Profesor:

 Miguel Ángel Rodríguez Quispinga

Integrantes:
 Angie Sofia Ulloa Caraza 19150702
 Myriam Leon Mendoza 19070157
 David Alejandro Alayo Farfán 20070120
 César Jael Rojas Garay 20070156

Año:

2022
 ACTIVIDAD 5:
1.Practica:
Problema 1:

Una compañía de seguros debe determinar la cuota anual a cobrarse por un seguro de 50 mil
dólares para hombres cuya edad se encuentra entre los 30 y 35 años.
Con base en las tablas actuariales el número de fallecimientos al año, para este grupo, es de
5 por cada mil. Si X es la variable aleatoria que representa la ganancia de la compañía de
seguros, determinar el monto de la cuota anual para que la compañía no pierda, a pesar de
tener un número grande de tales seguros.

Solución:

Aplicando la definición de esperanza matemática tal que el valor de este sea igual a cero
con el fin de que se obtenga una ganancia nula.

Entonces:
E[x] = 0
Siendo:

𝐶∗ 995 5000(−5)
E[x] = + =0
1000 1000

995𝐶 = 250000
𝐶 = 251.26 $

Por lo tanto, el monto de la cuota anual para que la compañía no pierda es de 251.26 $.
Problema 2
En una distribución binomial, sea x el número de éxitos obtenidos en diez ensayos donde la
probabilidad de éxito en cada uno es de 0.8. Con el resultado del problema anterior, demostrar
que la probabilidad de lograr de manera exacta seis éxitos es igual a la probabilidad de tener
cuatro fracasos.

solución:

donde: según los datos dados:

➔ k es el número de éxitos ➔ k es 6
➔ n es el número de pruebas ➔ n es 10
➔ q es la probabilidad de fracasos ➔ p es 0.8
➔ p es la probabilidad de éxito ➔ q es 0.2

𝑝(6) = 0.0880
resolviendo para k=4 tenemos que el p es 0.2

𝑝(4) = 0.0880
del resultado se observa 𝑝(6) = 𝑝(4) de donde se demuestra que la probabilidad de
lograr de manera exacta seis éxitos es igual a la probabilidad de tener cuatro fracasos.
Problema 3:
Se tiene que la probabilidad de tener una unidad defectuosa es una línea de ensamble es de
0.05. Si el número de unidades terminadas constituye un conjunto de ensayos independientes.
a) ¿Cuál es la probabilidad de que, entre 20 unidades, dos unidades se encuentren
defectuosas?
b) Cuál es la probabilidad de que, en 20 unidades, dos unidades como límite se encuentren
defectuosos?
c) ¿Cuál es la probabilidad que haya por lo menos una defectuosa en 20 unidades?

Solución:
Para este problema se utilizará la fórmula de la distribución binomial, la cual es la
siguiente:

donde:
➔ k es el número de éxitos
➔ n es el número de pruebas
➔ p es la probabilidad de éxito
➔ q es la probabilidad de fracasos

a)

𝑃(𝑛20,0.05 = 2) = 0.18867

Rpta: La probabilidad de que, de los 20 productos, solo 2 salgan defectuosos es de

0.18867%.
b)

𝑃(𝑛20,0.05 ≤ 2) = 𝑃(𝑛20,0.05 = 0) + 𝑃(𝑛20,0.05 = 1) + 𝑃(𝑛20,0.05 = 2)

𝑃(𝑛20,0.05 ≤ 2) = 0.3584 + 0.3773 + 0.18867

𝑃(𝑛20,0.05 ≤ 2) = 0.9244

Rpta: La probabilidad de que de los 20 productos, a lo mucho 2 salgan defectuosos es de

0.9244%.
c)
𝑃(𝑛20,0.05 ≥ 1) = 1 − 𝑃(𝑛20,0.05 = 0) = 1 − 0.3584 = 0.6416
Rpta: La probabilidad de que de los 20 productos, a lo mucho 1 salga defectuoso es de 0.6416%.

Problema 4:
Un examen contiene 15 preguntas de solo dos opciones, el examen se aprueba contestando
correctamente por lo menos 9 preguntas. Si se lanza una moneda para decidir el valor de
verdad de cada pregunta. U=universo, total de preguntas
¿Cuál es la probabilidad de aprobar el examen?
Solución:
Distribución Binomial

 C=combinación
 n=15

𝑃(𝑥 >= 9) = 𝑃(𝑥 = 9) + 𝑃(𝑥 = 10) + 𝑃(𝑥 = 11) + 𝑃(𝑥 = 12) + 𝑃(𝑥 = 13) + 𝑃(𝑥 = 14) + 𝑃(𝑥 = 15)

 X=9

9
𝑝= = 0.6
15
𝑞 = 1 − 0.6 = 0.4

𝑃(𝑥 = 9) = 159 ∗ 0.69 ∗ 0.46

𝑃(𝑥 = 9) = 0.2006
 X=10
10
𝑝= = 0.667
15
2
𝑞 = 1 ∗ = 0.333
3
𝑃(𝑥 = 10) = 1510 ∗ 0.66710 ∗ 0.3335
𝑃(𝑥 = 10) = 0.214

 X=11
 11
𝑝= = 0.733
15
11
𝑞 =1− = 0.267
15
𝑃(𝑥 = 11) = 1511 ∗ 0.73311 ∗ 0.2674
𝑃(𝑥 = 11) = 0.2276
 X=12
𝑝 = 12/15 = 0.8
𝑞 = 1 − 0.8 = 0.2
𝑃(𝑥 = 12) = 1512 ∗ 0.812 ∗ 0.23
𝑃(𝑥 = 12) = 0.008
 X=13
𝑝 = 13/15 = 0.867
𝑞 = 1 − 13/15 = 2/15 = 0.133
𝑃(𝑥 = 13) = 1513 ∗ 0.86713 ∗ 0.1332
𝑃(𝑥 = 13) = 0.2904
 X=14
𝑝 = 14/15 = 0.933
𝑞 = 1 − 14/15 = 0.067
𝑃(𝑥 = 14) = 1514 ∗ 0.86714 ∗ 0.21
𝑃(𝑥 = 14) = 0.406

𝑃(𝑥 >= 9) = 𝑃(𝑥 = 9) + 𝑃(𝑥 = 10) + 𝑃(𝑥 = 11) + 𝑃(𝑥 = 12) + 𝑃(𝑥 = 13) + 𝑃(𝑥
= 14) + 𝑃(𝑥 = 15)

Rpta:
𝑃(𝑥 >= 9) = 1.3466

Problema 5:
Se tiene que un número de componentes fallan antes de cumplir las 100 horas de trabajo,
considerando que el comportamiento es una variable de Poisson, el número de componentes
promedio que fallan es de 8.
a) ¿Cuál es la probabilidad que falle un componente en 25 horas?
b) ¿Cuál es la probabilidad de que fallen no más de dos componentes en 50 horas?

Solución:
 Fig 1: Tabla de poison
a) ¿Cuál es la probabilidad que falle un componente en 25 horas?
100→ 8
25→ 𝜆
𝜆 = (8 ∗ 25)/100 = 2

𝑒 −2 ∗21
P(x=1)= =0.270671
1!
probabilidad es 27%
b) ¿Cuál es la probabilidad de que fallen no más de dos componentes en 50 horas?
100→ 8
50→ 𝜆
𝜆=4

P (X =< .2) = P(X = 0) + P(X = 1)

𝑒 −4 ∗41 𝑒 −4 ∗411
P(x=<2)= +
0! 1!
P(x=<2) =0.0915
La probabilidad es 9.15%
2.Teórico:
1.Indicar que son datos cualitativos y cuantitativos, dar 2 ejemplos concretos e
indicar cuando se usa en cada caso.

 DATOS CUALITATIVOS.
Son aquellas variables cuyos valores son un conjunto de cualidades no numéricas a
las que se llama categorías o modalidades. Estos datos no son necesariamente
medidos utilizando números específicos usados para desarrollar gráficas y tablas.
En vez de eso, son categorizados en base a las propiedades, atributos, etiquetas y
otros identificadores que se pudieran encontrar. Los datos cualitativos pueden ser
usados para preguntarse el “por qué”. Es investigativo y usualmente se deja abierto
hasta que se comience a conducir una investigación más profunda. Se suele generar
esta data a través de la investigación cualitativa para realizar teorizaciones,
interpretaciones, desarrollar hipótesis y entendimientos iniciales.

 Clasificación de variables cualitativas

 Escala nominal: No se puede definir un orden natural entre sus categorías.

(Ejemplo: la raza, el color del pelo, o la religión)

 Escala ordinal: Se pueden establecer relaciones de orden entre las categorías.

(Ejemplo: el rango militar, la clase social o el nivel de estudios)

Por intervalos: Pueden tratarse como ordinales y se pueden calcular distancias

numéricas entre dos niveles. (Ejemplo: El número de años de educación
recibidos (0, 1, 2, ...) es una variable cuantitativa que puede ser agrupada por
intervalos)

 DATOS CUANTITATIVOS.

A diferencia de la data cualitativa, la data cuantitativa es estadística y usualmente su

naturaleza es estructurada – lo cual significa que es más rígida y definida. Este tipo
de data es medida utilizando números y valores, haciendo que sean candidatos más
adecuados para el análisis. Mientras que la data cualitativa está abierta para más
exploración, la data cuantitativa es mucho más concisa y cerrada. Puede ser usada
para hacer las preguntas “cuánto” o “qué tantos”, seguidas de información
concluyente. La data cuantitativa puede ser desglosada en dos sub-categorías. Estas
categorías son llamadas data discreta y data continúa.
  Clasificación de variables cuantitativas

 Datos cuantitativos discretos

La data discreta es simplemente data que no puede ser desglosada en partes

más pequeñas. Este tipo de data consiste en números enteros (es decir,
números positivos y negativos como -100, 10, 100, y así sucesivamente) y es
finita (significando que tiene un límite).
Algunos ejemplos de data discreta serían qué tanto dinero tienes en tu bolsillo,
qué tantos iPhones fueron vendidos el año pasado, y qué tanto tráfico tuvo tu
sitio web el día de hoy.
Otro punto importante es que la data discreta puede ser categórica a nivel
técnico. Por ejemplo, el número de trabajadores en una planta industrial es
discreto y entero.

 Datos cuantitativos continuos

La data continua es data que puede ser desglosada infinitamente en partes
más pequeñas o en data que fluctúa de manera continua. Algunos ejemplos
de data continua podrían ser la velocidad de tu tren durante tu viaje al
trabajo, el tiempo que te toma escribir un artículo, tu peso y tu edad.

2.Identificar y sustentar cada uno de los conceptos

➢ Unidad de Estadística (es cada sujeto de estudio).

➢ La variable (lo que interesa de la unidad estadística)
➢ observación (lo que se registra de la característica)

● Caso 1. El jefe de producción de una maquila desea verificar la calidad de los

artículos que se están produciendo. Para hacerlo toma una muestra, en cada ala de
producción,de 70 prendas terminadas y clasifica cada prenda como defectuosa o no
defectuosa.

➔ Unidad de estadística: Son los artículos que se producen

➔ La variable: Clasificación de la prenda como defectuosa o no defectuosa
➔ La observación: verificar la calidad de las prendas que se producen para
obtener un indicador de su producción
● Caso 2. El administrador de una cooperativa de trabajadores desea conocer el
estado
de los créditos otorgados, en lo relacionado a morosidad o no morosidad del pago
mensual. Selecciona una muestra de 150 créditos.

➔ Unidad de estadística: Son los créditos otorgados a cada empleado.

➔ La variable: Conocer la morosidad o no morosidad del pago mensual de
cada crédito.
➔ La observación: Conocer el estado de los créditos otorgados a cada
trabajador.