Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Respuestas Probabilidad
Respuestas Probabilidad
1.- Un jugador de basquetbol está a punto de tirar hacia la parte superior del tablero.
La probabilidad de que anote el tiro es de 0.55.
MEDIA VARIANZA
μX= p σx= p(1-p)
μX= 0.55 σx= 0.55(1-0.55)
σx= 0.55 (0.45)
σx= 0.2475
b) Si anota el tiro, su equipo obtiene dos puntos; si lo falla, su equipo no recibe puntos.
Sea Y el número de puntos anotados. ¿Tiene una distribución de Bernoulli? Si es así,
encuentre la probabilidad de éxito. Si no explique por qué.
No, porque una variable aleatoria de Bernoulli solo tiene valores posibles de 0 y
1. Y los valores posibles de Y son 0 y 2.
MEDIA VARIANZA
μX= 2(p)+0(1-p) σx= (2-1.1)20.55+ (0-1.1)20.45
μX= 2(0.55)+0(1-0.55) σx= (0.9)20.55+ (-1.1)20.45
μX= 1.1+0(0.45) σx= (0.81)0.55+ (1.21)0.45
μX=1.10 σx= 0.4455+0.5445
σx= 0.99
2.- En un restaurante de comida rápida. 25% de las órdenes para beber es una bebida
pequeña. 35% una mediana y 40% una grande. Sea X=1 si se escoge aleatoriamente
una orden de una bebida pequeña y X=0 en cualquier otro caso. Sea Y=1 si la orden
es una bebida mediana y Y=0 en cualquier otro caso. Sea Z=1 si la orden de bebida es
pequeña o mediana y Z=0 en cualquier otro caso.
e) ¿Es Pz=Px+Py?
Si
e) ¿Es Pz=Px+Py?
Si
5.- Un jugador de basquetbol está a punto de tirar hacia la parte superior del tablero.
La probabilidad de que anote el tiro es de 0.55.
a) Si anota el tiro, su equipo obtiene tres puntos; si lo falla, su equipo no recibe puntos.
Sea Y el número de puntos anotados. ¿Tiene una distribución de Bernoulli? Si es asi,
encuentre la probabilidad de éxito. Si no explique por qué.
No, porque una variable aleatoria de Bernoulli solo tiene valores posibles de 0 y
1. Y los valores posibles de Y son 0 y 3
b) Determine la media y la varianza de Y.
MEDIA VARIANZA
μX= 3(p)+0(1-p) σx= (3-1.65)20.55+(0-1.65)20.45
μX= 3(0.55)+0(1-0.55) σx= (1.35)20.55+(-165)20.45
μX= 1.65+0(0.45) σx= (1.8225)0.55+(2.7225)0.45
μX= 1.65 σx= 1.002375+1.225125
σx= 2.2275
DISTRIBUCIÓN BINOMIAL
1.- Se lanza al aire una moneda diez veces
10!
P(X=3)= (0.5)3(1-0.5)10-3=0.1172
3!(10−3)!
2.- En un patrón aleatorio de ocho bits utilizado para probar un microcircuito, cada
bit tiene la misma probabilidad de ser 0 o 1. Suponga que los valores de los bits son
independientes.
3.- De los pernos manufacturados por cierta aplicación, 90% satisface la longitud
especificada y se puede utilizar inmediatamente, 6% está demasiado largo y solo se
puede usar después que sea cortado, y 4% está demasiado corto y debe deshacerse.
a) P(X=2)
n=8
8
P(x=2)= ( ) (0.4)2 (1 − 0.4)8−2
2
P(x=2)= 28 (0.16)(0.6)6
P(x=2)= 28(0.16) (0.046656)
P(x=2)= 0.20901888
b) P(X=4)
n=8
8
P(x=4)= ( ) (0.4)4 (1 − 0.4)8−4
4
P(x=4)= 70 (0.0256)(0.1296)4
P(x=4)= 70(0.0256) (2.821109907𝑥10−4)
P(x=4)=0.2322432
c) P(X<2)
n=8
8
P(X<0)= ( ) (0.4)0 (1 − 0.4)8−0
0
P(X<0)= 1 (1)(0.6)8
P(X<0)= 1(1) (0.1679616)
P(x<0)=0.1679616
n=8
8
P(X<1)= ( ) (0.4)1 (1 − 0.4)8−1
1
P(X<1)= 8 (0.4)(0.6)7
P(X<1)= 8(0.4) (0.0279936)
P(x<1)=0.08957952
d) P(X>6)
n=8
8
P(X=7)= ( ) (0.4)7 (1 − 0.4)8−7
7
P(X=7) = 8 (1.6384𝑥10−3 )(0.6)1
P(X=7) =8(1.6384𝑥10−3)(0.6)
P(X=7) =7.86432𝑥10−3
8
P(X=8) =( ) (0.4)8 (1 − 0.4)8−8
8
P(X=7) = 1 (6.5536𝑥10−4 )(0.6)0
P(X=7) = 1(6.5536𝑥10−4 ) (1)
P(X=7) =6.5536𝑥10−4
a) P(X=0)
N=5
5
P(X=0) =( ) (0.35)0 (1 − 0.35)5−0
0
P(X=0) =1 (1)(0.65)5
P(X=0) = 1(1) (0.1160290625)
P(X=0) =0.1160290625
b) P(X=1)
N=5
5
P(X=1) = ( ) (0.35)1 (1 − 0.35)5−1
1
P(X=1) =5(0.35)(0.65)4
P(X=1) =5(0.35) (0.17850626)
P(X=1) =0.3123859375
c) P(X=2)
N=5
5
P(X=2) = ( ) (0.35)2 (1 − 0.35)5−2
2
P(X=2) =10(0.1225)(0.65)3
P(X=2) =10(0.1225) (0.274625)
P(X=2) =0.336415625
d) P(X=3)
N=5
5
P(X=3) = ( ) (0.35)3 (1 − 0.35)5−3
3
P(X=3) =10(0.042875)(0.65)2
P(X=3) =10(0.042875) (0.4225)
P(X=3) =0.181146875
e) P(X=4)
N=5
5
P(X=4) = ( ) (0.35)4 (1 − 0.35)5−4
4
P(X=4) =5(0.0150625)(0.65)1
P(X=4) =5(0.150625) (0.65)
P(X=4) =0.487703125
f) P(X=5)
N=5
5
P(X=5) = ( ) (0.35)5 (1 − 0.35)5−5
5
P(X=5) =1(5.252187x10−3)(0.65)0
P(X=5) =1(5.252187x10−3) (1)
P(X=5) =5.252187x10−3
DISTRIBUCIÓN POISSON
1.- Sea X ~ Poisson(4). Determine
41
a) P(X=1)= e-4 *
1!
4
P(X=1)= 0.018315638 *
1
P(X=1)= 0.018315638 * 4
P(X=1)= 0.073262555
-4
40
b) P(X=0) = e *
0!
1
P(X=0)= 0.018315638 *
1
P(X=0)= 0.018315638 * 1
P(X=0)= 0.018315638
c) P(X<2)
41 40
P(X=1)= e-4 * P(X=0) = e-4 *
1! 0!
4 1
P(X=1) = 0.018315638 * P(X=0)= 0.018315638 *
1 1
P(X<2) =P(X=1)+P(X=0)
P(X<2) =0.07326255+0.018315638
P(X<2) =0.091578193
d) P(X>1)
-4
42 -4
43
P(X=2)= e * P(X=3)= e *
2! 3!
16 64
P(X=2)= 0.018315638 * P(X=3)= 0.018315638 *
2 6
44
P(X=4)= e-4 * P(X>1)= P(X=2)+P(X=3)+P(X=4)
4!
256
P(X=4)= 0.018315638 * P(X>1)= 0.146525111+0.195366814+
24
0.195366814
P(X=4)= 0.018315638 * 10.66666667
e) μX
μX= 4
f) σx
σx= √4
σx= 2
2.- Suponga que 0.03 % de los contenedores plásticos producidos en cierto proceso
tiene pequeños agujeros que los dejan inservibles. X representa el número de
contenedores en una muestra aleatoria de 10 000 que tienen este defecto.
Determine:
33
a) P(X=3)= e-3*
3!
27
P(X=3)= 0.049787068 *
6
P(X=3)= 0.0224041807
b) P(X≤2)
-3
30 -3
31
P(X=0)= e * P(X=1)= e *
0! 1!
1 3
P(X=0)= 0.049787068 * P(X=1)= 0.049787068 *
1 1
32
P(X=2)= e-3* P(X≤2)= P(X=0)+P(X=1)+P(X=2)
2!
9
P(X=2)= 0.049787068 * P(X≤2)= 0.049787068+0.149361205+
2
0.149361205
P(X=2)= 0.049787068 * 4.5
c) P(X<2)
31 32
P(X=1)= e-3 * P(X=2)= e-3*
1! 2!
3 9
P(X=1)= 0.049787068 * P(X=2)= 0.049787068 *
1 2
P(X=1)= 0.049787068 * 3 P(X=2)= 0.049787068 * 4.5
P(X=1)= 0.149361205 P(X=2)= 0.0224041807
33
P(X=3)= e-3* P(X<2)= P(X=1)+P(X=2)+P(X=3)
3!
27
P(X=3)= 0.049787068 * P(X<2)= 0.149361205+0.224041807+
6
0.224041807
P(X=3)= 0.049787068 * 4.5
d) μX
μX= 3
e) σx
σx= √3
σx= 1.732030808
P(X=3)= 0.09160366
P(X=10)= 0.104837255
122
P(X=2)= e-12* P(X<3)= P(X=0)+P(X=1)+P(X=2)
2!
144
P(X=2)= 6.144212353x10-6 * P(X<3)= 6.144212353x10-6 +
2
7.373054824x10-5 +
-6
P(X=2)= 6.144212353x10 * 72 4.423832894x10-4 =
4.- Una variable aleatoria X tiene una distribucion binomial y una variable Y tiene
una distribucion de Poisson. Tanto X como Y tienen medias iguales a 3. ¿Es posible
determinar que variable aleatoria tiene la varianza más grande? Elija una de las
siguientes respuestas:
65
a) P(X=5)= e-6 *
5!
7776
P(X=5)= 2.478752177x10-3 *
120
P(X=5)= 0.160623141
b) P(X≤2)
60 61
P(X=0)= e-6 * P(X=1)= e-6 *
0! 1!
1 6
P(X=0)= 2.478752177x10-3 * P(X=1)= 2.478752177x10-3 *
1 1
62
P(X=2)= e-6 * P(X≤2)= P(X=0)+P(X=1)+P(X=2)
2!
36
P(X=2)= 2.478752177x10-3 * P(X≤2)= 2.478752177+0.014872513+
2
0.044617539
P(X=2)= 2.478752177x10-3 * 18
c) μX
μX= 6
d) σx
σx= √6
σx= 2.449489743
DISTRIBUCIÓN NORMAL
Estos resultados se obtuvieron con las tablas anexas al final de los problemas
A – 1 – 0.1977 = 0.8023
µ = 480 σ = 90
RESULTADOS
µ = 10 σ = 1.4
RESULTADOS
Gamma (a p)
a : Escala 60000
p : Forma 20000
Punto X 10000
La probabilidad de que transcurra menos de una hora hasta que llegue el segundo paciente
es 0,98.
Gamma (a,p)
a : Escala 0,8100
p : Forma 7,8100
a) Determinar 𝜇 𝑇
4
𝜇𝑡 = =8
0.5
b) Determinar 𝜎𝑇
42
𝜎𝑇 = √ =4
0.5
c) Determinar P T≤ 1)
[(0.5)(1)]𝑗
P (T< 1) = 1 − ∑4−1
𝑗=0 𝑒 − (0.5)(1) 𝑗!
=0.000175
d) Determinar P(T≥ 4)
[(0.5)(3)]𝑗
P(T< 1) = 1 − ∑4−1
𝑗=0 𝑒 − (0.5)(3) 𝑗!
=0.9344
a) Determinar𝜇 𝑇
1 2
𝜇 𝑇 = ( ) 2! = = 0.6667
3 3
b) Determinar 𝜎𝑇
12 1
𝜎𝑇 = √( )[4! − (2!)2 ] = √( )[24 − 4] = 1.4907
3 9
c) Determinar P(T> 5)
0.5
P (T>5) =1-P(T≤1) = 1 – e-[(3)(1)]0.5 = 1 − 𝑒 −15 = 0.0208
b) Determine P(T≤5)