Documentos de Académico
Documentos de Profesional
Documentos de Cultura
LICENCIATURA EN MATEMÁTICAS
PROBABILIDAD
Fase 4- Fundamentos de Probabilidad
Modelos de Probabilidad
Unidad 2: Fase 4 Trabajo Colaborativo
Elaborado por:
Andrea Bolaños. Cédula:
Darling Viviana Lucena Ortega. Cédula: 1061730400
Renato Adalberto Taco. Cédula:
Presentado A:
Sra. Tutora:
María Camila González
INTRODUCCIÓN
Sabiendo que La probabilidad es una herramienta de ayuda para la toma de decisiones porque proporciona
una forma de medir, expresar y analizar las incertidumbres asociadas con eventos futuros de razones entre el
número de casos favorables y el número de casos posibles.es de gran importancia comprender que tiene la
inferencia de la estadística en el estudio de cualquier tipo de población, es necesario también, identificar de
manera clara sus elementos como lo son:
Reconocer la población a estudiar, determinando para su análisis cuantitativo y cualitativo el uso de graficas
de dispersión, la estimación de rectas de tendencia, tablas de frecuencia, modas, estimaciones entre otros.
Parte A
Desarrollar los ejercicios del libro Probabilidad y estadística de George Canavos (Primera edición de 1988 de
la McGraw-Hill) que se encuentra en el entorno de Conocimiento:
Variables Aleatorias
Ejercicio 3.2.
Sea X una variable aleatoria discreta. Determinar el valor de K para la función p(x)= k/k,
SOLUCION
𝑘 𝑘 𝑘
𝐾=+ + + =1
2 3 4
1 1 1
𝐾 (1 + + + ) = 1
2 3 4
25
𝐾 ( )=1
12
𝟏𝟐
𝑲=
𝟐𝟓
Determinar P(1≤ X ≤ 3).
𝟏𝟐
𝒇 = (𝒙) =
(𝟐𝟓𝒙)
𝑷(𝟏 ≤ 𝑿 ≤ 𝟑) = 𝒇(𝟏) + 𝒇(𝟐) + 𝒇(𝟑) =
𝟏𝟐 𝟏𝟐 𝟏𝟐
+ + =
(𝟐𝟓)(𝟏) (𝟐𝟓)(𝟐) (𝟐𝟓)(𝟑)
𝟏𝟐 𝟏𝟐 𝟏𝟐 𝟐𝟐
+ + = = 𝟎, 𝟖𝟖
𝟐𝟓 𝟓𝟎 𝟕𝟓 𝟐𝟓
Ejercicio 3.5.
La duración en horas de un componente electrónico, es una variable aleatoria cuya función de distribución
acumulativa es F(X)=1-exp (-x/100), x>0.
SOLUCIÓN
1 𝑥
𝑓(𝑥) = { 𝑒𝑥𝑝 (− ) 0 < 𝑥 <∝
100 100
𝑥≤0
Ejercicio 3.6.
La función distribución acumulativa de una variable aleatoria está dada por
0 𝑥<0
𝑓𝑥 {2𝑥 − 𝑥 2 0 < 𝑥 < 1}
1 𝑥>1
SOLUCIÓN
a) Graficar f(x)
𝟏 𝟑
b) Obtener 𝒑 (𝒙 < 𝟐) 𝒚 𝒑 (𝒙 > 𝟒)
0 1 𝑥 𝑥2 1 2𝑥 2 𝑥3 𝑥
∫−∞ 0𝑑𝑥 + ∫0 𝑥𝑑𝑥 + ∫1 (2𝑥 − 𝑥 2 ) 𝑑𝑥 = 0 + 2
. ] 0. + [
2
− ] .
3 1
1 2𝑥 2 𝑥 3 2 1
+ [( − ) − ( − )]
2 2 3 2 3
3
1 𝑥 2
+ [(𝑥 2 − ) − ]
2 3 3
3
1 2 𝑥
− +𝑥 2 −
2 3 3
3
−1 𝑥
+𝑥 2 −
6 3
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
LICENCIATURA EN MATEMÁTICAS
PROBABILIDAD
Fase 4- Fundamentos de Probabilidad
c) 𝑫𝒆𝒕𝒆𝒓𝒎𝒊𝒏𝒆 𝒇𝒙
0 𝑥<0
3
−1 2 𝑥
𝑓𝑥 { +𝑥 − 0 < 𝑥 < 1}
6 3
1 𝑥>1
1
B 𝑝 (𝑥 < 2
)
− 1 0.42 0.43
. + −
6 3
. −0.027
3
B 𝑝 (𝑥 < 4)
− 1 0.82 0.83
. 6
+ − 3
. −0.3
Ejercicio 3.7.
Sea una variable aleatoria que representa el número de clientes que llega a una tienda en un período de
una hora. Dada la siguiente información:
SOLUCIÓN
p(x)
0.3
0.25
0.2
0.15
0.1
0.05
0
0 1 2 3 4 5 6 7 8 9
𝐸(𝑋) = ∑ 𝑥𝑝(𝑥)
𝑥
𝐸(𝑋) = 4
𝑣𝑎𝑟(𝑥) = 𝐸(𝑋 − 𝜇)2
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
LICENCIATURA EN MATEMÁTICAS
PROBABILIDAD
Fase 4- Fundamentos de Probabilidad
|
𝜇2 − 𝜇2
|
𝜇2 =∑𝑥 𝑥 2 𝑝(𝑥) = (1 + 2 + 3 + 6)2 ∗ 0.10 + 42 ∗ 0.20 + 52 ∗ 0.25 + (7 + 8)2 ∗ 0.05
|
𝜇2 = 20.1
𝑣𝑎𝑟(𝑥) = 4.1
Distribuciones discretas
Ejercicio 4.4
Página 122. Sea X una variable aleatoria con distribución binomial y parámetros n = 8 y p = 0.4. Emplear la
fórmula de recursión del problema anterior para obtener las probabilidades puntuales de los valores de X.
Hacer una gráfica de la función de probabilidad.
SOLUCIÓN
8
𝑓(𝑥) = ( ) ∗ 0,4𝑥 ∗ 0, 68−𝑥
𝑥
8
𝑓(𝑥) = ( ) ∗ 0,40 ∗ 0, 68−0 = 0.0168
0
8
𝑓(𝑥) = ( ) ∗ 0,41 ∗ 0, 68−1 = 0,0896
1
8
𝑓(𝑥) = ( ) ∗ 0,42 ∗ 0, 68−2 = 0,02090
2
8
𝑓(𝑥) = ( ) ∗ 0,43 ∗ 0, 68−3 = 0,2787
3
8
𝑓(𝑥) = ( ) ∗ 0,44 ∗ 0, 68−4 = 0.2322
4
8
𝑓(𝑥) = ( ) ∗ 0,45 ∗ 0, 68−5 = 0,1238
5
8
𝑓(𝑥) = ( ) ∗ 0,46 ∗ 0, 68−6 = 0,0413
6
8
𝑓(𝑥) = ( ) ∗ 0,47 ∗ 0, 68−7 = 0,0079
7
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
LICENCIATURA EN MATEMÁTICAS
PROBABILIDAD
Fase 4- Fundamentos de Probabilidad
8
𝑓(𝑥) = ( ) ∗ 0,48 ∗ 0, 68−8 = 0,0007
8
x 0 1 2 3 4 5 6 7 8
P(X) 0,0168 0,0896 0,02090 0,2787 0,2322 0,1238 0,0413 0,0079 0,0007
0.3 0.2787
0.25 0.2322
0.2
p(x)
0.15
0.1238
0.1 0.0896
0.0413
0.05
0.0168 0.0209
0.0079 0.0007
0
0 1 2 3 4 5 6 7 8
Ejercicio 4.6.
Supóngase que la probabilidad de tener una unidad defectuosa en una línea de ensamble es de 0.05. Si el
número de unidades terminadas constituye un conjunto de ensayos independientes:
Solución
Formula
𝑛!
𝑝(𝑥𝑛,𝑝 ) = 𝑐(𝑛, 𝑥)𝑝 𝑥 𝑞𝑛−𝑥 = 𝑝 𝑥 𝑞𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
Datos
𝑛 = 20,
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
LICENCIATURA EN MATEMÁTICAS
PROBABILIDAD
Fase 4- Fundamentos de Probabilidad
𝑝 = 0.05
𝑞 = 0.95
𝑝(𝑥 = 2)
𝑛!
𝑝(𝑥) = 𝑝 𝑥 𝑞𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
20!
𝑝(𝑥 = 2) = (0.05)2 (0.95)20−2 = 14,92
2! (20 − 2)!
b) ¿cuál es la probabilidad de que entre 20 unidades, dos como límite se encuentren defectuosas?
20
𝑝(𝑥20,0.05 ≤ 2) = ( ) × 0.05! × (1 − 0.05)20−! = 1,9968
!
20
𝑝(𝑛20,0.05 ≥ 1) = 1 − 𝑝(𝑛20,0.05 = 0) = 1 − ( 0 ) × 0.050 × (1 − 0.05)20−0 = 1 − 0.3584 =0.6416
Ejercicio 4.8
La probabilidad de que un satélite después de colocarlo en órbita funcione de manera adecuada, es de 0,9,
supóngase que 5 de estos se coloca en órbita y operan de manera independiente.
SOLUCIÓN
𝑥~𝐵(5 ,0.9)
5 𝑥
a) =
100 80
𝑥=4
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
LICENCIATURA EN MATEMÁTICAS
PROBABILIDAD
Fase 4- Fundamentos de Probabilidad
10 𝑥
b) 100
= 80
𝑥 = 10
𝑥 = 20
Ejercicio 4.16.
El número de clientes que llega a un banco es una variable aleatoria de poisson. Si el número promedio es de
120 por hora. ¿Cuál es la probabilidad de que en un minúto lleguen por lo menos 3 clientes?¿Puede
esperarse que la frecuencia de llegada de los clientes al banco sea constante en un día cualquiera?
SOLUCIÓN
120
𝐸(𝑋) = == 2
60
Distribuciones continuas
Ejercicio 5.3.
Sea 𝑋~𝑁(200,20). Determinar las siguientes probaabilidades:
SOLUCIÓN
𝑚𝑒𝑑𝑖𝑎 = 200
𝑑𝑒𝑠𝑣𝑖𝑎𝑐𝑖𝑜𝑛 𝑒𝑠𝑡𝑎𝑛𝑑𝑎𝑟 = 40
𝒂) 𝑃(185 < 𝑋 < 210)
185 − 200
𝑧1 = = −0.375
40
Luego: P = 0.3538
210 − 200
𝑧2 = = 0.25
40
Luego p = 0.5793
215 − 200
𝑧1 = = 0.375
40
Luego: P = 0.6462
250 − 200
𝑧2 = = 1.25
40
Luego p = 0.8943
240 − 200
𝑧1 = =1
40
Luego: P = 0.8413
178 − 200
𝑧1 = = −0.55
40
Luego: P = 0.2912
SOLUCIÓN
Sea X la variable aleatoria que representa el diámetro del pistón, luego X posee una distribución normal con
parámetros 𝝁 = 5 𝑦 𝝈 = 0.001 ; entonces:
4.998−5 𝑋−5 5.002−5
𝑃(4.998 ≤ 𝑋 ≤ 5.002) = 𝑃 ( 0.001
≤ 0.001 ≤ 0.001
)
= 𝑃(−2 ≤ 𝑍 ≤ 2)
= 𝑃(𝑍 ≤ 2) − 𝑃(𝑍 ≤ −2)
= 𝐹(2) − 𝐹(−2)
= 0.9772 − 0.0228 = 0.9544
Entonces, el 95.44% de los pistones servirá. Además:
𝑋−5 4.998−5
𝑃(𝑋 < 4.998) = 𝑃 (0.001 < 0.001
)
Ejercicio 5.10.
El peso de cereal que contiene una caja se aproxima a una distribución normal con una media de 600
gramos. El proceso de llenado de las cajas está diseñado para que de entre 100 cajas, el peso de una se
encuentre fuera del intervalo 590 – 610 gramos. ¿Cuál es el valor máximo de la desviación estándar para
alcanzar este requerimiento?
SOLUCIÓN
Media 𝝁 = 600
Desv 𝝈 = ?
Nos dicen que de cada 100 cajas solo 1 está fuera del intervalo, por lo que hay 99 dentro: probabilidad
99/100 = 0.99
Es decir, tenemos que la probabilidad debe ser mayor o igual que 0.99 para que solo una caja se quede fuera
Es decir que
10 10
𝑃(590 < 𝑋 < 610) = 𝑃(− 𝜎
<𝑋< 𝜎
) ≥ 0.99
Entonces:
10 10 10 10 10
𝑃(− 𝜎
<𝑍< 𝜎
) = 𝑃(0 < 𝑍 < 𝜎
)+ 𝑃(0 < 𝑍 < 𝜎
) = 2𝑃(0 < 𝑍 < 𝜎
)
Tenemos que:
10
2𝑃(0 < 𝑍 < 𝜎
) ≥ 0.99
10
= 𝑃(0 < 𝑍 < 𝜎
) ≥ 0.495
Es decir que
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
LICENCIATURA EN MATEMÁTICAS
PROBABILIDAD
Fase 4- Fundamentos de Probabilidad
10
𝑃(𝑍 < 𝜎
)− 𝑃(𝑍 < 0) ≥ 0.495
10
= 𝑃(𝑍 < 𝜎
)− 0.5 ≥ 0.495
10
= 𝑃 (𝑍 < 𝜎
) ≥ 0.495 + 0.5
10
= 𝑃 (𝑍 < 𝜎
) ≥ 0.995
El valor de la distribución Z que hace que la probabilidad acumulada sea mayor que 0.995 es:
𝑍 ≥ 2.58
Por lo que:
10
𝜎
≥ 2.58
= 10 ≥ 2.58𝝈
10
= ≥𝝈
2.58
= 3.8759 ≥ 𝝈
= 𝝈 ≤ 3.8759
R/ el valor máximo de la desviación 𝝈 es 3.8759
Ejercicio 5.11.
En una tienda de descuento la demanda diaria de acumuladores para utomóvil se calcula mediante una
distribución normal con una medida de 50 acumuladores que tienen una desviación estandar de 10. En dos
dias consecutivos se venden 80 y 75 acumuladores repectivamente. Si estos dias son típicos, ¿Qué tann
probable es, bajo las suposiciones dadas, vender 80 o más y 75 o más acumuladores?
SOLUCIÓN
𝜎 = 10
𝜇 = 50
75 − 50
1 − 𝑃(𝑋 ≥ 75) = 1 − 𝑃 (𝑍 ≤ )
10
𝑃(𝑋 ≥ 75) = 1 − 𝑃(𝑍 ≤ 2.5)
𝑃(𝑋 ≥ 75) = 1 − 0.9938
𝑃(𝑋 ≥ 75) = 0.0062
𝑃(𝐴 ∙ 𝐵) = 0.0013 ∙ 0.0062
𝑃(𝐴 ∙ 𝐵) = 0.000008
Respuesta: La ocurrencia es poco probable
Ejercicio 5.14.
El tiempo necesario para armar cierta unidad es una variable aleatoria normalmente distribuida con una media
de 30 minutos y desactivación estándar igual a dos minutos determine el tiempo de armado de manera que
la probabilidad de exceder este sea de 0.02
𝑝[𝑥 > 𝑇]
1 − 𝑓2 (𝑇) = 0.02
𝑓2 (𝑇) = 0.98
𝑇 = 2,075
𝑇 − 30
= 2,075
2
𝑇 = 34,15
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
LICENCIATURA EN MATEMÁTICAS
PROBABILIDAD
Fase 4- Fundamentos de Probabilidad
CONCLUSIONES
Este trabajo evidencia todos y cada uno de los temas vistos dentro del plan curricular establecido de
la fase 4, permitiendo formular hipótesis estadísticas, en pro al análisis de situaciones del contexto
real.
REFERENCIAS BIBLIOGRÁFICAS
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
LICENCIATURA EN MATEMÁTICAS
PROBABILIDAD
Fase 4- Fundamentos de Probabilidad
Woolfson, M.(2012). Everyday Probability And Statistics: Health, Elections, Gambling And War (2nd
Edition). London, UK: Imperial College Press. Recuperado
de http://bibliotecavirtual.unad.edu.co:2051/login.aspx?direct=true&db=nlebk&AN=478649&lang=
es&site=eds-live&ebv=EB&ppid=pp_33