Determinando la variable aleatoria continua;

X :número de accidentes fatales ocurridos en un lapsode un año

X N ( 1550; 300 ) sigueuna distribución normal

Cabe resaltar que para aseverar que la variable estudiada se distribuye normalmente se debe realizar una prueba de
bondad de ajuste (método estadístico). Hay diferentes pruebas de bondad de ajuste las cuales se analizarán en cursos
posteriores.

Situación a.

Estandarizando la variable aleatoria a distribución normal estándar y graficando;

Gráfica de distribución normal de accidentes fatales al año

Normal; Media=1550; Desv.Est.=300
0,0014

0,0012

0,0010
Densidad

0,0008

0,0006

0,0004

0,0002
0,03338
0,0000
1000 1550
X

Proceso de estandarización;
 X−μ 1000−1550
Z= = =−1.833333
σ 300

Gráfica de distribución de probabilidad estandar

Normal; Media=0; Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1

0,03338
0,0
-1,83333 0
Z

P ( X <1000 )=P ( Z←1.83333 )=0.03338 ≅ 3.34 %

El valor obtenido anteriormente se evidencia en la siguiente

tabla de distribución normal. Sin embargo para precisión en la
respuesta se trabajó con el software Minitab18 en su módulo
de gráficas de distribución de probabilidad.

Por ende a la pregunta que se hace acerca de la probabilidad

que haya menos de 1000 accidentes en un año siguiendo un
comportamiento normal es de 3.34% aproximadamente.

Situación b.

Estandarizando la variable aleatoria a distribución normal

estándar y graficando;

Gráfica de distribución normal de accidentes fatales por un año

Normal; Media=1550; Desv.Est.=300
0,0014
0,8998
 0,0010

Densidad
0,0008

0,0006

0,0004

0,0002

0,0000
1000 1550 2000
X

Proceso de estandarización;

X 1−μ 1000−1550
Z1 = = =−1.83333 3
σ 300

X 2−μ 2000−1550
Z2 = = =1. 5
σ 300

Gráfica de distribución normal estandar

Normal; Media=0; Desv.Est.=1

0,4 0,8998

0,3
Densidad

0,2

0,1

0,0
-1,83333 0 1,5
X
El valor obtenido anteriormente se evidencia en la siguiente
tabla de distribución normal. Sin embargo para precisión en la
respuesta se trabajó con el software Minitab18 en su módulo
de gráficas de distribución de probabilidad.
Por ende a la pregunta que se hace acerca de la probabilidad que haya entre 1000 accidentes y 2000 accidentes fatales en 1
año es de 89.98% aproximadamente.

Situación c.

Teniendo en cuenta que en esta situación no se entrega un valor de la variable aleatoria sino por el contrario es lo que se
pregunta, entonces en la tabla de distribución normal estándar, se ejecuta el proceso de forma inversa. Es decir, se haya
desde el área el valor estándar de Z y se realiza el proceso de despeje del valor por la fórmula de estandarización.

Buscando en tabla y según gráfica de software;

Gráfica de distribución normal estandar

Normal; Media=0; Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1

0,05
Por valor de tabla normal se tiene que;
0,0
0 1,645
X−μ X −1550
Z
Z= = =1.645
σ 300

Despejando el valor de “X”;

X−1550
=1.645 → X−1550=( 1.645∗300 ) → X =1550+ ( 1.645∗300 )
300

X =2043.5 comola variable es discreta se asume entre 2043 y 2044 accidentes

Para que en un año se encuentre en el 5% superior a los accidentes fatales según la distribución normal, estos deben ser al
menos de 2043 a 2044 accidentes en el año de análisis.
Determinando la variable aleatoria continua;

X :calificación obtenida por el estudiante en una prueba de admisión

X N ( 71; 8.5 ) sigueuna distribución normal

Cabe resaltar que para aseverar que la variable estudiada se distribuye normalmente se debe realizar una prueba de
bondad de ajuste (método estadístico). Hay diferentes pruebas de bondad de ajuste las cuales se analizarán en cursos
posteriores.

Analizando por proporcionalidad la gente que se admite;

16000 estudiantes directos (que incluye a los becados).

Por regla de tres;

42000 ↔ 100 % entonces Admitidos= 1 6 000∗100 ≅ 38. 1 %

1 6 000 ↔ ? 42000

Graficando la zona de admisión directa que incluye a los becados;

Gráfica de distribución normal estandar de admitidos

Normal; Media=0; Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1
0,381

0,0
0 0,3029
Z
Teniendo en cuenta que en esta situación no se entrega un valor de la variable aleatoria sino por el contrario es lo que se
pregunta, entonces en la tabla de distribución normal estándar, se ejecuta el proceso de forma inversa. Es decir, se haya
desde el área el valor estándar de Z y se realiza el proceso de despeje del valor por la fórmula de estandarización.

Buscando en tabla y por valor de tabla normal se tiene que;

X−μ X −71
Z= = =0.3029
σ 8.5

Despejando el valor de “X”;

X−71
=0.3029→ X−71=( 0.3029∗8.5 ) → X =71+ ( 0 .3029∗8.5 )
8.5

X =73.58 la variable es continua y este valor es para pasar aun cupo directo ala universidad .

Analizando que el 12% de los puntajes superiores son becados. Entonces repitiendo el proceso anterior;

Gráfica de distribución normal estandar de becados

Normal; Media=0; Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1

0,12

0,0
0 1,175
Z

Teniendo en cuenta que en esta situación no se entrega un valor de la variable aleatoria sino por el contrario es lo que se
pregunta, entonces en la tabla de distribución normal estándar, se ejecuta el proceso de forma inversa. Es decir, se haya
desde el área el valor estándar de Z y se realiza el proceso de despeje del valor por la fórmula de estandarización.
Buscando en tabla y por valor de tabla normal se tiene que;

X−μ X −71
Z= = =1.175
σ 8.5

Despejando el valor de “X”;

X−71
=1.175 → X−71=( 1.175∗8.5 ) → X=71+ ( 1.175∗8.5 )
8.5

X =80.99 la variable es continua y este valor de aproximadamente 81 punto s

es para ganar una beca en la universidad .

Por ende se tiene para los procesos de admisión;

Puntaje obtenido en la prueba Clasificación

Si obtiene entre 73.58 puntos y menos de 81 puntos Cupo directo en la universidad pero no obtiene beca.
81 puntos o más Cupo directo en la universidad pero obteniendo beca
universitaria.

Analizando por proporcionalidad la gente que se admite pero luego de hacer un curso preuniversitario;

1000 estudiantes con futuro cupo pero realizando preuniversitario.

Por regla de tres;

42000 ↔ 100 % entonces Admitidos= 1000∗100 ≅ 2 . 38 1%

1000 ↔ ? 42000

Graficando la zona de admisión de curso preuniversitario;

Gráfica de distribución normal estandar de curso preuniversitario

Normal; Media=0; Desv.Est.=1

0,4 0,02731

0,3
Densidad

0,2

0,1
 0,0
0
Z

Teniendo en cuenta que en esta situación no se entrega un valor de la variable aleatoria sino por el contrario es lo que se
pregunta, entonces en la tabla de distribución normal estándar, se ejecuta el proceso de forma inversa. Es decir, se haya
desde el área el valor estándar de Z y se realiza el proceso de despeje del valor por la fórmula de estandarización.

Buscando en tabla y por valor de tabla normal se tiene que;

X−μ X −71
Z= = =0.2319
σ 8.5

Despejando el valor de “X”;

X−71
=0.2319→ X−71=( 0.2319∗8.5 ) → X =71+ ( 0.2319∗8.5 )
8.5

X =72.97 la variable es continua y este valor de 72.97 punto s

es para ingresar como mínimo al curso preuniversitario .

Por ende se tiene para los procesos de admisión;

Puntaje obtenido en la prueba Clasificación

Si obtiene entre 72.97 puntos y menos de 73.58 puntos
Si obtiene entre 73.58 puntos y menos de 81 puntos
81 puntos o más
Cupo asegurado a la universidad siempre y cuando realice
curso preuniversitario.
Cupo directo en la universidad pero no obtiene beca.
Cupo directo en la universidad pero obteniendo beca
universitaria.

2000 estudiantes con transferencia de universitaria.

Por regla de tres;

42000 ↔ 100 % entonces Admitidos= 1000∗100 ≅ 4 . 762 %

2 000 ↔ ? 42000

Graficando la zona de admisión en transferencia universitaria;

Gráfica de distribución normal estandar de transferencia universitaria

Normal; Media=0; Desv.Est.=1

0,4 0,04762

0,3
sidad
 0,1

0,1195 0,2409
0,0
0
Z

Buscando en tabla y por valor de tabla normal se tiene que;

X−μ X −71
Z= = =0.1195
σ 8.5

Despejando el valor de “X”;

X−71
=0.1195 → X−71= ( 0.1195∗8.5 ) → X=71+ ( 0. 119 5∗8.5 )
8.5

X =72. 02la variable es continua y este valor de 72.02 punto s

es para ingresar al programa de transferencia universitaria .

Por ende se tiene para los procesos de admisión;

Puntaje obtenido en la prueba Clasificación

Por debajo de 72,02 puntos
Si obtiene entre 72.02 puntos y menos de 72.97 puntos
Si obtiene entre 72.97 puntos y menos de 73.58 puntos
Si obtiene entre 73.58 puntos y menos de 81 puntos
81 puntos o más
No es admitido a la universidad
Se le garantiza un cupo en transferencia universitaria
Cupo asegurado a la universidad siempre y cuando realice
curso preuniversitario.
Cupo directo en la universidad pero no obtiene beca.
Cupo directo en la universidad pero obteniendo beca
universitaria.

Porcentajes de clasificación;

Clasificación del proceso % obtenido

No admitido 54,407%
Transferencia universitaria 4,762%
Curso preuniversitario 2,731%
Cupo directo 26,1%
Becado por la universidad 12%

Cantidades de estudiantes admitidos;

Clasificación del proceso % obtenido

No admitido 54,407% x 42.000 = 22851 estudiantes
Transferencia universitaria 4,762% x 42.000 = 2000 estudiantes
Curso preuniversitario 2,731% x 42.000= 1000 estudiantes
 Cupo directo 26,1% x 42.000 = 10962 estudiantes
Becado por la universidad 12% x42.000 = 5038 estudiantes

Determinando la variable aleatoria continua;

X : peso establecido por el rellenado de un recipiente

X N ( μ ; 0.6 ) sigue una distribución normal

Cabe resaltar que para aseverar que la variable estudiada se distribuye normalmente se debe realizar una prueba de
bondad de ajuste (método estadístico). Hay diferentes pruebas de bondad de ajuste las cuales se analizarán en cursos
posteriores.

Teniendo en cuenta que en esta situación no se entrega un valor de la variable aleatoria sino por el contrario es lo que se
pregunta, entonces en la tabla de distribución normal estándar, se ejecuta el proceso de forma inversa. Es decir, se haya
desde el área el valor estándar de Z y se realiza el proceso de despeje del valor por la fórmula de estandarización.

Buscando en tabla y según gráfica de software;

Gráfica de distribución normal estandar de peso en rellenado

Normal; Media=0; Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1

0,02
0,0
-2,054 0
Z
Por valor de tabla normal se tiene que;

X−μ 18−μ
Z= = =−2 .054
σ 0.6

Despejando el valor de “μ”;

18−μ
=−2.054 →18−μ=(−2 . 0 5 4∗0.6 ) → μ=1 8+ ( 2 .0 5 4∗0.6 )
0.6

μ=19. 2324 es el promedio de la distribución normal de peso según rellenado en producción

Determinando la variable aleatoria continua;

X :horas que pasa conectado a internet un trabajador en horas laborales

X N ( 77 ; 20 ) sigueuna distribución normal

Cabe resaltar que para aseverar que la variable estudiada se distribuye normalmente se debe realizar una prueba de
bondad de ajuste (método estadístico). Hay diferentes pruebas de bondad de ajuste las cuales se analizarán en cursos
posteriores.

Situación a.

Estandarizando la variable aleatoria a distribución normal estándar y graficando;

Gráfica de distribución normal de horas conectado a internet

Normal; Media=77; Desv.Est.=20

0,020

0,015
Densidad

0,010

0,005

0,08851

0,000
50 77
X
Proceso de estandarización;

X−μ 50−77
Z= = =−1.3 5
σ 20

Gráfica de distribución normal estandar

Normal; Media=0; Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1

0,08851

0,0
-1,35 0
X

P ( X <50 ) =P ( Z ←1. 35 )=0.0 8851 ≅ 8 .851 %

El valor obtenido anteriormente se evidencia en la siguiente

tabla de distribución normal. Sin embargo para precisión en la
respuesta se trabajó con el software Minitab18 en su módulo
de gráficas de distribución de probabilidad.

Por ende a la pregunta que se hace acerca de la probabilidad

de que un empleado se haya conectado menos de 50 horas a
internet estando en jornada laboral siguiendo un
comportamiento normal es de 8.851% aproximadamente.

Situación b.
Estandarizando la variable aleatoria a distribución normal estándar y graficando;

Gráfica de distribución normal de horas conectado a internet

Normal; Media=77; Desv.Est.=20

0,020

0,015
Densidad

0,010

0,005

0,1251

0,000
77 100
X

Proceso de estandarización;

X 1−μ 100−77
Z1 = = =1.15
σ 20

Gráfica de distribución normal estandar

Normal; Media=0; Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1

0,1251

0,0
0
P ( X <1 1,15
00 )=P ( Z <1. 15 )=0. 1251 ≅ 12. 51 %
Z
El valor obtenido anteriormente se evidencia en la siguiente tabla de distribución normal. Sin embargo para precisión en la
respuesta se trabajó con el software Minitab18 en su módulo de gráficas de distribución de probabilidad.

Por ende a la pregunta que se hace acerca de la probabilidad que un empleado se haya conectado más de 100 horas en su
jornada laboral es de 12.51% aproximadamente.

Situación c.

Teniendo en cuenta que en esta situación no se entrega un valor de la variable aleatoria sino por el contrario es lo que se
pregunta, entonces en la tabla de distribución normal estándar, se ejecuta el proceso de forma inversa. Es decir, se haya
desde el área el valor estándar de Z y se realiza el proceso de despeje del valor por la fórmula de estandarización.

Buscando en tabla y según gráfica de software;

Gráfica de distribución normal estandar

Normal; Media=0; Desv.Est.=1

0,4

0,3
Densidad

0,2

0,1
0,2

Por valor de tabla normal

0,0 se tiene que;
0 0,8416
X
X−μ X −77
Z= = =0.8416
σ 20

Despejando el valor de “X”;

X−77
=0.8416 → X−77=( 0.8416∗2 0 ) → X =77+ ( 0.8416∗2 0 )
20

X =93,832 comola variable es discreta se asume entre 93 y 9 4 horas conectadoa internet

Para que en el año 2003 se encuentre en el 20% superior a los trabajadores que pasan y se clasifican como intensos
respecto a conectarse a internet en horas laborales es de 93 a 94 horas en el año de análisis.