Tarea 3 – Experimentos aleatorios y distribuciones de Probabilidad.

Diego Andres Perez Leal

Cod.1.020.737.784 Reinaldo Manrique Cod.
94.330.448
Angie Baquero Cod 1.073.701.552

Tutor: Ing. Jhoan Sebastian Bustos

Universidad Nacional Abierta Y A Distancia UNAD

Escuela De Ciencias Básicas Tecnología E Ingenieria
ECBTI
Curso: Probabilidad Código: 100402A_951
Grupo: 100402_38
Mayo 2021

TABLA DE CONTENIDO
DESARROLLO DE LOS EJERCICIOS................................................................................7

Ejercicio 1 - Distribución Binomial.................................................................................7

Literal A...............................................................................................................................7

Literal B...............................................................................................................................9

Literal C...............................................................................................................................9

Literal D...............................................................................................................................9

Literal E...............................................................................................................................9

Ejercicio 2. Distribución Poisson.................................................................................10

Literal A.............................................................................................................................10

Literal B.............................................................................................................................12

Literal C.............................................................................................................................12

Literal D.............................................................................................................................12

Literal E.............................................................................................................................12

Ejercicio 3. Distribución Hipergeométrica....................................................................13

Literal A.............................................................................................................................13

Literal B.............................................................................................................................14

Literal C.............................................................................................................................15

Literal D.............................................................................................................................15
 Literal A.............................................................................................................................16

Literal B.............................................................................................................................21

Literal C.............................................................................................................................21

Literal D.............................................................................................................................21

Literal E.............................................................................................................................21

Ejercicio - links videos explicativos............................................................................22

Bibliografía.............................................................................................................................23
 Tabla Comparativa De Conceptos

Tabla comparativa

Variable, formula o imagen

Concepto Definición que representa el
concepto

Variable aleatoria Es una función que asigna un

valor, numérico, al resultado de un
experimento aleatorio.[ CITATION
Bat02 \l 9226 ]
Puede tomar cualquier valor (al
Variable aleatoria menos teóricamente) entre 2
Continua fijados. Los valores de
la variable (al menos
teóricamente) no se repiten.
[ CITATION PLa61 \l 9226 ]
Variable aleatoria Una variable aleatoria discreta es
discreta aquella que puede asumir un
número contable de
valores. [ CITATION Eps05 \l 9226
]

Distribución de Es una función que asigna a cada

Probabilidad suceso definido sobre la variable
la probabilidad de que dicho
suceso ocurra.[ CITATION Bat02 \
l
9226 ]
Distribución de X se cumple P[X = a] = 0 para
Probabilidad todo número real a, esto es,
Continua la probabilidad de que X tome el
valor a es cero para cualquier
valor de a. Si la distribución de X
es continua, se llama a X variable
aleatoria continua [ CITATION
Mat93 \l 9226 ]
Distribución de Describe la probabilidad de
Probabilidad ocurrencia de cada valor de una
Discreta variable
aleatoria discreta. [ CITATION
 Es una medida de tendencia
central. Resulta al efectuar una
serie determinada de operaciones
Media con un conjunto de números y
que, en determinadas
condiciones, puede representar
por sí solo a todo el conjunto.
[ CITATION PLa61 \l 9226 ]
Desviación En estadística, la desviación
estándar típica es una medida que se utiliza
para cuantificar la variación o la
dispersión de un conjunto de
datos numéricos.[ CITATION
Mat93 \l 9226 ]
Valor esperado El valor esperado (o la
esperanza) de una variable
aleatoria es el número que ... dado
y observa cómo el promedio
muestral converge al valor
esperado de 3.5.[ CITATION
Elm82 \l 9226 ]
Varianza La varianza es una medida de
dispersión que representa la
variabilidad de una serie de datos
respecto a su media[
CITATION Bat02 \l 9226 ]
Función de Función de probabilidad es una
Probabilidad función que asocia a cada punto
de su espacio muestral X la
probabilidad de que esta lo
asuma. [ CITATION Mon15 \l 9226 ]
Función de La función de densidad de
densidad probabilidad de una variable
aleatoria, X, permite calcular la
probabilidad de un
evento[ CITATION Raú21 \l 9226 ]
Distribución La distribución binomial se
binomial utiliza para representar el
número de eventos que
ocurren en n ensayos
independientes. Los valores
posibles son enteros de cero a
n.[ CITATION Bat02 \l 9226 ]
Aproximación de la En este caso se determinarán
D. binomial a la D. probabilidades de
Poisson experimentos Binomiales,
pero que dadas sus
características, es posible
aproximarlas con la
distribución de Poisson, estas
características son, n ¥® ( n
es muy grande) y p®0 (p es
muy pequeña)[ CITATION
Eps05 \l 9226 ]
Distribución Es una distribución discreta
Poisson que modela el número de
eventos con base en una tasa
constante de ocurrencia.
[ CITATION Jos11 \l 9226 ]

Distribución La distribución
Hipergeométrica hipergeométrica se utiliza
para muestras obtenidas de
poblaciones pequeñas, sin
reemplazo. [ CITATION Jos11 \
l
9226 ]
Distribución Es la distribución estadística
normal más utilizada debido a los
muchos procesos físicos,
biológicos y sociales que
puede modelar.[ CITATION
Jos11 \l 9226 ]
Distribución Es una de las distribuciones
normal estándar de probabilidad de variable
continua que con más
frecuencia aparece en
estadística y en la teoría de
probabilidades[ CITATION
Jos11 \l 9226 ]
Área bajo la curva Es el primer paso para desarrollar
el concepto de integral. El área
bajo la curva formada por el trazo
de la función f(x) y el eje x se
puede obtener aproximadamente,[
CITATION Eps05 \l 9226 ]
Aproximación de la la aproximación Normal para
normal a la evaluar
binomial probabilidades Binomiales siempr
e que p no esté cercano a 0 o
1[ CITATION Jos11 \l 9226 ]

DESARROLLO DE LOS EJERCICIOS

Ejercicio 1 - Distribución Binomial.

Literal A

a. Si 22% de las piezas de computadores portátiles que fabrica una maquinaria

recién ajustada son defectuosas, calcula la probabilidad de que en seis piezas
elegidas al azar se obtenga:

n x n−
P ( x )=
()x
∙p ∙q x

n=6 →Tamaño de la muestra

22
p= =0.22 →Probabilidad p de exito
100

q=1− p

q=1−0.22=0.78 →Fracaso

1. Una pieza defectuosa

x=1→ Una pieza defectuosa

6 1 6−1

( )
P (1 )=∙ 0.22 ∙ 0.78
1
P (1 )=6 ∙ 0.221 ∙ 0.785

P (1 )=6 ∙ 0.22∙ 0.2887

P (1 )=0.3810 →P (1)=38.10 %

2. Ninguna pieza defectuosa

x=0 →Ninguna pieza defectuosa

6
P ( 0)=
(0)∙ 0.22 ∙ 0.78
0 6− 0

P ( 0 )=1 ∙ 0.220 ∙ 0.786

P ( 0)=1 ∙1 ∙ 0.2252

P (0)=0.2252 →P (0 )=22.52 %

3. Dos piezas defectuosas

x=2 →Dos piezas defectuosas

6
P (2 )=
( 2)∙ 0.22 ∙ 0.78
2 6− 2

P (2 )=∙ 0.222∙ 0.784

P (2 )=15 ∙0.0484 ∙ 0.3701

P (2 )=0.2687 →P (2)=26.87 %

Literal B
De todas las Tablet de cierto tipo llevadas a servicio mientras se encuentran dentro

de la garantía el 70% pueden ser reparadas, mientras el 30% restante deben ser

reemplazadas con unidades nuevas. Si una compañía adquiere diez de estas Tablet,

¿Cuál es la probabilidad de que:

1) Exactamente dos sean reemplazadas bajo garantía?

2) Ninguna sea reemplazada bajo garantía?

3) Al menos 4 sean reemplazadas bajo garantía?

Solución:

Datos:

n=10

Probabilidad de ser reparadas 70% → 0,7

Probabilidad de ser reemplazadas 30% → 0,3

p (reparadas)=0,7

p (reemplazadas)=0,3

1) Exactamente dos sean reemplazadas bajo garantía?

n
P ( X= x )=
()
x
( p) x (1− p)n −x
 n =n! x ! (n−x ) !
( )
x

10
P ( X=2)=
( 2 ) (0,3) (1−0,3)
2 10 − 2

Resolvemos

10 10 ! 10
(! ) = =
=
10 × 9× 8 ! 10 ×9 90
= = =45
2 2! (10−2) ! 2! ( 8)! 2 ! (8) ! 2 ×1 2

¿ (45 )( 0,09) (0,7 )8

¿ (45 )( 0,09) (0,057)

¿ 0,23

2) Ninguna sea reemplazada bajo garantía?

10
P ( X=0 )=
( )
0
(0,3 )0 (1−0,3)10−0

Resolvemos

10 10 ! 10 ! 10 !
( )
0
= = =
0 ! (10−0)! 0! (10 )! 10 !
=1

¿ (1)(1) (0,7 )10

¿ (1)(1) (0,028)

¿ 0,028

3) Al menos 4 sean reemplazadas bajo garantía?

P ( X ≥ 4)=(1−X ∈ 4)=1−( P( X=0 )+ P ( X =1)+ P ( X=2)+ P ( X =3))

Entonces

10
P ( X=0 )=
( 0 ) (0,3 ) (1−0,3)
0 10 − 0

Resolvemos

10 10 ! 10 ! 10 !
( )
0
= = =
0 ! (10−0)! 0! (10 )! 10 !
=1

¿ (1)(1) (0,7 )10

¿ (1)(1) (0,028)

¿ 0,028

10
P ( X=1)=
( )
1
(0,3)1 ( 1−0,3)10−1

Resolvemos

10 10 ! 10
(! ) = =
=
10 × 9! 10
= =10
1 1! (10−1) ! 1! (9 )! 1! ( 9) ! 1!

¿ (10) (0,3) (0,7)9

¿ (10) ( 0,3) (0,040)

¿ 0,12

10 2 10−2

( )
P ( X=2)=(0,3) (1−0,3)
2
Resolvemos

10 10 ! 10
(! ) = = =
10 × 9× 8 ! 10 ×9 90
= = =45
2 2! (10−2) ! 2! ( 8)! 2 ! (8) ! 2 ×1 2

¿ (45 )( 0,09) (0,7 )8

¿ (45 )( 0,09) (0,057)

¿ 0,23

10
P ( X=3 )=
( 3 ) (0,3) (1−0,3 )
3 10 − 3

Resolvemos

10 10 ! 10 !
(3) = =
3 ! (10−3 )! 3 ! ( 7)
=
10 × 9 × 8× 7 ! 720
3 ! (7) !
=
6
=120
!

¿ (120) (0,027) (0,7)7

¿ (120) (0,027) (0,082)

¿ 0,26

Entonces

P ( X ≥ 4)=(1−X ∈ 4)=1−( P( X=0 )+ P ( X =1)+ P ( X=2)+ P ( X =3))

¿ 1−(0,028+0,12+0,23+0,26)
 ¿ 1−0,638

¿ 0,362

Literal C

c. Una compañía que produce marroquinería sabe por experiencia que 10% de sus

cinturones para hombre tienen imperfecciones en textura y deben ser clasificados como

“de segunda”. Entre ocho cinturones seleccionados al azar:

1) ¿Qué tan probable es que sólo uno sea de segunda?

2) ¿Cuál es la probabilidad de que alguno sea de segunda?

3) ¿Qué tan probable es que por lo menos tres sean de segunda?

Se tiene en cuenta la formula de la distribución binomial

n x
P (x )=
()
x
p (1− p )n−x

Donde:

n: Número de ensayos

x: es la variable aleatoria definida como el número de éxitos

P: Es la probabilidad de éxito en cada ensayo

Se resuelven los sub-items:

1) ¿Qué tan probable es que sólo uno sea de segunda?

n=8
 x=1

P = 0.1

Aplicando la formula anteriormente mencionada se tendría:

8
P ( x =1)=
()1
( 0.1)1 (1−0.1)8−1

8
P ( x =1)=
()
1
( 0.1)1 (0.9)7

P ( x =1)=0.3826 ≈ 38.26 %

La probabilidad de que solo 1 sea de segunda es del 38,26%

2) ¿Cuál es la probabilidad de que alguno sea de segunda?

n=8
 x≤1

P = 0.1

Por lo tanto, se toma la probabilidad de que cero sean de segunda y se resta este

valor a 1 que sería 100% de probabilidad.

8
()
P ( x ≥1 )=1−P ( x=0)=1− ( 0.1)0 (1−0.1)8−0
0

8
()
P ( x ≥1 )=1− 0 (0.1)0 (0.9 )8

P ( x ≥1 )=1−0.4304

P ( x ≥1 )=0.5695 ≈ 56,95 %

La probabilidad de que alguno sea de segunda es del 56,95%

3) ¿Qué tan probable es que por lo menos tres sean de segunda?

Para hallar la probabilidad de que por lo menos 3 sean de segunda, se tomarían los

valores de probabilidad de 0, 1 y 2 y se resta a la probabilidad 1 (100%)

P ( x ≥3 )=1−P ( x=0 )−P ( x=1)−P ( x=2)

8 8 8
P ( x ≥3 )=1−
(0 ) (0.1) (1−0.1) −(1 ) (0.1) (1−0.1) −( 2)(0.1 ) (1−0.1)
0 8− 0 1 8−1 2 8 −2

Se sustituyen las probabilidades halladas anteriormente:

8
P ( x ≥3 )=1−0.4304−0.3826−
()
2
(0.1)2 (0.9 )6

P ( x ≥3 )=1−0.4304−0.3826−0.1488

P (x ≥3 )=0.0382 ≈ 3,82%

La probabilidad de que por lo menos 3 sean de segunda es de 3,82%

Literal D

Literal E
Ejercicio 2. Distribución Poisson.

Literal A

a. El número promedio de derrames de crudo que se presentan en el río

Magdalena es de 0.35 al mes. Cuál es la probabilidad de que el próximo mes se
presenten:

−μ x
f ( x )=P ( X =x e ∙μ
x!
)=

μ=0.35

1. Dos derrames

f (2)= P ( X −0.35
e ∙0.35
2

=2)= 2!

f (2)= P ( X =2)=0.04316

f (2)= P ( X =2)=4.316 %

2. Mas de 1 derrame

P( X >1)

∑ P ( X = x)=1
P

X
=
0

)
+

=
1
)
+

>
1
)
=
1
 P ( X=0 )= −0.35 0
e ∙ 0.35
→ P ( X=0 )=0.7046
0!

P ( X=1 ) = −0.35 1
e ∙ 0.35
→P ( X =1)=0.2466
1!

P ( X >1)=1−P ( X =0)−P( X=1)

P ( X >1)=1−0.7046−0.2466

P ( X >1)=0.0488

P ( X >1)=4.88 %

Literal B

El número de Tecnólogos en sistemas que gradúa la UNAD es en promedio

de 30 al año. Calcula la probabilidad de que este año gradúe:
1) ocho tecnólogos en sistemas.
2) Mas de 40 tecnólogos en sistemas.

Solución:

1) ocho tecnólogos en sistemas.

−ℷ x
e ℷ
P ( X= X )=
x!
 9.357622969× 10
(¿¿−14)( 6.561×1011)
40320
−30 8
e 30
P ( X=8)= =¿
8!

¿ 1,522702488 × 10−6

La probabilidad de que este año gradúen 8 tecnólogos en sistemas es

1,522702488× 10−4 %

2) Mas de 40 tecnólogos en sistemas.

P ( X >40 )=1−P ( X ≤ 40)

λ=30

X =41,42,43 …

Usamos la tabla de distribución de Poisson para conocer la suma de 0 a 40

 ¿ 1−P ( X ≤ 40)=1−0,9677=0,0323

Literal C

c. Suponga que el número de temblores en Shanghai durante un año es en promedio

de 8. Cuál es la probabilidad de que en el año 2022 se presenten:

1) Exactamente 2 temblores.

2) Menos de 5 temblores.

Se tiene en cuenta la formula para la distribución Poisson:

λk e− λ P (k , λ)= k !

Se debe considerar lo siguiente:

e = 2,71828 (base de los logaritmos neperianos)

λ = Media o promedio de éxitos por unidad de tiempo, área o producto

k = variable que nos denota el número de éxitos que se desea que ocurra.

1) Exactamente 2 temblores.

λ=8
e = 2,718
k=2
k −
P (k , λ e
λk !
λ)=
2
8
P (2, 8 e
−8

)= 2!

P (2, 8 )=0.01073 ≈ 10,73 %

La probabilidad de que ocurran exactamente 2 temblores es del 10,73%

 2) Menos de 5 temblores.

Para hallar la probabilidad de que ocurran menos de 5 temblores se deberán realizar

las siguientes operaciones:

P ( x ∈5 )= P (x =0)+ P ( x=1)+ P ( x=2 )+ P ( x=3 )+ P ( x=4)

Por lo que se tendría:

8 e +8 e +8 e
0 −8 1 −8 2 −8 3 −8 4 −8
P ( x ∈5 )= 8 e 8 e
0! 1! 2! 3! 4!
+ +

P ( x ∈5 )=0.00033546 +0.0026837+ 0.0107348+ 0.02862+ 0.05725

P ( x ∈5 )=0.09962 ≈ 9,96 %

Literal D

Literal E

Ejercicio 3. Distribución Hipergeométrica

Literal A

a. Cada uno de 15 air fryer de cierta marca ha sido regresada a un distribuidor debido a que el sistema de encen
problemas menos serios. Si los air fryer se examinan en orden aleatorio, Cuál es la probabilidad de que entre los p

k N −k
( )( )
p (x )= x n−x

( Nn)
1. 6 tengan un encendido digital defectuoso
N=15, k =9, n=8, x=6

9 15−9
( )( 8−6 )
p (6)= 6 84 ∙ 15
= 6435
158
( )
p (6)=0.1958

p (6)=19.58 %

2. Entre 3 y 7 inclusive tengan el encendido digital defectuoso

N=15, k =9, n=8, 3 ≤x ≤7

9 15−9
( )(
p (3 )=
3 8−3
= )
84 ∙ 6
=0.07832
6435
158
( )
9 15−9
( )( )
p (4 )= 4 8−4 =126 ∙ 15 =0.2937
6435
158
( )
9 15−9
( )( )
p (5 )=
5 8−5
=
126 ∙20
=0.3916
6435
158
( )
 9 15−9
p (6)= 6
( )( 8−6 ) = 84 ∙ 15 =0.1958
6435
158
( )
9 15−9
p (7 )=
( )( )
7 8−7
=
36 ∙ 6
=0.0335
6435
158
( )
P= p ( x=3)+ p ( x=4 )+ p ( x=5)+ p ( x=6)+ p ( x=7)

P=0.07832+0.2937+ 0.3916+0.1958+0.0335

P=0.99292=99.292 %

Literal B

Suponga que una familia tiene 6 hijos, 2 niños y 4 niñas y se gana un

viaje para 3 niños a Disney por tanto decide elegir al azar cuales tres niños
enviarán al viaje.
1) ¿Cuál es la probabilidad de que envíe a 3 niñas?

N=6
M= 2(niños)
M=4(niñas)
n=3

P ( X=b )=P ( X= 3)

M N−M 4 ( 4)( 2 )
( )( ) (6−4)
=( ) =3
P ( X=3 )= n−X 3 3−3 0
X

63 63
( )
N
n () ()
4∗1
4¿ = =0,2
20 20
2) ¿Cuál es la probabilidad de que envíe entre 1 y 3 niñas?

P (1∈ x ∈3 )=P ( X=1)+ P ( X=2)+ P ( X =3)

 MN −M 46−4 4 2

P ( X=1)= ( )( ) ( )() ( )( )
Xn− X13−11 2
== N
n() ( ) (63)
6
3

4∗1 =0,2
4¿ =
20 20

M N −M 4 6−4 ( 42)(21)
P ( X=2)=( )( )= ( )( ) =
X n− X 2 3−2

( Nn) (63) (63)

6∗2 12
¿ =
=0,6
20 20
M N−M 4
4 2
( )( )
( X )( ) ()
6−4
P ( X=3 )= n−X
=( )
3 3−3
=
3 0

( )
N
n ()6
3
6
3 ()
4∗1 =0,2
4¿ =
20 20

Entonces
P ( X=1)+ P ( X=2)+ P ( X=3)=0,2+0,6+0,2=1

Literal C

c. Entre los 300 empleados de una compañía, 240 son miembros del sindicato,

mientras que los otros no lo son. Si 8 de los empleados se eligen al azar para trabajar

en el comité que administra el fondo de pensión, encuentre la probabilidad de que:

1) 5 de los elegidos sean miembros del sindicato.

2) En el comité queden entre 4 y 8 miembros del sindicato inclusive.

Se tiene en cuenta que la distribución hipergeométrica sigue el siguiente modelo:

 YN−Y
P ( X=x )= ( )( )
xn−x
N
n ( )
Donde:

N = Tamaño de la

población n = Tamaño de la

muestra

Y = Cantidad de éxitos en la población

x = Cantidad de éxitos en la muestra

Por lo tanto, se tendría:

N = 300

Y = 240

n=8

1) 5 de los elegidos sean miembros del sindicato.

x=5

240 300 −240

P ( x =5)=
( )(5 8 −5 )
300
8
( )
53 60
240
P ( x =5)=
( )( )
300
( )
8
P ( x =5)=0.1470 ≈ 14,7 %

Hay una probabilidad de 14,7% de que 5 de los elegidos sean miembros del

sindicato.

2) En el comité queden entre 4 y 8 miembros del sindicato inclusive.

Se aplica las probabilidades de cada evento sumadas:

P ( 4 ≤ x∈ 8)=P ( x=4)+ P ( x=5)+ P ( x=6)+ P ( x=7)+ P ( x=8 )

240 300 −240 240 300 −240 240 300 −240 240 300 −240 240 30
P (4 ≤ x∈ 8)=( )(
4 8 −4
+
5) ( )(
8 −5
+
6 8 ) ( )(
−6
+
7 8 −7 ) ( )(
+
8 8 ) ( )(
300 300 300 300 3
8( ) 8 ( ) 8 ( ) 8 ( ) (
240 60 240 60 240 60 240 60 240 60
( )( ) +( )( ) +( )( )+ ( )( ) + ( )( )
P ( 4 ≤ x∈ 8)=
4 4 5 3 6 2 7 1 8 0

300
8 300
8 300
8 300
8 300
8
( ) ( ) ( ) ( ) ( )
Se hacen las operaciones

P ( 4 ≤ x∈ 8)=0.04438+ 0.14701+ 0.2978+0.3375+0.16383

P ( 4 ≤ x∈ 8)=0.9905 ≈ 99,05 %

Literal D

Literal E

Ejercicio 4. Distribución Normal.

Literal A
a. Suponga que la fuerza que actúa en una columna que ayuda a soportar un edificio está
normalmente distribuida con media de 15.0 kilolibras (kips) y desviación estándar de 1.25
kilolibras (kips).
2
−1 x −μ

f ( x )=
1
e 2 ( σ )
√2 π σ
2
−1 x −15

f ( x )=
1
e 2 ( 1.25 )
√ 2 π (1.25)

1. ¿Cuál es la probabilidad de que la fuerza sea de más de 18 kilolibras?

x> 18→ x≥ 19

18−15
z= =2.4
1.25
Buscamos en la table de distribución normalizada estandarizada

A 1=0.4918

A 2=0.5−0.4918

A 2=0.0082

P (x >18)=0.82 %
 2. ¿Cuál es la probabilidad de que la fuerza esté entre 10 y 12 kilolibras?
10 ≤x ≤12
 z= 10−15 =−4
1.25

12−15
z= =−2.4
1.25

P (10 ≤ x≤ 12)=0.5−0.4793 P (10 ≤ x≤ 12)=0.0207

P (10 ≤ x≤ 12)=2.07 %
 Literal B

Una máquina para cortar corchos para botellas de vino produce corchos
con diámetros que tienen una distribución normal con media de 3,04 cm y
desviación estándar de 0,02 cm.
1) ¿Cuál es la probabilidad de que el diámetro de un corcho sea menor que
3 cm?

3−3,04
(
P ( X ∈3)=P Z ∈ =P ( Z←2 )=¿ 0,0228
0,02

2) ¿Cuál es la probabilidad de tener un corcho con diámetro entre 2,9 y 3,1

cm?

2,9 ≤x ≤3,1

2,9−3,04 3,1−3,04
0,02 ≤z ≤ 0,02

−0,14 0,06
≤ z≤ =−0,112 ≤ z≤ 0,048
1.25 1.25

Ahora sumamos las probabilidades : 0.4562+ 0.5160=0.9722

entonces P (2,9≤ x≤ 3,1)=0.9722=97.22 %

Literal C
c. La lectura de temperatura tomada con un termopar (sensor paramecio

temperatura) colocado en un medio a temperatura constante normalmente está

distribuida con media  = 17° (la temperatura real del medio) y desviación estándar =

0.1°. Calcule la probabilidad de que el termopar marque una temperatura:

1) Superior a los 18°

Media = 17°

Desviación estándar = 0.1°

X ≥ 18°

18−17
p (x ≥18 )=1− p z=
(
0.1
=1− p( z =10)

Verificando el valor en la tabla de distribución normal estándar:

p (x ≥18 )=1−1=0 %

La probabilidad de que haya una temperatura superior a 18 es de 0%, por lo que no

existe probabilidad.
2) Entre 16.8° y 17.2°

17,2−17
(
p (x ≤17.2)=p z= = p ( z=2)
0.1

p (z =2)=0.9772=97.72 %

16.8−17
(
p (x ≤16.8 )= p z= = p ( z=−2)
0.1

p (z =−2)=0.0228=2.28 %

p (16.8 ≤ x≤ 17.2)= p ( x≤ 17.2)− p ( x≤ 16.8)=97.72 %−2.28 %=95.44 %

La probabilidad de que se tengan temperaturas entre 16,8° y 17,2° es de 95,44%

 Literal D

Literal E

Ejercicio - links videos explicativos

Ejercicios
Nombre estudiante Link video Explicativo
sustentados
Aura Nelly Rojas
Angie Baquero Ejercicio B https://youtu.be/KSG27_Da0yI

Javier Eduardo
Murcia
Diego Andres https://youtu.be/Ou5daFscKDs
Ejercicio 2
Perez Leal
https://www.youtube.com/watch?
Reinaldo Manrique Ejercicio 2
v=mIKwOBhw7Vw

Bibliografía
Batanero, C. (febrero de 2002). Manual para el Estudiante. Obtenido de

http://ugr.es/~jgodino/edumat-maestros/manual/6_Estocastica.pdf

Entralgo, P. L. (1961). Teoría y realidad del otro. Vol. 2: Otredad y projimidad. Obtenido

de http://www.cervantesvirtual.com/research/teoria-y-realidad-del-otro-vol-2-

otredad-y- projimidad/fd13c029-a90c-4caa-9d7a-e6a7c7ca11e8.pdf

Epsilon. (2005). RAZONAMIENTO SOBRE PROBABILIDAD CONDICIONAL E. Obtenido de

https://www.ugr.es/~batanero/pages/ARTICULOS/epsilon_condicional.pdf

Garcia, J. M. (2011). Universidad De Granada . Obtenido

de http://hera.ugr.es/tesisugr/19831870.pdf

Mateos-Aparicio Morales. (1993). Teoría subjetiva de la probabilidad: fundamentos, evolución

y determinación de probabilidades. Obtenido de https://eprints.ucm.es/id/eprint/7818/

Mode, E. B. (1982). Elementos de probabilidad y estadística. Obtenido de

https://books.google.com.co/books?

hl=es&lr=&id=uuAbEAAAQBAJ&oi=fnd&pg=PP5&dq=Un+evento+compuesto+es+un

+evento+con+m%C3%A1s+de+un+resultado.+Por+ejemplo,

+lanzar+un+dado+de+6+lados+y+sacar+un+n%C3%BAmero+par:

+2,+4,+y+6.&ots=iGawOqMBn4&sig=wwqWPNUUZ39nGLqtSO

Montesino, J. (2015). INSTITUTO PEDAGÓGICO DE CARACAS. Obtenido de

https://d1wqtxts1xzle7.cloudfront.net/41290299/TRABAJO_ESCRITO_1.pdf?

1453054252=&response-content-disposition=inline%3B+filename
%3DDIDACTICA_EN_MATEMATICA.pdf&Expires=1616830284&Signature=K6qQpR

WvVut911ctg0vn1HLncrxmcFKHIPj4TRu6lNaOIuU4VWviYhyaotfJ40ZV~Tn

Palacios, R. H. (2021). Métodos empíricos de la investigación. Obtenido de

https://orcid.org/0000-0002-1131-4545

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

Este Objeto Virtual de Información (OVI) llamado "OVI – Teorema de Bayes", tiene como

objetivo, indicar para qué sirve y cómo se emplea el teorema de Bayes. Este OVI sirve

como material de consulta para el desarrollo de las actividades de la Unidad 1 del curso.

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

Recuperado de

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