Fase 4 - Fundamentos de Probabilidad

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA
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
UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

ESCUELA CIENCIAS DE LA EDUCACIÓN – ECEDU
Noviembre de 2019
PROBABILIDAD
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.
Seguidamente profundizando más en la probabilidad matemática, es necesario examinar no solo lo

conceptos de probabilidad conjunta, marginal y condicional, es necesario de igual manera identificar los
posibles usos que tiene la probabilidad en diversas ramas de las matemáticas y el cálculo, tomando en general
el uso de las variables aleatorias en el espacio muestral indicadas en ocasiones como variables dependientes
las cuales están sujetas a una probabilidad condicionadas por ejemplo a unas características descriptivas
dadas, datos numéricos exactos, o condiciones que hacen dependiente el análisis estadístico. Por ende, para
el desarrollo de este trabajo fue necesario reconocer, la importancia de la estadística en el análisis poblacional
tomando como ejemplo el caculo de varios eventos donde se hace necesario contar el número de resultados
posibles en el experimento implementado, teniendo en cuenta que los resultados obtenidos favorables al
análisis del evento, pueden ser integrados mediante técnicas como permutaciones y combinaciones, es decir
tener la capacidad de darle un orden particular a los elementos según el conjunto dado.
PROBABILIDAD
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,
x= 1, 2, 3,4. Sea la función de probabilidad de X. determinar P (1≤ X ≤ 3).
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
a) Determinar la función de probabilidad de X.

PROBABILIDAD
1 𝑥
𝑓(𝑥) = { 𝑒𝑥𝑝 (− ) 0 < 𝑥 <∝
100 100
𝑥≤0
b) Determinar la probabilidad de que el componente trabaje más de 200 horas.
𝑝(200) = 1 − 𝑓(200) = 1 − (1 − exp(−2)) = exp(−2) = 0,1353
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
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
𝐸𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝐸(𝑋) 𝑌 𝑉𝑎𝑟(𝑋)
𝐸(𝑋) = ∑ 𝑥𝑝(𝑥)
𝑥
𝐸(𝑋) = (1 + 2 + 3 + 6) ∗ 0.10 + 4 ∗ 0.20 + 5 ∗ 0.25 + (7 + 8) ∗ 0.05
𝐸(𝑋) = 4
𝑣𝑎𝑟(𝑥) = 𝐸(𝑋 − 𝜇)2
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
Entonces: 𝑣𝑎𝑟(𝑥) = 20.1 − 42
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
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)!
a) ¿cuál es la probabilidad de que entre 20 unidades dos se encuentren defectuosas?
Datos
𝑛 = 20,
PROBABILIDAD
𝑝 = 0.05
𝑞 = 0.95
𝑝(𝑥 = 2)
𝑛!
𝑝(𝑥) = 𝑝 𝑥 𝑞𝑛−𝑥
𝑥! (𝑛 − 𝑥)!
Reemplazando y resolviendo tenemos que:
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
!
c) ¿cuál es la probabilidad de que por lo menos una se encuentre defectuosa?
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
a) ¿Cuál es la probabilidad de que por lo menos el 80% funcione adecuadamente?

b) Responder a a) si n= 10
c) Responder a a) si n= 20
d) ¿Son inesperados estos resultados? ¿Por qué?
𝑥~𝐵(5 ,0.9)
5 𝑥
a) =
100 80
𝑥=4
PROBABILIDAD
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑒𝑛 = 𝑝[𝑥 ≥ 4]

𝑝[𝑥 ≥ 4] = 𝑝[𝑥 = 4] + 𝑝[𝑥 = 5]
5 5
𝑝 [ ] 0.94 ∗ 0.110 + 𝑝 [ ] 0.95 ∗ 0.10 = 0,9185
4 5
10 𝑥
b) 100
= 80
𝑥 = 10

𝑝[𝑥 ≥ 8] = 𝑝[𝑥 = 8] + 𝑝[𝑥 = 10]
8 5
𝑝 [ ] 0.98 ∗ 0.110 + 𝑝 [ ] 0.910 ∗ 0.10 = 0,9185
10 5
c)
20 𝑥
=
100 80
𝑥 = 20

𝑝[𝑥 ≥ 16] = 𝑝[𝑥 = 16] + 𝑝[𝑥 = 20]
16 20
𝑝 [ ] 0.916 ∗ 0.110 + 𝑝 [ ] 0.910 ∗ 0.10 = 0,9185
20 20
d) Al aumentar el número de satélites, también aumenta la probabilidad de que no
Todos funcionen, y como el porcentaje es el mismo se conserva el equilibrio.
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
𝑋: "𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑙𝑙𝑒𝑔𝑎 𝑎 𝑢𝑛 𝑏𝑎𝑛𝑐𝑜 𝑒𝑛 𝑢𝑛 𝑚𝑖𝑛ú𝑡𝑜"
𝐸(𝑋) = 120 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎
120
𝐸(𝑋) = == 2
60
𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 ≤ 3) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)]
= 1 − 0,1353 − 0,2707 − 0,2707 = 0.3233

PROBABILIDAD
Respuesta: La probabbilidad de que en un minúto lleguen por lo menos 3 clientes es de 33%
Distribuciones continuas
Ejercicio 5.3.
Sea 𝑋~𝑁(200,20). Determinar las siguientes probaabilidades:
a) 𝑃(185 < 𝑋 < 210)
b) 𝑃(215 < 𝑋 < 250)
c) 𝑃(𝑋 > 240)
d) 𝑃(𝑋 > 178)
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
Entonces la probabilidad es 0.5793 - 0.3538= 0.2255
Respuesta: la probabilidad 𝑃(185 < 𝑋 < 210) es de 22.55%
b) 𝑃(215 < 𝑋 < 250)

PROBABILIDAD
215 − 200
𝑧1 = = 0.375
40
Luego: P = 0.6462
250 − 200
𝑧2 = = 1.25
40
Luego p = 0.8943
Entonces la probabilidad es 0.8943 - 0.6462 = 0.2481
Respuesta: la probabilidad 𝑃(215 < 𝑋 < 250) es de 24.81%
c) 𝑃(𝑋 > 240)
240 − 200
𝑧1 = =1
40
Luego: P = 0.8413
Entonces la probabilidad es 1- 0.8413 = 0.1587
Respuesta: la probabilidad 𝑃(𝑋 > 240)es de 15.87 %
d) 𝑃(𝑋 > 178)

PROBABILIDAD
178 − 200
𝑧1 = = −0.55
40
Luego: P = 0.2912
Entonces la probabilidad es 1- 0.2912 = 0.7088
Respuesta: la probabilidad 𝑃(𝑋 > 178) es de 70.88 %

Ejercicio 5.8.
Una fábrica produce pistones cuyos diámetros se encuentran adecuadamente clasificados por una distribución
normal con un diámetro promedio de 5 cm y una desviación estándar igual a 0.001 cm. Para que un pistón
sirva, su diámetro debe encontrarse entre 4.998 y 5.002 cm. Si el diámetro del pistón es menor que 4.998 se
desecha; si es mayor que 5.002 el pistón puede reprocesarse. ¿Qué porcentaje de pistones servirá? ¿Qué
porcentaje será desechado? ¿Qué porcentaje será procesado?
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
)
= 𝑃(𝑍 < −2) = 0.0228

Por tanto, el 2.28% de los pistones sería desechado. Por ultimo:
𝑃(𝑋 > 50002) = 𝑃(𝑍 > 2) = 1 − 𝑃(𝑍 ≤ 2)

= 1 − 0.9772 = 0.0228
Así, el 2.28% de los pistones será procesado.
PROBABILIDAD
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
𝑃(590 < 𝑋 < 610) > 0.99

𝑋−𝝁
Estandarizamos con 𝑍 = 𝝈
590−600 10
𝑝𝑎𝑟𝑎 𝑋 = 590 → 𝑍 = 𝜎
=− 𝜎
610−600 10
𝑝𝑎𝑟𝑎 𝑋 = 610 → 𝑍 = 𝜎
= 𝜎
10 10
𝑃(590 < 𝑋 < 610) = 𝑃(− <𝑋< )
𝜎 𝜎
Es decir que
10 10
𝑃(590 < 𝑋 < 610) = 𝑃(− 𝜎
<𝑋< 𝜎
) ≥ 0.99
Como la distribución normal estandarizada es simétrica respecto al 0, tenemos que

10 10 10 10
𝑃(− 𝜎
<𝑍< 𝜎
) = 𝑃(− 𝜎
< 𝑍 < 0) + 𝑃(0 < 𝑍 < 𝜎
)
Estas dos probabilidades son iguales por lo que:

10 10
𝑃(− 𝜎
< 𝑍 < 0) = 𝑃(0 < 𝑍 < 𝜎
)
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
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
 𝑃(𝑋 ≥ 80) = 1 − 𝑃(𝑋 ≤ 80)

80 − 50
1 − 𝑃(𝑋 ≤ 80) = 1 − 𝑃 (𝑍 ≤ )
10
𝑃(𝑋 ≥ 80) = 1 − 𝑃
(𝑍 ≤ 3)𝑃(𝑋 ≥ 80) = 1 − 0.9987
𝑃(𝑋 ≥ 80) = 0.0013
 𝑃(𝑋 ≥ 75) = 1 − 𝑃(𝑋 ≤ 75)
PROBABILIDAD
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]
𝑥−30 𝑇−30 𝑇−30

𝑝=[ > ] = [𝑧 > ]=0.02
2 2 2
1 − 𝑓2 (𝑇) = 0.02
𝑓2 (𝑇) = 0.98
𝑇 = 2,075
𝑇 − 30
= 2,075
2
𝑇 = 34,15
PROBABILIDAD
CONCLUSIONES
 Comprendimos la importancia de la utilización de las herramientas básicas en el manejo de la

probabilidad matemática.
 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.
 Reconocemos la importancia de comprender la teoría, en la probabilidad la cual al ser analizada nos

ayuda a enfocar o buscar soluciones y a percibir la realidad desde la contextualización diferenciando
métodos dados, ilustraciones graficas pertinentes y eventos indicados.
 Concluimos que La probabilidad constituye un importante parámetro en la determinación de las

diversas casualidades obtenidas tras una serie de eventos esperados dentro de un rango estadístico.
REFERENCIAS BIBLIOGRÁFICAS
PROBABILIDAD
 Canavos, G. (1988). Probabilidad y Estadística: Aplicaciones y Métodos. Ed. MacGraw-Hill. Recuperado

dehttps://gsosa61.files.wordpress.com/2008/03/10-canavos-g-probabilidad-y-estadistica-
aplicaciones-y-metodos.pdf
 Samuels, M. (2012). Fundamentos de estadística para las ciencias de la vida. Recuperado

de http://bibliotecavirtual.unad.edu.co:2053/?il=3528
 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

Fase 4 - Fundamentos de Probabilidad

Cargado por

Información del documento

Descripción original:

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Fase 4 - Fundamentos de Probabilidad

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA

UNIVERSIDAD NACIONAL ABIERTA Y A DISTANCIA - UNAD

Seguidamente profundizando más en la probabilidad matemática, es necesario examinar no solo lo

x= 1, 2, 3,4. Sea la función de probabilidad de X. determinar P (1≤ X ≤ 3).

a) Determinar la función de probabilidad de X.

b) Determinar la probabilidad de que el componente trabaje más de 200 horas.

𝑝(200) = 1 − 𝑓(200) = 1 − (1 − exp(−2)) = exp(−2) = 0,1353

𝐸𝑛𝑐𝑜𝑛𝑡𝑟𝑎𝑟 𝐸(𝑋) 𝑌 𝑉𝑎𝑟(𝑋)

𝐸(𝑋) = (1 + 2 + 3 + 6) ∗ 0.10 + 4 ∗ 0.20 + 5 ∗ 0.25 + (7 + 8) ∗ 0.05

Entonces: 𝑣𝑎𝑟(𝑥) = 20.1 − 42

a) ¿cuál es la probabilidad de que entre 20 unidades dos se encuentren defectuosas?

Reemplazando y resolviendo tenemos que:

c) ¿cuál es la probabilidad de que por lo menos una se encuentre defectuosa?

a) ¿Cuál es la probabilidad de que por lo menos el 80% funcione adecuadamente?

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑒𝑛 = 𝑝[𝑥 ≥ 4]

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑒𝑛 = 𝑝[𝑥 ≥ 8]

𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑞𝑢𝑒 𝑓𝑢𝑛𝑐𝑖𝑜𝑛𝑒𝑛 = 𝑝[𝑥 ≥ 8]

Todos funcionen, y como el porcentaje es el mismo se conserva el equilibrio.

𝑋: "𝑁ú𝑚𝑒𝑟𝑜 𝑑𝑒 𝑐𝑙𝑖𝑖𝑒𝑛𝑡𝑒𝑠 𝑞𝑢𝑒 𝑙𝑙𝑒𝑔𝑎 𝑎 𝑢𝑛 𝑏𝑎𝑛𝑐𝑜 𝑒𝑛 𝑢𝑛 𝑚𝑖𝑛ú𝑡𝑜"

𝐸(𝑋) = 120 𝑐𝑙𝑖𝑒𝑛𝑡𝑒𝑠 𝑝𝑜𝑟 ℎ𝑜𝑟𝑎

𝑃(𝑋 ≥ 3) = 1 − 𝑃(𝑋 ≤ 3) = 1 − [𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)]

= 1 − 0,1353 − 0,2707 − 0,2707 = 0.3233

Respuesta: La probabbilidad de que en un minúto lleguen por lo menos 3 clientes es de 33%

a) 𝑃(185 < 𝑋 < 210)

b) 𝑃(215 < 𝑋 < 250)

c) 𝑃(𝑋 > 240)

d) 𝑃(𝑋 > 178)

Entonces la probabilidad es 0.5793 - 0.3538= 0.2255

Respuesta: la probabilidad 𝑃(185 < 𝑋 < 210) es de 22.55%

b) 𝑃(215 < 𝑋 < 250)

Entonces la probabilidad es 0.8943 - 0.6462 = 0.2481

Respuesta: la probabilidad 𝑃(215 < 𝑋 < 250) es de 24.81%

c) 𝑃(𝑋 > 240)

Entonces la probabilidad es 1- 0.8413 = 0.1587

Respuesta: la probabilidad 𝑃(𝑋 > 240)es de 15.87 %

d) 𝑃(𝑋 > 178)

Entonces la probabilidad es 1- 0.2912 = 0.7088

Respuesta: la probabilidad 𝑃(𝑋 > 178) es de 70.88 %

= 𝑃(𝑍 < −2) = 0.0228

𝑃(𝑋 > 50002) = 𝑃(𝑍 > 2) = 1 − 𝑃(𝑍 ≤ 2)

𝑃(590 < 𝑋 < 610) > 0.99

Como la distribución normal estandarizada es simétrica respecto al 0, tenemos que

Estas dos probabilidades son iguales por lo que:

 𝑃(𝑋 ≥ 80) = 1 − 𝑃(𝑋 ≤ 80)

𝑥−30 𝑇−30 𝑇−30

 Comprendimos la importancia de la utilización de las herramientas básicas en el manejo de la

 Reconocemos la importancia de comprender la teoría, en la probabilidad la cual al ser analizada nos

 Concluimos que La probabilidad constituye un importante parámetro en la determinación de las

 Canavos, G. (1988). Probabilidad y Estadística: Aplicaciones y Métodos. Ed. MacGraw-Hill. Recuperado

 Samuels, M. (2012). Fundamentos de estadística para las ciencias de la vida. Recuperado

También podría gustarte