TALLER 3

1. A) N=total de posibles muestras de 6 individuos 59𝐶6 = 59!⁄(59 − 6)! ∗ 6! = 45057474

B) El muestreo aleatorio simple (M.A.S.) es la técnica de muestreo en la que todos los
elementos que forman el universo y que por lo tanto están descritos en el marco muestral,
tienen idéntica probabilidad de ser seleccionados para la muestra.
Por lo tanto, se pueden obtener 10 muestras que contengan todo el grupo y obtener una
probabilidad para cada una de las muestras 𝑃(𝑚) = 1⁄45057474
C)

D) A pesar de que las notas provienen de la medición de datos dentro de una

experimentación, realmente para determinar la cantidad de horas dedicadas al auto-
estudio para esta materia, se requiere de la observación de esta característica
correlacionada con las calificacones obtenidas, es decir que para este caso, dicha
información ya existe antes de evaluarlos, por lo tanto es un estudio de tipo
observacional.

5. A) Como consecuencia del teorema central del límite, para valores grandes de 𝜆 una
variable aleatoria de Poisson X puede aproximarse por otra normal. En ese sentido el
intervalo de confianza será: Z2 0,05/2)
(

2 2 4
0,05 0,05 0,05
Z( 2 ) Z( 2 ) Z( 2 )
= 4,5111111 + ∓ √4,5111111 + + = (3,7048; 5,4928)
90 45 4(45)2

TALLER 4
1
4. A) 𝐸(𝑥) = 370 = 𝑝 y 𝑃(𝑋 ≤ 100) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + ⋯ + 𝑃(𝑋 = 100)=
0,237105983
B) 𝑆 = √1 − 𝑝⁄𝑝2  (𝑆𝑃)2 + 𝑃 − 1 = 0 ;por lo tanto 𝑝 = 4,988 ∗ 10−3 y 𝑝 = −5,013 ∗
10−3. En ese sentido los valores esperados serán 𝐸(𝑥) = 200,48 y 𝐸(𝑥) = −199,48
C) Demostración= Sea X ∼ G(p), 0 < p < 1. P(X ≥ s + t/X > t) = P(X ≥ s) ∀s, t ∈ N
P(X ≥ s + t/X > t) = P(X ≥ s + t ∧ X > t) P(X > t) = P(X ≥ s + t) P(X > t) =
= P(X > s + t − 1) P(X > t) = (1 − p) s+t−1 (1 − p) t = (1 − p) s−1 = P(X > s − 1) =
P(X ≥ s).
Dado que la distribución geométrica no tiene memoria, entonces P(RL ≥ 301|RL > 200)=
P(X ≥ 101)=1− 𝑃(𝑋 ≤ 100) = 1 −0,237105983 = 0,76289402