Tarea 2 - Técnicas de conteo y teoría de la probabilidad

TUTOR
Gonzalo Faster.

FERNANDO E. VERGARA VILLARREAL_1063968305

GRUPO
100402_264

Universidad Nacional Abierta y a Distancia UNAD

Unad Cead Valledupar

escuela de ciencias administrativas, contable y de negocios (ecacen)

17/10/2020
INTRODUCCION

.en el presente trabajo abordaremos varios conceptos esenciales para el desarrollo de la unidad
conceptos que serán útiles para el desarrollo de la actividad, en el presente trabajo realizaremos
ejercicios con el fin de ampliar conocimientos y aplicarlos por medio de ejercicios con el fin de
tener claro los conceptos de teorías de conteos, teorías de Bayes y comprobarlos por medio de
una herramienta digital.
Tipo de ejercicios 1 – Experimento aleatorio, espacio muestral y eventos.

C) Una caja contiene 3 bolas rojas y 2 bolas amarillas. Calcular un espacio muestral adecuado
para describir todos los resultados posibles para el experimento de seleccionar 4 bolas al azar,
en cada uno de los siguientes esquemas:
1) Para cada bola seleccionada, notamos su color y lo devolvemos a la caja para que esté
disponible para la siguiente selección (dicho esquema se llama selección con reemplazo).
2) Cada bola seleccionada se retira posteriormente de la casilla (que se llama selección sin
reemplazo).

Datos: 3 Bolas rojas y 2 bolas amarillas  

Evento: Seleccionar 4 bolas al azar.

E={ AARR , RRAA , RARA , ARAR , ARRA , RAAR , RRRA , RRAR , RARR , ARRR , AAAA , RRRR , AAAR ,
AARA , ARAA , RAAA }
16 sucesos para este evento.
1. Para cada bola seleccionada, notamos su color y lo devolvemos a la caja para que esté
disponible para la siguiente selección (dicho esquema se llama selección con reemplazo).

siempre habrá 3 bolas rojas y 2 bolas amarillas para un total de 5 bolas en la caja.

nªcasos favorables
P ( X )=
nªcasos totales
 2
∗2
5
∗3
5
∗3
5 36
p ( AARR )= =
5 625
3
∗3
5
∗2
5
∗2
5 36
p RRAA =
( ) =
5 625
3
∗2
5
∗3
5
∗2
5 36
p ( RARA ) = =
5 625
2
∗3
5
∗2
5
∗3
5 36
p ( ARAR )= =
5 625
2
∗3
5
∗3
5
∗2
5 36
p ( ARRA )= =
5 625
3
∗2
5
∗2
5
∗3
5 36
p ( RAAR )= =
5 625
3
∗3
5
∗3
5
∗2
5 54
p RRRA =
( ) =
5 625
3
∗3
5
∗2
5
∗3
5 54
p ( RRAR )= =
5 625
 3
∗2
5
∗3
5
∗3
5 54
p ( RARR )= =
5 625
2
∗3
5
∗3
5
∗3
5 54
p ARRR =
( ) =
5 625
2
∗2
5
∗2
5
∗2
5 16
p ( AAAA )= =
5 625
3
∗3
5
∗3
5
∗3
5 81
p ( RRRR )= =
5 625
2
∗2
5
∗2
5
∗3
5 24
p ( AAAR )= =
5 625
2
∗2
5
∗3
5
∗2
5 24
p ( AARA )= =
5 625
2
∗3
5
∗2
5
∗2
5 24
p ARAA =
( ) =
5 625
3
∗2
5
∗2
5
∗2
5 24
p ( RAAA ) = =
5 625
 2. Cada bola seleccionada se retira posteriormente de la casilla (que se llama selección sin
reemplazo).

Evento: Seleccionar 4 bolas al azar.

E={ AARR , RRAA , RARA , ARAR , ARRA , RAAR , RRRA , RRAR , RARR , ARRR
10 sucesos elementales para este evento.

 En este caso el número de bolas ira disminuyendo, es decir, 5 bolas, 4 bolas, 3 bolas,2 bolas,1
bola.

nªcasos favorables
P ( X )=
nªcasos totales
2
∗1
5
∗3
4
∗2
3 12
p ( AARR )= =
2 120
3
∗2
5
∗3
4
∗1
3 12
p ( RRAA ) = =
2 120
3
∗2
5
∗2
4
∗1
3 12
p RARA =
( ) =
2 120

2
∗3
5
∗1
4
∗2
3 12
p ARAR =
( ) =
2 120
2
∗3
5
∗2
4
∗1
3 12
p ( ARRA )= =
2 120
 3
∗2
5
∗1
4
∗2
3 12
p ( RAAR )= =
2 120
3
∗2
5
∗1
4
∗2
3 12
p RRRA =
( ) =
2 120
3
∗2
5
∗2
4
∗1
3 12
p ( RRAR )= =
2 120
3
∗2
5
∗2
4
∗1
3 12
p ( RARR )= =
2 120
2
∗3
5
∗2
4
∗1
3 12
p ( ARRR )= =
2 120

Tipo de ejercicio 2 – Técnicas de conteo

C) En una compañía de k estudiantes con k ≤ 12, ¿cuál es la probabilidad de que al menos dos de
ellos tienen su cumpleaños en el mismo mes del año? (Supongamos que todos los meses son
igualmente probables para un cumpleaños).

Datos

K=12 (número de muestra)

X=2 (número de éxito)

 1
p¿ probabilidad de éxito
12

11
q¿ probabilidad de fracaso
12

12 !
p ( 2 )= ∗¿
2!∗10 !

12∗11∗10 !
∗1
2 ! ( 12−2 )
p ( 2 )= ∗¿
144

11
∗1
2!
∗11 10
12
p ( 2 )=
1210

11 11
p ( 2 )= ≈ 0.1919
2∗1211

Hay 19% de probabilidades de que al menos dos estudiantes cumplan amo el mismo mes.

Tipo de ejercicio 3 – Teorema de Bayes

C) Supongamos que, en una exposición de pintura, el 96% de las exhibiciones son originales,
mientras que el 4% restante son falsos. Un coleccionista de pintura puede identificar una
pintura original como tal con una probabilidad del 90%, mientras que, si la pintura es falsa, la
probabilidad de que el coleccionista descubre que esto es del 80%. Si ella sale de la
exposición y acaba de comprar una pintura, que ella obviamente piensa que es original, ¿cuál
es la probabilidad de que no lo sea?

Sol:
Nos piden la probabilidad de que sea falso y que este no haya identificado que lo es.
O =original
F=falso
I=identificada
NI=no identificada
P ( E )=¿
Realizando las operaciones
P ( F ¿ )∗P (F)
P ( F ¿ )=
P(¿)

0.2∗0.04
P ( F ¿ )=
0.2∗0.004+0.1∗0.96

0.008
P ( F ¿ )=
0.008+0.096
0.008
P ( F ¿ )= =0.076=7.6 %
0.104
Hay un 7.6% de probabilidad de que sea falsa
CONCLUSIONES.

Con este trabajo logramos ampliar los conceptos y ponerlos en práctica bajo la modalidad de
ejercicios el cual logramos enfocar y resolver las diferentes problemáticas que planteaban cada
ejercicio
BILIOGRAFIA
Gamero Burón, C. (2017). Estadística I: elementos de estadística descriptiva y de
teoría de la probabilidad. (pp 21-73, 223-233, 236-251). Servicio de Publicaciones y
Divulgación Científica de la Universidad de Málaga. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/60724?page=21

Llinás Solano, H. (2017). Estadística descriptiva y distribuciones de probabilidad. (pp.

100-129, 152-163). Universidad del Norte. Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/70059?page=117

Obando López, J. y Arango Londoño, N. (2019). Probabilidad y estadística. Fondo

Editorial EIA. (pp. 9-16). Recuperado de https://elibro-
net.bibliotecavirtual.unad.edu.co/es/ereader/unad/125705?page=10

Rodríguez Franco, J. y Pierdant Rodríguez, A. I. (2015). Estadística para

administración. (pp. 2-15, 100-133, 177-228). Grupo Editorial Patria. Recuperado de
https://elibro-net.bibliotecavirtual.unad.edu.co/es/ereader/unad/39397?page=18

OVI 1 – Teorema de Bayes

Sánchez, J.(2020). OVI – Unidad 1. Teorema de Bayes. Recuperado de

https://repository.unad.edu.co/handle/10596/35642