N° objetivo de Obj. 5 Obj. 6 Obj. 7 Obj.

8
REPÚBLICA BOLIVARIANA DE VENEZUELA UNIVERSIDAD NACIONAL ABIERTA
la Unidad
Temática
0=NL 1= L Centro Local: TÁCHIRA -1800. Oficina de Apoyo:
Asignatura: Estadística General. Código 745.

Nombre Completo: MARÍA EUGENIA AÑEZ VÁSQUEZ

Número de cédula de identidad: V-14.873.842.

Fecha completa en la que entregó el trabajo: 15 de octubre de 2020

Correo electrónico del estudiante:
TPS-2. 2020-1.
Número de Teléfono: 0412-1686546.

Resultados de Corrección:

PREGUNTA 1. OBJETIVO 5.

Elabore un mapa mental donde se evidencien los aspectos relacionados con las distribuciones de
Probabilidad. Para ello, debe tomar en consideración lo siguiente:
a. Variables aleatorias.
b. Variables aleatorias discretas.
c. Variables aleatorias continuas.
d. Distribución de probabilidad.
 Está dada por
VARIABLE Sí el número de valor que puede tomar
ALEATORIA es finito. F( X ) = n /1
DISCRETA

VARIABLEALEATORIA Puede asumir un número infinito de Está caracterizada

CONTINUA Valores dentro de un determinado rango. por la Variable f( x )

VALOR ESPERADO Y La varianza de una variable aleatoria es una

VARIANZA medida de la dispersión de la distribución de
probabilidad de ésta.

Los ensayos son independientes. Cada

ensayo es de tipo Bernoulli. Esto, tiene sólo Características:
dos resultados posibles: "éxito" o "fracaso”. 1. Tendencia Central
DISTRIBUCION La probabilidad de éxito de cada ensayo, 2. Variación
BINOMIAL 3. Asimetría
denotada por p, permanece constante.

La variable aleatoria estaba definida como el f(x,p,r)= x-1Cr-1 qx-r .pr

DISTRIBUCION
número de ensayos Bernoulli necesarios para x=r,r+1,r+r+2+....
BINOMIAL
NEGATIVA obtener el primer éxito

VARIABL En ella se considera la existencia de éxitos y/o k N−k

ES
ALEATOR
DISTRIBUCION
HIPERGEOMETRICA
fracasos en una población conocida, y de la
cual se extrae una muestra sin remplazo
p ( x) =
( x )( n−x ) C C
=
k
x
N −k
n−x
IAS Y donde también existen éxitos o fracasos. N
DISTRIBU
CIONES
DE
Expresa, a partir de una frecuencia de
(n) e C
N
−ʎ
n

PROBABIL DISTRIBUCION DE
ocurrencia media, la probabilidad de que f ( x )=P [ X =x ]=
IDAD POISSON
ocurra un determinado número de eventos x!
durante cierto período de tiempo. X=0,1,2,…..;o en cualquier
otro punto o valor.
1
Se dice que sigue una distribución uniforme
P ( X I )=
n
DISTRIBUCION continua en un intervalo real (a,b), y se
y su función de distribución la
UNIFORME CONTINUA representa por (a,b), si su función de
función escalonada.
densidad es constante en dicho intervalo y
nula fuera de él. 1
F ( X )= ∑ 1 (−∞ , x ] ( xi ) .
n

DISTRIBUCION
Describe el comportamiento de una f x ( x)  ¿
UNIFORME DISCRETA variable discreta que puede tomar n
valores distintos con la misma

La distribución normal es la más

La distribución normal es de suma extendida en estadística y muchos
DISTRIBUCION NORMAL
importancia en estadística por tres tests estadísticos están basados en
La función generadora es:
razones principales. una supuesta "normalidad".
m ( t )=∝ ∕ ∝−t , sit −∝≤ 0
Es la única variable aleatoria
DISTRIBUCION Continua cuya tasa de fallos es
EXPONENCIAL. constante

DISTRIBUCION Es una distribución de probabilidad continua con un parámetro k que

CHI CUADRADO representa los grados de libertad de la variable aleatoria.
 PREGUNTA 2. OBJETIVO 5.

El número de vehículos vendido por por Autocosmos en los últimos dos años y medio, junto
con la frecuencia de cada nivel de ventas, aparece en las dos primeras columnas de la tabla
siguiente:

Número de Automóviles
meses (xi)
3 1A
6 2B
4 1C
7 2D
8 3E
2 1F

Las letras desde la A hasta la F corresponden a los últimos 6 dígitos de su cédula de

identidad. (por ejemplo, si su cédula es 17458763 el valor de A es 4, B es 5…, siendo para 3
meses 14 automóviles, para 6 meses 25 automóviles y así sucesivamente).
La Gerencia de ventas, espera que estas cifras muestren un incremento en el número
promedio de ventas, por encima del 18,5, que vendió en meses anteriores, y una reducción
en la variabilidad de las ventas mensuales, que habían sido de σ = 9,2. De lo contrario
deberá invertir en una campaña publicitaria y promocional. ¿deberá implementar la
empresa AUTOCOSMOS una campaña publicitaria y de promoción?

CÉDULA: V-14.873.842

1 2 3 4
AUTOMÓVILES (Xi)*P(Xi)
MESES P(Xi)
(Xi) (Esperanza) Varianza
3 18 0,1000 1,8000 53,7778 5,3778
6 27 0,2000 5,4000 729,0000 145,8000
4 13 0,1333 1,7333 169,0000 22,5333
7 28 0,2333 6,5333 784,0000 182,9333
8 34 0,2667 9,0667 1156,0000 308,2667
2 12 0,0667 0,8000 144,0000 9,6000
30 1,00 25,3333 3035,7778 674,5111

σ =¿ σ =¿ √ 674,5111 σ =29,9714

Se determina la probabilidad de cada nivel de ventas p(xi), columna 3. Por ejemplo, en 3 de los dos
años y medio, (30 meses) se vendieron 11 automóviles. P(xi=11) = 0,100. El valor esperado o media
se calcula multiplicando las probabilidades por sus respectivos niveles de ventas. Esto se muestra en
la columna 4 como 𝝁= 25,3333 vehículos por mes. La variabilidad se mide por la varianza y se
muestra en la última columna. La diferencia al cuadrado entre cada observación y la media de
25,3333 se multiplica por las probabilidades apropiadas y se suman resultando σ 2 = 674.5111
vehículos al cuadrado con σ =¿ 29,9714 vehículos.

Interpretación:

Si es necesario, medianamente, una reconducción de la gestión publicitaria, pues se sugiere que la

Gerencia de Ventas implemente una campaña publicitaria y de promoción, porque, aunque se
incrementó el promedio mensual de ventas de 18,5 a 25,3333 (Aprox. 25 vehículos), también
aumentó la variabilidad de 9,2 a 29,9714. Lo cual implica que el equilibrio de oferta y demanda de
vehículos por período podría verse afectado.

PREGUNTA 3. OBJETIVO 6.

Elabore una tabla de doble entrada o un cuadro comparativo, donde analice y sistematice los aspectos
relacionados con las distribuciones de probabilidad para variables discretas. Para ello, debe tomar en
consideración lo siguiente:

a. La distribución Binomial.

b. La distribución Hipergeométrica.

c. La distribución de Poisson.

DESCRIPTORES CARACTERÍSTICAS EJEMPLOS

DISTRIBUCIÓN
Es una distribución de Existen una gran diversidad de
probabilidad discreta que experimentos o sucesos que
describe el número de éxitos pueden ser caracterizados bajo
al realizar n experimentos esta distribución de
independientes entre sí, acerca
probabilidad. Imaginemos el
Binomial de una variable aleatoria. lanzamiento de una moneda en
Existen una gran diversidad deel que definimos el suceso
experimentos o sucesos que “sacar cara” como el éxito. Si
pueden ser caracterizados bajolanzamos 5 veces la moneda y
esta distribución de
contamos los éxitos (sacar
probabilidad. cara) que obtenemos, nuestra
distribución de probabilidades
Para que esta distribución se se ajustaría a una distribución
cumpla, debe reunir las binomial.
siguientes propiedades:
 En cada ensayo,
experimento o prueba solo son
posibles dos resultados (éxito
o fracaso).
La probabilidad del éxito ha
de ser constante. Esta se
representa mediante la letra p.
La probabilidad de que salga
cara al lanzar una moneda es
0,5 y esta es constante dado
que la moneda no cambia en
cada experimento y las
probabilidades de sacar cara
son constantes.
La probabilidad de fracaso
ha de ser también constate.
Esta se representa mediante la
letra q = 1-p. Es importante
fijarse que, mediante esa
ecuación, sabiendo p o
sabiendo q, podemos obtener
la que nos falte.
El resultado obtenido en
cada experimento es
independiente del anterior. Por
lo tanto, lo que ocurra en cada
experimento no afecta a los
siguientes.
Los sucesos son
mutuamente excluyentes, es
decir, no pueden ocurrir los 2
al mismo tiempo. No se puede
ser hombre y mujer al mismo
tiempo o que al lanzar una
moneda salga cara y cruz al
mismo tiempo.
Los sucesos son
colectivamente exhaustivos,
es decir, al menos uno de los 2
ha de ocurrir. Si no se es
hombre, se es mujer y, si se
lanza una moneda, si no sale
cara ha de salir cruz.
La variable aleatoria que
sigue una distribución
binomial se suele representar
como X~(n,p), donde n
 representa el número de
ensayos o experimentos y p la
probabilidad de éxito.
Hipergeométrica

PREGUNTA 4. OBJETIVO 6.

En una ciudad determinada se dice que los gastos médicos son la razón del 60% de todas las
bancarrotas personales. ¿cuál es la probabilidad de que en las próximas 8 bancarrotas que se
registren en esa ciudad, se mencione los gastos médicos como motivo en:

a. Cinco de las bancarrotas

b. Por lo menos 4 de las bancarrotas

c. A lo sumo a tres de las bancarrotas

d. Entre 4 y 6 inclusive de las bancarrotas

Respuesta:

Este es un ejercicio de distribución binomial. Para saber que es binomial se tienen que cumplir tres
cosas: 1. Que se trate de un experimento que se repita n veces, n ensayos, en este caso 8 ensayos, 8
bancarrotas. 2. Ese ensayo solo puede tener dos posibles resultados, que las bancarrotas sean por
gastos médicos o que las bancarrotas no sean por gastos médicos. 3. Las probabilidades de esos dos
resultados tienen que ser siempre constantes, es decir, en cada ensayo las probabilidades tienen que
ser las mismas siempre.
Fórmula:
x
P ( x , n , π )=¿ nCx . π ¿∗¿

n= tamaño de la muestra. Número de ensayos.

x = número de éxitos esperados en n ensayos

𝝅 = probabilidad de éxito en cualquier ensayo

1 - 𝝅 = probabilidad de fracaso en cualquier ensayo

a. Cinco de las bancarrotas

n = 8 bancarrotas. 8 veces se repite el experimento

x=5 . es la variable
𝝅 = probabilidad de éxito, 60% o 0,60 bancarrota por gastos médicos
1 – 𝝅 = probabilidad de fracaso. 40% 0 0,40 bancarrota por otros gastos
n! x
P ( x ) =¿❑ ∗π ¿ ∗¿ ¿
x ! ( n−x ) !

8! 5
P ( x ) =¿❑ ∗0,60 ¿∗0,403 ¿
5 ! ( 8−5 ) !

P ( x=5 )=¿ 8C5 . 0,605∗0,403 ;

P ( x=5 )=¿ 56 . 0,0778∗0,0640
P ( x=5 )=¿ 0,2788 o 27,88% es el porcentaje de probabilidad de que en las próximas 8
bancarrotas se mencionen los gastos médicos como motivo en 5 de las bancarrotas

b. Por lo menos 4 de las bancarrotas

Este es de distribución binomial acumulada porque está interesado en un rango de valores de 4 a 8 de

las bancarrotas
P (x = 0) P (x = 1) P (x = 2) P (x = 3) P (x = 4) P (x = 5) ) P (x = 6) P (x = 7) (x = 8) = 1
P(x ≥ 4) = (x = 4) P (x = 5) ) P (x = 6) P (x = 7) (x = 8). Las tablas solamente leen valores menor o
igual que ≤. Como este valor es mayor o igual que ≥ hallamos una dispersión equivalente que la
reemplace. P(x ≥ a) = 1- P(x ≤ a – 1). Para no estar sumando la probabilidad de 4,5,6,7,y 8 se aplica
la Ley de complemento y en vez de calcular P(x ≥ 4) = (x = 4) P (x = 5) ) P (x = 6) P (x = 7) (x = 8)
calculamos P (x = 0) P (x = 1) P (x = 2) P (x = 3
P(x ≥ a) = 1- P(x ≤ a – 1).
P(x ≥ 4) = 1- P(x ≤ 4 – 1)
P(x ≥ 4) = 1- P(x ≤ 3). Podríamos calcular la probabilidad de 0,1,2 y 3
n . π x¿∗¿ n . π x¿∗¿
P( X≤x) =
0 () +
1 ()
n . π x¿∗¿
()
3

8 . 0,600¿∗¿ 8 . 0,601∗¿6 +
P( X≤x) = ()
0
8 . 0,603¿∗(0,40)5 =
+()
1
()
3
P( X≤x) = 1 * 1 * 0,0007 + 8 * 0,60 * 0,0016 + 28 * 0,36 * 0,0041 + 56 * 0,2160 * 0,0102
P( X≤x) = 0,0007 + 0,0077 + 0,0413 + 0,1234 = 0,1731
P( X≤x) = 0,1731
También podemos hacer este paso directo sin tanto cálculo buscamos en la tabla de distribución
binomial en la columna n = 8, en la columna x = 3 y arriba el porcentaje 0,60% y da 0,1737. Este
resultado se lo restamos a 1.
P(x ≥ 4) = 1- 0,1737; P(x ≥ 4) = 0,8263 o 82,63% es el porcentaje de probabilidad de que en las
próximas 8 bancarrotas se mencionen los gastos médicos como motivo de en por lo menos 4 de las
bancarrotas

c A lo sumo 3 de las bancarrota

Los gastos médicos pueden ser el motivo de las bancarrotas en 0,1,2 o 3 bancarrotas.
Se desea calcular
P(X ≤ 3)
F(3) = P(X ≤ 3) = P (x = 0) + P(x = 1) + P(x = 2) + P(x = 3)
n . π x¿∗¿ n . π x¿∗¿
P( X≤x) =
n . π x¿∗¿
()
0
+()
1
()
3

8 . 0,600¿∗¿ 8 . 0,601∗¿6 +
P( X≤x) = ()
0
8 . 0,603¿∗(0,40)5 =
+()
1
()
3
P( X≤x) = 1 * 1 * 0,0007 + 8 * 0,60 * 0,0016 + 28 * 0,36 * 0,0041 + 56 * 0,2160 * 0,0102
P( X≤x) = 0,0007 + 0,0077 + 0,0413 + 0,1234 = 0,1731

P(x ≤ 3). Buscamos directamente en la tabla de distribución binomial en la columna n = 8, en la

columna x = 3 y arriba el porcentaje 0,60%, ya que es ≤ menor que.
P(x ≤ 3) = 0,1737 o 17,37% es el porcentaje de probabilidad de que en las próximas 8 bancarrotas se
mencionen los gastos médicos como motivo de en a lo sumo 3 de las bancarrotas
 c. Entre 4 y 6 inclusive de las bancarrotas

P(4≤ X ≤ 6)
P(a≤ X ≤ b) = P(x ≤ b) - P(x ≤ a-1)
P(4≤ X ≤ 6) = P(x≤ 6) - P(x≤ 3)
= P(X ≤ 6) - P(X ≤ 3). Busco en la tabla de distribución binomial
n = 8, x = 3, y arriba 0,60 % de probabilidad = 0,1737
n = 8, x = 6, y arriba 0,60 % de probabilidad = 0,8936
= 0,8936 – 0,1737 = 0,7199 0 72,00% es el porcentaje de probabilidad de que en las
próximas 8 bancarrotas se mencionen los gastos médicos como motivo de entre 4 y 6 de las
bancarrotas

PREGUNTA 5. OBJETIVO 6.

Entre las 12 casas que hay en venta en una urbanización, nueve tienen aire acondicionado. Si se
seleccionan 5 de las casas para un artículo en una revista inmobiliaria:
a. Cúal es la probabilidad de que cuatro de éstas tengan aire acondicionado?
b. Cúal es la probabilidad de que por lo menos tres de éstas tengan aire acondicionado?

Respuesta:
Es un ejercicio de distribución hipergeométrica
N= tamaño de la población.

n = tamaño de la muestra.

x = número de éxitos esperados en la muestra

r = éxitos en la población

a. Cuál es la probabilidad de que cuatro de éstas tengan aire acondicionado?

rCx∗N−rCn−x
P (x) =
NCn
 9 C 4∗12−9 C 5−4
N = 12 P (x = 4) =
12 C 5

9 C 4∗3 C 1
n=5 P (x = 4) =
12 C 5

126∗3
x=4 P (x=4) = = 0,4773 o 47,73% es la probabilidad
792

r=9 de que cuatro de las casas tengan aire

acondicionado

b. Cúal es la probabilidad de que por lo menos tres de éstas tengan aire acondicionado?

rCx∗N−rCn−x
c. P (x) = N=12 n=5 r=9 x≥3
NCn

P (x = 0) P (x = 1) P (x = 2) P (x = 3) P (x = 4) P (x = 5) = 1
P(x ≥ 3)

Calculo las probabilidades de (x = 3) P (x = 4) P (x = 5)

9 C 3∗12−9 C 5−3 9 C 3∗3C 2 84∗3
P (x = 3) = P (x = 3) = P (x=3) = = 0,3182
12 C 5 12C 5 792

9 C 4∗12−9 C 5−4 9 C 4∗3 C 1 126∗3

P (x = 4) = P (x = 4) = P (x=4) = = 0,4773
12 C 5 12 C 5 792

9 C 5∗12−9 C 5−5 9 C 5∗3C 0 126∗1

P (x = 5) = P (x = 5) = P (x=5) = = 0,1591
12 C 5 12C 5 792

Luego P(x ≥ 3) = P (x = 3) P (x = 4) P (x = 5) = 0,3182 + 0,4773 + 0,1591 = 0,9546 o 95,46% es

la probabilidad de que por lo menos 3 de las casas tengan aire acondicionado.

PREGUNTA 6. OBJETIVO 6.
El número de llamadas que una persona obtiene en respuesta a un anuncio en el periódico para
la venta de un piano es una variable aleatoria que tiene distribución de Poisson con 𝝁 = 4,4,
¿ cuál es la probabilidad de que en respuesta a dicho anuncio una persona reciba:

a. Sólo tres llamadas?

b. Más de dos llamadas?

c. A lo sumo cuatro llamadas?

Respuesta:

Es un ejercicio de distribución de Poisson

a. Sólo tres llamadas?

𝝁 = 4,4 promedio de ocurrencia de las llamadas

X = 3. Número de veces que ocurre el evento

e=2,71828

μ x e−μ
P(x, λ) = ;
x!

4,4 3 e−4,4 85,184∗0,0123

P(3) = ; P(3) = = 0,1746 o 17,46 % es la probabilidad de que se reciban
3! 6
solo 3 llamadas en respuesta al anuncio

b. Más de dos llamadas?

𝝁 = 4,4 promedio de ocurrencia de las llamadas

P(x > 2). Número de veces que ocurre el evento

e=2,71828

μ x e−μ
P(x, λ) = ;
x!
 P(x > 2) = P (x = 3) + P (x = 4) + P (x = 5) +P (x = 6)………….∞

Vamos entonces al suceso negado o a la ley de complemento y calculamos entonces la

probabilidad de P(X≤2) = P (x = 0) P (x = 1) P (x = 2)

4,4 0 e− 4,4 1∗0,0123

P (x = 0) = ; P(0) = = 0,0123
0! 1

4,4 1 e−4,4 4,4∗0,0123

P(x = 1) = ; P(1) = = 0,0541
1! 1

4,4 2 e−4,4 19,36∗0,0123

P(x = 2) = ; P(2) = = 0,1188
2! 2

P(X≤2) = P (x = 0) P (x = 1) P (x = 2)

P(X≤2) = 0,0123 + 0,5041 + 0,1188 = 0,1852

Entonces

P(x > 2) = 1 - 0,1852= 0,8148 o 81,48% es la probabilidad de que se reciban más de dos llamadas
en respuesta al anuncio

c. A lo sumo cuatro llamadas?

𝝁 = 4,4 promedio de ocurrencia de las llamadas

P(x ≤ 4). Número de veces que ocurre el evento

e=2,71828

μ x e−μ
P(x, λ) = ;
x!

Calculamos

P(X≤4) = P (x = 0) + P (x = 1)+ P (x = 2)+ P (x = 3) + P (x = 4)

4,4 0 e− 4,4 1∗0,0123

P (x = 0) = ; P(0) = = 0,0123
0! 1

4,4 1 e−4,4 4,4∗0,0123

P(x = 1) = ; P(1) = = 0,0541
1! 1
 4,4 2 e−4,4 19,36∗0,0123
P(x = 2) = ; P(2) = = 0,1188
2! 2

4,4 3 e−4,4 85,184∗0,0123

P(x = 3) = ; P(3) = = 0,1746
3! 6

4,4 4 e−4,4 374,81∗0,0123

P(x = 4) = ; P(4) = = 0,1917
4! 24

P(X≤4) = P (x = 0) + P (x = 1)+ P (x = 2)+ P (x = 3) + P (x = 4)

= 0,0123 + 0,0541 + 0,1188 + 0,1746 + 0,1917

P(X≤4) = 0,5515 o 55,15 % es la probabilidad de que se a lo sumo cuatro llamadas en

respuesta al anuncio

PREGUNTA 8. OBJETIVO 7.

Si el tiempo de ensamblaje de un juguete “fácil de ensamblar” es una variable aleatoria con la

distribución normal, con 𝝁= 15,4 minutos y σ= 4,4 minutos. ¿cuál es la probabilidad de que esta
clase de juguete se pueda ensamblar en: ( debe elaborar las representaciones gráficas para
cada ítem).

a. 12 minutos
b. Menos de 14 minutos
c. Cualquier cantidad de tiempo de 13 a 17 minutos
d. Cualquier cantidad de tiempo de 16 a 18 minutos
e. Más de 18 minutos

Respuesta:

Es un ejercicio de distribución normal

a. 12 minutos:
𝝁= 15,4 minutos σ= 4,4 minutos x= 12 minutos

X−μ 12−15,4
Z= ; Z= ; Z = -0,7777.Redondeo a -0,78. Busco este valor en la tabla de
σ 4,4
distribución normal 0,7 en la columna Z y arriba en 0,08 y el resultado es 0,2823 Luego P(Z=
-0,78)= 28,23% es la probabilidad de que el juguete fácil de ensamblar se pueda ensamblar en 12
minutos

28,23%

b. Menos de 14 minutos

𝝁= 15,4 minutos σ= 4,4 minutos x= < 14 minutos

X−μ 14−15,4
Z= ; Z= ; Z = 0,3182.
σ 4,4

Busco este valor en la tabla de distribución normal .Redondeo a 0,32. Luego busco

0,3 en la columna Z y arriba en 0,02 y es 0,1255. Luego P(Z= 0,32)= 0, 1255 o 12,55%. Como de
infinito a 𝝁 es el 50% le resto el porcentaje que me dio de 14 a 𝝁=15,4 P(Z= 0,32)= 12,55%.
Luego 50 % - 12,55% = 37,45% es la probabilidad de que el juguete fácil de ensamblar se pueda
ensamblar en menos de 14 minutos

37,45 %

0,32)=

c. Cualquier cantidad de tiempo de 13 a 17 minutos

 𝝁= 15,4 minutos σ= 4,4 minutos P=13 ≤ x ≤ 17

Calculo la probabilidad de 13 a 𝝁 =15,4 y la probabilidad de 𝝁 =15,4 a 17

X−μ 13−15,4 17−15,4

Z= ; Z= Z=
σ 4,4 4,4

Z = -0,546 Z = 0,364

Busco estos valores en la tabla de distribución normal: Z = -0,546: 0,5 en la columna Z y arriba en
0,04 y el resultado es 0,2088 o 20,88% . Luego P(Z= -0,546)= 0,2088 o 20,88% y busco igualmente
en la tabla de distribución normal Z = 0,364. 0,3 en la columna Z y 0,06 arriba y el resultado es
0,1406 o 14,06 %. Sumo entonces el porcentaje de probabilidad de 13 a 𝝁 =15,4 + el porcentaje de
probabilidad de 𝝁 =15,4 a 17, es decir, 20,88% + 14,06% = 34,94% es la probabilidad de que el
juguete fácil de ensamblar se pueda ensamblar en cualquier cantidad de tiempo entre 13 a 17 minutos

34,94%

20,88% 14,06%

d. Cualquier cantidad de tiempo de 16 a 18 minutos

𝝁= 15,4 minutos σ= 4,4 minutos P=16 ≤ x ≤ 18

X−μ 16−15,4 18−15,4

Z= ; Z= Z=
σ 4,4 4,4

Z = 0,1364 Z = 0,591

Busco estos valores en la tabla de distribución normal: Z = 0,1364 y redondeo a 0,14: 01 en la

columna Z y arriba en 0,04 y el resultado es 0,0557 o 05,57% . Luego P(Z= 0,14)= 0,0557 o 05,57%
y busco igualmente en la tabla de distribución normal Z = 0,591: 0,5 en la columna Z y 0,09 arriba y
el resultado es 0,2224 o 22,24 %. Resto entonces el porcentaje de probabilidad de 𝝁 =15,4 a 18 - el
porcentaje de probabilidad de 𝝁 =15,4 a 16, es decir, 22,24% - 05,57% = 16,67% es la probabilidad
de que el juguete fácil de ensamblar se pueda ensamblar en cualquier cantidad de tiempo entre 16 a
18 minutos

16,67%

e. Más de 18 minutos

𝝁= 15,4 minutos σ= 4,4 minutos x> 18

X−μ 18−15,4
Z= ; Z= Z = 0,591
σ 4,4

Busco en la tabla de distribución normal Z = 0,591: 0,5 en la columna Z y 0,09 arriba y el resultado
es 0,2224 o 22,24 % Como de 𝝁 = 15,4 a infinito es el 50% le resto el porcentaje que me dio de 𝝁 =
15,4 a 18 P(Z= 0,591)= 22,24%. Luego 50 % - 22,24% = 27,76% es la probabilidad de que el juguete
fácil de ensamblar se pueda ensamblar en más de 18 minutos

27,76%

PREGUNTA 10. OBJETIVO 8.

El tiempo de vida de cierto componente electrónico es una variable aleatoria que tiene una
distribución exponencial con media 𝝁 = 2000 horas. ¿Cuál es la probabilidad de que dicho
componente dure:

a. A lo sumo 2400 horas

b. Por lo menos 1600 horas

 c. Entre 1800 y 2200 horas

−x 0/ μ
Usar la fórmula P(x≤ x0) = 1 – e
❑

a. A lo sumo 2400 horas

𝝁 = 2000 horas de vida media del componente electrónico

P(x≤2400)

−2400¿ 2000
P(x≤2400) = 1 - e ; P(x≤2400) = 0,6988 o 69,88% es la probabilidad de que dicho
❑
componente dure a lo sumo 2400 horas

b. Por lo menos 1600 horas

1
𝝁 = 2000 horas de vida media del componente electrónico = λ=
2000

P(x>1600) = 1 – P(x≤1600)

= 1 – F (1600)
−1
= 1 – (1 - 1 – e 2000 ∗1600 )=

= 1 – 1 + e−1600/ 2000 = 0,4493 o 44,93% es la probabilidad de que dicho

componente dure por lo menos 1600 horas

c. Entre 1800 y 2200 horas

𝝁 = 2000 horas de vida media del componente electrónico

P(1800 ≤x≤2200) = P(x≤2200) - P(x≤1800) para no duplicar datos, ya que la probabilidad

de 1800 está contenida en la probabilidad de 2200
 −1800¿ 2000
P(x≤1800) = 1 - e = 0,5934
❑
−2200¿ 2000
P(x≤2200) = 1 - e = 0,6671
❑
0,6671 - 0,5934 = 0,0737 o 7,37% es la probabilidad de que dicho componente dure entre 1800 y
2200 horas

PREGUNTA 11. OBJETIVO 8.

Las latas de alimento para perros Dog Chow tienen un promedio de 18 onzas, con un rango de
4,6 onzas. Si usted selecciona una lata al azar, ¿cuál es la probabilidad de que pese entre 16,8 y
19,2 onzas? Realice la representación gráfica correspondiente

Respuesta:

Es un ejercicio de distribución uniforme

X 2− X 1
𝝁 = 18 onzas P(X₁ ≤ X ≤ X₂) =
rango

19,2−16,8
Rango = 4,6 onzas P(16,8 ≤ X ≤ 19,2) = = 0,5217 o 52,17% es la
4,6

X₁ = 16, 8 onzas probabilidad de que pese entre 16,8 y 19,2 onzas

X 2 = 19,2 onzas

Si las latas tienen un promedio de 18 onzas sobre un rango de 4,6 onzas, entonces la mitad de ese
rango, 2,3 debe estar por debajo de 18 onzas y la otra mitad por encima de 18 onzas. Por
consiguiente, el peso mínimo será 18 - 2,3 = 15,70 onzas y el peso máximo es 18 + 2,3 = 20,3 onzas