TRABAJO COLABORATIVO FASE 2

ELABORADO POR
FREDDY JURADO
JOHN JAIRO FRANCO
ALEX FERNEY URREGO
SANDRA MILENA CASTRO

TUTOR
LUIS PARMENIO CORREDOR

UNIVERSIDAD NACIONAL ABIERTA Y ADISTACIA UNAD

ESCUELA DE CIENCIAS BASICAS, TEGNOLOGIAS E INGENIERIAS
PROBABILIDAD
NOVIEMBRE 2016
 INTRODUCCION

El siguiente trabajo contiene la solución a los 5 ejercicios planteados para la segunda

fase del curso de probabilidad.
En la vida cotidiana podemos determinar o predecir los sucesos que pueden
presentarse a futuro, esto lo podemos determinar aplicando los diferentes métodos
de la probabilidad, así que la solución de estos ejercicios se emplearan diferentes
teorías de probabilidad como es la distribución hipergeometrica, distribución binomial
y distribución Poisson, que describen el número de veces que un evento ocurre en un
número fijo de ensayos.
Los problemas planteados están solucionados por cada estudiante de este grupo
colaborativo así que se demuestra las diferentes habilidades como la investigación,
para llevar a feliz término la solución adecuada a cada pregunta.
CUADRO SINOPTICO

son posible dos

Es un caso particular de probabilidad resultados: el suceso A,
Distribution de variable aleatoria discreta, y por
llamado éxito, y el
binomial sus aplicaciones, es posiblemente la suceso B, llamado
más importante. fracaso.

Una
distribución
La distribución de una variable
de Distribución Determina la curva en
normal está completamente
probabilidad Normal forma de campana
determinada por dos parámetros, su
indica toda la
media (µ) y su desviación estándar
gama de
valores que
Distribuciones de pueden Clases
probabilidad representarse
como
Es aplicable a muestreos sin
resultado de reemplazo y la binomial a
Distribution Es una distribución discreta
un relacionada con muestreos muestreos con reemplazo.
experimento hipergeometrica
aleatorios y sin reemplazo
si éste se
llevase a
cabo. Es útil cuando tratamos con
cantidades de ocurrencia
de un evento a lo largo de
un intervalo de tiempo o
Es también un caso particular de espacio especificado.
Distribución
probabilidad de variable aleatoria Esta distribución se utiliza
de Poisson.
discreta para describir ciertos
procesos.
ESTUDIO CASO 1

Para entregar una Tarjeta de crédito en los bancos del grupo Aval, los analistas del banco
clasifican o califican al cliente en función de la probabilidad de que resulte rentable. Una tabla
habitual de calificaciones es la siguiente:

La calificación es la suma de los puntos de los seis rubros. Por ejemplo, Sushi Brown tiene
menos de 25 años (12 puntos); ha vivido en el mismo domicilio durante dos años (0 puntos);
desde hace cuatro años es dueño de un automóvil (13 puntos), por el que realiza pagos de
$75 (6 puntos); realiza gastos domésticos de $200 (10 puntos) y posee una cuenta de
cheques (3 puntos).

La calificación que obtendría sería de 44. Después, con una segunda tabla, se convierten las
calificaciones en probabilidades de rentabilidad del cliente, así:

La puntuación de Sushi (44) se traduciría en una probabilidad de rentabilidad aproximada de

0.81. En otras palabras, 81% de los clientes como Sushi generarían dinero a las
operaciones con tarjeta del banco. A continuación se muestran los resultados de las
entrevistas con los tres posibles clientes.
Prepare un informe en el que como mínimo, incluya:

Rta:

Según los resultados expuestos en el cuadro anterior y siguiendo los parámetros descritos en
el ejemplo se realiza el siguiente cuadro para dar una clara solución a las preguntas
planteadas.

1.- Califique a cada uno de estos clientes y calcule la probabilidad de que resulten
rentables

DAVID EDWARD
NOMBRE ANN MCLAUGHIN
BORN BRENDAN
42 23 33
EDAD
18 12 0
TIEMPO 9 2 5
VIVENDO EN
LA MISMA
DIRECCION 20 0 20

ANTIGÜEDAD 2 3 7
CON
AUTOMOVIL 13 13 3

PAGOM 140 99 175

ENSUAL DEL
AUTOMOVIL 4 6 4

COSTO DE 300 200 PROPIETARIA

VIVIENDA 10 10 12
SOLO
CUENTA DE AMBAS NINGUNA
CHEQUES
CHEQUES O
AHORROS 15 3 0

TOTAL 80 44 39
PROBABILIDAD
DE ,95 ò 95% ,812 ò 81,2% ,772 ò 77,2%
RENTABILIDAD

La puntuación de David Born (80) se traduciría en una probabilidad de rentabilidad

aproximada de 0.95. En otras palabras, 95% de los clientes como David Born generarían
dinero a las operaciones con tarjeta del banco.

La puntuación de Edward Brendan (44) se traduciría en una probabilidad de rentabilidad

aproximada de 0.812. En otras palabras, 81.2% de los clientes como Edward Brendan
generarían dinero a las operaciones con tarjeta del banco.
La puntuación de Ann Mclaughin (39) se traduciría en una probabilidad de rentabilidad
aproximada de 0.772. En otras palabras, 77,2% de los clientes como Ann Mclaughin
generarían dinero a las operaciones con tarjeta del banco.

2.- ¿Cuál es la probabilidad de que los tres resulten rentables?

Rta:
𝑃 = .95 × .812 × .772 = 𝟎. 𝟓𝟗𝟓𝟓𝟐𝟎𝟖
= 𝟓𝟔. 𝟓𝟓% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑙𝑜𝑠 𝑡𝑟𝑒𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑒𝑛 𝑟𝑒𝑛𝑡𝑎𝑏𝑙𝑒𝑠

3.- ¿Cuál es la probabilidad de que ninguno sea rentable?

Rta:

𝑃1 = (1 − .95) = 𝟎. 𝟎𝟓
𝑃2 = (1 − .812) = 𝟎. 𝟏𝟖𝟖
𝑃3 = (1 − .772) = 𝟎. 𝟐𝟐𝟖

𝑃 = .05 × .196 × .228 = 𝟎. 𝟎𝟎𝟐𝟏𝟒𝟑

= 𝟎. 𝟐𝟏𝟒% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑛𝑖𝑛𝑔𝑢𝑛𝑜 𝑠𝑒𝑎 𝑟𝑒𝑛𝑡𝑎𝑏𝑙𝑒

4. Determine la distribución de probabilidad total del número de clientes rentables

entre este grupo de tres clientes.

PROBABILIDAD 1 RENTABLE

𝑃(𝐵) = (0.95 ∗ 0.188 ∗ 0228) + (0.05 ∗ 0.812 ∗ 0.228) + (0.05 ∗ 0.188 ∗ 0.772) =
𝑃(𝐵) = 0.0407208 + 0.0092568 + 0.0072568
𝑷(𝑩) = 𝟎. 𝟎𝟓𝟕𝟐𝟑𝟒𝟒

= 𝟓. 𝟕𝟐𝟑 % 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 1 𝑠𝑒𝑎 𝑟𝑒𝑛𝑡𝑎𝑏𝑙𝑒

PROBABILIDAD 2 RENTABLE

𝑃(𝐵) = (0.95 ∗ 0.812 ∗ 0228) + (0.95 ∗ 0.188 ∗ 0.772) + (0.05 ∗ 0.812 ∗ 0.772) =
𝑃(𝐵) = 0.1758792 + 0.1378792 + 0.0313432
𝑷(𝑩) = 𝟎. 𝟑𝟒𝟓𝟏𝟎𝟏𝟔

= 𝟑𝟒. 𝟓𝟏% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 2 𝑠𝑒𝑎𝑛 𝑟𝑒𝑛𝑡𝑎𝑏𝑙𝑒

EN RESUMEN:

P (O RENTABLES) = 𝟎. 𝟎𝟎𝟐𝟏𝟒𝟑 =
𝟎. 𝟐𝟏𝟒% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑛𝑖𝑛𝑔𝑢𝑛𝑜 𝑠𝑒𝑎 𝑟𝑒𝑛𝑡𝑎𝑏𝑙𝑒
P (1 RENTABLES) = 𝟎. 𝟎𝟓𝟕𝟐𝟑𝟒𝟒 = 𝟓. 𝟕𝟐𝟑% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 1 𝑠𝑒𝑎 𝑟𝑒𝑛𝑡𝑎𝑏𝑙𝑒
P (2 RENTABLES) = 𝟎. 𝟑𝟒𝟓𝟏𝟎𝟏𝟔 =
𝟑𝟒. 𝟓𝟏 % 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 2 𝑠𝑒𝑎𝑛 𝑟𝑒𝑛𝑡𝑎𝑏𝑙𝑒𝑠
P (3 RENTABLES) = 𝟎. 𝟓𝟗𝟓𝟓𝟐𝟎𝟖 =
𝟓𝟗. 𝟓𝟓% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑙𝑜𝑠 3 𝑠𝑒𝑎𝑛 𝑟𝑒𝑛𝑡𝑎𝑏𝑙𝑒𝑠

TOTAL = 0.99999

5. -Redacte un breve resumen de sus hallazgos.

En el desarrollo de este ejercicio, para determinar la probabilidad de la rentabilidad al entregar

a las tres personas propuestas una tarjeta de crédito del grupo AVAL, nos dimos cuenta que
cada uno; de acuerdo a la gráfica de “puntos” que previamente tiene estandarizado estos
bancos, nos muestra que tiene una probabilidad diferente de rentabilidad, además de que:
1. La probabilidad de que no sean rentables es mínima llegando a 0.124%
2. La probabilidad de que uno sea rentable es de 5.723%
3. La probabilidad de que dos sean entables es de 34.51%
4. La probabilidad de que todos sean rentables es muy favorable llegando al 59.55%

Nota: Para determinar que estos datos son correctos, se debe tener en cuenta una propiedad
de la probabilidad total; la cual menciona que la suma de dichas probabilidades deben ser
igual a 1

ESTUDIO CASO 2
La distribución de probabilidad binomial es una distribución de probabilidad discreta que se
presenta con mucha frecuencia. Una de sus características consiste en que sólo hay dos
posibles resultados en un determinado ensayo del experimento y los resultados son
mutuamente excluyentes; Otra característica de la distribución binomial es el hecho de que la
variable aleatoria es el resultado de conteos. Es decir, se cuenta el número de éxitos en el
número total de ensayos. Una tercera característica de una distribución binomial consiste en
que la probabilidad de éxito es la misma de un ensayo a otro.
Un estudio del Departamento de Transporte de Illinois concluyó que 76.2%
de quienes ocupaban los asientos delanteros de los vehículos utilizaba
cinturón de seguridad. Esto significa que los dos ocupantes de la parte
delantera utilizaban cinturones de seguridad. Suponga que decide
comparar la información con el uso actual que se da al cinturón de
seguridad, para lo cual selecciona una muestra de 12 vehículos.

Presente un informe en el que como mínimo incluya:

1.- ¿Esta situación cumple con los supuestos de la distribución binomial?

Identifíquelos
2- Elabore un diagrama de barras para la distribución de probabilidad binomial que representa
esta situación
3.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera en exactamente 7 de
los 12 vehículos seleccionados utilicen cinturones de seguridad?
4.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de por lo menos 7 de
los 12 vehículos utilicen cinturón de seguridad?
5.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de máximo 7 de los
12 vehículos utilicen cinturón de seguridad?
6.- Encuentre el valor esperado del número de vehículos en los que los ocupantes de la parte
delantera utilizan el cinturón de seguridad?

Desarrollo del informe

En probabilidad contamos con varios métodos de distribución, este caso vamos a ver la
distribución binomial, esta distribución se encuentra como una probabilidad discreta, en la que
podemos contar con un número de éxitos en una serie de n ensayos independientes entre sí.

Formula de la distribución binomial

𝑛
𝑓(𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
Dónde:
p= Probabilidad de que ocurra el evento.
q= probabilidad de que no ocurra el evento.
n= número total de experimentos.
x= número total de éxitos.
Teniendo claridad en la formula, aplicamos para cada uno de los interrogantes del informe
reemplazando los valores en las variables.
1. ¿Esta situación cumple con los supuestos de la distribución binomial?
Identifíquelos

En este caso si cumple ya que en el enunciado podemos observar que cumple con los
requisitos binomiales.
2. Elabore un diagrama de barras para la distribución de probabilidad binomial que
representa esta situación
 3.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera en
exactamente 7 de los 12 vehículos seleccionados utilicen cinturones de seguridad?
𝑛
(𝑥) = ( ) 𝑝 𝑥 (1 − 𝑝)𝑛−𝑥
𝑥
Dónde:
P = 0,762: Probabilidad de que ocurra el evento
q= 1-p
q= 1- 0,762
q= 0,238: probabilidad de que no ocurra el evento
n= 12: número total de experimentos.
X = 7: número total de éxitos.

Reemplazando los valores en la ecuación:

p(𝑥) = (12
7
)0.762 7 (1 − 0,762)12−7

p(𝑥) = (12
7
)(0.762) 7 (1 − 0,762)5

p(𝑥) = 792(0,149)(0,000764) = 0,09 = 9%

Respuesta:
Podemos decir que la probabilidad de que los ocupantes de exactamente 7 de los 12
vehículos, el 9% utiliza el cinturón de seguridad.
4.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de por lo
menos 7 de los 12 vehículos utilicen cinturón de seguridad?

En este caso nos habla de por lo menos 7 de los 12 vehículos, por lo tanto, se debe realizar
la probabilidad de cada una de las probabilidades desde 7 hasta los 12 vehículos, ya que
cada una de estas es totalmente excluyente, y luego de esto aplicamos la suma de cada una
de las probabilidades para de esta manera saber el resultado solicitado o esperado.
Probabilidad para 7 de los 12 vehículos

p(𝑥) = (12
7
)0.762 7 (1 − 0,762)12−7

p(𝑥) = (12
7
)(0.762) 7 (1 − 0,762)5

p(𝑥) = 792(0,149)(0,000764) = 0,0902 = 9,02 %

Probabilidad para 8 de los 12 vehículos

p(𝑥) = (12
8
)0.762 8 (1 − 0,762)12−8

p(𝑥) = (12
8
)(0.762) 8 (1 − 0,762)4

p(𝑥) = 495(0,113668)(0,003208) = 0,18 = 18,05%

Probabilidad para 9 de los 12 vehículos

p(𝑥) = (12
9
)0.762 9 (1 − 0,762)12−9

p(𝑥) = (12
9
)(0.762) 9 (1 − 0,762)3

p(𝑥) = 220(0,08661)(0,01348) = 0,2569 = 25,69%

Probabilidad para 10 de los 12 vehículos

p(𝑥) = (12
10
)0.762 10 (1 − 0,762)12−10

p(𝑥) = (12
10
)(0.762) 10 (1 − 0,762)2

p(𝑥) = 66(0,066)(0,056644) = 0,2467 = 24,67%

Probabilidad para 11 de los 12 vehículos

p(𝑥) = (12
11
)0.762 11 (1 − 0,762)12−11

p(𝑥) = (12
11
)(0.762) 11 (1 − 0,762)1

p(𝑥) = 12(0,05029)(0,238) = 0,1436 = 𝟏𝟒, 𝟑𝟔%

Probabilidad para 12 de los 12 vehículos

p(𝑥) = (12
12
)0.762 12 (1 − 0,762)12−12

p(𝑥) = (12
12
)(0.762) 12 (1 − 0,762)0

p(𝑥) = 1(0,03832)(1) = 0,0383 = 3,83%

Suma de todas las probabilidades mayor a 7 vehículos.
P(x-7) + p(x-8) + p(x-9) + p(x-10) + p(x-11) + p(x-12)
0,0902 + 0,1805 + 0,2569 + 0,2467 + 0,1436 + 0,0383 = 0,9562 = 95,62%
Respuesta:
Por lo tanto, podemos decir que la probabilidad de que los ocupantes de la parte
delantera de por lo menos 7 de los 12 vehículos utilicen cinturón de seguridad es de
un 96,62%
5.- ¿Cuál es la probabilidad de que los ocupantes de la parte delantera de máximo
7 de los 12 vehículos utilicen cinturón de seguridad?

En este caso nos habla de máximo 7 de los 12 vehículos, por lo tanto, se debe realizar la
probabilidad de cada una de las probabilidades desde 1 hasta 7 vehículos, ya que cada una
de estas es totalmente excluyente, y luego de esto aplicamos la suma de cada una de las
probabilidades para de esta manera saber el resultado solicitado o esperado.

Probabilidad para 1 de los 12 vehículos

p(𝑥) = (12
1
)(0.762) 1 (1 − 0,762)12−1
p(𝑥) = (12
1
)(0.762) 1 (1 − 0,762)11

p(x)= 12(0,762) (0,0000001387) = 0,000001269 = 0,0001269%

Probabilidad para 2 de los 12 vehículos

p(𝑥) = (12
2
)(0.762) 2 (1 − 0,762)12−2

p(𝑥) = (12
2
)(0.762) 2 (1 − 0,762)10

p(x)= 66(0,580644) (0,0000005831) = 0,00002234 = 0,002234%

Probabilidad para 3 de los 12 vehículos

p(𝑥) = (12
3
)(0.762) 3 (1 − 0,762)12−3

p(𝑥) = (12
3
)(0.762) 3 (1 − 0,762)9

p(x)= 220 (0,4424) (0,000002450) = 0,0002384 = 0,02384%

Probabilidad para 4 de los 12 vehículos

p(𝑥) = (12
4
)(0.762) 4 (1 − 0,762)12−4

p(𝑥) = (12
4
)(0.762) 4 (1 − 0,762)8

p(x)= 495(0,3371) (0,00001029) = 0,001717 =0,17%

Probabilidad para 5 de los 12 vehículos

p(𝑥) = (12
5
)(0.762) 5 (1 − 0,762)12−5

p(𝑥) = (12
5
)(0.762) 5 (1 − 0,762)7

p(x)= 792(0,2569) (0,00004325) = 0,008799 = 0,87%

Probabilidad para 6 de los 12 vehículos

p(𝑥) = (12
6
)(0.762) 6 (1 − 0,762)12−6

p(𝑥) = (12
6
)(0.762) 6 (1 − 0,762)6

p(x)= 924 (0,1957) (0,0001817) = 0,03285 = 3,2 %

Probabilidad para 7 de los 12 vehículos

p(𝑥) = (12
7
)0.762 7 (1 − 0,762)12−7

p(𝑥) = (12
7
)(0.762) 7 (1 − 0,762)5

p(𝑥) = 792(0,149)(0,000764) = 0,0902 = 9,02 %

Suma de todas las probabilidades de máximo 7 vehículos.
P(x-1) = 0,000001269
p(x-2) = 0,00002234
p(x-3) = 0,0002384
p(x-4) = 0,001717
p(x-5) = 0,008799
p(x-6) = 0,03285
p(x-7) = 0,0902
Total: 0,1338 = 13,38 %
Respuesta:
Por lo tanto, podemos decir que la probabilidad de que los ocupantes de la parte
delantera de máximo 7 de los 12 vehículos utilicen cinturón de seguridad es de un
13,38 %
6.- Encuentre el valor esperado del número de vehículos en los que los ocupantes de
la parte delantera utilizan el cinturón de seguridad?
En este caso nos habla de la esperanza o media, por lo tanto, la desarrollamos con los datos
planteando en el ejercicio.
Formula:
µ= n*p

0,762 = personas que ocupan la parte delantera del vehículo y utilizan el cinturón.
12 = la muestra
µ= 0,762*12 = 9.1
Respuesta:
Se espera que en 9,1 vehículos los ocupantes utilicen el cinturón de seguridad.

ESTUDIO CASO 3
El Baloto, es la lotería en línea de Colombia,
supervisado por ETESA (Empresa territorial
para la salud). Es un juego que consiste en
acertar 6, 5, 4 o 3 números en cualquier orden
de una matriz del 1 al 45; El jugador señala
en un tarjetón los 6 números que escoge. Los
números están representados en 45 balotas
numeradas del 1 al 45. Cada número aparece
una sola vez y las balotas ganadoras se seleccionan sin reemplazo. El premio acumulado
se entrega a quien haga coincidir los seis números.

Presente un informe en el que como mínimo incluya:

1.- ¿Esta situación cumple con los supuestos de la distribución Hipergeométrica?

Identifíquelos (Sugerencia: Divida los 45 números en dos grupos: ganadores y no ganadores)

Si cumple con la distribución hipergeometrica porque la distribución hipergeometrica es útil

en este caso donde se extraen muestras o se realizan experiencias repetitivas sin devolución
del elemento extraído o sin retornar a la situación experimental inicial.

Los ganadores son = 6

Los no ganadores son = 39
2.- Usando la distribución de probabilidad Hipergeométrica determinar la probabilidad de que
el jugador acierte los 6 números

𝑟 𝑁 −𝑟
( )( )
𝑥 𝑛 −𝑥
𝑃(𝑋 = 𝑥) =
𝑁
( )
𝑛

N = número total de bolas = 45

n = muestra del total ensayos =6
r = número de éxitos de la muestra=6
x=6

6 45 − 6
( )( )
𝑃(𝑋 = 6) = 6 6 −6 = 0.000000122 = 0.0000122%
45
( )
6

3.- La empresa encargada del sorteo informa que la probabilidad de que coincidan todos
los números es de 1 en 8145060. ¿Qué significa esto en términos de probabilidad?
Coincide esto con su respuesta anterior.

Eso quiere decir que tengo la probabilidad de acertar jugando el baloto en una sola
oportunidad es de 8.145.060

El sorteo también otorga un premio si el jugador hace coincidir 3, 4 o 5 de los números

ganadores

4) Calcule la probabilidad, para hacer coincidir 3 de los 6 números ganadores.

𝑟 𝑁 −𝑟
( )( )
𝑥 𝑛 −𝑥
𝑃(𝑋 = 𝑥) =
𝑁
( )
𝑛

N = número total de bolas = 45

n = muestra del total ensayos =6
r = número de éxitos de la muestra=6
x= 3

6 45 − 6
( )( )
𝑃(𝑋 = 3) = 3 6 −3 = 0.022 = 0.2%
45
( )
6
5) Calcule la probabilidad de que coincidan 4 de los 6 números ganadores

𝑟 𝑁 −𝑟
( )( )
𝑥 𝑛 −𝑥
𝑃(𝑋 = 𝑥) =
𝑁
( )
𝑛

N = número total de bolas = 45

n = muestra del total ensayos =6
r = número de éxitos de la muestra=6

6 45 − 6
( )( )
𝑃(𝑋 = 4) = 4 6 −4 = 0.00136 = 0.13%
45
( )
6

6) Calcule la probabilidad de que coincidan 5 de los 6 números ganadores

𝑟 𝑁 −𝑟
( )( )
𝑥 𝑛 −𝑥
𝑃(𝑋 = 𝑥) =
𝑁
( )
𝑛

N = número total de bolas = 45

n = muestra del total ensayos =6
r = número de éxitos de la muestra=6
x= 5

6 45 − 6
( )( )
𝑃(𝑋 = 4) = 5 6 −5 = 0.0000287 = 0.0028%
45
( )
6

7) Con base en los resultados obtenidos, usted invertiría dinero en el BALOTO?

No invertiría las probabilidades son pocas, las cifras que salen no son muy alentadoras.
ESTUDIO CASO 4
La distribución de probabilidad de Poisson describe el número de veces que se presenta un
evento durante un intervalo específico. El intervalo puede ser de tiempo, distancia, área o
volumen. La distribución se basa en dos supuestos. El primero consiste en que la
probabilidad es proporcional a la longitud del intervalo. El segundo supuesto consiste en que
los intervalos son independientes. En otras palabras, cuanto más grande sea el intervalo,
mayor será la probabilidad; además, el número de veces que se presenta un evento en un
intervalo no influye en los demás intervalos.

Esta distribución posee diversas aplicaciones. Se le utiliza como modelo para describir la
distribución de errores en una entrada de datos, el número de rayones y otras
imperfecciones en las cabinas de automóviles recién pintados, el número de partes
defectuosas en envíos, el número de clientes que esperan mesa en un restaurante, el número
de accidentes en una carretera en un periodo determinado.

La compañía de aviación 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 mayoría 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 300 maletas perdidas.
De esta manera, el número promedio de maletas perdidas por vuelo es de 0.3.

INFORME A PRESENTAR:

Prepare un informe en el que como mínimo, incluya:

1.- ¿Esta situación cumple con los supuestos de la distribución Poisson? Identifíquelos

Cumple con el primer supuesto, que dice que la probabilidad es proporcional a la longitud
del intervalo, en este caso de 1000 vuelos se pierden 300 maletas, es decir que existe
un promedio de 0.3 maletas perdidas por vuelo.

Si cumple con el segundo supuesto, debido a que el número de veces que se presenta un
evento en un intervalo si influye en los demás intervalos, ya que es una muestra aleatoria
y los intervalos son independientes, es decir si es más grande el intervalo tendrá mayor
probabilidad.
2.- Determine cuál es la probabilidad de que en un vuelo no se pierda ninguna maleta

e :es la base del logaritmo natural igual a 2.71828.

k es el número de ocurrencias de un evento; la probabilidad de que viene dada por la
función

k! es el factorial de k

λ es un número real positivo, igual que el número esperado de ocurrencias durante el

intervalo dado. Los eventos ocurren en promedio 300 maletas pérdidas por

1000 vuelos,

(0,3)0 .(𝑒 −0.3 )

𝑝(0) = 0!
= 0.7408

Teniendo en cuenta lo anterior podemos decir que hay un 74% de probabilidad de que
ninguna maleta se pierda.
3.- Determine cuál es la probabilidad de que en un vuelo se pierda exactamente una
maleta

(0,3)1 .(𝑒 −0.3 )

𝑝(1) = = 0.222
1!

En base al resultado obtenido se puede decir que la probabilidad de que se pierda solo
una maleta es del 22,2%
 4.- Determine cuál es la probabilidad de que en un vuelo se pierdan entre dos y cuatro
maletas

(0,3)2 .(𝑒 −0.3 )

𝑝(2) = 2!
= 0.033

(0,3)3 .(𝑒 −0.3 )

𝑝(3) = = 0.00333
3!

De acuerdo a los resultados obtenidos se puede decir que el 3.33 %, pierde dos maletas,
que el 0.3% pierde tres maletas, el 0.025% pierde cuatro maleta.

5.- Podría establecer cuál es la probabilidad de que se pierdan en un vuelo más de cuatro
maletas

(0,3)4 .(𝑒 −0.3 )

𝑝(4) = 4!
= 0.00025

La probabilidad de que pierda cuatro maletas es de 0.025%

6.- ¿En qué momento debe sospechar el supervisor de la Aerolínea que en un vuelo se están
perdiendo demasiadas maletas?

De acuerdo a los resultados obtenidos, se puede evidenciar que el momento en el cual se pierden
mayor cantidad de maletas es en el 1, es decir que se debe cuidar al momento de recoger las
maletas para ser trasladadas al avión.

ESTUDIO CASO 5
Para una población grande de personas sin hogar, Wong y Piliavin (2001) examinaron factores
de estrés, recursos y agotamiento psicológico empleando la Escala de Depresión del Centro de
Estudios Epidemiológicos (CESD), un cuestionario de evaluación comunitario.

Entre las personas sin hogar, la puntuación media del cuestionario CESD es 23,5 con una
desviación estándar de 7.5 y se considera que para la Variable X = puntuación del CESD, la
distribución es normal. Como trabajador en el área de admisiones en un refugio para personas
sin hogar, usted es el encargado de aplicar el CESD y debe evaluar los resultados para las
nuevas personas que lleguen al centro.

Dentro de las políticas del refugio se encuentra que cualquier persona cuya puntuación sea de
20 o más puntos en el CESD debe enviarse a ver a un doctor.

INFORME A PRESENTAR:

Prepare un informe en el que como mínimo, incluya:

1. La probabilidad de que una persona que llegue al refugio sea enviado a ver al doctor.

Para este ejemplo tenemos que 23,5 de desviación estándar y 3,5 para variable x

X=20/3,5=1/3= 33.3% probable

Calculando igual, la probabilidad:
P)=20/30=2/3= 66.7% probable

Como 66.7 es mayor que 33.3 es más probable que llegue al refugio sea enviado a ver al
doctor.

2. La probabilidad de que una persona que llegue al refugio tenga una puntación de
10 o menos puntos

En particular, hay 10 personas, por lo tanto son 12 los casos favorables a dicha selección. Pero
ella se hará de un total de 20 + 12 = 32 personas sumamos la cantidad de las políticas y que
forman parte de la selección y por tanto, los casos posibles o totales.

Así, la probabilidad pedida es

P= 12/32

3. La probabilidad de que una persona que llegue al refugio tenga una puntuación entre
16 y 20 puntos
La información sobre lo que come cada una de las personas es insustancial. Pues en lo que
solicita no hay relación con ello. Por definición, la probabilidad pedida viene dada por:

P= casos favorables a la selección 16/casos totales de la muestra 20

P= 16/20

4. Si las personas sin hogar con puntuación en el 15% más alto deben ser enviadas a los
servicios de prevención de suicidios, ¿Qué puntuación hace calificar a una persona
que llega al refugio para este servicio?

P=casos favorables a la selección 15/casos totales de la muestra planteada en el

ejercicio 20

P=15/20 la puntuación es de 15/20

5. Las personas sin hogar con puntación en el 25% más bajo, se les envía a un
servicio de orientación laboral para mejorar sus recursos. ¿Qué puntuación
permite calificar a una persona para acceder a este servicio?

P=(25 + 5)/(8 +12 +7 + 5)

P=12/32 8

P=3/8 la puntuación es de 3/8

 BIBLIOGRAFIA

Regla de Probabilidad total. Estadística útil. 27 de julio 2014. Cómo usar la regla de
probabilidad total para calcular la probabilidad de un evento en función de los elementos de una
partición de S. https://www.youtube.com/watch?v=3h29_gTdZGQ
Teorema de la probabilidad total. Ejemplo. Enunciado. 8 cifras. 1 mayo de 2014.
https://www.youtube.com/watch?v=yBaRX_kymeU
Probabilidad total y teorema de Bayes- David Tamayo Mamani. Disenonaval. Diagrama de
árbol, probabilidad total y teorema de Bayes.
https://www.youtube.com/watch?v=VEz7kU1uUvA
Teorema de bayes. Guarana. Evelio hernandez. 22 marzo del 2013. Ejemplo de aplicación
del teorema de bayes. https://www.youtube.com/watch?v=ds9y3UtPcbA

http://metodoscuantitativo2.galeon.com/enlaces2218784.html