Professional Documents
Culture Documents
ELABORADO POR
FREDDY JURADO
JOHN JAIRO FRANCO
ALEX FERNEY URREGO
SANDRA MILENA CASTRO
TUTOR
LUIS PARMENIO CORREDOR
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:
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
TOTAL 80 44 39
PROBABILIDAD
DE ,95 ò 95% ,812 ò 81,2% ,772 ò 77,2%
RENTABILIDAD
Rta:
𝑃 = .95 × .812 × .772 = 𝟎. 𝟓𝟗𝟓𝟓𝟐𝟎𝟖
= 𝟓𝟔. 𝟓𝟓% 𝑑𝑒 𝑝𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑙𝑜𝑠 𝑡𝑟𝑒𝑠 𝑟𝑒𝑠𝑢𝑙𝑡𝑒𝑛 𝑟𝑒𝑛𝑡𝑎𝑏𝑙𝑒𝑠
Rta:
𝑃1 = (1 − .95) = 𝟎. 𝟎𝟓
𝑃2 = (1 − .812) = 𝟎. 𝟏𝟖𝟖
𝑃3 = (1 − .772) = 𝟎. 𝟐𝟐𝟖
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
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
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
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.
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.
p(𝑥) = (12
7
)0.762 7 (1 − 0,762)12−7
p(𝑥) = (12
7
)(0.762) 7 (1 − 0,762)5
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) = (12
8
)0.762 8 (1 − 0,762)12−8
p(𝑥) = (12
8
)(0.762) 8 (1 − 0,762)4
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) = (12
10
)0.762 10 (1 − 0,762)12−10
p(𝑥) = (12
10
)(0.762) 10 (1 − 0,762)2
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
12
)0.762 12 (1 − 0,762)12−12
p(𝑥) = (12
12
)(0.762) 12 (1 − 0,762)0
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.
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
2
)(0.762) 2 (1 − 0,762)12−2
p(𝑥) = (12
2
)(0.762) 2 (1 − 0,762)10
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) = (12
4
)(0.762) 4 (1 − 0,762)12−4
p(𝑥) = (12
4
)(0.762) 4 (1 − 0,762)8
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) = (12
6
)(0.762) 6 (1 − 0,762)12−6
p(𝑥) = (12
6
)(0.762) 6 (1 − 0,762)6
p(𝑥) = (12
7
)0.762 7 (1 − 0,762)12−7
p(𝑥) = (12
7
)(0.762) 7 (1 − 0,762)5
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.
𝑟 𝑁 −𝑟
( )( )
𝑥 𝑛 −𝑥
𝑃(𝑋 = 𝑥) =
𝑁
( )
𝑛
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
𝑟 𝑁 −𝑟
( )( )
𝑥 𝑛 −𝑥
𝑃(𝑋 = 𝑥) =
𝑁
( )
𝑛
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
6 45 − 6
( )( )
𝑃(𝑋 = 4) = 4 6 −4 = 0.00136 = 0.13%
45
( )
6
𝑟 𝑁 −𝑟
( )( )
𝑥 𝑛 −𝑥
𝑃(𝑋 = 𝑥) =
𝑁
( )
𝑛
6 45 − 6
( )( )
𝑃(𝑋 = 4) = 5 6 −5 = 0.0000287 = 0.0028%
45
( )
6
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.
INFORME A PRESENTAR:
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
k! es el factorial de k
1000 vuelos,
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
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
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
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:
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
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.
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= 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?
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?
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