Unidad 2- Paso 3 – probabilidad y modelos de probabilidad.

Yarleicy Muñoz Franco

Daniel Eduardo Leyva Pérez

1023940698

Grupo: 551113_39.

Rubén Darío Herrera.

(Tutor@)

Universidad Nacional Abierta y a Distancia

Escuela de Ciencias de la Educación
Licenciatura en Matemáticas
PROBABILIDAD.
Mayo, 2023.
 Parte A

1. Se carga una moneda de tal manera que P(C) = 3/7 y P(S) = 4/7, siendo P(C) la

probabilidad que salga cara y P(S) la probabilidad que salga sello. Supóngase que se lanza

la moneda 3 veces consecutivas y sea X la variable aleatoria que indica el número de caras

obtenidas.

Hallar la función de distribución de la variable aleatoria X.

Calcular E(X)

Solución:

Realizaremos la (A):

Buscamos cuantas combinaciones tenemos teniendo en cuenta que la moneda se lanza 3

veces.

Espacio x
Muestras
CCC 3
SSS 0
CCS 2
SSC 1
CSC 2
SCS 1
CSS 1
SCC 2
Espacio Muestras x
CCC 3 0.078
∗3
7
∗3
7
7
SSS 4 0.186
∗4
7
∗4
7
7
CCS 3 0.104
∗3
7
∗4
7
7

2
 SSC 4 0.139
∗4
7
∗3
7
7
CSC 3 0.104
∗4
7
∗3
7
7
SCS 4 0.139
∗3
7
∗4
7
7
CSS 3 0.139
∗4
7
∗4
7
7
SCC 4 0.104
∗3
7
∗3
7
7
X (Número de f(x)
caras)
0 0.186
1 0.139+0.139+ 0.139=0.417
2 0.104+ 0.104+0.104=0.312
3 0.078
n k
Utilizamos la formula P [ X=k ] = ∗p ∗q
k
n− k
()
( )( ) ( )
0 3 −0
3 4
P ( x=0 )= 3 =0.186
0 7 7

( )( ) ( )
1 2−0
3 4
P ( x=1 )= 3 =0.139
0 7 7

( )( ) ( )
2 1−0
3 4
P ( x=2 )= 3 =0.104
0 7 7

()( ) ( )
3 0−0
3 4
P ( x=3 )= 3 ∗ ∗ =0.078
0 7 7

Ahora vamos con la “ B ”:

3
 Utilizamos los datos de la última tabla y agregamos una columna en donde multipliquemos

x∗f (x) y el resultado de dicha columna será nuestro resultado…

X (Número de caras) f(x) x∗f (x)

0 0.186 0
1 0.417 0.417
2 0.312 0.624
3 0.078 0.234
TOTAL E(x) 1.275
PARTE B.

2. Supóngase que un examen contiene 15 preguntas de tipo falso o verdadero. 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, ¿cuál es la probabilidad de

aprobar el examen?

Solución

Esta situación se refiere a una distribución binomial, en el que definimos la variable aleatoria

X.

X : “Acertar pregunta”

n=15 número de ensayos

1
p= =0.5 es la probabilidad de éxito
2

4
 r ≥ 9 el número de éxitos

1
q= =0.5 es la probabilidad de fracaso.
2

P ( x=r )= (nr) ∙ p ∙ qr n−r

P ( x=r )= (15r )∙ p ∙ qr 15−r

Por lo tanto, la variable x se distribuye binomial de parámetros: x Bin(15 , 0.5)

Ahora sustituimos en:

P ( X )=
n!
r ! ∙ ( n−r ) !
r
()
n−r n r n−r
∙ p ∙ q = ∙ p ∙ q con:
r

n=15 n=15 n=15 n=15 n=15 n=15

r =10 r =11 r =12 r =13 r =14 r =15
Expresamos la operación:

P ( X )= (159)∙ p ∙ q +(1510) ∙ p
9 15−9 10
∙q
15−10
+ (1511)∙ p
11
∙q
15−11
(1512 )∙ p
12
∙q
15−12
(1513)∙ p 13
∙q
15−15
(1514) ∙ p 14
∙q
15−14
(1515) ∙ p
Calculamos cada término:

( ) ( ) ( ) ( ) ( )
P ( X )= 15 ∙ 0.59 ∙ 0.56 + 15 ∙ 0.510 ∙ 0.55 + 15 ∙ 0.511 ∙ 0.54 + 15 ∙ 0.512 ∙ 0.53 + 15 ∙ 0.513 ∙ 0.52 + 15 ∙0.5 14 ∙ 0.51 +
9 10 11 12 13 14 ( ) (
5005 3003 1365 455 105 15 1
P ( X )= + + + + + +
32768 32768 32768 32768 32768 32768 32768

9949
P ( X )= ≈ 0 ,303
32768

Por lo tanto, la probabilidad de aprobar el examen es del 0,303 aproximadamente.

3. El gerente de un restaurante que sólo mediante reservación sabe, por experiencia,

que el 15% de las personas que reservan una mesa no asistirán. Si el restaurante acepta 25

5
reservaciones que sólo dispone de 20 mesas, ¿cuál es la probabilidad de que a todas las

personas que asistirán al restaurante se les asigne una mesa?

Solución

Esta situación se refiere a una distribución binomial, en el que definimos la variable aleatoria

X.

X : “Personas que asistirán al restaurante”

n=15 número de ensayos

p=0.85 es la probabilidad de que la persona asista al restaurante

r =20 el número de sillas

q=0.15 es la probabilidad de que la persona no asista al restaurante.

P ( x=r )= (nr) ∙ p ∙ q
r n−r

P ( x=r )= (25r )∙ p ∙ q
r 25−r

Por lo tanto, la variable x se distribuye binomial de parámetros: x Bin(25 , 0.8)

Luego, para que las personas que asistan al restaurante de las 25 que reservaron se puedan

acomodar en una mesa, debe suceder que asistan 20 o menos.

P ( x ≤ 20 )

P ( x ≤ 20 ) + P ( x >20 ) =1

P ( x ≤ 20 )=1−P ( x >20 )

Por lo tanto
25
P ( x ≤ 20 )=1− ∑
r=21
(25r ) ∙ p ∙ q
r 25−r

Sustituimos en:

6
 P ( x ≤ 20 ) con: p=0,85 y q=0,15

n=25 n=25 n=25 n=25 n=25

r =21 r =22 r =23 r =24 r =25
Expresamos la operación:

P ( X )=1−
[( )
25
21
21
∙ 0.85 ∙ 0.15
25−21
+
25
22 ( ) 22
∙0.85 ∙0.15
25−22
+
25
23 ( )
23
∙ 0.85 ∙ 0.15
25−23
+
25
24
24
( )
∙ 0.85 ∙ 0.15
25−24
+
25
25
∙ ( )
Calculamos cada término:

P ( X )=1−[ ( 12650 ) ∙ 0.8521 ∙0.15 4 + ( 2300 ) ∙0.8522 ∙0.15 3+ ( 300 ) ∙ 0.8523 ∙ 0.152 + ( 25 ) ∙ 0.8524 ∙ 0.151 + ( 1 ) ∙ 0.8525 ∙0.15

P ( X )=1−[ 0,21098569061+ 0,21737919638++ 1,6067157993+ 0,91047228629+ 0,01719780985 ]

P ( X )=1−[ 0,6821069673 ]

P ( X ) ≈ 0 ,318

Por lo tanto, la probabilidad de que a todas las personas que asistirán al restaurante se les

asigne una mesa es del 0,318 aproximadamente.

5. Suponga que 𝜆 = 2 cuando la vida es expresada en días, una lámpara es prendida en

una sala en el instante 𝑡 = 0. Un día después, usted entra en la sala y se queda en ella

durante 8 horas, saliendo al final de este tiempo.

Consideramos la siguiente función de probabilidad de Poisson:

p−λ λx
p ( x , λ)= −1 ≤ x ≤1 { 0 para cualquier otro valor
x!

Donde:

P (x , λ)=Probabilidad de ocurrencia

x=Número de ocurrencia

λ=2 necesitamos convertir la unidad de tiempo (días en horas)

e=Valor aproximado de 2,71828 …

7
 P ( X≥ 8 , λ=2)=1−P( X =0 , λ=2)

Reemplazamos los valores en la función teniendo en cuenta que:

p−2 λ 0 0.13
p ( 0 , 2 )= = =0.13
0! 1

p ( x ≥ 8 , λ=2 )=1−[ p(0) ]

p ( x ≥ 8 , λ=2 )=1−0.13

p ( x ≥ 8 , λ=2 )=0.87

6. ¿Cuál es la probabilidad de que usted entre en la sala cuando ya este oscuro?

Por lo tanto, la probabilidad de que entre cuando la sala este oscura es del 87%

Parte B.

7. El espacio muestral de un experimento aleatorio es Ω={a , b , c , d , e , f } y cada

resultado es igualmente probable. Se define una variable aleatoria X como sigue:

ω a b c d e f

X ( ω) 0 0 1,5 1,5 2 3

8
 Calculas las siguientes probabilidades:

a. P( X =1,5)

Para calcular la probabilidad de que X sea igual a 1,5, tenemos que sumar las probabilidades

de todos los resultados en los que X es igual a 1,5:

1 1 1
P ( X=1,5 )=P ( ω=c )+ P ( ω=d ) = + =
6 6 3

1
Por lo tanto, la probabilidad de que X sea igual a 1,5 es .
3

b. P(¿ X −1∨≤ 1,5)

Para calcular la probabilidad de que ¿ X −1∨¿ sea menor o igual que 1,5, debemos encontrar

las probabilidades de todos los resultados que satisfacen esta condición. Podemos hacer esto

calculando la probabilidad de que X esté en el intervalo [0,5 ;2,5]:

1 1 1 1
P (|X −1|≤1,5 ) =P ( 0,5≤ X ≤ 2,5 )=P ( ω=c ) + P ( ω=d )+ P ( ω=e )= + + =
6 6 6 2

1
Por lo tanto, la probabilidad de que | X – 1| sea menor o igual que 1,5 es .
2

8. Se lanza una moneda corriente 4 veces consecutiva. Sea X la variable aleatoria que

denota el número de caras obtenidas. Hallar y graficar la función de distribución de la

variable aleatoria Y = X−2 .

La variable aleatoria X se refiere al número de caras obtenidas en 4 lanzamientos

consecutivos de una moneda corriente. Cada lanzamiento tiene dos posibles resultados: cara o

cruz. Por lo tanto, el espacio muestral tiene 24 =16 posibles resultados equiprobables.

X puede tomar los valores 0, 1, 2, 3 o 4.

9
 Ahora, para encontrar la función de distribución de X , necesitamos calcular la probabilidad

de cada resultado posible. Hay una fórmula general que se puede usar para calcular la

probabilidad de un resultado específico en un proceso de Bernoulli (como lanzar una moneda):

k n−k
P ( X=k )=C ( n , k )∗p ∗( 1− p )

donde C ( n , k )es el coeficiente binomial (n elegir k ), que es el número de formas en que se

pueden elegir k elementos de un conjunto de n elementos, P es la probabilidad de éxito (en este

caso, la probabilidad de obtener una cara en un solo lanzamiento de la moneda), y n es el número

total de ensayos.

Para este problema, n=4 y p=0.5, porque estamos lanzando una moneda corriente.

Entonces podemos calcular la probabilidad de cada resultado posible:

1
P ( X=0 )=C ( 4,0 )∗0.50∗0.5 4= (todos los lanzamientos son cruz)
16

1 3 4
P ( X=1 ) =C ( 4,1 )∗0.5 ∗0.5 = (exactamente un lanzamiento es cara)
16

6
P ( X=2 )=C ( 4,2 )∗0.52∗0.52= (exactamente dos lanzamientos son cara)
16

3 1 4
P ( X=3 )=C ( 4,3 )∗0.5 ∗0.5 = (exactamente tres lanzamientos son cara)
16

1
P ( X=4 )=C ( 4,4 )∗0.54∗0.50= (todos los lanzamientos son cara)
16

Entonces, para obtener la función de distribución de Y = X−2 , tenemos que calcular la

probabilidad de que Y tome los valores −2 ,−1 , 0 , 1 o 2.

Tenemos que Y = X−2 , por lo tanto:

- Si X =0, entonces Y =−2.

- Si X =1, entonces Y =−1.

10
 - Si X =2, entonces Y =0.

- Si X =3, entonces Y =1 .

- Si X =4 , entonces Y =2.

La probabilidad de que X tome cada uno de estos valores se puede calcular utilizando la

distribución binomial, ya que cada lanzamiento de la moneda es un experimento de Bernoulli

con dos posibles resultados equiprobables (cara o cruz).

Entonces, la función de distribución de Y se puede calcular de la siguiente manera:

1
F Y (−2)=P ( Y ≤−2 )=P ( X −2≤−2 )=P ( X ≤ 0 )=
16

5
F Y (−1)=P ( Y ≤−1 )=P ( X −2≤−1 )=P ( X ≤1 ) =
16

11
F Y ( 0)=P ( Y ≤0 )=P ( X−2 ≤ 0 )=P ( X ≤ 2 )=
16

15
F Y (1 )=P ( Y ≤ 1 )=P ( X −2≤ 1 )=P ( X ≤ 3 )=
16

F Y ( 2)=P ( Y ≤ 2 )=P ( X −2≤ 2 )=P ( X ≤ 4 )=1

Entonces, la función de distribución de Y es:

F Y ( y )={0 , si y<−2

1/16 , si−2≤ y <−1

5/ 16 , si−1≤ y <0

11/16 , si 0 ≤ y<1

15/ 16 , si 1 ≤ y <2

1 , si y ≥ 2 }

Parte B

11
 8. Podemos graficar esta función de distribución de la siguiente manera:

y −2 −1 0 1 2

F ( y) 1 5 11 15 1
16 16 16 16

Podemos graficar la función de distribución de Y como una escalera, donde el eje X

representa los valores de Y y el eje Y representa las probabilidades acumuladas:

La gráfica muestra que la distribución de Y es discreta y toma valores enteros entre -2 y 2.

También podemos observar que la probabilidad de obtener un valor negativo de Y es menor que

la probabilidad de obtener un valor positivo, ya que la moneda está ligeramente sesgada hacia la

cara.

12
 9. Una urna contiene 5 bolas blancas y 10 bolas negras. Un dado corriente es lanzado.

Se extrae de la urna un número de bolas igual al resultado obtenido en el lanzamiento del

dado.

a. ¿Cuál es la probabilidad de que todas las bolas extraídas sean blancas?

aplicamos la ley de Laplace para hallar la probabilidad de que salga una bola blanca.

casos favorables
p(b )=
casos posibles

5 1
p(b )= = =0.33
15 3

La probabilidad de que salga una bola blanca es p = 0,33

Para hallar la probabilidad de que todas las bolas extraídas sean blancas depende del

número que salga en el dado:

Resultado obtenido en el dado 1.

1
p ( 1 )= =0.33
3

Resultado obtenido en el dado 2.

p ( 2 )= ( 13 )( 31 )= 19 =0.11
Resultado obtenido en el dado 3:

1 1
p ( 3 )=( )
3 3 ( )( 13 )= 271 =0.037
Resultado obtenido en el dado 4:

1 1 1
p ( 4 )=( )( )
3 3 3 ( )( 13 )= 811 =0.012
Resultado obtenido en el dado 5:

13
 1 1 1 1
p ( 5 )=( )( )( )
3 3 3 3 ( )( )1
=
1
3 243
=0.0041

Resultado obtenido en el dado 6:

1 1 1 1 1
p ( 6 )=( )( )( )( )
3 3 3 3 3 ( )( 13 )=0=0
Solo hay bolas blancas.

b. ¿Cuál es la probabilidad de que el resultado obtenido al lanzar el dado sea 3 si todas

las bolas extraídas son blancas.

Primero hallamos la probabilidad de que al lanzar el dado sea 3 utilizando la ley de Laplace.

casos favorables
p(b )=
casos posibles

5 1
p(b )= = =0.33
15 3

La probabilidad de que salga una bola blanca es p = 0,33

Ahora multiplicamos este resultado con el que obtuvimos anteriormente consigo mismo

tres veces, por ser eventos independientes.

1 1
p ( 3 )=( )
3 3( )( 13 )= 271 =0.037
La probabilidad de que el resultado obtenido al lanzar el dado sea 3 si todas las bolas

extraídas son blancas es 1/27.

PARTE B.

14
15