i) Cuál es la probabilidad de que ninguno haya leído más de tres libros
en un año.
ii) Cuál es la probabilidad de que menos de 10 no hayan leído más de
tres libros
p=0,3
x=10
n=12
q=0,7
𝑃(𝑥) = (
𝑛
𝑥
) 𝑝𝑥
𝑞𝑛−𝑥
(
𝑛
𝑥
) =
𝑛!
𝑥!(𝑛−𝑥)!
𝑃(9) = (
12!
9! (12 − 9)!
) × 0,39
× 0,72
𝑃(9) = 0.21218274
𝑝(9) = 21,2%
20. e. Al preguntarle a 30 estudiantes.
i) Cuál es la probabilidad que 20 no hayan leído más de tres libros en
un año.
𝑥 = 20
𝑝 = 0,3
𝑞 = 0,7
𝑛 = 30
𝑃(𝑥) = (
𝑛
𝑥
) 𝑝𝑥
𝑞𝑛−𝑥
(
𝑛
𝑥
) =
𝑛!
𝑥!(𝑛−𝑥)!
𝑃(20) = (
30!
20! (30 − 20)!
) × 0,320
× 0,710
𝑃(20) = 0,00002959225
𝑃(20) = 0%
ii) Cuál es la probabilidad de que entre 25 inclusive y 28 exclusive
hayan leído más de tres libros en un año.
𝑥 = 𝑃(25 ≤ 𝑥 < 28) = 𝑃(𝑥 = 25) + 𝑃(𝑥 = 26) + 𝑃(𝑥 = 27)
𝑝 = 0,7
𝑞 = 0,3
𝑛 = 30
21. 𝑃(𝑥) = (
𝑛
𝑥
) 𝑝𝑥
𝑞𝑛−𝑥
(
𝑛
𝑥
) =
𝑛!
𝑥!(𝑛−𝑥)!
𝑃(25 ≤ 𝑥 < 28) = (
30!
25!(30−25)!
) × 0,725
× 0,35
+ (
30!
26!(30−26)!
) × 0,726
× 0,34
+
(
30!
27!(30−27)!
) × 0,727
× 0,33
𝑃(25 ≤ 𝑥 < 28) = 0,0464 + 0,0208 + 0,0072
𝑃(25 ≤ 𝑥 < 28) = 0,0744
𝑃(25 ≤ 𝑥 < 28) = 7,44%
Ejercicios 2- Distribución Poisson.
Se sabe que el número de temblores de tierra ocurridos en un periodo de 1
año en Colombia, es en promedio de 8.
a Cuál es la probabilidad que en los próximos 2 meses:
i) Se presente 1 temblor de tierra.
𝑃(𝑋 = 𝑋)
𝑒−𝜆
. 𝜆𝑥
𝑥!
𝑥 = 1
Regla de 3.
12 𝑚𝑒𝑠𝑒𝑠 → 8
2 𝑚𝑒𝑠𝑒𝑠 → 𝞴
𝞴 = 𝟏. 𝟑𝟑𝟑
23. b Cuál es la probabilidad que en los próximos 2 años:
i) Se presenten exactamente 5 temblores de tierra.
ii) Se presenten entre 5 y 7 temblores de tierra incluyendo los valores
extremos.
c Cuál es la probabilidad que en el próximo semestre:
i) No se presenten temblores de tierra.
Número de temblores en promedio durante un año o dos semestres: =8
(1)(8)
luego, el número de temblores en promedio durante un semestre es = 4
2
i) No se presenten temblores de tierra
Aplicamos la fórmul
=
4 0
a para una distribución de Poisson:
1
( )
!
Reemplazamos valores
1
( 0) 4 1 (0.0183)(1) 0.0183
0!
( 0) 1.83%
Luego, la probabilidad de que no se presenten temblores es de 1.83%
k
P X k e
k
P X e
P X
−
−
= =
= = = =
= =
24. ii) Se presenten máximo 3 temblores.
4 3 4 2 4 1 4 0
ii) Se presenten máximo 3 temblores
( 3) ( 3) ( 2) ( 1) ( 0)
1 1 1 1
( 3) 4 4 4 4
3! 2! 1! 0!
( 3) 0.1953 0.1465 0.0732 0.0183 0.4333
( 3) 43.33%
Luego, la probabilidad
P x P x P x P x P x
P x e e e e
P x
P x
− − − −
→ = = + = + = + =
→ = + + +
→ = + + + =
→ =
de que se presenten máximo 3 temblores es de 43.33%
d Cuál es la probabilidad que en el próximo año.
i) Se presenten 5 temblores.
𝑃 (𝑋 = 𝑥) =
𝑒−𝜆
𝝀𝒙
𝑥!
𝑃(5 ≤ 𝑥 ≤ 5)
𝜆 = 2
𝑃(5 ≤ 𝑥 ≤ 5) =
𝑒−2
25
5!
𝑃(5 ≤ 𝑥 ≤ 5) = 0,0361 = 3,61%
25. ii) Se presenten más de 8 temblores.
Se sabe que el número de temblores de tierra ocurridos en un periodo de 1
año en Colombia, es en promedio de 8.
e. Cuál es la probabilidad que en el próximo trimestre.
i) Se presenten 4 temblores.
𝑃(𝑋 = 𝑥) =
𝑒−𝜆𝝀𝒙
𝑥!
𝑃(4 ≤ 𝑥 ≤ 4)
𝜆 = 2
𝑃(4 ≤ 𝑥 ≤ 4) =
𝑒−2
24
4!
𝑃(4 ≤ 𝑥 ≤ 4) = 0,0902 = 9,02%
ii) El número de temblores sea menor que 4.
𝑃(𝑋 = 𝑥) =
𝑒−𝜆
𝝀𝒙
𝑥!
𝑃(𝑥 =< 4) = 𝑃(𝑥 = 3) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 0)
𝜆 = 2
𝑃(𝑥 =< 4) =
𝑒−2
20
0!
+
𝑒−2
21
1!
+
𝑒−2
22
2!
+
𝑒−2
23
3!
26. 𝑃(𝑥 =< 4) = 0,135 + 0,270 + 0,270 + 0,180
𝑃(𝑥 =< 4) = 0,855 = 85,5%
Ejercicio 3- Distribución Hipergeométrica.
En una planta de producción de medicamentos, se sabe que, por cada
1.000 tabletas fabricadas, 3 salen defectuosas.
a Si de un lote de producción de 5.000 tabletas se extraen 50.
i) Cuál es la probabilidad de que 7 salgan defectuosas.
ii) Cuál es la probabilidad de que máximo 3 tabletas salgan
defectuosas.
b Se realiza un chequeo de calidad a un lote de producción de 2.000
tabletas.
i) Por políticas de calidad, se revisan 20 tabletas, si el 15% (3 tabletas)
salen defectuosas se rechaza el lote, cual es la probabilidad de que el lote
sea rechazado.
ii) Se envía un pedido a Metro salud de 500 tabletas de este lote, cual
es la probabilidad de que salgan 2 o más defectuosas.
27. c Se producen 10.000 tabletas y se empacan en frascos de 100
tabletas:
i) Cuál es la probabilidad, de que en un frasco haya 2 tabletas
defectuosas.
Si por cada 1.000 tabletas fabricadas, 3 salen defectuosas; entonces si se
producen 10.000 habrá 30 tabletas defectuosas.
Tenemos los siguientes datos del problema:
10000 (población)
30 (cantidad de la población que tienen la característica especial)
100 (tamaño de la muestra)
i) Probabilidad de que en un frasco haya
N
M
n
=
=
=
dos tabletas defectuosas
Aplicamos la fórmula para una distribución hipergeométrica
( )
para 2, tenemos:
30 10000 30 30 9970
2 100 2 2 9
( 2)
10000
100
M N M
k n k
P X k
N
n
k
P X
−
−
= =
=
−
−
→ = = =
8
0.0326
10000
100
( 2) 3.26%
Luego, la probabilidad de que en un frasco haya dos tabletas defectuosas es del 3.26%
P X
→ = =
Este resultado se obtuvo con la calculadora de Excel utilizando la función
COMBINAT
28. Validación en GeoGebra
ii) Cuál es la probabilidad de que en cada frasco haya máximo 2
tabletas defectuosas.
2)
en términos prob
Cuál es la probab
c
0
ilidad de que en cad r
abilíst
m
i os
l
p
s
ar
e
a
c
a f asco haya máxi o 2 tab eta d fe tuos
2
( 2) ( 2) ( 1) ( 0)
30 9970
1 99
( 2) .0326
10000
100
as?
x
P x P x P x P x
P x
→
→ = = + = + =
→ = + +
30 9970
0 100
10000
100
( 2) 0.0326 0.2247 0.7393 0.9966
( 2) 99.66%
Luego, la probabilidad de es del
que en cada frasco haya máximo 2 tabletas defectuosas 99.66%
P x
P x
→ = + + =
→ =
29. d Se producen 3.000 tabletas para un pedido de Sura EPS.
i) Control de calidad de Sura, tiene por política que si el 1% de las
tabletas revisadas sale defectuoso, se devuelve el pedido, cual es la
probabilidad de que se acepte el pedido.
ii) Sura empaca las tabletas en frascos de 60, cual es la probabilidad de
que un frasco contenga a lo más 2 tabletas defectuosas.
N 50
n 60
r 1%
x ≥2
𝑃(𝑥) =
(
𝑟
𝑥
) (
𝑁 − 𝑟
𝑛 − 𝑥
)
(
𝑁
𝑛
)
𝑃(𝑥=2) =
(
1
2
) (
50 − 1
60 − 2
)
(
50
60
)
𝑃(2) = 0,00000000000000015* 100 = 0,00000000000015% de probabilidad que un
frasco contenga a las más 2 tabletas defectuosas
𝑃(𝑥=1) =
(
1
1
) (
50 − 1
60 − 1
)
(
50
60
)
𝑃(𝑥=1) = 0
30. 𝑃(𝑥=0) =
(
1
0
) (
50 − 1
60 − 0
)
(
50
60
)
𝑃(𝑥=0) = 0
En una planta de producción de medicamentos, se sabe que, por cada
1.000 tabletas fabricadas, 3 salen defectuosas.
e. En una producción de 15.000 tabletas, se empacan en frascos de
100 tabletas.
i) Cuál es la probabilidad de que un frasco contenga más de 5 tabletas
defectuosas.
Tenemos 1000 tabletas = 3 defectuosas entonces:
15000 tabletas = 45 defectuosas
𝑃(𝑥) =
(
𝑘
𝑥
) (
𝑁 − 𝑘
𝑛 − 𝑥
)
(
𝑁
𝑛
)
𝑁 = 15000
𝑛 = 100
𝑘 = 45
𝑥 = > 5
𝑃(𝑥) =
(
45
5
) (
15000 − 45
100 − 5
)
(
15000
100
)
𝑃(𝑥) = 0
La probabilidad de que un frasco contenga más de 5 tabletas defectuosas es
del 0%
32. Ejercicio 4- Distribución Normal.
La duración de cierto tipo de diodo es en promedio de 10.000 horas, con
desviación típica de 800 horas.
Para este problema año = 360 días, mes = 30 días, día=24 horas
a
i) Cuál es la probabilidad de que dure más de un año.
I) Cuál es la probabilidad de que dure más de un año.
𝑃(𝑋 > 8640) = 1 − 𝑃(𝑥 ≤ 8640)
1 − 𝑃 (
𝑥 − 𝜇
𝜑
≤
8640 − 10000
800
) = 0.9554
33. ii) Cuál es la probabilidad de que dure entre 13 y 18 meses.
𝑃(13 ≤ 𝑥 ≤ 18) = 𝑝(𝑥 ≤ 18) − 𝑝(𝑥 ≤ 13)
𝑝 (
𝑥 − 𝜇
𝜎
≤
18 − 13,69862
1,09589
) − 𝑝 (
13 − 13,69862
1,09589
)
= 0 − 0,7381
= 0,7381
b
i) Si el diodo falla antes de un año, se cambia por otro nuevo, cual es
la probabilidad de que haya que cambiar el diodo.
ii) Cuál es el tiempo que duran el 98% de los diodos.
c
i) Hallar la probabilidad de que un diodo dure más de 11 meses.
Si un mes tiene 30 días, entonces un mes tendrá 720 horas. Por tanto, 11 meses
equivaldrían a 7920 horas. Todo esto por regla de tres simple.
34. i) Probabilidad de que un diodo dure más de 11 meses
( 7920) 1 ( 7920)
Hacemos la conversión a la distribución normal estándar
7920 10000
2.6
800
( 7920) 1 ( 2.6) 1 0.0047 0.9953
( 7920
P x P x
x
z
P x P z
P x
= −
− −
= = = −
→ = − − = − =
→ ) 99.53%
Luego, la probabilidad de que un diodo dure más de 11 meses es de 99.53%
=
ii) A partir de que valor de durabilidad, está el 95% de los diodos.
ii) A partir de que valor de durabilidad, está el 95% de los diodos
si a partir de las 10.000 horas los diodos están en un 100% tenemos:
10.000 h 100%
x 95%
95% 10.000 h
x 9500 h
100%
por ta
→
→
= =
nto, los diodos estarán en un 95% a partir de las 9500 horas. Sin embargo, hay una
alta probabilidad de que los diodos permanezcan activos teniendo en cuenta que el valor sigue
estando por debajo de la media.
35. d
i) Probabilidad de que un diodo dure entre 10 y 12 meses
ii) Probabilidad de que el diodo falle antes de 355 días.
e.
i) Probabilidad de que el diodo dure menos de 9.000 horas.
Los datos que tenemos son:
𝑥 = 9000
𝜇 = 10000
𝜎 = 800
Determinamos el valor de z
𝑧 =
𝑥 − 𝜇
𝜎
𝑧 =
9000 − 10000
800
𝑧 = −1.25
Según la tabla de probabilidad normal el valor z es de: 0,1056
La probabilidad de que dure menos de 9000 h es del 10.56%
36. ii) Probabilidad de que dure entre 9.800 y 10.200 horas.
Los datos que tenemos son:
𝑥 = 9800 𝑦 10200
𝜇 = 10000
𝜎 = 800
Determinamos el valor de z
𝑧 =
𝑥 − 𝜇
𝜎
𝑧 =
9800 − 10000
800
𝑧 = −0.25
𝑧 =
10200 − 10000
800
𝑧 = 0.25
Según la tabla de probabilidad normal el valor z es de: 0,4013 y
0,5987 respectivamente.
Restamos estos valores:
𝑧 = 0,4013 − 0,5987
𝑧 = 0,1974
La probabilidad de que dure menos de 9800 y 10200 h es del 19.74%
Debe realizar
P( 9800 horas ≤ x ≤ 10200 horas) = 𝑝(𝑥 ≤ 10200) − 𝑝( 𝑥 < 9800) )
38. CONCLUSIONES
En conclusión, podemos aplicar las distribuciones de probabilidad en ejercicios
prácticos y resolver probabilidades a nivel industrial y de la ingeniería, con la
aplicación del software GeoGebra tenemos una herramienta muy eficaz para
simplificar el proceso.
39. BIBLIOGRAFIA
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.
https://elibro-
net.bibliotecavirtual.unad.edu.co/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.
https://elibro-
net.bibliotecavirtual.unad.edu.co/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).
https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/125705?page=58
Sánchez, J.(2020). OVI – Unidad 2. Distribución Poisson.
https://repository.unad.edu.co/handle/10596/35640