TALLER 2.

UNIDAD 1
NOMBRE: Joan Enrique Velarde Aparicio.
CÓDIGO: 204697.

a) La probabilidad de que no haya departamentos, según la tabla, es de 5%.

b) La probabilidad de que haya menos de 4 departamentos libres será calculada
mediante la suma de las probabilidades de departamento libres 4 y 5: 0.10 +
0.10=0.20=20%.
c) La probabilidad de que haya 2 o menos departamentos libres será
calculada mediante la suma de las probabilidades de departamento libres
0,1 y 2: 0.05 + 0.15 + 0.35 = 0.55=55%.
 a) De la tabla se deducen los siguientes datos:
- El total de participantes es de 281,1 millones.
- El total de mujeres es de 161,8 millones.
La probabilidad se calcula mediante la definición clásica de probabilidad:
161,8
P(mujer)= .
285.1

P(mujer)=0.567520168
b) De la tabla se deducen lo siguiente:
- El total de hombres es de 123.3 millones.
La probabilidad se calcula mediante la definición clásica de probabilidad:
123.3
P(hombre)=
285.1

P(mujer)=0.432479832
c) De la tabla se deducen lo siguiente:
- El total de personas que caminan es 86.4 millones.
- La probabilidad se calcula mediante la definición clásica de probabilidad:
86.4
- P(caminar)= .
285.1
- P(caminar)=0.303051561
d) Recurriendo a la definición de probabilidad condicional:
𝑃(𝐴 ∩ 𝐵) 𝑃(𝐴 ∩ 𝐵)
𝑃 (𝐴⁄𝐵 ) = , 𝑃 (𝐵 ⁄𝐴) =
𝑃(𝐵) 𝑃(𝐴)
- ¿Cuál es la probabilidad de que sea mujer?:
El total de mujeres que caminan es 57.7 millones, y el total de personas que
caminan es 86.4 millones; entonces:
57.7
𝑃 (𝑚𝑢𝑗𝑒𝑟⁄𝑐𝑎𝑚𝑖𝑛𝑎𝑟 ) = = 0.667824074
86.4
- ¿Cuál es la probabilidad de que sea hombre?:
El total de hombres que caminan es 28.7 millones, y el total de personas que
caminan es 86.4 millones; entonces:
28.7
𝑃 (ℎ𝑜𝑚𝑏𝑟𝑒 ⁄𝑐𝑎𝑚𝑖𝑛𝑎𝑟 ) = = 0.332175926
86.4
 - El total de la cantidad de personas es 281.6 millones.
a) 19.0
𝑃 (20 ≤ 𝑥 < 24) = 281.6 = 0.067
b) 𝑃 (20 ≤ 𝑥 < 34) =
19.0
281.6
+
39.9
281.6
= 0.209
c) 37.7 24.3 35.0
𝑃 (𝑥 ≥ 45) = 281.6 + 281.6 + 281.6 = 0.344

a)
TIPO DE
ESTUDIANTE CALIDAD DE ESCUELA COSTO DE ESCUELA OTRAS TOTAL
TIEMPO COMPLETO 0.218 0.204 0.039 0.461
MEDIO TIEMPO 0.207 0.307 0.024 0.539
TOTAL 0.425 0.511 0.063 1

b) Analizando los cuadros se puede deducir que el costo de escuela posee una
probabilidad de 0.511, luego la calidad con un 0.425 y al final se encuentran
otras con 0.063.
c)
𝑃(𝐶𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑠𝑐𝑢𝑒𝑙𝑎 ∩ 𝑇𝑖𝑒𝑚𝑝𝑜 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑜) 0.218
𝑃= = = 0.472
𝑃(𝑇𝑖𝑒𝑚𝑝𝑜 𝑐𝑜𝑚𝑝𝑙𝑒𝑡𝑜) 0.461
d)
𝑃(𝐶𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝑒𝑠𝑐𝑢𝑒𝑙𝑎 ∩ 𝑀𝑒𝑑𝑖𝑜 𝑡𝑖𝑒𝑚𝑝𝑜) 0.207
𝑃= = = 0.384
𝑃(𝑀𝑒𝑑𝑖𝑜 𝑡𝑖𝑒𝑚𝑝𝑜) 0.539
e) No, no son eventos independientes; puesto que los eventos a y b tienen
eventos en común. Es decir:
𝑇𝑖𝑒𝑚𝑝𝑜 𝐶𝑜𝑚𝑝𝑙𝑒𝑡𝑜 ∩ 𝐶𝑎𝑙𝑖𝑑𝑎𝑑 𝑑𝑒 𝐸𝑠𝑐𝑢𝑒𝑙𝑎 = 0.218

a)

x Días f(x)

1 3 0.15

2 5 0.25

3 8 0.4

4 4 0.2

Total 20 1
 b)
uso de las salas de operación
0.45
0.4
0.35 40%
0.3
0.25
25% uso de las salas de
0.2
operación
0.15 20%
0.1 15%
0.05
0
1 2 3 4

c) Datos:
 1 sala: 3/20
 2 salas: 8/20
 3 salas= 8/20
 4 salas= 4/20
Ahora, con estos datos realizamos la distribución de probabilidad usando
la variable X y determinamos una probabilidad exacta a cada valor:
X 1 2 3 4
f(X) 0.15 0.25 0.4 0.2
Para verificar la distribución, sumamos los valores de f(x), para ver si cumple con los
siguientes parámetros:
1:

∑ 𝑓(𝑥 ) = 1

𝑓 (𝑥 ) = 0.15 + 0.25 + 0.40 + 0.20

𝑓 (𝑥 ) = 1
2:
𝑃𝑎𝑟𝑎 𝑐𝑎𝑑𝑎 𝑋 𝑑𝑒 𝑓(𝑥) > 0
X f(X)
1 0.15>0
2 0.25>0
3 0.4>0
4 0.2>0
Sí cumple con los parámetros.
a)
𝑓(−100) + 𝑓 (0) + 𝑓(50) + 𝑓(100) + 𝑓 (150) + 𝑓 (200) = 1
0.10 + 0.20 + 0.30. +0.25 + 0.10 + 𝑓(200) = 1
𝑓(200) = 0.05

La probabilidad de que la empresa gane 200 mil dólares es del 5%

b) La probabilidad de que la empresa sea rentables es a partir de X=50, pues
X= -100 es considerado pérdida y X=0 representa un valor nulo. Entonces,
la probabilidad de que sea rentable es:
𝑓(50) + 𝑓 (100) + 𝑓 (150) + 𝑓 (200) = 0.30 + 0.25 + 0.10 + 0.05 = 0.70
c) Ganar por lo menos $100 000 es representado por:
𝑓 (100) + 𝑓 (150) + 𝑓(200) = 0.25 + 0.10 + 0.05 = 0.40
a)
X Rentadas f(x)
0 547 0.04
1 5012 0.34
2 6100 0.41
3 2644 0.18
4 557 0.04
14860 1
b)
X f(x) x*f(x)
0 0.04 0
1 0.34 0.34
2 0.41 0.82
3 0.18 0.54
4 0.04 0.15

sumatoria de x*f(x) (Valor esperado) 1.85

X X-U (X-U)^2 f(x) Varianza

0 -1.84 3.39 0.04 0.12
1 -0.84 0.71 0.34 0.24
2 0.16 0.02 0.41 0.01
3 1.16 1.34 0.18 0.24
4 2.16 4.66 0.04 0.17

Varianza de X 0.79

c)
Y Propias f(Y)
0 23 0
1 541 0.03
2 3832 0.23
3 8690 0.52
4 3783 0.22

d)
Y f(Y) Y*f(Y)
0 0 0
1 0.03 0.03
2 0.23 0.45
3 0.52 1.55
4 0.22 0.9
 Valor esperado de Y 2.93

Y Y-U (Y-U)^2 f(Y) Varianza

0 -2.93 8.58 0 0.01
1 -1.93 3.72 0.03 0.12
2 -0.93 0.86 0.23 0.2
3 0.07 0.01 0.52 0
4 1.07 1.15 0.22 0.26

Varianza de Y 0.59
e) El número de recámaras en casas propias es mayor que en casas rentadas
(2.93 > 1.84), y la variabilidad en el número de recámaras es menor en
las casas propias.

a)
Pago Probabilidad Pago*Probabilidad
0 0.85 0
500 0.04 20
1 0.04 40
3000 0.03 90
5000 0.02 100
8000 0.01 80
10000 0.01 100
Valor
esperado 430

b)
  Prima – Tasa Anual = $430.00 – 520.00 = -$90.00
 Por la intención de estar asegurado para los gastos de un gran accidente.

a) Sea la variable x el directivo del nivel alto:

𝑦 ∗ 𝑓(𝑥 ) = 1 ∗ 0.05 + 2 ∗ 0.09 + 3 ∗ 0.03 + 4 ∗ 0.42 + 5 ∗ 0.91 = 4.05
b) Sea la variable y el directivo del nivel medio:
𝑦 ∗ 𝑓 (𝑦) = 1 ∗ 0.04 + 2 ∗ 0.10 + 3 ∗ 0.12 + 4 ∗ 0.46 + 5 ∗ 0.28 = 3.84
c)
𝑆 = (𝑦 − 𝑢)2𝑓(𝑦)
𝑆 = (1 − 3.84)2 ∗ 0.04 + (2 − 3.84)2 ∗ 0.1 + (3 − 3.84)2 ∗ 0.12 + (4 − 3.84)2 ∗ 0.46 + (5 − 3.84)2 ∗ 0.28

𝑆 = 1.134
d)
- La varianza de la satisfacción del medio es 1.134; por lo tanto, la
desviación estándar es su raíz cuadrada: 1.065.
- La desviación estándar de la del nivel alto:
𝑆 = (1 − 4.05)2 ∗ 0.05 + (2 − 4.05)2 ∗ 0.09 + (8 − 4.05)2 ∗ 0.03 + (4 − 4.05)2 ∗ 0.42 + (5 − 4.05)2 ∗ 0.41

𝑆 = 1.2475
𝜎 2 = 1.2475
𝜎 = 1.117
 e) Los del nivel alto poseen un índice de satisfacción mayor, porque su valor
esperado es de 4.05 en contraste con los del nivel medio.

a)
10
𝑃(𝑋 = 0) = ( ) 0.100 (1 − 0.10)10
0
𝑃(𝑋 = 0) = 0.9010 ≈ 0.349

b)
10
𝑃(𝑋 = 2) = ( ) 0.102 (1 − 0.10)8
2
𝑃(𝑋 = 2) = 45 ∗ 0.01 ∗ 0.43046721
𝑃 (𝑋 = 2) ≈ 0.193
c)
𝑃(𝑋 ≤ 2) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2)
10 10 10
𝑃(𝑋 ≤ 2) = ( ) 0.100 (1 − 0.10)10 + ( ) 0.101 (1 − 0.10)9 + ( ) 0.102 (1 − 0.10)8
0 1 2
𝑃(𝑋 ≤ 2) = 0.9010 + 10 ∗ 0.10 ∗ 0.909 + 45 ∗ 0.01 ∗ 0.908
𝑃 (𝑋 ≤ 2) ≈ 0.930

d)
𝑃 (𝑋 ≥ 1) = 1 − 𝑃(𝑋 < 1)
𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑋 = 0)
𝑃 (𝑋 ≥ 1) = 1 − 0.9010
𝑃(𝑋 ≥ 1) ≈ 0.651
e)
 𝐸 [𝑋] = 𝑛. 𝑝
𝐸 [𝑋] = 10 ∗ 0.1
𝐸 [𝑋] = 1
f)
𝑉𝑎𝑟(𝑥) = 10 ∗ 0.9 ∗ 0.1 = 0.9

𝜎 = 0.9486

- P: 0.9
- X: cantidad de sistemas instalados que detectan el ataque.
a) ¿Cuál es la probabilidad de que un solo sistema de detección detecte un
ataque?
La probabilidad de que lo detecte es de 0.90
b) Si se instalan dos sistemas de detección en una misma área y los dos operan
independientemente, ¿cuál es la probabilidad de que por lo menos uno de
los sistemas detecte el ataque?
- n: 2, p:0.9:
𝑃(𝑥 ≥ 1) = 1 − 𝑃(𝑥 < 1) = 1 − 𝑃(𝑥 = 0)
1-(20)(0.90)0 (0.1)2 =0.99

La probabilidad de que por lo menos uno de los sistemas detecte el ataque es de

0.99.
c)
 P(x≥1) = 1-P(x<1) = 1-P(x=0)
1-(30)(0.90)0 (0.1)3 =0.999

La probabilidad de que por lo menos uno de los sistemas detecte el ataque es de

0.999.
d)
Pienso que sí, se debería recomendar utilizar más sistemas pues cada vez que se
utilizan en mayor cantidad la probabilidad se acerca a 1.

a)
𝑒 −𝜇 𝜇 𝑥
𝑃[𝑋 = 𝑥 ] =
𝑥!
𝑒 −3 3𝑥
𝑓(𝑥) =
𝑥!
b)
𝑒 −332
𝑓(2) = = 0.224
2!
c)

𝑒 −331
𝑓(1) = = 0.149
1!
d)
𝑃 (𝑥 ≥ 2) = 1 − 𝑃 ( 𝑥 < 2)

1 − 𝑃 (𝑥 < 2) = 1 − 𝑃 (𝑥 = 1) + 𝑃 (𝑥 = 0)
0
𝑒−3 3
𝑃(𝑥 = 0) = = 0.0498
0!
𝑒 −3 31
𝑃 (𝑥 = 1 ) = = 0.1494
1!
𝑃(𝑥 ≥ 2) = 1 − 0.1992 = 0.8008
 𝝁𝒙 𝒆−𝝁
𝑷(𝒙)
𝒙!
Donde:
μ = valor esperado
e = constante (2.718281828)
x = numero de exitos que se desean
a)
Calculando el valor esperado:
𝟏
𝝁= (𝟒𝟖) = 𝟒
𝟏𝟐

- 5 minutos son 1/12 de hora.

𝟒𝟓 𝒆−𝟒
𝑷(𝟓) = 𝟎. 𝟏𝟓𝟔𝟐𝟗
𝟓!

b)
Calculando el valor esperado:
𝟏
𝝁= (𝟒𝟖) = 𝟏𝟐
𝟒
- 15 minutos son ¼ de hora.
𝟏𝟐𝟏𝟎 𝒆−𝟏𝟐
𝑷(𝟏𝟎) = = 𝟎. 𝟏𝟎𝟒𝟖𝟑𝟕
𝟏𝟎!
c)
- ¿cuántas llamadas habrá en espera para cuando él termine?
Como es sabido que en 5 minutos se puede realizar cuatro llamadas y el agente
ocupa cinco en una, las llamadas en espera serían 3.
- ¿cuál es la probabilidad de que no haya ninguna llamada en espera?
 𝟒𝟎 𝒆−𝟒
𝑷(𝟎) = = 𝟎. 𝟎𝟏𝟖𝟑𝟏𝟓
𝟎!
d)
Calculando el valor esperado:
𝟏
𝝁= (𝟒𝟖) = 𝟐. 𝟒
𝟐𝟎
- 3 minutos son 1/20 de hora,
(𝟐. 𝟒)𝟎 𝒆−𝟐.𝟒
𝑷(𝟎) = = 𝟎. 𝟎𝟗𝟎𝟕𝟏
𝟎!

a)
- Hallando la función de densidad:
20

∫ 𝑘 𝑑𝑥 = 1
10

20𝑘 − 10𝑘 = 1
1
𝑘=
10
𝑘, 10 ≤ 𝑥 ≤ 20
𝑓 (𝑥 ) = {
0, 𝑟𝑒𝑠𝑡𝑜
- Hallando la función de distribución:
𝑥 𝑥
 𝑥 < 10 → 𝐹 (𝑥) = ∫−𝛼 𝑓(𝑡) 𝑑𝑡 = ∫−𝛼 0 𝑑𝑡 = 0
𝑥
𝑥 10 1 1
 10 ≤ 𝑥 ≤ 20 → 𝐹 (𝑥) = ∫−𝑥 𝑓(𝑡) 𝑑𝑡 = ∫−𝛼 0 𝑑𝑡 + ∫ 10
𝑑𝑡 = 10 (𝑥 − 10)
10
 20
10 1 +𝛼
 𝑥 > 20 → 𝐹 (𝑥) = ∫−𝛼 0 𝑑𝑡 + ∫ 10
𝑑𝑡 + ∫20 0 𝑑𝑡 = 1
10
0; 𝑥 ≤ 10
𝑥 − 10
𝐹 (𝑥) = { , 10 ≤ 𝑥 ≤ 20
10
1; 𝑥 > 20
- Gráfico:

b)
- X=15:
15 − 10 1
= = 0.5
10 2

c)
- P(12≤x≤18) = F(18) - F(12)
8 2 3
− = = 0.6
10 10 5

d)
+𝛼

𝐸 (𝑥) = ∫ 𝑥𝑓 (𝑥) 𝑑𝑥
−𝑎

20
1 1 20 1 𝑥 2 20 1
∫𝑥 𝑑𝑥 = ∫ 𝑥 𝑑𝑥 = |10 = (200 − 50) = 1
10 10 10 10 2 10
10

e)
𝑣(𝑥) = 𝐸(𝑥 2 ) − [𝐸(𝑥)]2
20
1
∫ 𝑥2 ( ) 𝑑𝑥 − [15]2
10 10
 1 𝑥 3 20 1 8000 1000 1
|10 = ( − )= (2333.33) − [15]2 = 233.33 − [15]2 = 8.33
10 3 10 3 3 10

a)
P (12 x  12.05) = 8 (12.05 - 12) = 8 (0.5) = 0.4
b)
P (x  12.02) = 8 (12.10 - 12.02) = 8(0.08) = 0.64

c)
P (x < 11.98) + P (x > 12.02) = [8 (11.98 - 11.975)] + [8 (12.1 - 12.02)]
= 8(0.5) + 8(0.08) = 0.4 + 0.64
= 0.68

a)
𝑃(𝑧 ≤ −1.0) = 1 − 𝑃(𝑍 ≤ 1.0) = 1 − 0.8413 = 0.1587

b)
𝑃 (𝑧 ≥ −1) = 1 − 𝑃 (𝑍 < −1) = 𝑃 (𝑧 ≥ −1) = 1 − 0.1587 =
0.8413
c)
𝑃 (𝑧 ≥ −1.5) = 1 − 𝑃(𝑍 < −1.5) = 𝑃(𝑧 ≥ −1.5) = 1 − (0.0668) = 0.9332

d)
𝑃(𝑧 ≥ −2.5) = 𝑃 (𝑍 < 2.5)

e)
𝑃(−3 < 𝑧 ≤ 0) = 𝑃(𝑧 ≤ 0) − 𝑃(𝑧 < −3)
0.5 − (0.0013) = 0.4987

a)
 𝑋𝑖 = 18000
 𝑈 = 15015
 𝜎 = 3540
(𝑋𝑖−𝑢)
Z1=
𝜎
18000−15015
Z1=
3540

Z1=0,84
P=(Z˃0,84)
p=0.7995
p=79.95%
- La probabilidad de que persona con buen historial sea mayor a 18000 es
de 79.95%.
b)
 𝑋𝑖 = 10000
 𝑈 = 15015
 𝜎 = 3540
10000−15015
Z1 =
3540
 Z1=-1.42
P(Z˂-1.42)
P=1-O778
P=0.O222=02.22%
c)
 𝑋𝑖 = 12000
 𝑈 = 15015
 𝜎 = 3540
12000−15015
Z1=
3540

Z1=-0.85
Xi=18000
(𝑋𝑖−𝑢)
Z2=
𝜎
18000−15015
Z2=
3540

Z2=0.84
P=(-0.85˂z≤0.84) = P(z˂-085)-p(z≤0.84)
P (1-0.1977)-P (0.7995) = 0.8023-0.7995
P=0.28=2.8%
d)
 𝑋𝑖 = 14000
 𝑈 = 15015
 𝜎 = 3540

14000−15015
Z1=
3540

Z1=-0.29
P(Z˃-0.29)
P = 1-0.3854
P = 61.46%
a)
 𝑋𝑖 = 30
 𝑈 = 32.62
 𝜎 = 2.32
𝑋𝑖 − 𝑈
𝑍1 =
σ
30 − 32.62
𝑍1 =
2.32
Z1=-1.1293103448
Xi = 35 = 32.62 σ=2.32
𝑋𝑖 − 𝑈
𝑍2 =
σ
35 − 32.62
𝑍2 =
2.32
Z2= 1.025862069

P(30 ≤ Z ≤ 35)

P (1.13 ≤ Z ≤ 1.03)

P(Z≤1.03) - P(Z≤-1.13)

P(Z≤0.8485) - P(Z≤0.1292)

P=0.7193

P=71.93%
 - La probabilidad de que un directivo posea una remuneración entre 30 y
35 por hora es de 71.93 %.
b)

 No se conoce el valor de 𝑋𝑖 .
 𝑈 = 32.62
 𝜎 = 2.32
 Z ≥10%
 1.28
𝑋𝑖 − 𝑈
𝑍=
𝜎
(σ *Z) + u=X i
𝑋𝑖 =32.62+(1.28) * (2.32)
𝑋𝑖 =32.62+2.9696
𝑋𝑖 =35.58
- La remuneración por hora para que un directivo financiero tenga un
pago 10% superior debe ser de $ 35.58.
c)
 𝑋𝑖 = 28
 𝑈 = 32.62
 𝜎 = 2.32
𝑃(𝑋 ≤ 28)
(28−32.62)
Z=
2.32
Z=-1.9913793103

Z=0.0233

Z=2.33%
- La probabilidad de que la remuneración de un directivo financiero sea
menos de 28 por hora es del 2.33%
 𝑋𝑖 = 28
 𝑈 = 32.62
 𝜎 = 2.32
a)
𝑃 (𝑋 < 1000) = 𝑃(𝑍 ≤ (1000 − 1550)/300) = 𝑃 (𝑍 ≤ −1.83) = 0.0334 = 3.34%

b)
𝑃 (1000 < 𝑋 < 2000) = 𝑃(𝑍 ≤ (2000 − 1550)/300) − 𝑃 (𝑍 ≤ (1000 − 1550)/300)

𝑃 (𝑍 ≤ 1.50) − 𝑃(𝑍 ≤ −1.83) = 0.9332 − 0.0334 = 0.8998 = 89.98%

c)
𝑃 (𝑋 ≥ 𝐾) = 0.05
𝑘 − 1550
1 − 𝑃(𝑍 ≤ ( )) = 0.05
300
𝑘 − 1550
𝑃(𝑍 ≤ ( )) = 0.95
300
𝑋 = 𝐾 = 2043.5 ≈ 2044 𝑎𝑐𝑐𝑖𝑑𝑒𝑛𝑡𝑒𝑠