Tarea Estadística II - Avance Cuaderno Digitalnuevo

INGENIERÍA EN SOFTWARE
ASIGNACIÓN ESTADÍSTICA II
PRESENTACIÓN DEL
CUADERNO DIGITAL
PRIMER PARCIAL
ING. LORENZO CEVALLOS TORRES
ALUMNO: Gabriel Mateo – Jair Ríos - Javier Ramírez
PARALELO: 4 – 1
ACTIVIDAD:
Para esta Asignación el alumno deberá subir el avance del cuaderno digital. La cual corresponde
todos los ejercicios del primer parcial, los ejercicios resueltos utilizando el formato dado en clases,
revisar los videos de este tema.
1.- Preliminares, ejercicios correspondientes al repaso de estadística I:

Espacio muestral, experimentos, probabilidades, probabilidades independientes
2.- Distribuciones de probabilidad
a. Variables aleatorias Discretas, Distribución Empírica, Experimentos binomiales, distribución

binomial, distribución binomial negativa, distribución geométrica, distribución
hipergeométrica, distribución de Poisson, y por cada una tenemos que determinar función
de probabilidad y su gráfica, la distribución acumulada y su gráfica, valores esperados de
cada una de las distribuciones así como la media y la varianza.
b. Variables aleatorias continuas, Distribución Empírica, distribución uniforme continua,

distribución exponencial y distribución normal estándar, y por cada una de las distribuciones
determinar su función de densidad y la gráfica, función acumulada y su gráfica, valores
esperados de cada una de las distribuciones así como la media y la varianza.
TEMA: Función de
probabilidad
Resuelve los siguientes ejercicios.

Considera la variable aleatoria discreta X, cuya distribución de probabilidad
es la siguiente
a) Calcula el valor de c.
xi 1 2 3
pi c 0,36 c
La suma de las probabilidades debe ser igual a 1, pues es la tabla de distribución de
probabilidad, por lo tanto:
c + 0,36 + c = 1
2c = 1 - 0,36
2c = 0,64
0,64
c=
2
c=0,32
Para calcular C lo que toca es recordar que la suma de todas las probabilidades es igual a 1
Entonces:
Ahora solo debes despejar c para hallar el valor c= 0,32
b) Escribe la función de probabilidad y de distribución.

xi 1 2 3
pi 0,32 0,36 0,32
F(x) = p (X ≤ x) = ∑𝑿𝒊 <𝒙[𝑿 = 𝒙𝒊]

F(1) = p[X ≤ 1] P[X ≤ 1] = p[X = 1] = 0,32
F(2) = p[X ≤ 2] = p[X = 1 + p[X = 2] = 0,32 +0,36 = 0,68

F(3) = p[X3] = p[X = 1 + p[X = 2 + p[x = 3 ]
= 0,32 + 0,36 + 0,32 = 1
La función de distribución
0, 𝑠𝑖 𝑥 < 1;
𝐹
1 , 𝑠𝑖 𝑥 ≥ 𝟑
0 + 𝑥 + 0.68 + 1 = 2
𝑥 + 1.68 = 2
𝑥 = 2 − 1.68 𝑥
= 0.32
b) Determinar la esperanza matemática, la varianza y la desviación típica.
𝑥𝑖 𝑝𝑖 𝑥𝑖 ∗ 𝑝𝑖 𝑥𝑖2 ∗ 𝑝𝑖
1 0.32 0.32 0.32
2 0.36 2 ∗ (0.36) = 0.72 22 ∗ (0.36) = 1.44
3 0.32 0.96 2.88
TOTAL ∑𝑝𝑖 = 𝟏 ∑ 𝑥𝑖𝑝𝑖 = 𝟐 ∑𝑥𝑖2𝑝𝑖 = 𝟒. 𝟔𝟒
𝑋 + 0.36 + 𝑋 = 1
2𝑋 + 0.36 = 1
2𝑋 = 1 − 0.36
0.
𝑋=
𝑋 = 0.32
∑ 𝑝𝑖 = 0.32 + 0.36 + 0.32
∑ 𝑥𝑖𝑝𝑖 = (1 ∗ 0.32) + (2 ∗ 0.36) + (3 ∗ 0.32) = 0.32 + 0.72 + 0.96 = 2
∑ 𝑥𝑖2𝑝𝑖=(12∗0.32)+(22∗0.36)+(32∗0.32)=4.64
Cálculo de esperanza matemática.
𝑛
𝑢 = 𝐸(𝑥) = ∑ 𝑥𝑖𝑝𝑖
𝑖=1
𝑛
𝑢 = 𝐸(𝑥) = ∑𝑥𝑖𝑝𝑖=(1∗0.32)+(2∗0.36)+(3∗0.32)=0.32+0.72+0.96=2
𝑖=1
𝑢=𝟐
Cálculo de la varianza
𝑛
𝜎2 = ∑ 𝑥𝑖2𝑝𝑖 − 𝑢2
𝑖=1
𝜎2 = ∑((12 ∗ 0.32) + (22 ∗ 0.36) + (32 ∗ 0.32)) − (2)2

𝑖=1
𝑛
𝜎2 = ∑(𝟒. 𝟔𝟒) − (𝟐)2

𝑖=1
𝜎2 = ∑(𝟒. 𝟔𝟒) − 𝟒
𝑖=1 𝜎2 = 𝟎.
𝟔𝟒
Cálculo de la desviación típica o estándar.
= √ ∑ 𝑥𝑖2 𝑝𝑖 −
𝜎 𝑖 =1 𝑢2
𝜎 = √((12 ∗ 0.32) + (22 ∗ 0.36) + (32 ∗ 0.32)) − (2)2
𝜎 = √𝟎. 𝟔𝟒 𝜎 = 𝟎. 𝟖
a)¿Cuál es el valor de c?
𝑥𝑖 -10 -5 0 5
𝑝𝑖 C 2c 3c 4c
𝒄 + 𝟐𝒄 + 𝟑𝒄 + 𝟒𝒄 = 1 𝟏𝟎𝒄 = 1 𝑐 = 𝟎. 𝟏
b)Escribe la función de probabilidad y de distribución.
𝑥𝑖 -10 -5 0 5
𝑝𝑖 0.1 0.2 0.3 0.4
𝐹(𝑥) = 𝑝(𝑋 ≤ 𝑥) = ∑ 𝑝[𝑋 = 𝑥𝑖]

𝑥1<𝑥
𝐹(−10) = 𝑝[𝑋 ≤ −10] = 𝑝[𝑋 = −10] = 𝟎. 𝟏
𝐹(−5) = 𝑝[𝑥 <= −𝟓] = 𝑝[𝑥 = −10] + 𝑝[𝑥 = −5] = 𝟎. 𝟏 + 𝟎. 𝟐 = 𝟎. 𝟑
𝐹(𝟎) = 𝑝[𝑥 <= 0] = 𝑝[𝑥 = −𝟏𝟎] + 𝑝[𝑥 = −𝟓] + 𝑝[𝑥 = 𝟎] = 𝟎. 𝟏 + 𝟎. 𝟐 + 𝟎. 𝟑 = 0.6
𝐹(𝟓) = 𝑝[𝑥 <= 5] = 𝑝[𝑥 = −𝟏𝟎] + 𝑝[𝑥 = −𝟓] + 𝑝[𝑥 = 𝟎] + 𝑝[𝑥 = 𝟓]

= 𝟎. 𝟏 + 𝟎. 𝟐 + 𝟎. 𝟑 + 𝟎. 𝟒 = 1
LA FUNCIÓN DE DISTRIBUCIÓN.
, 𝑠𝑖 𝑥
𝟎. , 𝑠𝑖
𝐹 , 𝑠𝑖
, 𝑠𝑖 𝟓
𝟏 , 𝑠𝑖 𝑥 𝟓
𝑥
𝑥𝑖 𝑝𝑖 𝑥𝑖 𝑝𝑖 𝑥𝑖 𝑝𝑖
-10 0.1 -1 10
-5 0.2
0 0.3 0 0
5 0.4 2 10
TOTAL
𝟏 𝑥𝑖𝑝𝑖 𝟎 𝟐𝟓
𝑋
𝑋
𝑥𝑖𝑝𝑖
Cálculo de esperanza matemática.

𝑛
𝑢 = 𝐸(𝑥) = ∑ 𝑥𝑖𝑝𝑖
𝑖=1
𝑛
𝑢 = 𝐸(𝑥) = ∑ 𝑥𝑖𝑝𝑖=(−10∗0.1)+(−5∗0.2)+(0∗0.3)+(5∗0.4)=(−1)+(−1)+0+2=0
𝑖=1
𝑢=𝟎
Cálculo de la varianza
𝑛
𝜎2 = ∑ 𝑥𝑖2𝑝𝑖 − 𝑢2
𝑖=1
𝑛
𝜎2 = ∑((−102 ∗ 0.1) + (−52 ∗ 0.2) + (02 ∗ 0.3) + (52 ∗ 0.4)) − (0)2

𝑖=1
𝑛
𝜎2 = ∑(𝟐𝟓) − (𝟎)2
𝑖=1
𝑛
𝜎2 = ∑(𝟐𝟓) − 𝟎
𝑖=1
𝜎2 = 𝟐𝟓
Cálculo de la desviación típica o estándar.
𝜎 = √∑𝑥𝑖2𝑝𝑖 − 𝑢2
𝑖=1
𝜎 = √((−102 ∗ 0.1) + (−52 ∗ 0.2) + (02 ∗ 0.3) + (52 ∗ 0.4)) − (0)2
𝜎 = √𝟐𝟓
𝜎=𝟓
TEMA: ESPACIO MUESTRAL Y EVENTOS
1.Se lanza un dado de ochos caras, cada una de ellas un número que va del 1 al 8.
a) El espacio muestral es:
El espacio muestral es el conjunto de todos los posibles resultados de un experimento aleatorio.

En este caso, el lanzamiento de un dado de ocho caras, cada una numerada del 1 al 8.. Entonces, el
espacio muestral es:
Ω = {1,2,3,4,5,6,7,8}
b) El evento de obtener números pares es:
En un dado de ocho caras, los números pares son 2, 4, 6 y 8. Por lo tanto, el evento de obtener
números pares en el lanzamiento del dado incluye estos cuatro resultados posibles.
𝐸1 {2,4,6,8}
c) El evento de obtener números primos:
En un dado de ocho caras, los números pares son 2, 3, 5 y 7. Por lo tanto, el evento de obtener
números pares en el lanzamiento del dado incluye estos cuatro resultados posibles.
𝐸2 {2,3,5,7}
d) El evento de obtener números mayores a 8:
En este caso, el dado de ocho caras solo tiene números que van del 1 al 8. No hay ningún número
mayor a 8 en las caras del dado. Por lo tanto, el evento de obtener números mayores a 8 es:
𝐸3 = {}
2. Se lanza un dado de 4 caras (numeradas del 1 al 4) y una moneda. Marca la respuesta

que corresponda en cada caso.
a) El espacio muestral es:
El espacio muestral en este caso está compuesto por todas las posibles combinaciones del
resultado del dado de 4 caras y el resultado de la moneda. Dado que el dado tiene 4 caras y la
moneda tiene 2 lados (cara y sello), el espacio muestral es:
Ω = {1𝐶, 2𝐶, 3𝐶, 4𝐶, 1𝑆, 2𝑆, 3𝑆, 4𝑆}

b) El evento de obtener cara y un número mayor a 2.
El evento de obtener cara y un número mayor a 2 se tienes dos posibilidades que cumplen esta
condición que es:
𝐸1 {3𝐶, 4𝐶}
c) El evento de obtener sello con número impar.
El evento de obtener sello y un número impar a 2 se tienes dos posibilidades que cumplen esta
condición que es:
𝐸2 {1𝑆, 3𝑆}
DISTRIBUCIÓN BINOMIAL NEGATIVA, GEOMÉTRICA E HIPERGEOMÉTRICA
1)La probabilidad que una persona expuesta a cierta enfermedad la contraiga es 0.3. Calcule
la probabilidad que la quinta persona expuesta a esta enfermedad sea la segunda en
contraerla.
p=0.3
x=5
𝑃(𝑋 = 𝑥) = 𝑝(1 − 𝑝)𝑥−1 = 0.3(1 − 0.3)5−1 = 0.3(0.7)4 = 0.3 ∗ 0.24 = 0.07
a) P(x=x+2)= b * (x+2; 2,0,5) = (x+1 / 1) 0,5 ^ 2 - 0,5 ^ x

b* (x+2; 2,0,5) = (x+1)-0,5 ^ *+2
B) P (y=4)=b* (4;2,0.5)=(3/1) 0.5 ^2 * 0.5 ^ 2
P (y =<4) = 0.1875
c) P (x =<4) = P(x=4) + P(Y=3) + P(y=2)
P (x =<4)=(3/1)0.5 ^2 * 0.5 ^ 2+ (3) 0.5 ^ 2*0.5+ (1/1 )0.5 ^ 2 * 0.5 ^0 =
0,6875 Respuesta
4)Un caja de 10 alarmas contra robo contiene 4 defectuosa. Si se seleccionan al azar 3 de ellas
y se envían a un cliente. Calcule la probabilidad que el cliente reciba:
a) Ninguna defectuosa;
N=10
a=4
n=3
x=0
(𝑎𝑥)(𝑁−𝑎
𝑛−𝑥
)
𝑃(𝑋 = 𝑥) =
(𝑁
𝑛
)
(40)(10−4
3−0
) 1(63) 1 ∗ 20 20
𝑃(𝑋 = 0) = = = = = 0.17
(10
3
) 120 120 120
b) No más de una defectuosa;
𝑃(𝑋 ≥ 1) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1)
(41)(10−4
3−1
) 4(62) 1 ∗ 15 15
𝑃(𝑋 = 1) = = = = = 0.13
(10
3
) 120 120 120
𝑃(𝑋 ≥ 1) = 0.17 + 0.13 = 0.3
c) Al menos una defectuosa

𝑃(𝑋 ≥ 1) = 1 − 𝑃(𝑥 < 1) = 1 − 𝑃(𝑥 = 0) = 1 − 0.17 = 0.83
2) Suponga que, en dos de cada diez intentos, un vendedor realiza una venta. Calcule la
probabilidad que en el sexto intento realice la primera venta.
P(X=6) =f (6)=)p(1 − p)(x−1) =0,0655

5) Si probabilidad de que un estudiante en una escuela de conducción obtenga su

licencia de conducir es 0.8, encuentre la probabilidad que uno de estos
estudiantes apruebe el examen
a) En el segundo intento:
P(aprobar en el segundo intento) = P(fallar en el primer intento) * P(aprobar en el segundo
intento | falló en el primer intento) =
(1 - 0.8) * 0.8 = 0.2 * 0.8 = 0.16
b) En el tercer intento:
P(aprobar en el tercer intento) = P(fallar en el primer intento) * P(fallar en el segundo
intento | falló en el primer intento) * P(aprobar en el tercer intento | falló en el primer y
segundo intento) =
(1 - 0.8) * (1 - 0.8) * 0.8 = 0.2 * 0.2 * 0.8 = 0.032
DISTRIBUCIÓN DE POISSON
a)
𝑃(𝑥 ≥ 5) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5)

𝑒 −2 20 𝑒 −2 21 𝑒 −2 22 𝑒 −2 23 𝑒 −2 24 𝑒 −2 25
= + + + + + = 0.9836
0! 1! 2! 3! 4! 5!
b)
𝑃(𝑥 ≥ 6) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6)
𝑒 −2 20 𝑒 −2 21 𝑒 −2 22 𝑒 −2 23 𝑒 −2 24 𝑒 −2 25 𝑒 −2 26
= + + + + + + = 0.9955
0! 1! 2! 3! 4! 5! 6!
c)
𝑃(𝑥 ≥ 10) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6)

+ 𝑃(𝑥 = 7) + 𝑃(𝑥 = 8) + 𝑃(𝑥 = 9) + 𝑃(𝑥 = 10)
𝑒 −4 40 𝑒 −4 41 𝑒 −4 42 𝑒 −4 43 𝑒 −4 44 𝑒 −4 45 𝑒 −4 46 𝑒 −4 47 𝑒 −4 48 𝑒 −4 49
= + + + + + + + + +
0! 1! 2! 3! 4! 5! 6! 7! 8! 9!
𝑒 −4 410
+ = 0.8614
10!
a)
𝑒 −12 1210
𝑃(𝑥 = 10) = = 0.1637
10!
b)
𝑃(𝑥 ≥ 10) = 1 − 𝑃(𝑥 < 10)

=1
− [𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5)
+ 𝑃(𝑥 = 6) + 𝑃(𝑥 = 7) + 𝑃(𝑥 = 8) + 𝑃(𝑥 = 9) + 𝑃(𝑥 = 10)]
𝑒 −12 120 𝑒 −12 121 𝑒 −12 122 𝑒 −12 123 𝑒 −12 124 𝑒 −12 125 𝑒 −12 126 𝑒 −12 127
=1−( + + + + + + +
0! 1! 2! 3! 4! 5! 6! 7!
−12
𝑒 12 8 −12
𝑒 12 9 −12
𝑒 12 10
+ + + ) = 0.0135
8! 9! 10!
a)
𝑃(𝑥 ≥ 4) = 1 − 𝑃(𝑥 < 4) = 1 − [𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)]
𝑒 −4 40 𝑒 −4 41 𝑒 −4 42 𝑒 −4 43 𝑒 −4 44
=1−( + + + + ) = 0.982
0! 1! 2! 3! 4!
b)
𝑃(𝑥 ≥ 4) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)

𝑒 −4 40 𝑒 −4 41 𝑒 −4 42
= + +
0! 1! 2!
𝑒 −4 43
+
3!
𝑒 −4 44
+
4!
= 0.628
𝑃(𝑥 > 4) = 1 − 𝑃(𝑥 ≤ 4) = 1 − 0.268 = 0.372
P(más de 4 frutas en 3 de los 5 días)= 1 - P(X > 4) * P(X > 4) * P(X > 4) * P(X ≤ 4) * P(X ≤ 4)=0.045
TEMA: DISTRIBUCIONES DE PROBABILIDAD
DISTRIBUCIÓN UNIFORME DISCRETA Y BINOMIAL
a) Determine la media y varianza de X

n+1 50+1 51
U= = = = 25,5
2 2 2
𝑛−1 50−1
V(x) = = = 8,25
12 12
b) Calcule P(5<X<=10)
0,611
2)La variable aleatoria x tiene distribución binomial con n=8, p=0.4

a) Defina la función de distribución de probabilidad x
b) Grafique la función de distribución de probabilidad
c) grafique la función de distribución de probabilidad acumulada
d) cuáles son los valores de x más factibles que ocurran
e) cuáles son los valores de x menos factibles
f) calcule P(x=5)
g) calcule P(x<=2)
2)Un ingeniero que labora en el departamento de control de calidad de una empresa eléctrica
inspecciona una muestra al azar de tres motores de la producción. Se sabe que el 15% de los
motores salen defectuosos. Calcule la probabilidad de que la muestra
a) Ninguna sea defectuosa,
b) Uno sea defectuoso,
c) Al menos dos sean defectuosos,
d) Obtenga la media y la varianza de la variable aleatoria del problema
Solución:
Sea X la variable que representa el número de motores. Tenemos una distribución binomial, con
n=3 y p=0,15: B (3, 0,15)
P(X = x) = p*q
a) P(X-3)=0.15 -0.85-1*06141=0.6141
b) P(X=3)=(2) 0.15 0.85² = 0.15 *0.7225-01083
c) P(X=3)= 0.15 0.85¹=0.0225*0.85=0.0191
d) unp 30.15=0.45
G =npq= 3 * 0.15 * 0.85 = 0.3825
3) Un ingeniero que labora en el departamento de control de calidad de una empresa eléctrica,

inspecciona una muestra al azar de tres motores de la producción. Se sabe que 15% de los
motores salen defectuoso. Calcule la probabilidad que en la muestra
a) Ninguno sea defectuoso
p=15%=0.15
q=0.85
n=3
x=0
p+q = 1
𝑞 = 1−𝑝
𝑞 = 0.85
𝑛
𝑓(𝑥) = ( ) 𝑝 𝑥 ∗ (1 − 𝑝)𝑛−𝑥
𝑥
𝑃(𝑥 = 0) = (30)0.150 ∗ (1 − 0.15)3−0 = 1 ∗ 1 ∗ 0.853 =1*1*0.61=0.61
b) Uno sea defectuoso
𝑃(𝑥 = 1) = (31)0.151 ∗ (1 − 0.15)3−1 = 3 ∗ 0.15 ∗ 0.852 =3*0.15*0.72=0.32
c) Al menos dos sean defectuosos?
𝑃(𝑥 = 2) = (32)0.152 ∗ (1 − 0.15)3−2 = 3 ∗ 0.02 ∗ 0.851 =3*0.02*0.85=0.05
d)Obtenga la media y la varianza de la variable aleatoria del problema
𝜇 = 𝑛𝑝
𝜇 = 3 ∗ 0.15 = 0.45
𝜎 2 = 𝑛𝑝(1 − 𝑝)
𝜎 2 = 3 ∗ 0.15(1 − 0.15) = 0.45 ∗ 0.85 = 0,38
4. La probabilidad de que en un CD de música dure al menos un año sin que falle es

de 0.95.
Calcular que en una muestra de 15
a) 12 duren menos de un año.
P(x = 12) = (12) x (0.05) 12 x (0.95)3 = 9.52–14
b) A lo más 5 duren menos de un año.
P(x ≤ 5) =
P(x = 0) + P(x = 1) + P(x = 2) + P(x = 3) + P(x = 4) + P(x = 5) 15
P(x = 0) = (5) x (0.05)° x (0.95)15 = 0.46329 0
P(x = 1) = (5) x (0.05)¹ x (0.95)¹¹ = 0.36576 (2
P(x = 2) = ) x (0.05)² x (0.95)¹³ = 0.1348
P(x = 3) = ) x (0.05)³ x (0.95)¹² = 0.0307
P(x = 4) = (5) x (0.05) x (0.95)¹¹ = 0.004853 (3
P(x = 5) = (5 ) x (0.05) x (0.95)¹º = 0.000562
P(x≤ 5) = P(x = x) = 0.999965
Interpretación: La probabilidad de que a lo más 5 duren menos de un año es de

99.9965%.
c) Al menos 2 duren menos de un año.

P(x 2) = 1 P(x < 2) = 1 − P(x = 0) P(x = 1) = 1 (0.82905) = 0.171
d) obtenga la media y la varianza del problema.
La media de Y se calcula multiplicando la constante (5) por la media de x:
E(Y) = 5 * E(x)
La varianza de Y se calcula multiplicando la constante (5) al cuadrado por la varianza de x:
Var(Y) = 5^2 * Var(x)
Sin embargo, dado que no se proporciona la distribución de probabilidad de x, no es posible calcular

la media y la varianza de Y.
EVENTOS INDEPENDIENTES
https://us04web.zoom.us/j/78934883647?pwd=2abplJagINXjFcTA6Uw6YUT4rbrLEu.1
1) Dos jugadores de futbol realizan un disparo cada uno. Se conoce que la probabilidad de éxito
del primero es 0.7 mientras que la probabilidad de esxito del segundo jugador es 0.6. Calcule la
probabilidad que
a) Ambos jugadores tenga éxito.
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴) ∗ 𝑃(𝐵)

𝑃(𝐴 ∩ 𝐵) = 0.7 ∗ 0.6
𝑃(𝐴 ∩ 𝐵) = 0.42
b) Ninguno tenga éxito.
𝑃(𝐴 ∪ 𝐵) = 0.12
c) Al menos uno tenga éxito.
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 ∪ 𝐵) = 0.7 + 0.6 − 0.42

𝑃(𝐴 ∪ 𝐵) = 0.88
2) Dos alarmas contra funcionan independientemente. La probabilidad de éxito de detención de
la primera es 0.95, mientras que para la segunda es 0.9. Calcule la probabilidad que:
a) Al menos una alarma tenga éxito.
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)
𝑃(𝐴 ∪ 𝐵) = 0.98 + 0.9 − (0.95 ∗ 0.9)
𝑃(𝐴 ∪ 𝐵) = 0.995
b) Solamente una alarma tenga éxito
𝑃(𝐴 ∩ 𝐵) = 1 − [𝑃(𝐴) + 𝑃(𝐵)]

𝑃(𝐴 ∩ 𝐵) = 1 − 0.255
𝑃(𝐴 ∩ 𝐵) = 0.145
3) Sean A, B eventos independientes. Demuestre que los eventos 𝑨𝑪 , 𝑩𝑪 también son eventos
independientes.
Datos
P(A)=1-P(A)
P(B)=1-P(B)
P(AႶB)=P(A)*P(B)
P(AႶB)=[ 1-P(A)][ 1-P(B)]
P(AႶB)=1-P(B)-P(A)+P(AႶB)
P(AႶB)=1-[P(B)+P(A)-P(AႶB)]
P(AႶB)=1-P(AՍB)
Por lo tanto…
P(A’ႶB’)=[1+P(A)]*[1-P(B)]
=1-P(B)-P(A)-P(AႶB)
=1-[P(B)+P(A)- P(AႶB)]
=1-P(AՍB)
TEMA: VARIABLE ALEATORIA

DISCRETA
https://us04web.zoom.us/j/75399313212?pwd=JWh34WcfFeAs2QnVrjvUmaL8uxOqB9.1
a) Para verificar que la función de distribución de probabilidad f(x) satisface las propiedades de
las distribuciones de probabilidad, debemos confirmar dos condiciones:
La suma de todas las probabilidades debe ser igual a 1: Sumaremos todas las probabilidades para
los valores de x dados:
f(0) + f(1) + f(2) + f(3) + f(4) = (2(0) + 1)/25 + (2(1) + 1)/25 + (2(2) + 1)/25 + (2(3) + 1)/25 + (2(4) +
1)/25 = 1/25 + 3/25 + 5/25 + 7/25 + 9/25 = (1 + 3 + 5 + 7 + 9)/25 = 25/25 = 1
Como la suma de todas las probabilidades es igual a 1, se cumple la primera propiedad.
Todas las probabilidades deben ser no negativas:

Evaluaremos cada f(x) para los valores de x dados y comprobaremos que todas las probabilidades
son no negativas:
𝑓
Todas las probabilidades son no negativas, lo que satisface la segunda propiedad.
Por lo tanto, la función de distribución de probabilidad f(x) satisface las propiedades de las
distribuciones de probabilidad.
b) Para graficar f mediante un histograma, asignaremos las probabilidades a los valores de x y

representaremos la altura de las barras según la probabilidad correspondiente.
c) Para calcular P(X=3), simplemente debemos evaluar la función de distribución de probabilidad
(2(3) + 1) 7
𝑓(𝑥) 𝑒𝑛 𝑥 = 3: 𝑃(𝑥 = 3) = 𝑓(3) = =
25 25
Para calcular P(2<X<4), debemos sumar las probabilidades de los valores de x entre 2 y 4
(exclusivo):
(2(3) + 1) (2(4) + 1) 7 9 16
𝑃(2 < 𝑥 < 4) = 𝑓(3) + 𝑓(4) = + = + =
25 25 25 25 25
2) Para ensamblar una máquina se usan dos componentes mecánicos. Suponga que la
probabilidad que el primer componente cumpla las especificaciones es 0.95, y para el
segundo es 0.98. Además, los componentes funcionan independientemente. Encuentre
la función de distribución de probabilidad del número de componentes que cumplen las
especificaciones, X = 0, 1, 2
Para encontrar la función de distribución de probabilidad del número de componentes que cumplen
las especificaciones, X = 0, 1, 2, podemos utilizar la distribución binomial, ya que tenemos dos
componentes independientes con una probabilidad constante de éxito.
La función de distribución de probabilidad se puede calcular utilizando la fórmula de la distribución

binomial:
𝑃(𝑥 = 𝑘) = 𝐶(𝑛, 𝑘) ∗ 𝑝𝑘 ∗ (1 − 𝑝)(𝑛−𝑘) Donde:

P(X=k) es la probabilidad de que el número de componentes que cumplen las especificaciones sea
igual a k. n es el número de componentes (en este caso, 2). k es el número de componentes que
cumplen las especificaciones (0, 1, 2). p es la probabilidad de éxito para cada componente (0.95 para
el primer componente y 0.98 para el segundo componente).
Calcularemos las probabilidades para cada valor de k:
𝑃(𝑥 = 0) = 𝐶(2,0) ∗ 0.950 ∗ (1 − 0.95)(2−0) = 1 ∗ 1 ∗ 0.052 = 0.0025
𝑃(𝑥 = 1) = 𝐶(2,1) ∗ 0.951 ∗ (1 − 0.95)(2−1) = 2 ∗ 0.95 ∗ 0.05 = 0.095
𝑃(𝑥 = 2) = 𝐶(2,2) ∗ 0.952 ∗ (1 − 0.95)(2−2) = 1 ∗ 0.952 ∗ 1 = 0.09025
La función de distribución de probabilidad del número de componentes que cumplen las
especificaciones es:
P(X=0) = 0.0025 P(X=1) = 0.095 P(X=2) = 0.9025
Por lo tanto, la función de distribución de probabilidad es:
X | P(X)
0 = 0.0025
1 = 0.095
2 = 0.9025
3) Respecto al ejercicio 1
a) Encuentre y grafique la función de distribución acumulada F
b) Usando F calcule P(X<1.25), P(1.5<X<3), P(X<2.5 v X>3.2)
a) Para encontrar la función de distribución acumulada F, debemos sumar las probabilidades

acumuladas hasta cada valor de x. La función de distribución acumulada se calcula de la
siguiente manera:
F(X) = P(X ≤ x) = Σ P(X = k), donde la suma se
realiza desde k = 0 hasta k = x.
La función de distribución acumulada F se calcula de la siguiente manera:
F(0) = P(X ≤ 0) = P(X = 0) = 0.0025 F(1) = P(X ≤ 1) = P(X = 0) + P(X = 1) = 0.0025 + 0.095 = 0.0975 F(2)
= P(X ≤ 2) = P(X = 0) + P(X = 1) + P(X = 2) = 0.0025 + 0.095 + 0.9025 = 1
La función de distribución acumulada F es: F(X) = 0 para X < 0 F(X) = 0.0025 para 0 ≤ X < 1 F(X) =
0.0975 para 1 ≤ X < 2 F(X) = 1 para X ≥ 2
b) Para graficar la función de distribución acumulada F, se puede utilizar un gráfico de escalones o

un gráfico lineal que muestre los valores acumulados en cada punto.
c) Usando la función de distribución acumulada F, podemos calcular las probabilidades
requeridas:
P(X < 1.25) = F(1.25) - F(0) = 0.0975 - 0 = 0.0975
P(1.5 < X < 3) = F(3) - F(1.5) = 1 - 0.0975 = 0.9025
P(X < 2.5 v X > 3.2) = P(X < 2.5) + P(X > 3.2) = F(2.5) - F(0) + (1 - F(3.2))
Recuerda que F(2.5) representa la probabilidad acumulada hasta X = 2.5 y F(3.2) representa la
probabilidad acumulada hasta X = 3.2.
4.- La distribución de probabilidad de una variable aleatoria discreta viene dada por:
xi 1 2 3 4
pi 0,3 0,35 k 0,2
a) Para que la distribución de probabilidad sea válida, la suma de todas las probabilidades debe
ser igual a 1.
Sumamos todas las probabilidades dadas: 0.3 + 0.35 + k + 0.2 = 1
Resolvemos la ecuación para encontrar el valor de k: 0.85 + k = 1 k = 1 - 0.85 k =

0.15 Entonces, k = 0.15 para que sea una función de probabilidad. b)
Representación gráfica de la función de probabilidad:
xi | pi 1
= 0.3 *
2 = 0.35 *
3 = 0.15
4 = 0.2 *
c) La función acumulada se calcula sumando las probabilidades acumuladas hasta cada valor de
x.
F(X) = P(X ≤ x) = Σ P(X = xi), donde la suma se realiza desde i = 1 hasta i = x. Calculamos
la función acumulada para cada valor de x:
F(1) = P(X ≤ 1) = P(X = 1) = 0.3 F(2) = P(X ≤ 2) = P(X = 1) + P(X = 2) = 0.3 + 0.35 = 0.65 F(3) = P(X ≤ 3) =
P(X = 1) + P(X = 2) + P(X = 3) = 0.3 + 0.35 + 0.15 = 0.8 F(4) = P(X ≤ 4) = P(X = 1) + P(X = 2) + P(X = 3) +
P(X = 4) = 0.3 + 0.35 + 0.15 + 0.2 = 1
La función acumulada es: F(X) = 0 para X < 1 F(X) = 0.3 para 1 ≤ X < 2 F(X) = 0.65 para 2 ≤ X < 3 F(X)
=
0.8 para 3 ≤ X < 4 F(X) = 1 para X ≥ 4
d) Para hallar P (X ≤ 4), simplemente evaluamos la función acumulada en

X = 4: P (X ≤ 4) = F (4) = 1
Para hallar P (2 ≤ X ≤ 4), calculamos la diferencia entre las probabilidades acumuladas en X = 4 y X
=
1: P(2 ≤ X ≤ 4) = F(4) - F(1) = 1 - 0.3 = 0.7
Por lo tanto, P(X ≤ 4) = 1 y P(2 ≤ X ≤ 4) = 0.7.
5.- Se lanzan dos dados cúbicos con las caras numeradas del 1 al 6. Se considera la variable
Aleatoria 𝑿, que asigna a cada elemento del espacio muestral la suma de las caras
obtenidas. Indica su función de distribución y su función de probabilidad.
Para determinar la función de distribución y la función de probabilidad de la variable aleatoria X,
que representa la suma de las caras obtenidas al lanzar dos dados, podemos hacerlo de la siguiente
manera:
Espacio muestral: El espacio muestral consiste en todas las posibles combinaciones de resultados
de lanzar dos dados. Cada dado tiene 6 caras numeradas del 1 al 6, por lo que hay un total de 6 * 6
= 36 posibles resultados en el espacio muestral.
Función de probabilidad: La función de probabilidad asigna la probabilidad a cada valor de X en el

espacio muestral. Para calcular la función de probabilidad, necesitamos determinar la probabilidad
de obtener cada suma posible.
Podemos listar todas las posibles sumas y su probabilidad correspondiente:

• Suma 2: Hay solo una forma de obtener una suma de 2 (1 + 1), por lo que su probabilidad
es 1/36.
• Suma 3: Hay dos formas de obtener una suma de 3 (1 + 2, 2 + 1), por lo que su probabilidad
es 2/36.
• Suma 4: Hay tres formas de obtener una suma de 4 (1 + 3, 2 + 2, 3 + 1), por lo que su
probabilidad es 3/36.
• Suma 5: Hay cuatro formas de obtener una suma de 5 (1 + 4, 2 + 3, 3 + 2, 4 + 1), por lo que
su probabilidad es 4/36.
• Suma 6: Hay cinco formas de obtener una suma de 6 (1 + 5, 2 + 4, 3 + 3, 4 + 2, 5 + 1), por lo
que su probabilidad es 5/36.
• Suma 7: Hay seis formas de obtener una suma de 7 (1 + 6, 2 + 5, 3 + 4, 4 + 3, 5 + 2, 6 + 1),
por lo que su probabilidad es 6/36.
• Suma 8: Hay cinco formas de obtener una suma de 8 (2 + 6, 3 + 5, 4 + 4, 5 + 3, 6 + 2), por lo
que su probabilidad es 5/36.
• Suma 9: Hay cuatro formas de obtener una suma de 9 (3 + 6, 4 + 5, 5 + 4, 6 + 3), por lo que
su probabilidad es 4/36.
• Suma 10: Hay tres formas de obtener una suma de 10 (4 + 6, 5 + 5, 6 + 4), por lo que su
probabilidad es 3/36.
• Suma 11: Hay dos formas de obtener una suma de 11 (5 + 6, 6 + 5), por lo que su probabilidad
es 2/36.
• Suma 12: Hay una forma de obtener una suma de 12 (6 + 6), por lo que su probabilidad es
1/36.
Función de distribución: La función de distribución acumulativa (F(x)) se define como la probabilidad
de que la variable aleatoria X sea menor o igual que un valor específico x. Se puede calcular sumando
las probabilidades acumuladas de todos los valores menores
6.- En una bolsa hay bolas numeradas: nueve bolas con un 1, cinco bolas con unas 2 y 6
bolas con un 3. Se extrae una bola al azar.
a) Para representar las funciones de probabilidad y distribución, primero necesitamos calcular las
probabilidades de cada número y luego calcular la función de distribución acumulativa.
Función de probabilidad: La función de probabilidad asigna la probabilidad a cada valor posible de

X (número en la bola extraída). En este caso, tenemos tres posibles valores: 1, 2 y 3.
• Probabilidad de obtener un 1: Hay nueve bolas numeradas con un 1 en la bolsa, y en total

hay 9 + 5 + 6 = 20 bolas en la bolsa. Por lo tanto, la probabilidad de obtener un 1 es 9/20.
• Probabilidad de obtener un 2: Hay cinco bolas numeradas con un 2 en la bolsa, por lo que
la probabilidad de obtener un 2 es 5/20.
• Probabilidad de obtener un 3: Hay seis bolas numeradas con un 3 en la bolsa, por lo que la
probabilidad de obtener un 3 es 6/20.
Función de distribución: La función de distribución acumulativa (F(x)) se define como la
probabilidad de que la variable aleatoria X sea menor o igual que un valor específico x.
Para calcular la función de distribución, necesitamos sumar las probabilidades acumuladas de los
valores anteriores:
F(1) = P(X ≤ 1) = P(X = 1) = 9/20

F(2) = P(X ≤ 2) = P(X = 1) + P(X = 2) = 9/20 + 5/20 = 14/20 = 7/10
F(3) = P(X ≤ 3) = P(X = 1) + P(X = 2) + P(X = 3) = 9/20 + 5/20 + 6/20 = 20/20 = 1
a) Graficar F(x):
La función de distribución acumulativa aumenta en pasos en los puntos donde hay un cambio en la
probabilidad. En este caso, hay un cambio en x = 1 (9/20) y x = 2 (14/20), y luego se alcanza la
probabilidad máxima de 1 en x = 3.
Media y Varianza de una variable aleatoria discreta
a)
2𝑥 + 1 2(0) + 1 1
𝑓(0) = = = = 0.04
25 25 25
2𝑥 + 1 2(1) + 1 3
𝑓(1) = = = = 0.12
25 25 25
2𝑥 + 1 2(2) + 1 5
𝑓(2) = = = = 0.2
25 25 25
2𝑥 + 1 2(3) + 1 7
𝑓(3) = = = = 0.28
25 25 25
2𝑥 + 1 2(4) + 1 9
𝑓(4) = = = = 0.36
25 25 25
x f(x) x*f(x)
0 0.04 0
1 0.12 0.12
2 0.2 0.4
3 0.28 0.84
4 0.36 1.44
TOTAL 2.8
𝜇 = 𝐸[𝑥]
𝐸[𝑓(𝑥)] = ∑ 𝑓(𝑥)𝑃(𝑋 = 𝑥)
𝑋∈𝑆
𝐸[𝑓(𝑥)] = 2.8
𝜇 = 2.8
b)
𝐺(𝑥) = 2𝑥 + 1 = 2𝐸[𝑥] + 1 = 2(2.8) + 1 = 5.6 + 1 = 6.6

c)
𝜎 2 = E[(𝑥 − 𝜇)2 ] = E[(𝑥 − 2.8)2 ] = [(0 − 2.8)2 ∗ P(X = 0)] + (1 − 2.8)2 ∗ P(X
= 1)] + [(2 − 2.8)2 ∗ P(X = 2)] + [(3 − 2.8)2 ∗ P(X
= 3)] + [(4 − 2.8)2 ∗ P(X = 4)]
= [(0 − 2.8)2 ∗ 0.04 + (1 − 2.8)2 ∗ 0.12] + [(2 − 2.8)2 ∗ 0.2
+ [(3 − 2.8)2 ∗ 0.28] + [(4 − 2.8)2 ∗ 0.36]
= 0.29 + 0.23 + 0.01 + 0.001 + 0.05 = 0.31
Probabilidad Binomial:
P(x = k ) = Cn,k p∧k*q∧(n-k)
Primer componente
p = 0,95
q = 0,05
n=2
k = 0,1,2
P ( x = 0) = C2,0 (0,95)⁰ ( 0,05)²
P ( x = 0) = 2*1*0,0025 = 0005
P (x=1)= C2,1 (0,95)¹(0.05)¹
P (x=1)= 2*0,95*0,05 = 0,095

P (x=2)= C2,2 (0,95)² (0,05)⁰
P (x=2)= 1*0,9025 = 0,9025
Segundo componente
p = 0,98
q = 0,02
n=2
k = 0,1,2
P ( x = 0) = C2,0 (0,98)⁰ ( 0,02)²
P ( x = 0) = 2*1*0,0004 = 0008
P (x=1)= C2,1 (0,98)¹(0,02)¹
P (x=1)= 2*0,98*0,02 = 0,0392
P (x=2)= C2,2 (0,98)² (0,02)⁰
P (x=2)= 1*0,9604 = 0,9604
P(x)= 0,068 0,931 six-2 E(x)=

a) Ex^
2)= 3,792
V(x)= 1,93 0,0671
Sea b) E(g(x))=
g(x)-5000x^2 18950
3) La función de probabilidad de una variable Aleatoria discreta está dada por la
siguiente distribución de probabilidad:
xi 0 1 2 3 4
pi 0,1 a b c 0,2
Sabiendo que P (X ≤ 2) = 0,7 y que P (X ≥ 2) = 0,75 hallar su esperanza matemática y su

desviación típica.
0.1 + 𝑎 + 𝑏 = 0.7
𝒂 = 𝟎. 𝟔 − 𝒃
𝑏 + 𝑐 + 0.2 = 0.75
𝒄 = 𝟎. 𝟕𝟓 − 𝒃
0.1 + 𝑎 + 𝑏 + 𝑐 + 0.2 = 1
0.1 + 0.6 − 𝑏 + 𝑏 + 0.75 − 𝑏 = 1
−𝑏 = 1 − 1.45
𝑏 = 0.45
xi pi xi*pi
0 0.1 0 0
1 0.15 0.15 0.15
2 0.45 0.9 1.8
3 0.3 0.9 2.7
4 0.2 0.8 3.2
2.75 7.85
Esperanza matemática.
𝑛
𝑢 = 𝐸(𝑥) = ∑ 𝑥𝑖 𝑝𝑖 = 2.75
𝑖=1
Desviación típica
𝑛
𝜎 = ∑ 𝑥𝑖2 𝑝𝑖 − 𝑢2 = 7.85 − 2.752 = 0.29

2
𝑖=1
𝑛
𝜎 = √∑ 𝑥𝑖2 𝑝𝑖 − 𝑢2 = √0.29 = 0.54

𝑖=1
4) Calcula la esperanza, la varianza y la desviación típica de la variable aleatoria 𝑿, cuya

función de probabilidad viene dada por la tabla:
x -3 -1 3 4
f(x) 0,2 0,4 0,3 0,1
x f(x) x*f(x)
-3 0.2 -0.6 1.8
-1 0.4 -0.4 0.4
3 0.3 0.9 2.7
4 0.1 0.4 1.6
TOTAL 1 0.3 6.5
Esperanza matemática.
𝑛
𝑢 = 𝐸(𝑥) = ∑ 𝑥𝑖 𝑝𝑖
𝑖=1
𝑛
𝑢 = 𝐸(𝑥) = ∑ 𝑥𝑖 𝑝𝑖=(−3∗0.2)+(−1∗0.4)+(3∗0.3)+(4∗0.1)=−0.6+(−0.4)+0.9+0.4=0.3
𝑖=1
𝑢 = 𝟎. 𝟑
La varianza
𝑛
𝜎 2 = ∑ 𝑥𝑖2 𝑝𝑖 − 𝑢2
𝑖=1
𝜎2 = ∑((−32 ∗ 0.2) + (−12 ∗ 0.4) + (32 ∗ 0.3) + (42 ∗ 0.1)) − (0.3)2

𝑖=1
𝑛
𝜎2 = ∑(6.5) − (0.3)2
𝑖=1
𝑛
𝜎2 = ∑(6.5) − 0.09
𝑖=1
𝜎 2 = 6.41
La desviación típica
𝜎 = √∑ 𝑥𝑖2 𝑝𝑖 − 𝑢2
𝑖=1
𝜎 = √((−32 ∗ 0.2) + (−12 ∗ 0.4) + (32 ∗ 0.3) + (42 ∗ 0.1)) − (0.3)2

𝜎 = √6.5 − 0.09
𝜎 = √6.41
𝜎 = 2.53
5) Una compañía ha vendido 205 billetes para un avión de 200 plazas. Sea 𝑿 la variable aleatoria
que expresa el nº de viajeros que va al aeropuerto para viajar en el avión. Su distribución es:
xi 198 199 200 201 202 203 204 205
pi 0,05 0,09 0,15 0,20 0,23 0,17 0,09 0,02
A) Hallar la probabilidad de que todos los pasajeros que llegan a tomar el vuelo tengan plaza.
Queremos calcular
P(X ≤ 200). P(X ≤ 200) = P(X = 198) + P(X = 199) + P(X = 200) = 0,05 + 0,09 + 0,15 = 0,29 2.
B) ¿Cuál es la probabilidad de que se quede sin plaza alguno de los pasajeros que se presentan
en el aeropuerto?
P(X >200) = 1 − P(X ≤ 200) = 0,71.
C) Calcular el número esperado de viajeros que acude al aeropuerto.
En este caso, la variable aleatoria X tiene los siguientes valores y probabilidades:
xi: 198, 199, 200, 201, 202, 203, 204, 205 pi: 0.05, 0.09, 0.15, 0.20, 0.23, 0.17, 0.09, 0.02
Aplicando la fórmula, tenemos:
E(X) = (198 * 0.05) + (199 * 0.09) + (200 * 0.15) + (201 * 0.20) + (202 * 0.23) + (203 * 0.17) + (204 *
0.09) + (205 * 0.02)
E(X) = 9.9 + 17.91 + 30 + 40.2 + 46.46 + 34.51 + 18.36 + 4.1
E(X) = 201.44
Por lo tanto, el número esperado de viajeros que acude al aeropuerto es de 201.44
6.- Sea 𝑿 una variable aleatoria que expresa el número de personas que habitan en una
vivienda elegida al azar. La distribución de probabilidad de x es la siguiente:
xi 1 2 3 4 5 6 7 8ó+
pi 0,230 0,322 0,177 0,155 0,067 0,024 0,015 0,010
a. Comprobar que es una distribución de probabilidad.

b. Hallar la probabilidad de que el número de personas que viven en un hogar sea menor o
igual que cuatro.
c. Calcular la probabilidad de que al menos dos personas vivan en una vivienda.
d. Obtener el número esperado de personas que habitan en una vivienda.
e. Hallar la desviación típica de x
a.
0,230 + 0,322 + 0,177 + 0,155 + 0,067 + 0,024 + 0,015 + 0,010 = 1
La suma de todas las probabilidades es igual a 1, por lo que cumple la condición. Además, todas las
probabilidades dadas son no negativas, por lo que también cumple la condición.
b.
𝑃(𝑋 ≤ 4) = 𝑃(𝑋 = 1) + 𝑃(𝑋 = 2) + 𝑃(𝑋 = 3) + 𝑃(𝑋 = 4) =
= 0,230 + 0,322 + 0,177 + 0,155
= 0,884
c.
𝑃(𝑋 ≥ 2) = 1 − 𝑃(𝑋 = 1)
= 1 − 0,230
= 0,770
d.
Utilizamos Esperanza matemática
𝐸(𝑋) = (1 ∗ 0,230) + (2 ∗ 0,322) + (3 ∗ 0,177) + (4 ∗ 0,155) + (5 ∗ 0,067) + (6
∗ 0,024) + (7 ∗ 0,015) + (8 ∗ 0,010)
= 0,230 + 0,644 + 0,531 + 0,620 + 0,335 + 0,144 + 0,105 + 0,080
= 2,689
e)
Desviación típica
𝑛
𝜎2 = ∑ 𝑥𝑖2 𝑝𝑖 − 𝑢2 = 9.505 − 2.6892 = 2.27

𝑖=1
𝑛
𝜎 = √∑ 𝑥𝑖2 𝑝𝑖 − 𝑢2 = √2.27 = 1.51

𝑖=1
TEMA: PROBABILIDAD CONDICIONAL

https://us04web.zoom.us/j/78934883647?pwd=2abplJagINXjFcTA6Uw6YUT4rbrLEu.1
1) En club de amigos, 10 practican tenis, 7 practican futbol, 4 practican ambos deportes y los
restantes 5 no practican algún deporte. Si se elige una de estas personas al zar, calcule la
probabilidad que
Datos
T=10
F= 7
𝑇∩𝐹 = 4
UNI=18
P(T)=10/18
P(F)=7/18
4
𝑃(𝑇 ∩ 𝐹) =
18
5
𝑃(𝑇 ′ ∪ 𝐹 ′ ) =
18
a) Al menos practica un deporte
𝑃(𝑇 ∪ 𝐹) = 𝑃(𝑇) + 𝑃(𝐹) − 𝑃(𝑇 ∩ 𝐹)
10 7 4
𝑃(𝑇 ∪ 𝐹) = + −
18 18 18
13
𝑃(𝑇 ∪ 𝐹) =
18
b) No practique tenis
𝑃(𝑇′) = 𝑃(𝑇 ∪ 𝐹) − 𝑃(𝑇) + 𝑃(𝑇′ ∪ 𝐹′)
13 10 5
𝑃(𝑇) = + −
18 18 18
8
𝑃(𝑇) =
18
c) Practica tenis y no practique futbol

𝑃(𝑇 ∪ 𝐹′) = 𝑃(𝑇 ∪ 𝐹) − 𝑃(𝐹)
13 7
𝑃(𝑇 ∪ 𝐹 ′ ) = −
18 18
6
𝑃(𝑇 ∪ 𝐹 ′ ) =
18
d) Practiques tenis dado que no practica de futbol

𝑃(𝑇 ∪ 𝐹)
𝑃(𝑇|𝐹) =
𝑃(𝐹)
𝑃(𝑇 ∪ 𝐹) − 𝑃(𝐹)
𝑃(𝑇|𝐹) =
1 − 𝑃(𝐹)
13 7
−
𝑃(𝑇|𝐹) = 18 18
18 7
−
18 18
6
𝑃(𝑇|𝐹) = 18
11
18
6
𝑃(𝑇|𝐹) =
11
2) Sean los eventos A, B tales P(A)=0.4, P(B)=0.3, P(AႶB)=0.1, encuentre

a) P(A|B)
𝑃(𝐴⋂𝐵)
𝑃(𝐴|𝐵) =
𝑃(𝐵)
0.1
𝑃(𝐴|𝐵) =
0.3
1
𝑃(𝐴|𝐵) =
3
b) P(B|A)
𝑃(𝐴⋂𝐵)
𝑃(𝐵 |𝐴) =
𝑃(𝐴)
0.1
𝑃(𝐵 |𝐴) =
0.4
1
𝑃(𝐵 |𝐴) =
4
c) P(A|AՍB)
𝑃(𝐴⋂𝐵)
𝑃(𝐴|𝐴 ∪ 𝐵) =
𝑃(𝐴 ∪ 𝐵)
0.1
𝑃(𝐴│𝐴 ∪ 𝐵) =
0.4 + 0.3 − 0.1
0.1
𝑃(𝐴│𝐴 ∪ 𝐵) =
0.6
1
𝑃(𝐴│𝐴 ∪ 𝐵) =
6
d) P(A|AႶB)
𝑃(𝐴⋂𝐵)
𝑃(𝐴|𝐴⋂𝐵) =
𝑃(𝐴⋂𝐵)
𝑃(𝐴|𝐴⋂𝐵) = 1
e) P(AႶB|AՍB)
No tiene sentido, ambos eventos son excluyentes.
3) En una granja se tiene que la probabilidad que un animal tenga la gripe aviar es 0.3. La
probabilidad que la reacción a una prueba sea negativa para un animal sano es 0.9 y que
sea positiva para un animal enfermo es 0.8.
Datos
P(E)=0.3
P(P’|E’)=0.9
P(P|E)=0.8
a) Calcule la probabilidad que, para un animal elegido al azar, el examen sea positivo
𝑃(𝑃) = 𝑃(𝐴|𝐸) ∗ 𝑃(𝐴|𝐸) ∗ 𝑃(𝐸)
𝑃(𝑃) = 0.1 ∗ 0.7 + 0.8 ∗ 0.3
𝑃(𝑃) = 0.31
b) Calcule la probabilidad que el animal elegido al azar este enfermo, dado que el
examen fue positivo
R: 0.8
TEMA: PROBABILIDAD DE EVENTOS

1)En una fábrica hay 5 motores de los cuales 3 están defectuosos. Calcule la probabilidad
que, al elegir 2 motores al azar,
a) Ambos estén en buen estado
2 1
𝑃(𝐴) = ∗
5 4
𝑃(𝐴) = 1/10
b) Solamente uno está en buen estado
2 3 3 2
𝑃(𝐴) = ∗ + ∗
5 4 5 4
3
𝑃(𝐴) =
5
c)Al menos 1 estén en buen estado
2 1 3
𝑃(𝐴) = ∗ +
5 4 5
1 3
𝑃(𝐴) = +
10 5
7
𝑃(𝐴) =
10
2)En un grupo de 60 estudiantes, 42 están registrados en análisis numérico, 38 en estadística y
10 no están registrados en ninguna de estas 2 materias. Calcule la probabilidad que al elegir
entre los 60 algún estudiante al azar,
(42-X)+(38-X)+X+10=60
42+38+10-X=60
X=42+38+10-60
X=30
A=12 ; B=8 ; AB=30

a) Esté registrado únicamente en estadística
P(E)=8/60=2/15
b) Este registrado en ambas materias
P(AB)=30/60=1/2
3)Sean A, B eventos cualquiera de un equipo muestral.

Si P(A)=0.34, P(B)=0.68, P(AႶB)=0.15, calcule
a)𝑃(𝐴 ∪ 𝐵)
𝑃(𝐴 ∪ 𝐵) = 𝑃(𝐴) + 𝑃(𝐵) − 𝑃(𝐴 ∩ 𝐵)

𝑃(𝐴 ∪ 𝐵) = 0.38 + 0.68 − 0.15
𝑃(𝐴 ∪ 𝐵) = 0.91
b) 𝑃(𝐴 ∩ 𝐵𝑐 )
𝑃(𝐴 ∩ 𝐵) = 𝑃(𝐴 ∪ 𝐵) − 𝑃(𝐵)
𝑃(𝐴 ∩ 𝐵) = 0.91 − 0.68

𝑃(𝐴 ∩ 𝐵) = 0.23
c) 𝑃(𝐴𝑐 ∪ 𝐵𝑐 )
𝑃(𝐴 ∪ 𝐵) = 1 − 𝑃(𝐴 ∪ 𝐵)
𝑃(𝐴 ∪ 𝐵) = 1 − 0.41
𝑃(𝐴 ∪ 𝐵) = 0.09
4) en una encuesta en la ciudad se ha hallado que

La probabilidad de que una familia tenga TV e 007
La probabilidad que una familia tenga reproductor de DVD 0.4
La probabilidad que una familia tenga TV pero no tenga reproductor de DVD es 0.36
El calcule la probabilidad de que una familia tenga ni TV ni en reproductor de DVD
P(TV)=0.7
P(DVD)=0.4
P(TV Ⴖ DVD)=0.36
a) Use una representación tabular
P(TV) P(TV) TOTAL
P(DVD) 0.36 0.4
P(DVD) - - -
TOTAL 0.7 0.3 1
b) Use únicamente reglas de probabilidad
𝑃(𝑇𝑉 ′ ∩ 𝐷𝑉𝐷 ′ ) = 1 − [𝑃(𝑇𝑉 ∩ 𝐷𝑉𝐷´) + 𝑃(𝐷𝑉𝐷)]
= 1 − 0.36 − 0.4
𝑃(𝑇𝑉 ′ ∩ 𝐷𝑉𝐷 ′ ) = 0.24
Distribución normal de estándar

ACTIVIDAD:
1.- La media de los pesos de 500 estudiantes de la Universidad de Guayaquil, es 70 kg y la

desviación típica 3 kg. Suponiendo que los pesos de estos estudiantes se distribuyen
normalmente, hallar cuántos estudiantes pesan:
𝜇 = 70𝑘𝑔
𝜎 = 3𝑘𝑔
𝑥−𝜇
𝑍=
𝜎
a) Entre 60 kg y 65 kg.
𝑍
𝑃(−1.67 ≤ 𝑍 ≤ −3,33) = 𝑃(𝑍 ≤ −3.33) − 𝑃(𝑍 ≥ −1,67)
𝑃(𝑍 ≥ −1,67) = 1 − 0.9525 = 0.0475
𝑃(𝑍 ≤ 3.33) = 0.9996
𝑃(−1.67 ≤ 𝑍 ≤ −3,33) = 0.9521
𝑃(−1.67 ≤ 𝑍 ≤ −3,33) ∗ 500 = 475.05

b) Más de 90 kg.
90 − 70 20
𝑍= == 6.67
3 3
La probabilidad de que un estudiante pese más de 90 kg es muy baja o casi nula. c)
Menos de 64 kg.
d) 64 kg.
𝑍= =− = −2 = 0.9772
0.9772 ∗ 500 = 488.6
e) 64 kg o menos.
𝑍
2.- En la Ciudad de Guayaquil se estima que la temperatura máxima en el mes de agosto sigue
una distribución normal, con media 23° y desviación típica 5°. Calcular el número de días del mes
en los que se espera alcanzar máximas entre 21° y 27°, en la ciudad de Guayaquil
𝑍
0.7881 − 0.6554 = 0.1327
0.1327 ∗ 30 = 3.981(𝑁𝑢𝑚𝑒𝑟𝑜 𝑑𝑒 𝑑𝑖𝑎𝑠)
3.-
Para el siguiente ejercicio suponemos que en una distribución normal cuya media es de 4
unidades y desviación típica 2 unidades, calcular el valor de a para que:
𝑃(4 − 𝑎 ≤ 𝑥 ≤ 4 + 𝑎) = 0.5934
𝑍1 𝑒𝑠 − 𝑍2 & 𝑍1 = −𝑍2 = 𝑍
𝑃(−𝑧 ≤ 𝑧 ≤ 𝑧) = 0.5934
2𝑃(𝑧 ≤ 𝑧) = 0.5934 & 𝑃(𝑧 ≤ 𝑧) = 0.2967
1 − 0.2967 = 0.7033
x 0 0.01 0.02 0.03 0.04
0 0.5 0.504 0.508 0.512 0.516
0.1 0.5398 0.5438 0.5478 0.5517 0.5577
0.2 0.5793 0.5832 0.5871 0.591 0.5948
0.3 0.6179 0.6217 0.6255 0.6293 0.6331
0.4 0.6554 0.6591 0.6628 0.6664 0.67

0.5 0.6915 0.695 0.6985 0.7019 0.7054
𝑧 = 0.54
4−𝜇
0.54 =
0.𝜇
0.54 ∗ 2 = 4 − 𝜇
1.08 − 4 = −𝜇
𝜇 = 2.92
4−𝑎=𝑢
𝑎=4−𝑢
𝑎 = 4 − 2.92
𝑎 = 1.08
𝑃(1.08 ≤ 𝑥 ≤ 6.92) = 0.5934
4.- Los resultados de un examen de Probabilidad y Estadística correspondientes a la carrera de

Software, siguen una distribución normal con media 78 puntos y varianza 36 puntos. Se pide:
a) ¿Cuál es la probabilidad de que un alumno que se presenta al examen de probabilidad y
estadística obtenga una calificación superior a 72 puntos?
Para utilizar la distribución normal estándar. A La media de la distribución es 78 y la desviación
estándar es la raíz cuadrada de la varianza, que es 6 es:
𝑍 = (𝑋 − 𝜇) 𝜎
𝑍 = (72 − 78) / 6 = −1
Para poder encontrar la probabilidad correspondiente a Z = -1 en la tabla de la distribución

normal estándar. La probabilidad asociada a Z = -1 es aproximadamente 0.1587. Sin
embargo, como queremos la probabilidad de obtener una calificación superior a 72 puntos,
debemos restar esta probabilidad de 1:
𝑃𝑟𝑜𝑏𝑎𝑏𝑖𝑙𝑖𝑑𝑎𝑑 = 1 − 0,1587 = 0,8413 ≈ 84,13%
Ok, Por lo tanto, la probabilidad de que un alumno obtenga una calificación superior a 72
puntos es aproximadamente 0.8413 o 84.13%
b) Si se sabe que la calificación de un estudiante es mayor que 72 puntos ¿cuál es la probabilidad

de que su calificación sea, de hecho, superior a 84 puntos?
calcular la probabilidad de que un estudiante cuya calificación es mayor que 72 puntos

obtengan una calificación superior a 84 puntos, primero debemos convertir ambos valores
a puntuaciones estándar. La puntuación estándar para 84 es
𝑍 = (𝑋 − 𝜇) 𝜎
𝑍 = (84 − 78) 6 = 1
buscar el valor de 1 en una tabla de la distribución normal estándar para encontrar la

probabilidad de obtener una puntuación menor que 84, que es aproximadamente 0.8413.
Dado que ya sabemos que la calificación del estudiante es mayor que 72 puntos (lo que
significa que su puntuación estándar es mayor que -1), podemos calcular la probabilidad
condicional utilizando la fórmula 𝑃(𝐴|𝐵) = 𝑃 (𝐴 𝑦 𝐵) 𝑃(𝐵)
𝑃 (𝑐𝑎𝑙𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 del estudiante > 84) = (1 − 0.8413)
𝑃 (𝑐𝑎𝑙𝑖𝑓𝑖𝑐𝑎𝑐𝑖ó𝑛 del estudiante > 72) = (1 − 0.1587) = 0.1587 /0.8413 ≈ 0.1887
5.-
Cuando sabemos que α = 0.05, 𝑍𝛼 2 = 𝑍0.025 = 1.96 y además Pˆ = 67/ 123 = 0.54, con n =
123 se tiene que:
𝐼𝐶 = (0.54 ± 1.96√ 0.54 0.46/ 123) = (0.046, 0.633)
Las proporciones de recién nacidos con una probabilidad del 95%
6.-
La variable X = “peso de los terneros” sigue una distribución normal N(µ,10), µ

desconocida. Al ser el tamaño de la muestra mayor que 30 podemos considerar que la
suma de los pesos, esto es, 35X, sigue siendo una distribución normal 𝑁 (35 140,10√35),
con lo que, al nivel de confianza del 92%, tendríamos el intervalo:
𝐼𝐶 = 𝑛𝑋 ± 𝑍_(𝛼/2) √ = 35 140 ± 1.75 10√35
= 4900 ± 103.53 = (4796.5,50053.53).
Los ejercicios a continuación se encuentran en el siguiente link y la resolución de la misma:

https://www.profesor10demates.com/2014/02/distribucion-normal-campana-de-gauss.html }
1. Calcula en una 𝑵(𝟎, 𝟏) las siguientes probabilidades:
a) 𝑃 = 0,9906
2 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808
2.1 0.9821 0.9826 0.983 0.9834 0.9838 0.9842 0.9846 0.985
2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911
2.4 0.9918 0.992 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932
b) 𝑃(𝑍 ≤ 3,5)= 0,9997

3.1 0.9987 0.9987 0.9987 0.9988 0.9988 0.9989 0.9989 0.9989 0.9990 0.9990
3.2 0.9990 0.9991 0.9991 0.9991 0.9992 0.9992 0.9992 0.9992 0.9993 0.9993
3.3 0.9993 0.9993 0.9994 0.9994 0.9994 0.9994 0.9994 0.9995 0.9995 0.9995
3.4 0.9995 0.9995 0.9995 0.9996 0.9996 0.9996 0.9996 0.9996 0.9996 0.9997
3.5 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9997 0.9998
c) 𝑃(𝑍 ≤ 1,37)= 09147

0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.834
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.877 0.879
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.898
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292
2. calcula en una 𝑵(𝟎, 𝟏) las siguientes probabilidades
a) 𝑃(𝑍 ≥ 1,77)= 1 – p(z≤ 1,77)= 1 – 0,09616= 0,0384

b) 𝑃(𝑍 ≤ −1,86)= 1 – p(z≤ 1,86)= 1 - 0,9686 = 0,0314
𝑐) 𝑃(𝑍 ≥ −0,25)= p(z≤ 0,25)=0,5987
d) 𝑃(𝑍 ≥ 2,34)= 1- p(z≤ 2,34)= 1 – 0,9904 = 0,0096

e) 𝑃(𝑍 ≤ −1,15)= 1 – p(z≤ 1,15)= 1 – 0,8749 = 0,1251
f) 𝑃(𝑍 ≥ −1,76) = p(z≤ 1,76) = 0,9608
3. Calcula en una 𝑵(𝟎, 𝟏) las siguientes probabilidades Intervalos

a) 𝑃(1,35 ≤ 𝑍 ≤ 3,25) = p(7≤ 3,25)- p(z≤ 3,25)= 0,999-0,9115= 0,0879
b) 𝑃(0,27 ≤ 𝑍 ≤ 1,89) = p(7≤ 1,89)- p(z≤ 0,27)= 0,9706-0,6064= 0,3642
c) 𝑃(−1,53 ≤ 𝑍 ≤ 0,67)= p(z≤ 0,67)- p(z≤ 1,53)= = p(7≤ 0,67)- (1-p(z≤ 3,25)= 0,7486-(10,9370)=
0,6856
d) 𝑃(−0,87 ≤ 𝑍 ≤ 1,24)= p(7≤ 1,24)- p(z≤ 0,87) = p(7≤ 1,24)- (1-p(z≤ 0,87)= 0,8925-(10,8078) =
0,7003
4. Calcula en una 𝑵(𝟎, 𝟏) las siguientes probabilidades Intervalos simétricos
a) 𝑃(−1,35 ≤ 𝑍 ≤ 1,35) = p(z≤ 1,35)- p(z≤ 1,35)= p(7≤ 1,35)- (1-(z≤ 1,35)= p(z≤ 1,35)- 1+ p(z≤
1,35) – 1 =2.0,9115 – 1 = 0,8230
b) 𝑃(−0,45 ≤ 𝑍 ≤ 0,45) = p(z≤ 0,45)- p(z≤ 0,45)= p(7≤ 0,45)- (1-(z≤ 0,45)= 2p(z≤ 0,45)- 1
=0,3526
c) 𝑃(−1,87 ≤ 𝑍 ≤ 1,87) = p(z≤ 1,87)- p(z≤ 1,87)= p(7≤ 1,87)- (1-p(z≤ 1,87)= 2p(z≤ 1,35)- 1=
0,9386
5. Calcula en una 𝑵(𝟎, 𝟏)

a) 𝑃(𝑍 ≤ 4)
𝑃(𝑍 ≤ 4) ≈ 0.9999
Nota: Usando una tabla de valores acumulados de la distribución normal estándar, buscamos el
valor correspondiente a Z = 4. Sin embargo, los valores acumulados generalmente se proporcionan
hasta un cierto número de decimales. Como Z = 4 es un valor bastante extremo, podemos
considerar que la probabilidad P(Z ≤ 4) es prácticamente 1
6. Calcular la probabilidad de:

a)𝑃(𝑍 ≤ 1,46)
x 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
0 0.5 0.504 0.508 0.512 0.516 0.5199 0.5239 0.5279
0.1 0.5398 0.5438 0.5478 0.5517 0.5577 0.5596 0.5636 0.5675
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987 0.6026 0.6064
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736 0.6772 0.6808
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486
0.7 0.758 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794
0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.834
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577

1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.877 0.879
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.898
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292
1.5 0.9332 0.9345 0.9357 0.937 0.9382 0.9394 0.9406 0.9418
𝑃(𝑍 ≤ 1,46) = 0.9279
b)𝑃(𝑍 ≥ 0,54)
x 0 0.01 0.02 0.03 0.04 0.05
0 0.5 0.504 0.508 0.512 0.516 0.5199
0.1 0.5398 0.5438 0.5478 0.5517 0.5577 0.5596
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422
𝑃 = 1 − 𝑃(𝑍 ≥ 0,54) = 1 − 0.7054 = −0.2946
𝑃(𝑍 ≥ 0,54) = 0.2946
c)𝑃(𝑍 ≤ −2,36)
x 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
0 0.5 0.504 0.508 0.512 0.516 0.5199 0.5239 0.5279
0.1 0.5398 0.5438 0.5478 0.5517 0.5577 0.5596 0.5636 0.5675
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987 0.6026 0.6064
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736 0.6772 0.6808
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486
0.7 0.758 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794
0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.834
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.877 0.879
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.898
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279 0.9292
1.5 0.9332 0.9345 0.9357 0.937 0.9382 0.9394 0.9406 0.9418
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515 0.9525
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608 0.9616
1.8 0.9641 0.9649 0.9656 0.9664 0.9671 0.9678 0.9686 0.9693
1.9 0.9713 0.9719 0.9726 0.9732 0.9738 0.9744 0.975 0.9756
2 0.9772 0.9778 0.9783 0.9788 0.9793 0.9798 0.9803 0.9808
2.1 0.9821 0.9826 0.983 0.9834 0.9838 0.9842 0.9846 0.985

2.2 0.9861 0.9864 0.9868 0.9871 0.9875 0.9878 0.9881 0.9884
2.3 0.9893 0.9896 0.9898 0.9901 0.9904 0.9906 0.9909 0.9911
2.4 0.9918 0.992 0.9922 0.9925 0.9927 0.9929 0.9931 0.9932
𝑃 = 1 − 𝑃(𝑍 ≤ 2,36) = 1 − 0.9909 = 0.0091

𝑃(𝑍 ≤ −2,36) = 0.0091 d) 𝑃(𝑍 ≥ −1,75)
x 0 0.01 0.02 0.03 0.04 0.05 0.06
0 0.5 0.504 0.508 0.512 0.516 0.5199 0.5239
0.1 0.5398 0.5438 0.5478 0.5517 0.5577 0.5596 0.5636
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987 0.6026
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736 0.6772
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088 0.7123
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454
0.7 0.758 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764
0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023 0.8051
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.877
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279
1.5 0.9332 0.9345 0.9357 0.937 0.9382 0.9394 0.9406
1.6 0.9452 0.9463 0.9474 0.9484 0.9495 0.9505 0.9515
1.7 0.9554 0.9564 0.9573 0.9582 0.9591 0.9599 0.9608
𝑃(𝑍 ≥ −1,75) = 1 − 0.9599 = 0.0401

e) 𝑃(−1,56 ≤ 𝑍 ≤ 1,56)
x 0 0.01 0.02 0.03 0.04 0.05 0.06
0 0.5 0.504 0.508 0.512 0.516 0.5199 0.5239
0.1 0.5398 0.5438 0.5478 0.5517 0.5577 0.5596 0.5636
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987 0.6026
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736 0.6772
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088 0.7123
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454
0.7 0.758 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764
0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023 0.8051
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.877
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265 0.9279
1.5 0.9332 0.9345 0.9357 0.937 0.9382 0.9394 0.9406
𝑃(−1,56 ≤ 𝑍 ≤ 1,56) = 𝑃(𝑍 ≤ 1,56) − 𝑃(𝑍 ≥ −1,56)

𝑃(𝑍 ≥ −1,56) = 1 − 0.9406 = 0.0594
𝑃(𝑍 ≤ 1,56) = 0.9406
𝑃(−1,56 ≤ 𝑍 ≤ 1,56) = 0.8812
Caso 1 Calcular K
a)𝑃(𝑍 ≤ 𝑘) = 0.7611
x 0 0.01
0 0.5 0.504
0.1 0.5398 0.5438
0.2 0.5793 0.5832
0.3 0.6179 0.6217
0.4 0.6554 0.6591
0.5 0.6915 0.695
0.6 0.7257 0.7291
0.7 0.758 0.7611
𝑃(𝑍 ≤ 0.71) = 0.7611
b)𝑃(𝑍 ≤ 𝑘) = 0.6628
x 0 0.01 0.02
0 0.5 0.504 0.508
0.1 0.5398 0.5438 0.5478
0.2 0.5793 0.5832 0.5871
0.3 0.6179 0.6217 0.6255
0.4 0.6554 0.6591 0.6628
𝑃(𝑍 ≤ 0.42) = 0.6628
c)𝑃(𝑍 ≤ 𝑘) = 0.5987
x 0 0.01 0.02 0.03 0.04 0.05
0 0.5 0.504 0.508 0.512 0.516 0.5199
0.1 0.5398 0.5438 0.5478 0.5517 0.5577 0.5596
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987
𝑃(𝑍 ≤ 0.25) = 0.5987
Caso 2 Calcular K
a)𝑃(𝑍 ≤ 𝑘) = 0.0859
x 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07
0 0.5 0.504 0.508 0.512 0.516 0.5199 0.5239 0.5279

0.1 0.5398 0.5438 0.5478 0.5517 0.5577 0.5596 0.5636 0.5675
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987 0.6026 0.6064
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406 0.6443
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736 0.6772 0.6808
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088 0.7123 0.7157
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454 0.7486
0.7 0.758 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764 0.7794
0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023 0.8051 0.8078
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289 0.8315 0.834
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531 0.8554 0.8577
1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749 0.877 0.879
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944 0.8962 0.898
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115 0.9131 0.9147
𝑃(𝑍 ≤ 𝑘) = 0.0859
0.0859 = 1 − 𝑘
𝑘 = 1 − 0.0859
𝑘 = 0.9141
𝑃(𝑍 ≤ 1.37) = 0.0859
b) 𝑃(𝑍 ≤ 𝑘) = 0.0359
x 0 0.01
0 0.5 0.504
0.1 0.5398 0.5438
0.2 0.5793 0.5832
0.3 0.6179 0.6217
0.4 0.6554 0.6591
0.5 0.6915 0.695
0.6 0.7257 0.7291
0.7 0.758 0.7611
0.8 0.7881 0.791
0.9 0.8159 0.8186
1 0.8413 0.8438
1.1 0.8643 0.8665
1.2 0.8849 0.8869
1.3 0.9032 0.9049
1.4 0.9192 0.9207
1.5 0.9332 0.9345
1.6 0.9452 0.9463
1.7 0.9554 0.9564
1.8 0.9641 0.9649
𝑃(𝑍 ≤ 𝑘) = 0.0359
0.0359 = 1 − 𝑘
𝑘 = 1 − 0.0359
𝑘 = 0.9641
𝑃(𝑍 ≤ 1.81) = 0.0859
Caso 3 y 4 Calcular K
a) 𝑃(𝑍 ≥ 𝐾) = 0,2236
x 0 0.01 0.02 0.03 0.04 0.05 0.06
0 0.5 0.504 0.508 0.512 0.516 0.5199 0.5239
0.1 0.5398 0.5438 0.5478 0.5517 0.5577 0.5596 0.5636
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987 0.6026
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368 0.6406
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736 0.6772
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088 0.7123
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422 0.7454
0.7 0.758 0.7611 0.7642 0.7673 0.7704 0.7734 0.7764
𝑃(𝑍 ≥ 𝑘) = 1 − 𝑃(𝑍 ≤ 𝑘) = 1 − 0.2236 = 0.7764
𝑃(𝑍 ≥ 0.77 ) = 0,2236
b) 𝑃(𝑍 ≥ 𝐾) = 0,5793
x 0 0.01
0 0.5 0.504
0.1 0.5398 0.5438
0.2 0.5793 0.5832
𝑃(𝑍 ≥ 0.21 ) = 0,5793
c) 𝑃(𝑍 ≥ 𝐾) = 0,1814
x 0 0.01
0 0.5 0.504
0.1 0.5398 0.5438
0.2 0.5793 0.5832
0.3 0.6179 0.6217
0.4 0.6554 0.6591
0.5 0.6915 0.695
0.6 0.7257 0.7291
0.7 0.758 0.7611
0.8 0.7881 0.791
0.9 0.8159 0.8186
𝑃(𝑍 ≥ 𝑘) = 1 − 𝑃(𝑍 ≤ 𝑘) = 1 − 0.1814 = 0.8186

𝑃(𝑍 ≥ 0.91) = 0,2236
d) 𝑃(𝑍 ≥ 𝐾) = 0,9922
x 0 0.01 0.02
0 0.5 0.504 0.508
0.1 0.5398 0.5438 0.5478
0.2 0.5793 0.5832 0.5871
0.3 0.6179 0.6217 0.6255
0.4 0.6554 0.6591 0.6628
0.5 0.6915 0.695 0.6985
0.6 0.7257 0.7291 0.7324
0.7 0.758 0.7611 0.7642
0.8 0.7881 0.791 0.7939
0.9 0.8159 0.8186 0.8212
1 0.8413 0.8438 0.8461
1.1 0.8643 0.8665 0.8686
1.2 0.8849 0.8869 0.8888
1.3 0.9032 0.9049 0.9066

1.4 0.9192 0.9207 0.9222
1.5 0.9332 0.9345 0.9357
1.6 0.9452 0.9463 0.9474
1.7 0.9554 0.9564 0.9573
1.8 0.9641 0.9649 0.9656
1.9 0.9713 0.9719 0.9726
2 0.9772 0.9778 0.9783
2.1 0.9821 0.9826 0.983
2.2 0.9861 0.9864 0.9868
2.3 0.9893 0.9896 0.9898
2.4 0.9918 0.992 0.9922
𝑃(𝑍 ≥ 2.42) = 0,9922
Ejercicio Calcular K
a) 𝑃(𝑍 ≤ 𝐾) = 0,0606
x 0 0.01 0.02 0.03 0.04 0.05
0 0.5 0.504 0.508 0.512 0.516 0.5199
0.1 0.5398 0.5438 0.5478 0.5517 0.5577 0.5596
0.2 0.5793 0.5832 0.5871 0.591 0.5948 0.5987
0.3 0.6179 0.6217 0.6255 0.6293 0.6331 0.6368
0.4 0.6554 0.6591 0.6628 0.6664 0.67 0.6736
0.5 0.6915 0.695 0.6985 0.7019 0.7054 0.7088
0.6 0.7257 0.7291 0.7324 0.7357 0.7389 0.7422
0.7 0.758 0.7611 0.7642 0.7673 0.7704 0.7734
0.8 0.7881 0.791 0.7939 0.7967 0.7995 0.8023
0.9 0.8159 0.8186 0.8212 0.8238 0.8264 0.8289
1 0.8413 0.8438 0.8461 0.8485 0.8508 0.8531

1.1 0.8643 0.8665 0.8686 0.8708 0.8729 0.8749
1.2 0.8849 0.8869 0.8888 0.8907 0.8925 0.8944
1.3 0.9032 0.9049 0.9066 0.9082 0.9099 0.9115
1.4 0.9192 0.9207 0.9222 0.9236 0.9251 0.9265
1.5 0.9332 0.9345 0.9357 0.937 0.9382 0.9394
𝑃(𝑍 ≤ 𝑘) = 0.0606
0.0606 = 1 − 𝑘 𝑘 = 1 − 0.0606 𝑘 = 0.9641
𝑃(𝑍 ≤ 1.55) = 0.9394
b) 𝑃(𝑍 ≥ 𝐾) = 0,8212
x 0 0.01 0.02
0 0.5 0.504 0.508
0.1 0.5398 0.5438 0.5478
0.2 0.5793 0.5832 0.5871
0.3 0.6179 0.6217 0.6255
0.4 0.6554 0.6591 0.6628
0.5 0.6915 0.695 0.6985
0.6 0.7257 0.7291 0.7324
0.7 0.758 0.7611 0.7642
0.8 0.7881 0.791 0.7939
0.9 0.8159 0.8186 0.8212
𝑃(𝑍 ≥ 0.92) = 0,8212
c) 𝑃
0 0.5
0.1 0.5398
0.2 0.5793
0.3 0.6179
0.4 0.6554
0.5 0.6915
0.6 0.7257
0.7 0.758
0.8 0.7881
0.9 0.8159
1 0.8413
1.1 0.8643
1.2 0.8849
1.3 0.9032
1.4 0.9192
1.5 0.9332
1.6 0.9452
1.7 0.9554
1.8 0.9641
1.9 0.9713
2 0.9772
2.1 0.9821
2.2 0.9861
2.3 0.9893
2.4 0.9918
2.5 0.9938
𝑃
d) 𝑃(𝑍 ≥ 𝐾) = 0,0222
x 0 0.01
0 0.5 0.504
0.1 0.5398 0.5438
0.2 0.5793 0.5832
0.3 0.6179 0.6217
0.4 0.6554 0.6591
0.5 0.6915 0.695
0.6 0.7257 0.7291
0.7 0.758 0.7611
0.8 0.7881 0.791
0.9 0.8159 0.8186
1 0.8413 0.8438
1.1 0.8643 0.8665
1.2 0.8849 0.8869
1.3 0.9032 0.9049
1.4 0.9192 0.9207
1.5 0.9332 0.9345

1.6 0.9452 0.9463
1.7 0.9554 0.9564
1.8 0.9641 0.9649
1.9 0.9713 0.9719
2 0.9772 0.9778
𝑃
0. 𝑘
Caso Intervalo simétrico Calcular K

a) 𝑃
𝑃 K
0. 𝐾
0.
z 0 0.01 0.02 0.03 0.04 0.05 0.06 0.07

0.0000 0.0040 0.0080 0.0120 0.0160 0.0199 0.0239 0.0279
0.1 0.0398 0.0438 0.0478 0.0517 0.0557 0.0596 0.0636 0.0675
(−𝐾 ≤ 𝑍 ≤ 𝐾 ) = 0,9850
z 0 0.01 0.02
b) 𝑃 0.0 0.0000 0.0040 0.0080
K
0. 𝐾
𝑘
𝑃(𝑍 ≤ 0.02) = 0.0075
Miselanea Var
ACTIVIDAD:
Para esta tarea el alumno deberá subir las macros hechas en Excel de los ejemplos a continuación
se mencionan a continuación referentes a: VARIABLES ALEATORIAS CONTINUAS
Es importante recalcar que estos ejercicios, ya se dieron en clases.
1.-
ejemplo.
Si X es una variable Aleatoria continua, que representa el tiempo que requiere un operario para
ensamblar un equipo en minutos y la densidad es:
𝑓(𝑥) = 𝑘𝑥; 0 ≤ 𝑥 ≤ 5
En el caso específico de las variables aleatorias x que se describe en la pregunta, se nos dice que
requiere un operario para ensamblar un equipo en minutos y que su densidad de probabilidad es
𝑓(𝑥) = 𝑘𝑥; 0 ≤ 𝑥 ≤ 5
Para determinar el valor de la contante k debemos asegurarnos de que la funcione densidad de
probabilidad f(𝑥) satisfaga la propiedad de que la probabilidad total de que x tome cualquier valor
en el rango posible sea igual a 1. Esto se conoce como la condición de normalización de la función
de densidad de probabilidad
Determine:
a. El valor de 𝑘, para que la función sea de densidad

b. La probabilidad de que el operario le tome menos de 1 minuto en ensamblar el equipo
c. La probabilidad de que un operario demore entre 1 y 4 minutos, en ensamblar un equipo
d. El promedio de tiempo que tarda el operario en ensamblar el equipo
e. La varianza de tiempo que tarda el operario en ensamblar el equipo
La probabilidad total de que x tome cualquier valor en el rango 0,5 está dada por la integral de la
función de densidad de probabilidad f(𝑥) sobre ese rango
F(0,5) f(𝑥) dx =f(0,5)kx dx =k/2 * x”2

5
(0,5) =k/2 * ( − 0/2)=12.5k
2
Para que la probabilidad total sea igual a 1 debemos tener.
F(0,5) f(𝑥) dx =12.5k =1
Por lo tanto, k =1 /12.5=0.08
Entonces la función de densidad de probabilidad completa para la variable aleatoria x es:
f(𝑥)=0.08x para 0<x<5.
2.-
A: verifique que cumple las propiedades de una función de densidad

La función de densidad de probabilidad f(𝑥)=2/5y x/2 para 0<x<1 nos permite modelar la
probabilidad de que el tiempo al cliente en una estación de servicios tome cualquier valor en el
rango 0/1
B: calcule Las propiedades que el tiempo de atención ente entre 15y30minutos encuentre la
función de distribución para el ejemplo anterior
Para calcular la propiedad de que el tiempo de atención este entre 15 y 30 minutos, debemos
calcular la función de densidad de probabilidad f(𝑥)sobre el intervalo 0.25, /0.5, ya que 15minutos
corresponde a 0.25horas y 30minutos corresponde a 0.5horas:
Por lo tanto, la probabilidad de que el tiempo de atención este entre 15 y30 minutos es de
aproximadamente 0.2361 o 23.61%
Use la función de distribución para calcular P1/4<x<1/2en el ejemplo anterior
Para calcular la propiedad de que x este en el rango de ¼ a ½ debemos restar la función de

distribución acumulada evaluada en ¼ de la función de distribución acumulada evaluada en ½
P1/4< x<1/2 =f1/2-f1/4= 1/82<2 =3/16
Por lo tanto, la probabilidad de ¼ a ½ es de 3/16
3.-
Ejemplo
Para calcular la media de una variable aleatoria x con función de densidad de probabilidad se utiliza
la siguiente forma:
F(𝐴, 𝐵) x f (𝑥) dx
Media= E(𝑥) =f(𝑎, 𝑏)x*f(𝑥) dx
Varianza= var (𝑥)= f(𝑎, 𝑏) (𝑥 − 𝐸 )(𝑥) 2*

Donde f(𝑥) es la función de densidad de probabilidad aleatoria x, y a/b es el intervalo de valores

posibles de x
f(𝑥)=2/5*x/2, 0<x<1
por lo tanto, la media de la variable aleatoria x es:
Por lo tanto, la media de la variable aleatoria x es :8/15

Ahora, para calcular la varianza de la variable aleatoria x primero necesitamos calcular la media
cuadrada:
E(𝑥)<2= 8/15<2 =64/225
Luego, la varianza de las variables aleatorias x es:

Por lo tanto, la varianza de las variables aleatoria x es 1/450
Para calcular la media del costo de atención, debemos calcular el valor esperado G(𝑥). El valor
esperado se define como la suma de los productos de cada posible valor de la variable aleatoria y
su probabilidad correspondiente.
En este caso, supongamos que el tiempo de atención a cada cliente sigue una distribución uniforme
entre 2y8 minutos entonces la probabilidad de que el tiempo de atención sea cualquier valor entre
2 y 8 minutos es la misma, es decir 1/6
E” G(𝑥) =f(10 + 5𝑥) f(𝑥) dx
Donde f(𝑥)es la función de densidad de probabilidad de la distribución uniforme que en este caso
es f(𝑥)=1/6 para 2<x<8 y f(𝑥)=0para cualquier otro valor de x
Obtenemos:
Por lo tanto, la media del costo de atención es de 20$
DISTRIBUCIÓN UNIFORME CONTINUA
1.-
𝑃(𝑥 ≥ 2) = 1 − 𝑃(𝑥 < 2)

(𝑥 − 𝑎)
𝐹(𝑥) =
𝑏−𝑎
2−1 1
𝑃(𝑥 < 2) = 𝐹(2) = =
5−1 4
1 3
𝑃(𝑥 ≥ 2) = 1 − = 0.75(75%)
4 4
𝑎+𝑏 1+5 6
𝐸(𝑥) = = = = 3(ℎ𝑜𝑟𝑎𝑠)
2 2 2
𝐶𝑜𝑠𝑡𝑜𝑉𝑎𝑟𝑖𝑎𝑏𝑙𝑒 = 10 ∗ 𝑥 2
𝐶𝑜𝑠𝑡𝑜𝑅𝑒𝑝𝑎𝑟𝑎𝑐𝑖𝑜𝑛 = 𝐶𝑜𝑠𝑡𝑜𝐹𝑖𝑗𝑜 + ∫[1,5](𝐶𝑣(𝑥) ∗ 𝑓(𝑥))𝑑𝑥
1
𝐶𝑜𝑠𝑡𝑜𝑅𝑒𝑝𝑎𝑟𝑎𝑐𝑖𝑜𝑛 = 100 + ∫[1.5](10 ∗ 𝑥 2 ∗ )𝑑𝑥
4
10 10 𝑥 3 10 53 13
= 100 + ∫[1.5] ∗ 𝑥 2 = 100 + ∗ = 100 + ∗[ − ]
4 4 3 4 3 3
10 125 1 10 125 10
= 100 + ∗[ − ] = 100 + ∗[ ] = 100 + ∗ 41.3333
4 3 3 4 3 4
= 100 + 103.3333 = $203.33
2.-
Ejemplo
Agripaxa es una fábrica de elaboración de contaminantes para eliminar plagas como los Pulgones
que matan la vegetación. Supóngase que la concentración del contaminante que Agripaxa elabora,
se encuentra distribuida de manera uniforme en un intervalo de 0 a 20 pares de millón. Si se
considera tóxica una concentración de 8 o más. Determine:
𝑓(𝑥) = 1 / (𝑏 − 𝑎) 𝑝𝑎𝑟𝑎 𝑎 ≤ 𝑥 ≤ 𝑏
𝑓(𝑥) = 0 𝑝𝑎𝑟𝑎 𝑥 < 𝑎 𝑜 𝑥 > 𝑏

a. ¿Cuál es la probabilidad de que al tomarse una muestra la concentración de esta sea
tóxica?
En este caso, el intervalo es [8, 20] y queremos calcular P(X ≥ 8), donde X es la
concentración de la muestra. La FDP de la distribución uniforme es constante dentro
del intervalo, por lo que podemos calcular la probabilidad dividiendo la longitud del
intervalo tóxico (de 8 a 20) entre la longitud total del intervalo (de 0 a 20).
(20 − 8) 12
𝑃(𝑋 ≥ 8) = = = 0.6(60%)
20 − 0 20
b. Determine la concentración media y la varianza.

Concentración media:
𝜇 = (𝑎 + 𝑏) / 2 = (0 + 20) / 2 = 10
Varianza:
(𝑏 − 𝑎)2 (20 − 0)2 400
𝜎2 = = = = 33.33
12 12 12
c. Probabilidad de que la concentración sea exactamente 10.
En una distribución uniforme continua, la probabilidad de que una variable tome un valor exacto en
el intervalo es siempre igual a cero. Esto se debe a que la FDP es constante y el área debajo de la
curva es nula en un punto específico.
Por lo tanto, la probabilidad de que la concentración sea exactamente 10 es cero.
DISTRIBUCION EXPONENCIAL
1.-
Ejemplo
El tiempo que esta fuera de servicio el sistema de producción por fallos, se lo modela como una
variable aleatoria Exponencial con 𝜇 = 30 𝑚𝑖𝑛𝑢𝑡𝑜𝑠. Determine:
a. La probabilidad de que, en una falla, el sistema de producción este fuera de servicio por lo
menos 1 hora.
𝐹(𝑥) = 1 − 𝑒 −𝜆𝑥
𝑃(𝑥 < 60) = 𝐹(60) = 1 − 𝑒 −0.0333∗60
𝑃(𝑥 ≥ 60) = 1 − (1 − 𝑒 −0.0333∗60 )
𝑃(𝑥 ≥ 60) = 𝑒 −0.0333∗60
𝑃(𝑥 ≥ 60) = 0.2231 (22.31%)
b. Tarde menos de 10 minutos
𝑃(𝑥 < 10) = 𝐹(10) = 1 − 𝑒 −0.0333∗10
𝑃(𝑥 < 10) = 1 − 0.6977
𝑃(𝑥 < 10) = 0.3023(30.23%)

2.
𝐹(𝑥) = 𝜆 ∗ 𝑒 −𝜆𝑥
1
𝜆 = = 0.25
4
𝐹(𝑥) = ∫[0,4]𝜆 ∗ 𝑒 −𝜆𝑥 𝑑𝑥
𝐹(𝑥) = ∫[0,4]0.25 ∗ 𝑒 −0.25𝑥 𝑑𝑥

Método de sustitución u= -0.25x, du = -0.25dx:
𝑃(𝑥 < 4) = − ∫[0,4]𝑒 𝑢 𝑑𝑢
𝑃(𝑥 < 4) = 𝑒 −0.25𝑥 ; [0,4]
𝑃(𝑥 < 4) = 𝑒 −0.254 +𝑒 −0.250 = 𝑒 −1 + 1 = 0.632(63.2%)

3.-
Ejemplo
El personal de la compañía Onda S.L. usa una Terminal para realizar sus pedidos internacionales. Si
el tiempo que cada comercial gasta en una sesión en la Terminal tiene una distribución
exponencial con media 36 minutos, encontrar:
a. Probabilidad de que un comercial utilice la Terminal 30 minutos o menos
𝐹(𝑥) = 1 − 𝑒 −𝜆𝑥
1
𝑃(30) = 1 − 𝑒 −36∗30 = 0.5507(55.07%)
b. El 90% de las sesiones terminan en menos de R minutos. ¿Cuánto vale R?

𝐹(𝑥) = 0.9(90%)
1 − 𝑒 −𝜆𝑥 = 0.9
𝑒 −𝜆𝑥 = 0.1
−𝜆𝑥 = ln(0.1)
−ln (0.1) −ln (0.1)
𝑥= = = 39.773(𝑚𝑖𝑛𝑢𝑡𝑜𝑠)
𝜆 1
36

Tarea Estadística II - Avance Cuaderno Digitalnuevo

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Tarea Estadística II - Avance Cuaderno Digitalnuevo

Cargado por

Copyright:

Formatos disponibles

INGENIERÍA EN SOFTWARE

1.- Preliminares, ejercicios correspondientes al repaso de estadística I:

2.- Distribuciones de probabilidad

a. Variables aleatorias Discretas, Distribución Empírica, Experimentos binomiales, distribución

b. Variables aleatorias continuas, Distribución Empírica, distribución uniforme continua,

Resuelve los siguientes ejercicios.

Ahora solo debes despejar c para hallar el valor c= 0,32

b) Escribe la función de probabilidad y de distribución.

F(x) = p (X ≤ x) = ∑𝑿𝒊 <𝒙[𝑿 = 𝒙𝒊]

F(1) = p[X ≤ 1] P[X ≤ 1] = p[X = 1] = 0,32

F(2) = p[X ≤ 2] = p[X = 1 + p[X = 2] = 0,32 +0,36 = 0,68

1 0.32 0.32 0.32

2 0.36 2 ∗ (0.36) = 0.72 22 ∗ (0.36) = 1.44

3 0.32 0.96 2.88

TOTAL ∑𝑝𝑖 = 𝟏 ∑ 𝑥𝑖𝑝𝑖 = 𝟐 ∑𝑥𝑖2𝑝𝑖 = 𝟒. 𝟔𝟒

∑ 𝑝𝑖 = 0.32 + 0.36 + 0.32

∑ 𝑥𝑖𝑝𝑖 = (1 ∗ 0.32) + (2 ∗ 0.36) + (3 ∗ 0.32) = 0.32 + 0.72 + 0.96 = 2

𝜎2 = ∑((12 ∗ 0.32) + (22 ∗ 0.36) + (32 ∗ 0.32)) − (2)2

𝜎2 = ∑(𝟒. 𝟔𝟒) − (𝟐)2

𝜎 = √((12 ∗ 0.32) + (22 ∗ 0.36) + (32 ∗ 0.32)) − (2)2

𝐹(𝑥) = 𝑝(𝑋 ≤ 𝑥) = ∑ 𝑝[𝑋 = 𝑥𝑖]

𝐹(−10) = 𝑝[𝑋 ≤ −10] = 𝑝[𝑋 = −10] = 𝟎. 𝟏

𝐹(−5) = 𝑝[𝑥 <= −𝟓] = 𝑝[𝑥 = −10] + 𝑝[𝑥 = −5] = 𝟎. 𝟏 + 𝟎. 𝟐 = 𝟎. 𝟑

𝐹(𝟎) = 𝑝[𝑥 <= 0] = 𝑝[𝑥 = −𝟏𝟎] + 𝑝[𝑥 = −𝟓] + 𝑝[𝑥 = 𝟎] = 𝟎. 𝟏 + 𝟎. 𝟐 + 𝟎. 𝟑 = 0.6

𝐹(𝟓) = 𝑝[𝑥 <= 5] = 𝑝[𝑥 = −𝟏𝟎] + 𝑝[𝑥 = −𝟓] + 𝑝[𝑥 = 𝟎] + 𝑝[𝑥 = 𝟓]

Cálculo de esperanza matemática.

𝜎2 = ∑((−102 ∗ 0.1) + (−52 ∗ 0.2) + (02 ∗ 0.3) + (52 ∗ 0.4)) − (0)2

Cálculo de la desviación típica o estándar.

𝜎 = √((−102 ∗ 0.1) + (−52 ∗ 0.2) + (02 ∗ 0.3) + (52 ∗ 0.4)) − (0)2

TEMA: ESPACIO MUESTRAL Y EVENTOS

a) El espacio muestral es:

El espacio muestral es el conjunto de todos los posibles resultados de un experimento aleatorio.

c) El evento de obtener números primos:

2. Se lanza un dado de 4 caras (numeradas del 1 al 4) y una moneda. Marca la respuesta

Ω = {1𝐶, 2𝐶, 3𝐶, 4𝐶, 1𝑆, 2𝑆, 3𝑆, 4𝑆}

DISTRIBUCIÓN BINOMIAL NEGATIVA, GEOMÉTRICA E HIPERGEOMÉTRICA

𝑃(𝑋 = 𝑥) = 𝑝(1 − 𝑝)𝑥−1 = 0.3(1 − 0.3)5−1 = 0.3(0.7)4 = 0.3 ∗ 0.24 = 0.07

a) P(x=x+2)= b * (x+2; 2,0,5) = (x+1 / 1) 0,5 ^ 2 - 0,5 ^ x

b) No más de una defectuosa;

𝑃(𝑋 ≥ 1) = 𝑃(𝑋 = 0) + 𝑃(𝑋 = 1)

𝑃(𝑋 ≥ 1) = 0.17 + 0.13 = 0.3

c) Al menos una defectuosa

P(X=6) =f (6)=)p(1 − p)(x−1) =0,0655

5) Si probabilidad de que un estudiante en una escuela de conducción obtenga su

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

𝑃(𝑥 ≥ 6) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6)

𝑃(𝑥 ≥ 10) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4) + 𝑃(𝑥 = 5) + 𝑃(𝑥 = 6)

𝑃(𝑥 ≥ 10) = 1 − 𝑃(𝑥 < 10)

𝑃(𝑥 ≥ 4) = 𝑃(𝑥 = 0) + 𝑃(𝑥 = 1) + 𝑃(𝑥 = 2) + 𝑃(𝑥 = 3) + 𝑃(𝑥 = 4)

TEMA: DISTRIBUCIONES DE PROBABILIDAD

DISTRIBUCIÓN UNIFORME DISCRETA Y BINOMIAL

a) Determine la media y varianza de X

2)La variable aleatoria x tiene distribución binomial con n=8, p=0.4

b) Grafique la función de distribución de probabilidad

c) grafique la función de distribución de probabilidad acumulada

d) cuáles son los valores de x más factibles que ocurran

e) cuáles son los valores de x menos factibles

a) Ninguna sea defectuosa,

b) Uno sea defectuoso,

c) Al menos dos sean defectuosos,

d) Obtenga la media y la varianza de la variable aleatoria del problema

n=3 y p=0,15: B (3, 0,15)

b) P(X=3)=(2) 0.15 0.85² = 0.15 *0.7225-01083

𝑃(𝑥 = 0) = (30)0.150 ∗ (1 − 0.15)3−0 = 1 ∗ 1 ∗ 0.853 =110.61=0.61

𝑃(𝑥 = 1) = (31)0.151 ∗ (1 − 0.15)3−1 = 3 ∗ 0.15 ∗ 0.852 =30.150.72=0.32

𝑃(𝑥 = 2) = (32)0.152 ∗ (1 − 0.15)3−2 = 3 ∗ 0.02 ∗ 0.851 =30.020.85=0.05

P (x=1)= 20,950,05 = 0,095

P (x=1)= 20,980,02 = 0,0392